CN113781771B - 一种ive模型的在线运行方法 - Google Patents

一种ive模型的在线运行方法 Download PDF

Info

Publication number
CN113781771B
CN113781771B CN202110942821.7A CN202110942821A CN113781771B CN 113781771 B CN113781771 B CN 113781771B CN 202110942821 A CN202110942821 A CN 202110942821A CN 113781771 B CN113781771 B CN 113781771B
Authority
CN
China
Prior art keywords
vehicle
traffic
data
traffic flow
road
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.)
Active
Application number
CN202110942821.7A
Other languages
English (en)
Other versions
CN113781771A (zh
Inventor
陈军辉
刘飞
李媛
张伟锋
邓顺强
周虹辉
伍强
李俊洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Readearth Information Technology Co ltd
SICHUAN ACADEMY OF ENVIRONMENTAL SCIENCES
Original Assignee
Shanghai Readearth Information Technology Co ltd
SICHUAN ACADEMY OF ENVIRONMENTAL SCIENCES
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Readearth Information Technology Co ltd, SICHUAN ACADEMY OF ENVIRONMENTAL SCIENCES filed Critical Shanghai Readearth Information Technology Co ltd
Priority to CN202110942821.7A priority Critical patent/CN113781771B/zh
Publication of CN113781771A publication Critical patent/CN113781771A/zh
Application granted granted Critical
Publication of CN113781771B publication Critical patent/CN113781771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • G06N7/06—Simulation on general purpose computers
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
    • G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种IVE模型的在线运行方法，包括：步骤一：模型计算数据的获取与分析，根据行政区划、地区类型将城市划分为若干个交通小区，对各交通小区进行调研，计算其人口密度与交通小区等级，计算全路网车流量，获取各交通小区各等级道路各车型占比；步骤二：代码处理数据，驱动模型，车队数据、工况文件、排放因子数据去文件化；步骤三：模型驱动及输出结果处理，计算逻辑处理，排放量分配。本发明优点是：保障了卡口数据缺失情况下实时排放量计算的可行性，将数据进行分批计算，提高了区域内全路网排放量计算的速度，减轻了数据库压力，实现了负载均衡。

