一种多车道水平式尾气遥测设备数据处理方法技术

本发明专利技术公开了一种多车道水平式尾气遥测设备数据处理方法，该方法主要包括以下步骤：利用尾气遥测设备对机动车尾气排放数据进行远程采集，同时采集其他影响因素，包括：机动车的车型、速度与加速度，以及当前时间、天气、温度、湿度、压强，风向与风速，并对远程采集到的机动车尾气排放数据分别进行预处理；将所测尾气排放浓度数据分为十个等级，取每个等级范围的中值作为该等级的尾气排放浓度，利用深度神经网络对所得样本数据进行训练，得到训练模型；当出现机动车并排行驶的情况时，根据所测机动车的车型、速度与加速度，以及当前时间、天气、温度、湿度、压强，风向与风速，通过所建立的模型得到该机动车的排放浓度。

Data processing method of multi Lane level type tail gas telemetering equipment

The invention discloses a multi Lane horizontal exhaust telemetry equipment data processing method, the method includes the following steps: acquisition of vehicle emission data using exhaust telemetry equipment, simultaneous acquisition of other influence factors, including: models, velocity and acceleration of the vehicle, as well as the current time, weather, temperature, humidity, pressure, wind direction and wind speed, and the remote acquisition of the vehicle emission data were pretreated respectively; the measured emission concentration data are divided into ten levels, each level range as the median exhaust emission concentration level, the training of the sample by the depth of the neural network, training model; when when the vehicle traveling side by side, according to the models, the measured vehicle speed and acceleration, and the current time Weather, temperature, humidity, pressure, wind direction and wind speed, the emission concentration of the vehicle was obtained by the established model.

