CN113407653A - 一种排放清单构建方法、系统及可读存储介质 - Google Patents
一种排放清单构建方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN113407653A CN113407653A CN202110594024.4A CN202110594024A CN113407653A CN 113407653 A CN113407653 A CN 113407653A CN 202110594024 A CN202110594024 A CN 202110594024A CN 113407653 A CN113407653 A CN 113407653A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- grid
- emission
- pollutant
- sampling period
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005070 sampling Methods 0.000 claims abstract description 123
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 119
- 231100000719 pollutant Toxicity 0.000 claims abstract description 119
- 238000010276 construction Methods 0.000 claims abstract description 28
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 25
- 230000004048 modification Effects 0.000 claims description 12
- 238000012986 modification Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 5
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 5
- 239000000356 contaminant Substances 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 claims description 3
- 229930195733 hydrocarbon Natural products 0.000 claims description 3
- 150000002430 hydrocarbons Chemical class 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 239000003086 colorant Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 239000013618 particulate matter Substances 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种排放清单构建方法、系统及可读存储介质，该方法包括：将目标区域划分若干个网格；确定每个车辆在每个网格中对应的若干个采样周期；计算每个车辆在每个采样周期内的污染物排放量；将每个车辆在每个网格对应的若干个采样周期的污染物排放量进行叠加以得到每个车辆在每个网格的排放量；汇总所有车辆在每个网格对应的污染物排放量，以获取所述目标区域的排放清单。本发明解决了目前的排放清单构建方法并不能支持高分辨率的排放清单建设和空间精准化管理需求的问题。
Description
技术领域
本发明属于大气环境技术领域。具体地，本发明涉及一种排放清单构 建方法、系统及可读存储介质。
背景技术
随着城市化进程的不断加快和经济的快速增长，机动车也逐渐成为氮 氧化物(NOx)和颗粒物(PM)等污染物的重要排放来源。为了分析区 域内污染物的排放特征(例如排放量、排放浓度等)，目前采用的方法是 建立各类污染物排放清单。污染物排放清单是一个区域一段时间内各类污 染物排放量的明细，也是了解一个区域大气污染物排放特征和进行污染减 排的基础数据。但是，目前污染物排放清单通常计算的是一个区域整体的 污染物排放量，区域内各部分(如区域内各道路中的不同路段)的具体排 放量等情况并不明确。因此，目前的排放清单构建方法并不能支持高分辨 率的排放清单建设和空间精准化管理需求。
发明内容
本发明提供一种排放清单构建方法、系统及可读存储介质，以解决目 前的排放清单构建方法并不能支持高分辨率的排放清单建设和空间精准 化管理需求的问题。
为了至少解决上述问题，本发明提出了一种排放清单的构建方法。该 方法通过将目标区域划分网格，并对每个网格的污染物排放量进行计算， 以提升排放清单空间分辨率。并且计算车辆经过该网格时所对应的采样周 期的数量，并将该网格中对应的采样周期的排放量进行叠加，从而获取所 有车辆在每个网格中的污染物排放量情况。通过该计算方式有效保证了每 个网格中污染物排放量的精确性，有利于高分辨率的排放清单的建设。
