買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國測試技術研究院聲學研究所申請的專利基于機動車尾氣的大氣污染分析方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120509604B 。

龍圖騰網通過國家知識產權局官網在2025-09-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510976781.6，技術領域涉及：G06Q10/063；該發明授權基于機動車尾氣的大氣污染分析方法及系統是由王曉龍;謝榮基;陳政;冷婷;邱東利;陳旭;鐘守君;江東;吳濤設計研發完成，并于2025-07-16向國家知識產權局提交的專利申請。

本基于機動車尾氣的大氣污染分析方法及系統在說明書摘要公布了：本發明公開了基于機動車尾氣的大氣污染分析方法及系統，包括根據車輛工況確定尾氣采集量進行尾氣采集獲得汽車尾氣特征，構建尾氣預測模型，采集車流監測圖像和大氣監測指標，進行圖像處理并構建車輛知識圖譜，確定綜合汽車尾氣特征并構建大氣指標預測模型，根據待分析區域的區域特征選取代表性監測點，獲取代表性監測點的預測大氣指標，根據所述預測大氣指標和對應參考指標計算監測污染評分，根據所述區域特征確定密度權重，根據各代表性監測點污染評分和密度權重確定待分析區域的大氣污染評分及大氣污染等級。該方法不僅可以提高大氣污染分析的效率和準確性，同時具有較好的可解釋性，可以直接應用于大氣污染分析系統中。

本發明授權基于機動車尾氣的大氣污染分析方法及系統在權利要求書中公布了：1.基于機動車尾氣的大氣污染分析方法，其特征在于，包括以下步驟： S1、根據車輛工況確定尾氣采集量進行尾氣采集，對采集的尾氣進行分析獲得汽車尾氣特征；所述車輛工況包括第一車輛工況和第二車輛工況；所述第一車輛工況包括耗能類型、品牌型號；所述品牌型號與發動機參數對應；所述第二車輛工況為車載參數，包括車速、轉速和負載，通過車載OBD系統獲取； S2、根據所述車輛工況和所述汽車尾氣特征構建尾氣預測模型，采集車流監測圖像和大氣監測指標，進行圖像處理獲得車流特征和車輛統計集，根據所述第二車輛工況和所述車流特征構建車輛知識圖譜； S3、根據所述汽車尾氣特征和所述車輛統計集確定綜合汽車尾氣特征，根據所述綜合汽車尾氣特征、所述大氣監測指標和對應的環境狀態構建大氣指標預測模型； S4、根據待分析區域的區域特征選取代表性監測點，將代表性監測點的車流特征輸入所述車輛知識圖譜獲得預測第二車輛工況，根據代表性監測點車輛統計集獲得預測第一車輛工況，根據所述尾氣預測模型獲得預測綜合汽車尾氣特征； S5、將所述預測綜合汽車尾氣特征輸入所述大氣指標預測模型獲得預測大氣指標，根據所述預測大氣指標和對應參考指標計算監測污染評分，根據所述區域特征確定密度權重，根據各代表性監測點污染評分和密度權重確定待分析區域的大氣污染評分及大氣污染等級； 所述選取代表性監測點的方法，包括： 將待分析區域劃分成多個正方形網格，獲取每個網格內的區域特征，將每個網格內的道路交匯點作為待定監測點；所述區域特征包括路網密度、人員密度和路口車流量； 當網格的路網密度小于第一路網密度閾值時，選取與網格中心最近的待定監測點為代表性監測點，當網格的路網密度大于第一路網密度閾值時，在網格內對待定監測點進行格點搜索確定兩個代表性監測點，當網格的路網密度大于第二路網密度閾值時，在網格內對待定監測點進行格點搜索確定三個代表性監測點； 所述進行格點搜索的方法，包括： 根據待分析區域所有網格的區域特征和監測點距離確定格點搜索目標函數： 其中為搜索目標函數，為區域特征權重，為成本權重，為通過格點搜索確定的代表性監測點集合，為所有的代表性監測點集合，為代表性監測點鄰域最近的5個監測點集合，為由代表性監測點延伸出去的道路集合，為監測點對應格點的代表性監測點數量，為監測點對應格點內待定監測點數量，為監測點處的車流量，為監測點鄰域監測點的車流量，為標準人口密度，為以監測點為圓心、100m半徑區域內的人口密度，為100m半徑圓形區域面積，為代表性監測點延伸出去的道路的寬度，為以監測點為圓心、100m半徑區域內道路的長度，為監測點布設距離成本，為代表性監測點到的距離； 將需進行格點搜索的所有待定監測點定義為粒子種群，選取離中心點最近的一個待定監測點和最遠的一個或兩個待定監測點對應位置為初始種群最優位置，將粒子種群劃分為核心群A和輔助群B，并進行粒子編碼；所述核心群A的粒子位于網格中心0.3km半徑區域內，用于進行全局探索；所述輔助群B的粒子位于網格中心0.3km半徑區域外，用于進行局部優化； 根據粒子種群分別更新學習因子，表達式為： 其中種群的個體學習因子，為種群的群體學習因子，，為當前迭代次數，為最大迭代次數，為種群的個體學習因子最大值，為種群的個體學習因子中間值，為種群的個體學習因子最小值，為種群的群體學習因子最大值，為種群的群體學習因子中間值，為種群的群體學習因子最小值； 根據學習因子更新粒子速度和位置，表達式為： 其中為迭代時種群中粒子的速度，為迭代時種群中粒子的位置，為慣性權重，為種群中個體的適應度極值對應位置，為粒子種群適應度極值對應位置； 根據更新后的種群最優位置計算搜索目標函數進行收斂判斷，根據判斷結果進行量子退火擾動，表達式為： 其中為旋轉角度，為以種群最優位置對應監測點為圓心、100m半徑區域內的路網密度，為最大路網密度，為歷史最優種群位置計算的搜索目標函數，為第迭代最優種群位置計算的搜索目標函數，為退火接受度，為第迭代的溫度，為退火溫度衰減系數； 保留每代前10名最優解，根據最小化搜索目標函數和最大化覆蓋度函數篩選最優解，隨種群進行交叉變異操作；所述覆蓋度函數為，為所有的代表性監測點間距離的標準差；所述交叉操作具體為兩點交換；所述變異操作具體為高斯變異； 重復上述操作一直迭代且每5代傳遞精英粒子，直到達到最大迭代次數或搜索目標函數連續3代減小率小于0.1%時停止迭代輸出最優代表性監測點；所述每5代傳遞精英粒子具體操作為采用核心群A的全局最優粒子更新輔助群B粒子，采用輔助群B的局部最優粒子更新核心群A粒子。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國測試技術研究院聲學研究所，其通訊地址為：610021 四川省成都市成華區玉雙路10號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。