技术领域
[0001] 本发明属于车辆检测技术领域，特别涉及一种针对临时安装三元催化器的尾气检测作弊行为检测方法。
相关背景技术
[0002] 随着机动车数量的快速增长，我国大气污染呈现由煤烟向煤烟和机动车尾气混合型污染转变的趋势。机动车尾气排放造成的污染在空气污染中所占的比重呈现逐年上升趋势。机动车尾气主要的污染物包括括CO、NO、N02等，每一种污染物排放量也随之逐年增加。车辆长期排放不达标，既日益加重空气污染、恶化大气环境，又影响人体健康，威胁到了人类的生存，而且损坏车辆、增加油耗。因此，机动车尾气检测至关重要。
[0003] 在机动车尾气检测过程中，为了临时降低机动车尾气中的污染物排放浓度，出现了多种作弊手段。有违法人员在机动车排气管内临时塞入短时强效三元催化器，例如涂覆了少量三元催化剂的“钢丝球”。三元催化剂的成分比较贵重，“钢丝球”涂覆的有效成分都比较低。即以临时通过机动车环保检测为主要目的，是常见的作弊手段之一。
[0004] 目前出现了一些自动检测尾气检测作弊行为的方法和装置。如申请公布号CN108763966A的中国发明专利公开了一种尾气检测作弊监管系统及方法，识别无效的检测数据；对于出现无效数据的检测过程进行停止；直接与检测仪器进行对接，读取历史记录，直接与上传到服务器的记录进行对比，判断出数据是否篡改；通过数据分析和人工介入的方式，识别异常数据；对检测数据中的核心指标进行分类和学习，寻找频繁重复的数据模式，进行人工筛查；通过关联算法，利用分析过程数据与结果数据、车辆属性及检测结果数据的关联关系，对于不符合的规则进行预警。该专利仅是利用检测结果等数据，难以有效识别临时安装的短时强效三元催化器，漏检率和误检率较高。
[0005] 因此，现有的识别这类“钢丝球”的主要方法还是为人眼识别和使用探杆检测排气管内是否有“钢丝球”。这种方法存在诸多问题：1.机动车排气管的位置、气道形状并不统一，依靠人力检测效率低下。2.机动车排气管排出污染气体，检测人员长期靠近检查对身体不好。3.机动车运行过程中排气管是高温部件，检测人员贴近观测有被烫伤的安全风险。4.已经发现有人将“钢丝球”进行了升级，植入机动车三元催化装置内部，更加隐蔽和难以依靠人力发现。
具体实施方式
[0096] 为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施例对本发明作详细说明。
[0097] 实施例1
[0098] 本发明的实施例提供了一种针对临时安装三元催化器的尾气检测作弊行为检测方法及系统，如图1所示，其包括以下步骤：
[0099] 步骤1：收集机动车检测历史数据。对机动车检测历史数据进行预处理，包括检查数据完整性和一致性，处理可能存在的缺失数据、异常值或重复数据；对时间戳进行格式化和统一，以确保时间序列的正确性和可比性。
[0100] 步骤2：根据车型筛选所述历史数据，然后根据每款车型筛选出的历史数据确定该款车型的污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值。
[0101] 所述车型通过机动车特征确定，所述机动车特征包括车辆品牌、行驶总里程数、车辆型号、最大总质量、发动机型号、发动机排量、驱动类型中的至少一种。
[0102] 四个阈值可按如下方法分别做合理数值的设定：
[0103] (1)污染物排放浓度变化率阈值的确定方法为：为采样数值拟合线性回归模型，通过设定变化率阈值的方式来限定变化范围，识别出那些上升趋势更加剧烈的检测记录。
[0104] 对筛选出的所述历史数据中的某污染物排放浓度的采样序列(x1,y1),(x2,y2),…,(xi,yi)，记yi为第i个时间点的污染物浓度，xi为对应的时间点，可以简化为xi＝1，为筛选出的所述历史数据中每一条某污染物排放浓度构建线性回归模型：
[0105] yi＝β0+β1xi+∈i
[0106] 其中：β0是截距项，∈i是误差项，β1是斜率，反映了污染物浓度随时间的变化趋势。
[0107] 所述污染物排放浓度变化率阈值θ取所有β1的平均值。
[0108] 需要检测排放浓度的污染物包括CO、NOx等，每种污染物都需要分别计算所述污染物排放浓度变化率阈值θ。
[0109] (2)发动机油温阈值的确定方法为：计算筛选出的所述历史数据中的油温数据的整体平均值和标准差，设置阈值筛选油温偏高的记录。
[0110] 设集合S1i为所有筛选出的所述历史数据中的油温值，计算整体平均值：
