CN108921383B - 一种城市道路交通多余碳排放指数获取方法和系统 - Google Patents
一种城市道路交通多余碳排放指数获取方法和系统 Download PDFInfo
- Publication number
- CN108921383B CN108921383B CN201810573455.0A CN201810573455A CN108921383B CN 108921383 B CN108921383 B CN 108921383B CN 201810573455 A CN201810573455 A CN 201810573455A CN 108921383 B CN108921383 B CN 108921383B
- Authority
- CN
- China
- Prior art keywords
- path
- carbon emission
- time
- road
- mth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市道路交通多余碳排放指数的获取方法和系统,首先获取城市待研究区域内的所有路径,计算道路实时通行速度,再根据通行速度转译为碳排放率,最后根据碳排放率计算得到每条路段的对于碳排放指数。本发明的方法基于开源大数据时代背景下,利用地图Web数据服务API实时获取城市道路交通数据,本发明利用开源数据获取实时道路车行速度并转译为碳排放量的方法,降低了城市道路交通碳排放量数据采集的难度并提高了数据的准确度;弥补了现阶段通过仪器获取城市交通碳排放量参数难度大,干扰因素多的缺陷,提升了分析城市土地利用相关要素与交通状况时序规律的准确性。
Description
技术领域
本发明属于低碳城市规划技术领域,具体涉及一种城市道路交通多余碳排放指数的获取方法和系统。
背景技术
城市规划策略与交通碳排放的相关性探索是低碳城市领域研究的重要方向。尤其对于正在经历快速城市化的中国而言,空间重构引发的土地利用结构失衡、基础设施失配加剧了居民出行对于小汽车的依赖,导致拥堵时高密集的温室及有害气体排放成为低碳城市建设的新挑战。据国际能源署测算(International Energy Agency,IEA),至2030年发展中国家城市交通碳排放将以3.4%的年增长率递增,中国作为全球最大的发展中国家,2014年道路交通碳排放量超过5亿吨,占交通总排碳量的78.1%。同时,自2008年起7年内全球交通拥堵率上升了13%,中国蔓延式的城市空间扩张方式更加剧了通勤高峰的拥堵状况。大量研究表明,拥堵不仅是交通系统的问题,更与城市形态、交通设施可达性、土地利用结构密不可分,交通碳减排需要寻求城市空间的适当规划,合理减少居民对道路交通的使用需求,因此如何建立空间特征与道路交通碳排放量的联系,优化城市空间结构减少拥堵是中国低碳城市建设亟待解决的问题。
目前学界对于城市空间规划在减少交通碳排放量中的研究还处于萌芽阶段,当前文献研究少有直接将交通碳排放特征与城市结构及空间组织随时间变化的复杂特点相联系,Banister等通过NHTS的调查估算出住宅密度每降低一千户/平方英里,每年增加的汽油消耗量将产生527kg二氧化碳,认为交通碳排放对城市规划和空间组织的变化非常敏感;Fabio从供需关系角度提出城市空间规划要素中停车场位置、建筑性质变化、居住密度等将长期影响交通碳排放量,由于缺少精确的交通、土地利用数据及实证分析支持,仅对现有空间组织备选方案在减少交通二氧化碳排放的效用做出定性评价。虽然学界研究侧重点不同,但城市规划要素中土地利用性质、公共服务设施供需关系、建筑密度等作为影响交通碳排放的重要指标已被广泛用于科研实践。
而从优化城市空间格局角度,计算由于空间规划组织不合理影响道路交通系统通畅度时产生的多余碳排放量,更有助于分析已有城市规划中存在的问题。尤其就低碳城市而言,需要降低的不是道路基本交通流的排碳量,更应关注由于土地利用对交通的过度吸引、基础设施失配等引发拥堵问题的本质。因此需要提出一种指标和计算方法针对性的衡量这种碳排放增量,反应城市规划的不合理程度并有效分析其原因。传统交通碳排放数据获取主要依赖调查,使不同城市空间尺度碳排放量的特异性分析受到局限。首先,根据居民通勤时间及方式估算出行全过程总排碳量的方法数据获取周期长、精度差、时效性弱;其次,无法准确衡量由于拥堵造成的碳排放增量;更重要的是,无法分析过境交通流对单一路段碳排放的影响机理。因此,实时获取交通“多余”碳排放时空数据,建立评价指标并选择恰当的分析方法,对城市规划实现交通碳减排尤为重要。
