环境空气污染问题日益严峻，汽车是空气污染物的主要贡献者之一。对于汽车尾气排放，国家不断制定越来越严格的排放法规，但是法规制定的循环下的排放水平并不能完全准确地反映汽车在实际道路行驶时的排放水平。现行法规要求当汽车排放系统出现问题时车载诊断系统能够准确报警，但无法强制驾驶员对问题进行处理，导致大量排放超标的汽车在道路上行驶。因此有必要开发一种远程监控系统，不仅能通过远程诊断获取车辆状态，还能根据监测数据对车辆的尾气污染物排放率进行实时估计，从而实现有效监控。　　首先，对排放估计的方法论进行了研究。一是确定了车辆在实际道路行驶过程中影响排放水平的关键因素。通过仿真设置条件，分别对行驶工况、速度、加速度、载重和坡度进行变量控制，并进行定性分析，最终总结为速度、加速度和功率三个关键因素。二是确定了一种构建车辆排放估计模型的有效方法。通过对神经网络的研究，确定以径向基神经网络方法建立模型，并就径向基神经网络的不足加以改进，包括以资源分配网络算法（RAN）确定隐层的节点数，再通过剪枝策略简化网络，以改进的粒子群算法（MPSO）对网络参数进行全局最优搜索。以仿真数据为样本，构建的模型效果良好。　　其次，设计开发了一种基于车联网的车辆运行状态信息采集系统，主要包括车载终端和数据管理中心两部分。车载终端以STM32为主芯片，辅以CAN接口、2G模块、GPS模块、电源模块和启动检测模块，实现数据采集、数据上传和电源管理三大功能。搭建后台数据管理中心，包括数据库、服务器端和客户端，满足接收上传数据、存储数据和查询数据的功能需求。　　最后，通过汽车实际道路排放测试实验验证了本文提出的排放估计方法以及基于车联网的信息采集系统是正确有效的。实验车辆行驶在预先合理选择的路线上，利用便携式车载排放测试系统（PEMS）和信息采集系统，分别同步采集车辆的尾气排放数据和车辆运行状态信息。　　本文对车辆实际道路排放估计进行了深入研究，包括仿真分析、模型建立、系统开发以及实验验证，实现了车辆排放的实时监控。不仅可以加强对车辆排放的监管力度，还可以作为交通管理的依据，控制区域排放总量。