CN115983720A - 基于海拔和温度的汽车排放性能检测方法 - Google Patents
基于海拔和温度的汽车排放性能检测方法 Download PDFInfo
- Publication number
- CN115983720A CN115983720A CN202310256733.0A CN202310256733A CN115983720A CN 115983720 A CN115983720 A CN 115983720A CN 202310256733 A CN202310256733 A CN 202310256733A CN 115983720 A CN115983720 A CN 115983720A
- Authority
- CN
- China
- Prior art keywords
- distribution
- actual
- speed
- segment
- emission
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及污染检测领域,公开了一种基于海拔和温度的汽车排放性能检测方法,包括:根据至少两种测试海拔范围以及至少两种测试温度范围构建测试环境,在每种测试环境下测试得到各种污染物的污染物排放因子,将与目标车辆同属性的现役车辆在不同测试环境下的行驶里程占比作为各测试环境的环境权重;针对每种污染物,采用各环境权重对各测试环境下的污染物排放因子进行加权求和得到污染物评价数据,根据目标车辆的能源类型确定各污染物的污染物权重,进而结合各污染物评价数据进行加权求和得到排放性能累计数据;若排放性能累计数据超过预设阈值,则发送检修消息并录入检修名单,以提高排放性能检测的准确性和有效性,准确定位排放性能差的车辆。
Description
技术领域
本发明涉及汽车污染检测领域,尤其涉及一种基于海拔和温度的汽车排放性能检测方法。
背景技术
汽车污染物主要包括CO(一氧化碳)、HC(碳氢化合物)、NOx(氮氧化物)以及PM(微粒,碳烟),这些污染物会对人体健康造成较大的影响,因此,企业在研发汽车时需要进行整车排放性能检测。
目前,企业在进行整车排放性能检测的过程中,主要在平原环境下进行测试的。但是,由于测试工况条件,以及海拔和温度等自然条件对于汽车的各种污染物的排放存在较大的影响。因此,目前的整车排放性能检测存在测试效果单一、无法从多个维度综合评价车辆排放性能的问题,也就无法及时且准确地定位到排放性能差的车辆,会造成严重的环境污染。
有鉴于此,特提出本发明。
发明内容
为了解决上述技术问题,本发明提供了一种基于海拔和温度的汽车排放性能检测方法,实现综合考虑海拔和温度来进行测试,提高排放性能检测的准确性和有效性,并快速且准确的定位排放性能差的车辆,以降低环境污染。与现有技术仅考虑平原环境测试相比,本发明实施例考虑不同温度和海拔的组合,丰富污染物排放检测的数据并进行评估,以确定出排放性能差的车辆,便于及时进行处理。
本发明实施例提供了一种基于海拔和温度的汽车排放性能检测方法,所述方法包括如下步骤:
S1:根据至少两种测试海拔范围以及至少两种测试温度范围,组合确定多种测试环境,并在每种测试环境下,确定目标车辆的各种污染物的污染物排放因子;
S2:根据与所述目标车辆同属性的多台现役车辆在不同测试环境下的行驶里程占比,确定各所述测试环境的环境权重;
S3:针对每种所述污染物,采用各所述环境权重对各所述测试环境下的污染物排放因子进行加权求和,得到污染物评价数据;
S4:根据所述目标车辆的能源类型,确定各所述污染物的污染物权重,并采用各所述污染物权重对各所述污染物评价数据进行加权求和,确定所述目标车辆对应的排放性能累计数据;
S5:如果所述排放性能累计数据超过预设阈值,则向所述目标车辆发送检修消息并将所述目标车辆的信息录入检修名单。
本发明实施例具有以下技术效果:根据至少两种测试海拔范围以及至少两种测试温度范围,组合确定多种测试环境,并在每种测试环境下,确定目标车辆的各种污染物的污染物排放因子,以构建海拔和温度组成的测试环境,并进行污染物排放测试,进而,根据与目标车辆同属性的多台现役车辆在不同测试环境下的行驶里程占比,确定各测试环境的环境权重,针对每种污染物,采用各环境权重对各测试环境下的污染物排放因子进行加权求和,得到污染物评价数据,进而,根据目标车辆的能源类型,确定各污染物的污染物权重,并采用各污染物权重对各污染物评价数据进行加权求和,确定目标车辆对应的排放性能累计数据,以从测试环境和污染物的层面综合评价排放情况,如果排放性能累计数据超过预设阈值,则向目标车辆发送检修消息并将目标车辆的信息录入检修名单,实现了综合考虑海拔和温度来进行排放测试,提高排放性能检测的准确性和有效性,并快速且准确的定位排放性能差的车辆,以降低环境污染。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于海拔和温度的汽车排放性能检测方法的流程图;
图2为本发明实施例提供的一种短行程片段的示意图;
图3为本发明实施例提供的一种综合第一分布的示意图;
图4为本发明实施例提供的一种测试环境下的工况曲线的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
本发明实施例提供的基于海拔和温度的汽车排放性能检测方法,主要适用于需要对车辆进行污染物排放检测和评估的情况。本发明实施例提供的基于海拔和温度的汽车排放性能检测方法可以由电子设备执行。
图1是本发明实施例提供的一种基于海拔和温度的汽车排放性能检测方法的流程图。参见图1,该方法具体包括:
S1:根据至少两种测试海拔范围以及至少两种测试温度范围,组合确定多种测试环境,并在每种测试环境下,确定目标车辆的各种污染物的污染物排放因子。
其中,测试环境是用于进行污染物排放检测的环境,测试环境是不同测试海拔范围与不同测试温度范围的组合。污染物比如是CO、HC、NOx以及PM。污染物排放因子可以用于表示每行驶单位距离产生的污染物排放量(如g/km,mg/km等)。
具体的,在每个测试环境下,对目标车辆进行试验,并在测试环境下,读取目标车辆上各污染物检测传感器的数据作为污染物排放因子。
示例性的,测试海拔范围包括:普通海拔:海拔高度≤700米,记为H1;拓展海拔:700米<海拔高度≤1300米,记为H2;进一步拓展的海拔:1300米<海拔高度≤2400米,记为H3。测试温度范围包括:普通温度:0℃<环境温度≤30℃,记为T1;拓展温度:-7℃≤环境温度≤0℃,记为T2。测试海拔范围与测试温度范围相互组合,共形成6组不同海拔和温度的组合,即测试环境,包括:H1&T1、H1&T2、H2&T1、H2&T2、H3&T1以及H3&T2。
在一种具体的实施方式中,在每种测试环境下,确定目标车辆的各种污染物的污染物排放因子,包括如下步骤:
S11:在每种测试环境下,获取基于车辆实际运行工况数据构建的各初始片段库。
其中,车辆实际运行工况数据为各车辆在测试环境下行驶产生的数据,各初始片段库包括各车型分别对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库。
在本发明实施例中,可以预先采集设定时间内各车辆在测试环境下的道路上行驶所产生的实际运行工况数据。如,选择200辆不同类型、不同排放阶段的轻重型汽车,在测试环境下的道路上行驶,连续采集不少于180天的车辆实际运行工况数据。示例性的,可以通过各个车辆上的车载排放能耗测量系统,采集对应的车辆实际运行工况数据。
