[发明专利]一种基于激光雷达和摄影测量的车辆污染物排放量实时监测方法

权利要求书

1.一种基于激光雷达和摄影测量的车辆污染物排放量实时监测方法，其特征在于，采用离线测量和建模的方式，在一种型号的汽车上安装了GPS运动状态测量仪（2）和汽车尾气污染物测量仪（3），获得每秒间隔的汽车速度、加速度、道路坡度和尾气污染物排放量，将尾气污染物排放量作为因变量，将汽车的速度、加速度和道路坡度作为自变量，采用神经网络建立了自变量与因变量之间的精确预测模型；在交通十字路口，安装了四个数字摄像机和一个多普勒扫描激光雷达（4），可获得整个十字路口区域内的所有汽车的型号以及每秒间隔的速度、加速度和道路坡度值；将获得的汽车每秒间隔的速度、加速度和道路坡度值带入获得的神经网络模型中，获得在该交通十字路口中所有车辆每秒间隔的尾气污染物排放量实时预测值。

2.按照权利要求1所述的一种基于激光雷达和摄影测量的车辆污染物排放量实时监测方法，其特征在于，所述GPS运动状态测量仪（2），包括GPS接收天线（2.1）、GPS数据处理器（2.2）、RS232串口接口（2.3）、外部数据输入接口模块（2.4）；在所述GPS运动状态测量仪（2）中，由所述GPS接收天线（2.1）监测至少4颗以上的同步卫星信号发送的通信数据，送入所述GPS数据处理器（2.2）中，计算出所述被测汽车（1）的空间位置、速度和加速度值；将所述汽车尾气污染物测量仪（3）安装在汽车的尾气排放管上，进行尾气污染物排放量的实时测量；所述汽车尾气污染物测量仪（3）的测量值通过所述GPS运动状态测量仪（2）的所述外部数据输入接口模块（2.4）进行测量，由所述GPS运动状态测量仪（2）中的GPS每秒间隔的时钟同步信号，同步采集每秒间隔的汽车尾气污染物排放量值。

3.按照权利要求1所述的一种基于激光雷达和摄影测量的车辆污染物排放量实时监测方法，其特征在于，采用B-P神经网络，建立了车辆尾气的污染物排放量与汽车运动速度、加速度及道路坡度的精确拟合模型，其中，神经网络的输入层有三个神经元，对应三个输入参数，分别为车辆每秒间隔的速度、加速度和道路坡度；神经网络的输出有6个神经元，对应六个输出参数，分别为六种车辆尾气污染物的排放量数值，即CO、NOx、HC、P_b、PM_2.5、以及SO₂；神经网络有两个中间层，第一个中间层含有11个神经元，第二个中间层有5个神经元；设输出误差不大于10^-6，通过神经网络的离线学习过程，可确定6个尾气污染物排放量与车辆速度、加速度和道路坡度三个参数之间的神经网络模型；在获得了此神经网络模型后，当给神经网络模型输入车辆速度、加速度和道路坡度三个参数的实时值时，可快速计算出此时对应的车辆尾气6个污染物的排放量数值；对不同型号的车辆，分别获得车辆的速度、加速度和道路坡度以及尾气污染物的排放量值，采用神经网络建模，可获得各型号的车辆的速度、加速度及道路坡度与车辆尾气污染物排放量之间的精确拟合模型。