[發(fā)明專利]基于自監(jiān)督表征網(wǎng)絡(luò)的異常時(shí)序序列檢測方法及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202211066771.1
• 申請日: 2022-09-01
• 公開（公告）號: CN115439956A
• 公開（公告）日: 2022-12-06
• 發(fā)明（設(shè)計(jì)）人: 許鎮(zhèn)義;王仁軍;康宇;曹洋
• 申請（專利權(quán)）人: 合肥綜合性國家科學(xué)中心人工智能研究院（安徽省人工智能實(shí)驗(yàn)室）
• 主分類號: G07C5/08
• 分類號: G07C5/08;G06N3/04;G06N3/08;G06K9/62;G01D21/02
• 代理公司: 合肥天明專利事務(wù)所(普通合伙) 34115
• 代理人: 苗娟

本發(fā)明的一種基于自監(jiān)督表征網(wǎng)絡(luò)的異常時(shí)序序列檢測方法及存儲介質(zhì)，包括以下步驟，S1：抽取道路移動(dòng)源OBD數(shù)據(jù)集，并預(yù)處理；S2：構(gòu)建時(shí)序行駛工況數(shù)據(jù)集；將污染物NOx濃度和其他特征屬性組成多維度的OBD工況時(shí)序數(shù)據(jù)集，按照時(shí)間戳整理出連續(xù)時(shí)間段的排放序列；S3：構(gòu)建高排放濃度序列識別模型，具體為構(gòu)建一種基于自監(jiān)督表征網(wǎng)絡(luò)的異常時(shí)序序列檢測模型。本發(fā)明結(jié)合OBD數(shù)據(jù)集中多元車輛運(yùn)行屬性信息，避免了外界因素對監(jiān)測環(huán)境的干擾，為獲取真實(shí)排放狀況數(shù)據(jù)提供了前提。同時(shí)，采用基于重構(gòu)的方法劃分高排放的和正常排放的序列的表征。解決同類的基于深度學(xué)習(xí)方法因行駛工況豐富多變、排放表征學(xué)習(xí)能力不足而造成的高排放源識別準(zhǔn)確率低的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及環(huán)境監(jiān)測技術(shù)領(lǐng)域，具體涉及一種基于自監(jiān)督表征網(wǎng)絡(luò)的異常時(shí)序序列檢測方法。

背景技術(shù)

隨著國民經(jīng)濟(jì)水平的提升，機(jī)動(dòng)車保有量逐年提高，隨之而來的是尾氣排放對城市空氣質(zhì)量構(gòu)成了嚴(yán)重威脅。其中，數(shù)量占比較低的高排放類別移動(dòng)源往往貢獻(xiàn)了車輛排放總量的大部分。因此，實(shí)現(xiàn)對高排放移動(dòng)源的精準(zhǔn)識別與篩查是十分必要的，同時(shí)為相關(guān)治理政策的制定提供一定的依據(jù)。

現(xiàn)有的高排放源篩查手段主要依賴于車輛年檢站，即規(guī)定每半年或一年的檢測周期內(nèi)，要求車輛通過安裝有固定尾氣排放監(jiān)測裝置的路段，然后與固定的排放標(biāo)準(zhǔn)進(jìn)行比較，最后判定車輛的排放類別。例如遙感檢測裝置，雖然它可以在不干擾道路車輛正常行駛的情況下同時(shí)對多個(gè)車輛進(jìn)行檢測，但是其監(jiān)測的瞬時(shí)結(jié)果對外界因素(如風(fēng)速、溫度、空氣濕度等)的影響十分敏感。同時(shí)，考慮到周期性檢測成本高、耗時(shí)長，因而不能頻繁進(jìn)行檢測，增加了檢測結(jié)果的隨機(jī)性和偶然性。

車載診斷系統(tǒng)(On-Board Diagnostic,OBD)是一種車載式運(yùn)行監(jiān)測裝置，它可以實(shí)時(shí)監(jiān)測發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)和尾氣排放等數(shù)據(jù)。因其具有移動(dòng)便捷、成本低廉、體積小巧等特點(diǎn)，近些年逐漸應(yīng)用到車輛排放檢測中。相較于傳統(tǒng)的排放檢測裝置，OBD能夠在不受環(huán)境因素影響的條件下連續(xù)時(shí)間記錄車輛的尾氣排放和發(fā)動(dòng)機(jī)參數(shù)等數(shù)據(jù)特征，很大程度上避免了瞬時(shí)檢測結(jié)果帶來的不確定性，為高排放道路移動(dòng)源的準(zhǔn)確識別與篩查提供了更加穩(wěn)定的數(shù)據(jù)基礎(chǔ)。

發(fā)明內(nèi)容

鑒于以上實(shí)際問題和技術(shù)背景，本發(fā)明采用數(shù)據(jù)驅(qū)動(dòng)的方法，利用OBD數(shù)據(jù)的NOx排放濃度、發(fā)動(dòng)機(jī)轉(zhuǎn)速和實(shí)際輸出扭矩等信息，提出了一種基于自監(jiān)督表征網(wǎng)絡(luò)的異常時(shí)序序列檢測方法。具體地，實(shí)現(xiàn)對時(shí)序狀態(tài)下車輛高排放濃度序列的準(zhǔn)確識別，需要解決因行駛工況豐富多變導(dǎo)致的排放濃度序列間的差異問題：(1)正常與正常排放濃度序列之間差異性較大；(2)正常與異常排放濃度序列之間相似性較大，可用于時(shí)序行駛工況下高排放道路移動(dòng)源的識別與篩查。

為實(shí)現(xiàn)上述目的，本發(fā)明采用了以下技術(shù)方案：

一種基于自監(jiān)督表征網(wǎng)絡(luò)的異常時(shí)序序列檢測方法，包括以下步驟，S1：抽取道路移動(dòng)源OBD數(shù)據(jù)集，并預(yù)處理；

S2：構(gòu)建時(shí)序行駛工況數(shù)據(jù)集；將污染物NOx濃度和其他特征屬性組成多維度的OBD工況時(shí)序數(shù)據(jù)集，按照時(shí)間戳整理出連續(xù)時(shí)間段的排放序列；

S3：構(gòu)建高排放濃度序列識別模型，具體為構(gòu)建一種基于自監(jiān)督表征網(wǎng)絡(luò)的異常時(shí)序序列檢測模型。

進(jìn)一步的，步驟S1中具體包括采集數(shù)輛機(jī)動(dòng)車多日連續(xù)時(shí)間段內(nèi)的車載診斷系統(tǒng)實(shí)時(shí)監(jiān)測數(shù)據(jù)，其中包含時(shí)間戳、后處理下游NOx值、發(fā)動(dòng)機(jī)轉(zhuǎn)速、實(shí)際輸出扭矩百分比、油門踏板開度、發(fā)動(dòng)機(jī)瞬時(shí)噴油量、發(fā)動(dòng)機(jī)瞬時(shí)燃油消耗率、經(jīng)緯度這些特征屬性；

上述步驟S1中預(yù)處理具體細(xì)分為如下步驟：

S11：對于抽取得到的車輛OBD數(shù)據(jù)集中存在的空值，刪除其所對應(yīng)的整行數(shù)據(jù)；

S12：根據(jù)車輛實(shí)際排放狀況將數(shù)個(gè)OBD數(shù)據(jù)集人為劃分為“正常排放”和“高排放”標(biāo)簽；

S13：對數(shù)據(jù)集使用歸一化處理，表達(dá)為：