基于物理感知 AI 模型的车辆排放预测：初步结果
人工智能
2021-05-06 v1
摘要
给定一个车载诊断（OBD）数据集和一个基于物理的排放预测模型，本文旨在开发一种准确且计算高效的 AI（人工智能）方法来预测车辆排放。该问题具有社会重要性，因为车辆排放会导致气候变化并影响人类健康。该问题具有挑战性，因为 OBD 数据不包含高阶物理模型所需的足够参数。相反，相关研究表明低阶物理模型在使用可用 OBD 数据时预测精度较差。本文使用一种发散窗口共现模式检测方法，开发了一种时空变异性感知的 AI 模型，用于从 OBD 数据集中预测排放值。我们使用来自当地公共交通机构的真实世界 OBD 数据进行了案例研究。结果表明，所提出的 AI 方法比非 AI 低阶物理模型的预测精度提高约 65%，比基线模型精度高约 35%。
引用
@article{arxiv.2105.00375,
title = {Vehicle Emissions Prediction with Physics-Aware AI Models: Preliminary Results},
author = {Harish Panneer Selvam and Yan Li and Pengyue Wang and William F. Northrop and Shashi Shekhar},
journal= {arXiv preprint arXiv:2105.00375},
year = {2021}
}
备注
Accepted by Association for Advancement of Artificial Intelligence (AAAI) Fall Symposium Series 2020: Physics-Guided AI to Accelerate Scientific Discovery (https://sites.google.com/vt.edu/pgai-aaai-20)