CN113723782A - 一种基于能源消耗碳排放的精细尺度确定方法及装置 - Google Patents
一种基于能源消耗碳排放的精细尺度确定方法及装置 Download PDFInfo
- Publication number
- CN113723782A CN113723782A CN202110954979.6A CN202110954979A CN113723782A CN 113723782 A CN113723782 A CN 113723782A CN 202110954979 A CN202110954979 A CN 202110954979A CN 113723782 A CN113723782 A CN 113723782A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- energy consumption
- area
- point
- data
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 260
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 260
- 238000005265 energy consumption Methods 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000011664 signaling Effects 0.000 claims abstract description 27
- 238000009826 distribution Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 239000003502 gasoline Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000003949 liquefied natural gas Substances 0.000 description 1
- 239000003915 liquefied petroleum gas Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于能源消耗碳排放的精细尺度确定方法及装置。该方法包括:基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值;耗能统计数据包含居民住宅区的能源消耗数据;基于耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值;基于居民住宅区的碳排放值、区域基础设施点的碳排放值以及工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;所述目标区域包含至少一个所述城市功能区单元。采用本发明方法,通过多源数据融合的方式确定城市不同区域的碳排放量,实现了基于能源消耗的间接碳排放的细粒度估算,提高了能源消耗碳排放的估算精度和效率。
Description
技术领域
本发明涉及计算机应用技术领域,具体涉及一种基于能源消耗碳排放的精细尺度确定方法和装置。另外,还涉及一种电子设备及处理器可读存储介质。
背景技术
近年来,随着经济社会的快速发展,城市中各种能源消耗越来越多。如何实现城市地区碳排放的精细尺度估算,成为当前技术人员亟待解决的技术问题。现有的区域内碳排放估算方法主要包括:对不同级别行政区划单位的总碳排放量估算以及工业内碳排放估算。这两种估算方法都属于宏观尺度的估算,前者是最常见且应用最为广泛的一种方法,而后者的应用主要在工业碳减排和环保领域。以行政区划为单位的碳排放估算,虽然可以显示碳排放在空间上的异质性规律,但却无法展现更精细尺度的信息。而且碳排放的估算不仅涉及工业领域,还有商业、市政管理、居民生活等方方面面。城市内的碳排放估算本质上都是需要解决两个问题:一是如何确定估算体系和门类;二是如何进行精细空间尺度估算。在确定估算体系和门类时,需要全面地考虑不同行业之间碳排放的差异性,还要考虑城市居民生活中碳排放量的差异。首先,不同行业之间碳排放水平的差异性是显著的,必须分门别类进行估算;其次,同一行业内不同机构或企业的碳排放量也是不相同的。要在估算的过程中,将这些差异考虑进去,才能真正提高碳排放估算的精度。再者,城市居民生活水平也是不尽相同的,这是由于城市在发展过程中,新老城区的人口结构、收入水平和生活方式迥异。城市内不同区域的居民生活用碳排放存在明显差异。而精细的空间尺度估算,则需要高空间分辨率的地理大数据的支撑,从而获得城市内精细空间尺度上的碳排放量估算值。
为了解决上述技术问题,现有技术中的城市碳排放估算思路大致可归纳为以下两类:自上而下的分解、自下而上的聚集。自上而下的思路目前接受度较高,一般应用于省级行政区划或市县级行政区划等面板数据。在应用过程中,往往综合考虑某一行政单元的碳排放量,而忽略了局部空间异质性。在这种情况下,由于难以兼顾上面说的两点问题,估算结果通常只具有宏观参考意义。另一方面,有学者根据自下而上的思路,提出建筑物碳排放估算模型,基于城市地理建筑数据库对城市不同类型建筑物的能源消耗和相关碳排放进行估算。这一类方法中存在的最大问题是建筑数据库获取难度大,且应用范围局限在家庭能源评估和居民碳排放估算。所以现有的城市地区基于能源消耗的碳排放估算都不能满足大面积、多门类、精细尺度估算的目标。因此,如何设计一种高效、精确的基于能源消耗碳排放的精细尺度确定方案成为本领域技术人员研究的重要课题。
发明内容
为此,本发明提供一种基于能源消耗碳排放的精细尺度确定方法及装置,以解决现有技术中基于能源消耗碳排放估算方案局限性较高,估算效率和精度较差的问题。
第一方面,本发明提供一种基于能源消耗碳排放的精细尺度确定方法,包括:基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值;所述耗能统计数据包含居民住宅区的能源消耗数据;
