JP2019512784A - 汚染推定システム - Google Patents
汚染推定システム Download PDFInfo
- Publication number
- JP2019512784A JP2019512784A JP2018546784A JP2018546784A JP2019512784A JP 2019512784 A JP2019512784 A JP 2019512784A JP 2018546784 A JP2018546784 A JP 2018546784A JP 2018546784 A JP2018546784 A JP 2018546784A JP 2019512784 A JP2019512784 A JP 2019512784A
- Authority
- JP
- Japan
- Prior art keywords
- contamination
- model
- exhaust gas
- tags
- training
- 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
- 238000011109 contamination Methods 0.000 title claims abstract description 151
- 238000012549 training Methods 0.000 claims abstract description 91
- 239000007789 gas Substances 0.000 claims abstract description 83
- 238000010801 machine learning Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000013145 classification model Methods 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 19
- 239000000446 fuel Substances 0.000 claims description 13
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 239000002283 diesel fuel Substances 0.000 claims description 3
- 239000003344 environmental pollutant Substances 0.000 claims description 3
- 231100000719 pollutant Toxicity 0.000 claims description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 18
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000005611 electricity Effects 0.000 description 10
- 229910002092 carbon dioxide Inorganic materials 0.000 description 9
- 239000001569 carbon dioxide Substances 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 239000000356 contaminant Substances 0.000 description 7
- 238000005286 illumination Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000003915 air pollution Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 229910002089 NOx Inorganic materials 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 231100000357 carcinogen Toxicity 0.000 description 1
- 239000003183 carcinogenic agent Substances 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/10—Testing internal-combustion engines by monitoring exhaust gases or combustion flame
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
自動車音のオーディオサンプルを含む音響センサからの使用データを取得するよう構成される音響センサインタフェースと、
使用データのオーディオサンプルを入力として受け、受けたオーディオサンプルにトレーニングされた排気ガスモデル(trained exhaust gas model)を適用して、受けたオーディオサンプルに関連する推定された汚染レベルを生成するよう構成されるトレーニングされた排気ガスモデルユニット(trained exhaust gas model unit)と、
を含み、
トレーニングされた排気ガスモデルは、機械学習アルゴリズムを用いて複数のトレーニングアイテムについて排気ガスモデルをトレーニングすることにより得られていて、複数のトレーニングアイテムは、1つ以上の音響センサから得られた自動車音の複数のオーディオサンプル及び関連する汚染レベルを含む。
トレーニングされた排気ガスモデルユニットは、
トレーニングされた分類モデル(trained classification model)を使用データのオーディオサンプルに適用して、タグのリストから予測されたタグを取得し、
使用データのオーディオサンプルに予測されたタグに関連するトレーニングされた回帰モデル(trained regression model)適用して、推定された汚染レベルを生成する、
よう構成され、
複数のトレーニングアイテムは、自動車音の複数のオーディオサンプル、関連する汚染レベル及び1つ以上の関連するタグを含み、該タグは、タグのリストから選択される。
分類モデルを複数のトレーニングアイテムの自動車音の複数のオーディオサンプル及び関連するタグについてトレーニングすることにより、自動車音のオーディオサンプルからタグを予測するよう構成されるトレーニングされた分類モデルを得る、及び、