[0111]
[0112] 再计算整体标准差：
[0113]
[0114] 所述发动机油温阈值为：
[0115] T1＝μ1+2δ1。
[0116] (3)尾气排气流量阈值的确定方法为：计算筛选出的所述历史数据中的尾气排气流量数据的整体平均值和标准差，设置阈值筛选油温偏高的记录。
[0117] 设集合S2i为所有筛选出的所述历史数据的尾气排气流量值，计算整体平均值：
[0118]
[0119] 再计算整体标准差：
[0120]
[0121] 尾气排气流量阈值为：
[0122] T2＝μ2+2δ2。
[0123] (4)发动机工况阈值的确定方法为：
[0124] 若发动机熄火，其转速为0。相应的，发动机工况阈值Z为0。
[0125] 步骤3：获取机动车检测过程数据，确定车型，将所述机动车检测过程数据与该款车型的污染物排放浓度变化率、发动机油温、尾气排气流量、发动机工况的阈值进行比对，若满足检测标准中的至少3个，则判定存在安装临时三元催化器的作弊行为嫌疑，若只满足检测标准中的0‑2个，则判定不存在安装临时三元催化器的作弊行为嫌疑。
[0126] 所述检测标准为：
[0127] a.所述机动车检测过程数据的污染物排放浓度变化率高于所述污染物排放浓度变化率阈值。此检测标准用于判定污染物浓度上升较为剧烈。需要注意的是需要检测多种污染物，每种污染物对应一个污染物排放浓度变化率阈值，当有一种污染物排放浓度变化率高于该污染物排放浓度变化率阈值，则认为满足本检测标准。
[0128] b.所述机动车检测过程数据的发动机油温的平均值高于所述发动机油温阈值。此检测标准用于判定发动机油温偏高。
[0129] c.所述机动车检测过程数据的尾气排气流量平均值低于所述尾气排气流量阈值。此检测标准用于判定尾气排气流量数值偏低。
[0130] d.所述机动车检测过程数据的发动机转速出现落在所述发动机工况阈值的情况，即发动机在检测过程中熄火。正常情况下，机动车检测过程数据的采样序列中任意第i个时间点的发动机转速均应大于0。
[0131] 步骤4：对判定存在安装临时三元催化器的作弊行为嫌疑的机动车进行人工直接审查，核定是否存在作弊行为。人工复检，找出机动车中安装的临时三元催化器。
[0132] 为了验证本实施例的准确性，做了以下试验。
[0133] 1.车型选取：车辆品牌：大众帕萨特，行驶总里程数：5万‑10万公里，发动机型号：EA888，发动机排量：2.0T，驱动类型：前置驱动。
[0134] 2.确定阈值：根据车型对机动车检测历史数据进行筛选，然后进行数据的预处理，之后保留了时间最近的3000条历史数据，并据此计算出污染物排放浓度变化率阈值、发动机油温阈值和尾气排气流量阈值。其中，污染物排放浓度变化率阈值为三个，分别对应CO、HC和NOx。
[0135] 3.机动车选取：由于试验本身对机动车具有危害性，我们只选取了10辆该款车型的机动车，分别记为A1‑A10。
[0136] 4.试验1：按照常规方法对A1‑A10进行机动车尾气检测，分别获取机动车检测过程数据，并与污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值进行比对，结果为A1‑A10均未满足任意检测标准。
[0137] 5.试验2：在A1‑A8的排气管内部安装涂覆了少量三元催化剂的“钢丝球”，在A9和A10的机动车三元催化装置内部安装涂覆了少量三元催化剂的“钢丝球”。再按照常规方法对A1‑A10进行机动车尾气检测，分别获取机动车检测过程数据，并与污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值进行比对，结果如表1。
[0138] 表1作弊行为检测结果表
[0139] A1 A2 A3 A4 A5 A6 A7 A8 A9 A10高于污染物排放浓度变化率阈值 √ √ √ √ √ √ √ √ √ √
高于发动机油温阈值 √ × √ √ √ √ √ √ √ √
低于尾气排气流量阈值 √ √ √ √ × √ √ √ × √
落在发动机工况阈值 √ √ × × √ × × √ √ √
[0140] 另外，我们还将3000条历史数据分别与污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值进行比对，高于所述污染物排放浓度变化率阈值42条，高于所述发动机油温阈值59条，低于所述尾气排气流量阈值7条，落在所述发动机工况阈值3条，任意一条历史数据均未出现满足至少3个检测标准中的情况。