具体的,车辆实际运行工况数据可以包括各时间点分别对应的实际速度、实际海拔点以及实际排放因子。在本发明实施例中,可以根据车辆实际运行工况数据,按照数据中各车辆的类型,构建各车型(轻型汽车或重型汽车等)分别对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库。
其中,低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库分别包括车辆实际运行工况数据中的低速行程片段、中速行程片段以及高速行程片段。
在一种具体的实施方式中,步骤S11,包括如下步骤:
S111:在每种测试环境下,根据车辆实际运行工况数据中各时间点分别对应的实际速度、实际排放因子、实际加速度、实际道路坡度以及实际排放影响参数,构建各车型分别对应的综合数据库;
S112:针对每一个车型对应的综合数据库,根据短行程法对综合数据库进行分割处理,将综合数据库划分为各行程片段;
S113:基于预设低速区间范围、预设中速区间范围、预设高速区间范围以及各行程片段中的最大实际速度,构建车型对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库。
具体的,在每种测试环境下,均可以根据车辆实际运行工况数据,建立每一个车型分别对应的综合数据库,其中,综合数据库包括各时间点分别对应的实际速度、实际排放因子、实际加速度、实际道路坡度以及实际排放影响参数。表1展示了一种车型对应的综合数据库,示例性的展示了综合数据库中一个时间点对应的信息,综合数据库还可以包括实际能耗数据。
表1 一种车型对应的综合数据库
进一步的,可以针对每一个综合数据库,以各时间点的实际速度为基准,采用短行程法对综合数据库进行工况片段切割,得到若干个短行程的工况片段,即各行程片段。
示例性的,图2为本发明实施例提供的一种短行程片段的示意图,其中,一个短行程片段包括一个怠速段和一个行驶段。
进一步的,对于每一个行程片段,可以判断行程片段中的最大实际速度,位于预设低速区间范围、预设中速区间范围或预设高速区间范围内,进而判断该行程片段为低速行程片段、中速行程片段或高速行程片段。其中,预设低速区间范围可以是[0,40km/h],预设中速区间范围可以是(40km/h,80km/h],预设高速区间范围可以是(80km/h,∞)。
进一步的,可以根据该车型的综合数据库中的所有低速行程片段,构建该车型对应的低速行程初始片段库;根据该车型的综合数据库中的所有中速行程片段,构建该车型对应的中速行程初始片段库;根据该车型的综合数据库中的所有高速行程片段,构建该车辆对应的高速行程初始片段库。
例如,若存在100个车型分别对应的综合数据库,则可以确定出100个低速行程初始片段库,100个中速行程初始片段库,以及100个高速行程初始片段库。
通过上述实施方式,实现了各车型分别对应的低速、中速、高速行程初始片段库的构建,进而便于对各车型分别对应的初始片段库中的行程片段进行筛选,从而保证了针对各车型所分别筛选出的备选片段的可靠性。
需要说明的是,车辆实际运行工况数据中各时间点分别对应的实际道路坡度、实际加速度以及实际排放影响参数,可以是通过实际速度计算得到的。
可选的,在步骤S111之前,还包括如下步骤:
S1101:获取车辆实际运行工况数据,其中,车辆实际运行工况数据包括各时间点分别对应的实际速度、实际海拔点以及实际排放因子;
S1102:针对每一个时间点,基于当前时间点对应的实际速度和实际海拔点、前一时间点对应的实际速度和实际海拔点、以及相邻时间点之间的时间间隔,确定当前时间点对应的实际道路坡度;
S1103:基于当前时间点对应的实际速度和前一时间点对应的实际速度,确定当前时间点对应的实际加速度;
S1104:基于当前时间点对应的实际速度、实际道路坡度以及实际加速度,确定当前时间点对应的实际排放影响参数,其中,实际排放影响参数用于描述实际速度、实际道路坡度以及实际加速度对排放的影响。
即,最初采集到的车辆实际运行工况数据中可以仅包括实际速度、实际海拔点以及实际排放因子。在本发明实施例中,还可以在执行S1101之后,对获取到的车辆实际运行工况数据进行异常数据检测和修正处理。
进一步的,可以通过S1102-S1104,计算出每一个时间点对应的实际道路坡度、实际加速度以及实际排放影响参数。具体的,在S1102中,计算实际道路坡度可以参考如下公式:
;
式中,θ表示实际道路坡度,H1、H2分别为前一时间点对应的实际海拔点(m)、当前时间点对应的实际海拔点(m),VG-1、VG-2分别为前一时间点对应的实际速度(km/h)、当前时间点对应的实际速度(km/h),t2-t1为相邻时间点之间的时间间隔(s)。其中,时间间隔可以为1s,即车辆实际运行工况数据的采集频率为1Hz。
具体的,在上述S1103中,实际加速度的计算可以满足如下公式:
;
式中,表示实际加速度,单位可以为m/s2;3.6表示3600/1000,用于实现从km/h到m/s2的单位转换。其中,时间间隔为1s,即车辆实际运行工况数据的采集频率为1Hz。
具体的,在上述S1104中,可以通过一个时间点对应的实际速度、实际道路坡度以及实际加速度,计算出该时间点对应的实际排放影响参数。
计算实际排放影响参数的目的在于:由于速度、道路坡度以及加速度均对车辆排放产生影响,因此,可以通过计算出的实际排放影响参数来代表对应的实际速度、实际道路坡度以及实际加速度,进而通过实际排放影响参数与实际排放因子之间的关系,描述实际速度、实际道路坡度以及实际加速度对排放的影响。计算实际排放影响参数的好处在于:后续在确定各行程片段的分布差距时,不仅可以分别根据实际速度、实际加速度以及实际道路坡度确定分布差距,还可以根据实际排放影响参数,以结合实际速度、实际加速度以及实际道路坡度确定分布差距,进而提高了分布差距的准确性。
在本发明实施例中,不对实际排放影响参数的具体计算方式进行限制。可选的,步骤S1104,包括:将实际速度、实际加速度、实际道路坡度输入到预设模型中得到实际排放影响参数;其中,预设模型通过如下方式得到:采集多个车辆在测试环境上行驶时的实际速度、实际加速度、实际道路坡度与污染物排放量,通过学习实际速度、实际加速度、实际道路坡度对污染物排放量的影响得到。
示例性的,可以以速度、加速度、道路坡度作为输入,以对污染物排放量的影响作为输出,构建数据公式的预设模型。如,预设模型可以为加权求和模型。其中,各参数(速度、加速度、道路坡度)对应的权重,可以是参数对排放物的归一化结果。
例如,以道路坡度为例,对应的权重可以通过如下方式得到:用E表示污染物的排放值,在相同实际速度和相同实际加速度、以及不同实际道路坡度下,得到污染物的最大值E1max、最小值E1min以及平均值E1mean,与道路坡度对应的权重可以是:(E1mean-E1min)/(E1max-E1min)。以加速度为例,对应的权重可以通过如下方式得到:在相同实际速度和相同实际道路坡度、以及不同实际加速度下,得到污染物的最大值E2max、最小值E2min以及平均值E2mean,与加速度对应的权重可以是:(E2mean-E2min)/(E2max- E2min)。
通过上述方式,实现了对代表速度、加速度以及道路坡度的中间参数的准确确定,便于结合速度、加速度以及道路坡度衡量各片段与其所属片段库之间的分布差距,即衡量片段的排放代表性。
