一、项目描述/目标

       根据真实车辆道路行驶状态信息，包括发动机转速、尾气排放量、油门开度、水温、车速、进气量、等状态，判断排放尾气是否超标以及汽车载重是否超重等信息

二、主要痛点

       数据采集时间间隔是1秒，数据量庞大，导致数据预处理难度增大。 道路情况千变万化，以至于车辆状态复杂多变，以此训练的模型很可能出现欠拟合或者不稳定等情况

三、解决方案

       我们准备将尾气排放划分为超标或者不超标两类，使用机器学习的方法对尾气排放进行评估。其次本研究使用循环神经网络（GRU）搭建预测模型，使得模型具有记忆性，进而可以根据以往历史信息精准推测汽车载重

四、主要贡献/价值

       本研究对车辆的行驶信息进行实时监督，及时了解车辆的尾气排放和载重信息。避免尾气超量排放，对生态环境的保护有着重要意义。其次了减少车辆超重情况，避免道路危险情况发生，对我国公共交通安全有着重要影响。

五、下一步计划

       之前的工作仅仅训练了一种车型。不具有迁移性，接下来将使用迁移学习或者元学习的方法，使得训练好的模型可以适应各种不同的车型。

六、合作伙伴

       中汽研汽车检验中心（天津）有限公司、湖南大学工商管理学院

七、团队成员

       张莲民、吴春玲、周科、白哓鑫、黄馨曼、曹进辉