CN112798552A - 一种尾气遥测***以及方法 - Google Patents
一种尾气遥测***以及方法 Download PDFInfo
- Publication number
- CN112798552A CN112798552A CN202011644628.7A CN202011644628A CN112798552A CN 112798552 A CN112798552 A CN 112798552A CN 202011644628 A CN202011644628 A CN 202011644628A CN 112798552 A CN112798552 A CN 112798552A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- tail gas
- exhaust
- data
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 87
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000011282 treatment Methods 0.000 claims abstract description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 238000005259 measurement Methods 0.000 abstract description 8
- 238000009792 diffusion process Methods 0.000 abstract description 5
- 239000007789 gas Substances 0.000 description 176
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004071 soot Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000041 tunable diode laser absorption spectroscopy Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
- G01N2021/3513—Open path with an instrumental source
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
- G01N2021/396—Type of laser source
- G01N2021/399—Diode laser
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明适用于车辆检测技术领域,提供了一种尾气遥测***以及方法,所述尾气遥测***包括:摄像设备,用于获取待检测车辆的车辆排气口的位置信息;数据处理端,用于根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成转动指令;所述转动指令携带有转动角度信息;尾气遥测设备,包括尾气检测光束,用于根据所述转动角度信息进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据。本发明能够实现道路行驶中的汽柴油车尾气遥感监测,可有效判定车辆尾气排放位置,并对准排气口进行尾气测量,大大提高了尾气的捕获率,避免尾气快速扩散导致的误差,提高尾气遥测的检出率,降低误判。
Description
技术领域
本发明属于车辆检测技术领域,尤其涉及一种尾气遥测***以及方法。
背景技术
目前对道路重型货车的遥测设备主要有水平安装遥测设备以及立式安装遥测设备,其中,水平安装遥测设备可以有效抓捕单个车道的汽柴油车尾气,但是现有的道路上,多为多车道甚至双向多车道,水平遥感设备在多个车辆经过时,无法捕获有效的尾气;立式安装遥测设备可以分为扫描式、单点反射、V型方式,其中,扫描式安装可以对车道进行覆盖检测,但是需要安装地面反光板,地面反光板在车辆多次通过后灰尘会覆盖反光板上,严重影响反光效率,使得尾气检测无法有效进行;而单点反射式和V型方式,由于尾气管位置在道路上是不断变化的,检测激光无法有效捕获到尾气,导致检测不到尾气或者尾气检测误差大。
由此可见,现有的尾气检测设备存在无法有效捕获尾气或者尾气检测误差大的问题。
发明内容
本发明实施例的目的在于提供一种尾气遥测***,旨在解决现有的尾气检测设备存在无法有效捕获尾气或者尾气检测误差大的问题。
本发明实施例是这样实现的,一种尾气遥测***,包括数据处理端以及与所述数据处理端通讯的摄像设备以及尾气遥测设备;
其中,所述摄像设备,用于获取待检测车辆的车辆排气口的位置信息,并将所述车辆排气口的位置信息发送至所述数据处理端;
所述数据处理端,用于根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成转动指令;将所述转动指令发送至所述尾气遥测设备;所述转动指令携带有转动角度信息;