在一个方面中，本发明提供了一种排放清单构建方法，包括：将目标 区域划分若干个网格；确定每个车辆在每个网格中对应的若干个采样周 期；计算每个车辆在每个采样周期内的污染物排放量；将每个车辆在每个 网格对应的若干个采样周期的污染物排放量进行叠加以得到每个车辆在 每个网格的排放量；汇总所有车辆在每个网格对应的污染物排放量，以获 取所述目标区域的排放清单。
在一个实施例中，所述确定每个车辆在每个网格中对应的若干个采样 周期包括：检测每个采样周期开始时刻的行驶位置和/或采样周期结束时刻 的行驶位置；将所述行驶位置与所述网格进行匹配，以确定每个网格对应 的采样周期。
在一个实施例中，所述匹配包括：所述采样周期开始时刻的行驶位置 在所述网格中；或所述采样周期结束时刻的行驶位置在所述网格中；或所 述采样周期开始时刻的行驶位置和采样周期结束时刻的行驶位置均在所 述网格中。
在一个实施例中，所述污染物排放量根据采样周期内的污染物排放因 子和行驶距离计算得到。
在一个实施例中，所述行驶距离根据采样周期内车辆的定位信息进行 计算。
在一个实施例中，还包括对所述污染物排放因子进行修正，包括：根 据环境修正因子、车辆速度修正因子、车辆劣化修正因子和车辆其他使用 条件修正因子的一种或多种对所述污染物排放因子进行修正。
在一个实施例中，所述污染物排放因子的计算公式包括：
式中：EFi,po,s表示车辆i在s时刻的污染物po的排放因子；BEFi,po表 示车辆i的污染物po的综合基准排放因子；
表示环境修正因子；γs表示 车辆在s时刻的速度修正因子；λ表示车辆劣化修正因子；θ表示车辆其 他使用条件修正因子。
在一个实施例中，所述污染物包括一氧化碳、碳氢化合物、氮氧化合 物和颗粒物中的一种或多种空气污染物。
在另一个方面中，本发明提供了一种排放清单构建系统，包括：存储 器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程 序，所述处理器执行所述计算机程序时实现前述的排放清单构建方法。
在又一个方面中，本发明还提供了一种计算机可读存储介质，所述计 算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时 实现前述的排放清单构建方法。
本发明通过将目标区域划分网格，对每个网格的污染物排放量进行计 算，可以得到高空间分辨率的排放清单。并且在每个网格中，计算车辆经 过该网格时所对应的采样周期的数量，将该网格中对应的若干个采样周期 的排放量进行叠加，从而获取所有车辆在每个网格中的污染物排放量情 况。由于在每个网格中按照采样周期近实时地监测车辆的行驶位置和采样 周期内的污染物排放量，该网格化的排放清单可以将污染物排放量定位至车辆的行驶位置。基于此，利用本发明中的方法可以构建高分辨率的排放 清单，有利于对目前区域的空间精准化管理。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以 及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制 性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同 或对应的部分，其中：
图1是根据本发明一种实施例的排放清单构建方法示意图；
图2是根据本发明一种实施例的每个网格中对应的采样周期的确定方 法示意图；
图3是根据本发明一种实施例的车辆在网格中行驶过程示意图；
图4是根据本发明一种实施例的网格中采样周期分布示意图；
图5是根据本发明一种实施例的采样周期跨越两个不同网格的示意 图；
图6是根据本发明一种实施例的根据经纬度计算车辆行驶距离示意 图；
图7是根据本发明一种实施例的网格中的污染物排放量分布示意图；
图8是根据本发明一种实施例的不同车辆的污染物排放清单汇总示意 图；
图9是根据本发明一种实施例的某地区行政区域划分网格示意图；
图10是根据本发明一种实施例的某地区的排放清单示意图；
图11是根据本发明一种实施例的某地区的排放清单局部放大示意图；
图12是根据本发明一种实施例的排放清单构建系统示意图。
具体实施方式
现在将参考附图描述实施例。应当理解，为了说明的简单和清楚，在 认为合适的情况下，可以在附图中重复附图标记以指示对应或类似的元 件。另外，本发明阐述了许多具体细节以便提供对本文所述实施例的透彻 理解。然而，本领域普通技术人员将理解，可以在没有这些具体细节的情 况下实践本文描述的实施例。在其他情况下，没有详细描述公知的方法、 过程和组件，以免模糊本文描述的实施例。而且，该描述不应被视为限制 本文描述的实施例的范围。
城市是人口聚集与能源消费的中心，城市中各种类型机动车辆逐渐成 为各类污染物的重要排放来源。近年来，为了应对全球气候变化、减少污 染物排放，全球许多城市都建立了污染物排放清单并发布了相应的节能减 排控制措施。通过污染物排放清单，研究人员可以深入研究区域内污染物 的排放特征(例如排放量、排放浓度等)，并以此制定相应的措施来减少 污染物排放量。但是，目前污染物排放清单通常计算的是一个区域整体的 污染物排放量，区域内各部分(如区域内各道路中的不同路段)的具体排 放量等情况并不明确。因此，目前的排放清单构建方法并不能支持高分辨 率的排放清单建设和空间精准化管理需求。
本发明通过将目标区域划分为若干网格，并计算网格中的污染物排放 量，从而提升目标区域排放清单的分辨率。并且，计算网格中的污染物排 放量时，确定车辆行驶过程中在每个网格中对应的采样周期，针对每个周 期的污染物排放量进行计算，然后将每个网格中的多个采样周期的污染物 排放量进行叠加，并汇总所有车辆的污染物排放量，得到的排放清单的数 据更加精确。通过本发明的方法建立的排放清单，具有较高的分辨率和数据精度，可以为空间精准化管理提供可靠的数据保障。