基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值;
基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;其中,所述目标区域包含至少一个所述城市功能区单元。
进一步的,所述基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值,具体包括:
基于耗能统计数据,确定人均电力能源消耗水平和电力能源消耗数据占比;根据所述电力能源消耗数据占比、所述人均电力消耗水平以及相应的电力能源的碳排放系数,确定目标行政区域内居住区人均居民生活用碳排放值;
基于所述移动端信令数据,确定每个格网点对应的人口均值;其中,所述移动端信令数据包含基于预设数据精度的格网点及其对应的城市人口分布数据;
基于所述每个格网点对应的人口均值和所述居住区人均居民生活用碳排放值,确定基于人口分布的居民生活用碳排放值。
进一步的,所述基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值,具体包括:
对初始的所述地理信息兴趣点进行清洗和筛选,得到目标地理信息兴趣点;并基于预设的兴趣点行业划分标准,对所述目标地理信息兴趣点进行重分类,确定所述目标地理信息兴趣点对应的行业类型;
基于建筑物的轮廓数据,确定所述目标地理信息兴趣点分别对应的面积权重;基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值。
进一步的,所述基于建筑物的轮廓数据,确定所述目标地理信息兴趣点分别对应的面积权重,具体包括:
基于建筑物的轮廓数据计算得到建筑物的总面积;所述建筑物的轮廓数据为矢量数据,具体包含建筑物的轮廓信息和楼层信息;
基于所述建筑物的轮廓数据,确定建筑物的占地面积和使用面积;
基于所述建筑物的占地面积和使用面积,对相应的每个目标地理信息兴趣点赋予相应的面积权重;
其中,所述面积权重与所述每个目标地理信息兴趣点所属行业类型中的碳排放权重相对应。
进一步的,基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值,具体包括:
基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定对应行业类型中目标机构的能源消耗值;
基于所述目标机构的能源消耗值以及预设的标准折算系数,确定每个目标地理信息兴趣点表示的区域基础设施点以及工商业点的碳排放值;其中,所述目标机构与所述区域基础设施点以及所述工商业点相对应。
进一步的,基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值,具体包括:
基于预设的与格网点对应的阈值,将所述居民住宅区的碳排放值归并到相应的所述城市功能区单元中;并基于预设的与所述格网点对应的区域基础设施点及工商业点的阈值,将所述区域基础设施点的碳排放值以及所述工商业点的碳排放值归并到相应的所述城市功能区单元中;
输出所述目标区域内所述城市功能区单元分别对应的能源消耗碳排放值。
第二方面,本发明还提供一种基于能源消耗碳排放的精细尺度确定装置,包括:
第一碳排放值确定单元,用于基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值;其中,所述耗能统计数据包含居民住宅区的能源消耗数据;
第二碳排放值确定单元,用于基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值;
能源消耗碳排放值确定单元,用于基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;其中,所述目标区域包含至少一个所述城市功能区单元。
进一步的,所述第一碳排放值确定单元,具体用于:
基于耗能统计数据,确定人均电力能源消耗水平和电力能源消耗数据占比;根据所述电力能源消耗数据占比、所述人均电力消耗水平以及相应的电力能源的碳排放系数,确定目标行政区域内居住区人均居民生活用碳排放值;
基于所述移动端信令数据,确定每个格网点对应的人口均值;其中,所述移动端信令数据包含基于预设数据精度的格网点及其对应的城市人口分布数据;
基于所述每个格网点对应的人口均值和所述居住区人均居民生活用碳排放值,确定基于人口分布的居民生活用碳排放值。
进一步的,所述第二碳排放值确定单元,具体用于:
对初始的所述地理信息兴趣点进行清洗和筛选,得到目标地理信息兴趣点;并基于预设的兴趣点行业划分标准,对所述目标地理信息兴趣点进行重分类,确定所述目标地理信息兴趣点对应的行业类型;
基于建筑物的轮廓数据,确定所述目标地理信息兴趣点分别对应的面积权重;基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值。
进一步的,所述第二碳排放值确定单元,具体用于:
基于建筑物的轮廓数据计算得到建筑物的总面积;所述建筑物的轮廓数据为矢量数据,具体包含建筑物的轮廓信息和楼层信息;
基于所述建筑物的轮廓数据,确定建筑物的占地面积和使用面积;
基于所述建筑物的占地面积和使用面积,对相应的每个目标地理信息兴趣点赋予相应的面积权重;
其中,所述面积权重与所述每个目标地理信息兴趣点所属行业类型中的碳排放权重相对应。
进一步的,基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值,具体包括:
基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定对应行业类型中目标机构的能源消耗值;
基于所述目标机构的能源消耗值以及预设的标准折算系数,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值;其中,所述目标机构与所述区域基础设施点以及所述工商业点相对应。
进一步的,所述能源消耗碳排放值确定单元,具体用于:
基于预设的与格网点对应的阈值,将所述居民住宅区的碳排放值归并到相应的所述城市功能区单元中;并基于预设的与所述格网点对应的区域基础设施点及工商业点的阈值,将所述区域基础设施点的碳排放值以及所述工商业点的碳排放值归并到相应的所述城市功能区单元中;
输出所述目标区域内所述城市功能区单元分别对应的能源消耗碳排放值。
第三方面,本发明还提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任意一项所述的基于能源消耗碳排放的精细尺度确定方法的步骤。
第四方面,本发明还提供一种处理器可读存储介质,所述处理器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上述任意一项所述的基于能源消耗碳排放的精细尺度确定方法的步骤。
采用本发明所述的基于能源消耗碳排放的精细尺度确定方法,通过多源数据融合的方式确定城市不同区域的碳排放量,实现了基于能源消耗的间接碳排放的细粒度估算,提高了能源消耗碳排放的估算精度和效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获取其他的附图。
图1为本发明实施例提供的基于能源消耗碳排放的精细尺度确定方法的流程示意图;
图2为本发明实施例提供的居民生活用碳排放估算模型示意图;
图3为本发明实施例提供的地理信息兴趣点数据行业分类及对应碳排放估算模型示意图;
图4为本发明实施例提供的基于能源消耗碳排放的精细尺度确定装置的结构示意图;
图5为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获取的所有其他实施例,都属于本发明保护的范围。
下面基于本发明所述的基于能源消耗碳排放的精细尺度确定方法,对其实施例进行详细描述。如图1所示,其为本发明实施例提供的基于能源消耗碳排放的精细尺度确定方法的流程示意图,具体实现过程包括以下步骤:
步骤101:基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值。
在本步骤中,首先基于耗能统计数据,确定人均电力能源消耗水平和电力能源消耗数据占比;根据所述电力能源消耗数据占比、所述人均电力消耗水平以及相应的电力能源的碳排放系数,确定目标行政区域内居住区人均居民生活用碳排放值;基于所述移动端信令数据,确定每个格网点对应的人口均值。其中,所述移动端信令数据包含基于预设数据精度的格网点及其对应的城市人口分布数据;基于所述每个格网点对应的人口均值和所述居住区人均居民生活用碳排放值,确定基于人口分布的居民生活用碳排放值。所述移动端信令数据可以是指手机信令数据、平板电脑信令数据等。所述耗能统计数据包含居民住宅区的能源消耗数据等。
在本发明实施例中,首先需要基于耗能统计数据计算每个行政区域内人均居民生活用碳排放值,并基于移动端信令数据计算基于人口分布的居民生活用碳排放值。
具体而言,计算每个行政区域内人均居民生活用碳排放值,首先需要将耗能统计数据中的能源消耗数据做进一步的处理。
如图2所示,假设第i个行政区域的年均电力消耗为ei,该行政区域内实际居住人口为Numpopulation,则该行政区域内的所述的人均电力能源消耗水平(第i个行政区域的人均电力消费)为:eindividual=ei/Numpopulation。其中,在本发明实施例中,所述行政区域与目标行政区域相对应。
需要说明的是,在具体实施过程中,居民生活用碳排放值不仅包括电力消耗相关的碳排放数据,还有煤炭、液化石油气、天然气等。由于在空间上居民用汽油消耗的终端是各类车辆,所以汽油消费应当不属于居民住宅区内的能源消耗。实际在居住区内的能源消耗应为居民住宅区内总能源消耗值Eoverall与居民用汽油消耗值Egasoline的差值。由于缺少分种类能源消耗数据,只能采用电力消耗数据与所述总能源消耗值来进行计算。比如:假设城市居民的生活方式和不同种类能源消费比重短时期内不变,居民住宅区总能源消耗值与电力消耗数据的比值(即图2中的电力与总耗能的比值)就可以代表城市的电力能源消耗数据占比,对应表达式如下:
Ratio=Eelectricity/(Eoverall-Egasoline)
其中,Ratio为电力能源消耗数据占比、Eoverall为所述总能源消耗值、Egasoline为居民用汽油消耗值、Eelectricity为电力消耗数据。
行政区域内居民生活用碳排放,用CE来代表,计算过程采用系数法。根据以上的说明,以电力能源的碳排放系数k(即电力的碳排放系数)来进行计算人均居民生活用碳排放值,对应表达式如下:
CEaverage=(eindividual*k)/Ratio
其中,CEaverage为行政区域内人均居民生活用碳排放值、eindividual为人均电力能源消耗水平、Ratio为电力能源消耗数据占比、k为电力能源的碳排放系数。
以上的计算,得到了各行政区域内的人均居民生活用碳排放值,进一步,需要求得基于人口分布的居民生活用碳排放值。具体的,移动端信令数据集包含城市人口分布数据,预设数据精度(比如100m)的格网,使用人口分布的n个格网点数据集估算平均人口分布情况,确定每个格网点对应的人口均值进而,可计算每个格网点对应的居民生活用碳排放值:
通过上述方式可以求解得到基于精细尺度的人口分布的居民生活用碳排放值。需要说明的是,在实际实施过程中,由于人口分布的空间分辨率高,且居民生活用能源消耗按特定行政区域进行计算,最后的估算结果在精细空间尺度上有好的呈现效果。
步骤102:基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值。
在本步骤中,首先需要对初始的所述地理信息兴趣点进行清洗和筛选,得到目标地理信息兴趣点;并基于预设的兴趣点行业划分标准,对所述目标地理信息兴趣点进行重分类,确定所述目标地理信息兴趣点对应的行业类型。基于建筑物的轮廓数据,确定所述目标地理信息兴趣点分别对应的面积权重;基于所述面积权重、区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值。所述地理信息兴趣点和所述目标地理信息兴趣点均为POI(Point of Interest)数据。