在城市规划与交通研究领域,Zheng等人以百度地图提供的拥堵延时指数为评价指标,得出城市空间重构引发的职住失衡与公共服务设施过度集中是造成交通拥堵的主要原因[ref]。然而拥堵延时指数并非原始数据,作为处理后的分级指标在回归分析时精度不够,使寻找城市空间失衡要素及其致堵机理带来困难;其次,由于拥堵评价标准不一,无法直接通过拥堵延时指数计算交通碳排放量。目前,国内外主要采用延误时间或滞留车列长度评判交通拥挤度,美国将车速小于22km/h的不稳定车流称为拥挤车流,但拥堵时车辆缓行、等候等产生的二氧化碳是一种行驶时间在空间上累积的结果,单以排队长度或车辆行驶速度计算并不能完全反映城市空间要素影响下的交通碳排放量。
随着车联网技术的发展,使实时路况数据的获取和核实成为可能。如孙健等结合浮动车数据及GIS平台,分析城市交通拥堵成因及空间演化规律,然而以出租车为代表的浮动车数据获取成本高,数据来源单一且样本量有限,限制了研究的科学可行性。开源大数据时代的到来提供了更为经济可靠的数据获取方法。ICET(能源与交通创新中心)利用实时交通大数据计算出通勤高峰期,出行一次的碳排放量较传统估算方法高出78%。以成都为例,每日交通出行碳排放大约为17,500吨,较传统估算结果(11,000吨)高出59%。该研究从侧面证实了基于出行调查法计算交通碳排放数值的巨大误差,证实了大数据技术应用于道路交通碳排量监测的迫切需求。虽然利用大数据和先进的道路状态监测系统可以改善交通运行状况,有助于创造低碳的城市环境,但现有的道路交通碳排放测算方法及评价指标均存在一定缺点,急需提出一种经济高效的数据获取方法及评价指标,构建城市空间要素与交通碳排放之间的联系。
发明内容
针对现有的方法获取多余碳排放量过程中存在获取周期长、时效性差的问题,本发明提供一种城市道路交通多余碳排放指数的获取方法,提高数据分析精准度及速度,弥补了现有交通碳排放数据获取、计算及评价指标应用于低碳城市规划研究中的不足。
为了实现上述目的,本发明采用如下技术方案予以实现:
城市道路交通多余碳排放指数的获取方法,包括以下步骤:
步骤1、利用地图Web数据服务构建网页请求,获取城市待研究区域内起点至终点的路径、路段、路段上的节点及节点的空间位置;
其中,t=e+r*Δt,r为大于等于1的整数,e为起始时间点,Δt为时间间隔;m≥1;
Dij表示第i个起点到第j个终点的路径;
可选的,所述步骤1中路段、路段上的节点及节点的空间位置的获取过程为:调用地图Web服务中的路径规划API接口,构建url发送网页请求,获取城市待研究区域内起点集合I中的第i个起点到终点集合J中第j个终点的路径Dij,I={1,2,...,i,...,n},J={1,2,...,j,...,u};解析网页返回文件,即可得到这条路径的路段、路段上的节点及节点的空间位置。
可选的,所述步骤1还包括:基于GIS平台,判断步骤1中获得路径是否遍历研究范围内城市的所有主干道、次干道及支路,如未遍历,增加起点,填补未遍历路段。
本发明还公开了一种城市道路交通多余碳排放指数的获取系统,包括:
路径获取单元,利用地图Web数据服务构建网页请求,获取城市待研究区域内起点至终点的路径、路段、路段上的节点及节点的空间位置;
其中,t=e+r*Δt,r为大于等于1的整数,e为起始时间点,Δt为时间间隔;m≥1;
Dij表示第i个起点到第j个终点的路径;
可选的,所述路径获取单元中路段、路段上的节点及节点的空间位置的获取过程为:调用地图Web服务中的路径规划API接口,构建url发送网页请求,获取城市待研究区域内起点集合I中的第i个起点到终点集合J中第j个终点的路径Dij,I={1,2,...,i,...,n},J={1,2,...,j,...,u};解析网页返回文件,即可得到这条路径的路段。
可选的,所述路径获取单元还包括:基于GIS平台,判断路径获取单元中获得路径是否遍历研究范围内城市的所有主干道、次干道及支路,如未遍历,增加起点,填补未遍历路段。
与现有技术相比,本发明的有益效果是:
(1)本发明的方法基于开源大数据时代背景下,利用地图Web数据服务API实时获取城市道路交通数据,并根据特定函数转译规则转译成轻型车碳排放数据,最终识别道路交通多余碳排放指数,并将该指标用于分析城市空间要素致堵原因及机理。首先,这种利用开源数据获取实时道路车行速度并转译为碳排放量的方法,降低了城市道路交通碳排放数据采集的难度并提高了数据的准确度;其次,基于地图Web数据服务构建的网页请求返回的数据包括时间及其节点空间位置等,使得每个节点碳排放指数对应一个空间位置,这样可以准确定位路段毗邻的土地利用失衡及基础服务设施失配的城市空间,弥补了现阶段通过仪器获取城市交通碳排放量参数难度大,干扰因素多的缺陷,提升了分析城市土地利用相关要素与交通状况时序规律的准确性。