下面将结合附图对本发明实施例中的技术方案进行清楚完整地描述。
图1是示出根据本发明实施例的排放清单构建方法的示意图。如图1 所示，本发明的排放清单构建方法可以包括以下几个步骤：
步骤S101：将目标区域划分若干个网格。在一个实施场景中，以某一 城市为例，该城市的行政区域可以按1km×1km的网格进行划分，根据该 城市的区域面积可以划分若干个网格，每个网格可以设置对应的编号作为 网格ID。
步骤S102：在划分网格后，确定每个车辆在前述每个网格中对应的若 干个采样周期，以便于后续汇总污染物排放量。以其中一个车辆为例，在 一个实施场景中，每间隔一个采样周期获取一次该车辆的行驶信息，从而 得到该车辆的行驶数据。在车辆的行驶数据中，如果有设定数量个采样周 期该车辆均位于同一网格，则可确定该车辆在该网格对应的采样周期为设 定数量个，从而确定该车辆在该网格中对应设定数量个采样周期。进一步地，该采样周期可以根据采集车辆信息的设备决定。以利用车辆上的OBD (远程车载诊断系统)设备采集车辆信息为例，在一个场景中，可以设置 采样周期(OBD上传数据频率)为1s。
步骤S103：计算每个车辆在每个采样周期内的污染物排放量。在一个 场景中，对于机动车的污染物排放量，可以根据车型、车速、不同污染物 的排放因子和车辆行驶里程等信息计算得到。
步骤S104：将每个车辆在每个网格对应的若干个采样周期的污染物排 放量进行叠加。
步骤S105：汇总所有车辆在每个网格对应的污染物排放量，以得到该 目标区域的网格化的排放清单。通过前述的方法步骤建立的污染物排放清 单可以提供该目标区域中更加精细化的污染物排放特征，并可以为空气质 量模型提供数据支撑。
以上结合图1对本发明构建排放清单的方法原理进行了介绍，接下来 进一步描述每个过程的实现方式。在一个实施例中，为了得到前述的排放 清单，需要首先针对目标区域划分网格。在一个实现场景中，可以在GIS 系统(Geographic Information System，地理信息系统)上，按照如1km× 1km大小的网格针对该目标区域进行网格划分，使得该目标区域中包含多 个网格，并对每个网格赋予唯一的网格ID。可以理解的是前述的网格大小 可以根据需要设置成例如2km×2km或4km×5km等多种形式，本领域技 术人员可以根据目标区域的具体形状或数据分析需求进行设置。
在前述对目标区域划分网格后，为了准确获取每个网格中的污染物排 放量情况，需要对该网格中机动车辆行驶过程进行监测，即确定车辆在该 网格中行驶时的设定数量个采样周期。具体地，如图2所示，可以采用以 下步骤实现：步骤S201：检测每个采样周期开始时刻的行驶位置和/或采 样周期结束时刻的行驶位置。步骤S202：将该行驶位置与网格进行匹配， 以确定每个网格对应的采样周期。
以上对每个网格对应的设定数量个采样周期的方式进行了简要描述， 接下来将详细阐述前述的每个步骤的实现方式。在一个实现场景中，检测 每个采样周期开始时刻的行驶位置，如果存在几个采样周期的开始时刻的 行驶位置在前述的网格中，则可以确定该网格中对应的采样周期。在一个 实施例中，如图3所示，以某车辆在目标区域中的行驶过程为例，车辆在 该区域中行驶的过程中共有14次行驶数据上送的过程(分别对应图3中 的①号位置点到
号位置点)，即包括14个采样周期。由于车速、道路 长度等的不同，该车辆在每个网格中行驶的时间并不完全相同，因此对应 每个网格中的采样周期的数目也不完全相同。如果以采样周期的开始时刻 的车辆位置确定该采样周期属于哪一个网格，则在车辆行驶过程中可以包 括如图4所示的14个采样周期并且分布在不同的网格。基于此，这14个采样周期分别对应分布在不同的网格中，并且每个网格中对应的采样周期 的数量并不完全相同。
在另一个实现场景中，还可以检测每个采样周期结束时刻的行驶位 置，如果存在几个采样周期的结束时刻的行驶位置在前述的网格中，则这 几个采样周期对应于该网格。在又一种实现场景中，对每个采样周期开始 时刻车辆的行驶位置和结束时刻车辆的行驶位置均进行检测，如果采样周 期开始时刻的行驶位置和采样周期结束时刻的行驶位置均在该网格中，则 将该采样周期对应于该网格。
进一步地，前述的确定每个网格中对应的若干个采样周期的方式时， 可能会存在该采样周期内车辆跨越两个不同的网格的情况。接下来将阐述 这种情况下的采样周期与网格进行对应的方法。如图5所示，如果某个采 样周期开始时刻t1的行驶位置在某个网格G1中，而采样周期结束时刻t2的行驶位置在网格G2中，这种跨越两个网格的方式可以采用以下几种方 式确定该采样周期与网格的匹配关系。在一个实现场景中，可以将该采样 周期对应于该网格G1，即以采样周期开始时刻t1的行驶位置为准确定该 采样周期与网格的匹配关系，并将后续根据该采样周期计算得到的污染物 排放量作为该网格G1中的排放量。在另一个实现场景中，可以将该采样 周期对应于该网格G2，即以采样周期结束时刻t2的行驶位置为准确定该 采样周期与网格的匹配关系，后续根据该采样周期计算得到的污染物排放 量作为该网格G2中的排放量。在又一个实现场景中，也可以将前述的采 样周期跨越两个不同的网格的情况忽略，仅保留采样周期开始时刻的行驶 位置和采样周期结束时刻的行驶位置均在某个网格中的情况。