Description

一种IVE模型的在线运行方法
技术领域
本发明涉及计算机动车排放量技术领域，特别涉及一种IVE模型的在线运行方法。
背景技术
目前计算机动车排放量，开源的IVE模型是一个很好的工具，IVE有3种输入文件，分别为工况文件、车队文件和排放因子校正文件，通常情况下，研究人员需要将手上的车流量数据、环境参数、因子数据等，按照IVE输入文件的标准格式进行整理，再输入模型中进行计算，从而得到对应道路或区域的排放量。
但是传统的传统的IVE模型具有以下缺陷：
1.IVE通常在离线下使用
(1)传统的IVE模型计算，需要用户按照模型所需文件格式人工整理多组文件，导致整个计算过程极度依赖Excel等基础数据处理工具，同时数据准备阶段花费时间较长，降低了排放量数据获取的时效性。
(2)由于IVE模型一次只能对一组文件进行计算，当区域内变量较多时(如有多种车型、多种道路类型等)，这需要用户提前整理多组文件，才能得到这片区域的排放量数据，这无疑加大了用户的工作量。
(3)IVE的3种输入文件中，车队文件主要记录道路上车型占比，对各车型的划分、排放标准的确定、车型大小等，模型是按照欧美国情定下的区分标准，若不将其与中国的车型等进行对应划分，用户很难自行归类，从而会影响到计算结果的准确性。
2.数据量大时，存储问题与计算效率得不到保障
在熟练使用IVE模型后，即使有成熟稳定的Excel公式，计算整个城市的机动车排放量也会产生大量的过程文件。
另外，虽然IVE模型每次计算时间非常快，但受模型单线程机制的影响，想要计算多个区域内的排放量，花费的时间依然是非常长的。传统的方式是配置多台设备运行模型，或将区域作为整体计算，每次计算都需要人工操作，计算效率依旧会非常慢。
3.交通数据获取受限
使用IVE模型计算机动车排放量，需要车流量数据、环境参数、因子数据等数据的支撑，若要计算实时排放量，则需要实时数据如实时车流量、实时温度等。在实际应用中，城市范围内全路网的实时车流量获取十分困难，也使实时机动车排放量的计算陷入了困境。
发明内容
本发明针对现有技术的缺陷，提供了一种IVE模型的在线运行方法。对IVE模型进行改进，实现IVE模型的在线运行，并且将模型核心运算部分与数据分析独立开来，支持多城市多服务器间调用，实现IVE的并行计算，同时对有限的卡口数据进行扩样，从而获取全路网车流量数据。
为了实现以上发明目的，本发明采取的技术方案如下：
一种IVE模型的在线运行方法，包括以下步骤：
步骤一：模型计算数据的获取与分析。
模型计算所需数据包括：机动车保有量数据、车流量数据、环境因子参数和基础排放因子，其中机动车保有量数据、环境因子参数和基础排放因子从公开渠道获取；
车流量数据需要根据有限地区的卡口数据进行全区域扩样，具体包括如下步骤：
(1)根据行政区划、地区类型将城市划分为若干个交通小区。
只需遵循同一交通小区内交通特征且交通节点需在交通小区内部而非交界处的原则即可；
(2)对各交通小区进行调研，计算其人口密度与交通小区等级。
查询各小区内常驻人口数量、乡镇面积、人均GDP，结合下方公式计算出每个交通小区的人口密度；
Figure BDA0003215764710000031
默认对人口密度与人均GDP进行等值划分，各5个等级，同时对交通小区的等级属性进行页面化管理，可以修改任一小区的人口等级与GDP等级，结合公式得到该交通小区的等级，总体上需要尽量控制每个等级内交通小区个数相近。
交通小区等级＝0.6*人口等级+0.4*GDP等级
每个等级包含n/5个乡镇，n为乡镇总数
(3)计算全路网车流量
根据交通小区内道路情况，分为所有道路无实时车流量和部分道路无实时车流量，使用不同的扩样公式，获取全路网车流量数据。
其中，道路类型分为主干道、次干道、快速路和支路；车型由车辆种类、排放标准、燃料类型共同决定，车流量分为“大型车”车流量与“小型车”车流量。
需要注意的是，由于交通卡口无法监测机动车确切类型，获取到的基础实时车流量数据是由“大型车”车流量与“小型车”车流量组成，因此使用扩样公式时需要将车型进行特殊处理。
扩样得到的车流量数据，需要按照日期建表，保存全路网数据。
①小区内部分道路类型无数据的，车流量扩样公式如下(此处车流量指大型车车流量、小型车车流量，而非具体某种车型车流量)：
Figure BDA0003215764710000041
