CN114662917A - 个人绿色低碳行为温室气体减排量计算方法和装置 - Google Patents
个人绿色低碳行为温室气体减排量计算方法和装置 Download PDFInfo
- Publication number
- CN114662917A CN114662917A CN202210292321.8A CN202210292321A CN114662917A CN 114662917 A CN114662917 A CN 114662917A CN 202210292321 A CN202210292321 A CN 202210292321A CN 114662917 A CN114662917 A CN 114662917A
- Authority
- CN
- China
- Prior art keywords
- carbon
- behavior
- green low
- emission
- green
- 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.)
- Withdrawn
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 1145
- 230000009467 reduction Effects 0.000 title claims abstract description 325
- 238000004364 calculation method Methods 0.000 title claims abstract description 35
- 239000005431 greenhouse gas Substances 0.000 title claims abstract description 23
- 230000006399 behavior Effects 0.000 claims abstract description 755
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 571
- 238000000034 method Methods 0.000 claims abstract description 142
- 230000000694 effects Effects 0.000 claims abstract description 129
- 238000006073 displacement reaction Methods 0.000 claims description 49
- 230000008569 process Effects 0.000 claims description 48
- 238000004064 recycling Methods 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 20
- 235000013305 food Nutrition 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 125000004122 cyclic group Chemical group 0.000 claims description 10
- 239000000446 fuel Substances 0.000 claims description 8
- 238000005265 energy consumption Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000002747 voluntary effect Effects 0.000 claims description 6
- 239000007789 gas Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 230000000386 athletic effect Effects 0.000 claims description 2
- 230000004936 stimulating effect Effects 0.000 abstract description 6
- 238000003860 storage Methods 0.000 description 12
- 239000008186 active pharmaceutical agent Substances 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 239000010410 layer Substances 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000013475 authorization Methods 0.000 description 4
- 238000005094 computer simulation Methods 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 4
- 235000013372 meat Nutrition 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- 235000013311 vegetables Nutrition 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- 230000003245 working effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000000968 medical method and process Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000011144 upstream manufacturing 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种个人绿色低碳行为温室气体减排量计算方法和装置,涉及减排计算技术领域,所述方法包括:从多个生活服务系统获取用户在该系统对应类别的绿色低碳行为描述数据和活动水平数据;将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准;根据所述绿色低碳行为适用的减排标准,计算或获取所述绿色低碳行为的碳排放基准线,根据所述碳排放基准线与所述绿色低碳行为的碳排放量进行逻辑比较,确定所述绿色低碳行为的减排量;根据用户在多个生活服务系统的减排量,确定用户的减排量明细。本申请量化个人的绿色低碳行为得出减排量,用户可以直观看到自己生活方方面面的绿色低碳行为,对个人践行绿色低碳行为起到激励作用。
Description
技术领域
本申请涉及减排计算技术领域,特别是涉及个人绿色低碳行为温室气体减排量计算方法和装置。
背景技术
在碳达峰、碳中和的大目标下,全民减排意义非凡。各个生活场景的减排潜力大,比如出行场景、餐饮场景、办公场景等等,鼓励全民低碳生活,是实现我国碳中和目标,实现美丽中国的重要措施之一。
部分个人绿色低碳行为的区域性减排标准已经存在,但没有形成广泛适用的标准体系,并且难于量化汇集,原因有两方面:一方面是个人绿色低碳行为分散于多个生活服务系统,行为数据分属不同企业,形成数据孤岛,现有的个人减排性为量化时仅能覆盖部分减排场景,或覆盖部分减排场景的部分减排行为,存在明显局限;另一方面是各生活服务企业所提供的场景对减排行为自行计算,不具备科学性的规范标准,无法采用同一减排标准完成量化计算。
个人的碳排放来自于生活消费和末端处理,现有普遍技术的思路是将个人衣食住行用等方方面面所产生的碳排放累加起来,用于向个人发放碳配额或要求个人为自己所产生的碳排放买单。这种办法存在严重缺陷,它并不能达到促进人们持续减排的目的,原因至少包括:首先,个人生活和消费所产生的碳排放,其时间和空间的分布呈现离散特征,现有的技术方案难于精确计算和跟踪,若要实现精确监测个人排放的数据,其教育和实施成本将无法承受,也面临法律挑战。其次,基于个人的碳排放,在上游发电、供热、生产、运输等环节已经核算,对人的耗电、餐饮、出行等等进行碳排放核算,将是重复计算。再次,从管控和约束的角度要求人们践行减排,国家政策目前无法要求个人控制碳排放,亦无法为个人发放碳排放配额,个人碳配额进入碳市场交易更是无从谈起。因此即使监测到个人的部分碳排放量无太大意义,也并不能得知个人的减排量,无法达到鼓励人们减排的目的。
尚不存在一种能够帮助个人用户汇集其在多个场景下发生的绿色低碳行为减排量的计算汇集的方法。
发明内容
本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。
根据本申请的一个方面,提供了一种个人绿色低碳行为温室气体减排量计算方法,包括:
从多个生活服务系统获取用户在该系统对应类别的绿色低碳行为描述数据和活动水平数据;所述生活服务系统至少包括以下之一:餐饮服务系统、出行服务系统、家居服务系统、办公服务系统、医疗服务系统、循环利用服务系统、金融服务系统、车机系统、电子商务系统、物流服务系统、运动服务系统;
将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准,所述减排标准包括以下之一:团体标准、行业标准、地方标准、国家标准、CCER方法学、CDM方法学、VCS方法学、GS方法学、其他温室气体自愿减排机制方法学;
根据所述绿色低碳行为适用的减排标准,获得所述绿色低碳行为的碳排放因子,计算或获取所述绿色低碳行为的碳排放基准线,根据所述绿色低碳行为的活动水平数据与所述碳排放因子,确定所述绿色低碳行为的碳排放量,根据所述碳排放基准线与所述绿色低碳行为的碳排放量进行逻辑比较,确定所述绿色低碳行为的减排量;
根据用户在多个生活服务系统的减排量,确定用户的减排量明细。
优选地,所述将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准包括:
针对每个类别的每项绿色低碳行为,将所述绿色低碳行为的描述数据与减排标准的适用范围进行逻辑比对,确定所述绿色低碳行为适用的减排标准;
如果每类别一项或者多项绿色低碳行为未能匹配到适用的减排标准,根据所述绿色低碳行为所在区域的碳排放情况,根据保守性原则,确定减排标准。
优选地,计算或获取所述绿色低碳行为的碳排放因子包括:
针对每个类别的每项绿色低碳行为,根据适用所述绿色低碳行为的减排标准,获得所述绿色低碳行为的碳排放因子。
优选地,所述计算或获取所述绿色低碳行为的碳排放基准线包括:
针对每个类别的每项绿色低碳行为,根据适用所述绿色低碳行为的减排标准计算或获得碳排放基准线;或者,
针对每个类别的每项绿色低碳行为所适用的减排标准的计算方法,将所述绿色行为的活动水平数据,与周期内及社会范围内人数情况加权平均测算得出碳排放基准线;或者,
针对每个类别的每项绿色低碳行为,统计过去预设时间内提供所述绿色低碳行为的企业经营数据,将所述绿色行为的碳排放因子与经营数据采样乘积的平均值,测算得出碳排放基准线;或者,
针对每项绿色低碳行为,统计所述用户个人过去预设时间内的高碳排放行为的碳排放因子与活动水平乘积的平均值,测算得出碳排放基准线。
优选地,获得餐饮绿色低碳行为数据的步骤包括:
所述餐饮服务系统在用户点餐过程中,记录用户的餐饮绿色低碳行为发生的餐饮绿色低碳行为的描述数据和活动水平数据;