(2)本发明的数据获取方法经济、高效,有效提升了城市研究基础数据获取的效率及便宜度。尤其对于低碳研究而言,改善了道路交通碳排放数据获取难度大、依赖精密仪器、干扰因素多等缺陷,建立多维度的低碳交通基础数据库。
(3)本研究将路段实时车速(精度米/秒)转译为碳排放率(精度克/米)并计算道路多余碳排放指数的方法,定量、定位、定时分析城市土地格局对交通状况的影响。相比于传统研究中利用路况等级数据分析整体区域碳排放差异的研究思路,精细化的规划分析思路有助于提高不同尺度、精度下低碳城市规划研究结论的准确性。
以下结合实施例对本发明的具体内容作进一步详细解释说明。
附图说明
图1为本发明的方法的流程图。
图2为实施例中待研究区域内的路径示意图。
图3为实施例中速度数据导入GIS平台的可视化效果。
图4为实施例中碳排放数据导入GIS平台的可视化效果。
具体实施方式
本发明以交通多余碳排放指数作为碳排放评价指标,评价道路在不同时间与空间状况下的多余碳排放状况。由于道路等级及职能的不同,使道路通行基准速度不同。为了去除路段自身属性,如道路等级,宽度等引起通行速度不同导致的碳排放差异,需要对道路速度数据转译后的碳排放数据进行归一化,将多余碳排放指数作为一种评价指标,并给出了该指标的计算方法。另外,在本发明中,路径为一个起点到一个终点之间,由地图web服务API接口返回的一条车辆行驶路线,称之为一条路径。一条路径由若干条线段组成,每条路段上存在表征道路实时通行速度的若干节点。
路线规划服务(又名Direction API)是一套REST风格的Web服务API,百度地图以HTTP/HTTPS形式提供了公交、驾车、骑行、步行路线规划功能,返回xml或json格式的检索数据。用户注册成为开发者申请到ak(application key)后,可通过开源接口向网页发送请求。本发明构建网页请求参数时,选择驾车模式mode=driving,返回json格式数据。
本发明公开的一种城市交通道路上多余碳排放指数的获取方法,具体包括以下步骤:
步骤1、获取城市待研究区域内的所有路径;
1.1:调用百度地图Web服务中的路径规划API接口,构建url,设置网页参数为:mode=driving,origin=起点坐标&destination=终点坐标&origin_region=城市&destination_region=城市&output=json&ak=申请的ak;
发送网页请求,获取城市待研究区域内起点集合I中的第i个起点到终点集合J中第j个终点的路径Dij;I={1,2,...,i,...,n},J={1,2,...,j,...,u};解析网页返回文件,即可得到这条路径的路段;
1.2:遍历集合I和集合J中所有的点,获得起点至终点的所有路径;每条路径由若干路段组成;
进一步的,为了保证路径获取的全面性,使得结果更加准确,基于GIS平台,判断步骤1.2中获得路径是否遍历研究范围内城市的所有主干道、次干道及支路,如未遍历,增加起点,重复步骤1.1~1.2,以填补未遍历路段;
具体为:根据节点坐标,将获取的路径导入GIS平台,求网页返回的每条路段上的节点文件与城市主干路、次干路、支路文件的交集,得到相交点文件,如城市主干路、次干路、支路文件中存在未与节点文件相交的路段,则表明需要增加起点。
步骤2、获取道路实时通行速度;
为了获取全城道路在高峰时间段内的实时速度,需要按照一定时间间隔重复多次向API接口发送调用请求,具体过程为:借助Python3平台,读取起点与终点坐标文件,在t时刻发送网络请求,获取并保存返回文件中参数:距离steps_distance(即)、路段总耗时steps_duration(即);基于公式(1),计算在某一时间段内的t时刻,车辆经过路径Dij的第m条路段的速度其中某一时间段可为高峰时间段或晚高峰时间段,
由于每条路段上有多个节点,获取速度数据过程中会得到每个节点的速度数据。但在网页信息返回参数中,一个路段上所有节点路况相同,根据节点坐标判断相邻两节点间距离相同,节点速度可根据路段长度与经过路段的时间求得,因此,每个节点的速度都是一样的,用任意节点的速度来表示该条路段的速度。然后使用schedule创建定时器,按照一定时间间隔每天自动向网页发送请求获取数据。
其中,t=e+r*Δt,r为大于等于1的整数,e为起始时间点,Δt为时间间隔,其表达方式为HH MM SS,例如,以早上8:00为起始时间点,时间间隔为10min,即表达方式为00:10:00,t为08:00:00、08:10:00、08:20:00等;m≥1;
步骤3、将道路实时通行速度转译为碳排放量;