其中,所述的基于建筑物的轮廓数据,确定所述目标地理信息兴趣点分别对应的面积权重,具体实现过程包括:基于建筑物的轮廓数据计算得到建筑物的总面积;所述建筑物的轮廓数据为矢量数据,具体包含建筑物的轮廓信息和楼层信息;基于所述建筑物的轮廓数据,确定建筑物的占地面积和使用面积;基于所述建筑物的占地面积和使用面积,对相应的每个目标地理信息兴趣点赋予相应的面积权重。其中,所述面积权重与所述每个目标地理信息兴趣点所属行业类型中的碳排放权重相对应。
进一步的,在本发明实施例中,基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值,具体实现过程包括:基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定对应行业类型中目标机构的能源消耗值;基于所述目标机构的能源消耗值以及预设的标准折算系数,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值。所述目标机构与所述区域基础设施点以及所述工商业点相对应。
具体而言,对所述地理信息兴趣点(POI数据)进行清洗和筛选,剔除无效以及无意义的地理信息兴趣点,得到目标地理信息兴趣点。建立目标地理信息兴趣点与预设的经济行业划分标准之间的对应关系。使用建筑轮廓数据为每个目标地理信息兴趣点分配面积权重,每一个目标地理信息兴趣点的面积权重决定了其在所属行业中的碳排放占比。以分类后的目标地理信息兴趣点表示每个城市区域基础设施点和工商业点,分属不同行业的目标地理信息兴趣点之间不具有可比性,分别计算其碳排放量权重。
具体来说,如图3所示,其为本发明实施例提供的地理信息兴趣点数据行业分类及对应碳排放估算模型示意图。如图3所示,在数据预处理阶段,首先要对POI数据进行清洗和筛选,将含有空值或无实际意义的POI点剔除。之后,需要建立POI数据与预设的经济行业划分标准之间的对应关系。比如,可将POI数据划分为16类行业类型,分别是制造业、批发与零售业、住宿与餐饮、租赁与商务服务业、文化体育与娱乐业、居民生活服务及修理业、金融业、科学研究与技术服务业、信息传输与软件服务业、卫生及社会工作、环境管理与社会服务业、教育行业、房地产业、建筑业、采矿业、农林牧渔业。
重分类后,需要使用建筑轮廓数据对每个POI点赋予面积权重。建筑轮廓数据为矢量数据,包含建筑物的轮廓信息和楼层信息。并由此可计算建筑物的占地面积和使用面积。假设建筑物i的占地面积为ci,楼层数为fi,则建筑物i的使用面积Ai=ci*fi。为POI点赋予面积权重,每一个POI的面积权重决定了其在所属行业中的碳排放占比。假设一栋建筑物内的机构或企业具有很大程度上的相似性,那么同一栋建筑物内的POI点分摊了使用面积。因此,面积权重为第i个POI点的面积在所属行业的总使用面积的占比,即Si/S。
假设行业j的总能源消耗为Ej,则j行业的第i机构(即目标机构)的能源消耗值应当为Eij=Ej*Si/S。进而,根据系数法,利用标准折算系数计算j行业i机构的碳排放值为CEij=Eij*k0,k0为标准煤折算的碳排放系数。至此,可得到每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值。
步骤103:基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;其中,所述目标区域包含至少一个所述城市功能区单元。
在本步骤中,首先基于预设的与格网点对应的阈值,将所述居民住宅区的碳排放值归并到相应的所述城市功能区单元中;并基于预设的与所述格网点对应的区域基础设施点及工商业点的阈值,将所述区域基础设施点的碳排放值以及所述工商业点的碳排放值归并到相应的所述城市功能区单元中。进而输出所述目标区域内所述城市功能区单元分别对应的能源消耗碳排放值。
具体来说,将碳排放值汇总在城市功能区单元中,遵循预设的最近邻的原则,无论是居民生活用碳排放,还是区域基础设施点和工商业点的碳排放值,都根据对应的预设阈值,将其逐一归并到最近的城市功能区单元内,具体步骤如下:
其次,对POI数据所代表的区域基础设施点和工商业点设定相应的阈值,将其归并到功能区单元内。出现的情况为POI点落在了对应功能区邻接的公路上,或两个功能区的边界处,因此可设定阈值为单向公路宽度的两倍。
第三,本发明实施例提供的城市功能区类型包括:一类居住区、二类居住区、三类居住区等居住区;商业区、工业区等工商业点、学校机构区、林地、城市绿地、农业用地、未开发用地等区域基础设施。
最后,根据设定的阈值,将居民生活用碳排放,区域基础设施点、工商业点的碳排放归并在对应的城市功能区单元内,即一个城市功能区单元对应的碳排放为:CE(UFZ)=∑CEij+∑CEresident。
采用本发明实施例所述的基于能源消耗碳排放的精细尺度确定方法,通过多源数据融合的方式确定城市不同区域的碳排放量,实现了基于能源消耗的间接碳排放的细粒度估算,提高了能源消耗碳排放的估算精度和效率。
与上述提供的一种基于能源消耗碳排放的精细尺度确定方法相对应,本发明还提供一种基于能源消耗碳排放的精细尺度确定装置。由于该装置的实施例相似于上述方法实施例,所以描述得比较简单,相关之处请参见上述方法实施例部分的说明即可,下面描述的基于能源消耗碳排放的精细尺度确定装置的实施例仅是示意性的。请参考图4所示,其为本发明实施例提供的一种基于能源消耗碳排放的精细尺度确定装置的结构示意图。
本发明所述的一种基于能源消耗碳排放的精细尺度确定装置具体包括如下部分:
第一碳排放值确定单元401,用于基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值;其中,所述耗能统计数据包含居民住宅区的能源消耗数据;
第二碳排放值确定单元402,用于基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值;
能源消耗碳排放值确定单元403,用于基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;其中,所述目标区域包含至少一个所述城市功能区单元。
