重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (1): 176-184.doi: 10.3969/j.issn.1674-8425(z).2020.01.025

• 能源动力环境 • 上一篇    下一篇

数据挖掘技术在乘用车排放状态分析中的应用

阮文就１，２，储江伟１，李洪亮１   

  1. １．东北林业大学 交通学院，哈尔滨 １５００４０；２．越南林业大学，越南 河内 １０００００
  • 收稿日期:2018-10-16 发布日期:2020-02-16
  • 作者简介:阮文就，男，越南河内，博士研究生，讲师，主要从事汽车排放污染控制理论与方法研究，Ｅｍａｉｌ：ｎｖｔｕｕ＠ｎｅ ｆｕ．ｅｄｕ．ｃｎ；通讯作者 储江伟，男，博士，教授，主要从事汽车运行品质控制理论与方法研究，Ｅｍａｉｌ：ｃｊｗ＿６２ ＠１６３．ｃｏｍ。
  • 基金资助:
    黑龙江省生态建设与节能减排专项基金资助项目（２０１３０１０６１）

  • Received:2018-10-16 Published:2020-02-16

PDF (PC)

165

赞

摘要： 基于 ＡＳＭ５０２５和 ＡＳＭ２５４０检测工况的乘用车排放检测数据，应用数据挖掘技 术的决策树算法，建立基于使用年限与车辆排放状态的 ３个不同数据挖掘模型，分析使用年限 与乘用车的高排放状态比例的关系。通过数据挖掘结果的对比分析发现，随着使用年限的增 加，乘用车的高排放状态比例呈阶段性、阶梯状、递增型分布；在使用年限为 ０～３ａ和 ３～６ａ的 使用年限区间，基于 ＡＳＭ５０２５与 ＡＳＭ２５４０检测工况的高排放车辆比例相差不大且最低；在使 用年限为 ６～９ａ和 ９～１２ａ的使用年限阶段，基于 ＡＳＭ５０２５检测工况的高排放车辆比例是 ＡＳＭ２５４０检测工况的 １．６～１．９倍。此外，随着汽车排放标准的加严，基于 ＡＳＭ５０２５检测工况 和 ＡＳＭ２５４０检测工况的高排放车辆比例都呈现出显著的阶段性降低的趋势，从国Ⅰ阶段的 ８％ 和 ４．２９％逐渐下降为国Ⅳ阶段的 ０．８３％和 ０．９３％。

关键词: 数据挖掘, 决策树算法, 乘用车, 高排放, 使用年限

中图分类号: 

  • Ｕ４７３．９