1. 我是CIO首页
  2. 新闻
  3. 汽车物流

通过物联网减少车辆排放和检查

车辆排放

在美国各地,人们对州和县一级执行的排放检查和维护(I / M)计划的成本和效力提出了一些批评。作为回应,工程和公共政策(EPP)博士学位。学生Prithvi Acharya及其顾问,土木与环境工程学院的Scott Matthews与EPP的Paul Fischbeck合作。他们创建了一种新的方法,该方法可以使用远程数据传输和机器学习来识别超排放车辆,该方法比当前的I / M程序更便宜,更有效。

美国的大多数州都要求乘用车进行定期排放检查,以确保车辆的废气排放不超过车辆制造时设定的标准,从而保持空气质量。有些人可能不知道,如今通过汽车来测量排放量的度量标准通常是由汽车本身通过处理车辆所有数据的车载诊断(OBD)系统进行测量的。实际上,这些排放测试正在检查车辆的“检查发动机灯”是否点亮。尽管此系统识别出的过度排放很可能是真实的87%,但与实际排放的尾管测试相比,它也有50%的过度排放错误通过率。

随着汽车作为智能设备越来越多地集成到物联网(IoT)中,当所有必要数据存储在其车辆的OBD上时,州和县级行政部门就不再有理由强迫驾驶员进行常规I / M检查。 为了消除这些不必要的成本并提高I / M程序的效率,Acharya,Matthews和Fischbeck在IEEE Transactions on Intelligent Transportation Systems上发表了他们最近的研究。

他们的新方法需要将数据直接从车辆发送到由驾驶员居住的州或县管理的云服务器,从而无需定期进行检查。取而代之的是,数据将通过机器学习算法来运行,该算法识别出数据过剩车辆中普遍存在的数据趋势和代码。这意味着,除非驾驶员的车辆数据表明车辆可能过度排放,否则大多数驾驶员将无需向检查现场报告,此时可以联系他们进行进一步检查和维护。

该团队的工作不仅表明可以通过更智能的排放检查程序节省大量时间和成本,而且他们的研究还表明了这些方法如何更加有效。他们用于识别可能过度排放的车辆的模型比当前的OBD系统准确24%。这使其更便宜,要求更少,并且在减少车辆排放方面更有效。

这项研究可能会对目前实施I / M计划的美国31个州和无数县的领导人和居民产生重大影响。随着这些举措面临环境放松管制和财政紧缩的支持者的批评,该团队提出了一个新颖的系统,该系统有望显着降低成本并显着提高减少车辆排放的有效性。他们的研究可能很好地重新定义了在美国如何监管和减少汽车排放的测试范例。

本文为作者 新然 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论