前述介绍了根据行驶位置确定采样周期与网格的匹配关系的方式，接 下来说明该行驶位置的获取方式。在一个实现场景中，前述的采样周期开 始时刻车辆的行驶位置和采样周期结束时刻的行驶位置可以利用GPS来 获取，然后通过GIS中的相交功能或开源算法，也可以获取采样周期开始 时刻和/或结束时刻车辆的经纬度，并将其与网格四个角的经纬度的大小直 接比较，以确定该采样周期对应的网格。本领域技术人员应该可以理解的是以上所述的实施例是示例性的而非限制性的，本领域技术人员可以根据 需要选择合适的确定车辆位置的方式。
以上详细说明了每个网格对应的采样周期的确定方式，接下来将阐述 每个采样周期中获取污染物排放量的具体手段。在一个实现场景中，污染 物排放量可以根据采样周期内污染物排放因子和行驶距离计算得到。具体 地，污染物的排放量可以是采样周期内污染物排放因子和行驶距离的乘 积。
以上说明了计算污染物排放量的两个因素，接下来将详细说明其中一 个因素即行驶距离的计算方式。在一个应用场景中，该行驶距离可以根据 采样周期内车辆的定位信息进行计算。例如图6所示，利用GPS对采样周 期开始时刻进行定位得到第一经纬度信息(对应图6中t1时刻的经纬度信 息)和对采样周期结束时刻进行定位得到第二经纬度信息(对应图6中t2时刻的经纬度信息)，然后通过以下计算公式可计算两次定位间的直线距 离(由于采样周期较短，假设两次定位间的行驶路线为直线带来的影响较 小)。该计算公式包括：
D＝R×C
式中：D为两次定位间的直线距离(采样开始时刻和结束时刻行驶的 直线距离)，m；R为地球半径，一般取6371000m；C、a分别为计算的 中间参数；long1和long2分别表示相邻的上下两个位置点的经度，度；lat1和lat2分别表示相邻的上下两个位置点的纬度，度；
和
分别为上一个 位置和下一个位置的纬度值，并以弧度形式表示；λ1为上一个位置的经度 值，并以弧度形式表示；
和Δλ分别表示上下两个位置的纬度弧度之差和 经度弧度之差。在另一个场景中，还可以直接采集车辆的行驶里程表中的 信息，通过计算采样结束时刻的里程信息和采样开始时刻的里程信息的差 值，即可得到对应的该采样周期内车辆的行驶距离。
前述的内容详细说明了车辆的行驶距离的计算方式，下面将详述污染 物排放量的另一个影响因素即排放因子的计算方式。对于该污染物排放因 子，其与该车辆的车型、当前车速等因素有关。在一个场景中，污染物排 放因子可以根据在采样周期内的平均行驶速度(例如以采样周期内行驶里 程和采样周期的比值表示平均行驶速度)进行确定。例如，本领域技术人 员可以根据该平均行驶速度从排放因子数据库中获取该车型在该速度下的污染物排放因子，也可以根据相关公式进行计算。由于该计算过程不属 于本发明的技术方案，此处不再赘述。在利用前述的方式获取排放因子之 后，根据下述公式便可计算出该车辆在该采样周期内的排放量：
Ei，s，po＝EFi，po，s×Li，s
式中：Ei,h,po指车辆i在s时刻(一个采集周期：如30s)的污染物po 的排放量，g；EFi,po,s指车辆i在s时刻的污染物po的排放因子(po包括： CO、HC、NOx和PM2.5种的一种或多种)，g/km；Li,s指车辆i在s时刻 的行驶距离，km。
前述说明了计算车辆的污染物排放量的方法，为了进一步提升该污染 物排放量计算的精确性，在一个实施例中，还包括对前述的污染物排放因 子进行修正的方式。例如可以选取对该污染物排放因子的影响因素，并利 用这些影响因素对污染物排放因子进行修正。在一个实现场景中，可以根 据环境修正因子、车辆速度修正因子、车辆劣化修正因子和车辆其他使用 条件修正因子的一种或多种对前述的污染物排放因子进行修正。具体地，前述的环境修正因子可以包括温度修正因子、湿度修正因子和海拔修正因 子。温度修正因子和湿度修正因子采用车辆行驶时的环境温度，此数据可 来自相关气象网站。海拔修正因子来自目标区域(城市)平均海拔状况， 海拔未知时可使用。平均速度修正因子按照速度可以划分五个等级分别进 行修正。速度等级划分：<20、20～0、30～40、40～80和>80km/h。对于车 辆其他使用条件修正因子，可以采用油品质量修正和负载系数修正。假设 车辆全部使用国六标准车用汽柴油，车辆载重系数未知时可按50％。
前述描述了几种对污染物排放因子的影响因素，利用这些影响因素可 以对污染排放因子进行修正。在一个实现场景中，可以采用以下计算公式 进行修正计算：
式中：EFi,po,s表示车辆i在s时刻的污染物po的排放因子，g/km；BEFi,po表示车辆i的污染物po的综合基准排放因子，g/km；
表示环境修正因子； γs表示车辆在s时刻的速度修正因子；λ表示车辆劣化修正因子；θ表示车 辆其他使用条件修正因子。
以上详细描述了获取每个车辆在每个采样周期的污染物排放量的计 算方法，接下来将阐述对每个网格对应的若干个采样周期的污染物排放量 进行叠加的过程。在一个实现场景中，如图7所示，将前述计算得到的各 采样周期的污染物排放量，按照对应的网格进行叠加，从而得到该网格中 对应的污染物排放情况。具体地，该污染物排放量可以按照数字大小进行 排放量的区分，数字越大对应污染物的排放量越大。如果以数字1-20衡量不同等级的排放量水平，则图7中的不同网格中分别对应10、13、18、13、 16和12级的污染物排放量。进一步地，也可以对每个网格中填充颜色， 并按照颜色深浅或不同对不同等级的排放量进行区分，颜色越深对应污染 物的排放量越大。更进一步地，也可以采用不同的颜色并结合颜色深浅作 为不同程度的污染物排放量水平。