采用本发明实施例所述的基于能源消耗碳排放的精细尺度确定装置,通过多源数据融合的方式确定城市不同区域的碳排放量,实现了基于能源消耗的间接碳排放的细粒度估算,提高了能源消耗碳排放的估算精度和效率。
与上述提供的基于能源消耗碳排放的精细尺度确定方法相对应,本发明还提供一种电子设备。由于该电子设备的实施例相似于上述方法实施例,所以描述得比较简单,相关之处请参见上述方法实施例部分的说明即可,下面描述的电子设备仅是示意性的。如图5所示,其为本发明实施例公开的一种电子设备的实体结构示意图。该电子设备可以包括:处理器(processor)501、存储器(memory)502和通信总线503,其中,处理器501,存储器502通过通信总线503完成相互间的通信,通过通信接口504与外部进行通信。处理器501可以调用存储器502中的逻辑指令,以执行基于能源消耗碳排放的精细尺度确定方法。该方法包括:基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值;其中,所述耗能统计数据包含居民住宅区的能源消耗数据;基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值;基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;其中,所述目标区域包含至少一个所述城市功能区单元。
此外,上述的存储器502中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:存储芯片、U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在处理器可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的基于能源消耗碳排放的精细尺度确定方法。该方法包括:基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值;其中,所述耗能统计数据包含居民住宅区的能源消耗数据;基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值;基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;其中,所述目标区域包含至少一个所述城市功能区单元。
又一方面,本发明实施例还提供一种处理器可读存储介质,所述处理器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上述各实施例提供的基于能源消耗碳排放的精细尺度确定方法。该方法包括:基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值;其中,所述耗能统计数据包含居民住宅区的能源消耗数据;基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值;基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;其中,所述目标区域包含至少一个所述城市功能区单元。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于能源消耗碳排放的精细尺度确定方法,其特征在于,包括:
基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值;其中,所述耗能统计数据包含居民住宅区的能源消耗数据;
基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值;
基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;其中,所述目标区域包含至少一个所述城市功能区单元。
2.根据权利要求1所述的基于能源消耗碳排放的精细尺度确定方法,其特征在于,所述基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值,具体包括:
基于耗能统计数据,确定人均电力能源消耗水平和电力能源消耗数据占比;根据所述电力能源消耗数据占比、所述人均电力消耗水平以及相应的电力能源的碳排放系数,确定目标行政区域内居住区人均居民生活用碳排放值;
基于所述移动端信令数据,确定每个格网点对应的人口均值;其中,所述移动端信令数据包含基于预设数据精度的格网点及其对应的城市人口分布数据;
基于所述每个格网点对应的人口均值和所述居住区人均居民生活用碳排放值,确定基于人口分布的居民生活用碳排放值。
3.根据权利要求1所述的基于能源消耗碳排放的精细尺度确定方法,其特征在于,所述基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值,具体包括:
对初始的所述地理信息兴趣点进行清洗和筛选,得到目标地理信息兴趣点;并基于预设的兴趣点行业划分标准,对所述目标地理信息兴趣点进行重分类,确定所述目标地理信息兴趣点对应的行业类型;
基于建筑物的轮廓数据,确定所述目标地理信息兴趣点分别对应的面积权重;基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值。
4.根据权利要求3所述的基于能源消耗碳排放的精细尺度确定方法,所述基于建筑物的轮廓数据,确定所述目标地理信息兴趣点分别对应的面积权重,具体包括:
基于建筑物的轮廓数据计算得到建筑物的总面积;所述建筑物的轮廓数据为矢量数据,具体包含建筑物的轮廓信息和楼层信息;
基于所述建筑物的轮廓数据,确定建筑物的占地面积和使用面积;
基于所述建筑物的占地面积和使用面积,对相应的每个目标地理信息兴趣点赋予相应的面积权重;
其中,所述面积权重与所述每个目标地理信息兴趣点所属行业类型中的碳排放权重相对应。