少なくとも1つの回帰モデルの各回帰モデルを当該回帰モデルに関連するタグに関連する複数のオーディオサンプルのオーディオサンプルについてトレーニングすることにより、当該タグの自動車音のオーディオサンプルから汚染レベルを推定するよう構成される少なくとも1つの回帰モデルを得る、
ことにより得られていてもよい。
オーディオサンプル タグ 汚染物質
Audioref_ptr_31534 ガソリン、非静止(non-stationary) 128.8g/km CO2
Audioref_ptr_65434 ディーゼル、非静止 129.2g/km CO2
Audioref_ptr_99873 電気、静止(stationary) 0 g/km CO2
- 振幅
- 周波数領域
- 音の変化
- トレンド分析、どのように音が変化するか、例えば、増加するか又は減少するか
- 雑音レベル、例えば、最大雑音レベル、例えば、A特性雑音レベル。
- 汚染について報告する。
- 車両を迂回させる。
- 速度を下げる/上げる。現在の平均速度に応じて(速度が低すぎる場合は加速を促し、高すぎる場合は減速を促す)
- 交通をよりスムーズにする。
- 信号機をより長く赤に保つ。
- 自動車音のオーディオサンプルを含む音響センサからの使用データを取得するよう構成される音響センサインタフェース110と、
- 使用データのオーディオサンプルを入力として受け、受けたオーディオサンプルにトレーニングされたモデルを適用して、車両が定位置維持運転をしているかどうかの予測を生成するよう構成されるトレーニングされたモデルユニットと、
を含み、
- トレーニングされたモデルは、機械学習アルゴリズムを用いて複数のトレーニングアイテムについてモデルをトレーニングすることにより得られていて、複数のトレーニングアイテムは、1つ以上の音響センサから得られた自動車音の複数のオーディオサンプルを含み、
- モデルは、分類モデル121を含み、タグのリストが、モデルに対して定義され、分類モデルは、自動車音のオーディオサンプルからタグを予測するよう構成され、タグのリストは、少なくとも、定位置維持運転のためのタグ及び非定位置維持運転のためのタグを含み、
- トレーニングされたモデルユニットは、
- トレーニングされた分類モデルを使用データのオーディオサンプルに適用して、タグのリストから予測されたタグを取得するよう構成され、
- 複数のトレーニングアイテムは、自動車音の複数のオーディオサンプル、及び1つ以上の関連するタグを含み、タグは、タグのリストから選択され
- モデルは、
- 分類モデルを複数のトレーニングアイテムの自動車音の複数のオーディオサンプル及び関連するタグについてトレーニングすることにより、自動車音のオーディオサンプルからタグを予測するよう構成されるトレーニングされた分類モデルを得ることにより得られている。
- 1つ以上の音響センサから、使用中の複数の自動車の複数の自動車音及び使用中の複数の自動車の関連する汚染レベルを取得することにより、自動車音の複数のオーディオサンプル及び関連する汚染レベルを含む複数のトレーニングアイテムを得るステップ(410)と、
- 機械学習アルゴリズムを用いて複数のトレーニングアイテムについて排気ガスモデルをトレーニングすることにより、トレーニングされた排気ガスモデルを得るステップ(420)と、
- 自動車音のオーディオサンプルを含む音響センサからの使用データを取得するステップ(430)と、
- 受けたオーディオサンプルにトレーニングされた排気ガスモデルを適用して、推定された関連する汚染レベルを生成するステップ(440)と、を含み、
- トレーニングされた排気ガスモデルは、機械学習アルゴリズムを用いて複数のトレーニングアイテムについて排気ガスモデルをトレーニングすることにより得られていて、複数のトレーニングアイテムは、1つ以上の音響センサから得られた自動車音の複数のオーディオサンプル及び関連する汚染レベルを含む。
100 汚染推定システム(a pollution estimation system)
101 汚染トレーニングシステム(a pollution training system)
110 音響センサインタフェース(an acoustic sensor interface)
120 排気ガスモデルユニット(an exhaust gas model unit)
121 分類モデル(a classification model)
122 セレクタ(a selector)
123.1〜123.3 タグ予測(a tag prediction)
124 重回帰モデル(multiple regression models)
124.1-124.3 回帰モデル(a regression model)
125 統合重回帰モデル(integrated multiple regression models)
126 特徴抽出器(a feature extractor)
126.1〜126.4 抽出された特徴(extracted features)
130 機械学習ユニット(a machine learning unit)
132 トレーニングデータベース(training database)
140 交通管理システム(a traffic management system)
201〜204 センサユニット(a sensor unit)
210 音響センサ(an acoustic sensor)
220 カメラ(a camera)
230 プロセッサ(a processor)
240 汚染センサ(a pollution sensor)
300 照明システム(a lighting system)
310 道路(a road)
330〜335 照明ポール(a lighting pole)
340 照明器具(light fixture)
341 構成要素(a construction element)
342 ポール(a pole)
Claims (15)
- 自動車の排気ガスに起因する汚染レベルを推定するための汚染推定システムであって、当該システムは、
自動車音のオーディオサンプルを含む音響センサからの使用データを取得するよう構成される音響センサインタフェースと、
前記使用データの前記オーディオサンプルを入力として受け、受けた前記オーディオサンプルにトレーニングされた排気ガスモデルを適用して、受けた前記オーディオサンプルに関連する推定された汚染レベルを生成するよう構成されるトレーニングされた排気ガスモデルユニットと、
を含み、
前記トレーニングされた排気ガスモデルは、機械学習アルゴリズムを用いて複数のトレーニングアイテムについて排気ガスモデルをトレーニングすることにより得られていて、前記複数のトレーニングアイテムは、1つ以上の音響センサから得られた自動車音の複数のオーディオサンプル及び関連する汚染レベルを含む、汚染推定システム。 - 前記排気ガスモデルは、分類モデル及び少なくとも1つの回帰モデルを含み、タグのリストが、前記排気ガスモデルに対して定義され、各前記回帰モデルは、前記タグのリストのタグに関連し、前記分類モデルは、自動車音のオーディオサンプルからタグを予測するよう構成され、