进一步地，在前述计算每个车辆在网格中的污染物排放量并进行叠加 之后，可以按照上述方法汇总所有车辆在每个网格中的污染物排放量，以 得到该目标区域中所有的网格中对应的所有车辆的污染物排放情况，即该 目标区域的排放清单。以3个不同的车辆的污染物排放量的叠加的过程为 例。如图8所示，采用不同的颜色区分不同的污染物排放程度(污染物排 放量)，并且车辆1、车辆2和车辆3在目标区域中分别行驶了不同的路 径，分别利用上述的方法对车辆1、车辆2和车辆3的网格化的排放量进 行计算，然后汇总该三辆车在每个网格中的污染物排放量，得到图8中右 边的网格化的污染物的排放清单。
前述的汇总得到的网格化的排放清单是一种高空间分辨率的排放清 单，如果对前述每个网格均按照设定时长(例如一个小时)进行统计，便 可以得到高时空分辨率的排放清单，进而为该目标区域的排放特征研究提 供数据基础。
以上从整体到细节阐述了本发明实施例中的排放清单构建方法，对于 上述排放清单可能会涉及到的污染物，可以包括一氧化碳(CO)、碳氢 化合物(CH)、氮氧化合物(NOx)和颗粒物(PM2.5)等污染物中的一 种或多种。接下来将结合某地区中柴油车的污染物排放清单示例性的说明 本发明实施例的排放清单构建方法。
柴油车，特别是柴油货车是氮氧化物(NOx)和颗粒物(PM)的重要 排放来源。目前的柴油车安装有OBD设备，该设备可以上传车辆行驶信 息、发动机信息、全球定位信息(GPS)等。OBD设备数据会定期将这些 数据传输至数据中心，上传频率一般为1秒一次，部分OBD设备上传周 期为30秒一次或其他时间。因此可以利用该设备对柴油货车的排放状况进行监控，以计算得到关于柴油车的污染物排放清单。
首先，为得到网格化的排放清单，首先将某地区的行政区域划分为 1km×1km的网格，共174×168个网格，划分结果如图9所示，每个网格 均分配唯一的ID。
然后，将采样周期的起点时刻该柴油车所在的位置作为该排放量在网 格中的分配位置，以确定每个网格中对应的柴油车的采样周期。具体地， 可以设置采样周期为1秒，通过比较每个采样周期地开始时刻的经纬度与 网格是否相交确定该点在哪个网格之中。为简化分析过程，本实施例中采 用直接比较采样周期开始时刻的经纬度与网格四个角的经纬度的大小来 确定网格对应的采样周期。
接着，需要对每个采样周期的污染物排放量进行计算。利用前述的 OBD设备可以获取柴油车的车速信息、定位信息等，以便于根据这些信息 计算得到该柴油车在不同采样周期的污染物排放量。具体地，可以利用前 述的排放因子修正方法计算得到对应的污染物排放因子。下述表1中示出 了经修正后的某地区某年柴油车不同速度对应的NOx和PM2.5排放因子：
表1：
除了计算得到上述排放因子，也需要根据柴油车OBD设备上传的车 辆行驶信息计算得到采样周期内的行驶距离。前述的实施例中介绍了利用 经纬度计算采样周期开始时刻和结束时刻之间的行驶距离的方式，故在此 处不再赘述。利用上述计算得到的污染物排放因子和行驶距离，可以计算 得到在采样周期内的对应污染物的排放量。
再接着，对前述计算得到的每个网格中对应的若干个采样周期的污染 物排放量进行叠加，便可得到每个网格中的污染物排放量情况。这一过程 实现了以网格为单位对该污染物排放量进行计算以获取排放量清单，有效 提升了其空间分辨率。
最后，将所有车辆在每个网格中的污染物排放量进行汇总，以便于得 到某地区所有柴油车的网格化的排放清单。如图10所示，通过汇总该地 区中所有车辆的污染物排放量到对应的网格，得到了该地区的污染物的排 放清单(图10中仅示出了氮氧化物的排放清单)。前述的利用本发明的 方法得到柴油车的污染物排放清单具有较高的分辨率，因此可以通过放大 该排放清单对主要路段进行详细查看，得到例如图11中所示出的局部的 主要路段的排放量清单示意图，以便于深入分析每个路段或区域中的排放 特征。通过该排放清单能够为深入了解柴油车使用和排放特征提供数据基 础，并为柴油车的污染管控提供研究思路和技术支持。
以上对本发明的方法技术方案进行了详细的说明，根据本发明的另一 个方面，本发明还提供了如图12所示的一种排放清单构建系统100，包括 处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过 通信总线完成相互间的通信，处理器执行前述排放清单构建方法的步骤。 进一步地，该系统100中还可以包括显示器，该显示器与前述的处理器连 接，以对获取的污染物排放清单进行显示。关于该系统所实现的方法，由 于在前文中已经进行了详细的说明，故而在此也不再赘述。
根据本发明的又一个方面，本发明还提供了一种计算机可读存储介 质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器 执行时实现如前述的排放清单构建方法。
