一种尾气排放量检测方法及大气污染分析方法和装置制造方法及图纸

本发明专利技术公开了一种尾气排放量检测方法及大气污染分析方法和装置，属于车联网技术领域。本发明专利技术将车联网技术应用于大气污染和环境监测，其解决了现有技术中机动车尾气排放量检测不准确的问题，并且具有极强的实时性，为大气污染的防治、监测和研究工作提供了新方法。

【技术实现步骤摘要】

本专利技术涉及车联网
，特别是指一种尾气排放量检测方法及大气污染分析方法和装置。
技术介绍
随着雾霾现象的多发，大气污染问题越来越受到人们的广泛关注。尤其是在大型城市，雾霾天气正日益成为威胁人们健康的重要因素，因而也引起了各级政府的关注。众所周知，大气污染物主要有二氧化硫、PM2.5等等物质，其中PM2.5是形成雾霾的主要原因。PM2.5即指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物，它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重。虽然PM2.5只是地球大气成分中含量很少的组分，但它对空气质量和能见度具有重要的影响。与较粗的大气颗粒物相比，PM2.5粒径小，面积大，活性强，易附带有毒、有害物质(例如，重金属、微生物等)，且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。通常，人们认为，PM2.5的浓度主要受工业排废、焚烧秸秆、汽车尾气等人为因素，以及空气湿度、风力状况、土地荒漠化等自然因素的影响。但是，对于汽车尾气对大气污染的贡献问题目前还存有争议。目前，国内外的研究机构主要是在大气监测中关注大气中二氧化硫、PM2.5的含量，而没有将污染影响因素与这些指标的监测值进行实时关联，因此也就无法以定量的方式描述机动车尾气、风速、风向、温度、湿度、气压等等因素对PM2.5指标的影响。在此基础上，现有技术中已经出现了根据机动车尾气、风速、风向、温度、湿度、气压等等因素对PM2.5指标进行分析的方法。但是，这里存在的主要困难是，目前所获得的机动车尾气排放量还过于粗糙，尤其是难以获得机动车尾气排放量的实时准确值，因而不利于研究尾气排放与大气污染之间的确切关
系，也不利于PM2.5指标的实时精确计算。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种尾气排放量检测方法及大气污染分析方法和装置，能够对机动车的尾气排放量进行更加精确的检测，为PM2.5的计算提供更加准确的数据，并便于人们研究机动车尾气对大气污染的贡献大小，从而为大气污染的防治工作提供必要的参考。同时，本专利技术能够实时获取车辆的尾气排放情况，从而为PM2.5的实时计算和实时分析提供了必要条件。基于上述目的，本专利技术提供的技术方案是：一种尾气排放量检测方法，其包含：通过车联网获取机动车的车型、瞬时速度，以及该机动车的n个尾气排放修正变量的实时值；根据车型得到该机动车的标准排放率；根据下式计算该机动车的尾气排放量： V ( t ) = ∫ 0 t [ b 0 v ( t ) + Σ i = 1 n b i x i ( t ) ] d t , ]]>式中，V(t)表示时间t内一辆机动车的尾气排放量，b0为机动车的标准排放率，v(t)为机动车的瞬时速度，xi(t)表示该机动车n个尾气排放修正变量中第i个尾气排放修正变量的实时值，bi表示xi(t)所对应的修正系数；尾气排放修正变量是用于表征车辆状态，并且与车辆的实时尾气排放速率相关的变量。具体地，尾气排放修正变量可以包含以下九种：用于表征车辆瞬时油耗和连续行驶时间内平均油耗的变量，用于表征车辆故障码的变量，用于表征车辆行驶总里程的变量，用于表征车辆总行驶时长的变量，用于表征车内设备开启状态的变量，用于表征车辆坐标及海拔的变量，用于表征车辆连续行驶时间的变量，用于表征车辆在连续行驶时间内的最值速度和平均速度的变量，用于表征车辆行驶平稳性的变量。一种大气污染分析方法，其包含：由上述尾气排放量检测方法计算一区域内每辆机动车的尾气排放量；通过加和方式得到该区域的尾气排放总量；将尾气排放总量与其他大气污染因素量化值共同组成该区域的大气污染分析判据；获取若干组历史大气污染分析判据以及每组历史大气污染分析判据所对应的PM2.5实测值以作为训练素材；使用训练素材对一神经网络进行训练，得到经过训练的神经网络；将待处理的一组大气污染分析判据输入所述经过训练的神经网络，得到该组大气污染分析判据下的PM2.5计算值。具体地，其他大气污染因素量化值可以包含温度量化值、湿度量化值、气压量化值、风力量化值、能见度量化值和紫外线量化值。具体地，神经网络可以采用BP神经网络，该神经网络的网络结构为7×10×1的网络拓扑结构，该神经网络的神经元函数为Sigmoid特征函数。具体地，风力量化值可以为将风力级数乘以十所得的数值。一种大气污染分析装置，其包括：尾气排放总量计算模块，用于使用上述尾气排放量检测方法计算一区域内每辆机动车的尾气排放量，并通过加和方式得到该区域的尾气排放总量；大气污染分析判据生成模块，用于对除尾气排放总量外的其他大气污染因素进行量化，并将量化后所得的其他大气污染因素量化值与尾气排放总量一同组成大气污染分析判据；训练模块，用于使用若干组历史大气污染分析判据以及每组历史大气污染分析判据所对应的PM2.5实测值对一神经网络进行训练，从而得到经过训练的神经网络；计算模块，用于使用经过训练的神经网络，根据输入的待处理大气污染分析判据，得到该大气污染分析判据下的PM2.5计算值。具体地，其他大气污染因素量化值可以包含温度量化值、湿度量化值、气压量化值、风力量化值、能见度量化值和紫外线量化值。具体地，神经网络可以采用BP神经网络，该神经网络的网络结构为7×10×1的网络拓扑结构，该神经网络的神经元函数为Sigmoid特征函数。具体地，风力量化值可以为将风力级数乘以十所得的数值。从上面的论述可以看出，本专利技术的有益效果在于：本专利技术在机动车标准排放率的基础上，进一步考虑了对尾气排放具有影响的其他因素，即尾气排放修正变量，这就使本专利技术在尾气排放量的检测方面具有比现有技术更高的准确度。在此基础上，本专利技术能够为PM2.5的计算提供更加准确的数据，便于人们研究机动车尾气对大气污染的贡献大小，从而为大气污染的防治工作提供必要的参考。同时，由于采用了车联网技术，因此本专利技术能够实时获取车辆的尾气排放情况，从而为PM2.5的实时计算和实时分析提供了必要条件。总之，本专利技术是车联网技术在大气污染环境监测方面的一种重要应用，其解决了现有技术中机动车尾气排放量检测不准确的问题，并且具有极强的实时性，为大气污染的防治、监测和研究工作提供了新的方法。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本专利技术的一些实施例，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为本专利技术实施例中的一种车联网系统示意图；图2为本专利技术实施例中一种大气污染分析方法的流程图；图3为本文档来自技高网...

