
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于整合的车载数据与气象数据的车辆级多策略NOx排放预测基准测试
《Scientific Reports》:Vehicle-level multi-strategy benchmarking of NOx emission forecasting using integrated onboard and meteorological data
【字体: 大 中 小 】 时间:2026年06月28日 来源:Scientific Reports 4.9
编辑推荐:
摘要重型车辆排放的氮氧化物对环境和健康构成重大威胁,尤其是在交通密度较高的城市地区。本研究基于巴西的实际车队数据,并结合插值后的气象变量,构建了一种多策略比较预测框架,用于预测氮氧化物排放量。预处理流程通过时间与空间插值方法,整合了车载传感器数据、行程元数据以及气象站数据,其中还
重型车辆排放的氮氧化物对环境和健康构成重大威胁,尤其是在交通密度较高的城市地区。本研究基于巴西的实际车队数据,并结合插值后的气象变量,构建了一种多策略比较预测框架,用于预测氮氧化物排放量。预处理流程通过时间与空间插值方法,整合了车载传感器数据、行程元数据以及气象站数据,其中还采用了克里金法。研究评估了线性回归、随机森林、XGBoost和LSTM四种回归模型在单步预测、递归预测、多输出预测以及直接逐时段预测四种策略下的表现。结果表明,预测性能取决于预测策略与车辆类型的共同作用。在所研究的案例中,多输出策略使LSTM在长时段预测中的表现最为稳定,相对误差更低,不过方差解释能力仍与预测策略相关。在最佳的单步预测配置下,LSTM的MAPE值为10.28%。调整后平均速度是最重要的预测因子,而气象变量仅在特定条件下才能提升预测精度。通过将巴西的车载连续数据与克里金法实现的时空气象插值相结合,本研究为实际多时段条件下的车辆级氮氧化物预测提供了可重复的基准测试框架。