所述餐饮绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述餐饮绿色低碳行为的活动水平数据包括一项或者多项:餐具种类信息、餐具数量信息、餐品种类信息、餐品数量信息;
根据所述绿色低碳行为的活动水平数据和所述绿色低碳行为对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将餐饮绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定餐饮绿色低碳行为的减排量包括:
当所述餐饮碳行为的碳排放量小于碳排放基准线时,根据所述餐饮绿色低碳行为的碳排放量与碳排放基准线的差值确定所述餐饮绿色低碳行为的减排量,将所述餐饮绿色低碳行为的减排量存储于云端服务器。
优选地,获得出行绿色低碳行为数据的步骤包括:
所述出行服务系统或车机系统在用户通过终端选择出行方式或者自愿停驶过程中,记录用户的出行绿色低碳行为发生的出行绿色低碳行为的描述数据和活动水平数据;
所述出行绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述出行绿色低碳行为的活动水平数据包括一项或者多项:里程、排量、燃油类型、油耗、耗电量、热能、时长、设备唯一识别码;
根据所述绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将出行绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定出行绿色低碳行为的减排量包括:
当所述出行绿色低碳行为的碳排放量小于碳排放基准线时,根据所述出行绿色低碳行为的碳排放量与碳排放基准线的差值确定所述出行绿色低碳行为的减排量,将所述出行绿色低碳行为的减排量存储于云端服务器。
优选地,获取家居绿色低碳行为数据的步骤包括:
所述家居服务系统在用户家庭日常生活过程中,记录用户家庭的绿色低碳行为描述数据和活动水平数据;
所述家庭绿色低碳行为的数据包括:身份标识、系统标识、行为标识、时间、地点;
所述家庭绿色低碳行为的活动水平数据包括一项或者多项:总用电量、用水量、空调温度、电器耗电、燃气用量;
根据所述家庭绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将家居绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定家居绿色低碳行为的减排量包括:
当所述家居绿色低碳行为的碳排放量小于碳排放基准线时,根据所述家居绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述家居绿色低碳行为的减排量存储于云端服务器。
优选地,获取办公绿色低碳行为数据的步骤包括:
所述办公服务系统在用户工作过程中,记录用户单位的绿色低碳行为的描述数据和活动水平数据;
所述办公绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述办公绿色低碳行为的活动水平数据包括一项或者多项:用电量、用水量、空调温度、纸张数量、使用时长;
根据所述办公绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述办公绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定家居绿色低碳行为的减排量包括:
当所述办公绿色低碳行为的碳排放量小于碳排放基准线时,根据所述办公绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述办公绿色低碳行为的减排量存储于云端服务器。
优选地,获取医疗绿色低碳行为数据的步骤包括:
所述医疗服务系统在用户就医过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述医疗绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述医疗绿色低碳行为的活动水平数据包括一项或者多项:次数、时长、里程、数量;
根据所述医疗绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述医疗绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定医疗绿色低碳行为的减排量包括:
当所述医疗绿色低碳行为的碳排放量小于碳排放基准线时,根据所述医疗绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述医疗绿色低碳行为的减排量存储于云端服务器。
优选地,获取循环利用绿色低碳行为数据的步骤包括:
所述循环利用服务系统在用户处置生活垃圾过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述循环利用绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述循环利用绿色低碳行为的活动水平数据包括一项或者多项:类别、重量、数量、材质、性质;
根据所述循环利用绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述循环利用绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定循环利用绿色低碳行为的减排量包括:
当所述循环利用绿色低碳行为的碳排放量小于碳排放基准线时,根据所述循环利用绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述循环利用绿色低碳行为的减排量存储于云端服务器。
优选地,获取金融绿色低碳行为数据的步骤包括:
所述金融服务系统在用户办理金融业务过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述金融绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述金融绿色低碳行为的活动水平数据包括一项或者多项:次数、时长、数量、里程;
根据所述金融绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述金融绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定循环利用绿色低碳行为的减排量包括:
当所述金融绿色低碳行为的碳排放量小于碳排放基准线时,根据所述金融绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述循环利用绿色低碳行为的减排量存储于云端服务器。
优选地,获取电子商务绿色低碳行为数据的步骤包括:
所述电子商务服务系统在用户购物过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述电子商务绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述电子商务绿色低碳行为的活动水平数据包括一项或者多项:材质、数量、重量、里程、能耗;
根据所述电子商务绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述电子商务绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定电子商务绿色低碳行为的减排量包括:
当所述电子商务绿色低碳行为的碳排放量小于碳排放基准线时,根据所述电子商务绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述电子商务绿色低碳行为的减排量存储于云端服务器。
优选地,获取运动绿色低碳行为数据的步骤包括:
所述运动服务系统在用户运动健身过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述运动绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述运动绿色低碳行为的活动水平数据包括一项或者多项:距离、时长、次数;
根据所述运动绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述运动绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定运动绿色低碳行为的减排量包括:
当所述运动绿色低碳行为的碳排放量小于碳排放基准线时,根据所述运动绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述运动绿色低碳行为的减排量存储于云端服务器。
优选地,获取绿色物流低碳行为数据的步骤包括:
所述物流服务系统在用户选择物流服务过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述物流绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述物流绿色低碳行为的活动水平数据包括一项或者多项:重量、数量、里程、功率、能耗、油耗、车重、排量、燃油类型;
根据所述物流绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述物流绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定物流绿色低碳行为的减排量包括:
当所述物流绿色低碳行为的碳排放量小于碳排放基准线时,根据所述物流绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述物流绿色低碳行为的减排量存储于云端服务器。
优选地,确定用户发生绿色低碳行为之后还包括:
确定所述绿色低碳行为在不同生活服务系统是否存在重复记录,如果存在重复记录,进行去重处理。
根据本申请的另一个方面,提供了一种个人绿色低碳行为温室气体减排量计算装置,包括:
数据获取模块,设置为从多个生活服务系统获取用户在该系统对应类别的绿色低碳行为描述数据和活动水平数据;所述生活服务系统至少包括以下之一:餐饮服务系统、出行服务系统、家居服务系统、办公服务系统、医疗服务系统、循环利用服务系统、金融服务系统、车机系统、电子商务系统、物流服务系统、运动服务系统;
匹配模块,设置为将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准,所述减排标准包括以下之一:团体标准、行业标准、地方标准、国家标准、CCER方法学、CDM方法学、VCS方法学、GS方法学、其他温室气体自愿减排机制方法学;
逻辑比较模块,设置为根据所述绿色低碳行为适用的减排标准,获得所述绿色低碳行为的碳排放因子,计算或获取所述绿色低碳行为的碳排放基准线,根据所述绿色低碳行为的活动水平数据与所述碳排放因子,确定所述绿色低碳行为的碳排放量,根据所述碳排放基准线与所述绿色低碳行为的碳排放量进行逻辑比较,确定所述绿色低碳行为的减排量;
减排量确定模块,设置为根据用户在多个生活服务系统的减排量,确定用户的减排量明细。
根据本申请的又一个方面,提供了一种计算设备,包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上所述的方法。
根据本申请的又一个方面,提供了一种计算机可读存储介质,优选为非易失性可读存储介质,其内存储有计算机程序,所述计算机程序在由处理器执行时实现如上所述的方法。