所述尾气遥测设备,包括尾气检测光束,用于根据所述转动角度信息进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据,并将所述车辆尾气数据发送至所述数据处理端。
本发明实施例的另一目的在于一种尾气检测方法,包括:
获取待检测车辆的车辆排气口的位置信息;
根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成转动指令,所述转动指令携带有转动角度信息;
根据所述转动角度信息对尾气检测光束的照射位置进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据。
本发明实施例提供的一种尾气遥测***,其包括数据处理端以及与所述数据处理端通讯的摄像设备以及尾气遥测设备;通过摄像设备获取待检测车辆的车辆排气口的位置信息,并将所述车辆排气口的位置信息发送至所述数据处理端,以使所述数据处理端根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成携带有转动角度信息的转动指令,进而由尾气遥测设备根据所述转动角度信息进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据;本发明能够实现道路行驶中的汽柴油车尾气遥感监测,可有效判定车辆尾气排放位置,并对准排气口进行尾气测量,大大提高了尾气的捕获率,避免尾气快速扩散导致的误差,提高尾气遥测的检出率,降低误判。
附图说明
图1为本发明实施例提供的一种尾气遥测***的结构示意图;
图2为本发明实施例提供的一种尾气遥测***的实施场景图;
图3为本发明实施例提供的另一种尾气遥测***的结构示意图;
图4为本发明实施例提供的一种尾气遥测***中的模型训练设备的结构示意图;
图5为本发明实施例提供的一种尾气遥测方法的实现流程图;
图6为本发明实施例提供的另一种尾气遥测方法的实现流程图;
图7为本发明实施例提供的又一种尾气遥测方法的实现流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一xx脚本称为第二xx脚本,且类似地,可将第二xx脚本称为第一xx脚本。
本发明实施例为了解决现有的尾气检测设备存在无法有效捕获尾气或者尾气检测误差大的问题,提供了一种尾气遥测***,其包括数据处理端以及与所述数据处理端通讯的摄像设备以及尾气遥测设备;通过摄像设备获取待检测车辆的车辆排气口的位置信息,并将所述车辆排气口的位置信息发送至所述数据处理端,以使所述数据处理端根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成携带有转动角度信息的转动指令,进而由尾气遥测设备根据所述转动角度信息进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据;本发明能够实现道路行驶中的汽柴油车尾气遥感监测,可有效判定车辆尾气排放位置,并对准排气口进行尾气测量,大大提高了尾气的捕获率,避免尾气快速扩散导致的误差,提高尾气遥测的检出率,降低误判。
为了进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如下。
图1为本发明实施例提供的一种尾气遥测***的结构示意图,为了便于说明,仅示出与本发明实施例相关的部分。
在本发明实施例中,所述尾气遥测***包括数据处理端110以及与所述数据处理端110通讯的摄像设备120以及尾气遥测设备130。
在本发明实施例中,数据处理端、摄像设备以及尾气遥测设备之间可以通过网络进行连接,本发明在此不做限制。
在本发明实施例中,在多车道的情况下,需要在每一车道均分别安装上述包括数据处理端、摄像设备以及尾气遥测设备的尾气遥测***,以避免在多车道或者双向多车道时面临多车辆经过时无法捕获有效尾气现象的发生。
其中,所述摄像设备120,用于获取待检测车辆的车辆排气口的位置信息,并将所述车辆排气口的位置信息发送至所述数据处理端110。
在本发明实施例中,摄像设备可以为现有的高清红外摄像机,用于采集进入道路尾气测量区域的待检测车辆的红外视频数据,以此根据车辆红外辐射情况,识别车辆排气口位置,并且,根据该待检测车辆的红外视频数据还可以同步获取该待检测车辆的运行速度信息以及车辆信息如车牌信息等。
所述数据处理端110,用于根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成转动指令;将所述转动指令发送至所述尾气遥测设备130;所述转动指令携带有转动角度信息。
在本发明实施例中,数据处理端根据车辆排气口在车道中的位置信息以及当前尾气遥测设备的位置信息,可以通过常规的AI算法计算出尾气遥测设备需要旋转的转动角度如分析车辆排气口所在道路位置生成转动坐标。
所述尾气遥测设备130,包括尾气检测光束,用于根据所述转动角度信息进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据,并将所述车辆尾气数据发送至所述数据处理端110。