[0141] 6.结果分析：本方法将安装有临时三元催化器的作弊行为的10辆机动车均检测出来，检测的准确率达到了100％，而对于未安装临时三元催化器的3000辆机动车，均判定不存在作弊行为。本方法不存在漏检、错检的情况，能够满足临时三元催化器的检测要求。
[0142] 实施例2
[0143] 本发明的实施例还提供了针对临时安装三元催化器的尾气检测作弊行为检测系统，如图2所示，包括阈值计算单元1、数据采集单元2和检测单元3，所述检测单元3分别与所述阈值计算单元1、数据采集单元2连接。
[0144] 阈值计算单元1，用于根据车型筛选机动车检测历史数据，确定每款车型的污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值。阈值计算单元1与现有机动车尾气检测系统通讯，可以获取机动车尾气检测系统中存储的机动车检测历史数据。机动车检测历史数据进行预处理后，根据机动车特征对机动车检测历史数据进行筛选，筛选出某款车型对应的所有历史数据，再根据历史数据计算出该款车型的污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值。将该款车型对应的机动车特征、污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值传输至检测单元3。由于机动车检测历史数据随机动车检测数量的增加而不断变化，需要定期进行更新，重新计算每款车型的污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值。更新周期可以设置为一天、一周或一个月等。
[0145] 所述阈值计算单元1包括历史数据预处理单元11、历史数据筛选单元12、污染物排放浓度变化率阈值计算单元13、发动机油温阈值计算单元14、尾气排气流量阈值计算单元15和发动机工况阈值计算单元16，所述历史数据预处理单元11与历史数据筛选单元12连接，所述历史数据筛选单元12分别与所述污染物排放浓度变化率阈值计算单元13、发动机油温阈值计算单元14、尾气排气流量阈值计算单元15和发动机工况阈值计算单元16连接。
[0146] 所述历史数据预处理单元11对机动车检测历史数据进行预处理，所述预处理包括处理缺失数据、异常值和重复数据，对时间戳进行格式化和统一。
[0147] 所述历史数据筛选单元12根据车型筛选预处理后的所述机动车检测历史数据，所述车型通过机动车特征确定，所述机动车特征包括车辆品牌、行驶总里程数、车辆型号、最大总质量、发动机型号、发动机排量、驱动类型中的至少一种。
[0148] 所述污染物排放浓度变化率阈值计算单元13的计算过程为：
[0149] 对筛选出的所述历史数据中的某污染物排放浓度的采样序列(x1,y1),(x2,y2),…,(xi,yi)，记yi为第i个时间点的污染物浓度，xi为对应的时间点，为筛选出的所述历史数据中每一条某污染物排放浓度构建线性回归模型：
[0150] yi＝β0+β1xi+∈i
[0151] 其中：β0是截距项，∈i是误差项，β1是斜率，
[0152] 计算所有β1的平均值作为所述污染物排放浓度变化率阈值θ。
[0153] 所述发动机油温阈值计算单元14的计算过程为：
[0154] 设集合S1i为所有筛选出的所述历史数据中的油温值，计算整体平均值：
[0155]
[0156] 再计算整体标准差：
[0157]
[0158] 所述发动机油温阈值为：
[0159] T1＝μ1+2δ1。
[0160] 所述尾气排气流量阈值计算单元15的计算过程为：
[0161] 设集合S2i为所有筛选出的所述历史数据的尾气排气流量值，计算整体平均值：
[0162]
[0163] 再计算整体标准差：
[0164]
[0165] 所述尾气排气流量阈值为：
[0166] T2＝μ2+2δ2。
[0167] 所述发动机工况阈值计算单元16的计算过程为：
[0168] 若发动机熄火，其转速为0，所述发动机工况阈值Z为0。
[0169] 数据采集单元2，用于获取某一机动车检测过程数据。数据采集单元2与现有机动车尾气检测系统通讯，从现有机动车尾气检测系统中获取一次具体的机动车检测过程数据。
[0170] 检测单元3，用于确定所述机动车检测过程数据对应的车型，并将所述机动车检测过程数据与该款车型的所述污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值进行比对，判定是否存在安装临时三元催化器的作弊行为嫌疑。