重复步骤2至步骤5,直至遍历待研究区域内所有路径的所有路段的多余碳排放指数,即得城市待研究区域内所有路径上路段的多余碳排放指数。
上述获得的多余碳排放指数可用于分析该指标与土地利用及基础设施等影响道路交通碳排放城市规划要素的相关性:
基于地图Web数据服务构建的网页请求返回数据不仅包括路段、速度和时间,还包括路段上每个节点空间位置,此处用表示,表示第ij条路径上第m条路段上的第k个节点的空间位置,使得碳排放指数具有时间和空间的双重属性。通过多余碳排放指数与空间位置的对应,可以准确定位路段毗邻的土地利用失衡及基础服务设施失配的城市空间。
首先,可以选择以街道或行政区域为单位,将城市的待研究区域划分为L个小区域Zl,l=1,2,3…L,将第l个小区域Zl在时间点t下的多余碳排放指数表示为ECI(Zl)t,ECI(Zl)t为落入第l个区域内的路段的多余碳排放指数的平均值;
然后,依次求出某时间段(如晚高峰时间段)内各个时间点下区域Zl的ECI(Zl)t,取其中最大值ECI(Zl)max与该区域的建筑密度SI(Zl)、土地利用混合度LMI(Zl)、停车位供需指数PSDI(Zl)、停车场密度PD(Zl)、停车设施供给密度SD(Zl)等建立以下模型:
ECI(Zl)max=α1*LMI(Zl)+α2*SI(Zl)+α3*PSDI(Zl)+α4*SD(Zl)+α5*PD(Zl)++α6*iMORNING(Zl)+α7*iWEEKEND(Zl)+εl
(4)
其中,α1为土地利用混合度LMI的相关系数;α2为建筑密度SI的相关系数;α3为停车供需指数PSDI的相关系数;α4为停车设施供给密度SD的相关系数;α5为停车场密度PD的相关系数。考虑到城市土地利用对交通的吸引状况存在时间性差异,加入是否周末(iWEEKENDS),是否早高峰(iMORNING)作为控制变量,α6为iMORNING的回归系数,α7为iWEEKENDS的回归系数,εl为回归模型的常数项;
上式中,pq,l表示第l个区域中第q类用地在该区域的面积占比,q=1,2,…,Q;Sl表示第l个区域建筑基底总面积;Al表示第l个区域规划用地面积;Wl表示第l个区域的停车场数目;Pl表示第l区域的停车设施供给量,Pl=PPl+OPl,PPl为第l区域公共停车设施车位数,OPl为第l区域配建停车设施车位数;aq,l表示单位面积的第q类用地在第l区域的停车位需求量;Rq,l表示第q类用地的面积。
利用上述模型,可以求得α1、α2、α3、α4、α5、α6、α7,即获得某一区域碳排放指数与该区域土地利用混合度、建筑密度、停车供需指数、停车场密度、停车位供给密度的相关性,为减少道路交通碳排放,构建低碳城市做出指导。
本发明还公开了一种城市道路交通多余碳排放指数的获取系统,包括:路径获取单元,用于获取城市待研究区域内的所有路径;
调用百度地图Web服务中的路径规划API接口,构建url,设置网页参数为:mode=driving,origin=起点坐标&destination=终点坐标&origin_region=城市&destination_region=城市&output=json&ak=申请的ak;
发送网页请求,获取城市待研究区域内起点集合I中的第i个起点到终点集合J中第j个终点的路径Dij;I={1,2,...,i,...,n},J={1,2,...,j,...,u};解析网页返回文件,即可得到这条路径的路段;
遍历集合I和集合J中所有的点,获得起点至终点的所有路径;每条路径由若干路段组成;
其中,t=e+r*Δt,r≥1,e为起始时间点,Δt为时间间隔,其表达方式为HH MMSS,例如,以早上8:00为起始时间点,时间间隔为10min,即表达方式为00:10:00,t为08:00:00、08:10:00、08:20:00等;m≥1;
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例中,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例