在本发明实施例中,尾气遥测设备需要预先进行设备预热自检校准,并动态采集光谱背景,并将数据通过网络传入数据处理端中,当接收到数据处理端发送的转动指令时,根据转动角度信息进行转动以对准车辆排气口的位置进行连续尾气数据的采集及检测处理,生成车辆尾气数据。
在本发明实施例中,尾气遥测设备可以是一种基于单波非色散红外和漫反射技术,且具备尾气检测模块,转动控制模块以及独立尾气检测光束的设备,其中,尾气检测光束用于发射调制后的中红外光,采用漫反射方式使得空域内充满均匀的红外光,进而由尾气检测模块进行汇聚,当待检测车辆所排放的尾气出现在其光路上时,将改变红外光的强度,由此实现对尾气的检测。
在本发明一个具体实施场景中,如图2所示,安装在其中一个L杆上的高清红外摄像机1用于根据待测量车辆红外辐射,获取车辆排气口所在位置;安装在另一L杆上的可控摆动尾气遥测设备2用于根据高清红外摄像机1AI识别并转动,使其对准排气口位置3进行尾气测量;而数据处理端4用于处理红外像机信号,控制遥感设备转动角度,以及处理车辆尾气数据。其中,尾气遥测设备2包含激光辐射装置、激光合束装置、设备摆动驱动装置、测量装置以及数据传输装置,其中,激光发射装置可以为TDLAS信号驱动激光器;激光合束装置可以为采用多组镜片组合,将三个激光器光束合成一束光;设备摆动驱动装置用于转动设备测量角度,使测量光束对准车辆排气口;激光探测装置用于采用信号放大处理及信号解调技术,可以对特征信号进行放大提取处理,路面不用铺设反光材料,直接采用路面漫反射;测量装置用于生成车辆尾气数据;数据传输装置用于上传车辆尾气数据至数据处理端4。
本发明实施例提供的一种尾气遥测***,其包括数据处理端以及与所述数据处理端通讯的摄像设备以及尾气遥测设备;通过摄像设备获取待检测车辆的车辆排气口的位置信息,并将所述车辆排气口的位置信息发送至所述数据处理端,以使所述数据处理端根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成携带有转动角度信息的转动指令,进而由尾气遥测设备根据所述转动角度信息进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据;本发明能够实现道路行驶中的汽柴油车尾气遥感监测,可有效判定车辆尾气排放位置,并对准排气口进行尾气测量,大大提高了尾气的捕获率,避免尾气快速扩散导致的误差,提高尾气遥测的检出率,降低误判。
本发明实施例还提供了另一种优选的尾气遥测***,其与上述实施例类似,不同之处在于:
在本发明实施例中,所述数据处理端110,还用于判断所述车辆尾气数据是否符合预设车辆尾气排放标准;当判断所述车辆尾气数据不符合预设车辆尾气排放标准时,获取与所述车辆尾气数据对应的气象信息以及所述待检测车辆的车辆信息;将所述车辆尾气数据、车辆信息以及气象信息进行数据整合叠加,并上传至车辆控制平台。
在本发明实施例中,预设车辆尾气排放标准可以是指国家制定的为了抑制汽车从废气中排出的CO(一氧化碳)、HC+NOx(碳氢化合物和氮氧化物)、PM(微粒,碳烟)等有害气体的产生的标准。车辆尾气数据包含了所排放的尾气中CO2、CO、NOx、HC等有害气体的含量。通过对比车辆尾气数据以及预设车辆尾气排放标准可以获得车辆尾气排放是否超标的信息。
在本发明实施例中,气象信息包含了大气中相关气体的成分信息,以此进一步验证车辆尾气数据的可信度,或者通过将车辆尾气数据、车辆信息以及气象信息进行数据整合叠加,使得车辆尾气数据摈除大气中相关气体的影响,保证检测结果的精准性。
在本发明实施例中,当判断出待检测车辆的车辆尾气数据不符合国家制定的标准时,则将该待检测车辆的车辆信息以及当时检测时对应的气象信息上传至车辆控制平台,该车辆控制平台是指现有的车辆监控单位,其可对违规车辆发送警告、或者处罚通知等。车辆信息包含车辆标识信息如车牌等,通过车辆信息可以进一步获得车主身份信息,由车辆监控单位对该车辆信息进行记录,避免同一车辆反复违规,污染环境的问题反复发生。
本发明实施例提供的一种尾气遥测***,通过数据处理端判断所述车辆尾气数据是否符合预设车辆尾气排放标准;当判断所述车辆尾气数据不符合预设车辆尾气排放标准时,获取与所述车辆尾气数据对应的气象信息以及所述待检测车辆的车辆信息;将所述车辆尾气数据、车辆信息以及气象信息进行数据整合叠加,并上传至车辆控制平台。本发明通过监控所有通行车辆的尾气排放情况,对尾气超标车辆进行标识,并上报车辆控制平台进行记录、警告以及处罚等处理,以在汽车工业发展和环境保护之间寻求新的平衡,杜绝汽车尾气排放污染问题。
本发明实施例还提供了又一种优选的尾气遥测***,其与上述实施例类似,不同之处在于:
在本发明实施例中,所述数据处理端110,还用于获取所述待检测车辆符合预设车辆尾气排放标准的车辆信息;根据所述车辆信息以及预设的基于卷积神经网络建立的车辆尾气检测模型,确定标准车辆尾气数据;当判断所述车辆尾气数据以及标准车辆尾气数据之间的差值超过预设阈值时,则确定所述待检测车辆的尾气排放超标。