前記トレーニングされた排気ガスモデルユニットは、
トレーニングされた分類モデルを前記使用データの前記オーディオサンプルに適用して、前記タグのリストから予測されたタグを取得する、及び
前記使用データの前記オーディオサンプルに前記予測されたタグに関連する前記少なくとも1つの回帰モデルのトレーニングされた回帰モデルを適用して、推定された汚染レベルを生成する、
よう構成され、
前記複数のトレーニングアイテムは、自動車音の複数のオーディオサンプル、関連する汚染レベル及び1つ以上の関連するタグを含み、該タグは、前記タグのリストから選択され、
前記排気ガスモデルは、
前記分類モデルを前記複数のトレーニングアイテムの自動車音の複数のオーディオサンプル及び関連するタグについてトレーニングすることにより、自動車音のオーディオサンプルからタグを予測するよう構成されるトレーニングされた分類モデルを得る、及び
前記少なくとも1つの回帰モデルの各回帰モデルを当該回帰モデルに関連する前記タグに関連する前記複数のオーディオサンプルのオーディオサンプルについてトレーニングすることにより、当該タグの自動車音のオーディオサンプルから汚染レベルを推定するよう構成される少なくとも1つの回帰モデルを得る、
ことにより得られている、請求項1に記載の汚染推定システム。 - 前記排気ガスモデルは、重回帰モデルを含み、前記タグリストの少なくとも2つのタグは、前記重回帰モデルの異なる回帰モデルに関連する、請求項2に記載の汚染推定システム。
- 前記タグのリストの少なくとも2つのタグは、自動車の燃料タイプを示し、前記2つのタグは、少なくとも、ガソリン燃料及びディーゼル燃料を使用する自動車を区別する、及び/又は
前記タグのリストの少なくとも2つのタグは、自動車の現在の使用を示し、前記2つのタグは、少なくとも、定位置維持運転中の自動車及び非定位置維持運転中の自動車を区別する、請求項2又は3に記載の汚染推定システム。 - 前記排気ガスモデルユニットは、少なくとも2つの異なる汚染物質の複数の推定された汚染レベルを生成するよう構成される、請求項1乃至4の何れか一項に記載の汚染推定システム。
- 当該汚染推定システムは、センサユニットを含み、
前記センサユニットは、
使用データとして自動車音のオーディオサンプルを取得するよう構成される音響センサと、
推定された関連する汚染レベルが汚染閾値を上回る場合、自動車の画像を捕捉するよう構成されるカメラと、
を含む、請求項1乃至5の何れか一項に記載の汚染推定システム。 - 当該汚染推定システムは、屋外照明器具、例えば、屋外照明ポールを含み、前記屋外照明器具は、使用データとして自動車音のオーディオサンプルを取得するよう構成される音響センサを含む、請求項1乃至6の何れか一項に記載の汚染推定システム。
- 当該汚染推定システムは、音響センサから前記トレーニングされた排気ガスモデルユニットに前記オーディオサンプルを送信する前に、自動車音のオーディオサンプルのサイズを縮小するよう構成されるオーディオ圧縮ユニットを含む、請求項1乃至7の何れか一項に記載の汚染推定システム。
- 前記複数のトレーニングアイテムは、
- 沿道位置の音響センサからトレーニング間隔中音声を連続的に測定する、
- 前記沿道位置の汚染センサから前記トレーニング間隔中汚染レベルを連続的に測定する、及び
- 連続的に測定された前記音声の部分及び連続的に測定された前記汚染レベルの対応する部分として自動車音の複数のオーディオサンプル及び関連する汚染レベルを取得する、
ことにより得られる、請求項1乃至8の何れか一項に記載の汚染推定システム。 - 1つ以上の音響センサから、使用中の複数の自動車の複数の自動車音及び使用中の前記複数の自動車の関連する汚染レベルを取得することにより、1つ以上の音響センサから得られた自動車音の複数のオーディオサンプル及び関連する汚染レベルを含む複数のトレーニングアイテムを得る、及び
機械学習アルゴリズムを用いて前記複数のトレーニングアイテムについて排気ガスモデルをトレーニングすることにより、トレーニングされた排気ガスモデルを得る、
よう構成される機械学習ユニットを含む、請求項1乃至9の何れか一項に記載の汚染推定システム。 - 前記排気ガスモデルユニットは、受けた前記オーディオサンプルから1つ以上の特徴を計算し、前記トレーニングされた排気ガスモデルを計算された前記特徴に適用するよう構成される、請求項1乃至10の何れか一項に記載の汚染推定システム。
- 自動車の排気ガスに起因する汚染レベルを推定するための汚染推定方法であって、当該方法は、
自動車音のオーディオサンプルを含む音響センサからの使用データを取得するステップと、
受けた前記オーディオサンプルにトレーニングされた排気ガスモデルを適用して、推定された関連する汚染レベルを生成するステップと、
を含み、
前記トレーニングされた排気ガスモデルは、機械学習アルゴリズムを用いて複数のトレーニングアイテムについて排気ガスモデルをトレーニングすることにより得られていて、前記複数のトレーニングアイテムは、1つ以上の音響センサから得られた自動車音の複数のオーディオサンプル及び関連する汚染レベルを含む、汚染推定方法。 - 1つ以上の音響センサから、使用中の複数の自動車の複数の自動車音及び使用中の前記複数の自動車の関連する汚染レベルを取得することにより、自動車音の複数のオーディオサンプル及び関連する汚染レベルを含む複数のトレーニングアイテムを得るステップと、
機械学習アルゴリズムを用いて複数のトレーニングアイテムについて排気ガスモデルをトレーニングすることにより、トレーニングされた排気ガスモデルを得るステップと、
を含む、請求項12に記載の汚染推定方法。 - 請求項12又は13に記載の方法をプロセッサに実行させるよう構成される自動車の排気ガスから汚染レベルを推定するためのコンピュータプログラム。
- コンピュータ可読媒体上に具現化された請求項14に記載のコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16159645 | 2016-03-10 | ||
EP16159645.7 | 2016-03-10 | ||
PCT/EP2017/054620 WO2017153207A1 (en) | 2016-03-10 | 2017-02-28 | Pollution estimation system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6494009B1 JP6494009B1 (ja) | 2019-04-03 |