本实施例以西安主城区(二环内)为待研究范围,以各居住用地中心点为起点,获取坐标得到起点的集合txt文件,以钟楼为终点,调用百度地图Web服务中的路径规划API接口,借助Python3平台request.get参数获取函数,读取起点与终点的txt文件,创建网址url,输入参数params={ak=***,mode=driving,output=json,origin=i,destination=j,origin_region=西安,destination_region=西安},其中,ak表示application key服务密匙,在注册百度账号后,申请开发者账户创建应用即可得到服务密匙,获得百度api接口数据请求权限,本发明中以***代替申请获得的密匙;确认起点至终点的路径Dij遍历城市所有道路后,存储起点txt文件为I={108.8936486,34.17271883;108.8952751,34.17274675;108.8969016,34.17277465…108.9822651,34.34597225},终点集合txt文件为J={108.932324,34.22951058}。图2所示为待研究区域内的路径示意图,以路径上的路段节点表示,确保城市主干道、次干道、支路各路段均被网页返回参数的节点覆盖。
使用schedule创建定时器,从8:00am起,每隔5分钟自动向网页发送请求,获取时间点08:00:00,08:05:00,08:10:00直至次日08:00:00为一个循环的路径规划文件。解析网页返回信息,存储路径编号Dij,起点编号i,终点编号j,距离distance(即)、路段总耗时duration(即)、路段路况condition。下表1为2017年5月22号19:00获取的速度数据。
表1起点1至终点1的第一条路径上的参数数据
以表1为例,对网页返回参数进行说明:表1中的10个路段节点表示起点1(108.8936486,34.17271883)到终点1(108.932324,34.22951058)的第一条路径上有两条路段,其中第一个路段上有8个节点,路段长2949米,车辆通过该路段耗时414秒,路况顺畅,车辆行驶速度为7.1米/秒(路况=0表示路况未知、路况=1表示顺畅、路况=2表示缓行、路况=3表示拥堵);第二个路段上有2个节点,路段长702米,车辆通过该路段耗时146秒。以此类推计算所有路段实时道路通行速度。图3所示为速度数据导入GIS平台的可视化效果。
表2表1中的节点对应的碳排放率数据
以表2中的速度数据转译碳排放量数据为例,获得的碳排放率(表2中表示为emission)见表2,从表2可以得到车辆经过路径1第一个路段的碳排放率为997.6克/米,以此类推计算所有路段实时道路的碳排放率。图4为碳排放数据导入GIS平台的可视化效果。
重复上述过程直至遍历两周(2017-5-8日至2017-5-22日)内所有时间点,求得了该时间段内车辆经过路径1的第1条路段的碳排放率,通过计算得到该时间段内路径1的第1条路段的碳排放率的最小值为929.5克/米。
以街道为单位,将西安市包含二环路内所有城区划分为51个区域。依次求出2017-5-8日至2017-5-22日2周内早、晚高峰时段(07:00-09:00,17:00-19:00)各个时间点下长乐西路街道的多余碳排放指数。以长乐西路街道2017-5-22 19:00时获取的路径规划数据为例,对落入该街道内路段的多余碳排放指数求均值,计算得到长乐西路街道多余碳排放指数为0.002371。
同样以长乐西路为例,计算土地利用及基础设施数据。根据2017年西安用地现状图获取土地利用数据,计算得到长乐西路土地利用混合度LMI为0.674、建筑密度SI为0.387;根据陕西省测绘地理信息局2017年《西安市三环内停车资源调查》数据与住建部2015年《停车设施规划导则》中各类用地停车场配建指标,计算获得长乐西路停车供需指数PSDI为0.273、停车场密度PD为62.053(个/km2)、停车设施供给密度SD为3561.396(车位/km2)。
以上述为例,利用本研究方法获取街区层面的交通多余碳排放指数ECI、土地利用混合度LMI、建筑密度SI、停车供需指数PSDI、停车设施密度SD,停车场密度PD构建交通多余碳排放影响因素模型。具体回归模型如下:
ECI(Zl)max=α1*LMI(Zl)+α2*SI(Zl)+α3*PSDI(Zl)+α4*SD(Zl)+α5*PD(Zl)++α6*iMORNING(Zl)+α7*iWEEKEND(Zl)+εl
(4)
其中,被解释变量ECI(Zl)max为51个区域每日早、晚高峰时段多余碳排放指数的最大值;解释变量中,以土地利用混合度、建筑密度作为城市规划土地利用指标中影响交通多余碳排放量的主要影响因素;以停车设施供需指数、停车设施密度、停车场密度作为基础设施指标中影响交通多余碳排放量的主要因素。此外,考虑到城市土地利用对交通的吸引状况存才时间性差异,加入是否周末(iWEEKENDS),是否早高峰(iMORNING)作为控制变量。相比于传统拥堵度的计算方法,ECI指数的计算过程使数值能够反应道路属性及区域距离研究范围中心的距离,因此不需要再加入道路参数对回归结果进行修正。
