重型货车OBD数据分析
NOx对人体健康、大气环境、生态环境等都会造成相当的影响。机动车是NOx排放的主要贡献者。随着机动车电气化的推行和国家标准的提高，移动源排放的NOx已经有了极大的改善。然而，重型货车往往有较高的车身重量，燃烧柴油，并难以实现电动化，已经成为了移动源NOx排放的最主要来源。为控制重型货车的NOx排放，国家出台了国VI标准，规定所有新出厂的重型货车都必须安装OBD装置。在这样的背景下，完成了下列研究。
完成的工作/灵感来源
机动车能耗、排放机器学习建模
机动车能耗、排放模型是评估和管理交通污染的核心工具。运用模型对机动车排放和能耗的定量表征不但具有科学意义，更具有决策意义。然而，现有模型的建模方法论主要成型于二十年前，主流模型的建模思路均是通过少量的“代用参数”（速度、比功率等）对机动车排放和能耗进行表征。随着机器学习、人工智能技术的发展，数据驱动的模型开始在排放建模中展现出强大的潜力。此类模型不再局限于传统物理意义明确的单一参数，而是能够从高维、多源的运行与环境变量中自动学习出复杂的非线性映射关系，实现对排放行为更精细的刻画。这种方法在提升模型拟合精度的同时，也增强了模型在不同使用场景下的泛化能力。在这样的背景下，完成了以下工作：
机动车地方测试工况构建
作为国际通行的车辆能耗与排放评估体系，统一汽车测试工况（如国际通用的 WLTC、中国采用的 CLTC 等）是规范化的标准测试程序，其主要功能是通过模拟不同驾驶场景下的车辆运行状态，对机动车的燃油/电能消耗率、尾气排放量等核心指标进行科学测定与认证。在国家、国际层级上，当前的统一工况起着举足轻重的作用。然而，当研究视角切换到地区尺度时，统一工况便难以反映不同地区的差异。因此，需要构建足以反映某一地区车辆运动学特征的速度-时间曲线，即地方测试工况。基于上述背景，完成了两种驾驶循环的构建方法。