根据本申请的又一个方面,提供了一种计算机程序产品,包括计算机可读代码,当所述计算机可读代码由计算机设备执行时,导致所述计算机设备执行上述的方法。
本申请提供的技术方案,量化个人的绿色低碳行为得出减排量,并记录在大数据平台中,个人减排量作为一种具有价值的数字资产,包括衣、食、住、行、用、医疗、办公等等方面组成。每个方面都存在低于碳排放基准线的绿色低碳行为,绿色低碳行为的排放量与碳排放基准线的差即为减排量,通过统计各个生活服务系统或者平台的各项绿色低碳行为的数据,可获得个人的减排量,减排量是个人绿色低碳行为的累积成果,用户可以直观看到自己生活方方面面的绿色低碳行为,对个人践行绿色低碳行为起到激励作用。
根据下文结合附图对本申请的具体实施例的详细描述,本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本申请一个实施例的个人绿色低碳行为温室气体减排量计算方法流程图;
图2是根据本申请另一个实施例的个人绿色低碳行为温室气体减排量计算装置结构图;
图3是根据本申请另一个实施例的计算设备结构图;
图4是根据本申请另一个实施例的计算机可读存储介质结构图。
具体实施方式
图1是根据本申请一个本实施例中的生活服务管理中个人绿色低碳行为温室气体减排量计算方法的流程图。参见图1所述方法可以包括步骤S101至步骤S103:
S101、从多个生活服务系统获取用户在该系统对应类别的绿色低碳行为描述数据和活动水平数据;所述生活服务系统至少包括以下之一:餐饮服务系统、出行服务系统、家居服务系统、办公服务系统、医疗服务系统、循环利用服务系统、金融服务系统、车机系统、电子商务系统、物流服务系统、运动服务系统;
S102、将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准,所述减排标准包括以下之一:团体标准、行业标准、地方标准、国家标准、CCER方法学、CDM方法学、VCS方法学、GS方法学、其他温室气体自愿减排机制方法学;
S103、根据所述绿色低碳行为适用的减排标准,获得所述绿色低碳行为的碳排放因子,计算或获取所述绿色低碳行为的碳排放基准线,根据所述绿色低碳行为的活动水平数据与所述碳排放因子,确定所述绿色低碳行为的碳排放量,根据所述碳排放基准线与所述绿色低碳行为的碳排放量进行逻辑比较,确定所述绿色低碳行为的减排量;
S104、根据用户在多个生活服务系统的减排量,确定用户的减排量明细。
本实施例中,可选的,步骤S102中,所述将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准包括:
针对每个类别的每项绿色低碳行为,将所述绿色低碳行为的描述数据与减排标准的适用范围进行逻辑比对,确定所述绿色低碳行为适用的减排标准;
如果每类别一项或者多项绿色低碳行为未能匹配到适用的减排标准,根据所述绿色低碳行为所在区域的碳排放情况,根据保守性原则,确定减排标准。
本实施例中,可选的,步骤S103中,计算或获取所述绿色低碳行为的碳排放因子包括:
针对每个类别的每项绿色低碳行为,根据适用所述绿色低碳行为的减排标准,获得所述绿色低碳行为的碳排放因子。
本实施例中,可选的,步骤S103中所述计算或获取所述绿色低碳行为的碳排放基准线包括:
针对每个类别的每项绿色低碳行为,根据适用所述绿色低碳行为的减排标准计算或获得碳排放基准线;或者,
针对每个类别的每项绿色低碳行为所适用的减排标准的计算方法,将所述绿色行为的活动水平数据,与周期内及社会范围内人数情况加权平均测算得出碳排放基准线;或者,
针对每个类别的每项绿色低碳行为,统计过去预设时间内提供所述绿色低碳行为的企业经营数据,将所述绿色行为的碳排放因子与经营数据采样乘积的平均值,测算得出碳排放基准线;或者,
针对每项绿色低碳行为,统计所述用户个人过去预设时间内的高碳排放行为的碳排放因子与活动水平乘积的平均值,测算得出碳排放基准线。
本发明实施例在获得所述碳排放基准线时,可以针对每个类别的绿色低碳行为,统计用户所在区域内的所述类别绿色低碳行为对应的活动水平和排放因子,将所述活动水平与排放因子的乘积加权平均值作为所述类别绿色低碳行为的社会范围内加权平均测算的碳排放基准线;或者,针对每个类别的绿色低碳行为,统计过去预设时间内所述类别的绿色低碳行为对应的活动水平和排放因子,将所述活动水平与排放因子乘积的单位时间内平均值作为所述类别绿色低碳行为的过去周期内平均测算的碳排放基准线;或者,针对每个类别的绿色低碳行为,所述类别的绿色低碳行为替代传统高碳排放行为的排放量作为所述类别绿色低碳行为的碳排放基准线。
一定时期内绿色行为产生的减排量可以表示为:
ERy=BEy-PEy
其中,ERy为统计周期y的减排量,单位为吨二氧化碳当量每年(tCO2e/a);
ERy为统计周期y的基准线排放量,单位为吨二氧化碳当量每年(tCO2e/a);
PEy为统计周期y的排放量,单位为吨二氧化碳当量每年(tCO2e/a)。
本实施例中,可选的,步骤S101获得餐饮绿色低碳行为数据的步骤包括:
所述餐饮服务系统在用户点餐过程中,记录用户的餐饮绿色低碳行为发生的餐饮绿色低碳行为的描述数据和活动水平数据;
所述餐饮绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述餐饮绿色低碳行为的活动水平数据包括一项或者多项:餐具种类信息、餐具数量信息、餐品种类信息、餐品数量信息;
根据所述绿色低碳行为的活动水平数据和所述绿色低碳行为对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103将餐饮绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定餐饮绿色低碳行为的减排量包括:
当所述餐饮碳行为的碳排放量小于碳排放基准线时,根据所述餐饮绿色低碳行为的碳排放量与碳排放基准线的差值确定所述餐饮绿色低碳行为的减排量,将所述餐饮绿色低碳行为的减排量存储于云端服务器。
本实施例中,所述餐饮服务系统在用户点餐过程中,记录用户的餐饮绿色低碳行为发生的身份标识、系统标识、行为标识、时间、地点和餐饮绿色低碳行为的活动水平数据;所述餐饮绿色低碳行为的活动水平数据包括:餐具种类信息、餐具数量信息、餐品种类信息、餐品数量信息;
根据记录的所述餐具种类信息和餐品种类信息查询每种餐具的碳排放量和每种餐品的碳排放量;所述每种餐具的碳排放量和所述每种餐品的碳排放量存储于云端服务器;
根据查询获得的所述每种餐具的碳排放量、所述每种餐品的碳排放量以及餐具数量信息和餐品数量信息确定所述餐饮绿色低碳行为的碳排放量;
当所述餐饮绿色低碳行为的碳排放量小于碳排放基准线时,根据所述餐饮绿色低碳行为的碳排放量与碳排放基准线的差值确定所述餐饮绿色低碳行为的减排量。
餐饮是发生频率最高的一种生活行为,围绕用户的餐饮习惯,有许多不被察觉的绿色低碳行为,如:自带餐具、自带水杯、不要吸管、光盘、食用植物肉等等。
本实施例中,个人餐饮减排量计算和使用过程,可概括为如下八步骤:
1.用户到店消费
1.1目前用户来到用餐场景,一般采取扫码自助点餐、落座点餐、前台点餐等几种方式。本实施例中仅限于量化并记录能够将绿色低碳行为与用户手机号码关联的情况。如,自助扫码、出示会员。
1.2用户的绿色低碳行为如自带餐具、不要吸管、植物肉,由餐饮服务系统记录,或互联网平台记录。
2.餐饮服务系统或互联网平台
2.1用户的行为日志由餐饮服务系统或互联网平台产生并记录,行为路径:用户->店铺->餐饮服务系统或互联网平台。
2.2餐饮服务系统或互联网平台需要根据事件日志,来确定用户是否已完成了减排为。
3.日志上报
3.1企业注册并开设SaaS账户;注册企业应用,录入应用;注册绿色低碳行为;通过接口同步用户的行为日志至本申请的个人绿色低碳行为温室气体减排量计算装置或者同步用户的减排日志至云端;
日志格式,以植物肉和自带餐具举例:
植物肉
AppId,应用ID;event事件;eventId事件ID;mobile加密手机号码;region事件发生地(精确度至市县级);eventTime事件发生时间;weight重量。
自带餐具
AppId,应用ID;event事件;eventId事件ID;mobile加密手机号码;region事件发生地(精确度至市县级);eventTime事件发生时间;quantity餐具数量。
本发明实施例为了保护用户隐私,去除了明文手机号码,使用哈希算法对手机号码进行加密。目前可以采用的哈希算法为sha256,字段可以表示为mobile_sha256。
4.餐饮行为量化计算
4.1本实施例利用大数据平台实现餐饮场景“减排标准”的计算模型,匹配餐饮服务系统或互联网平台上传的减排日志,匹配计算模型,通过模型计算得出减排量。
4.2通过SaaS系统提供AppId、AppSecret,请求验证API获得token;
4.3使用token请求资源API获得日志交换系统地址,上传文件;
4.4大数据平台对日志进行调度加载至大数据平台;
4.5大数据平台对日志进行清洗,转换,剔除无效数据;
4.6计算引擎使用计算模型,对绿色低碳行为进行量化。
5.减排量记账
5.1通过计算得出减排量,记录于“个人碳账本”、“企业碳账本”、“政府碳账本”;
5.2减排量权属为个人。
6.减排量应用
6.1减排量是个人绿色低碳行为的累积成果,对个人践行绿色低碳行为起到激励作用;
6.2个人碳账本,表现为APP应用,用户可以看到自己生活方方面面的绿色低碳行为,餐饮场景是其中的一个方面;
6.3企业碳账本,可以根据用户的减排量,构建适用于自身业务的低碳应用,并且消除概念混淆,还原减排量概念,使用户更好的理解绿色、低碳、减排;
6.4企业基于带动用户的减排量,发布企业低碳责任报告;
6.5企业可以根据自身情况,对用户进行绿色低碳行为排名、奖励发放以提升用户活跃度;
6.6政府碳账本,基于减排大数据,可以观察辖区内全民减排发生情况;
6.7政府可针对低碳用户或带动用户减排优秀企业,给予相应的荣誉和权益激励;
7.减排量交易等其他应用
7.1个人减排量未来有机会进入全国碳交易市场;
7.2企业可向用户采购减排量,以获得新用户,或者活跃老用户;
7.3企业采购用户减排量后,仍可进入全国碳交易市场。
8.其他基于减排量的绿色应用
8.1基于个人绿色行为,未来可与保险行业结合,探索“绿色保险”;
8.2基于个人绿色行为,未来可与银行信贷结合,探索“个人绿色贷款”。
本实施例中,可选的,步骤S101中获得出行绿色低碳行为数据的步骤包括:
所述出行服务系统或车机系统在用户通过终端选择出行方式或者自愿停驶过程中,记录用户的出行绿色低碳行为发生的出行绿色低碳行为的描述数据和活动水平数据;
所述出行绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述出行绿色低碳行为的活动水平数据包括一项或者多项:里程、排量、燃油类型、油耗、耗电量、热能、时长、设备唯一识别码;
根据所述绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103中将出行绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定出行绿色低碳行为的减排量包括:
当所述出行绿色低碳行为的碳排放量小于碳排放基准线时,根据所述出行绿色低碳行为的碳排放量与碳排放基准线的差值确定所述出行绿色低碳行为的减排量,将所述出行绿色低碳行为的减排量存储于云端服务器。
