[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

说明书

本发明公开了一种基于卷积深度神经网络的机动车尾气排放估计方法，利用城市空气监测站获取的宏观尾气数据，以及机动车尾气遥感检测设备采集的实际道路上的尾气排放数据，实现了城市区域、或全局的机动车尾气排放因子的实时在线估计。本发明克服了传统机动车尾气排放因子采用台架试验机获取机动车尾气排放数据与实际道路行驶状况的差异，可以对城市机动车尾气进行局部、全局的排放估计，同时结合当前的气象条件，进而估计机动车尾气在城市的不同区域的排放量，并在此基础上对城市机动车尾气排放进行评级和在线估计。

技术领域

本发明涉及一种尾气排放估计方法，尤其涉及一种基于卷积深度神经网络的机动车尾气排放估计方法。

背景技术

自工业革命以来，空气污染就伴随着人类经济进步的脚步，大规模的环境灾害也时有发生。煤炭作为主要的工业燃料，在燃烧过程中会产生大量的粉尘、二氧化硫、氮氧化合物等空气污染物，它在给人民带来动力和温暖的同时也带来了严重的环境污染问题。PM_2.5是指大气中直径小于或等于2.5微米的颗粒物，也称为可入肺颗粒物。PM_2.5粒径小，比表面积相对大，更易富集空气中各种有毒金属、酸性氧化物、有机污染物等多种化学物质以及细菌和病毒等微生物，相对于PM₁₀污染物的灰尘、花粉和霉菌，PM_2.5能够深入肺部组织，老人、小孩以及心肺疾病患者是PM_2.5污染的敏感人群。

根据NASA对PM_2.5浓度的估算，PM_2.5污染物的排放呈现上升情况。PM_2.5污染物的成分组成比较复杂，包括燃烧过程直接排放的细颗粒(一次PM_2.5粒子)和经由大气污染物经过多相化学反应(即气体经过化学反应转换成了固体，最经典的是二氧化硫、氮氧化物经过反应变成了硫酸盐、硝酸盐)产生的二次颗粒物。早期PM_2.5研究注重通过城市PM_2.5来源解析来研究控制对策，多项研究表明，一次PM_2.5占比逐渐减少，而二次颗粒物占比加重。

机动车尾气排放是城市空气污染的主要排放源，机动车的尾气排放量受到该区域的机动车数量、机动车行驶速度等指标的影响。随着网约车的快速发展，许多城市的网约车的保有量逐年递增，网约车相比传统的出租车具有数据传输量大、数据传输及时的特点，通过对网约车的出行数据的估计，可以估计在特定区域的车流密度，以及不同路段的车流速度，进而结合机动车的车辆信息估计在该区域的机动车尾气排放量。影响机动车尾气排放的因素有很多，如车辆排放控制技术水平、行驶工况、交通环境、燃油品质等。IVE模型(International Vehicle Emission Model)由美国加州大学研发，IVE采用基于车辆技术和当地行驶模式的方法，可以较好地解决借鉴使用机动车尾气排放模型的问题。

申请号201510745166.0的发明专利公开了一种基于机动车比功率的速度对车辆排放因子修正方法，该发明专利根据车辆行驶速度计算机动车比功率，得到不同速度区间的比功率分布情况，并利用平均速度计算的修正系数对其进行修正。该发明专利需要车辆的运行数据，同时还需要基本排放因子、MOVES数据库中的排放率等数据，计算变量较多，也没有考虑气象条件对机动车尾气排放的影响。

申请号201611267901.2的发明专利公开了一种基于MLP神经网络的机动车尾气排放因子估计方法，该发明专利利用机动车尾气遥感监测设备采集实际道路上的机动车尾气排放数据，结合城市当地的温度、湿度、压强、风向与风速等气象条件，该发明专利是基于实验室的机动车排放数据估计机动车尾气，通过机动车尾气CO、HC及NO的排放因子数据库的参数估计机动车尾气排放。然而，实验室数据难以代表实际道路情况，使得估计的机动车尾气数据不够精确。

现如今，在大多城市均在城市中安放环境监测设备，能够实时监测城市各区域的环境数据，其中空气质量分数计算方法如下，污染物项目p的空气质量指数按公式1计算：