文献

J-GLOBAL ID：202202273699325991   整理番号：22A0731486

路上リモートセンシングと機械学習を用いた軽量ガソリン自動車排出物の迅速評価【JST・京大機械翻訳】

Rapid assessments of light-duty gasoline vehicle emissions using on-road remote sensing and machine learning

著者 (18件)： Xia Yan (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Jiang Linhui (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Wang Lu (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Chen Xue (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Ye Jianjie (Bytedance Inc., Hangzhou, Zhejiang 310058, PR China) ,  Hou Tangyan (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Wang Liqiang (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Zhang Yibo (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Li Mengying (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Li Zhen (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Song Zhe (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Jiang Yaping (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Liu Weiping (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Li Pengfei (College of Science and Technology, Hebei Agricultural University, Baoding, Hebei 071000, PR China) ,  Rosenfeld Daniel (Institute of Earth Sciences, The Hebrew University of Jerusalem, Jerusalem, Israel) ,  Seinfeld John H. (Division of Chemistry and Chemical Engineering, California Institute of Technology, Pasadena, CA 91125, USA) ,  Yu Shaocai (Research Center for Air Pollution and Health, Key Laboratory of Environmental Remediation and Ecological Health, Ministry of Education, College of Environment and Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310058, PR China) ,  Yu Shaocai (Division of Chemistry and Chemical Engineering, California Institute of Technology, Pasadena, CA 91125, USA)
資料名： Science of the Total Environment  (Science of the Total Environment)
巻： 815  ページ： Null  発行年： 2022年 
JST資料番号： C0501B  ISSN： 0048-9697  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 路上車両排出の時間と正確な評価は,都市大気質と健康政策決定において中心的役割を果たす。しかし,公式の洞察は,実験室で毎年行われた検査/保全(I/M)手順によって妨げられる。それは,実世界状況(例えば気象条件)に対する大きなギャップを持つだけでなく,規則的な監視もできない。ここでは,道路リモートセンシング(ORRS)測定が車両同定数とライセンスプレートに基づくI/M記録にリンクしている103,831軽量ガソリン車を含むユニークなデータセットを構築した。これに基づき,ニューラルネットワーク(NN),極値勾配ブースティング(XGBoost),ランダムフォレスト(RF)を含む3つの機械加工学習アルゴリズムを統合するアンサンブルモデルフレームワークを開発した。このアンサンブルモデルは車両固有の排出(すなわち,CO,HC,およびNO)を迅速に評価できることを示した。特に,このモデルは,通常の条件(すなわち,より低いVSP(<18kw/t),温度(6~32°C),相対湿度(<80%),および風速(<5m/s))の下で,通過する車両に対して,非常に良好に機能したものである。”そのモデル”は,低いVSP(<18kw/t),温度(6~32°C),相対湿度(<80%),および風速(<5m/s)であった。現在の排出基準と共に,実世界における多数の「ジ(2.33%)または「クリーン(74.92%)の車両を同定した。著者らの結果は,ここで開発した機械学習ベースのアンサンブルモデルによって支援されたORRS測定が,路上車両特有の排出の日々の監視を実現できることを示した。このアプローチフレームワークは,世界的にI/M手順を改革し,都市大気汚染を深く緩和する貴重な機会を提供する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 大気汚染 ,  風速 ,  *自動車 ,  保全 ,  相対湿度 ,  道路 ,  ニューラルネットワーク ,  気象条件 ,  *リモートセンシング ,  排出基準 ,  *ガソリン自動車 ,  ライセンス ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： ランダムフォレスト ,  都市大気汚染 , 【Automatic Indexing@JST】

著者キーワード (4件)： 路上リモートセンシング ,  機械学習 ,  自動車排出 ,  迅速評価

分類 (4件)： 大気汚染一般  (SB03010B) ,  粒状物調査測定  (SB03060E) ,  有害ガス調査測定  (SB03050T) ,  気圏環境汚染  (SB03020M)

タイトルに関連する用語 (6件)： リモートセンシング ,  機械学習 ,  軽量 ,  ガソリン自動車 ,  排出物 ,  迅速評価