一、背景及意义
 

國(guó)V及國(guó)六排放标准实施以来，我國(guó)柴油車(chē)主要采用(yòng)选择性催化还原的技术路線(xiàn)，在使用(yòng)中需要加注尿素降低氮氧化物(wù)的排放量。很(hěn)多(duō)車(chē)主出于成本因素，采用(yòng)多(duō)种作弊方式使氮氧化物(wù)控制装置失效或采用(yòng)劣质尿素水溶液。同时，据行业协会对京津冀及周边地區(qū)重型柴油货車(chē)油箱油品抽样调查，柴油样品符合标准的不足9%，其中硫含量平均超标110倍，最高超标800倍，超标情况触目惊心。
 

非法加油站不具备相关危险品经营的资质，往往存在严重的安全隐患；销售的油品质量无法受到监督、以次充好导致車(chē)辆氮氧化物(wù)等污染物(wù)排放超标；缺少相应的油气回收装置和加油、卸油过程中的泄露会形成对大气、土壤及地下水质的直接污染。非法加油站未经注册备案，难以获取其位置信息，对非法加油站的人工排查需投入大量人力、物(wù)力，且时效性较差。
 

随着車(chē)联网技术的发展，积累了大量車(chē)辆监测数据，如何从这些数据中高效提取信息并应用(yòng)于实际业務(wù)场景中显得尤為(wèi)重要。北理(lǐ)新(xīn)源利用(yòng)大数据工具，為(wèi)有(yǒu)效解决柴油車(chē)加油行為(wèi)的监管手段缺失问题，提出一种基于移动源大数据的柴油車(chē)加油行為(wèi)环保合规性监管方法，对重点移动源实现精细化管理(lǐ)提供数据支持。
 

二、基于大数据的加油行為(wèi)检测方法
 

利用(yòng)車(chē)联网大数据监测柴油車(chē)加油行為(wèi)的方法包括数据预处理(lǐ)-加油行為(wèi)识别-结果输出：
 

1、数据预处理(lǐ)
 

从数仓中提取GB17691原始报文(wén)数据，根据柴油車(chē)辆数据质量分(fēn)析标准和内部通讯协议要求，基于数据缺失值、异常值、无效值、越界值四个维度建立数据质量分(fēn)析标准，对于車(chē)载TBOX检测的油箱液位时间序列数据进行数据预处理(lǐ)；
 

2、加油行為(wèi)识别
 

柴油車(chē)行驶和加油行為(wèi)中的油箱液位变化曲線(xiàn)具有(yǒu)一定特征，将经过预处理(lǐ)后的油箱液位数据进一步作滤波、采样、排序和阈值筛选处理(lǐ)获得加油窗口，用(yòng)于检测加油行為(wèi)，保证加油或行為(wèi)识别的鲁棒性，减少信息的遗漏和缺失。同时，在识别加油行為(wèi)的过程中，引入决策回归树方法，降低传感器噪声的干扰，提高识别准确度。
 

图 1油箱液位变化特征检测 

图2加油点分(fēn)布图

3、输出数据

 

输出数据包括黑加油站位置、車(chē)辆加油特征画像：
 

在较長(cháng)时间尺度内，柴油車(chē)辆到固定加油站重复加油行為(wèi)呈现出空间上的聚集特征，因此对一定时间内的大量加油点聚类采用(yòng)Grid-Search调参和DBScan聚类及方法，对加油点进行聚类；计算类簇面积和加油总量作為(wèi)评估参数优劣的指标，并选择最优参数，输出最终聚类结果作為(wèi)加油站位置。将聚类结果与Map_POI中已有(yǒu)的备案加油站数据匹配，若无法匹配到备案加油站，则可(kě)能(néng)為(wèi)黑加油站，作為(wèi)排查非法加油站的辅助依据。
 

按时间维度对同一辆車(chē)的加油行為(wèi)时间序列进行分(fēn)析，得出相邻两次車(chē)辆加油行為(wèi)间隔的行驶里程、柴油百公里消耗量，分(fēn)析車(chē)辆的柴油消耗是否合理(lǐ)，是否可(kě)能(néng)存在不合规柴油使用(yòng)行為(wèi)，并可(kě)统计車(chē)辆在合规黑加油站加油比例等，获得車(chē)辆的加油特征画像。
 

三、某市实践案例
 

对于某地區(qū)所有(yǒu)柴油車(chē)在2019年11月-2020年3月的103058个加油点数据按照以上方式进行筛选和统计，得出统计車(chē)辆共5086辆，该地區(qū)加油点71087个。聚类获得523个类簇，其中能(néng)匹配到POI加油站的类簇有(yǒu)303个。
 

图3某地區(qū)加油点分(fēn)布图（整體(tǐ)） 

图4某地區(qū)加油点分(fēn)布图（局部）

由上图可(kě)见提取出的加油点呈现出较明显的聚集特征，而且聚集形成的类簇空间位置和已备案加油站匹配情况较好，一些无法匹配到已知加油站但聚集特征较為(wèi)明显的类簇有(yǒu)一定概率為(wèi)黑加油站，虽然仍存在一些沿道路分(fēn)布的散点，但是数量相对较少，根据具體(tǐ)到单个加油点的数据质量分(fēn)析，可(kě)能(néng)与数据缺失问题导致的加油点时间定位误差和GPS飘移导致的空间定位误差有(yǒu)关。
 

四、助力地方精准识别非法加油站
 

综合以上特点，该算法相对传统监测方法能(néng)更高效地解决非法加油监管问题：
 

1、传统监测方式的不足
 

目前的检测加油行為(wèi)方法一般為(wèi)在加油站设置車(chē)辆身份识别和校验装置的方式，利用(yòng)无線(xiàn)通信将車(chē)辆加油信息传输至遠(yuǎn)程服務(wù)器，该方法对加油站相关基础设施的及时更新(xīn)速率和读写存储数据结构的统一程度要求较高，且无法检测未经注册的黑加油站及其相关加油行為(wèi)，不仅会造成信息的遗漏和缺失，而且会存在传感器噪声的干扰，使得检测结果不准确。
 

2、本算法具有(yǒu)的优势
 

相对传统监管方法，本算法通过移动端对車(chē)辆行為(wèi)直接进行监测，能(néng)高度保证数据的时空连续性、完整性和数据结构的一致性，有(yǒu)助于进一步提取分(fēn)析有(yǒu)效信息，辅助相关部门决策。

 

撰稿：刘晏伶

审核：龙超华