在本发明实施例中,所述车辆信息包括但不限于发动机转速、发动机扭矩、油耗、车速、发动机总运行时间、排气温度以及排气流量信息等。由于各种不同车辆信息的车辆对应的尾气排放标准有所区别,因此,通过获取所述待检测车辆符合预设车辆尾气排放标准的车辆信息,以此通过车辆信息以及预设车辆尾气检测模型来确定该待检测车辆对应的标准车辆尾气数据,将该标准车辆尾气数据作为该待检测车辆的车辆尾气数据的比较标准。
在本发明实施例中,预设阈值可以在具体实现时,根据***性能和/或实现需求等自行设定,本发明实施例对上述预设阈值的大小不作具体限定,比如举例来说,上述预设阈值可以为0.5%、1%、5%等。
在本发明实施例中,所述基于卷积神经网络建立的车辆尾气检测模型是通过预先采集的多个符合预设车辆尾气排放标准的车辆信息样本以及所述车辆信息样本对应的标准尾气排放数据样本经过卷积神经网络训练生成。
本发明实施例提供的一种尾气遥测***,通过数据处理端获取所述待检测车辆符合预设车辆尾气排放标准的车辆信息;根据所述车辆信息以及预设的基于卷积神经网络建立的车辆尾气检测模型,确定标准车辆尾气数据;当判断所述车辆尾气数据以及标准车辆尾气数据之间的差值超过预设阈值时,则确定所述待检测车辆的尾气排放超标;由于预设的基于卷积神经网络建立的车辆尾气检测模型是通过符合预设车辆尾气排放标准的车辆信息样本以及所述车辆信息样本对应的标准尾气排放数据样本训练得到,可以用于表述符合预设车辆尾气排放标准的车辆信息与标准车辆尾气数据的一种隐含关系,本发明有效提高了标准车辆尾气数据的确定效率、车辆尾气排放是否超标的判断效率以及准确率。
图3为本发明实施例提供的另一种尾气遥测***的结构示意图,其与上述实施例类似,不同之处,在于:
在本发明实施例中,所述尾气遥测***包括模型训练设备310。
所述模型训练设备310,用于生成预设的基于卷积神经网络建立的车辆尾气检测模型。
具体而言,如图4所示,所述模型训练设备310包括:
样本获取单元311,用于获取多个符合预设车辆尾气排放标准的车辆信息样本以及所述车辆信息样本对应的标准尾气排放数据样本。
在本发明实施例中,所述多个符合预设车辆尾气排放标准的车辆信息样本包括发动机转速、发动机扭矩、油耗、车速、发动机总运行时间、排气温度以及排气流量信息等。所述多个符合预设车辆尾气排放标准的车辆信息样本以及所述车辆信息样本对应的标准尾气排放数据样本可以是通过车辆监控中心采集获得。
响应尾气排放数据确定单元312,用于根据第一符合预设车辆尾气排放标准的车辆信息样本以及含有可变参数的卷积神经网络模型确定所述第一符合预设车辆尾气排放标准的车辆信息样本的第一响应尾气排放数据。
在本发明实施例中,所述卷积神经网络模型的结构包括一个输入层、多个卷积层、多个池化层、至少一个全连接层以及一个输出层,其中所述多个卷积层、多个全连接层中存在可变参数。
在本发明实施例中,当所述多个卷积层、多个全连接层中的可变参数改变时,则对于同样的符合预设车辆尾气排放标准的车辆信息样本输入,输出的响应尾气排放数据不同。
损失差异计算单元313,用于计算所述第一尾气排放数据以及与所述第一符合预设车辆尾气排放标准的车辆信息样本对应的第一标准尾气排放数据之间的第一损失差异。
损失差异判断单元314,用于判断多个符合预设车辆尾气排放标准的车辆信息样本的损失差异是否满足预设的条件。
在本发明实施例中,通过判断所述多个符合预设车辆尾气排放标准的车辆信息样本的损失差异是否满足预设的条件,可以判断出所述建立的车辆尾气检测模型是否符合要求,例如所述符合预设车辆尾气排放标准的车辆信息样本的损失差异小于一定的阈值时,此时表明根据训练出的车辆尾气检测模型,将符合预设车辆尾气排放标准的车辆信息输入,即可得到较为准确的标准尾气排放数据。
模型调整模块315,用于当判断所述多个符合预设车辆尾气排放标准的车辆信息样本的损失差异不满足预设的条件时,调整所述卷积神经网络模型中的可变参数,并返回至所述根据第一符合预设车辆尾气排放标准的车辆信息样本以及含有可变参数的卷积神经网络模型确定所述第一符合预设车辆尾气排放标准的车辆信息样本的第一响应尾气排放数据的步骤。
在本发明实施例中,当判断所述多个符合预设车辆尾气排放标准的车辆信息样本的损失差异不满足预设的条件时,表明训练出的车辆尾气检测模型误差较大,可以根据反向传播算法或者梯度下降算法,调整所述卷积神经网络模型中的可变参数,但调整所述可变参数后,返回至所述根据第一符合预设车辆尾气排放标准的车辆信息样本以及含有可变参数的卷积神经网络模型确定所述第一符合预设车辆尾气排放标准的车辆信息样本的第一响应尾气排放数据的步骤,重新计算损失差异。
模型确定模块316,用于当判断所述多个符合预设车辆尾气排放标准的车辆信息样本的损失差异满足预设的条件时,将当前所述含有可变参数的卷积神经网络模型确定为预设的基于卷积神经网络建立的车辆尾气检测模型。
图5为本发明实施例提供的一种尾气遥测方法的实现流程图,详述如下。
步骤S501,获取待检测车辆的车辆排气口的位置信息。
在本发明实施例中,获取待检测车辆的车辆排气口的位置信息的方式可以是通过现有的高清红外摄像机采集进入道路尾气测量区域的待检测车辆的红外视频数据,以此根据车辆红外辐射情况,识别车辆排气口位置,并且,根据该待检测车辆的红外视频数据还可以同步获取该待检测车辆的运行速度信息以及车辆信息如车牌信息等。