其中，第i个小区内第n种道路类型无车流量，Wi,j,k表示第i个交通小区、第j种道路等级、k类型车的车流量数目；Wj,k表示全市第j种道路类型、k种车型的平均车流量；Wi,k表示第i个小区内、k种车型的平均车流量；Wk表示全市k车型的平均车流量
②小区内全部道路类型无数据的，车流量扩样公式如下(此处车流量指大型车车流量、小型车车流量，而非具体某种车型车流量)：
Figure BDA0003215764710000042
其中，第i个小区内所有道路类型无车流量，Wi,j,k表示第i个交通小区、第j种道路等级、k类型车的车流量数目；Wj,k表示全市第j种道路类型、k种车型的平均车流量；ai,j为校正系数，与交通小区等级有关
(4)获取各交通小区各等级道路各车型占比：
①大型车各车型占比计算公式如下：
Figure BDA0003215764710000043
其中Px表示公交/客车/货车占比，Nx表示公交/客车/货车保有量
②小型车各车型占比计算公式如下：
Figure BDA0003215764710000051
其中Px表示出租/客车/货车占比，Nx表示出租/客车/货车保有量
③计算单一路段所有车型占比情况公式如下：
Figure BDA0003215764710000052
其中FPx表示车型x的最终占比，Px表示当前路段上车型x在大型车/小型车中的占比，W大型车/小型车表示当前路段上大型车/小型车的车流量。
步骤二：代码处理数据，驱动模型，包括以下步骤：
(1)车队数据去文件化；
将计算得到的大型车、小型车占比录入数据库，循环遍历全路网，采用“计算单一路段所有车型占比情况公式”算法，按照IVE官网提供的车队文件模板，对各车型占比进行排序，创建车队实体。
将IVE官网提供的代码中生成车队文件部分删除，把车队实体保存参与后续计算。
(2)工况文件去文件化；
将环境参数入库，循环遍历全路网，按照IVE官网提供的工况文件模板，对温度、湿度环境数据创建工况实体。
将IVE官网提供的代码中生成工况文件部分删除，把工况实体保存参与后续计算。
(3)排放因子数据去文件化；
将本地化或国家标准的基础排放因子数据入库，按照IVE官网提供的因子文件模板，创建因子实体。
将IVE官网提供的代码中读取因子文件部分删除，修改为直接读取数据库数据。
步骤三：模型驱动及输出结果处理，包括以下步骤：
(1)计算逻辑处理；
根据计算范围内路网数量，进行合理的划分，采用多线程技术驱动模型。
(2)排放量分配；
模型运算的数据保存到数据库之前，需要根据车型的占比对排放量进行分配，公式如下：
Ex＝EAuto/Sml Truck*Px
Ex表示车型x的排放量，EAuto/Sml Truck表示总排放；Px表示车型x在Auto/SmlTruck中的占比。
与现有技术相比，本发明的优点在于：
保障了卡口数据缺失情况下实时排放量计算的可行性；采用“分而治之”的思想，将数据进行分批计算，提高了区域内全路网排放量计算的速度；将处理过的IVE模型部署在模型服务器上，将处理过的城市数据部署在数据库服务器上，减轻了数据库压力，实现了负载均衡。
附图说明
图1是本发明实施例IVE模型在线化计算的主流程图；
图2是本发明实施例IVE模型计算流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
如图1所示，一种IVE模型的在线运行方法，包括以下步骤：
步骤一：模型计算数据的获取与分析。
模型计算所需数据包括：车流量数据、环境因子参数、基础排放因子等，环境因子参数和基础排放因子可以从公开渠道获取，车流量数据需要根据有限地区的卡口数据进行全区域扩样：
(1)根据行政区划、地区类型等将城市划分为若干个交通小区。
通常情况下，以街道乡镇为单位进行划分，也可以利用交通密集程度进行划分，只需遵循同一交通小区内交通特征且交通节点需在交通小区内部而非交界处的原则即可；
(2)对各交通小区进行调研，计算其人口密度与交通小区等级。
从政府年报、百度百科等途径，查询各小区内常驻人口数量、乡镇面积、人均GDP等，结合下方公式计算出每个交通小区的人口密度；
默认对人口密度与人均GDP进行等值划分，各5个等级，同时对交通小区的等级属性进行页面化管理，可以修改任一小区的人口等级与GDP等级，结合公式得到该交通小区的等级，总体上需要尽量控制每个等级内交通小区个数相近。
Figure BDA0003215764710000071
交通小区等级＝0.6*人口等级+0.4*GDP等级
每个等级包含n/5个乡镇，n为乡镇总数
(3)计算全路网车流量
