【泰达观点】北京理工大学刘鹏：重型柴油车远程排放监控数据分析技术与应用探索

2021-09-05 14:59

2021年9月3日-5日，由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社联合主办，天津经济技术开发区管理委员会特别支持，日本汽车工业协会、德国汽车工业协会联合协办的第十七届中国汽车产业发展（泰达）国际论坛（以下简称泰达汽车论坛）在天津市滨海新区召开。本届论坛围绕“融合•创新•绿色”的年度主题，聚焦行业热点话题展开研讨。

在9月5日10:15～10:35 “热点聚焦：汽车网联化监管与生态构建”中，北京理工大学副教授、新能源汽车国家大数据联盟副秘书长刘鹏发表了题为“重型柴油车远程排放监控数据分析技术与应用探索”的演讲。

北京理工大学副教授、新能源汽车国家大数据联盟副秘书长刘鹏

以下为演讲实录：

很荣幸能够参加泰达论坛，我一直以来是从事新能源汽车的大数据监管工作，刚好有一个平台技术，我们也是承建重型柴油车远程排放监管的应用，也做一些技术支撑。

今天分享的是重型柴油车远程排放监控数据分析技术与应用探索。今天主要是分三个板块做工作分享。全国的保有量2.81亿辆机动车汽车占比占74%，超过了90%的排放。重型车仅占4.2%，但是排放85%和65%两个数字尤其是柴油车的排放达到了88.9%和99%以上。

从政策来说，从2018年开始陆续出台了很多的政策，商用车出台了一些标准和要求，明确了2021年的正式实施国六的要求，今年7月1日开始必须安全国国6b的要求的实施，否则是违法的。在整个重型柴油车远程排放监控体系里面重要的依据是2018年发布的GB17691的强制标准，也参考了现有的成熟体系。从架构上还是按照国家、地方、企业三级的架构体系。在这里面和新能源汽车比较大的差异是数据防篡改的备案。在卖车之前需要确认，然后加密的动作后续实现企业平台到国家平台的数据传输的流程。国家平台还有一个地方平台的交互管理，核心是把所有的重型车的本身使用过程中跨境或者是跨省应用比较多，对于当地的属地管理需要地方进行管理，所以由国家平台针对于跨省运行的车辆进行本地化的平台输出便于后续的监管。从标准这块，已经发布了重型车的远程排放监控技术规范，第一部分是总则，还有平台技术要求和终端和通信的要求。

在技术分析体系这块也是沿用了新能源汽车监管平台的同源，已实现了540万辆车的接入。核心在数据的采集和系统的构建还有上层的分析，在业务应用对数据的排放油品加油站进行管理。

在这个体系架构里面第一个是数据的治理，在这个过程中，采集来的数不一定准确，因为车的原因、终端的原因和网络与平台的原因都会对数据的质量造成影响。而基于数据的所有的应用核心基础是高质量的可靠数据对于这一块来说我们一个核心。在此基础上是算法的研究，在已有数据的基础上针对应用的需求进行一个顶层的计算。第二是数据的质量分析包括对于质量问题的定位，包括定位以后对于后续的输出。这个是从标准里面技术规范里面涉及到的一些数据项，包括整车的实时数据，包括发动机的实时数据还有静态数据和OBD的数据。基本上可以做到一车一单的标准化监管，做到全生命周期的数据管理。第一个核心是数据质量，这一块也是针对新能源汽车从2011年到2016年的过程中，我们见证了数据分析和应用过程中的需求，同时也看到了数据质量提升的进步。对于国6的监管计划我们参考了原有的分析经验，做了一个从数据采集开始针对排放数据的评价和标准体系，同时对于数据质量进行质量的画像支撑后续的数据应用。对于数据质量这块做简单的介绍核心是6大项，包括发动机的OBD传感器终端、数据采集和传输等六个板块。按照缺失率、越界率和无效率进行评估，数据的缺失，越界率是我们每一项都是有一个限制，无效率是终端采集属于无效值的时候会也会造成影响，但是个别数据的影响不影响整体的评估，这也是分析过程中，为什么进行多项分析，毕竟对质量的评估是有差异的。按照三个纬度，重要性和指标跨度和区分度进行一些梳理对后续的评测评价进行准确精准的把握。我们也建立了一个标准化的可视化的平台，希望给各个企业在车辆的数据存在问题的时候可以由一个准确的定位，毕竟国6的排放直接决定了重型车上路以后是否会因为数据质量不好导致最后车辆排放超标的误判从而影响生产。

第二个是典型应用场景，一个是基于国6的环保检测现实需求，第一块是针对油品的质量，对于油品质量的评估，直接确定油品质量特别差的，比如说黑加油站。第二个是车辆超载的识别，发动机的数据和停车的点位数据已有，可以形成好的监管措施和手段。另外对于高排放车辆的识别，比如说车型的安全在排放过程中的管控手段。还有车辆的故障相关问题

第三个是加油站的行为识别，加油的油线的提取，通过对加油点的点位进行明确，匹配以后形成加油站的值，我们判定一个加油站之后就需要和工商备案进行梳理判定需求。另外对于油品质量的分析，实际上是对加油之后排放是否发生一个变化进行确认，在这里面需要考虑几个因素，包括尿素的液位和大气压力的判定，这个加油站对排放值影响很大，通过这个可以逐步判定全国加油站的加油点的油品质量进行评估。国6商用车的油品也需要达到要求。

第四是运行特征和上线行驶等，这个是整个重型柴油车的使用特征分析，包括它的上线率，用行驶里程等进行分析。还有故障的一些分析，这一块更多的是基于两项标准里面的一些标准的解析数据库，形成一个不同的标线，给整个故障形成一个画像。

最后一个是停驻点的一个识别。还有一些质量的计算还有功率的分布特性进行车辆质量的评估，因为只有在装货卸货过程中会存在重量的一个大差异，这种差异可以确认为这个点是常驻的停驻点，便于执法部门准确的找到核心的点位，进行相应的排放核查。

这是目前的做的基本工作。在这些工作中还有很多的不够，从7月1日正式接入还不到100万辆车。我们做了一些优化方向。第一个是停驻点识别算法，需要增加一些纬度，融合之后进行评估评判。还有往后延续去做一些服务方面，针对于车货匹配等工作也可以基于车辆的数据和货的数据融合。在排放分析，我们还会考虑工况、行使历程、故障码结合排放特征进行关联分析以及尿素合格性。在故障方面我们做了一些现有的标准，还有一些逐步形成的国内体系，让后续的故障溯源更加清晰明确，更好的支撑我们的工作。

以上就是我的分享也希望后续通过我们的一些技术力量能给行业做一份贡献。