求取51个区域15天内的早高峰和晚高峰时的多余碳排放指数,即对模型的1530个样本(51*2*15)数据的OLS回归结果分析得到:街道多余碳排放指数ECI与土地利用混合度LMI、建筑密度SD呈显著负相关性;与停车供需指数PSDI、停车场密度PD呈显著负相关性,与停车设施密度SD呈显著正相关性;相较于早高峰,街道晚高峰时多余碳排放指数更高,相较于周末,周内多余碳排放指数更高。并且通过逐次增加解释变量考察模型拟合优度不断提升,说明基础设施指标在土地利用指标基础上增加了模型的稳健程度。但当增加停车指标后,土地利用指标对于区域多余碳排放指数ECI的影响显著性减弱,系数明显下降。这说明对于减少道路交通多余碳排放不仅需要从城市土地利用角度寻求方法,更需要协同考虑基础设施的配置,以交通基础设施指标控制土地开发建设强度达到有效降低道路交通碳排放量的效果。
本发明方法有效分析出城市交通多余碳排放量出现的空间特征时间分异性显著,说明该方法可有效实现准确获取与时间空间相匹配的道路交通多余碳排放数据,并用于分析及衡量实时道路交通多余碳排放量,反应出受城市规划要素影响下的道路交通多余碳排放出现的时空规律。因此,本发明方法构件的道路多余碳排放数据获取方法及分析思路,是大数据全样本分析在低碳城市规划研究领域中的进展,对低碳城市精细化、准确化、科学化的发展具有革新性的意义。
此外,本发明方法虽以街道为研究单元进行ECI指数的统计,但该方法的分析精度不仅限于街道,可应用于分析城市更小尺度空间,如道路交通时空信息与空间结构及土地利用相关性研究,为实现精细化的低碳城市规划提供更为有效的方法。
Claims (2)
1.一种城市道路交通多余碳排放指数的获取方法,其特征在于,包括以下步骤:
步骤1、利用地图Web数据服务构建网页请求,获取城市待研究区域内起点至终点的路径、路段、路段上的节点及节点的空间位置,具体为:
调用地图Web服务中的路径规划API接口,构建url发送网页请求,获取城市待研究区域内起点集合I中的第i个起点到终点集合J中第j个终点的路径Dij,I={1,2,...,i,...,n},J={1,2,...,j,...,u};解析网页返回文件,即可得到这条路径的路段、路段上的节点及节点的空间位置;
基于GIS平台,判断步骤1获得的路径是否遍历研究范围内城市的所有主干道、次干道及支路,如未遍历,增加起点,填补未遍历路段;
其中,t=e+r*Δt,r为大于等于1的整数,e为起始时间点,Δt为时间间隔;m≥1;
Dij表示第i个起点到第j个终点的路径;
2.一种城市道路交通多余碳排放指数的获取系统,其特征在于,包括:
路径获取单元,利用地图Web数据服务构建网页请求,获取城市待研究区域内起点至终点的路径、路段、路段上的节点及节点的空间位置,具体为:调用地图Web服务中的路径规划API接口,构建url发送网页请求,获取城市待研究区域内起点集合I中的第i个起点到终点集合J中第j个终点的路径Dij,I={1,2,...,i,...,n},J={1,2,...,j,...,u};解析网页返回文件,即可得到这条路径的路段;
所述路径获取单元还包括:基于GIS平台,判断路径获取单元中获得路径是否遍历研究范围内城市的所有主干道、次干道及支路,如未遍历,增加起点,填补未遍历路段;
其中,t=e+r*Δt,r为大于等于1的整数,e为起始时间点,Δt为时间间隔;m≥1;
Dij表示第i个起点到第j个终点的路径;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573455.0A CN108921383B (zh) | 2018-06-06 | 2018-06-06 | 一种城市道路交通多余碳排放指数获取方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573455.0A CN108921383B (zh) | 2018-06-06 | 2018-06-06 | 一种城市道路交通多余碳排放指数获取方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108921383A CN108921383A (zh) | 2018-11-30 |
CN108921383B true CN108921383B (zh) | 2020-05-22 |
Family