步骤S502,根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成转动指令,所述转动指令携带有转动角度信息。
在本发明实施例中,根据车辆排气口在车道中的位置信息以及当前尾气遥测设备的位置信息,可以通过常规的AI算法计算出尾气遥测设备需要旋转的转动角度如分析车辆排气口所在道路位置生成转动坐标。
步骤S503,根据所述转动角度信息对尾气检测光束的照射位置进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据。
在本发明实施例中,尾气检测光束为尾气遥测设备中的检测光束,在进行尾气检测之前,尾气遥测设备需要预先进行设备预热自检校准,并动态采集光谱背景,并将数据通过网络传入数据处理端中,当接收到数据处理端发送的转动指令时,根据转动角度信息进行转动以对准车辆排气口的位置进行连续尾气数据的采集及检测处理,生成车辆尾气数据。
在本发明实施例中,尾气遥测设备可以是一种基于单波非色散红外和漫反射技术,且具备尾气检测模块,转动控制模块以及独立尾气检测光束的设备,其中,尾气检测光束用于发射调制后的中红外光,采用漫反射方式使得空域内充满均匀的红外光,进而由尾气检测模块进行汇聚,当待检测车辆所排放的尾气出现在其光路上时,将改变红外光的强度,由此实现对尾气的检测。
本发明实施例提供的一种尾气遥测方法,通过获取待检测车辆的车辆排气口的位置信息,根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成携带有转动角度信息的转动指令,进而根据所述转动角度信息进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据;本发明能够实现道路行驶中的汽柴油车尾气遥感监测,可有效判定车辆尾气排放位置,并对准排气口进行尾气测量,大大提高了尾气的捕获率,避免尾气快速扩散导致的误差,提高尾气遥测的检出率,降低误判。
图6为本发明实施例提供的另一种尾气遥测方法的实现流程图,其与上述实施例不同之处在于,所述尾气遥测方法还包括:
步骤S601,判断所述车辆尾气数据是否符合预设车辆尾气排放标准。
在本发明实施例中,预设车辆尾气排放标准可以是指国家制定的为了抑制汽车从废气中排出的CO(一氧化碳)、HC+NOx(碳氢化合物和氮氧化物)、PM(微粒,碳烟)等有害气体的产生的标准。车辆尾气数据包含了所排放的尾气中CO2、CO、NOx、HC等有害气体的含量。通过对比车辆尾气数据以及预设车辆尾气排放标准可以获得车辆尾气排放是否超标的信息。
步骤S602,当判断所述车辆尾气数据不符合预设车辆尾气排放标准时,获取与所述车辆尾气数据对应的气象信息以及所述待检测车辆的车辆信息。
在本发明实施例中,气象信息包含了大气中相关气体的成分信息,以此进一步验证车辆尾气数据的可信度,或者通过将车辆尾气数据、车辆信息以及气象信息进行数据整合叠加,使得车辆尾气数据摈除大气中相关气体的影响,保证检测结果的精准性。
步骤S603,将所述车辆尾气数据、车辆信息以及气象信息进行数据整合叠加,并上传至车辆控制平台。
在本发明实施例中,当判断出待检测车辆的车辆尾气数据不符合国家制定的标准时,则将该待检测车辆的车辆信息以及当时检测时对应的气象信息上传至车辆控制平台,该车辆控制平台是指现有的车辆监控单位,其可对违规车辆发送警告、或者处罚通知等。车辆信息包含车辆标识信息如车牌等,通过车辆信息可以进一步获得车主身份信息,由车辆监控单位对该车辆信息进行记录,避免同一车辆反复违规,污染环境的问题反复发生。
本发明实施例提供的一种尾气遥测方法,当判断所述车辆尾气数据不符合预设车辆尾气排放标准时,获取与所述车辆尾气数据对应的气象信息以及所述待检测车辆的车辆信息;将所述车辆尾气数据、车辆信息以及气象信息进行数据整合叠加,并上传至车辆控制平台。本发明通过监控所有通行车辆的尾气排放情况,对尾气超标车辆进行标识,并上报车辆控制平台进行记录、警告以及处罚等处理,以在汽车工业发展和环境保护之间寻求新的平衡,杜绝汽车尾气排放污染问题。
图7为本发明实施例提供的另一种尾气遥测方法的实现流程图,其与上述实施例不同之处在于,所述尾气遥测方法还包括:
步骤S701,获取所述待检测车辆符合预设车辆尾气排放标准的车辆信息。
在本发明实施例中,所述车辆信息包括但不限于发动机转速、发动机扭矩、油耗、车速、发动机总运行时间、排气温度以及排气流量信息等。由于各种不同车辆信息的车辆对应的尾气排放标准有所区别,因此,通过获取所述待检测车辆符合预设车辆尾气排放标准的车辆信息,以此通过车辆信息以及预设车辆尾气检测模型来确定该待检测车辆对应的标准车辆尾气数据,将该标准车辆尾气数据作为该待检测车辆的车辆尾气数据的比较标准。
步骤S702,根据所述车辆信息以及预设的基于卷积神经网络建立的车辆尾气检测模型,确定标准车辆尾气数据。
在本发明实施例中,所述基于卷积神经网络建立的车辆尾气检测模型是通过预先采集的多个符合预设车辆尾气排放标准的车辆信息样本以及所述车辆信息样本对应的标准尾气排放数据样本经过卷积神经网络训练生成。
步骤S703,当判断所述车辆尾气数据以及标准车辆尾气数据之间的差值超过预设阈值时,则确定所述待检测车辆的尾气排放超标。