【技术保护点】
一种尾气排放量检测方法，其特征在于，包含：通过车联网获取机动车的车型、瞬时速度，以及该机动车的n个尾气排放修正变量的实时值；根据车型得到该机动车的标准排放率；根据下式计算该机动车的尾气排放量：V(t)=∫0t[b0v(t)+Σi=1nbixi(t)]dt,]]>式中，V(t)表示时间t内一辆机动车的尾气排放量，b0为机动车的标准排放率，v(t)为机动车的瞬时速度，xi(t)表示该机动车n个尾气排放修正变量中第i个尾气排放修正变量的实时值，bi表示xi(t)所对应的修正系数；所述尾气排放修正变量是用于表征车辆状态，并且与车辆的实时尾气排放速率相关的变量。

【技术特征摘要】
1.一种尾气排放量检测方法，其特征在于，包含：通过车联网获取机动车的车型、瞬时速度，以及该机动车的n个尾气排放修正变量的实时值；根据车型得到该机动车的标准排放率；根据下式计算该机动车的尾气排放量： V ( t ) = ∫ 0 t [ b 0 v ( t ) + Σ i = 1 n b i x i ( t ) ] d t , ]]>式中，V(t)表示时间t内一辆机动车的尾气排放量，b0为机动车的标准排放率，v(t)为机动车的瞬时速度，xi(t)表示该机动车n个尾气排放修正变量中第i个尾气排放修正变量的实时值，bi表示xi(t)所对应的修正系数；所述尾气排放修正变量是用于表征车辆状态，并且与车辆的实时尾气排放速率相关的变量。2.根据权利要求1所述的尾气排放量检测方法，其特征在于，所述尾气排放修正变量包含以下九种：用于表征车辆瞬时油耗和连续行驶时间内平均油耗的变量，用于表征车辆故障码的变量，用于表征车辆行驶总里程的变量，用于表征车辆总行驶时长的变量，用于表征车内设备开启状态的变量，用于表征车辆坐标及海拔的变量，用于表征车辆连续行驶时间的变量，用于表征车辆在连续行驶时间内的最值速度和平均速度的变量，用于表征车辆行驶平稳性的变量。3.一种大气污染分析方法，其特征在于，包含：由如权利要求1或2所述方法计算一区域内每辆机动车的尾气排放量；通过加和方式得到该区域的尾气排放总量；将尾气排放总量与其他大气污染因素量化值共同组成该区域的大气污染分析...

【专利技术属性】
技术研发人员：马丹，李旭，李大治，
申请(专利权)人：北京荣之联科技股份有限公司，
类型：发明
国别省市：北京;11