根据交通小区内道路情况，分为所有道路无实时车流量和部分道路无实时车流量，使用不同的扩样公式，从而获取全路网车流量数据。
其中，道路类型分为主干道、次干道、快速路和支路；车型由车辆种类(出租车、公交车、微客车、中客车、小客车、大客车、微货车、轻货车、中货车、重货车)、排放标准(国1以前、国1～国5)、燃料类型(柴油、汽油、其他)共同决定。
需要注意的是，由于交通卡口无法监测机动车确切类型，我们获取到的基础实时车流量数据是由“大型车”车流量与“小型车”车流量组成，因此使用扩样公式时需要将车型进行特殊处理。
③小区内部分道路类型无数据的，车流量扩样公式如下：
Figure BDA0003215764710000081
其中，第i个小区内第n种道路类型无车流量，Wi,j,k表示第i个交通小区、第j种道路等级、k类型车的车流量数目；Wj,k表示全市第j种道路类型、k种车型的平均车流量；Wi,k表示第i个小区内、k种车型的平均车流量；Wk表示全市k车型的平均车流量
④小区内全部道路类型无数据的，车流量扩样公式如下：
Figure BDA0003215764710000082
其中，第i个小区内所有道路类型无车流量，Wi,j,k表示第i个交通小区、第j种道路等级、k类型车的车流量数目；Wj,k表示全市第j种道路类型、k种车型的平均车流量；ai,j为校正系数，与交通小区等级有关
(4)获取各交通小区各等级道路各车型占比：
上文中，我们获取了各交通小区内不同道路等级下，不同车型的车流量数据，由于IVE模型驱动时所需的车队文件存储的是占比，接下来需要结合车流量数据计算各车型的占比情况，如公式1所示。
需要注意的是，实际情况中我们计算出的只有大型车车流量和小型车车流量，无法得到具体某种车型的车流量，因此这一步我们使用最新一年的机动车保有量进行计算，将保有量数据内各车型划分为大型车、小型车，分别求出车型占比，如公式2、3所示。
④各车型占比计算公式如下：
Figure BDA0003215764710000091
其中Px表示x车型占比，Nx表示x车型车流量
⑤大型车占比计算公式如下：
Figure BDA0003215764710000092
其中Px表示公交/客车/货车占比，Nx表示公交/客车/货车数量
⑥小型车占比计算公式如下：
Figure BDA0003215764710000093
其中Px表示出租/客车/货车占比，Nx表示出租/客车/货车数量
步骤二：模型流程处理。
如图2所示，将已有数据按模型模板进行数据归类处理，调用方法计算机动车排放量。
(1)去除过程文件
将车队文件、工况文件、因子校正文件中数据进行格式化，直接参与计算，避免产生大量过程文件。其中车队文件存储了当前计算背景下各车型占比；工况文件承载了当前计算背景下环境参数(温度、湿度、坡度等)、VSP分布、车速等；因子校正文件内保存了本地因子对基础因子的校正参数，该数据需要结合实际地区进行实测获取，也可不填。
我们将这三种文件代码化，整个计算过程中只需要读取一次模板，转换为字符串，后续按照模板格式将数据进行填充，减少了生成文件、读取文件、删除文件的时间，有效地降低了过程文件对计算时间的影响。
(2)排放量分配
IVE模型车队文件中的车型与中国车型划分不一致，因此需要对二者进行转换。车队文件中车型与中国车型匹配关系需要预先定义好，如微型载客车、小型载客车、微型载货车、轻型载货车4种车型在IVE中被划分为同一种车型—Auto/Sml Truck，则组织车队文件时，需要将这4种车视作同一种车型统计占比，而计算出排放量时，需要根据这4种车型的占比对排放量进行分配，示例公式如下。
E微客车＝EAuto/SmlTruck*P微客车
E微客车表示微客车的排放量，EAuto/Sml Truck表示总排放；P微客车表示微客车在Auto/SmlTruck中的占比
步骤三：模型并行计算。
(1)整体上，将IVE模型数据处理和运算分为两个部分，实现IVE模型服务器与各城市数据库服务器间负载均衡。将处理过的IVE模型部署在模型服务器上，将处理过的城市数据部署在数据库服务器上，一个模型服务器可调用读取多个数据库服务器的数据，避免模型与数据集中在一个服务器上带来巨大压力，也保证了模型的可移植性。
(2)局部上，采用“分而治之”的思想，将数据进行分批计算，极大地提高了计算速率。对城市区域内全路网，分成多个集合，利用多线程技术，同时计算多个集合，能够有效缩短计算时间。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (1)