在本发明实施例中,预设阈值可以在具体实现时,根据***性能和/或实现需求等自行设定,本发明实施例对上述预设阈值的大小不作具体限定,比如举例来说,上述预设阈值可以为0.5%、1%、5%等。
本发明实施例提供的一种尾气遥测方法,通过获取所述待检测车辆符合预设车辆尾气排放标准的车辆信息;根据所述车辆信息以及预设的基于卷积神经网络建立的车辆尾气检测模型,确定标准车辆尾气数据;当判断所述车辆尾气数据以及标准车辆尾气数据之间的差值超过预设阈值时,则确定所述待检测车辆的尾气排放超标;由于预设的基于卷积神经网络建立的车辆尾气检测模型是通过符合预设车辆尾气排放标准的车辆信息样本以及所述车辆信息样本对应的标准尾气排放数据样本训练得到,可以用于表述符合预设车辆尾气排放标准的车辆信息与标准车辆尾气数据的一种隐含关系,本发明有效提高了标准车辆尾气数据的确定效率、车辆尾气排放是否超标的判断效率以及准确率。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种尾气遥测***,其特征在于,包括数据处理端以及与所述数据处理端通讯的摄像设备以及尾气遥测设备;
其中,所述摄像设备,用于获取待检测车辆的车辆排气口的位置信息,并将所述车辆排气口的位置信息发送至所述数据处理端;
所述数据处理端,用于根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成转动指令;将所述转动指令发送至所述尾气遥测设备;所述转动指令携带有转动角度信息;
所述尾气遥测设备,包括尾气检测光束,用于根据所述转动角度信息进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据,并将所述车辆尾气数据发送至所述数据处理端。
2.根据权利要求1所述的尾气遥测***,其特征在于,
所述数据处理端,还用于判断所述车辆尾气数据是否符合预设车辆尾气排放标准;当判断所述车辆尾气数据不符合预设车辆尾气排放标准时,获取与所述车辆尾气数据对应的气象信息以及所述待检测车辆的车辆信息;将所述车辆尾气数据、车辆信息以及气象信息进行数据整合叠加,并上传至车辆控制平台。
3.根据权利要求1所述的尾气遥测***,其特征在于,
所述数据处理端,还用于获取所述待检测车辆符合预设车辆尾气排放标准的车辆信息;根据所述车辆信息以及预设的基于卷积神经网络建立的车辆尾气检测模型,确定标准车辆尾气数据,所述基于卷积神经网络建立的车辆尾气检测模型是通过预先采集的多个符合预设车辆尾气排放标准的车辆信息样本以及所述车辆信息样本对应的标准尾气排放数据样本经过卷积神经网络训练生成;当判断所述车辆尾气数据以及标准车辆尾气数据之间的差值超过预设阈值时,则确定所述待检测车辆的尾气排放超标。
4.根据权利要求3所述的尾气遥测***,其特征在于,
所述车辆信息包括发动机转速、发动机扭矩、油耗、车速、发动机总运行时间、排气温度以及排气流量信息。
5.根据权利要求1所述的尾气遥测***,其特征在于,所述尾气遥测***还包括模型训练设备;
所述模型训练设备,用于生成预设的基于卷积神经网络建立的车辆尾气检测模型。
6.根据权利要求5所述的尾气遥测***,其特征在于,所述模型训练设备包括:
样本获取单元,用于获取多个符合预设车辆尾气排放标准的车辆信息样本以及所述车辆信息样本对应的标准尾气排放数据样本;
响应尾气排放数据确定单元,用于根据第一符合预设车辆尾气排放标准的车辆信息样本以及含有可变参数的卷积神经网络模型确定所述第一符合预设车辆尾气排放标准的车辆信息样本的第一响应尾气排放数据;
损失差异计算单元,用于计算所述第一尾气排放数据以及与所述第一符合预设车辆尾气排放标准的车辆信息样本对应的第一标准尾气排放数据之间的第一损失差异;
损失差异判断单元,用于判断多个符合预设车辆尾气排放标准的车辆信息样本的损失差异是否满足预设的条件;
模型调整单元,用于当判断所述多个符合预设车辆尾气排放标准的车辆信息样本的损失差异不满足预设的条件时,调整所述卷积神经网络模型中的可变参数,并返回至所述根据第一符合预设车辆尾气排放标准的车辆信息样本以及含有可变参数的卷积神经网络模型确定所述第一符合预设车辆尾气排放标准的车辆信息样本的第一响应尾气排放数据的步骤;以及
模型确定单元,用于当判断所述多个符合预设车辆尾气排放标准的车辆信息样本的损失差异满足预设的条件时,将当前所述含有可变参数的卷积神经网络模型确定为预设的基于卷积神经网络建立的车辆尾气检测模型。
7.一种尾气遥测方法,其特征在于,包括:
获取待检测车辆的车辆排气口的位置信息;
根据所述车辆排气口的位置信息以及当前尾气遥测设备的位置信息,生成转动指令,所述转动指令携带有转动角度信息;
根据所述转动角度信息对尾气检测光束的照射位置进行转动,以使所述尾气检测光束对准车辆排气口的位置进行尾气采集检测处理,获得车辆尾气数据。
8.根据权利要求8所述的尾气遥测方法,其特征在于,还包括:
判断所述车辆尾气数据是否符合预设车辆尾气排放标准;
当判断所述车辆尾气数据不符合预设车辆尾气排放标准时,获取与所述车辆尾气数据对应的气象信息以及所述待检测车辆的车辆信息;
将所述车辆尾气数据、车辆信息以及气象信息进行数据整合叠加,并上传至车辆控制平台。