在上述实施方式中,通过实际速度分别计算出实际道路坡度、实际加速度以及实际排放影响参数,进而便于后续从速度、道路坡度、加速度、排放影响参数,依次分析各行程片段的分布差距,从而保证后续筛选出的备选片段具备代表性。
S12:针对每一个初始片段库中的各行程片段,基于行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放因子,确定行程片段与行程片段所属的初始片段库之间的分布差距。
其中,分布差距用于衡量行程片段对该行程片段所属的初始片段库的代表性,分布差距包括加速度分布差距、坡度分布差距以及排放分布差距。
具体的,行程片段的分布差距越小,则表示该行程片段与该行程片段所属的初始片段库中的全部行程片段之间的差距越小,表示该行程片段越能够代表该行程片段所属的初始片段库,即代表性越强。
在本发明实施例中,对于初始片段库中的每一个行程片段,可以确定出各个行程片段的分布差距。
其中,加速度分布差距可以反映行程片段与该行程片段所属的初始片段库中的全部行程片段之间的加速度的差距,加速度分布差距越小,行程片段的加速度代表性越高。坡度分布差距可以反映行程片段与该行程片段所属的初始片段库中的全部行程片段之间的坡度的差距,坡度分布差距越小,行程片段的坡度代表性越高。排放分布差距可以反映行程片段与该行程片段所属的初始片段库中的全部行程片段之间的实际排放的差距,排放分布差距越小,行程片段的排放代表性越高。
需要说明的是,在本发明实施例中,确定加速度分布差距、坡度分布差距以及排放分布差距的目的在于:由于在各测试环境中,加速度、坡度均会对实际排放产生巨大影响,因此,考虑各测试环境下加速度和道路坡度的影响,通过描述加速度、坡度以及实际排放的差距,来衡量每一个行程片段的代表性,便于后续选取出加速度、坡度以及排放均代表性高的行程片段进行工况构建。
示例性的,可以根据行程片段内各时间点的实际速度、实际加速度,以及该行程片段所属的初始片段库中所有行程片段的实际速度的平均值、实际加速度的平均值,确定加速度分布差距。可以根据行程片段内各时间点的实际速度、实际道路坡度,以及该行程片段所属的初始片段库中所有行程片段的实际速度的平均值、实际道路坡度的平均值,确定坡度分布差距。根据行程片段内各时间点的实际速度、实际加速度、实际道路坡度、实际排放因子,以及该行程片段所属的初始片段库中所有行程片段的实际速度的平均值、实际加速度的平均值、实际道路坡度的平均值、实际排放因子的平均值,确定排放分布差距。
在一种具体的实施方式中,针对S12,基于行程片段中各时间点的实际速度、实际加速度、实际道路坡度以及实际排放因子,确定行程片段与行程片段所属的初始片段库中的全部行程片段之间的分布差距,包括:
S121:基于行程片段中各时间点的实际速度以及实际加速度,构建片段第一分布,基于行程片段所属的初始片段库中的全部行程片段,构建综合第一分布,基于片段第一分布中各速度点对应的加速度平均值,以及综合第一分布中各速度点对应的加速度平均值,确定片段第一分布与综合第一分布之间的加速度分布差距;
S122:基于行程片段中各时间点的实际速度以及实际道路坡度,构建片段第二分布,基于行程片段所属的初始片段库中的全部行程片段,构建综合第二分布,基于片段第二分布中各速度点对应的坡度平均值,以及综合第二分布中各速度点对应的坡度平均值,确定片段第二分布与综合第二分布之间的坡度分布差距;
S123:基于行程片段中各时间点的实际排放影响参数以及实际排放因子,构建片段第三分布,基于行程片段所属的初始片段库中的全部行程片段,构建综合第三分布,基于片段第三分布中各排放影响点对应的排放平均值,以及综合第三分布中各排放影响点对应的排放平均值,确定片段第三分布与综合第三分布之间的排放分布差距。
其中,片段第一分布可以是由行程片段中全部时间点的实际速度和实际加速度构成的联合分布。综合第一分布可以是由行程片段所属的初始片段库中全部时间点的实际速度和实际加速度构成的联合分布。
示例性的,如图3所示,图3为本发明实施例提供的一种综合第一分布的示意图。具体的,可以将一个时间点的实际速度以及实际加速度,分别作为该点的横纵坐标,进而根据所有点绘制横轴表示车速(实际速度)、纵轴表示加速度(实际加速度)的综合第一分布。
具体的,可以根据片段第一分布中各速度点对应的加速度平均值,与综合第一分布中对应速度点处对应的加速度平均值之间的差值,确定加速度分布差距。其中,各速度点对应的加速度平均值具体为各速度点处对应的所有点的实际加速度的平均值。
示例性的,可以根据所有速度点或部分速度点处片段第一分布和综合第一分布的加速度平均值之间的差值,作为加速度分布差距。
片段第二分布可以是由行程片段中全部时间点的实际速度和实际道路坡度构成的联合分布。综合第二分布可以是由行程片段所属的初始片段库中全部时间点的实际速度和实际道路坡度构成的联合分布。
具体的,可以根据片段第二分布这种各速度点处对应的坡度平均值,与综合第二分布中对应速度点处对应的坡度平均值之间的差值,确定坡度分布差距。其中,各速度点对应的坡度平均值具体为各速度点处对应的所有点的实际加速度的平均值。
片段第三分布可以是由行程片段中全部时间点的实际排放影响参数和实际排放因子构成的联合分布。综合第三分布可以是由行程片段所属的初始片段库中全部时间点的实际排放影响参数和实际排放因子构成的联合分布。
具体的,可以根据片段第三分布中各排放影响点对应的排放平均值,与综合第三分布中对应排放影响点处对应的排放平均值之间的差值,确定排放分布差距。其中,各排放影响点对应的排放平均值具体为各排放影响点处对应的所有点的实际排放因子的平均值。
通过上述实施方式,可以分别确定出每一个行程片段的加速度分布差距、坡度分布差距以及排放分布差距,进而可以从速度与加速度的分布、速度与道路坡度的分布、排放影响参数与排放因子的分布,分别分析行程片段与其所属的初始片段库之间的差距,差距值越小,则表示该行程片段与所属的初始片段库内的其它行程片段更接近,越能代表其所属的初始片段库,从而便于筛选出速度、加速度、道路坡度与排放因子均具备代表性的备选片段,即能够代表整个初始片段库的备选片段。
可选的,确定片段第一分布与综合第一分布之间的加速度分布差距,满足如下公式:
;
式中,表示行程片段的片段第一分布与综合第一分布之间的加速度分布差距,为行程片段的片段第一分布中的速度点对应的加速度平均值,为行程片段的综合第一分布速度点对应的加速度平均值;
确定片段第二分布与综合第二分布之间的坡度分布差距,满足如下公式:
;
式中,表示行程片段的片段第二分布与综合第二分布之间的坡度分布差距,为行程片段的片段第二分布中的速度点对应的坡度平均值,为行程片段的综合第二分布速度点对应的坡度平均值;
片段第三分布包括片段NOx分布以及片段颗粒物分布,综合第三分布包括综合NOx分布以及综合颗粒物分布,相应的,确定片段第三分布与综合第三分布之间的排放分布差距,满足如下公式:
;
式中,表示行程片段的片段第三分布与综合第三分布之间的排放分布差距,
NY 1为行程片段的片段NOx分布中的排放影响点对应的NOx排放平均值,为行程片段的综合NOx分布中的排放影响点对应的NOx排放平均值,
NY 2为行程片段的片段颗粒物分布中的排放影响点对应的颗粒物排放平均值,为行程片段的综合颗粒物分布中的排放影响点对应的颗粒物排放平均值。