【技术实现步骤摘要】
一种多车道水平式尾气遥测设备数据处理方法
本专利技术涉及一种多车道水平式尾气遥测设备数据处理方法，属于城市路网机动车尾气实时遥感监

技术介绍
机动车污染已成为我国空气污染的重要来源，是造成灰霾、光化学烟雾污染的重要原因，机动车污染防治的紧迫性日益凸显。而目前对于在用机动车的尾气检测，广泛使用的方法有四类：无负荷测试方法(包括怠速法和双怠速法)、工况法(稳态工况法、瞬态工况法和简易瞬态工况法)、遥感检测方法以及车载尾气检测技术。传统检测方法在城市中机动车检测领域得到广泛使用，并且效果很好。但是离线检测方法通过模拟机动车行驶状态来检测尾气，无法准确地反映出尾气排放状况。尾气遥测设备利用多种机动车尾气检测器对路网中每一辆机动车进行尾气检测，实现了机动车尾气的实时在线监测，为控制机动车尾气排放总量、实现节能减排、治理城市大气污染、改善人居环境，提供了监测数据方面的支持。尾气遥测设备是一种应用遥测技术来测量由汽车尾气排气污染物高低的一种装置，它的原理是通过排气污染物引起的长距离光度的变化的一种检测仪器。使用时将该仪器放在道路两侧，由仪器发出一束横穿道路的光，当汽车从该仪器经过时，汽车所排出的尾气会使光束的特性发生变化，从而检测出该汽车的尾气排放的尾气污染物的高低，它是在不影响汽车的正常行驶下完成的。目前国内外的汽车尾气遥测仪采用的光源有下面三种，红外可调谐二极管激光器(TDL)、不分光红外线吸收型(NDIR)传感器及紫外氘灯的光，对于点燃式发动机汽车排气污染物排放气体中的CO、CO2、HC、NO四种气体含量进行测量。这种检测汽车尾气的方法是目前世界上最先进的方法，由中国专利200910241681.X可知，目前的多车道机动车尾气遥测装置实际上是水平式尾气遥测设备，采取非接触式测量方法，可以在不妨碍正常交通的情况下，检测各机动车的各类尾气排放数据，具有检测效率高(每小时最多可以检测三千多辆车)，不影响机动车正常行驶，防止舞弊和能较真实反映机动车道路实际排放状况等突出优点。但从该专利中可以看出，该设备目前可以获取单向或双向多车道路面机动车行驶的实时状况,准确获取短时间内多车道上只有一辆车行驶时的多种尾气浓度，因此，当出现多车并排行驶情况时，系统会自动检测并判定此时所测得数据无效，然而在实际生活中，尤其在经常发生交通拥堵的城市交通道路上，多车并排行驶情况所测得的数据往往占据着一大部分比例，这就使得系统不得不舍去大量测量数据，一方面降低了多车道遥感监测系统的测量效率，另一方面也使得所测数据并不能很好地反映出所测路段的机动车尾气排放情况，因此解决多车道遥感监测系统的并排行驶机动车数据处理问题，对于提高系统测量效率和测量准确率，具有重要意义。
技术实现思路
为了解决现有技术存在的问题，本专利技术的目的在于提供一种多车道水平式尾气遥测设备数据处理方法，对尾气遥测设备处理机动车并排行驶情况下无法处理数据的问题进行了改进，解决多车道尾气遥测设备的并排行驶机动车数据处理问题，对于提高系统测量效率和测量准确率；同时利用深度神经网络对样本数据进行训练，对机动车尾气浓度的预测也较为准确。本专利技术技术解决方案：一种多车道水平式尾气遥测设备数据处理方法包括以下步骤：(1)利用尾气遥测设备对各机动车的尾气排放浓度进行远程采集，同时采集机动车尾气排放浓度的影响因素，包括：机动车的车型、速度与加速度，以及当前时间、当前天气、当前温度、当前湿度、当前压强，当前风向与风速，并对远程采集到的机动车尾气排放浓度及机动车尾气排放浓度的影响因素数据分别进行预处理，构成样本数据；(2)将机动车尾气排放浓度分为k个等级，取每个等级范围的中值作为该等级的尾气排放浓度，利用深度神经网络方法建立深度神经网络模型，对步骤(1)所得样本数据进行训练；(3)基于步骤(2)所建立的深度神经网络模型，当尾气遥测设备的控制和数据分析处理单元判定出现机动车并排行驶情况时，根据步骤(1)所测机动车的车型、速度与加速度，以及当前时间、当前天气、当前温度、当前湿度、当前压强，当前风向与风速，通过所建立的深度神经网络模型得到该机动车的尾气排放浓度。步骤2中，所述深度神经网络模型由四层约束玻兹曼机(RBM)组成，深度神经网络的结构表示为N-1000-500-250-10，其中，N表示样本数据维数，1000、500、250、10分别代表第一到四层的神经元个数。所述四层RBM网络模型，每层均为自编码网络，分为编码和解码两部分，其中编码部分的映射函数为f(x)，解码部分的映射函数为g(x)，其都是由高度非线性sigmoid函数组成。步骤(1)中，所述数据的预处理为：将机动车尾气排放浓度数据随机分为k个等级，得到每个样本数据的初始聚类标签L＝[l1，l2，…，lN]，其中N表示样本数据的数量，l表示样本数据的聚类标签。步骤(2)中所述四层RBM网络模型，加入该模型特征层的类内约束函数的新的目标函数表示为：其中，c*是对应第i个样本数据xi的在特征空间的聚类中心，X是输入样本数据的集合，X′＝g(f(x))，是输出样本数据的集合，λ为权重系数，ft(xi)为第t次迭代时第i个样本数据xi在特征层的表达式，表示类内约束函数。步骤(3)中，根据尾气遥测设备所测图像，当判定出现机动车并排行驶情况时，设并排行驶机动车数为M，将其中(M-1)辆机动车样本数据带入所建立的四层RBM网络模型，即可预测该(M-1)辆机动车的尾气排放浓度，尾气遥测设备所测总排放浓度减去该(M-1)辆机动车排放浓度之和，即可得到第M辆机动车尾气排放浓度，至此，所有机动车尾气排放浓度测量完成。步骤(2)中，k的个数取决于精度要求，k为正整数，一般取5～50之间。本专利技术与现有技术相比的有益效果在于：(1)对尾气遥测设备无法处理机动车并排行驶情况下数据的问题进行了改进，之前只能测量多车道上只有一辆机动车行驶时的尾气排放浓度，现在可以测量多辆机动车行驶时，各机动车各自的尾气排放浓度。(2)多车道机动车道路往往意味着较大车流量，车辆并排行驶情况出现概率极高，之前尾气遥测设备无法测量该情况下机动车尾气排放浓度，意味着舍弃了大部分情况，无法准确反应该道路机动车尾气排放浓度情况，因此，本专利技术对尾气遥测设备进行的改进，提高了多车道水平式尾气遥测设备的测量效率，使之能准确反映所测量道路的机动车尾气排放情况；(3)本专利技术利用深度神经网络对样本数据进行训练，对机动车尾气浓度的预测较为准确。附图说明图1为本专利技术方法的流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本专利技术进一步详细说明。如图1所示，本专利技术一种多车道水平式尾气遥测设备数据处理方法具体实现步骤如下。1.利用尾气遥测设备对各机动车的尾气排放浓度进行远程采集，同时采集其影响因素，包括：机动车的车型、速度与加速度，以及当前时间、天气、温度、湿度、压强，风向与风速，并对远程采集到的数据分别进行预处理，构成样本数据。2.本专利技术采用深度神经网络方法进行分类。传统的分类主要包括空间映射，选取分类中心并分组，更新分类中心等三部分。在此基础上，本专利技术采用深度神经网络模型的非线性映射将原始数据映射至特征空间，然后在特征空间分组并计算每组均值作为分类中心，在此基础上对深度神本文档来自技高网...

