在美國(guó)各地，人們對(duì)州和縣一級(jí)執(zhí)行的車輛尾氣檢查和維護(hù)計(jì)劃（I/M）的成本和效力提出了一些批評(píng)。作為回應(yīng)，工程與公共政策專業(yè)的博士Prithvi Acharya和他的顧問，土木與環(huán)境工程的Scott Matthews與公共政策專業(yè)的Paul Fischbeck合作。他們發(fā)明了一種新的方法，通過遠(yuǎn)程數(shù)據(jù)傳輸和機(jī)器學(xué)習(xí)來識(shí)別尾氣排放超標(biāo)的車輛，這種方法比目前的排放檢查程序既便宜又有效。
美國(guó)大多數(shù)州都要求車輛進(jìn)行定期尾氣檢查，以確保車輛的尾氣排放不超過標(biāo)準(zhǔn)，以保持空氣質(zhì)量。有些人可能不知道的是，現(xiàn)在排放量通常是通過汽車本身的車載診斷系統(tǒng)（OBD）測(cè)量的，車載診斷系統(tǒng)處理車輛所有數(shù)據(jù)。盡管該系統(tǒng)識(shí)別出的排放超標(biāo)有87%可能是真實(shí)的，但與實(shí)際排放的排氣管測(cè)量相比，它也有50%的錯(cuò)誤通過率。
隨著汽車作為智能設(shè)備越來越多地集成到物聯(lián)網(wǎng)（IoT）中，并且當(dāng)所有必要數(shù)據(jù)都存儲(chǔ)在車輛的OBD上時(shí)，州和縣政府再也沒有任何理由強(qiáng)迫司機(jī)來定期進(jìn)行尾氣檢查。為了消除這些不必要的成本并提高尾氣排放檢查和維護(hù)計(jì)劃（I/M）的有效性，Acharya、Matthews和Fischbeck在IEEE Transactions on Intelligent Transportation Systems上發(fā)表了他們最近的研究。
他們的新方法需要將數(shù)據(jù)直接從車輛發(fā)送到司機(jī)所在州或縣管理的云服務(wù)器上，從而無需定期檢查車輛。取而代之的是，這些數(shù)據(jù)將通過機(jī)器學(xué)習(xí)算法來運(yùn)行，這些算法可以識(shí)別出過度排放車輛中普遍存在的數(shù)據(jù)趨勢(shì)和代碼。（來源物聯(lián)之家）這意味著，大多數(shù)司機(jī)將不需要前往檢測(cè)場(chǎng)進(jìn)行現(xiàn)場(chǎng)檢查，除非他們的車輛數(shù)據(jù)顯示可能存在排放超標(biāo)，這時(shí)可以聯(lián)系他們來做進(jìn)一步的檢查和維護(hù)。
研究小組的工作不僅表明，可以通過更智能的尾氣排放檢查程序節(jié)省大量時(shí)間和成本，而且他們的研究還表明這些方法如何更加有效。他們用于識(shí)別車輛可能排放超標(biāo)的模型比目前的車載診斷系統(tǒng)準(zhǔn)確24%。這使其更便宜、要求更低，并且在減少車輛排放方面更有效。
這項(xiàng)研究可能會(huì)對(duì)目前實(shí)施尾氣排放檢查和維護(hù)計(jì)劃（I/M）的美國(guó)31個(gè)州的居民產(chǎn)生重大影響。隨著現(xiàn)有車輛年檢舉措面臨公眾的不斷批評(píng)，該團(tuán)隊(duì)提出了一種新穎的系統(tǒng)，該系統(tǒng)既能顯著降低成本，又能明顯提高減少車輛排放的有效性。他們的研究很可能會(huì)重新定義美國(guó)如何控制和減少汽車排放的檢測(cè)方式。
原作者：Dan Carroll, Carnegie Mellon University, Department of Civil and Environmental Engineering
編譯：iothome