其中,片段NOx分布可以是行程片段中全部时间点的实际排放影响参数和实际NOx排放构成的联合分布,片段颗粒物分布可以是行程片段中全部时间点的实际排放影响参数和实际颗粒物排放构成的联合分布。综合NOx分布可以是初始片段库中全部时间点的实际排放影响参数和实际NOx排放构成的联合分布,综合颗粒物分布可以是初始片段库中全部时间点的实际排放影响参数和实际颗粒物排放构成的联合分布。
需要说明的是,在上述公式中,求和可以理解为从分布中的第一个点(速度点或排放影响点)开始,至分布中的最后一个点,进行累加求和。
具体的,通过上述公式,可以结合分布中所有速度点对应的加速度平均值之间的差值平方和的累加值、所有速度点对应的坡度平均值之间的差值平方和的累加值、以及所有排放影响点对应的排放平均值之间的差值平方和的累加值,分别计算出每一个行程片段的加速度分布差距、坡度分布差距以及排放分布差距,以综合考虑所有点来确定行程片段的分布差距,进一步提高了分布差距的准确性。
S13:基于各初始片段库中各行程片段的分布差距、低速片段数量、中速片段数量以及高速片段数量,确定各目标片段。
具体的,可以根据各行程片段的分布差距,分别从低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库中,选择出各目标片段。如,可以优先选择分布差距小的片段作为目标片段。
在一种具体的实施方式中,步骤S13,包括如下步骤:
S131:基于各初始片段库中各行程片段的分布差距,在初始片段库中确定各备选片段,根据各备选片段构建低速行程备选片段库、中速行程备选片段库以及高速行程备选片段库;
S132:根据低速片段数量、中速片段数量以及高速片段数量,在低速行程备选片段库、中速行程备选片段库以及高速行程备选片段库中,确定各目标片段。
具体的,可以针对每一个初始片段库,可以根据库内各行程片段的分布差距,在所有行程片段中选取分布差距较小的行程片段作为备选片段。
在一种具体的实施方式中,针对S131,基于各初始片段库中各行程片段的分布差距,在初始片段库中确定各备选片段,包括如下步骤:
S1311:针对每一个初始片段库,按照各行程片段的片段第一分布与综合第一分布之间的加速度分布差距,对各行程片段进行升序排序,根据预设第一数量以及升序排序结果,剔除初始片段库中的部分行程片段;
S1312:按照各行程片段的片段第二分布与综合第二分布之间的坡度分布差距,对各行程片段重新进行升序排序,根据预设第二数量以及升序排序结果,剔除初始片段库中的部分行程片段;
S1313:按照各行程片段的片段第三分布与综合第三分布之间的排放分布差距,对各行程片段重新进行升序排序,根据预设第三数量以及升序排序结果,剔除初始片段库中的部分行程片段,将初始片段库中剩余的行程片段确定为各备选片段。
即,可以通过S1311,先按照加速度分布差距对各行程片段进行升序排序,进而从升序排序结果中剔除部分行程片段,即剔除加速度分布差距较大的行程片段,剔除的数量可以是预设第一数量,也可以是当前的片段总数量与预设第一数量的差值。
进一步的,可以按照坡度分布差距重新对各行程片段进行升序排序,进而从升序排序结果中剔除部分行程片段,剔除的数量可以是预设第二数量,也可以是当前的片段总数量与预设第二数量的差值。
进一步的,可以按照排放分布差距重新对各行程片段进行升序排序,进而从升序排序结果中剔除部分行程片段,剔除的数量可以是预设第三数量,也可以是当前的片段总数量与预设第三数量的差值。
最后,对于进行上述剔除操作后的初始片段库,可以将初始片段库内剩余的所有行程片段均确定为备选片段。
通过上述方式,实现了基于加速度分布差距、坡度分布差距以及排放分布差距的片段筛选,保证了筛选出的备选片段,从速度、加速度、道路坡度以及排放因子上,均能代表整个初始片段库。
在筛选出每一个初始片段库中的所有备选片段后,可以根据所有车型下的初始片段库内低速行程的备选片段,构建低速行程备选片段库,根据所有车型下的初始片段库内中速行程的备选片段,构建中速行程备选片段库,根据所有车型下的初始片段库内高速行程的备选片段,构建高速行程备选片段库。
其中,低速片段数量、中速片段数量以及高速片段数量可以是人为设置的,也可以根据需要构建的测试工况的工况时长确定的。
示例性的,在S13之前,本发明实施例提供的方法还包括:获取预设工况构建时长,基于历史交通大数据确定低速工况权重、中速工况权重以及高速工况权重;根据预设工况构建时长、低速工况权重、中速工况权重以及高速工况权重,确定低速工况时长、中速工况时长以及高速工况时长;根据所有初始片段库中的行程片段,确定低速片段平均时长、中速片段平均时长以及高速片段平均时长;根据低速工况时长和低速片段平均时长,确定低速片段数量,根据中速工况时长和中速片段平均时长,确定中速片段数量,根据高速工况时长和高速片段平均时长,确定高速片段数量。
其中,预设工况构建时长可以是需要构建的测试工况的整个工况时长,如,实际道路测试中通常车辆运行100~150公里、运行1.5小时,因此预设工况构建时长可以是5400s。
低速工况权重、中速工况权重以及高速工况权重,可以分别表示测试工况的低速工况比例、中速工况比例和高速工况比例。低速片段平均时长、中速片段平均时长以及高速片段平均时长,可以分别是低速、中速以及高速的行程片段的平均时长。低速片段数量、中速片段数量和高速片段数量,可以分别是待构建的测试工况中需要的低速、中速以及高速的行程片段的数量。
需要说明的是,由于一个行程片段包括怠速段和运动段,因此,在本发明实施例中,低速片段数量可以包括低速运动片段数量和怠速片段数量,中速片段数量可以包括中速运动片段数量和怠速片段数量,高速片段数量可以包括高速运动片段数量和怠速片段数量。
示例性的,运动片段数量和怠速片段数量可以通过如下公式计算得到:
;
;
式中,、分别表示运动片段数量和怠速片段数量,表示工况时长(如低速工况时长、中速工况时长、高速工况时长),、分别表示运动片段平均时长和怠速片段平均时长。
示例性的,表2为确定出的一种运动片段数量和怠速片段数量。
表2 确定出的一种运动片段数量和怠速片段数量
进一步的,可以从低速行程备选片段库中,按低速片段数量选择各目标片段,从中速行程备选片段库中,按中速片段数量选择各目标片段,从高速行程备选片段库中,按高速片段数量选择各目标片段。需要说明的是,在选择目标片段的过程中,可以预先选择分布差距小的备选片段作为目标片段。
在本发明实施例中,考虑到为了保证实际测试采样的稳定性,存在对待构建的测试工况中的首个怠速片段和最后一个怠速片段的时长进行限制的情况。因此,对于首个怠速片段或最后一个怠速片段,可以从所有备选片段库中,选择与设定时长相同、且分布差距最小的怠速备选片段。
S14、根据各目标片段构建测试工况,根据测试工况对目标车辆进行试验,得到各种污染物的污染物排放因子。
在筛选出所有目标片段后,可以针对每一个速度区间,对该速度区间内的目标片段进行自由组合,进而将低速、中速以及高速区间的自由组合结果顺序结合,得到测试工况。
示例性的,先对所有低速的25个目标片段的排放顺序进行自由组合,对中速的13个目标片段的排放顺序进行自由组合,并对高速的3个目标片段的排放顺序进行自由组合,进而将低速、中速、高速排放组合后的结果,顺序结合起来,得到测试工况,即得到先低速、后中速、最后高速的测试工况。