本实施例中,所述出行服务系统或车机系统在用户通过终端选择出行方式过程中,记录用户的出行绿色低碳行为发生的身份标识、系统标识、行为标识、时间、地点和出行绿色低碳行为的活动水平数据;所述出行绿色低碳行为的活动水平数据包括:里程、排量、燃油类型、油耗、耗电量、热能、时长、设备唯一识别码、交通工具信息、乘坐该交通工具平均人数信息、通行时间信息、路程信息等信息;
根据记录的所述交通工具信息、所述通行时间信息、所述路程信息以及所述乘坐该交通工具平均人数信息确定所述出行绿色低碳行为的碳排放量;
当所述出行绿色低碳行为的碳排放量小于碳排放基准线时,根据所述出行绿色低碳行为的碳排放量与碳排放基准线的差值确定此次所述出行绿色低碳行为的减排量。
针对个人低碳出行(包括,步行、骑车、公交、地铁、电动助力车、机动车停驶、拼车、顺风车等等)绿色低碳行为,出行服务系统通过自身运营数据,可以做到帮助用户核算减排量的目的。一个用户低碳出行的选择与行为发生的时间地点等因素有关。
本实施例中,个人出行减排量计算和使用过程,可概括为如下八步骤:
1.出行服务系统或互联网出行平台
1.1出行服务系统或互联网出行平台提供出行服务,如共享单车、共享助力车、乘车app、拼车等等。或提供出行轨迹记录的APP,用户使用选择的出行车辆出行。用户的出行行为,由出行服务系统或互联网出行平台记录。
1.2利用大数据平台,与出行服务系统或互联网出行平台对接,量化其用户的出行行为。
2.出行日志
2.1用户使用共享单车时,发生的关键事件,会在出行服务系统或互联网出行平台中产生日志。如开、落锁事件,如车辆点火事件等,可以用于判定用户出行行为的开始与结束,出行服务系统或互联网出行平台据此可计算出用户的出行距离、时间等。
2.2出行服务系统或互联网出行平台根据关键事件日志来确定用户是否已完成了出行行为,日志系正常范围内并无额外工作产生。
3.日志上报
3.1企业注册并开设SaaS账户;注册企业应用,录入应用;注册绿色低碳行为;通过接口同步用户的行为日志至本申请的个人绿色低碳行为温室气体减排量计算装置或者同步用户的减排日志至云端;
日志格式:
AppId,应用ID;event事件;eventId事件ID;mobile加密手机号码;region事件发生地(精确度至市县级);eventTime事件发生时间;distance出行距离。
4.出行行为量化计算
4.1本实施例利用大数据平台实现出行场景“减排标准”的计算模型,匹配出行服务系统或互联网平台上传的出行日志,匹配计算模型,通过模型计算得出减排量。
4.2通过SaaS系统提供AppId、AppSecret,请求验证API获得token;
3.3使用token请求资源API获得日志交换系统地址,上传文件;
4.4大数据平台对日志进行调度加载至大数据平台;
4.5大数据平台对日志进行清洗,转换,剔除无效数据;
4.6计算引擎使用计算模型,对绿色低碳行为进行量化。
5.减排量记账
5.1通过计算得出减排量,记录于“个人碳账本”、“企业碳账本”、“政府碳账本”;
5.2减排量权属为个人。
6.减排量应用
6.1减排量是个人绿色低碳行为的累积成果,对个人践行绿色低碳行为起到激励作用;
6.2个人碳账本,表现为APP应用,用户可以看到自己生活方方面面的绿色低碳行为,出行场景是其中的一个方面;
6.3企业碳账本,可以根据用户的减排量,构建适用于自身业务的低碳应用,并且消除概念混淆,还原减排量概念,使用户更好的理解绿色、低碳、减排;
6.4企业基于带动用户的减排量,发布企业低碳责任报告;
6.5企业可以根据自身情况,对用户进行绿色低碳行为排名、奖励发放以提升用户活跃度;
6.6政府碳账本,基于减排大数据,可以观察辖区内全民减排发生情况;
6.7政府可针对低碳用户或带动用户减排优秀企业,给予相应的荣誉和权益激励;
7.减排量交易等其他应用
7.1个人减排量未来有机会进入全国碳交易市场;
7.2企业可向用户采购减排量,以获得新用户,或者活跃老用户;
7.3企业采购用户减排量后,仍可进入全国碳交易市场。
8.其他基于减排量的绿色应用
8.1基于个人绿色行为,未来可与保险行业结合,探索“绿色保险”;
8.2基于个人绿色行为,未来可与银行信贷结合,探索“个人绿色贷款”。
本实施例中,步骤S101中获取家居绿色低碳行为数据的步骤包括:
所述家居服务系统在用户家庭日常生活过程中,记录用户家庭的绿色低碳行为描述数据和活动水平数据;
所述家庭绿色低碳行为的数据包括:身份标识、系统标识、行为标识、时间、地点;
所述家庭绿色低碳行为的活动水平数据包括一项或者多项:总用电量、用水量、空调温度、电器耗电、燃气用量;
根据所述家庭绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103将家居绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定家居绿色低碳行为的减排量包括:
当所述家居绿色低碳行为的碳排放量小于碳排放基准线时,根据所述家居绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述家居绿色低碳行为的减排量存储于云端服务器。
本实施例中,所述家居服务系统在用户家庭日常生活过程中,记录用户家庭的绿色低碳行为发生的身份标识、系统标识、行为标识、时间、地点和家庭绿色低碳行为的活动水平数据;
所述家庭绿色低碳行为的活动水平数据包括:家庭用电量信息、家庭用水量信息和人员信息;
将家居绿色低碳行为数据与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定家居绿色低碳行为的减排量包括:
根据记录的所述家庭用电量信息、家庭用水量信息查询每单位用电量的碳排放量和每单位用水量的碳排放量;每单位用电量的碳排放量和每单位用水量的碳排放量存储于云端服务器;
根据查询获得的所述每单位用电量的碳排放量和所述每单位用水量的碳排放量以及家庭用电量信息和家庭用水量信息确定所述家居绿色低碳行为的碳排放量;
根据所述家居绿色低碳行为的碳排放量、人员信息确定所述家居绿色低碳行为人均碳排放量;
当所述家居绿色低碳行为人均碳排放量小于碳排放基准线时,根据所述家居绿色低碳行为人均碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量。
本实施例中,个人家居行为减排量计算和使用过程,可概括为如下六步骤:
1.用户授权
使用用户的手机号码,关联家居场景相关的消耗品用量记录,如:水、电、煤气等。
2.日志上报
2.1企业注册并开设SaaS账户;注册家居应用,录入应用;注册绿色低碳行为;通过接口同步用户的行为日志至本申请的个人绿色低碳行为温室气体减排量计算装置或者同步用户的减排日志至云端;
日志格式:
AppId,应用ID;event事件;eventId事件ID;mobile手机号;region用户家庭地点(精确度至市县级);eventTime事件发生时间。
3.减排量计算
3.1大数据平台实现家居场景“减排标准”的计算模型,匹配上传的使用日志,匹配计算模型,通过模型计算得出减排量。
3.2通过SaaS系统提供AppId、AppSecret,请求验证API获得token;
3.3使用token请求资源API获得日志交换系统地址,上传文件;
3.4大数据平台对日志进行调度加载至大数据平台;
3.5大数据平台对日志进行清洗,转换,剔除无效数据;
3.6计算引擎使用计算模型,对绿色低碳行为进行量化。
4.减排量记账
4.1通过计算得出减排量,记录于“个人碳账本”、“企业碳账本”、“政府碳账本”;
4.2减排量权属为个人。
5.减排量应用
5.1减排量是个人绿色低碳行为的累积成果,对个人践行绿色低碳行为起到激励作用;
5.2个人碳账本,表现为APP应用,用户可以看到自己生活方方面面的绿色低碳行为,家居行为是其中的一个方面;
5.3企业碳账本,可以根据用户的减排量,构建适用于自身业务的低碳应用,并且消除概念混淆,还原减排量概念,使用户更好的理解绿色、低碳、减排;
5.4企业基于带动用户的减排量,发布企业低碳责任报告;
5.5企业可以根据自身情况,对用户进行绿色低碳行为排名、奖励发放以提升用户活跃度;
5.6政府碳账本,基于减排大数据,可以观察辖区内全民减排发生情况;
5.7政府可针对低碳用户或带动用户减排优秀企业,给予相应的荣誉和权益激励;
6.减排量交易等其他应用
6.1个人减排量未来有机会进入全国碳交易市场;
6.2企业可向用户采购减排量,以获得新用户,或者活跃老用户;
6.3企业采购用户减排量后,仍可进入全国碳交易市场。
6.4基于个人绿色行为,未来可与保险行业结合,探索“绿色保险”;
6.5基于个人绿色行为,未来可与银行信贷结合,探索“个人绿色贷款”。
本实施例中,步骤S101中获取办公绿色低碳行为数据的步骤包括:
所述办公服务系统在用户工作过程中,记录用户单位的绿色低碳行为的描述数据和活动水平数据;
所述办公绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述办公绿色低碳行为的活动水平数据包括一项或者多项:用电量、用水量、空调温度、纸张数量、使用时长;
根据所述办公绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103中将所述办公绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定家居绿色低碳行为的减排量包括:
当所述办公绿色低碳行为的碳排放量小于碳排放基准线时,根据所述办公绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述办公绿色低碳行为的减排量存储于云端服务器。
本实施例中,所述办公服务系统在用户工作过程中,记录用户单位的绿色低碳行为发生的身份标识、系统标识、行为标识、时间、地点和办公绿色低碳行为的活动水平数据;
所述办公绿色低碳行为的活动水平数据包括:所在单位用电量信息、所在单位用水量信息、所在单位办公用品种类信息、所在单位办公用品数量信息、所在单位人数信息、用户工作性质及种类信息;
将办公绿色低碳行为数据与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定办公绿色低碳行为的减排量包括:
根据记录的所述所在单位用电量信息、所在单位用水量信息、所在单位办公用品种类信息以及所在单位办公用品数量信息查询每单位用电量的碳排放量、每单位用水量的碳排放量和每种办公用品的碳排放量;每单位用电量的碳排放量、每单位用水量的碳排放量和每种办公用品的碳排放量存储于云端服务器;
根据查询获得的每单位用电量的碳排放量、每单位用水量的碳排放量、每种办公用品的碳排放量、所在单位用电量信息、所在单位用水量信息、所在单位办公用品种类信息、所在单位办公用品数量信息确定所述用户所在单位总碳排放量;
根据所述用户所在单位总碳排放量、所在单位人数信息、用户工作性质及种类信息确定所述办公绿色低碳行为人均碳排放量;
当所述办公绿色低碳行为人均碳排放量小于碳排放基准线时,根据所述办公绿色低碳行为人均碳排放量与碳排放基准线的差值确定用户办公绿色低碳行为的减排量。
本实施例中,个人办公场景减排量计算和使用过程,可概括为如下八步骤:
1.登录软件
1.1与过去的桌面办公软件不同,目前绝大多数办公软件,已经发展成为在线产品,使用前需要使用账户登录。另有许多软件,必须在联网条件下使用。其中一些软件的使用场景,兼具减排效果。比如视频会议,在线文档等,在减少出行,节约用电,减少纸张等方面具有减排效应。
1.2用户登录办公服务系统,获得授权,办公服务系统根据本地使用记录,上报至服务端。
1.3在办公场景中,通常用户需要切换使用多种软件,办公服务系统需统计每种软件记录用户的使用日志。
2.用户授权