[0171] 所述数据采集单元2从机动车尾气检测系统中获取机动车检测过程数据后，传输给所述检测单元3。所述检测单元3根据机动车检测过程数据中的机动车特征确定该机动车检测过程数据对应的车型，然后从所述阈值计算单元1调取与该款车型对应的污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值，将机动车检测过程数据与该款车型的上述四个阈值进行比对，若满足以下四个检测标准中的4个或任意3个，则判定存在安装临时三元催化器的作弊行为嫌疑，进行报警提示，提醒检测人员。由检测人员复检，进行人工直接审查，核定该机动车是否存在作弊行为，即核定机动车中是否安装了临时三元催化器。
[0172] 所述检测标准为：
[0173] a.所述机动车检测过程数据的污染物排放浓度变化率高于所述污染物排放浓度变化率阈值，
[0174] b.所述机动车检测过程数据的发动机油温的平均值高于所述发动机油温阈值，[0175] c.所述机动车检测过程数据的尾气排气流量平均值低于所述尾气排气流量阈值，[0176] d.所述机动车检测过程数据的发动机转速出现落在所述发动机工况阈值的情况。
[0177] 实施例3
[0178] 本发明的实施例还提供了针对临时安装三元催化器的尾气检测作弊行为检测系统，如图3所示，在实施例2的基础上还包括机动车特征选择单元4，所述机动车特征选择单元4与所述阈值计算单元1连接。
[0179] 所述机动车特征选择单元4用于确定每款车型对应的数量最少的机动车特征，所述机动车特征选择单元4采用全连接神经网络模型，其输入为不满足检测标准中的至少3个的预处理后的所述机动车检测历史数据，其输出为机动车特征。
[0180] 某款车型对应的机动车特征若包括车辆品牌、行驶总里程数、车辆型号、最大总质量、发动机型号、发动机排量、驱动类型中的全部，其对应的机动车检测历史数据的数量相对较少，影响阈值的准确性。机动车特征选择单元4可以减少车型对应的机动车特征的数量，变相扩大机动车检测历史数据的样本数量，提高污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值的准确性。
[0181] 机动车检测历史数据输入阈值计算单元1，进行预处理后，根据某款车型对应的七个机动车特征(车辆品牌、行驶总里程数、车辆型号、最大总质量、发动机型号、发动机排量、驱动类型)对机动车检测历史数据进行筛选，然后计算该款车型对应的污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值。
[0182] 该款车型对应的污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值，以及预处理后的所述机动车检测历史数据传输至所述机动车特征选择单元4，所述机动车特征选择单元4从预处理后的所述机动车检测历史数据中筛选出4个检测标准均不满足的机动车检测历史数据，作为输入，经全连接神经网络模型计算后，输出机动车特征(数量少于七个)，传输至所述阈值计算单元1。
[0183] 所述阈值计算单元1将从所述机动车特征选择单元4输入的机动车特征与车型相对应，重新对机动车检测历史数据进行筛选，然后计算该款车型对应的污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值。再将该款车型对应的机动车特征、污染物排放浓度变化率阈值、发动机油温阈值、尾气排气流量阈值和发动机工况阈值传输至所述检测单元3。
[0184] 实施例4
[0185] 本发明的实施例还提供了一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现上述的针对临时安装三元催化器的尾气检测作弊行为检测方法。
[0186] 以上通过实施例对本发明进行了详细说明，但所述内容仅为本发明的示例性实施例，不能被认为用于限定本发明的实施范围。本发明的保护范围由权利要求书限定。凡利用本发明所述的技术方案，或本领域的技术人员在本发明技术方案的启发下，在本发明的实质和保护范围内，设计出类似的技术方案而达到上述技术效果的，或者对申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖保护范围之内。