需要说明的是,还可以根据低速的各目标片段,来构建城市交通拥堵道路的实际排放测试工况。具体的,可以按照片段中的最大速度,对低速的各目标片段中进行降序排序,从降序排序结果中选择后N个目标片段与时间最长的怠速片段进行组合,得到城市交通拥堵道路的实际排放测试工况。
考虑到在对测试工况进行模拟试验之前,自由组合得到的测试工况可能不符合车辆的实际行驶规律。因此,还可以先判断测试工况是否符合车辆的实际行驶规律。
通常来说,车辆在两个短行程片段之间的速度变化量不会过大,因此,可以通过相邻两个目标片段之间的速度变化量,判断是否符合实际行驶规律。其中,相邻两个目标片段之间的速度变化量,可以是相邻两个目标片段中的最大速度之间的差值。
具体的,如果测试工况中存在速度变化量大于预设变化量阈值的情况,则可以重新构建测试工况。或者,还可以直接对测试工况进行调整,如调整各目标片段的顺序,使得任意相邻两个目标片段之间的速度变化量不超过预设变化量阈值。
通过上述实施方式,确保了构建的测试工况符合车辆行驶规律,进一步的提高了测试工况的准确性,进而保证了根据测试工况对各车辆进行排放测试时,得到精确的排放结果。
示例性的,图4为本发明实施例提供的一种测试环境下的工况曲线的示意图。如图4所示,该曲线为针对测试环境下的道路构建的一种测试工况,即速度与道路坡度的工况曲线,图中,示例性的展示了测试工况中各时间点对应的车速以及道路坡度,其中,在速度曲线中,各时间点对应的纵坐标的值代表车速(单位可以是km/h),在坡度曲线中,各时间点对应的纵坐标的值代表道路坡度。
在S14中,可以使用实验室整车转毂测试代替实际道路测试,则需要验证实验室整车转毂测试与实际道路测试的污染物排放因子的对比情况,即排放测试结果的对比情况。具体参见表3,表3为排放测试结果的对比信息,即各种污染物的污染物排放因子的对比信息。具体的,针对测试环境下的道路,构建一种测试工况,并试验得到各种污染物的污染物排放因子,与实际道路测试的排放测试结果、以及仅考虑速度构建的工况的排放测试结果进行对比。
表3 排放测试结果的对比信息
如表3所示,可以从CO、HC、NOx以及PM四种污染物进行分析,与实际道路测试的结果相比,在实验室整车转毂条件下,采用本发明实施例提供的方法构建的测试工况的排放测试结果与实际道路测试的结果更为接近、偏差更小。而仅考虑速度构建的工况的排放测试结果与实际道路测试的结果偏差更大,且各污染物的结果均小于本方法构建的测试工况。据此,本发明实施例提供的方法可以构建出更接近实际道路测试的工况,以在每种测试环境下,对目标车辆进行测试,得到各种污染物的污染物排放因子。
S2:根据与目标车辆同属性的多台现役车辆在不同测试环境下的行驶里程占比,确定各测试环境的环境权重。
其中,车辆的属性包括品牌、车型、排放类型(国五标准、国六标准等)、能源类型(汽油或柴油)等。环境权重用于描述各测试环境对目标车辆的重要程度。现役车辆可以是具有里程数据的,且与目标车辆具有相同车辆属性的车辆。
具体的,根据目标车辆的属性,从已经记录了里程数据的车辆中查找出与目标车辆具有相同属性的车辆,确定为现役车辆。对各现役车辆的在不同测试环境下的行驶里程进行统计,将在各测试环境下的行驶里程与总行驶里程的比值作为在各测试环境下的行驶里程占比,并将在各测试环境下的里行驶程占比作为各环境权重。
示例性的,根据大数据的统计和计算,可以确定现役车辆的在测试环境H1&T1、H1&T2、H2&T1、H2&T2、H3&T1以及H3&T2下的行驶里程分别为S1、S2、S3、S4、S5以及S6,且总行驶里程为S。其中,S≥S1+S2+S3+S4+S5+S6。测试环境H1&T11、H1&T2、H2&T1、H2&T2、H3&T1以及H3&T2的环境权重分别为S1/S、S2/S、S3/S、S4/S、S5/S以及S6/S。例如:计算得到的测试环境与环境权重的对应关系确定如表4所示。
表4 测试环境与环境权重的对应关系
S3:针对每种污染物,采用各环境权重对各测试环境下的污染物排放因子进行加权求和,得到污染物评价数据。
其中,污染物评价数据用于描述各种污染物对环境的影响。
具体的,针对每种污染物,将该污染物对应的污染物排放因子与对应的环境权重分别相乘,得到各加权结果,对各测试环境下的加权结果相加,得到污染物评价数据。
可选的,为了均衡各种污染物,针对每种污染物,可以将该污染物的加权求和结果按照该种污染物的最大限值和最小限值进行归一化处理,得到该污染物的污染物评价指数;还可以将该污染物的加权求和结果与该污染物的预设标准限制的比值作为该污染物的污染物评价指数,其中,预设标准限制可以是预先规定的污染物的最大限值,例如法规限值。
示例性的,以污染物CO以及测试环境H1&T1、H1&T2、H2&T1、H2&T2、H3&T1以及H3&T2进行示例性说明。测试环境H1&T1下污染物CO的污染物排放因子记为EH1&T1-CO,测试环境H1&T1的环境权重记为R1;测试环境H1&T2下污染物CO的污染物排放因子记为EH1&T2-CO,测试环境H1&T2的环境权重记为R2;测试环境H2&T1下污染物CO的污染物排放因子记为EH2&T1-CO,测试环境H2&T1的环境权重记为R3;测试环境H2&T2下污染物CO的污染物排放因子记为EH2&T2-CO,测试环境H2&T2的环境权重记为R4;测试环境H3&T1下污染物CO的污染物排放因子记为EH3&T1-CO,测试环境H3&T1的环境权重记为R5;测试环境H3&T2下污染物CO的污染物排放因子记为EH3&T2-CO,测试环境H3&T2的环境权重记为R6。那么,针对污染物CO,采用各环境权重对各测试环境下的污染物排放因子进行加权求和可以得到ETotal-CO=EH1&T1-CO×R1+EH1&T2-CO×R2+EH2&T1-CO×R3+EH2&T2-CO×R4+EH2&T1-CO×R5+EH3&T2-CO×R6。可选的,对ETotal-CO进行归一化处理可以得到与CO相对应的污染物评价指数,例如:归一化处理中与CO对应的最大限值为EMax-CO,最小限值为EMin-CO,上述最大限值和最小限值可以根据污染物法规确定,CO的污染物评价指数ETotal-CO’=(ETotal-CO-EMin-CO)/(EMax-CO-EMin-CO)。可选的,对根据与CO对应的预设标准限制E标准-CO对ETotal-CO进行处理,例如CO的污染物评价指数ETotal-CO’’=ETotal-CO/E标准-CO。依据上述任一方式,可以类似的确定其他污染物对应的污染物评价指数。
S4:根据目标车辆的能源类型,确定各污染物的污染物权重,并采用各污染物权重对各污染物评价数据进行加权求和,确定目标车辆对应的排放性能累计数据。
其中,污染物权重可以用于表示不同能源类型的车辆排放的污染物的占比程度。例如,汽油车以HC、CO为主要污染物,所以污染物权重高,PM和NOx的污染物权重低;柴油车以PM、NOx为主要污染物,所以污染物权重高,HC和CO的污染物权重低。排放性能累计数据可以用于衡量目标车辆对环境污染的影响。
具体的,确定目标车辆的能源类型,根据预先建立的能源类型与污染物权重的对应关系,可以确定各污染物权重。进而,针对每种污染物,根据该污染物的污染物权重对污染物评价数据进行加权求和,得到目标车辆的排放性能累计数据。
示例性的,能源类型与污染物权重的对应关系如表5所示,记HC、CO、NOx以及PM的污染物权重分别为PHC、PCO、PNOx以及PPM,记HC、CO、NOx以及PM的污染物评价数据分别为KHC、KCO、KNOx以及KPM。那么,可以得到排放性能累计数据=KHC×PHC+KCO×PCO+KNOx×PNOx+KPM×PPM。可以理解的是,表5中的数值仅为示例性说明,具体数值可以根据实际测试或者实际需求设定。