2.1记录用户的软件使用情况之前,需要向用户明确记录内容,在征得用户授权的前提下,开通碳账户。
2.2使用用户的手机号码,关联办公场景减排场景的减排量记录。
3.使用办公软件
3.1软件系统以启动完成事件,确定软件使用开始时间;
3.2以IP地址或经纬度信息为条件,判定使用地点。
3.3办公服务系统根据用户的单击、双击、选择、拖拽、输入等事件,或以二进制流、文本流等日志,以确定用户处于使用软件的过程中。或以“心跳”“打点”的方式判定软件仍处于正常工作状态。进而确定软件的使用时长。
3.4软件系统以关闭退出、软件崩溃、信号中断等事件,确定软件的结束。
3.5软件服务端负责记录,并整理用户的使用日志。
4.日志上报
4.1企业注册并开设SaaS账户;注册企业应用,录入应用;注册绿色低碳行为;通过接口同步用户的行为日志至本申请的个人绿色低碳行为温室气体减排量计算装置或者同步用户的减排日志至云端;
日志格式:
AppId,应用ID;event事件;eventId事件ID;mobile加密手机号码;region事件发生地(精确度至市县级);eventTime事件发生时间;duration持续时长。
5.减排量计算
5.1本实施例利用大数据平台实现办公场景“减排标准”的计算模型,匹配企业上传的使用日志,匹配计算模型,通过模型计算得出减排量。
5.2通过SaaS系统提供AppId、AppSecret,请求验证API获得token;
5.3使用token请求资源API获得日志交换系统地址,上传文件;
5.4大数据平台对日志进行调度加载至大数据平台;
5.5大数据平台对日志进行清洗,转换,剔除无效数据;
5.6计算引擎使用计算模型,对绿色低碳行为进行量化。
6.减排量记账
6.1通过大数据计算得出减排量,记录于“个人碳账本”、“企业碳账本”、“政府碳账本”;
6.2减排量权属为个人。
7.减排量应用
7.1减排量是个人绿色低碳行为的累积成果,对个人践行绿色低碳行为起到激励作用;
7.2个人碳账本,表现为APP应用,用户可以看到自己生活方方面面的绿色低碳行为,办公是其中的一个方面;
7.3企业碳账本,可以根据用户的减排量,构建适用于自身业务的低碳应用,并且消除概念混淆,还原减排量概念,使用户更好的理解绿色、低碳、减排;
7.4企业基于带动用户的减排量,发布企业低碳责任报告;
7.5企业可以根据自身情况,对用户进行绿色低碳行为排名、奖励发放以提升用户活跃度;
7.6政府碳账本,基于减排大数据,可以观察辖区内全民减排发生情况;
7.7政府可针对低碳用户或带动用户减排优秀企业,给予相应的荣誉和权益激励;
8.减排量交易等其他应用
8.1个人减排量未来有机会进入全国碳交易市场;
8.2企业可向用户采购减排量,以获得新用户,或者活跃老用户;
8.3企业采购用户减排量后,仍可进入全国碳交易市场。
8.4基于个人绿色行为,未来可与保险行业结合,探索“绿色保险”;
8.5基于个人绿色行为,未来可与银行信贷结合,探索“个人绿色贷款”。
本实施例通过量化个人使用多种具有减排效果的在线办公软件,得出“减排量”,并记录在大数据平台中,形成三位一体的“碳减排数字账本”——“个人碳账本”、“企业碳账本”、“政府碳账本”。个人“减排量”作为一种具有价值的数字资产,未来可用于三个方面:一、在“碳市场”抵消企业碳排放;二、企业通过购买个人“减排量”获客;三、建立绿色信用体系,与“绿色金融”“绿色保险”等领域结合。
本实施例中,步骤S101中获取医疗绿色低碳行为数据的步骤包括:
所述医疗服务系统在用户就医过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述医疗绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述医疗绿色低碳行为的活动水平数据包括一项或者多项:次数、时长、里程、数量;
根据所述医疗绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103中将所述医疗绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定医疗绿色低碳行为的减排量包括:
当所述医疗绿色低碳行为的碳排放量小于碳排放基准线时,根据所述医疗绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述医疗绿色低碳行为的减排量存储于云端服务器。
本实施例中,所述医疗服务系统在用户在线医疗过程中,记录用户的在线问诊行为发生的时间和次数、在线分诊行为发生的时间和次数;所述在线分诊为所述医疗服务系统根据用户描述症状和用户提供的地址智能分派医院的服务;
将医疗绿色低碳行为数据与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定医疗绿色低碳行为的减排量包括:
根据在线分诊行为发生的次数,确定所述在线问诊行为的减排量;
根据所述用户提供的地址与分配的医院的地址之间的距离信息,以及用户选择的出行方式确定就诊服务的碳排放量;
当所述在线分诊行为的碳排放量小于碳排放基准线时,根据所述在线分诊行为的碳排放量与碳排放基准线的差值确定此次所述在线分诊行为的减排量。
本实施例中,步骤S101中获取循环利用绿色低碳行为数据的步骤包括:
所述循环利用服务系统在用户处置生活垃圾过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述循环利用绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述循环利用绿色低碳行为的活动水平数据包括一项或者多项:类别、重量、数量、材质、性质;
根据所述循环利用绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103中将所述循环利用绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定循环利用绿色低碳行为的减排量包括:
当所述循环利用绿色低碳行为的碳排放量小于碳排放基准线时,根据所述循环利用绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述循环利用绿色低碳行为的减排量存储于云端服务器。
本实施例中,步骤S101中获取金融绿色低碳行为数据的步骤包括:
所述金融服务系统在用户办理金融业务过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述金融绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述金融绿色低碳行为的活动水平数据包括一项或者多项:次数、时长、数量、里程;
根据所述金融绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103中将所述金融绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定循环利用绿色低碳行为的减排量包括:
当所述金融绿色低碳行为的碳排放量小于碳排放基准线时,根据所述金融绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述循环利用绿色低碳行为的减排量存储于云端服务器。
本实施例中,获得金融绿色低碳行为数据的步骤包括:
所述金融服务系统在用户在线办理业务过程中,记录用户的在线办理业务行为发生的时间和次数、在线分派业务行为发生的时间和次数;所述在线分派业务为所述金融服务系统根据用户办理业务内容和用户提供的地址智能分派金融机构的服务;
将金融绿色低碳行为数据与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定金融绿色低碳行为的减排量包括:
根据在线办理业务行为发生的次数,确定所述在线办理业务行为的减排量;
根据所述用户提供的地址与分派金融机构的地址之间的距离信息,以及用户选择的出行方式确定金融服务的碳排放量;
当所述金融服务的碳排放量小于碳排放基准线时,根据所述金融服务的碳排放量与碳排放基准线的差值确定此次所述金融绿色低碳行为的减排量。
本实施例中,步骤S101中获取运动绿色低碳行为数据的步骤包括:
所述运动服务系统在用户运动健身过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述运动绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述运动绿色低碳行为的活动水平数据包括一项或者多项:距离、时长、次数;
根据所述运动绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103中将所述运动绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定运动绿色低碳行为的减排量包括:
当所述运动绿色低碳行为的碳排放量小于碳排放基准线时,根据所述运动绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述运动绿色低碳行为的减排量存储于云端服务器。
本实施例中,步骤S101中,获取绿色物流低碳行为数据的步骤包括:
所述物流服务系统在用户选择物流服务过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述物流绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述物流绿色低碳行为的活动水平数据包括一项或者多项:重量、数量、里程、功率、能耗、油耗、车重、排量、燃油类型;
根据所述物流绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103中,将所述物流绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定物流绿色低碳行为的减排量包括:
当所述物流绿色低碳行为的碳排放量小于碳排放基准线时,根据所述物流绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述物流绿色低碳行为的减排量存储于云端服务器。
本实施例中,步骤S101中获取电子商务绿色低碳行为数据的步骤包括:
所述电子商务服务系统在用户购物过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述电子商务绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述电子商务绿色低碳行为的活动水平数据包括一项或者多项:材质、数量、重量、里程、能耗;
根据所述电子商务绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
步骤S103中将所述电子商务绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定电子商务绿色低碳行为的减排量包括:
当所述电子商务绿色低碳行为的碳排放量小于碳排放基准线时,根据所述电子商务绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述电子商务绿色低碳行为的减排量存储于云端服务器;
本实施例中还可以获得电子商务绿色低碳行为数据,所述电子商务服务系统在用户购物过程中,记录用户购物行为购买的商品、发生的时间和次数;