1.一种IVE模型的在线运行方法，其特征在于，包括以下步骤：
步骤一：模型计算数据的获取与分析；
模型计算所需数据包括：机动车保有量数据、车流量数据、环境因子参数和基础排放因子，其中机动车保有量数据、环境因子参数和基础排放因子从公开渠道获取；
车流量数据需要根据有限地区的卡口数据进行全区域扩样，具体包括如下步骤：
(1)根据行政区划、地区类型将城市划分为若干个交通小区；
只需遵循同一交通小区内交通特征且交通节点需在交通小区内部而非交界处的原则即可；
(2)对各交通小区进行调研，计算其人口密度与交通小区等级；
查询各小区内常驻人口数量、乡镇面积、人均GDP，结合下方公式计算出每个交通小区的人口密度；
Figure FDA0003766318180000011
默认对人口密度与人均GDP进行等值划分，各5个等级，同时对交通小区的等级属性进行页面化管理，可以修改任一小区的人口等级与GDP等级，结合公式得到该交通小区的等级，总体上需要尽量控制每个等级内交通小区个数相近；
交通小区等级＝0.6*人口等级+0.4*GDP等级
每个等级包含n/5个乡镇，n为乡镇总数
(3)计算全路网车流量
根据交通小区内道路情况，分为所有道路无实时车流量和部分道路无实时车流量，使用不同的扩样公式，获取全路网车流量数据；
其中，道路类型分为主干道、次干道、快速路和支路；车型由车辆种类、排放标准、燃料类型共同决定，车流量分为大型车车流量与小型车车流量；
扩样得到的车流量数据，需要按照日期建表，保存全路网数据；
①部分道路无实时车流量的，车流量扩样公式如下：
Figure FDA0003766318180000021
其中，第i个小区内第n种道路类型无车流量，Wi,j,k表示第i个交通小区、第j种道路等级、k类型车的车流量数目；Wj,k表示全市第j种道路类型、k种车型的平均车流量；Wi,k表示第i个小区内、k种车型的平均车流量；Wk表示全市k车型的平均车流量；
②所有道路无实时车流量的，车流量扩样公式如下：
Figure FDA0003766318180000022
其中，第i个小区内所有道路类型无车流量，Wi,j,k表示第i个交通小区、第j种道路等级、k类型车的车流量数目；Wj,k表示全市第j种道路类型、k种车型的平均车流量；ai,j为校正系数，与交通小区等级有关；
(4)获取各交通小区各等级道路各车型占比：
①大型车各车型占比计算公式如下：
Figure FDA0003766318180000023
其中Px表示公交/客车/货车占比，Nx表示公交/客车/货车保有量
②小型车各车型占比计算公式如下：
Figure FDA0003766318180000031
其中Px表示出租/客车/货车占比，Nx表示出租/客车/货车保有量
③计算单一路段所有车型占比情况公式如下：
Figure FDA0003766318180000032
其中FPx表示车型x的最终占比，Px表示当前路段上车型x在大型车/小型车中的占比，W大型车/小型车表示当前路段上大型车/小型车的车流量；
步骤二：代码处理数据，驱动模型，包括以下步骤：
(1)车队数据去文件化；
将计算得到的大型车、小型车占比录入数据库，循环遍历全路网，采用“计算单一路段所有车型占比情况公式”算法，按照IVE官网提供的车队文件模板，对各车型占比进行排序，创建车队实体；
将IVE官网提供的代码中生成车队文件部分删除，把车队实体保存参与后续计算；
(2)工况文件去文件化；
将环境参数入库，循环遍历全路网，按照IVE官网提供的工况文件模板，对温度、湿度环境数据创建工况实体；
将IVE官网提供的代码中生成工况文件部分删除，把工况实体保存参与后续计算；
(3)排放因子数据去文件化；
将本地化或国家标准的基础排放因子数据入库，按照IVE官网提供的因子文件模板，创建因子实体；
将IVE官网提供的代码中读取因子文件部分删除，修改为直接读取数据库数据；
步骤三：模型驱动及输出结果处理，包括以下步骤：
(1)计算逻辑处理；
根据计算范围内路网数量，进行合理的划分，采用多线程技术驱动模型；
(2)排放量分配；
模型运算的数据保存到数据库之前，需要根据车型的占比对排放量进行分配，公式如下：
Ex＝EAuto/Sml Truck*Px
Ex表示车型x的排放量，EAuto/Sml Truck表示总排放；Px表示车型x在Auto/Sml Truck中的占比。
CN202110942821.7A 2021-08-17 2021-08-17 一种ive模型的在线运行方法 Active CN113781771B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110942821.7A CN113781771B (zh) 2021-08-17 2021-08-17 一种ive模型的在线运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110942821.7A CN113781771B (zh) 2021-08-17 2021-08-17 一种ive模型的在线运行方法