表5 能源类型与污染物权重的对应关系
S5:如果排放性能累计数据超过预设阈值,则向目标车辆发送检修消息并将目标车辆的信息录入检修名单。
其中,预设阈值是通过对车况和发动机性能的合格的车辆进行污染物排放测试得到数值。检修消息是用于提示目标车辆存在排放超标问题的消息。检修名单是需要进行排放性能检查和修理的车辆名单。
具体的,如果排放性能累计数据超过预设阈值,则表明目标车辆的污染物排放已经超过预期,需要进行提醒和检修,因此,可以向目标车辆发送检修消息,以对目标车辆中的驾驶员进行提醒,还可以将目标车辆的信息录入检修名单,以向维修人员进行提醒。
本发明具有以下技术效果:根据至少两种测试海拔范围以及至少两种测试温度范围,组合确定多种测试环境,并在每种测试环境下,确定目标车辆的各种污染物的污染物排放因子,以构建海拔和温度组成的测试环境,并进行污染物排放测试,进而,根据与目标车辆同属性的多台现役车辆在不同测试环境下的行驶里程占比,确定各测试环境的环境权重,针对每种污染物,采用各环境权重对各测试环境下的污染物排放因子进行加权求和,得到污染物评价数据,进而,根据目标车辆的能源类型,确定各污染物的污染物权重,并采用各污染物权重对各污染物评价数据进行加权求和,确定目标车辆对应的排放性能累计数据,以从测试环境和污染物的层面综合评价排放情况,如果排放性能累计数据超过预设阈值,则向目标车辆发送检修消息并将目标车辆的信息录入检修名单,实现了综合考虑海拔和温度来进行排放测试,提高排放性能检测的准确性和有效性,并快速且准确的定位排放性能差的车辆,以降低环境污染。
在上述示例的基础上,行业车队中通常包括多种属性的车辆,针对行业车队的排放性能累计数据,可以通过下述方式确定:
S6:在行业车队中包括至少两种属性对应的目标车辆的情况下,确定各种属性对应的目标车辆在行业车队中的车辆比例;
S7:根据各种属性对应的目标车辆的排放性能累计数据以及各种属性对应的车辆比例,确定行业车队对应的排放性能累计数据。
其中,车辆比例可以是同种属性的目标车辆的数量占行业车队总车辆数量的比值。
具体的,确定行业车队中各相同属性的车辆比例,进而,根据各属性对应的车辆比例对个属性对应的目标车辆的排放性能累计数据进行加权求和,得到行业车队对应的排放性能累计数据。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种基于海拔和温度的汽车排放性能检测方法,其特征在于,包括如下步骤:
S1:根据至少两种测试海拔范围以及至少两种测试温度范围,组合确定多种测试环境,并在每种测试环境下,确定目标车辆的各种污染物的污染物排放因子;
S2:根据与所述目标车辆同属性的多台现役车辆在不同测试环境下的行驶里程占比,确定各所述测试环境的环境权重;
S3:针对每种所述污染物,采用各所述环境权重对各所述测试环境下的污染物排放因子进行加权求和,得到污染物评价数据;
S4:根据所述目标车辆的能源类型,确定各所述污染物的污染物权重,并采用各所述污染物权重对各所述污染物评价数据进行加权求和,确定所述目标车辆对应的排放性能累计数据;
S5:如果所述排放性能累计数据超过预设阈值,则向所述目标车辆发送检修消息并将所述目标车辆的信息录入检修名单。
2.根据权利要求1所述的方法,其特征在于,在每种测试环境下,确定目标车辆的各种污染物的污染物排放因子,包括:
S11:在每种测试环境下,获取基于车辆实际运行工况数据构建的各初始片段库,其中,所述车辆实际运行工况数据为各车辆在所述测试环境下行驶产生的数据,各所述初始片段库包括各车型分别对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库;
S12:针对每一个所述初始片段库中的各行程片段,基于所述行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放因子,确定所述行程片段与所述行程片段所属的初始片段库之间的分布差距,其中,所述分布差距用于衡量所述行程片段对所述行程片段所属的初始片段库的代表性,所述分布差距包括加速度分布差距、坡度分布差距以及排放分布差距,所述实际排放影响参数用于描述所述实际速度、所述实际道路坡度以及所述实际加速度对排放的影响;
S13:基于各所述初始片段库中各所述行程片段的分布差距、低速片段数量、中速片段数量以及高速片段数量,确定各目标片段;
S14:根据各所述目标片段构建测试工况,根据所述测试工况对目标车辆进行试验,得到各种污染物的污染物排放因子。
3.根据权利要求2所述的方法,其特征在于,步骤S11,包括如下步骤:
S111:在每种测试环境下,根据所述车辆实际运行工况数据中各时间点分别对应的实际速度、实际排放因子、实际加速度、实际道路坡度以及实际排放影响参数,构建各车型分别对应的综合数据库;
S112:针对每一个所述车型对应的综合数据库,根据短行程法对所述综合数据库进行分割处理,将所述综合数据库划分为各行程片段;
S113:基于预设低速区间范围、预设中速区间范围、预设高速区间范围以及各所述行程片段中的最大实际速度,构建所述车型对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库。
4.根据权利要求3所述的方法,其特征在于,在步骤S111之前,还包括如下步骤:
S1101:获取车辆实际运行工况数据,其中,所述车辆实际运行工况数据包括各时间点分别对应的实际速度、实际海拔点以及实际排放因子;
S1102:针对每一个所述时间点,基于当前时间点对应的实际速度和实际海拔点、前一时间点对应的实际速度和实际海拔点、以及相邻时间点之间的时间间隔,确定所述当前时间点对应的实际道路坡度;
S1103:基于所述当前时间点对应的实际速度和前一时间点对应的实际速度,确定所述当前时间点对应的实际加速度;
S1104:基于所述当前时间点对应的实际速度、实际道路坡度以及实际加速度,确定所述当前时间点对应的实际排放影响参数。
5.根据权利要求4所述的方法,其特征在于,步骤S1104,包括:
将所述实际速度、所述实际加速度、所述实际道路坡度输入到预设模型中得到实际排放影响参数;
其中,所述预设模型通过如下方式得到:
采集多个车辆在所述测试环境上行驶时的实际速度、实际加速度、实际道路坡度与污染物排放量,通过学习实际速度、实际加速度、实际道路坡度对污染物排放量的影响得到。
6.根据权利要求2所述的方法,其特征在于,基于所述行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放因子,确定所述行程片段与所述行程片段所属的初始片段库之间的分布差距,包括如下步骤:
S121:基于所述行程片段中各时间点的实际速度以及实际加速度,构建片段第一分布,基于所述行程片段所属的初始片段库中的全部行程片段,构建综合第一分布,基于所述片段第一分布中各速度点对应的加速度平均值,以及所述综合第一分布中各速度点对应的加速度平均值,确定所述片段第一分布与所述综合第一分布之间的加速度分布差距;
S122:基于所述行程片段中各时间点的实际速度以及实际道路坡度,构建片段第二分布,基于所述行程片段所属的初始片段库中的全部行程片段,构建综合第二分布,基于所述片段第二分布中各速度点对应的坡度平均值,以及所述综合第二分布中各速度点对应的坡度平均值,确定所述片段第二分布与所述综合第二分布之间的坡度分布差距;