JP2019512784A true JP2019512784A (ja) | 2019-05-16 |
Family
ID=55527832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018546784A Active JP6494009B1 (ja) | 2016-03-10 | 2017-02-28 | 汚染推定システム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11042805B2 (ja) |
EP (1) | EP3217400B1 (ja) |
JP (1) | JP6494009B1 (ja) |
CN (1) | CN108885881B (ja) |
RU (1) | RU2018135573A (ja) |
WO (1) | WO2017153207A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7428549B2 (ja) | 2020-03-10 | 2024-02-06 | 大裕株式会社 | 振動情報処理装置及び振動情報処理システム |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11615221B1 (en) | 2014-05-08 | 2023-03-28 | The United States Of America, As Represented By The Secretary Of The Navy | Method for modeling the spread of contaminants in marine environments |
WO2019060716A1 (en) * | 2017-09-25 | 2019-03-28 | Freenome Holdings, Inc. | SAMPLE EXTRACTION METHODS AND SYSTEMS |
US10755560B2 (en) * | 2018-06-19 | 2020-08-25 | International Business Machines Corporation | Real-time pollution control at a traffic junction |
AU2019365614B2 (en) * | 2018-10-25 | 2022-10-27 | Ab Etken Teknologi | A sensitised, safe to manufacture and environmentally friendly explosive composition |
US11354351B2 (en) * | 2019-01-31 | 2022-06-07 | Chooch Intelligence Technologies Co. | Contextually generated perceptions |
CN111008735B (zh) * | 2019-11-27 | 2023-06-02 | 巴斯夫新材料有限公司 | 预测排放管理系统及方法 |
EP3889942A1 (en) * | 2020-04-02 | 2021-10-06 | Securaxis SA | Apparatus for controlling an independent electrical device and method to control an independent electrical device |
US11393336B2 (en) | 2020-08-10 | 2022-07-19 | International Business Machines Corporation | Smog analysis via digital computing platforms |
CN113295826B (zh) * | 2021-05-24 | 2023-06-27 | 暨南大学 | 一种基于车联网的机动车尾气排放测试管理系统及智能诊断方法 |
CN114239271A (zh) * | 2021-12-16 | 2022-03-25 | 中科三清科技有限公司 | 一种大气污染预警方法、装置和设备 |
CN114819411B (zh) * | 2022-06-23 | 2022-09-13 | 航天宏图信息技术股份有限公司 | 一种基于走航监测车的大气污染物排放溯源方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04205163A (ja) * | 1990-11-30 | 1992-07-27 | Hitachi Ltd | ニューラルネットワーク、ニューラルネットワークの想起または学習方法、およびニューラルネットワークを用いたファジイ推論装置 |
JPH04265163A (ja) * | 1991-02-19 | 1992-09-21 | Matsushita Electric Ind Co Ltd | 車載用空気清浄器 |
JPH09504346A (ja) * | 1993-08-05 | 1997-04-28 | パヴィリオン・テクノロジーズ・インコーポレイテッド | 自動車の仮想排気ガス監視方法 |
WO2015159101A1 (en) * | 2014-04-17 | 2015-10-22 | Airbase Systems Ltd | A method and system for analysing environmental data |
Family Cites Families (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5402519A (en) * | 1990-11-26 | 1995-03-28 | Hitachi, Ltd. | Neural network system adapted for non-linear processing |
JP3999347B2 (ja) * | 1998-04-21 | 2007-10-31 | 松下電器産業株式会社 | 交通量計測装置及びその方法 |
CN2443153Y (zh) * | 2000-10-26 | 2001-08-15 | 黄前锋 | 车辆废气处理装置 |
KR100377680B1 (ko) * | 2000-12-20 | 2003-03-29 | 로얄정보기술 주식회사 | 터널 내의 차종별 오염물 배출량 추정알고리즘 및 이에기초한 터널 내의 오염도 추정 알고리즘을 이용한 터널내의 환기량 산정 시스템 및 그 방법 |