9.根据权利要求8所述的尾气遥测方法,其特征在于,
获取所述待检测车辆符合预设车辆尾气排放标准的车辆信息;
根据所述车辆信息以及预设的基于卷积神经网络建立的车辆尾气检测模型,确定标准车辆尾气数据,所述基于卷积神经网络建立的车辆尾气检测模型是通过预先采集的多个符合预设车辆尾气排放标准的车辆信息样本以及所述车辆信息样本对应的标准尾气排放数据样本经过卷积神经网络训练生成;
当判断所述车辆尾气数据以及标准车辆尾气数据之间的差值超过预设阈值时,则确定所述待检测车辆的尾气排放超标。
10.根据权利要求9所述的尾气遥测方法,其特征在于,
所述车辆信息包括发动机转速、发动机扭矩、油耗、车速、发动机总运行时间、排气温度以及排气流量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011644628.7A CN112798552A (zh) | 2020-12-30 | 2020-12-30 | 一种尾气遥测***以及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011644628.7A CN112798552A (zh) | 2020-12-30 | 2020-12-30 | 一种尾气遥测***以及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112798552A true CN112798552A (zh) | 2021-05-14 |
Family
ID=75807572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011644628.7A Pending CN112798552A (zh) | 2020-12-30 | 2020-12-30 | 一种尾气遥测***以及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112798552A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726466A (zh) * | 2009-12-01 | 2010-06-09 | 康宇 | 多车道机动车尾气遥测装置 |
CN103712929A (zh) * | 2013-12-23 | 2014-04-09 | 南京新远见智能科技有限公司 | 一种机动车尾气监测*** |
KR101518968B1 (ko) * | 2014-03-28 | 2015-05-11 | (주)켄텍 | 운행 중인 차량의 배기가스 실시간 측정 장치 |
CN105259304A (zh) * | 2015-09-16 | 2016-01-20 | 张世达 | 一种车辆尾气污染物在线监测***和方法 |
CN107219330A (zh) * | 2017-04-27 | 2017-09-29 | 深圳市元征科技股份有限公司 | 汽车尾气监测方法、***及计算机可读存储介质 |
WO2017193672A1 (zh) * | 2016-05-09 | 2017-11-16 | 崔翠翠 | 汽车尾气中的一氧化氮处理方法及*** |
CN110516691A (zh) * | 2018-05-22 | 2019-11-29 | 杭州海康威视数字技术股份有限公司 | 一种车辆尾气检测方法和装置 |
CN110988273A (zh) * | 2019-12-27 | 2020-04-10 | 长安大学 | 一种自动尾气检测装置 |
CN111524344A (zh) * | 2020-03-25 | 2020-08-11 | 武汉纵横智慧城市股份有限公司 | 基于大数据的车辆排放监测方法、设备、存储介质及装置 |
CN111523419A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种机动车尾气排放视频检测方法和装置 |
-
2020
- 2020-12-30 CN CN202011644628.7A patent/CN112798552A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726466A (zh) * | 2009-12-01 | 2010-06-09 | 康宇 | 多车道机动车尾气遥测装置 |
CN103712929A (zh) * | 2013-12-23 | 2014-04-09 | 南京新远见智能科技有限公司 | 一种机动车尾气监测*** |
KR101518968B1 (ko) * | 2014-03-28 | 2015-05-11 | (주)켄텍 | 운행 중인 차량의 배기가스 실시간 측정 장치 |
CN105259304A (zh) * | 2015-09-16 | 2016-01-20 | 张世达 | 一种车辆尾气污染物在线监测***和方法 |
WO2017193672A1 (zh) * | 2016-05-09 | 2017-11-16 | 崔翠翠 | 汽车尾气中的一氧化氮处理方法及*** |