在本发明中，前述的可读存储介质可以是任何包含或存储程序的有形 介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。 例如，计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介 质，比如，阻变式存储器RRAM(ResistiveRandom Access Memory)、动 态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机 存取存储器SRAM(Static Random-Access Memory)、增强动态随机存取 存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内 存HBM(High-BandwidthMemory)、混合存储立方HMC(Hybrid Memory Cube)等等，或者可以用于存储所需信息并且可以由应用程序、模块或两 者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分 或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由 这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令 来实现。
应当理解，本发明披露的权利要求、说明书及附图中的术语“第一” 或“第二”等是用于区别不同对象，而不是用于描述特定顺序。本发明披 露的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特 征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其 它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本发明披露说明书中所使用的术语仅仅是出于描述特定实施 例的目的，而并不意在限定本发明披露。如在本发明披露说明书和权利要 求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的 “一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本 发明披露说明书和权利要求书中使用的术语“和/或”是指相关联列出的项 中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
虽然本发明的实施方式如上，但所述内容只是为便于理解本发明而采 用的实施例，并非用以限定本发明的范围和应用场景。任何本发明所述技 术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可 以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范 围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种排放清单构建方法，其特征在于，包括：
将目标区域划分若干个网格；
确定每个车辆在每个网格中对应的若干个采样周期；
计算每个车辆在每个采样周期内的污染物排放量；
将每个车辆在每个网格对应的若干个采样周期的污染物排放量进行叠加以得到每个车辆在每个网格的排放量；
汇总所有车辆在每个网格对应的污染物排放量，以获取所述目标区域的排放清单。
2.根据权利要求1所述的方法，其特征在于，所述确定每个车辆在每个网格中对应的若干个采样周期包括：
检测每个采样周期开始时刻的行驶位置和/或采样周期结束时刻的行驶位置；
将所述行驶位置与所述网格进行匹配，以确定每个网格对应的采样周期。
3.根据权利要求2所述的方法，其特征在于，所述匹配包括：
所述采样周期开始时刻的行驶位置在所述网格中；或
所述采样周期结束时刻的行驶位置在所述网格中；或
所述采样周期开始时刻的行驶位置和采样周期结束时刻的行驶位置均在所述网格中。
4.根据权利要求1所述的方法，其特征在于，所述污染物排放量根据采样周期内的污染物排放因子和行驶距离计算得到。
5.根据权利要求4所述的方法，其特征在于，所述行驶距离根据采样周期内车辆的定位信息进行计算。
6.根据权利要求4所述的方法，其特征在于，还包括对所述污染物排放因子进行修正，包括：
根据环境修正因子、车辆速度修正因子、车辆劣化修正因子和车辆其他使用条件修正因子的一种或多种对所述污染物排放因子进行修正。
7.根据权利要求6所述的方法，其特征在于，所述污染物排放因子的计算公式包括：
式中：EFi,po,s表示车辆i在s时刻的污染物po的排放因子；BEFi,po表示车辆i的污染物po的综合基准排放因子；
表示环境修正因子；γs表示车辆在s时刻的速度修正因子；λ表示车辆劣化修正因子；θ表示车辆其他使用条件修正因子。
8.根据权利要求1所述的方法，其特征在于，所述污染物包括一氧化碳、碳氢化合物、氮氧化合物和颗粒物中的一种或多种空气污染物。
9.一种排放清单构建系统，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的排放清单构建方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的排放清单构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110594024.4A CN113407653A (zh) | 2021-05-28 | 2021-05-28 | 一种排放清单构建方法、系统及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110594024.4A CN113407653A (zh) | 2021-05-28 | 2021-05-28 | 一种排放清单构建方法、系统及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113407653A true CN113407653A (zh) | 2021-09-17 |