ID=64418900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573455.0A Expired - Fee Related CN108921383B (zh) | 2018-06-06 | 2018-06-06 | 一种城市道路交通多余碳排放指数获取方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921383B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712707A (zh) * | 2020-12-26 | 2021-04-27 | 清华四川能源互联网研究院 | 车辆碳排放监测系统及方法 |
CN113406278B (zh) * | 2021-06-16 | 2023-06-20 | 九江学院 | 一种促进城市绿色出行的碳排放监测分析设备 |
CN113313321B (zh) * | 2021-06-17 | 2022-06-03 | 广东工业大学 | 一种道路养护作业区通行车辆的碳排放计算方法 |
CN114550482B (zh) * | 2022-01-25 | 2023-08-01 | 中国人民武装警察部队工程大学 | 一种基于低碳目标的导航方法及停车场导航方法 |
CN114580851B (zh) * | 2022-01-30 | 2023-10-03 | 江苏龙腾工程设计股份有限公司 | 一种基于全生命周期碳排放计算的既有建筑改造数字化设计方法 |
CN115083185B (zh) * | 2022-05-27 | 2024-02-09 | 中邮建技术有限公司 | 一种考虑机动车碳排放的巡游车停靠点设置方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870678A (zh) * | 2014-02-18 | 2014-06-18 | 上海零碳建筑科技有限公司 | 一种基于城市规划的碳排放计量方法 |
CN104809112A (zh) * | 2014-01-23 | 2015-07-29 | 朱东霞 | 一种基于多源数据的城市公交发展水平综合评价方法 |
CN106504522A (zh) * | 2016-12-02 | 2017-03-15 | 深圳市智慧交通有限公司 | 一种基于大数据的智慧交通管理系统 |
CN106652522A (zh) * | 2016-12-30 | 2017-05-10 | 北京邮电大学 | 一种基于车速的路径规划方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663887B (zh) * | 2012-04-13 | 2014-06-11 | 浙江工业大学 | 基于物联网技术的道路交通信息云计算和云服务实现系统及方法 |
KR101668753B1 (ko) * | 2015-06-29 | 2016-11-09 | 한국건설기술연구원 | 대기 오염 관리 시스템 |
CN105865476B (zh) * | 2016-06-21 | 2018-08-28 | 北京航空航天大学 | 一种动态交通环境下的汽车最低碳路径搜索方法 |
-
2018
- 2018-06-06 CN CN201810573455.0A patent/CN108921383B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809112A (zh) * | 2014-01-23 | 2015-07-29 | 朱东霞 | 一种基于多源数据的城市公交发展水平综合评价方法 |
CN103870678A (zh) * | 2014-02-18 | 2014-06-18 | 上海零碳建筑科技有限公司 | 一种基于城市规划的碳排放计量方法 |
CN106504522A (zh) * | 2016-12-02 | 2017-03-15 | 深圳市智慧交通有限公司 | 一种基于大数据的智慧交通管理系统 |
CN106652522A (zh) * | 2016-12-30 | 2017-05-10 | 北京邮电大学 | 一种基于车速的路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108921383A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921383B (zh) | 一种城市道路交通多余碳排放指数获取方法和系统 | |
Sun et al. | Modeling carbon emissions from urban traffic system using mobile monitoring | |