CN107219330A (zh) * | 2017-04-27 | 2017-09-29 | 深圳市元征科技股份有限公司 | 汽车尾气监测方法、***及计算机可读存储介质 |
CN110516691A (zh) * | 2018-05-22 | 2019-11-29 | 杭州海康威视数字技术股份有限公司 | 一种车辆尾气检测方法和装置 |
CN110988273A (zh) * | 2019-12-27 | 2020-04-10 | 长安大学 | 一种自动尾气检测装置 |
CN111524344A (zh) * | 2020-03-25 | 2020-08-11 | 武汉纵横智慧城市股份有限公司 | 基于大数据的车辆排放监测方法、设备、存储介质及装置 |
CN111523419A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种机动车尾气排放视频检测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110243762A (zh) | 机动车尾气遥测和监管***及自学习高排污车辆判定算法 | |
US7544943B2 (en) | Method and system for remote exhaust emission measurement | |
CN108414469B (zh) | 基于tdlas扫描收发一体式机动车尾气遥感测量装置及方法 | |
CN101726466B (zh) | 多车道机动车尾气遥测装置 | |
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 | |
Ortenzi et al. | A new method to calculate instantaneous vehicle emissions using OBD data | |
Zavala et al. | Emission factors of black carbon and co-pollutants from diesel vehicles in Mexico City | |
US10109118B2 (en) | Method for monitoring the operation of a sensor | |
CN111537412B (zh) | 排放监测装置、***及方法 | |
CN112834235B (zh) | 车辆尾气检测方法、装置、计算机设备以及可读存储介质 | |
US10337989B2 (en) | System and method to detect vehicle emissions noncompliance | |
CN104074580A (zh) | 对大气污染物中由汽车尾气排放产生的污染物的监控***及方法 | |
CN109238987B (zh) | 一种多光谱汽车尾气监测装置 | |
CN111122171A (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 | |
CN110634300A (zh) | 机动车尾气遥感监测*** | |
CN108648452A (zh) | 一种道路交通状态判断方法及交通态势监控中心 | |
Jaworski et al. | Assessment of the emission of harmful car exhaust components in real traffic conditions | |
CN111145556A (zh) | 黑烟车车牌识别方法、***、设备和可读存储介质 | |
CN112798552A (zh) | 一种尾气遥测***以及方法 | |
CN207636476U (zh) | 一种汽车尾气遥感检测*** | |
CN110749561A (zh) | 移动式机动车尾气遥测*** | |
CN110067624B (zh) | 用于对机动车中的内燃机进行排放监控的方法和装置 | |
CN211528314U (zh) | 重型汽车尾气排放跟车测试*** | |
Indrajuana et al. | Monitoring-based assessment of the NOx-emissions of a Renault Talisman and a Volkswagen Caddy | |
Kadijk et al. | NOx emissions of eighteen diesel Light Commercial Vehicles: Results of the Dutch Light-Duty road vehicle emission testing programme 2017 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210514 |
|
RJ01 | Rejection of invention patent application after publication |