5.根据权利要求3所述的基于能源消耗碳排放的精细尺度确定方法,基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值,具体包括:
基于所述面积权重、所述区域基础设施点以及工商业点中目标行业对应的总能源消耗值,确定对应行业类型中目标机构的能源消耗值;
基于所述目标机构的能源消耗值以及预设的标准折算系数,确定每个目标地理信息兴趣点表示的区域基础设施点的碳排放值以及工商业点的碳排放值;其中,所述目标机构、所述区域基础设施点以及所述工商业点相对应。
6.根据权利要求1所述的基于能源消耗碳排放的精细尺度确定方法,其特征在于,基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值,具体包括:
基于预设的与格网点对应的阈值,将所述居民住宅区的碳排放值归并到相应的所述城市功能区单元中;并基于预设的与所述格网点对应的区域基础设施点及工商业点的阈值,将所述区域基础设施点的碳排放值以及所述工商业点的碳排放值归并到相应的所述城市功能区单元中;
输出所述目标区域内所述城市功能区单元分别对应的能源消耗碳排放值。
7.一种基于能源消耗碳排放的精细尺度确定装置,其特征在于,包括:
第一碳排放值确定单元,用于基于耗能统计数据和移动端信令数据,确定居民住宅区的碳排放值;其中,所述耗能统计数据包含居民住宅区的能源消耗数据;
第二碳排放值确定单元,用于基于所述耗能统计数据和地理信息兴趣点,确定区域基础设施点的碳排放值以及工商业点的碳排放值;
能源消耗碳排放值确定单元,用于基于所述居民住宅区的碳排放值、所述区域基础设施点的碳排放值以及所述工商业点的碳排放值,按照城市功能区单元进行分类汇总,得到目标区域相应的能源消耗碳排放值;其中,所述目标区域包含至少一个所述城市功能区单元。
8.根据权利要求7所述的基于能源消耗碳排放的精细尺度确定装置,其特征在于,所述第一碳排放值确定单元,具体用于:
基于耗能统计数据,确定人均电力能源消耗水平和电力能源消耗数据占比;根据所述电力能源消耗数据占比、所述人均电力消耗水平以及相应的电力能源的碳排放系数,确定目标行政区域内居住区人均居民生活用碳排放值;
基于所述移动端信令数据,确定每个格网点对应的人口均值;其中,所述移动端信令数据包含基于预设数据精度的格网点及其对应的城市人口分布数据;
基于所述每个格网点对应的人口均值和所述居住区人均居民生活用碳排放值,确定基于人口分布的居民生活用碳排放值。
9.一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任意一项所述的基于能源消耗碳排放的精细尺度确定方法的步骤。
10.一种处理器可读存储介质,所述处理器可读存储介质上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-6任意一项所述的基于能源消耗碳排放的精细尺度确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110954979.6A CN113723782A (zh) | 2021-08-19 | 2021-08-19 | 一种基于能源消耗碳排放的精细尺度确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110954979.6A CN113723782A (zh) | 2021-08-19 | 2021-08-19 | 一种基于能源消耗碳排放的精细尺度确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113723782A true CN113723782A (zh) | 2021-11-30 |
Family
ID=78676816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110954979.6A Pending CN113723782A (zh) | 2021-08-19 | 2021-08-19 | 一种基于能源消耗碳排放的精细尺度确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723782A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359001A (zh) * | 2022-03-21 | 2022-04-15 | 广东埃文低碳科技股份有限公司 | 一种城市碳盘查智能管理系统及方法 |
CN114694475A (zh) * | 2022-06-01 | 2022-07-01 | 广东师大维智信息科技有限公司 | 一种基于gis的碳排放地图制作方法、系统、介质及设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228464A (zh) * | 2016-07-18 | 2016-12-14 | 华电电力科学研究院 | 一种基于b/s架构的集团化火力发电企业碳排放控制方法 |
CN106455058A (zh) * | 2016-12-02 | 2017-02-22 | 中国联合网络通信集团有限公司 | 一种确定人口分布情况的方法及装置 |
US20180031533A1 (en) * | 2016-07-29 | 2018-02-01 | Cooper Technologies Company | System and method for real-time carbon emissions calculation for electrical devices |
CN108109073A (zh) * | 2017-11-29 | 2018-06-01 | 江苏省信息中心 | 基于资源环境要素耦合分析的碳排放空间配置方法 |
CN108280789A (zh) * | 2018-01-31 | 2018-07-13 | 中国科学院地理科学与资源研究所 | 一种精细时空尺度二氧化碳排放要素间影响的空间分析方法 |
