买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国测试技术研究院声学研究所申请的专利基于机动车尾气的大气污染分析方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120509604B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510976781.6，技术领域涉及：G06Q10/063；该发明授权基于机动车尾气的大气污染分析方法及系统是由王晓龙;谢荣基;陈政;冷婷;邱东利;陈旭;钟守君;江东;吴涛设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于机动车尾气的大气污染分析方法及系统在说明书摘要公布了：本发明公开了基于机动车尾气的大气污染分析方法及系统，包括根据车辆工况确定尾气采集量进行尾气采集获得汽车尾气特征，构建尾气预测模型，采集车流监测图像和大气监测指标，进行图像处理并构建车辆知识图谱，确定综合汽车尾气特征并构建大气指标预测模型，根据待分析区域的区域特征选取代表性监测点，获取代表性监测点的预测大气指标，根据所述预测大气指标和对应参考指标计算监测污染评分，根据所述区域特征确定密度权重，根据各代表性监测点污染评分和密度权重确定待分析区域的大气污染评分及大气污染等级。该方法不仅可以提高大气污染分析的效率和准确性，同时具有较好的可解释性，可以直接应用于大气污染分析系统中。

本发明授权基于机动车尾气的大气污染分析方法及系统在权利要求书中公布了：1.基于机动车尾气的大气污染分析方法，其特征在于，包括以下步骤： S1、根据车辆工况确定尾气采集量进行尾气采集，对采集的尾气进行分析获得汽车尾气特征；所述车辆工况包括第一车辆工况和第二车辆工况；所述第一车辆工况包括耗能类型、品牌型号；所述品牌型号与发动机参数对应；所述第二车辆工况为车载参数，包括车速、转速和负载，通过车载OBD系统获取； S2、根据所述车辆工况和所述汽车尾气特征构建尾气预测模型，采集车流监测图像和大气监测指标，进行图像处理获得车流特征和车辆统计集，根据所述第二车辆工况和所述车流特征构建车辆知识图谱； S3、根据所述汽车尾气特征和所述车辆统计集确定综合汽车尾气特征，根据所述综合汽车尾气特征、所述大气监测指标和对应的环境状态构建大气指标预测模型； S4、根据待分析区域的区域特征选取代表性监测点，将代表性监测点的车流特征输入所述车辆知识图谱获得预测第二车辆工况，根据代表性监测点车辆统计集获得预测第一车辆工况，根据所述尾气预测模型获得预测综合汽车尾气特征； S5、将所述预测综合汽车尾气特征输入所述大气指标预测模型获得预测大气指标，根据所述预测大气指标和对应参考指标计算监测污染评分，根据所述区域特征确定密度权重，根据各代表性监测点污染评分和密度权重确定待分析区域的大气污染评分及大气污染等级； 所述选取代表性监测点的方法，包括： 将待分析区域划分成多个正方形网格，获取每个网格内的区域特征，将每个网格内的道路交汇点作为待定监测点；所述区域特征包括路网密度、人员密度和路口车流量； 当网格的路网密度小于第一路网密度阈值时，选取与网格中心最近的待定监测点为代表性监测点，当网格的路网密度大于第一路网密度阈值时，在网格内对待定监测点进行格点搜索确定两个代表性监测点，当网格的路网密度大于第二路网密度阈值时，在网格内对待定监测点进行格点搜索确定三个代表性监测点； 所述进行格点搜索的方法，包括： 根据待分析区域所有网格的区域特征和监测点距离确定格点搜索目标函数： 其中为搜索目标函数，为区域特征权重，为成本权重，为通过格点搜索确定的代表性监测点集合，为所有的代表性监测点集合，为代表性监测点邻域最近的5个监测点集合，为由代表性监测点延伸出去的道路集合，为监测点对应格点的代表性监测点数量，为监测点对应格点内待定监测点数量，为监测点处的车流量，为监测点邻域监测点的车流量，为标准人口密度，为以监测点为圆心、100m半径区域内的人口密度，为100m半径圆形区域面积，为代表性监测点延伸出去的道路的宽度，为以监测点为圆心、100m半径区域内道路的长度，为监测点布设距离成本，为代表性监测点到的距离； 将需进行格点搜索的所有待定监测点定义为粒子种群，选取离中心点最近的一个待定监测点和最远的一个或两个待定监测点对应位置为初始种群最优位置，将粒子种群划分为核心群A和辅助群B，并进行粒子编码；所述核心群A的粒子位于网格中心0.3km半径区域内，用于进行全局探索；所述辅助群B的粒子位于网格中心0.3km半径区域外，用于进行局部优化； 根据粒子种群分别更新学习因子，表达式为： 其中种群的个体学习因子，为种群的群体学习因子，，为当前迭代次数，为最大迭代次数，为种群的个体学习因子最大值，为种群的个体学习因子中间值，为种群的个体学习因子最小值，为种群的群体学习因子最大值，为种群的群体学习因子中间值，为种群的群体学习因子最小值； 根据学习因子更新粒子速度和位置，表达式为： 其中为迭代时种群中粒子的速度，为迭代时种群中粒子的位置，为惯性权重，为种群中个体的适应度极值对应位置，为粒子种群适应度极值对应位置； 根据更新后的种群最优位置计算搜索目标函数进行收敛判断，根据判断结果进行量子退火扰动，表达式为： 其中为旋转角度，为以种群最优位置对应监测点为圆心、100m半径区域内的路网密度，为最大路网密度，为历史最优种群位置计算的搜索目标函数，为第迭代最优种群位置计算的搜索目标函数，为退火接受度，为第迭代的温度，为退火温度衰减系数； 保留每代前10名最优解，根据最小化搜索目标函数和最大化覆盖度函数筛选最优解，随种群进行交叉变异操作；所述覆盖度函数为，为所有的代表性监测点间距离的标准差；所述交叉操作具体为两点交换；所述变异操作具体为高斯变异； 重复上述操作一直迭代且每5代传递精英粒子，直到达到最大迭代次数或搜索目标函数连续3代减小率小于0.1%时停止迭代输出最优代表性监测点；所述每5代传递精英粒子具体操作为采用核心群A的全局最优粒子更新辅助群B粒子，采用辅助群B的局部最优粒子更新核心群A粒子。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国测试技术研究院声学研究所，其通讯地址为：610021 四川省成都市成华区玉双路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。