Family
ID=77675112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110594024.4A Pending CN113407653A (zh) | 2021-05-28 | 2021-05-28 | 一种排放清单构建方法、系统及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113407653A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115292331A (zh) * | 2022-10-09 | 2022-11-04 | 淄博青禾检测科技有限公司 | 一种异常地理区域的获取方法、设备及介质 |
| CN117093829A (zh) * | 2023-10-19 | 2023-11-21 | 四川国蓝中天环境科技集团有限公司 | 一种基于车载诊断数据的劣质油品加油点识别方法和系统 |
| TWI836560B (zh) * | 2021-12-10 | 2024-03-21 | 日商Ｆ Ｓ Ｒ股份有限公司 | 環境負荷管理裝置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101027211A (zh) * | 2004-07-23 | 2007-08-29 | 通用电气公司 | 用于管理移动车辆排放的系统和方法 |
| CN105426636A (zh) * | 2015-12-23 | 2016-03-23 | 北京工业大学 | 城市峡谷街道机动车污染物排放与扩散的实时估计方法 |
| CN108682156A (zh) * | 2018-07-13 | 2018-10-19 | 哈尔滨工业大学 | 基于出租车gps数据动态监测市区交通排放污染状况的方法 |
| CN110727904A (zh) * | 2019-10-11 | 2020-01-24 | 中国科学院地理科学与资源研究所 | 一种车辆排放清单的构建方法 |
| CN110738367A (zh) * | 2019-10-12 | 2020-01-31 | 东北大学秦皇岛分校 | 一种基于深度残差网络的交通尾气排放量预测方法 |
| CN111612670A (zh) * | 2020-04-27 | 2020-09-01 | 清华大学 | 一种构建机动车排放清单的方法、装置和计算机设备 |
| CN112561410A (zh) * | 2021-02-26 | 2021-03-26 | 北京英视睿达科技有限公司 | 道路车辆的排放量确定方法、装置及电子设备 |
-
2021
- 2021-05-28 CN CN202110594024.4A patent/CN113407653A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101027211A (zh) * | 2004-07-23 | 2007-08-29 | 通用电气公司 | 用于管理移动车辆排放的系统和方法 |
| CN105426636A (zh) * | 2015-12-23 | 2016-03-23 | 北京工业大学 | 城市峡谷街道机动车污染物排放与扩散的实时估计方法 |
| CN108682156A (zh) * | 2018-07-13 | 2018-10-19 | 哈尔滨工业大学 | 基于出租车gps数据动态监测市区交通排放污染状况的方法 |
| CN110727904A (zh) * | 2019-10-11 | 2020-01-24 | 中国科学院地理科学与资源研究所 | 一种车辆排放清单的构建方法 |
| CN110738367A (zh) * | 2019-10-12 | 2020-01-31 | 东北大学秦皇岛分校 | 一种基于深度残差网络的交通尾气排放量预测方法 |
| CN111612670A (zh) * | 2020-04-27 | 2020-09-01 | 清华大学 | 一种构建机动车排放清单的方法、装置和计算机设备 |
| CN112561410A (zh) * | 2021-02-26 | 2021-03-26 | 北京英视睿达科技有限公司 | 道路车辆的排放量确定方法、装置及电子设备 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI836560B (zh) * | 2021-12-10 | 2024-03-21 | 日商Ｆ Ｓ Ｒ股份有限公司 | 環境負荷管理裝置 |
| CN115292331A (zh) * | 2022-10-09 | 2022-11-04 | 淄博青禾检测科技有限公司 | 一种异常地理区域的获取方法、设备及介质 |
| CN117093829A (zh) * | 2023-10-19 | 2023-11-21 | 四川国蓝中天环境科技集团有限公司 | 一种基于车载诊断数据的劣质油品加油点识别方法和系统 |
| CN117093829B (zh) * | 2023-10-19 | 2024-01-23 | 四川国蓝中天环境科技集团有限公司 | 一种基于车载诊断数据的劣质油品加油点识别方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113407653A (zh) | 一种排放清单构建方法、系统及可读存储介质 | |