CN109740968A (zh) * | 2019-01-25 | 2019-05-10 | 中国科学院上海高等研究院 | 二氧化碳排放空间格网化方法、系统、介质和装置 |
CN110807175A (zh) * | 2019-10-31 | 2020-02-18 | 广州市交通规划研究院 | 一种基于目标城市交通模型数据的城市交通碳排放测算方法 |
CN111445060A (zh) * | 2020-03-06 | 2020-07-24 | 华南理工大学珠海现代产业创新研究院 | 一种社区碳排放监测和预测系统及方法 |
CN111861170A (zh) * | 2020-07-07 | 2020-10-30 | 河南大学 | 一种碳排放空间制图方法、密度空间分布确定方法与装置 |
CN111968005A (zh) * | 2020-06-29 | 2020-11-20 | 法能(中国)能源技术有限公司 | 区域能源系统潜力评估方法及实现该方法的系统 |
CN113155498A (zh) * | 2021-03-26 | 2021-07-23 | 中国科学院城市环境研究所 | 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备 |
-
2021
- 2021-08-19 CN CN202110954979.6A patent/CN113723782A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228464A (zh) * | 2016-07-18 | 2016-12-14 | 华电电力科学研究院 | 一种基于b/s架构的集团化火力发电企业碳排放控制方法 |
US20180031533A1 (en) * | 2016-07-29 | 2018-02-01 | Cooper Technologies Company | System and method for real-time carbon emissions calculation for electrical devices |
CN106455058A (zh) * | 2016-12-02 | 2017-02-22 | 中国联合网络通信集团有限公司 | 一种确定人口分布情况的方法及装置 |
CN108109073A (zh) * | 2017-11-29 | 2018-06-01 | 江苏省信息中心 | 基于资源环境要素耦合分析的碳排放空间配置方法 |
CN108280789A (zh) * | 2018-01-31 | 2018-07-13 | 中国科学院地理科学与资源研究所 | 一种精细时空尺度二氧化碳排放要素间影响的空间分析方法 |
CN109740968A (zh) * | 2019-01-25 | 2019-05-10 | 中国科学院上海高等研究院 | 二氧化碳排放空间格网化方法、系统、介质和装置 |
CN110807175A (zh) * | 2019-10-31 | 2020-02-18 | 广州市交通规划研究院 | 一种基于目标城市交通模型数据的城市交通碳排放测算方法 |
CN111445060A (zh) * | 2020-03-06 | 2020-07-24 | 华南理工大学珠海现代产业创新研究院 | 一种社区碳排放监测和预测系统及方法 |
CN111968005A (zh) * | 2020-06-29 | 2020-11-20 | 法能(中国)能源技术有限公司 | 区域能源系统潜力评估方法及实现该方法的系统 |
CN111861170A (zh) * | 2020-07-07 | 2020-10-30 | 河南大学 | 一种碳排放空间制图方法、密度空间分布确定方法与装置 |
CN113155498A (zh) * | 2021-03-26 | 2021-07-23 | 中国科学院城市环境研究所 | 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备 |
Non-Patent Citations (2)
Title |
---|
SHOUJI DU.ETC: "LAND COVER CLASSIFICATION USING REMOTE SENSING IMAGES AND LIDAR DATA", 《IGARSS》, pages 2479 - 2482 * |
王劲峰,等: "地理学时空数据分析方法", 《地理学报》, vol. 69, no. 9, pages 1326 - 1345 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359001A (zh) * | 2022-03-21 | 2022-04-15 | 广东埃文低碳科技股份有限公司 | 一种城市碳盘查智能管理系统及方法 |
CN114359001B (zh) * | 2022-03-21 | 2022-06-07 | 广东埃文低碳科技股份有限公司 | 一种城市碳盘查智能管理系统及方法 |
CN114694475A (zh) * | 2022-06-01 | 2022-07-01 | 广东师大维智信息科技有限公司 | 一种基于gis的碳排放地图制作方法、系统、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ghiassi et al. | Reductive bottom-up urban energy computing supported by multivariate cluster analysis | |
Liu et al. | How urban land use influences commuting flows in Wuhan, Central China: A mobile phone signaling data perspective | |
Hsu et al. | An integrated flood risk assessment model for property insurance industry in Taiwan | |