Publications (2)

Publication Number Publication Date
CN113781771A CN113781771A (zh) 2021-12-10
CN113781771B true CN113781771B (zh) 2022-10-28

Family

ID=78838265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110942821.7A Active CN113781771B (zh) 2021-08-17 2021-08-17 一种ive模型的在线运行方法

Country Status (1)

Country Link
CN (1) CN113781771B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110099022A1 (en) * 2009-10-25 2011-04-28 Andrzej Stochniol Methods and Systems for Vehicle Emission Reporting
CN106530688B (zh) * 2016-10-14 2019-06-14 浙江工业大学 基于Hadoop的海量交通数据处理方法
CN108447252B (zh) * 2018-02-06 2020-05-22 浙江工业大学 一种基于乘客od人均排放计算模型的车辆调配方法
CN108492553A (zh) * 2018-03-12 2018-09-04 中山大学 一种面向实时路网排放评估的车辆活动水平分析方法
CN109948237B (zh) * 2019-03-15 2023-06-02 中国汽车技术研究中心有限公司 一种用于预测单车排放量的方法
CN113222442B (zh) * 2021-05-25 2023-05-23 东莞理工学院 实时交通大气污染排放清单计算方法以及决策辅助方法

Also Published As

Publication number Publication date
CN113781771A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN111612670B (zh) 一种构建机动车排放清单的方法、装置和计算机设备
CN110209990A (zh) 一种基于车辆身份检测数据的单辆车排放轨迹计算方法
CN107624190A (zh) 用于加速路线搜索的系统和方法
CN111177129B (zh) 标签体系的构建方法、装置、设备及存储介质
CN116307837A (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
CN115310278A (zh) 一种大规模路网在线微观交通的仿真方法及其验证方法
CN112767686B (zh) 一种基于多源数据融合的公路网汽车排放估算方法
CN113781771B (zh) 一种ive模型的在线运行方法
Lu et al. Creating an agent-based long-haul freight transport model for Germany
CN112949939B (zh) 基于随机森林模型的出租车载客热点预测方法
CN116664025A (zh) 装卸货位置点生成方法、装置及设备
CN108596381B (zh) 基于od数据的城市停车需求预测方法
CN114524004B (zh) 机车运用统计方法、装置、设备和存储介质
CN108830509B (zh) 一种巡游出租车运力规模动态调整方法
CN108346299B (zh) 车辆速度评估方法及装置
CN107481520B (zh) 基于浮动车技术的道路运输车辆超限信息识别方法
CN116878531B (zh) 基于道路资源预测的智能导航方法
CN112729863B (zh) 一种车辆实测道路选择方法
CN116933096A (zh) 基于大数据的相似路线识别方法及装置
CN114925155A (zh) 基于电动汽车行驶数据的分时能耗地图提取方法及系统
CN117591758A (zh) 数据制作方法、装置、电子设备及存储介质
CN106204791A (zh) 基于物联网技术的自动化车辆保养预估方法
CN115146077A (zh) 一种个体车辆出行排放知识图谱构建方法
CN115658918A (zh) 一种基于Elasticsearch索引和四段码的地址知识图谱构建系统及构建方法
CN117077892A (zh) 一种公交车生态驾驶工况构建方法、系统、设备及存储介质

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