US7302313B2 (en) * | 2001-02-07 | 2007-11-27 | Aircuity, Inc. | Air quality monitoring systems and methods |
FR2882399B1 (fr) * | 2005-02-18 | 2010-09-03 | Peugeot Citroen Automobiles Sa | Systeme de controle du fonctionnement d'un moteur diesel de vehicule automobile equipe de moyens de recirculation de gaz d'echappement |
US8111174B2 (en) * | 2007-10-03 | 2012-02-07 | University Of Southern California | Acoustic signature recognition of running vehicles using spectro-temporal dynamic neural network |
US10321528B2 (en) * | 2007-10-26 | 2019-06-11 | Philips Lighting Holding B.V. | Targeted content delivery using outdoor lighting networks (OLNs) |
NO329798B1 (no) * | 2009-02-16 | 2010-12-20 | Inst Energiteknik | System og fremgangsmate for empirisk ensemblebasert virtuell sensing av svevestovpartikler |
BR112012033656A2 (pt) * | 2010-06-28 | 2016-11-29 | Green Vision Systems Ltd | monitoramento em tempo real, definição de perfis paramétricos e regulação de material particulado de ar exterior contaminado em uma região, via imagem hiperespectral e análise |
WO2012023136A1 (en) * | 2010-08-15 | 2012-02-23 | Airbase Systems Ltd. | Device, system and method for personal health monitoring based on multitude-points environmental data |
WO2012090235A1 (en) * | 2010-12-31 | 2012-07-05 | Geotechnos S.R.L. | Integrated method and system for detecting and elaborating environmental and terrestrial data |
US8723690B2 (en) * | 2011-01-26 | 2014-05-13 | International Business Machines Corporation | Systems and methods for road acoustics and road video-feed based traffic estimation and prediction |
WO2012159633A1 (en) | 2011-05-23 | 2012-11-29 | S-Light A/S | Sensor unit for intelligent street lamp and application |
US8688309B2 (en) * | 2011-12-12 | 2014-04-01 | International Business Machines Corporation | Active and stateful hyperspectral vehicle evaluation |
US8907803B2 (en) * | 2012-01-09 | 2014-12-09 | Intwine Energy | Networked air quality monitoring |
WO2013134715A2 (en) * | 2012-03-08 | 2013-09-12 | Husqvarna Ab | Outdoor power equipment fleet management system with operator performance monitoring |
HUP1200197A2 (hu) * | 2012-04-03 | 2013-10-28 | Budapesti Mueszaki Es Gazdasagtudomanyi Egyetem | Eljárás és elrendezés környezeti zaj valós idejû, forrásszelektív monitorozására és térképezésére |
US9177215B2 (en) * | 2012-04-10 | 2015-11-03 | International Business Machines Corporation | Sparse representation for dynamic sensor networks |
US8755039B2 (en) | 2012-05-03 | 2014-06-17 | Abl Ip Holding Llc | Lighting devices with sensors for detecting one or more external conditions and networked system using such devices |
JP2015529869A (ja) | 2012-06-12 | 2015-10-08 | センシティ システムズ インコーポレイテッド | 照明インフラストラクチャおよび収益モデル |
US9161419B2 (en) * | 2012-07-02 | 2015-10-13 | International Business Machines Corporation | Intelligent and coordinated lighting of a lighting device |
ES2391860B2 (es) * | 2012-07-31 | 2013-04-26 | Universidad De Granada | Procedimiento y sistema para estimar caudales de tráfico rodado a partir de los niveles de ruido ambiental |
