使用远程数据传输和机器学习的新系统可以减少车辆排放，降低测试成本，并极大地减少了对现场排放测试的需要。在美国各地，人们对州和县一级执行的排放检查和维护（I / M）计划的成本和效力提出了一些批评。作为回应，工程和公共政策（EPP）博士学生 Prithvi Acharya 及其顾问，土木与环境工程学院的 Scott Matthews 与 EPP 的 Paul Fischbeck 合作，创建了一种新的方法，该方法使用远程数据传输和机器学习来识别过度排放的车辆，该方法将比当前的 I / M 程序更便宜且更有效。该团队的工作不仅表明可以通过更智能的排放检查程序节省大量时间和成本，而且他们的研究还表明了这些方法如何更加有效。他们用于识别可能过度排放的车辆的模型比当前的 OBD 系统准确 24％。这使其更便宜，要求更少，并且在减少车辆排放方面更有效。(CMU)