将电子商务绿色低碳行为数据与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定电子商务绿色低碳行为的减排量包括:
根据所述用户提供的地址与发货地址之间的距离信息,以及用户购买的商品信息,确定电子商务绿色低碳行为的碳排放量;
当所述电子商务绿色低碳行为的碳排放量小于碳排放基准线时,根据所述电子商务绿色低碳行为的碳排放量与碳排放基准线的差值确定此次所述电子商务绿色低碳行为的减排量;
本发明还可以获得车辆行驶绿色低碳行为数据,所述车辆管理服务系统在用户驾驶车辆过程中,记录用户车辆停放时长和ETC使用记录;
将车辆行驶绿色低碳行为数据与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定车辆行驶绿色低碳行为的减排量包括:
根据所述用户车辆停放时长,确定车辆行驶绿色低碳行为的碳排放量;
根据所述用户ETC使用记录,确定车辆行驶绿色低碳行为的碳排放量;
本实施例中,可选的,步骤S101中确定用户发生绿色低碳行为之后还包括:
确定所述绿色低碳行为在不同生活服务系统是否存在重复记录,如果存在重复记录,进行去重处理。
本实施例中,可选的,所述方法还包括:
根据设定的用户的绿色低碳行为,生成绿色低碳行为日志,并且通过装置接口同步至云端。
本实施例中,可选的,所述方法还包括:
统计用户所在范围内的所有用户的减排量,并对所有用户的减排量进行排序,将排序结果反馈至用户。
本实施例中,可选的,所述方法还包括:
统计每个生活服务系统所有用户的减排量,和/或统计每个生活服务系统预设范围内的所有用户的减排量。
本实施例中,步骤S104根据用户在多个生活服务系统的减排量,确定用户的减排量明细包括:
对每个类别的绿色低碳行为的减排量进行求和或者加权求和,确定用户在多个生活服务系统的减排量。
本申请提供的技术方案,量化个人的绿色低碳行为得出减排量,并记录在大数据平台中,个人减排量作为一种具有价值的数字资产,包括衣、食、住、行、用、医疗、办公等等方面组成。每个方面都存在低于碳排放基准线的绿色低碳行为,绿色低碳行为的排放量与碳排放基准线的差即为减排量,通过统计每个生活服务系统或者平台的各项绿色低碳行为的数据,可获得个人的减排量,减排量是个人绿色低碳行为的累积成果,用户可以直观看到自己生活方方面面的绿色低碳行为,对个人践行绿色低碳行为起到激励作用。与产业端不同,个人减排不能采取管控和约束手段,而必须采取正向激励手段。对个人而言,主动减少碳排放并不会关注自己的碳排放,获取个人绿色低碳行为的减排量后,可以通过形式多样的物质和精神激励,鼓励每一个人持续践行减排行为。
本实施例中,个人减排量计算和使用过程,可概括为如下步骤:
互联网平台->产生行为日志->日志上报->行为量化计算->减排量记账
以出行场景举例说明通过减排标准确定减排基线的过程,其它场景过程类似:
根据本地区居民过去5年,整体日常出行的大数据,如北京(数据仅作为示意)每天1000万人出行,600万人选择地铁,200万人选择公交,200万人选择自驾,90万人选择骑行。构成了北京整体出行情况,加权平均得出出行场景的人均碳排放基准线。每一种出行方式的碳排放量,通过“活动水平*排放因子”的基本原理,计算得出。本实施例,确定碳排放基准线过程可以经过社会调研,文献,头部企业经营等方式获得源数据,不做具体限定。
本实施例,选择低于减排基线的方式,界定为绿色低碳行为。绿色低碳行为的排放量与碳排放基准线的差的绝对值,即为减排量。
在国内,通过数字化方式解决生活需求,已经是人们最习惯的生活方式。衣、食、住、行、用、医疗、办公均有相应的企业提供数字化服务,本实施例中表示为生活服务系统。京东购物、美团、携程、哈罗单车等等,用户的绿色低碳行为留存在相应的服务企业中。
例如:用户甲选择企业A的App骑行出行,甲的出行行为发生于企业A的服务场景中;
用户甲选择企业B的APP订购外卖不要餐具,甲的餐饮行为发生于企业B的服务场景中;
各项绿色低碳行为可以通过生活服务系统获取。在线购物可以获得“衣”方面的绿色低碳行为数据;在线点餐、外卖可以获得“食”方面的绿色低碳行为数据;线上预定可以获得“住”方面的绿色低碳行为数据;二维码乘车、共享单车可以获得“行”方面的绿色低碳行为数据;循环再生产品可以获得“用”方面的绿色低碳行为数据。
目前由于互联网平台提供生活服务,用户的绿色低碳行为,分散于多个互联网平台,如上例中用户甲的绿色低碳行为分散在企业A、B……提供的场景当中,每个企业的经营场景相对单一,因此,单个企业无法帮助用户全面量化记录个人绿色低碳行为,单个企业独立核算绿色低碳行为无法做到同步及时跟进。另外,绿色低碳行为在不同企业中会有重复记录的可能,每个企业单独记录,无法去重。本实施例与具有减排场景的互联网平台对接,全面量化其用户的绿色低碳行为。
由于用户使用App时发生的关键事件,会在互联网系统中产生日志(如:骑行开锁、落锁)。通过这些关键事件可以用于判定用户绿色低碳行为的发生和对应的绿色低碳行为的数据,根据关键事件日志来确定用户的行为,行为日志的纪录和保存适于APP使用的正常范围,本申请连接多个生活服务系统,获取对应用户的行为日志,在APP侧并无额外工作产生。
本实施例中,通过连接多个生活服务系统获取用户的行为日志,过程如下:
企业注册并开设SaaS账户;注册企业应用,录入应用;注册绿色低碳行为;通过接口同步用户的行为日志至本申请的个人绿色低碳行为温室气体减排量计算装置或者同步用户的减排日志至云端;
日志格式:
AppId,应用ID;event事件;eventId事件ID;mobile加密手机号码;region时间发生地;eventTime时间发生时间;关键要素(按具体行为计算规则区分,如骑行distance、不要餐具quantity)。
本发明实施例为了保护用户隐私,去除了明文手机号码,使用哈希算法对手机号码进行加密。目前可以采用的哈希算法为sha256,字段可以表示为mobile_sha256。
在实际引用中,行为日志存在多种对应关系:一个企业多个应用,一个应用多个场景,一个场景多个绿色低碳行为,每个行为产生关键日志。
本实施例获取日志文件,使用hive保存原始日志,并根据数据情况进行清洗、加工。以“货车ETC通行”为例,对车辆唯一识别码VIN进行拆分,以前3位和第5位为依据,判断车辆类型,归并至排放分类中。
从hive数据库的ETC场站名称,关联场站所属行政区划,确定行为发生地点;
以分类为依据,查询一次通行行为的减排量,进而得出本车辆在此次ETC通行过程中的减排量。
提供实时查询接口,根据用户手机号码(加密手机号码)得到减排量;
用户通过手机号码(加密手机号码),可查询在多个企业的场景中所发生的绿色低碳行为及减排量。
本实施例实现减排量的计算,匹配企业上传的行为日志,计算得出减排量,接口实现如下:
1、通过SaaS系统提供AppId、AppSecret,请求验证API获得token;
2、使用token请求资源API获得日志交换系统地址,获取日志文件;
3、对日志文件进行调度加载;
4、对日志进行清洗,转换,剔除无效数据;
5、对绿色低碳行为进行量化。
本实施例中,通过大数据计算得出减排量,可以记录“个人碳账本”、“企业碳账本”、“政府碳账本”,由于减排量是个人绿色低碳行为的累积成果,对个人践行绿色低碳行为起到激励作用;
其中,“个人碳账本”可以记录用户的减排量、一段时间的总减排量、减排量排序等信息;用户可以看到自己生活方方面面的绿色低碳行为;
“企业碳账本”可以记录每个生活服务系统所有用户的减排量,多个生活服务系统的减排量排序等信息;可以根据用户的减排量,构建适用于自身业务的低碳应用,并且消除概念混淆,还原减排量概念,使用户更好的理解绿色、低碳、减排;企业基于带动用户的减排量,发布企业低碳责任报告;还可以根据自身情况,对用户进行绿色低碳行为排名、奖励发放以提升用户活跃度;
“政府碳账本”记录本辖区所有用户在的减排量,多个地区所有用户的减排量的排序等信息。基于减排量数据,可以观察辖区内全民减排发生情况;针对低碳用户或带动用户减排优秀企业,给予相应的荣誉和权益激励;
本实施例中个人减排量未来有机会进入全国碳交易市场,企业可向用户采购减排量,获得新用户,或者活跃老用户;企业采购用户减排量后,仍可进入全国碳交易市场。
本实施例中,计算个人绿色低碳行为的步骤如下:
步骤1:企业注册应用和绿色低碳行为;
步骤2:将用户绿色低碳行为日志同步至数据库中;
步骤3:对绿色低碳行为日志进行,清洗、加工、计算、存储、服务;
步骤4:企业通过接口查询减排量,向用户展示。
本实施例中,可以统计企业的减排量,提升用户对企业及其产品的好感;
通过减排标准对绿色低碳行为计算,得出用户的减排量,对用户践行绿色低碳行为有良好的正向激励作用;
通过统计“政府碳账本”、引导“绿色、低碳”,政策研究制定,提供数据工具。
本实施例的优势包括:通过量化用户的绿色低碳行为,帮助带动个人践行绿色低碳行为,返回的减排量,向用户展示。本实施例的减排量基于碳排放基准线计算而来,具有权威性,可在企业之间互相流通;为个人记录减排量,提供数字账本。
本实施例,采用行业内较流行的Vue以及ElementUI前端框架。节约前端设计成本。根据业务使用场景,将前端分成运营侧管理平台和企业侧管理平台两套独立的前端系统。前端系统通过服务网关与已注册到注册中心的服务进行交互。第三方系统原始数据进入到大数据中的ODS里。ODS通过清洗规则,清洗后输出到大数据中的报表层。
系统分为5个层次,展现层(前端UI)、接入层(网关层)、服务治理层(配置层)、服务层、数据层;
Spring Cloud,Spring Boot,Eureka(服务注册中心),Ribbon+RestTemplate(负载均衡+Restful接口),Sentinel(熔断,限流,降级),Spring cloud getway(服务网关)非必要组件,Spring datajpa,MySQL连接池,Spring cloud config。
本实施例的优势包括:通过量化用户的绿色低碳行为,帮助带动个人践行绿色低碳行为,返回的减排量,向用户展示。本实施例的减排量基于碳排放基准线计算而来,具有权威性,可在企业之间互相流通;为个人记录减排量,提供数字账本。
本实施例中,通过大数据计算得出减排量,可以记录“个人碳账本”、“企业碳账本”、“政府碳账本”,由于减排量是个人绿色低碳行为的累积成果,对个人践行绿色低碳行为起到激励作用。
如图2所示,本实施例中还提供一种生活服务管理中个人绿色低碳行为温室气体减排量计算方法,所述装置包括:
数据获取模块210,设置为从多个生活服务系统获取用户在该系统对应类别的绿色低碳行为描述数据和活动水平数据;所述生活服务系统至少包括以下之一:餐饮服务系统、出行服务系统、家居服务系统、办公服务系统、医疗服务系统、循环利用服务系统、金融服务系统、车机系统、电子商务系统、物流服务系统、运动服务系统;
匹配模块220,设置为将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准,所述减排标准包括以下之一:团体标准、行业标准、地方标准、国家标准、CCER方法学、CDM方法学、VCS方法学、GS方法学、其他温室气体自愿减排机制方法学;
逻辑比较模块230,设置为根据所述绿色低碳行为适用的减排标准,获得所述绿色低碳行为的碳排放因子,计算或获取所述绿色低碳行为的碳排放基准线,根据所述绿色低碳行为的活动水平数据与所述碳排放因子,确定所述绿色低碳行为的碳排放量,根据所述碳排放基准线与所述绿色低碳行为的碳排放量进行逻辑比较,确定所述绿色低碳行为的减排量;
减排量确定模块240,设置为根据每个类别的绿色低碳行为的减排量,确定用户在多个生活服务系统的减排量。
本实施例提供的上述装置,可以执行上述任一方法实施例提供的方法,详细过程详见方法实施例中的描述,此处不再赘述。