US9424743B2 (en) * | 2012-10-12 | 2016-08-23 | Tata Consultancy Services Limited | Real-time traffic detection |
US9210759B2 (en) * | 2012-11-19 | 2015-12-08 | Express Imaging Systems, Llc | Luminaire with ambient sensing and autonomous control capabilities |
CN105191505B (zh) * | 2013-03-18 | 2019-01-15 | 飞利浦灯具控股公司 | 用于室外照明网络的信息管理和控制的方法和装置 |
WO2014147510A1 (en) * | 2013-03-18 | 2014-09-25 | Koninklijke Philips N.V. | Methods and apparatus for information management and control of outdoor lighting networks |
WO2014171897A1 (en) * | 2013-04-19 | 2014-10-23 | Microlight Sensors Pte. Ltd. | Apparatus, system and method for remote detection of vehicle exhaust |
WO2014194480A1 (en) * | 2013-06-05 | 2014-12-11 | Microsoft Corporation | Air quality inference using multiple data sources |
US10692370B2 (en) * | 2014-03-03 | 2020-06-23 | Inrix, Inc. | Traffic obstruction detection |
CN103983544B (zh) * | 2014-05-28 | 2015-12-30 | 南京大学 | 多通道气溶胶散射吸收测量仪 |
JP6017495B2 (ja) * | 2014-06-03 | 2016-11-02 | 三菱電機株式会社 | 車両走行制御システムおよび情報サーバ |
US9489581B2 (en) * | 2014-08-11 | 2016-11-08 | Nokia Technologies Oy | Vehicle counting and emission estimation |
US10304123B2 (en) * | 2014-09-08 | 2019-05-28 | Leeo, Inc. | Environmental monitoring device with event-driven service |
CN111257174A (zh) * | 2014-09-19 | 2020-06-09 | 3达特安克斯公司 | 微粒物质/数同步测量装置 |
CN104318315A (zh) * | 2014-09-29 | 2015-01-28 | 南通大学 | 一种城市道路交通污染物排放监控预警系统及方法 |
CA2872783A1 (en) * | 2014-12-01 | 2016-06-01 | David Andrew Risk | Gas emission detection device, system and method |
CN104394636A (zh) * | 2014-12-05 | 2015-03-04 | 瑞斯康微电子(深圳)有限公司 | 一种智慧照明路灯集控系统 |
GB201505577D0 (en) * | 2015-03-31 | 2015-05-13 | Westire Technology Ltd | Closed camera photocell and street lamp device |
US20160343180A1 (en) * | 2015-05-19 | 2016-11-24 | GM Global Technology Operations LLC | Automobiles, diagnostic systems, and methods for generating diagnostic data for automobiles |
US10338047B2 (en) * | 2015-06-16 | 2019-07-02 | International Business Machines Corporation | Air-pollution anomaly location mechanism |
US10671915B2 (en) * | 2015-07-31 | 2020-06-02 | Brighterion, Inc. | Method for calling for preemptive maintenance and for equipment failure prevention |
CN205606498U (zh) * | 2016-01-18 | 2016-09-28 | 深圳市讯高宏砺科技有限责任公司 | 一种基于物联网的路灯控制系统 |
-
2017
- 2017-02-28 CN CN201780015969.8A patent/CN108885881B/zh active Active
- 2017-02-28 RU RU2018135573A patent/RU2018135573A/ru not_active Application Discontinuation
- 2017-02-28 EP EP17158460.0A patent/EP3217400B1/en active Active
- 2017-02-28 JP JP2018546784A patent/JP6494009B1/ja active Active
- 2017-02-28 WO PCT/EP2017/054620 patent/WO2017153207A1/en active Application Filing
- 2017-03-09 US US15/454,373 patent/US11042805B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04205163A (ja) * | 1990-11-30 | 1992-07-27 | Hitachi Ltd | ニューラルネットワーク、ニューラルネットワークの想起または学習方法、およびニューラルネットワークを用いたファジイ推論装置 |