S123:基于所述行程片段中各时间点的实际排放影响参数以及实际排放因子,构建片段第三分布,基于所述行程片段所属的初始片段库中的全部行程片段,构建综合第三分布,基于所述片段第三分布中各排放影响点对应的排放平均值,以及所述综合第三分布中各排放影响点对应的排放平均值,确定所述片段第三分布与所述综合第三分布之间的排放分布差距。
7.根据权利要求6所述的方法,其特征在于,确定所述片段第一分布与所述综合第一分布之间的加速度分布差距,满足如下公式:
;
式中,表示行程片段的片段第一分布与综合第一分布之间的加速度分布差距,为所述行程片段的片段第一分布中的速度点对应的加速度平均值,为所述行程片段的综合第一分布速度点对应的加速度平均值;
确定所述片段第二分布与所述综合第二分布之间的坡度分布差距,满足如下公式:
;
式中,表示行程片段的片段第二分布与综合第二分布之间的坡度分布差距,为所述行程片段的片段第二分布中的速度点对应的坡度平均值,为所述行程片段的综合第二分布速度点对应的坡度平均值;
所述片段第三分布包括片段NOx分布以及片段颗粒物分布,所述综合第三分布包括综合NOx分布以及综合颗粒物分布,相应的,确定所述片段第三分布与所述综合第三分布之间的排放分布差距,满足如下公式:
;
式中,表示行程片段的片段第三分布与综合第三分布之间的排放分布差距,NY 1为所述行程片段的片段NOx分布中的排放影响点对应的NOx排放平均值,为所述行程片段的综合NOx分布中的排放影响点对应的NOx排放平均值,NY 2为所述行程片段的片段颗粒物分布中的排放影响点对应的颗粒物排放平均值,为所述行程片段的综合颗粒物分布中的排放影响点对应的颗粒物排放平均值。
8.根据权利要求2所述的方法,其特征在于,步骤S13,包括如下步骤:
S131:基于各所述初始片段库中各所述行程片段的分布差距,在所述初始片段库中确定各备选片段,根据各所述备选片段构建低速行程备选片段库、中速行程备选片段库以及高速行程备选片段库;
S132:根据低速片段数量、中速片段数量以及高速片段数量,在所述低速行程备选片段库、所述中速行程备选片段库以及所述高速行程备选片段库中,确定各目标片段。
9.根据权利要求8所述的方法,其特征在于,基于各所述初始片段库中各所述行程片段的分布差距,在所述初始片段库中确定各备选片段,包括如下步骤:
S1311:针对每一个所述初始片段库,按照各行程片段的片段第一分布与综合第一分布之间的加速度分布差距,对各所述行程片段进行升序排序,根据预设第一数量以及升序排序结果,剔除所述初始片段库中的部分行程片段;
S1312:按照各所述行程片段的片段第二分布与综合第二分布之间的坡度分布差距,对各所述行程片段重新进行升序排序,根据预设第二数量以及升序排序结果,剔除所述初始片段库中的部分行程片段;
S1313:按照各所述行程片段的片段第三分布与综合第三分布之间的排放分布差距,对各所述行程片段重新进行升序排序,根据预设第三数量以及升序排序结果,剔除所述初始片段库中的部分行程片段,将所述初始片段库中剩余的行程片段确定为各备选片段。
10.根据权利要求1所述的方法,其特征在于,还包括:
S6:在行业车队中包括至少两种属性对应的目标车辆的情况下,确定各种属性对应的目标车辆在所述行业车队中的车辆比例;
S7:根据各种属性对应的目标车辆的排放性能累计数据以及各种属性对应的车辆比例,确定所述行业车队对应的排放性能累计数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310256733.0A CN115983720B (zh) | 2023-03-17 | 2023-03-17 | 基于海拔和温度的汽车排放性能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310256733.0A CN115983720B (zh) | 2023-03-17 | 2023-03-17 | 基于海拔和温度的汽车排放性能检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115983720A true CN115983720A (zh) | 2023-04-18 |
CN115983720B CN115983720B (zh) | 2023-06-27 |
Family
ID=85958203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310256733.0A Active CN115983720B (zh) | 2023-03-17 | 2023-03-17 | 基于海拔和温度的汽车排放性能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115983720B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116448436A (zh) * | 2023-06-13 | 2023-07-18 | 中汽研汽车检验中心(昆明)有限公司 | 高原whtc测试工况生成方法、系统、服务端及介质 |
CN117074046A (zh) * | 2023-10-12 | 2023-11-17 | 中汽研汽车检验中心(昆明)有限公司 | 高原环境下汽车实验室排放测试方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070179860A1 (en) * | 2006-01-30 | 2007-08-02 | Romero Craig D | Motor vehicle remarketing service |
CN102567811A (zh) * | 2011-12-31 | 2012-07-11 | 中山大学 | 基于实时道路交通特征的机动车排放测算方法 |
CN102700567A (zh) * | 2008-02-07 | 2012-10-03 | 通用电气公司 | 用于机动系统的优化的燃料效率、排放量和任务性能的方法 |
CN105912862A (zh) * | 2016-04-12 | 2016-08-31 | 北京荣之联科技股份有限公司 | 一种尾气排放量检测方法及大气污染分析方法和装置 |
CN108894860A (zh) * | 2018-05-17 | 2018-11-27 | 马浩翔 | 一种车辆尾气检测装置及检测方法 |
CN109738206A (zh) * | 2019-01-18 | 2019-05-10 | 北京汽车股份有限公司 | Ii型试验实际行驶污染物排放试验的修正方法及装置 |
CN112378664A (zh) * | 2020-06-11 | 2021-02-19 | 襄阳达安汽车检测中心有限公司 | 在发动机台架上模拟非道路移动机械车载法排放试验方法 |
CN115422747A (zh) * | 2022-09-01 | 2022-12-02 | 北京建筑大学 | 一种机动车尾气污染物排放量的计算方法和计算装置 |
CN115791212A (zh) * | 2023-02-06 | 2023-03-14 | 天津汉云工业互联网有限公司 | 通用车辆尾气排放检测方法与装置 |
