[发明专利]一种基于卷积深度神经网络的机动车尾气排放估计方法

权利要求书

1.一种基于卷积深度神经网络的机动车尾气排放估计方法，其特征在于：包括以下处理步骤：

步骤一、对城市区域的机动车尾气排放进行估计，并获取城市局部、全局的空气质量数据；

步骤二、对步骤一获得的机动车尾气排放数据、全局的空气质量数据进行预处理，并建立机动车尾气的排放因子数据库；结合城市的气象条件数据和空气质量数据库，建立城市局部区域和全局的机动车尾气排放数据库；

步骤三、基于步骤二所得到的机动车尾气的排放因子数据库，以及步骤一中采集到的数据建立深度卷积神经网络模型，并根据该深度卷积神经网络模型进行城市区域、或全局的机动车尾气排放因子的实时在线估计。

2.根据权利要求1所述的基于卷积深度神经网络的机动车尾气排放估计方法，其特征在于：步骤一中，利用城市环境监测站点的实时空气质量数据，对城市不同区域的空气质量进行插值运算，结合城市各区域的气象条件数据，同时利用机动车尾气遥感监测设备采集的实际道路的机动车尾气排放数据，对城市区域的机动车尾气排放进行估计。

3.根据权利要求2所述的基于卷积深度神经网络的机动车尾气排放估计方法，其特征在于：机动车尾气遥感监测设备的数据采集过程为：机动车尾气遥感监测设备通过发射特定波长的红外、紫外光，红外、紫外光线通过机动车尾气，会被尾气中的气体吸收，光线的强度衰弱，接收端接收衰弱的后的光线，计算出CO、NO₂、O₃、SO₂、PM_2.5、PM₁₀的排放物浓度；

机动车尾气遥感监测设备的速度加速度检测器利用车轮通过两条对射光路的时间间隔测量机动车的速度与加速度；

机动车尾气遥感监测设备的图像采集系统可获取机动车的车型，人为将机动车车型分为四类：轻型汽油车、重型汽油车、轻型柴油车、重型柴油车；

利用辅助设备获取环境数据包括当前时间、天气、温度、湿度、压强、风向与风速。

4.根据权利要求3所述的基于卷积深度神经网络的机动车尾气排放估计方法，其特征在于：机动车尾气遥感监测设备采集的是局部区域的机动车尾气数据，将该局部区域数据与城市空气质量监测站的空气质量数据进行融合，获得城市局部、全局的空气质量数据。

5.根据权利要求1或4所述的基于卷积深度神经网络的机动车尾气排放估计方法，其特征在于：步骤二中，建立机动车尾气CO、HC及NO的排放因子数据库，布设在城市道路旁的机动车尾气遥感监测设备采集到的机动车行驶时排放的CO₂、CO、HC及NO的体积浓度数据计算机动车尾气CO、HC及NO的排放因子，如公式3-5所示：

公式3-5中，CO(gL^-1)、HC(gL^-1)、NO(gL^-1)分别指机动车尾气CO、HC及NO的排放因子，单位是gL^-1；Q为机动车尾气遥感监测设备采集到的CO与CO₂体积浓度的比值；Q’为机动车尾气遥感监测设备采集到的HC与CO₂体积浓度的比值；Q”机动车尾气遥感监测设备采集到的NO与CO₂体积浓度的比值；M_fuel为机动车燃油的摩尔质量；D_fuel为机动车燃油的密度。