| Pouresmaeili et al. | Development of Mashhad driving cycle for passenger car to model vehicle exhaust emissions calibrated using on-board measurements | |
| Chang et al. | Estimating real-time traffic carbon dioxide emissions based on intelligent transportation system technologies | |
| Frank et al. | Linking land use with household vehicle emissions in the central Puget Sound: methodological framework and findings | |
| Zhai et al. | A vehicle-specific power approach to speed-and facility-specific emissions estimates for diesel transit buses | |
| Zheng et al. | High-resolution mapping of vehicle emissions in China in 2008 | |
| CN113515722B (zh) | 一种道路交通排放与扬尘排放的实时监测方法与系统 | |
| CN108682156B (zh) | 基于出租车gps数据动态监测市区交通排放污染状况的方法 | |
| Kan et al. | Fine-grained analysis on fuel-consumption and emission from vehicles trace | |
| Wu et al. | Impact factors of the real-world fuel consumption rate of light duty vehicles in China | |
| Paffumi et al. | European-wide study on big data for supporting road transport policy | |
| CN101886940A (zh) | 混合动力电动汽车能耗排放检测系统与检测方法 | |
| CN116307837B (zh) | 一种基于多种监测技术的区域机动车排放评估方法及系统 | |
| CN107089209A (zh) | 一种用于计算电动汽车续驶里程的方法和装置 | |
| Sharma et al. | Performance evaluation of CALINE 4 dispersion model for an urban highway corridor in Delhi | |
| US20220335822A1 (en) | Method of determining the amount of pollutant emissions from a vehicle over a road network section | |
| Kropiwnicki | A unified approach to the analysis of electric energy and fuel consumption of cars in city traffic | |
| Mera et al. | Including engine data for energy and pollutants assessment into the vehicle specific power methodology | |
| Wang et al. | A novel modal emission modelling approach and its application with on-road emission measurements | |
| CN117454729B (zh) | 一种大气污染贡献度预测方法、装置及可读存储介质 | |
| Stokić et al. | A bilinear interpolation model for estimating commercial vehicles' fuel consumption and exhaust emissions | |
| Kang et al. | Link-based emission model for eco routing | |
| Bachman | A GIS-based modal model of automobile exhaust emissions | |
| Lee | Integrated modeling of air quality and health impacts of a freight transportation corridor | |
| CN112729863A (zh) | 一种车辆实测道路选择方法 |
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 |