JPH04265163A (ja) * | 1991-02-19 | 1992-09-21 | Matsushita Electric Ind Co Ltd | 車載用空気清浄器 |
JPH09504346A (ja) * | 1993-08-05 | 1997-04-28 | パヴィリオン・テクノロジーズ・インコーポレイテッド | 自動車の仮想排気ガス監視方法 |
WO2015159101A1 (en) * | 2014-04-17 | 2015-10-22 | Airbase Systems Ltd | A method and system for analysing environmental data |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7428549B2 (ja) | 2020-03-10 | 2024-02-06 | 大裕株式会社 | 振動情報処理装置及び振動情報処理システム |
Also Published As
Publication number | Publication date |
---|---|
US20170300818A1 (en) | 2017-10-19 |
WO2017153207A1 (en) | 2017-09-14 |
RU2018135573A (ru) | 2020-04-10 |
CN108885881A (zh) | 2018-11-23 |
EP3217400B1 (en) | 2018-11-07 |
US11042805B2 (en) | 2021-06-22 |
JP6494009B1 (ja) | 2019-04-03 |
EP3217400A1 (en) | 2017-09-13 |
CN108885881B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6494009B1 (ja) | 汚染推定システム | |
US9053593B2 (en) | Vehicle data analysis method and vehicle data analysis system | |
Donateo et al. | Building a cycle for real driving emissions | |
JP2020520520A (ja) | トリップの種類を識別するためのテレマティクスデータの使用 | |
Abas et al. | Development of Malaysian urban drive cycle using vehicle and engine parameters | |
WO2019127232A1 (en) | System and method for determining vehicle speed | |
KR102303077B1 (ko) | 연소 엔진을 탑재한 차량의 구동 시스템의 배기가스 배출량 감소 방법 | |
CN111832743A (zh) | 用于确定行驶变化过程的方法 | |
CN112406875B (zh) | 一种车辆能耗的分析方法和装置 | |
CN110243384A (zh) | 实际行驶排放试验路线的确定方法、装置、设备和介质 | |
CN103983301A (zh) | 车辆检验方法、系统和装置 | |
CN115964905B (zh) | 高原山地道路的排放测试工况构建方法和介质 | |
Xue et al. | A context-aware framework for risky driving behavior evaluation based on trajectory data | |
Shang et al. | Analyzing the effects of road type and rainy weather on fuel consumption and emissions: A mesoscopic model based on big traffic data | |
Abas et al. | Efforts to establish Malaysian urban drive-cycle for fuel economy analysis | |
CN111247815B (zh) | 麦克风校准系统 | |
AU2022422056A1 (en) | Method and device for providing at least one emission value for a means of transport | |
Lee et al. | Classification of road type and driving style using obd data | |
Sriniwas et al. | A real world drive cycle for India | |
CN107085074B (zh) | 一种分类监测机动车尾气的方法 | |
Bharadwaj et al. | Raster Data Based Automated Noise Data Integration for Noise Mapping Limiting Data Dependency | |
WO2017223108A1 (en) | Machine monitoring | |
Abas et al. | Simulation of fuel economy for Malaysian urban driving | |
Maccantelli et al. | Traffic Level Monitoring in Urban Scenarios with Virtual Sensing Techniques Enabled by Embedded Machine Learning | |
Biona et al. | Drive cycle development for tricycles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181107 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181107 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190115 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190131 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6494009 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |