在美國各地，人們對州和縣一級執(zhí)行的車輛尾氣檢查和維護(hù)計(jì)劃（I/M）的成本和效力提出了一些批評。作為回應(yīng)，工程與公共政策專業(yè)的博士Prithvi Acharya和他的顧問，土木與環(huán)境工程的Scott Matthews與公共政策專業(yè)的Paul Fischbeck合作。他們發(fā)明了一種新的方法，通過遠(yuǎn)程數(shù)據(jù)傳輸和機(jī)器學(xué)習(xí)來識別尾氣排放超標(biāo)的車輛，這種方法比目前的排放檢查程序既便宜又有效。

美國大多數(shù)州都要求車輛進(jìn)行定期尾氣檢查，以確保車輛的尾氣排放不超過標(biāo)準(zhǔn)，以保持空氣質(zhì)量。有些人可能不知道的是，現(xiàn)在排放量通常是通過汽車本身的車載診斷系統(tǒng)（OBD）測量的，車載診斷系統(tǒng)處理車輛所有數(shù)據(jù)。盡管該系統(tǒng)識別出的排放超標(biāo)有87%可能是真實(shí)的，但與實(shí)際排放的排氣管測量相比，它也有50%的錯(cuò)誤通過率。

隨著汽車作為智能設(shè)備越來越多地集成到物聯(lián)網(wǎng)（IoT）中，并且當(dāng)所有必要數(shù)據(jù)都存儲在車輛的OBD上時(shí)，州和縣政府再也沒有任何理由強(qiáng)迫司機(jī)來定期進(jìn)行尾氣檢查。為了消除這些不必要的成本并提高尾氣排放檢查和維護(hù)計(jì)劃（I/M）的有效性，Acharya、Matthews和Fischbeck在IEEE Transactions on Intelligent Transportation Systems上發(fā)表了他們最近的研究。

他們的新方法需要將數(shù)據(jù)直接從車輛發(fā)送到司機(jī)所在州或縣管理的云服務(wù)器上，從而無需定期檢查車輛。取而代之的是，這些數(shù)據(jù)將通過機(jī)器學(xué)習(xí)算法來運(yùn)行，這些算法可以識別出過度排放車輛中普遍存在的數(shù)據(jù)趨勢和代碼。（來源物聯(lián)之家）這意味著，大多數(shù)司機(jī)將不需要前往檢測場進(jìn)行現(xiàn)場檢查，除非他們的車輛數(shù)據(jù)顯示可能存在排放超標(biāo)，這時(shí)可以聯(lián)系他們來做進(jìn)一步的檢查和維護(hù)。

研究小組的工作不僅表明，可以通過更智能的尾氣排放檢查程序節(jié)省大量時(shí)間和成本，而且他們的研究還表明這些方法如何更加有效。他們用于識別車輛可能排放超標(biāo)的模型比目前的車載診斷系統(tǒng)準(zhǔn)確24%。這使其更便宜、要求更低，并且在減少車輛排放方面更有效。

這項(xiàng)研究可能會對目前實(shí)施尾氣排放檢查和維護(hù)計(jì)劃（I/M）的美國31個(gè)州的居民產(chǎn)生重大影響。隨著現(xiàn)有車輛年檢舉措面臨公眾的不斷批評，該團(tuán)隊(duì)提出了一種新穎的系統(tǒng)，該系統(tǒng)既能顯著降低成本，又能明顯提高減少車輛排放的有效性。他們的研究很可能會重新定義美國如何控制和減少汽車排放的檢測方式。
責(zé)任編輯：tzh