Niedzielski et al. | Analyzing scale independence in jobs-housing and commute efficiency metrics | |
Wu et al. | Modified data-driven framework for housing market segmentation | |
Zhao et al. | LandSys: an agent-based Cellular Automata model of land use change developed for transportation analysis | |
Xie et al. | Spatial logistic regression and GIS to model rural-urban land conversion | |
Ward et al. | Integrating spatial optimization and cellular automata for evaluating urban change | |
CN113723782A (zh) | 一种基于能源消耗碳排放的精细尺度确定方法及装置 | |
Giupponi et al. | Spatial assessment of water use efficiency (SDG indicator 6.4. 1) for regional policy support | |
Narvaez et al. | Space syntax economics: decoding accessibility using property value and housing price in Cardiff, Wales | |
Subramanian et al. | Advancing neighbourhood sustainability assessment by accounting for sustainable development goals: A case study of Sha Tin neighbourhood in Hong Kong | |
Hajduk | The smartness profile of selected European cities in urban management–A comparison analysis | |
Alamanos et al. | Urban water demand assessment for sustainable water resources management, under climate change and socioeconomic changes | |
Van der Borght et al. | How urban spatial expansion influences CO2 emissions in Latin American countries | |
CN115829124A (zh) | 充电桩选址方法、装置、设备及存储介质 | |
Al Sayed et al. | Modelling dependency networks to inform data structures in BIM and smart cities | |
Hargreaves | Representing the dwelling stock as 3D generic tiles estimated from average residential density | |
Massano et al. | A GIS Open-Data Co-Simulation Platform for Photovoltaic Integration in Residential Urban Areas | |
CN112529475B (zh) | 一种城乡协同发展分析的方法、装置及存储介质 | |
Lagarias | Exploring land use policy scenarios with the use of a cellular automata-based model: urban sprawl containment and sustainable development in Thessaloniki | |
Zhang et al. | A segmented evaluation model for building energy performance considering seasonal dynamic fluctuations | |
Li et al. | Identifying urban form typologies in seoul with mixture model based clustering | |
Khosravian et al. | Evaluating the feasibility of constructing shopping centers on urban vacant land through a spatial multi-criteria decision-making model | |
Tang et al. | Use of publicly available data to create a dataset for data-driven urban commercial building energy intensity classification: Model accuracy, interpretation, and implications of an open data framework in Hong Kong |
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 |