Lai et al. | Development of city-specific driving cycles for transit buses based on VSP distributions: Case of Beijing | |
Gu et al. | Subways and road congestion | |
AU2015352509B2 (en) | Apparatus and method for vehicle economy improvement | |
CN102663887B (zh) | 基于物联网技术的道路交通信息云计算和云服务实现系统及方法 | |
El Esawey et al. | Development of daily adjustment factors for bicycle traffic | |
Hunter et al. | A probe-vehicle-based evaluation of adaptive traffic signal control | |
WO2018149307A1 (zh) | 交通路况分析方法、装置及电子设备 | |
Zhang et al. | Assessing effect of traffic signal control strategies on vehicle emissions | |
Liu et al. | Vehicle emission and near-road air quality modeling for shanghai, china: Based on global positioning system data from taxis and revised moves emission inventory | |
Song et al. | Delay correction model for estimating bus emissions at signalized intersections based on vehicle specific power distributions | |
Ding et al. | Greenplanner: Planning personalized fuel-efficient driving routes using multi-sourced urban data | |
CN105841709A (zh) | 一种汽车行驶路径规划方法 | |
CN112652172B (zh) | 一种基于车辆gps轨迹的路段交通量分析方法 | |
Rupi et al. | Evaluating cyclist patterns using GPS data from smartphones | |
CN104282149A (zh) | 一种基于交通状态精度指标评价的路网浮动车配置方法 | |
CN110646004A (zh) | 一种基于路况预测的智能导航方法及装置 | |
CN112288311A (zh) | 一种基于poi数据的居住区配套设施便捷度计量方法 | |
Batista et al. | Exploring the potential of aggregated traffic models for estimating network-wide emissions | |
CN108876075B (zh) | 城市轨道交通站点地区宜步行性评价方法 | |
Zhao et al. | Development and validation of improved impedance functions for roads with mixed traffic using taxi GPS trajectory data and simulation | |
André et al. | The Artemis European tools for estimating the transport pollutant emissions | |
CN111710160A (zh) | 一种基于浮动车数据的行程时间预测方法 | |
Hu et al. | Travel time prediction for urban networks: the comparisons of simulation-based and time-series models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200522 |
|
CF01 | Termination of patent right due to non-payment of annual fee |