本申请实施例还提供了一种计算设备,参照图3,该计算设备包括存储器1120、处理器1110和存储在所述存储器1120内并能由所述处理器1110运行的计算机程序,该计算机程序存储于存储器1120中的用于程序代码的空间1130,该计算机程序在由处理器1110执行时实现用于执行任一项根据本发明的方法步骤1131。
本申请实施例还提供了一种计算机可读存储介质。参照图4,该计算机可读存储介质包括用于程序代码的存储单元,该存储单元设置有用于执行根据本发明的方法步骤的程序1131′,该程序被处理器执行。
本申请实施例还提供了一种包含指令的计算机程序产品。当该计算机程序产品在计算机上运行时,使得计算机执行根据本发明的方法步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、获取其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令处理器完成,所述的程序可以存储于计算机可读存储介质中,所述存储介质是非短暂性(英文:non-transitory)介质,例如随机存取存储器,只读存储器,快闪存储器,硬盘,固态硬盘,磁带(英文:magnetic tape),软盘(英文:floppy disk),光盘(英文:optical disc)及其任意组合。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (16)
1.个人绿色低碳行为温室气体减排量计算方法,其特征在于,包括:
从多个生活服务系统获取用户在该系统对应类别的绿色低碳行为描述数据和活动水平数据;所述生活服务系统至少包括以下之一:餐饮服务系统、出行服务系统、家居服务系统、办公服务系统、医疗服务系统、循环利用服务系统、金融服务系统、车机系统、电子商务系统、物流服务系统、运动服务系统;
将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准,所述减排标准包括以下之一:团体标准、行业标准、地方标准、国家标准、CCER方法学、CDM方法学、VCS方法学、GS方法学、其他温室气体自愿减排机制方法学;
根据所述绿色低碳行为适用的减排标准,获得所述绿色低碳行为的碳排放因子,计算或获取所述绿色低碳行为的碳排放基准线,根据所述绿色低碳行为的活动水平数据与所述碳排放因子,确定所述绿色低碳行为的碳排放量,根据所述碳排放基准线与所述绿色低碳行为的碳排放量进行逻辑比较,确定所述绿色低碳行为的减排量;
根据用户在多个生活服务系统的减排量,确定用户的减排量明细。
2.根据权利要求1所述的方法,其特征在于,所述将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准包括:
针对每个类别的每项绿色低碳行为,将所述绿色低碳行为的描述数据与减排标准的适用范围进行逻辑比对,确定所述绿色低碳行为适用的减排标准;
如果每类别一项或者多项绿色低碳行为未能匹配到适用的减排标准,根据所述绿色低碳行为所在区域的碳排放情况,根据保守性原则,确定减排标准。
3.根据权利要求1或2所述的方法,其特征在于,计算或获取所述绿色低碳行为的碳排放因子包括:
针对每个类别的每项绿色低碳行为,根据适用所述绿色低碳行为的减排标准,获得所述绿色低碳行为的碳排放因子。
4.根据权利要求1或2所述的方法,其特征在于,所述计算或获取所述绿色低碳行为的碳排放基准线包括:
针对每个类别的每项绿色低碳行为,根据适用所述绿色低碳行为的减排标准计算或获得碳排放基准线;或者,
针对每个类别的每项绿色低碳行为所适用的减排标准的计算方法,将所述绿色行为的活动水平数据,与周期内及社会范围内人数情况加权平均测算得出碳排放基准线;或者,
针对每个类别的每项绿色低碳行为,统计过去预设时间内提供所述绿色低碳行为的企业经营数据,将所述绿色行为的碳排放因子与经营数据采样乘积的平均值,测算得出碳排放基准线;或者,
针对每项绿色低碳行为,统计所述用户个人过去预设时间内的高碳排放行为的碳排放因子与活动水平乘积的平均值,测算得出碳排放基准线。
5.根据权利要求1或2所述的方法,其特征在于,获得餐饮绿色低碳行为数据的步骤包括:
所述餐饮服务系统在用户点餐过程中,记录用户的餐饮绿色低碳行为发生的餐饮绿色低碳行为的描述数据和活动水平数据;
所述餐饮绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述餐饮绿色低碳行为的活动水平数据包括一项或者多项:餐具种类信息、餐具数量信息、餐品种类信息、餐品数量信息;
根据所述绿色低碳行为的活动水平数据和所述绿色低碳行为对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将餐饮绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定餐饮绿色低碳行为的减排量包括:
当所述餐饮碳行为的碳排放量小于碳排放基准线时,根据所述餐饮绿色低碳行为的碳排放量与碳排放基准线的差值确定所述餐饮绿色低碳行为的减排量,将所述餐饮绿色低碳行为的减排量存储于云端服务器。
6.根据权利要求1或2所述的方法,其特征在于,获得出行绿色低碳行为数据的步骤包括:
所述出行服务系统或车机系统在用户通过终端选择出行方式或者自愿停驶过程中,记录用户的出行绿色低碳行为发生的出行绿色低碳行为的描述数据和活动水平数据;
所述出行绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述出行绿色低碳行为的活动水平数据包括一项或者多项:里程、排量、燃油类型、油耗、耗电量、热能、时长、设备唯一识别码;
根据所述绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将出行绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定出行绿色低碳行为的减排量包括:
当所述出行绿色低碳行为的碳排放量小于碳排放基准线时,根据所述出行绿色低碳行为的碳排放量与碳排放基准线的差值确定所述出行绿色低碳行为的减排量,将所述出行绿色低碳行为的减排量存储于云端服务器。
7.根据权利要求1或2所述的方法,其特征在于,获取家居绿色低碳行为数据的步骤包括:
所述家居服务系统在用户家庭日常生活过程中,记录用户家庭的绿色低碳行为描述数据和活动水平数据;
所述家庭绿色低碳行为的数据包括:身份标识、系统标识、行为标识、时间、地点;
所述家庭绿色低碳行为的活动水平数据包括一项或者多项:总用电量、用水量、空调温度、电器耗电、燃气用量;
根据所述家庭绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将家居绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定家居绿色低碳行为的减排量包括:
当所述家居绿色低碳行为的碳排放量小于碳排放基准线时,根据所述家居绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述家居绿色低碳行为的减排量存储于云端服务器。
8.根据权利要求1或2所述的方法,其特征在于,获取办公绿色低碳行为数据的步骤包括:
所述办公服务系统在用户工作过程中,记录用户单位的绿色低碳行为的描述数据和活动水平数据;
所述办公绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述办公绿色低碳行为的活动水平数据包括一项或者多项:用电量、用水量、空调温度、纸张数量、使用时长;
根据所述办公绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述办公绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定家居绿色低碳行为的减排量包括:
当所述办公绿色低碳行为的碳排放量小于碳排放基准线时,根据所述办公绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述办公绿色低碳行为的减排量存储于云端服务器。
9.根据权利要求1或2所述的方法,其特征在于,获取医疗绿色低碳行为数据的步骤包括:
所述医疗服务系统在用户就医过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述医疗绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述医疗绿色低碳行为的活动水平数据包括一项或者多项:次数、时长、里程、数量;
根据所述医疗绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述医疗绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定医疗绿色低碳行为的减排量包括:
当所述医疗绿色低碳行为的碳排放量小于碳排放基准线时,根据所述医疗绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述医疗绿色低碳行为的减排量存储于云端服务器。
10.根据权利要求1或2所述的方法,其特征在于,获取循环利用绿色低碳行为数据的步骤包括:
所述循环利用服务系统在用户处置生活垃圾过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述循环利用绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述循环利用绿色低碳行为的活动水平数据包括一项或者多项:类别、重量、数量、材质、性质;
根据所述循环利用绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述循环利用绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定循环利用绿色低碳行为的减排量包括:
当所述循环利用绿色低碳行为的碳排放量小于碳排放基准线时,根据所述循环利用绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述循环利用绿色低碳行为的减排量存储于云端服务器。
11.根据权利要求1或2所述的方法,其特征在于,获取金融绿色低碳行为数据的步骤包括:
所述金融服务系统在用户办理金融业务过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述金融绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述金融绿色低碳行为的活动水平数据包括一项或者多项:次数、时长、数量、里程;
根据所述金融绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述金融绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定循环利用绿色低碳行为的减排量包括:
当所述金融绿色低碳行为的碳排放量小于碳排放基准线时,根据所述金融绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述循环利用绿色低碳行为的减排量存储于云端服务器。
12.根据权利要求1或2所述的方法,其特征在于,获取电子商务绿色低碳行为数据的步骤包括:
所述电子商务服务系统在用户购物过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述电子商务绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述电子商务绿色低碳行为的活动水平数据包括一项或者多项:材质、数量、重量、里程、能耗;
根据所述电子商务绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述电子商务绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定电子商务绿色低碳行为的减排量包括:
当所述电子商务绿色低碳行为的碳排放量小于碳排放基准线时,根据所述电子商务绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述电子商务绿色低碳行为的减排量存储于云端服务器。
13.根据权利要求1或2所述的方法,其特征在于,获取运动绿色低碳行为数据的步骤包括:
所述运动服务系统在用户运动健身过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述运动绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述运动绿色低碳行为的活动水平数据包括一项或者多项:距离、时长、次数;
根据所述运动绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述运动绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定运动绿色低碳行为的减排量包括:
当所述运动绿色低碳行为的碳排放量小于碳排放基准线时,根据所述运动绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述运动绿色低碳行为的减排量存储于云端服务器。
14.根据权利要求1或2所述的方法,其特征在于,获取绿色物流低碳行为数据的步骤包括:
所述物流服务系统在用户选择物流服务过程中,记录用户的绿色低碳行为的描述数据和活动水平数据;
所述物流绿色低碳行为的描述数据包括:身份标识、系统标识、行为标识、时间、地点;
所述物流绿色低碳行为的活动水平数据包括一项或者多项:重量、数量、里程、功率、能耗、油耗、车重、排量、燃油类型;
根据所述物流绿色低碳行为的活动水平数据和对应的碳排放因子,确定所述绿色低碳行为的碳排放量;
将所述物流绿色低碳行为的碳排放量与对应的碳排放基准线进行逻辑比较,根据逻辑比较的结果确定物流绿色低碳行为的减排量包括:
当所述物流绿色低碳行为的碳排放量小于碳排放基准线时,根据所述物流绿色低碳行为的碳排放量与碳排放基准线的差值确定绿色低碳行为的减排量,将所述物流绿色低碳行为的减排量存储于云端服务器。
15.根据权利要求1所述的方法,其特征在于,确定用户发生绿色低碳行为之后还包括:
确定所述绿色低碳行为在不同生活服务系统是否存在重复记录,如果存在重复记录,进行去重处理。
16.个人绿色低碳行为温室气体减排量计算装置,其特征在于,包括:
数据获取模块,设置为从多个生活服务系统获取用户在该系统对应类别的绿色低碳行为描述数据和活动水平数据;所述生活服务系统至少包括以下之一:餐饮服务系统、出行服务系统、家居服务系统、办公服务系统、医疗服务系统、循环利用服务系统、金融服务系统、车机系统、电子商务系统、物流服务系统、运动服务系统;
匹配模块,设置为将每个类别绿色低碳行为匹配适用于所述绿色低碳行为的减排标准,所述减排标准包括以下之一:团体标准、行业标准、地方标准、国家标准、CCER方法学、CDM方法学、VCS方法学、GS方法学、其他温室气体自愿减排机制方法学;
逻辑比较模块,设置为根据所述绿色低碳行为适用的减排标准,获得所述绿色低碳行为的碳排放因子,计算或获取所述绿色低碳行为的碳排放基准线,根据所述绿色低碳行为的活动水平数据与所述碳排放因子,确定所述绿色低碳行为的碳排放量,根据所述碳排放基准线与所述绿色低碳行为的碳排放量进行逻辑比较,确定所述绿色低碳行为的减排量;
减排量确定模块,设置为根据用户在多个生活服务系统的减排量,确定用户的减排量明细。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210292321.8A CN114662917A (zh) | 2022-03-23 | 2022-03-23 | 个人绿色低碳行为温室气体减排量计算方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210292321.8A CN114662917A (zh) | 2022-03-23 | 2022-03-23 | 个人绿色低碳行为温室气体减排量计算方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114662917A true CN114662917A (zh) | 2022-06-24 |
Family
ID=82030806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210292321.8A Withdrawn CN114662917A (zh) | 2022-03-23 | 2022-03-23 | 个人绿色低碳行为温室气体减排量计算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662917A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660292A (zh) * | 2022-12-12 | 2023-01-31 | 广东工业大学 | 基于餐饮消费数据处理的碳排放监测方法及设备 |
-
2022
- 2022-03-23 CN CN202210292321.8A patent/CN114662917A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660292A (zh) * | 2022-12-12 | 2023-01-31 | 广东工业大学 | 基于餐饮消费数据处理的碳排放监测方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Carvalho et al. | Tracking the COVID-19 crisis with high-resolution transaction data | |
US11416880B2 (en) | Method, apparatus, and computer program product for forecasting demand using real time demand | |
TWI709867B (zh) | 資料處理方法及裝置 | |
Liao et al. | Mining customer knowledge for exploring online group buying behavior | |
Dias et al. | Fusing multiple sources of data to understand ride-hailing use | |
US10657560B2 (en) | Method, apparatus, and computer program product for classifying user search data | |
Moodie et al. | The cost‐effectiveness of a successful community‐based obesity prevention program: the be active eat well program | |
Arnold et al. | Adverse selection in reverse auctions for ecosystem services | |
Wadud et al. | To own or not to own–That is the question: The value of owning a (fully automated) vehicle | |
Brennan et al. | Developing policy analytics for public health strategy and decisions—the Sheffield alcohol policy model framework | |
Kusumawati et al. | Trust Role in Acceptance of Digital Banking in Indonesia | |
Bogavac et al. | SMEs digitalization and the sharing economy | |
Chu et al. | Collective action dilemmas in condominium management | |
Asgari et al. | Exploring the influences of personal attitudes on the intention of continuing online grocery shopping after the COVID-19 pandemic | |
US8589292B1 (en) | Creating a market for unbiased private individual data | |
CN114662917A (zh) | 个人绿色低碳行为温室气体减排量计算方法和装置 | |
CN111566691A (zh) | 知识产权价值管理及运营方法、装置、介质和计算设备 | |
CN111861354A (zh) | 一种新型的社团互助式共享福利的商业系统及方法 | |
O'Dea et al. | The distributional impact of public spending in the UK | |
US20110119199A1 (en) | Facility Resource Consumption Estimator | |
CN114742681A (zh) | 个人绿色低碳行为减排量抵消商品碳排放的方法和装置 | |
Lee | The economic impact of international inbound tourism on the South Korean economy and its distributional effects on income classes | |
CN114662918A (zh) | 个人绿色低碳行为统计处理方法和装置 | |
Lin et al. | Provider experience and order selection in the sharing economy | |
Mandal et al. | Managing the commons: How extension facilitates local participation to manage natural resources |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220624 |
|
WW01 | Invention patent application withdrawn after publication |