【技术保护点】
一种多车道水平式尾气遥测设备数据处理方法，其特征在于包括以下步骤：(1)利用尾气遥测设备对各机动车的尾气排放浓度进行远程采集，同时采集机动车尾气排放浓度的影响因素，包括：机动车的车型、速度与加速度，以及当前时间、当前天气、当前温度、当前湿度、当前压强，当前风向与风速，并对远程采集到的机动车尾气排放浓度及机动车尾气排放浓度的影响因素数据分别进行预处理，构成样本数据；(2)将机动车尾气排放浓度分为k个等级，取每个等级范围的中值作为该等级的尾气排放浓度，利用深度神经网络方法建立深度神经网络模型，对步骤(1)所得样本数据进行训练；(3)基于步骤(2)所建立的深度神经网络模型，当尾气遥测设备的控制和数据分析处理单元判定出现机动车并排行驶情况时，根据步骤(1)所测机动车的车型、速度与加速度，以及当前时间、当前天气、当前温度、当前湿度、当前压强，当前风向与风速，通过所建立的深度神经网络模型得到该机动车的尾气排放浓度。

【技术特征摘要】
1.一种多车道水平式尾气遥测设备数据处理方法，其特征在于包括以下步骤：(1)利用尾气遥测设备对各机动车的尾气排放浓度进行远程采集，同时采集机动车尾气排放浓度的影响因素，包括：机动车的车型、速度与加速度，以及当前时间、当前天气、当前温度、当前湿度、当前压强，当前风向与风速，并对远程采集到的机动车尾气排放浓度及机动车尾气排放浓度的影响因素数据分别进行预处理，构成样本数据；(2)将机动车尾气排放浓度分为k个等级，取每个等级范围的中值作为该等级的尾气排放浓度，利用深度神经网络方法建立深度神经网络模型，对步骤(1)所得样本数据进行训练；(3)基于步骤(2)所建立的深度神经网络模型，当尾气遥测设备的控制和数据分析处理单元判定出现机动车并排行驶情况时，根据步骤(1)所测机动车的车型、速度与加速度，以及当前时间、当前天气、当前温度、当前湿度、当前压强，当前风向与风速，通过所建立的深度神经网络模型得到该机动车的尾气排放浓度。2.根据权利要求1所述的多车道水平式尾气遥测设备数据处理方法，其特征在于：步骤2中，所述深度神经网络模型由四层约束玻兹曼机(RBM)组成，深度神经网络模型的结构表示为N-1000-500-250-10，其中，N表示样本数据维数，1000、500、250、10分别代表第一到四层的神经元个数。3.根据权利要求2所述的多车道水平式尾气遥测设备数据处理方法，其特征在于：所述四层RBM网络模型，每层均为自编码网络，分为编码和解码两部分，其中编码部分的映射函数为f(x)，...

【专利技术属性】
技术研发人员：康宇，岳龙川，李泽瑞，陈绍冯，昌吉，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34