清华大学刘欢团队JHM：基于排放趋势约束的机动车遥感检测数据质量评估模型

本研究针对机动车遥感监测数据质量波动大、制约其可靠应用的问题，提出了一种基于排放趋势约束的机器学习质量评估模型（RDEV）。背景是遥感技术虽能实现真实道路排放监测，但数据受多种因素影响，质量不稳定。研究目的是构建一个能够快速筛查高可信遥感数据、提升数据可用性的评估框架。该模型引入“老旧车辆NO排放通常高于新车”这一领域规律作为约束，通过机器学习学习排放-车龄特征模式，并以对已知车龄车辆的分类准确性作为数据可靠性判据。结论表明，RDEV模型在高质量数据集上分类准确率达86.95%，应用于常规数据后，显著提升了同一车辆重复观测结果的一致性，并使汽油车排放随车龄变化的趋势与既有研究更为吻合，有效改善了遥感数据的质量与可用性。