-
2023
- 2023-03-17 CN CN202310256733.0A patent/CN115983720B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070179860A1 (en) * | 2006-01-30 | 2007-08-02 | Romero Craig D | Motor vehicle remarketing service |
CN102700567A (zh) * | 2008-02-07 | 2012-10-03 | 通用电气公司 | 用于机动系统的优化的燃料效率、排放量和任务性能的方法 |
CN102567811A (zh) * | 2011-12-31 | 2012-07-11 | 中山大学 | 基于实时道路交通特征的机动车排放测算方法 |
CN105912862A (zh) * | 2016-04-12 | 2016-08-31 | 北京荣之联科技股份有限公司 | 一种尾气排放量检测方法及大气污染分析方法和装置 |
CN108894860A (zh) * | 2018-05-17 | 2018-11-27 | 马浩翔 | 一种车辆尾气检测装置及检测方法 |
CN109738206A (zh) * | 2019-01-18 | 2019-05-10 | 北京汽车股份有限公司 | Ii型试验实际行驶污染物排放试验的修正方法及装置 |
CN112378664A (zh) * | 2020-06-11 | 2021-02-19 | 襄阳达安汽车检测中心有限公司 | 在发动机台架上模拟非道路移动机械车载法排放试验方法 |
CN115422747A (zh) * | 2022-09-01 | 2022-12-02 | 北京建筑大学 | 一种机动车尾气污染物排放量的计算方法和计算装置 |
CN115791212A (zh) * | 2023-02-06 | 2023-03-14 | 天津汉云工业互联网有限公司 | 通用车辆尾气排放检测方法与装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116448436A (zh) * | 2023-06-13 | 2023-07-18 | 中汽研汽车检验中心(昆明)有限公司 | 高原whtc测试工况生成方法、系统、服务端及介质 |
CN116448436B (zh) * | 2023-06-13 | 2023-09-01 | 中汽研汽车检验中心(昆明)有限公司 | 高原whtc测试工况生成方法、系统、服务端及介质 |
CN117074046A (zh) * | 2023-10-12 | 2023-11-17 | 中汽研汽车检验中心(昆明)有限公司 | 高原环境下汽车实验室排放测试方法及装置 |
CN117074046B (zh) * | 2023-10-12 | 2024-01-02 | 中汽研汽车检验中心(昆明)有限公司 | 高原环境下汽车实验室排放测试方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115983720B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112113912B (zh) | 一种柴油车排放遥感大数据监测系统及监测方法 | |
CN115983720B (zh) | 基于海拔和温度的汽车排放性能检测方法 | |
CN112113911B (zh) | 点燃式发动机汽车尾气排放遥感大数据检测方法和系统 | |
Tong et al. | Development of a driving cycle for Hong Kong | |
CN109489978B (zh) | 一种基于V-a工况的柴油机车多种排放检测方法的多源数据关联分析方法 | |
CN108763643B (zh) | 一种地区机动车排放因子计算方法 | |
Song et al. | Estimation of fuel efficiency of road traffic by characterization of vehicle-specific power and speed based on floating car data | |
CN111122171B (zh) | 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法 | |
CN108682156B (zh) | 基于出租车gps数据动态监测市区交通排放污染状况的方法 | |
López-Martínez et al. | Modelling the fuel consumption and pollutant emissions of the urban bus fleet of the city of Madrid | |
Bernard et al. | Determination of real-world emissions from passenger vehicles using remote sensing data | |
CN111911270A (zh) | 使用车载系统的车辆污染排放物测量方法 | |
CN110243384B (zh) | 实际行驶排放试验路线的确定方法、装置、设备和介质 | |
CN111612670A (zh) | 一种构建机动车排放清单的方法、装置和计算机设备 | |
CN113158125B (zh) | 一种基于车联网的柴油车NOx排放评测方法 | |
CN116307837A (zh) | 一种基于多种监测技术的区域机动车排放评估方法及系统 | |
Milkins et al. | Comparison of urban driving patterns | |
Zhang et al. | Emissions characteristics for heavy-duty diesel trucks under different loads based on vehicle-specific power | |
CN112486962A (zh) | 一种提取组合短片段计算重型柴油车NOx排放的方法 | |
CN115876484A (zh) | 重型整车实际路况测试及工况模拟试验的系统及方法 | |
Hung et al. | A modal approach to vehicular emissions and fuel consumption model development | |
KR101708329B1 (ko) | 연식 적합성을 고려한 운행차 배출가스 정밀검사 질량 환산 방법 | |
Rakha et al. | Emission model development using in-vehicle on-road emission measurements | |
CN114136656A (zh) | 一种纯电动营运汽车电机台架试验工况的构建方法 | |
CN112394040A (zh) | 一种机动车排污监管系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |