CN115455681A - 一种面向多载运工具的通勤交通碳排放空间分布估算方法 - Google Patents
一种面向多载运工具的通勤交通碳排放空间分布估算方法 Download PDFInfo
- Publication number
- CN115455681A CN115455681A CN202211070867.5A CN202211070867A CN115455681A CN 115455681 A CN115455681 A CN 115455681A CN 202211070867 A CN202211070867 A CN 202211070867A CN 115455681 A CN115455681 A CN 115455681A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- traffic
- road
- formula
- vehicle
- 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.)
- Granted
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 129
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 66
- 239000000446 fuel Substances 0.000 claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000010248 power generation Methods 0.000 claims description 13
- 230000005611 electricity Effects 0.000 claims description 6
- 239000003502 gasoline Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 239000003949 liquefied natural gas Substances 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241001225883 Prosopis kuntzei Species 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- Traffic Control Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
Abstract
本发明涉及交通运输技术领域,尤其涉及一种面向多载运工具的通勤交通碳排放空间分布估算方法,包括获取城市通勤交通多源运输数据;构建燃料驱动类载运工具的碳排放计算模型;构建电力驱动类载运工具的碳排放计算模型;基于改进时间阻抗的交通流量K短路分配方法;搭建碳排放空间分布评估算法框架并进行测定。本发明针对现有城市通勤交通碳排放计算模型存在的个体出行轨迹数据难以获取、拟合数值过于宏观以及较少考虑电力驱动载运工具等问题,以城市用地、路网和交通需求数据为基础,依托载运工具的能源驱动类型、技术经济特征和运行服务参数构建城市通勤交通碳排放测算体系,掌握碳排放的空间分布特征和演变规律,助力低碳城市交通系统建设。
Description
技术领域
本发明涉及交通运输技术领域,尤其涉及一种面向多载运工具的通勤交通碳排放空间分布估算方法。
背景技术
随着我国城市化进程的加快,通勤运输需求、机动车保有量将持续增长,其中如何高效合理的估算城市交通碳排放的空间分布已成为城市交通运输部门、生态环境部门亟需解决的关键问题。
已有关于城市客运交通通勤碳排放的计算研究主要集中在两个方面:
一是交通方式碳排放影响因素的研究,这类研究主要基于历史统计数据,从用地、人口、社会经济、空间位置、产业结构等层面剖析碳排的影响因素,尽管这类研究也能够建立相关因素和交通碳排放之间的回归关系模型,如时空地理加权回归模型,但是拟合结果较为宏观,无法反映城市区域内部各个交通方式在运输网络层面的具体分布。
二是针对具体载运工具的碳排放计算方法的研究,这类研究能够从微观层面结合载运工具能源类型和运行特征计算过程,可进行精细化的计算,但若要应用于城市全局区域需要获取所有通勤者的出行轨迹数据,且数据处理难度极大不利于开展交通碳排放的实时动态评估。
发明内容
针对现有城市通勤交通碳排放计算模型存在的个体出行轨迹数据难以获取、拟合数值过于宏观以及较少考虑电力驱动载运工具等问题,本发明以城市用地、路网和交通需求数据为基础,依托载运工具的能源驱动类型、技术经济特征和运行服务参数构建城市通勤交通碳排放测算体系,包括具体的测算模型和实施方法,以实现对日常城市通勤交通碳排放空间分布的可靠估算,掌握碳排放的空间分布特征和演变规律,助力低碳城市交通系统建设。
本发明所采用的技术方案是:一种面向多载运工具的通勤交通碳排放空间分布估算方法包括以下步骤:
S1:获取城市通勤交通多源运输数据;
S2:构建燃料驱动类载运工具的碳排放计算模型;
进一步的,具体包括:
以路段为基本单元构建不同交通载运工具的碳排放计算模型,包括燃料驱动类小汽车和燃料驱动类公交车碳排放计算模型;
燃料驱动类小汽车碳排放计算模型的公式为:
式中:为路段l上汽油驱动类客车的碳排放量;Kcf为客车类型;为路段l上第i类燃油驱动客车的数量;oi为第i类车型的比油耗;rpi为第i类车型的比功率;mil为第i类车型在路段l上的平均质量;dl为路段l的长度;为路段l上客车的平均运行速度;μo为燃油类车辆的碳排放因子;
燃料驱动类公交车碳排放计算模型的公式为:
式中:为路段l上燃料驱动类公交车的碳排放量;Kbf为燃料驱动公交车的类型;为路段l上第i类公交车的数量;λio为第i类公交车中柴油驱动类车辆占比;λig为第i类公交车中LNG驱动类车辆占比;gi为第i类车型的比汽耗;μg为燃汽类车辆的碳排放因子;mi为第i类公交车每辆车的空载质量;cBi为第i类公交车的标准定员;dl为路段l的长度;为出行小区j内公交车辆的平均满载率;为路段l上公交车的平均运行速度。
S3:构建电力驱动类载运工具的碳排放计算模型;
进一步的,具体包括:道路交通电动载具碳排放和轨道交通碳排放计算模型;
道路交通电动载具碳排放计算模型的公式为:
式中:为路段l上所有电动载具的换算碳排放量;Ke为道路交通电动载具类型;为路段l上第i类电动载具的数量;ci为第i类电动载具的平均百公里耗电量;pil为路段l上第i类电动载具的载客量;ηe为电动类载运工具的蓄电池充电效率;0.3为每增加50kg的载客质量,载运工具对应增加的平均耗电量;ρtp为城市所在区域供电系统结构中火力发电的比例;str为电力从发电端传输至城市交通需求端的损耗率;μtp为火力发电每度电的碳排因子。
轨道交通碳排放计算模型的公式为:
式中:为地铁线路i的全日用电换算碳排放量;KTi为地铁线路i的运营时段数量;为线路i所采用车辆类型的每公里耗电量;ait为线路i在第t类运营时段内列车采用的编组数量;hit为线路i在第t类运营时段内的发车间隔;Li为线路i的运营里程;Vi m为线路i的列车平均旅行速度;为列车在线路i终点站折返的时间;τit为线路i在第t类运营时段的累计持续长度。
S4:基于改进时间阻抗的交通流量K短路分配方法;
进一步的,具体包括:
S41、路段小汽车出行时间阻抗、节点小汽车出行时间阻抗、公交出行阻抗和地铁出行阻抗计算模型;
S42、并基于各方式出行阻抗计算模型,以城市各个小区不同方式OD出行数据为基础,基于综合交通运输网络,以K短路方法为基础设计各方式交通量在路网上的流量分配方法。
进一步的,路段小汽车出行时间阻抗计算模型的公式为:
进一步的,节点小汽车出行时间阻抗计算模型主要计算信号控制交叉口阻抗,交叉口阻抗的公式为:
其中,
式中:Vli、Vlj为交叉口邻接路段li、lj的交通量;为当前交叉口所属类型的信号周期长度;为交叉口邻接路段li、lj对应进口道的平均绿灯时长;为路段li对应等级道路的车道设计宽度;为路段li的实际车道数量;为交叉口邻接路段li、lj的平均车流速度;为交叉口内部车流的平均运行速度;
再次,考虑路径上所有的路段和交叉口进行叠加,得路径上节点小汽车出行时间阻抗:
进一步的,公交出行阻抗计算模型的公式为:
进一步的,地铁出行阻抗计算模型的公式为:
进一步的,步骤S42具体包括:
1)给定某一通勤方式k的OD出行数据T,为N阶方阵;其中,N为城市范围内出行小区的数量;
2)基于综合交通运输网络架构提取对应方式k的路网参数,包括路段集合 E和节点集合J;
3)以字母i、j表示出行起讫点小区的索引,遍历所有的出行起讫点OD对,每次遍历时根据上一阶段路网分配的交通流更新路段和节点的时间阻抗,以此为基础生成3条最短路pij(k1)、pij(k2)、pij(k3);
4)按照阻抗大小设定路径选择概率,将i、j之间的出行量Tij分配到3条路径上,构建的分配公式如(13)所示:
5)不断循环,直到所有OD点对和所有k遍历完毕,提取路网中各个路段上第k种方式的交通流量数据,完成各类通勤交通方式交通量在网络上的分配。
S5:搭建碳排放空间分布评估算法框架并进行测定;
进一步的,具体包括:
(1)将交通小区区间的OD矩阵按照不同的方式进行划分;
(2)以各个交通方式的网络布局为基础,将对应OD出行起讫点之间的交通量,利用K短路算法将其分配到相应的网络路径上;
(3)根据燃料和电力驱动下各通勤方式载具的碳排放计算公式,结合各个路段上不同交通方式的分配交通量,带入相关技术参数、运行参数和经济参数,分方式计算路段碳排放量;
(4)不同交通运输方式网络之间的空间衔接和匹配,进行路段碳排放的有序叠加;
不同交通运输方式网络之间的空间衔接和匹配包括:地铁线路区间和道路网络路段的匹配,公式如下:
式中:为路段l上对应地铁运输客流产生的碳排放量;为地铁线路i上车站st与st+1之间的区间断面客流量;为地铁线路i上车站j与j+1 之间的区间断面客流量;Si为地铁线路i上的车站数量;为地铁线路i上车站st到st+1之间的站间距离;dr为路段r的长度;dl为路段l的长度,km;ε为容许偏差距离。
(5)生成城市通勤交通碳排放的空间分布预测结果。
本发明的有益效果:
1、克服传统地理时空回归模型预估碳排放时无法精确匹配到运输网络的缺点。现有的地理时空回归模型在计算碳排放时多以小区为基本单位,以自然地理、社会人口、客货周转、产业经济等相关因素为变量进行多元回归,用于区域性层面的碳排放总量估算,难以深入结合城市区域内部的交通条件将碳排放量分解到整个综合交通运输网络中,所得结果较为宏观,对于实际低碳出行优化工作指导意义较弱;本发明综合考虑道路网、公交网、地铁网等主要通勤方式的网络设施布局和覆盖情况将城市不同起讫点各方式的交通量分配到路段上,实现高分辨率的碳排放空间分布估计。
2、实现了起讫点间不同通勤方式交通量在综合运输网络上的高效分配和有序叠加,为实现高精度的碳排放空间估计,路网中各方式运载工具交通量的确定至关重要;传统的交通量分配有交通规划领域中的用户均衡配流模型,但是其所采用的阻抗函数为美国联邦公路局提出的BPR路阻函数,其只针对路段行程时间,未考虑交叉口的延误;本发明基于K短路思想设计了小区间各方式交通路径的选择概率模型,并进一步考虑节点阻抗(包括地铁停站时间、道路交叉口延误、公交站点延误)改进了行程时间阻抗,据此分配出的结果具有更好的可信度和可解释性;此外,本发明还设计了地铁网络和道路网络的空间匹配算法,并根据断面客流将对应的碳排放量实现合理的分配。
3、本发明所形成的模型和技术方法可以用于实现城市通勤交通的碳排放空间估计,动态掌握城区路网碳排放的空间分布情况,可为基础设施规划建设、出行方式调整和载具能源革新提供技术支撑。
附图说明
图1是本发明的面向多载运工具的通勤交通碳排放空间分布估算方法流程图;
图2是本发明的测量装置系统连接图;
图3是本发明的基于改进时间阻抗的K短路流量分配算法;
图4是本发明的常州市交通小区小汽车出行OD矩阵;
图5是本发明的常州市交通小区公交车出行OD矩阵;
图6是本发明的常州市交通小区公交车出行OD矩阵;
图7是本发明的常州市交通小区地铁出行OD矩阵;
图8是本发明的碳排放空间分布测算框架;
图9是本发明的多通勤方式路网流量空间分布;
图10是本发明的常州市全日碳排放空间分布估算结果。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,此图为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,一种面向多载运工具的通勤交通碳排放空间分布估算方法,包括以下步骤:
S1:获取城市通勤交通多源运输数据;
本发明所需获取的数据资料包括:
(1)城市通勤交通出行数据,包括基于行政小区的起讫点出行量数据(OD 出行矩阵)、城市交通出行方式占比数据;
(2)城市通勤交通运输网络数据,包括城区内部道路网络、公交运行网络和地铁网络的拓扑结构数据,通过开放地图平台获取网络中各个线段和节点的属性信息;其中,道路网络中的线段信息包括长度、车道数量和宽度等,节点信息需要获取其经纬度坐标、信号控制方式、交叉口类型等;公交网络的线段信息为有无公交专用车道、路段长度,节点信息为车站位置、车站站台形式、站台面数量等;地铁网络的线段信息为隧道区间里程,节点信息为站点空间位置、站点类型等,本发明以常州市为例,所依附的道路交通网络体系如附图2所示。
(3)城市通勤交通方式载运工具的特征数据,包括载运工具的能源驱动类型、单位功率能源消耗、单位能源费用、载客量、运行速度、运营服务特征等。本发明将城市通勤交通载具划分为燃料驱动类和电力驱动类两大类,其中燃料驱动类主要涉及私家车、出租车、公交车三种通勤方式,电力驱动类主要涉及私家车、公交车、地铁和电动自行车四种通勤方式,步行和自行车这类慢行交通方式属于绿色出行故不在本发明所涉及碳排放计算的范畴之内。
S2:构建燃料驱动类载运工具的碳排放计算模型;
由于交通出行过程中产生的温室气体中99%为二氧化碳,其余碳氢化合物、一氧化碳和甲烷等含碳气体只占极少一部分,因此本发明以二氧化碳为主要研究对象计算各方式的排放量。需要说明的是,由于本发明是面向综合运输网络的交通出行碳排放计算,因此以路段为基本单元构建不同交通载运工具的碳排放计算模型。
(1)燃料驱动类小汽车
燃料驱动类小汽车主要考虑以汽油为能源类型的载具碳排放计算,进一步考虑小汽车类型、载重、路段运行特征进行碳排放的测算;本发明所构建的路段l上汽油驱动类客车的排放量计算公式为:
式中:
Kcf—客车类型,主要包括微型车、标准车、旅行车和通勤客车;
oi—第i类车型的比油耗,即发动机每发出1kw有效功率、在1h内所消耗的燃油质量,单位g/(kw·h);
mil—第i类车型在路段l上的平均质量,单位t;
dl—路段l的长度,km;
μo—燃油类车辆的碳排放因子,单位质量油耗对应产生的二氧化碳质量占比,这一项根据《综合能耗计算通则(GB/T2589-2020)》中的标准进行取值。
(2)燃料驱动类公交车
现阶段我国城市燃料驱动类公交车的能源类型主要有柴油和液化天然气(LNG)两种,因此本发明将考虑两种燃料驱动类型的公交车占比和能源转换系数构建测算模型;同时,由于公交车载客量较大,其载客质量将对车辆碳排放产生显著影响,因此本发明考虑不同空间位置的公交乘客满载率对碳排放进行修正;所构建的燃料驱动类公交车碳排放测算公式如下所示:
式中:
Kbf—燃料驱动公交车的类型;
λio—第i类公交车中柴油驱动类车辆占比;
λig—第i类公交车中LNG驱动类车辆占比;
gi—第i类车型的比汽耗,单位L/(kw·h);
μg—燃汽类车辆的碳排放因子,单位体积LNG燃烧对应产生的二氧化碳质量系数,本发明中取0.1827kg/L;
mi—第i类公交车每辆车的空载质量,单位t;
cBi—第i类公交车的标准定员,人;
0.05—公交车乘客人均体重按照50kg计,即0.05t/人;
dl—路段l的长度,km;
S3:构建电力驱动类载运工具的碳排放计算模型;
尽管电动小汽车、电动公交、电动自行车和地铁出行方式在运行过程中不产生碳排放,但是电能的供给依赖于发电,而我国火力发电仍占有较大的比重,因此电动类载运工具间接产生的碳排放需要结合城市所在供电区域的用电来源进行估算。对此,本发明将综合考虑各载运工具耗电特征和区域供电特征构建测算公式,其中后者包括火力发电的占比和对应的单位发电碳排放系数,传输效率电能消耗根据出行路径平均分布到单位路段长度上,以体现电力驱动类交通载运工具出行碳排放的空间差异性。
(1)道路交通电动载具碳排放测算;
道路交通电动类载具碳排放计算,主要包括电动小客车、电动公交车和电动自行车;其中,百公里耗电量根据车型和载客人数进行确定,对此本发明所构建的测算模型如式(3)所示:
式中:
Ke—道路交通电动载具类型,本文主要涉及3种,电动小汽车、电动自行车和电动公交,对应索引i取值为1、2、3;
ci—第i类电动载具的平均百公里耗电量,kWh/102km,通过查阅相关技术性资料,本发明对电动小汽车、电动公交和电动自行车的百公里能耗依次取值为 16kWh、55kWh和3kWh;
pil—路段l上第i类电动载具的载客量,其中电动小汽车和电动自行车相对固定,本发明中取值分别为1.5和1,公交车则根据公式(2)定员和满载率进行计算;
ηe—电动类载运工具的蓄电池充电效率,假设各电动车型充电效率都一样,本发明中取值为78%;
0.3—每增加50kg的载客质量,载运工具对应增加的平均耗电量,本发明中取0.3kWh/50kg;
ρtp—城市所在区域供电系统结构中火力发电的比例,根据电力行业发展报告取值;
str—电力从发电端传输至城市交通需求端的损耗率,同样根据电力行业发展报告进行测算;
μtp—火力发电每度电的碳排因子,kg/kWh。
(2)轨道交通碳排放测算模型;
城市轨道交通包括地铁、轻轨等多种制式,其中,采用地铁制式的城市轨道交通建设项目较多,因此本发明以地铁为对象,根据其线路特征、运行技术特征构建如公式(4)所示的碳排放计算模型:
式中:
KTi—地铁线路i的运营时段数量,可以划分为高峰、平峰和低峰三类时段;
ait—线路i在第t类运营时段内列车采用的编组数量,通常为6~8节编组,根据不同的城市通勤客流需求和地铁规划设计标准有所差异;
hit—线路i在第t类运营时段内的发车间隔,min;
Li—线路i的运营里程,km;
Vi m—线路i的列车平均旅行速度,计算时考虑起停附加时间和停站时间,km/h;本发明中取35km/h;
τit—线路i在第t类运营时段的累计持续长度,h,如早晚两个高峰各1.5h,则累计这一类为3h。
本发明以常州市城区为实施例,其地铁线路的主要特征参数如表1所示:
表1常州地铁线网基础运行特征参数
S4:基于改进时间阻抗的交通流量K短路分配方法;
S2和S3中所构建的多方式载运工具碳排放的计算模型均是以路段作为最小的流量统计单元,因此确定不同路段上各个通勤方式的交通量是一项重要前提;由于城市区域覆盖众多出行小区,且综合运输网络构成复杂,因此通勤出行的起讫点和路径具有多样性;本发明基于K短路的基本思想,搜索各起讫点对(OD点对)之间的K条最短路,并以路径时间阻抗为概率将OD对流量进行分配。其中,K短路是一种常用的算法本发明不对其做介绍,本发明主要改进路径出行时间阻抗的表达式,即细分不同方式的线路路段和节点对应的阻抗进行计算,以此作为K短路搜索的基础;本发明中K短路K的取值设为3。
(1)道路小汽车出行阻抗计算
根据本发明将时间阻抗道路分解为路段和节点两部分。
1)路段小汽车出行时间阻抗
小汽车在路段的出行阻抗的计算较为简单,本发明构造公式(5)进行计算:
式中:
dl—路段l的长度,km;
vl—路段l的设计运行速度,km/h;本发明中根据城市道路设计规范根据路段l 的等级进行取值,具体如表2所示;
Vl—路段l上的小汽车交通量,辆;
Cl—路段l的单车道设计通行能力,辆/车道,其取值同样在表2中显示;
nl—路段l的单向车道数量;
α—修正系数,表征道路拥挤状态对路段通行时间的影响,取值越大影响越大,本发明中取经验值0.35。
表2不同城市道路等级对应设计运行速度表
道路等级 | 快速路 | 主干路 | 次干路 | 支路 |
设计运行速度v<sub>l</sub>(km/h) | 80 | 60 | 50 | 40 |
设计车道能力C<sub>l</sub>(辆/车道) | 1400 | 1100 | 800 | 500 |
2)节点小汽车出行时间阻抗
对于道路交通而言,小汽车在节点的阻抗主要为在交叉口产生的延误时间,这也是本发明对于道路交通出行阻抗重点做出的创新修正内容。
交叉口阻抗主要体现为因红灯排队、速度损失带来的行程时间延误,严格来讲与交叉口信号控制类型、交叉口车种车流组成、交叉口渠化方案、信号控制周期等因素有关。本发明主要考虑交叉口的信号周期和宽度对交叉口阻抗进行估算,由于通勤道路以快速路、主干路和次干路为主,对应的交叉口以信号控制交叉口为主,暂不考虑无信号控制交叉口的延误,本发明所构建的交叉口阻抗计算公式如式(6)所示:
式中:
公式(6)中所涉及的两部分延误分别根据公式(7)和(8)进行计算。
式中:
Vli、Vlj—交叉口邻接路段li、lj的交通量,辆/h;
—当前交叉口所属类型的信号周期长度,s;由于城市道路交通网络结构复杂,难以获取所有交叉口的信号周期数据,本发明提出一种基于交叉口类型平均信号周期取值方法,即按照相交道路的等级对交叉口进行赋值,具体取值如表3 所示;
表3不同道路等级相交交叉口平均信号周期时长取值
结合公式(5)和(6)可得路径上小汽车的出行阻抗的计算式(9),即考虑路径上所有的路段和交叉口进行叠加。
式中:
lin、int—路段和交叉口的编号,二者均属于路径path。
(2)公交出行阻抗计算
同样地,公交出行阻抗也包括路段和节点两部分,但是由于公交车辆不在交叉口停车,其停靠站点设于路段上,因此本发明在计算公交出行阻抗时将站点停靠延误附加在对应的路段上。据此,构建如公式(10)所示的阻抗计算模型。
式中:
式中:
vl—路段的平均运行速度,km/h。
(3)地铁出行阻抗计算
地铁网络由于独立于地面小汽车和公交车所依附的道路网络,其在城市区域多为地下线路,路权相对独立,其路段阻抗计算为对应列车在车站区间内的运行时分,节点阻抗为列车在车站的起停附加时分和停站时分。
与公交类似,本发明将地铁站点延误附加在区间运行时分上,作为地铁出行路段阻抗,对应计算式如公式(12)所示。
式中:
vm—地铁在区间的平均运行速度,km/h;
(4)OD出行对之间的流量分配步骤
本发明基于前述所构建的各方式出行阻抗计算模型,以城市各个小区不同方式OD出行数据为基础,基于综合交通运输网络,以K短路方法为基础设计各方式交通量在路网上的流量分配算法;本发明所搭建的流量分配算法框架如图3所示,主要步骤如下:
1)给定某一通勤方式k的OD出行数据T,为N阶方阵,其中N为城市范围内出行小区的数量;
2)基于综合交通运输网络架构提取对应方式k的路网参数,包括路段集合 E和节点集合J,路段属性包括路段长度、车道宽度、道路等级、通行能力等基本信息,节点集合主要为交叉口的位置、相交道路的编号、信号控制周期等参数;
3)以字母i、j表示出行起讫点小区的索引,遍历所有的出行起讫点OD对,每次遍历时根据上一阶段路网分配的交通流更新路段和节点的时间阻抗,以此为基础生成3条最短路pij(k1)、pij(k2)、pij(k3);
4)本发明按照阻抗大小设定路径选择概率,将i、j之间的出行量Tij分配到 3条路径上,所构建的分配公式如(13)所示:
式中:
Tij(kq)—i、j之间方式k在第q条最短路上的流量,q取值1、2、3;
Tij—i、j之间的出行量;
5)不断循环,直到所有OD点对和所有k遍历完毕,提取路网中各个路段上第k种方式的交通流量数据,完成各类通勤交通方式交通量在网络上的分配。
本发明以常州市区通勤为对象,所涉及的小汽车、公交车、地铁和非机动车的小区出行OD矩阵数据分别如图4至图7所示;从图中可知,与其他通勤交通方式相比,由于并非所有的交通小区都临近地铁站点,因此交通小区的地铁出行矩阵较为整齐。
S5:搭建碳排放空间分布评估算法框架并进行测定;
本发明所构建的动态参数标定算法框架如附图8所示,以交通配流模型为基础,利用改进时间阻抗计算方法加载K短路模型进行起讫点之间各方式通勤量的分配,从而实现碳排放的空间分布测算,具体步骤如下:
(1)以城市通勤出行OD矩阵为基础,考虑城市交通出行结构将交通小区区间的OD矩阵按照不同的方式进行划分;
(2)基于S4中改进时间阻抗进行交通量的分配,以各个交通方式的网络布局为基础,将对应OD出行起讫点之间的交通量,利用K短路算法将其分配到相应的网络路径上;
(3)根据S2和S3中燃料和电力驱动下各通勤方式载具的碳排放计算公式,结合各个路段上不同交通方式的分配交通量,带入相关技术参数、运行参数和经济参数,分方式计算路段碳排放量;
(4)结合网络设施布局,统筹考虑不同交通运输方式网络之间的空间衔接和匹配关系,特别是地铁线路区间和道路网络路段的匹配,进行路段碳排放的有序叠加;
(5)生成城市通勤交通碳排放的空间分布预测结果;
对于S5第(4)步中地铁线路区间和道路网络路段的匹配,本发明构建了如公式(14)和公式(15)所示的匹配模型:
式中:
Si—地铁线路i上的车站数量,共Si-1个区间;
dr—路段r的长度,km,且r小于等于l,用于判定当前地铁线路区间终点前道路路段的累计里程;
dl—路段l的长度,km;
ε—容许偏差距离,单位km,由于路段节点位置和车站中心位置并非完全对应,对应的累计区间长度和道路里程存在偏差,本发明中设为0.2km。
应用本发明S4中所构建的改进流量分配算法,应用交通规划软件,以附图 2中的路网分布为基础,加载各方式OD出行数据矩阵,并按照路径以路段为单位进行叠加后可得如图9所示的全市通勤交通路网流量空间分布。需要注意的是,由于本发明只针对内部通勤交通,因此其他利用运输网络体系出入市区的客运交通和货运交通不在本发明考虑的范畴内;可以看到常州市的通勤流量多集中于市区东部和南部区域。
根据本发明所构建碳排放空间测算体系,依托综合交通运输网络和各方式载运工具路径流量分配结果,经空间叠加后可得常州市全日碳排放空间分布图。如附图10所示,全市路段每日碳排放量强度集中分布于88~1014kg/km,其中多集中在城市中心区域和东部区域(钟楼区东部、天宁区、武进区东部);测算结果与通勤出行活动强度基本保持一致。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (10)
1.一种面向多载运工具的通勤交通碳排放空间分布估算方法,其特征在于,包括以下步骤:
S1:获取城市通勤交通多源运输数据;
S2:构建燃料驱动类载运工具的碳排放计算模型;
S3:构建电力驱动类载运工具的碳排放计算模型;
S4:基于改进时间阻抗的交通流量K短路分配方法;
S5:搭建碳排放空间分布评估算法框架并进行测定。
2.根据权利要求1所述的面向多载运工具的通勤交通碳排放空间分布估算方法,其特征在于,步骤S2具体包括:
以路段为基本单元构建不同交通载运工具的碳排放计算模型,包括燃料驱动类小汽车和燃料驱动类公交车碳排放计算模型;
燃料驱动类小汽车碳排放计算模型的公式为:
式中:为路段l上汽油驱动类客车的碳排放量;Kcf为客车类型;为路段l上第i类燃油驱动客车的数量;oi为第i类车型的比油耗;为第i类车型的比功率;mil为第i类车型在路段l上的平均质量;dl为路段l的长度;为路段l上客车的平均运行速度;μo为燃油类车辆的碳排放因子;
燃料驱动类公交车碳排放计算模型的公式为:
3.根据权利要求1所述的面向多载运工具的通勤交通碳排放空间分布估算方法,其特征在于,步骤S3具体包括:
道路交通电动载具碳排放和轨道交通碳排放计算模型;
其中,道路交通电动载具碳排放计算模型的公式为:
式中:为路段l上所有电动载具的换算碳排放量;Ke为道路交通电动载具类型;为路段l上第i类电动载具的数量;ci为第i类电动载具的平均百公里耗电量;pil为路段l上第i类电动载具的载客量;ηe为电动类载运工具的蓄电池充电效率;0.3为每增加50kg的载客质量,载运工具对应增加的平均耗电量;ρtp为城市所在区域供电系统结构中火力发电的比例;str为电力从发电端传输至城市交通需求端的损耗率;μtp为火力发电每度电的碳排因子。
轨道交通碳排放计算模型的公式为:
4.根据权利要求1所述的面向多载运工具的通勤交通碳排放空间分布估算方法,其特征在于,步骤S4具体包括:
S41、得到路段小汽车出行时间阻抗计算模型、节点小汽车出行时间阻抗计算模型、公交出行阻抗计算模型和地铁出行阻抗计算模型;
S42、并基于各方式出行阻抗计算模型,以城市各个小区不同方式OD出行数据为基础,基于综合交通运输网络,以K短路方法为基础设计各方式交通量在路网上的流量分配方法。
6.根据权利要求5所述的面向多载运工具的通勤交通碳排放空间分布估算方法,其特征在于,节点小汽车出行时间阻抗计算模型主要计算信号控制交叉口阻抗,交叉口阻抗的公式为:
其中,
式中:Vli、Vlj为交叉口邻接路段li、lj的交通量;为当前交叉口所属类型的信号周期长度;为交叉口邻接路段li、lj对应进口道的平均绿灯时长;为路段li对应等级道路的车道设计宽度;为路段li的实际车道数量;为交叉口邻接路段li、lj的平均车流速度;为交叉口内部车流的平均运行速度;
再次,考虑路径上所有的路段和交叉口进行叠加,得到路径上节点小汽车出行时间阻抗:
9.根据权利要求4所述的面向多载运工具的通勤交通碳排放空间分布估算方法,其特征在于,步骤S42具体包括:
1)给定某一通勤方式k的OD出行数据T;
2)基于综合交通运输网络架构提取对应方式k的路网参数,包括路段集合E和节点集合J;
3)以字母i、j表示出行起讫点小区的索引,遍历所有的出行起讫点OD对,每次遍历时根据上一阶段路网分配的交通流更新路段和节点的时间阻抗,生成3条最短路pij(k1)、pij(k2)、pij(k3);
4)按照阻抗大小设定路径选择概率,将i、j之间的出行量Tij分配到3条路径上,构建的分配公式如(13)所示:
5)不断循环,直到所有OD点对和所有k遍历完毕,提取路网中各个路段上第k种方式的交通流量数据,完成各类通勤交通方式交通量在网络上的分配。
10.根据权利要求1所述的面向多载运工具的通勤交通碳排放空间分布估算方法,其特征在于,步骤S5具体包括:
(1)将交通小区区间的OD矩阵按照不同的方式进行划分;
(2)以各个交通方式的网络布局为基础,将对应OD出行起讫点之间的交通量,利用K短路算法将其分配到相应的网络路径上;
(3)根据燃料和电力驱动下各通勤方式载具的碳排放计算公式,结合各个路段上不同交通方式的分配交通量,带入相关技术参数、运行参数和经济参数,分方式计算路段碳排放量;
(4)不同交通运输方式网络之间的空间衔接和匹配,进行路段碳排放的有序叠加;
不同交通运输方式网络之间的空间衔接和匹配包括:地铁线路区间和道路网络路段的匹配,公式如下:
式中:为路段l上对应地铁运输客流产生的碳排放量;为地铁线路i上车站st与st+1之间的区间断面客流量;为地铁线路i上车站j与j+1之间的区间断面客流量;Si为地铁线路i上的车站数量;为地铁线路i上车站st到st+1之间的站间距离;dr为路段r的长度;dl为路段l的长度;ε为容许偏差距离。
(5)生成城市通勤交通碳排放的空间分布预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211070867.5A CN115455681B (zh) | 2022-09-02 | 2022-09-02 | 一种面向多载运工具的通勤交通碳排放空间分布估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211070867.5A CN115455681B (zh) | 2022-09-02 | 2022-09-02 | 一种面向多载运工具的通勤交通碳排放空间分布估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115455681A true CN115455681A (zh) | 2022-12-09 |
CN115455681B CN115455681B (zh) | 2023-08-25 |
Family
ID=84300361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211070867.5A Active CN115455681B (zh) | 2022-09-02 | 2022-09-02 | 一种面向多载运工具的通勤交通碳排放空间分布估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115455681B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307369A (zh) * | 2023-02-17 | 2023-06-23 | 广东省城乡规划设计研究院有限责任公司 | 一种城市交通碳排放计算方法、装置及存储介质 |
CN116702512A (zh) * | 2023-08-01 | 2023-09-05 | 清华大学 | 直流牵引供电系统碳排放责任计算方法及装置 |
CN116777120A (zh) * | 2023-08-16 | 2023-09-19 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种基于路网od对的城市道路移动源碳排放计算方法 |
CN117010667A (zh) * | 2023-09-27 | 2023-11-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通排放空间溯源方法、电子设备及存储介质 |
CN117454779A (zh) * | 2023-12-26 | 2024-01-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 道路交通移动源能耗预测方法、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130274951A1 (en) * | 2012-04-17 | 2013-10-17 | Ford Global Technologies, Llc | System and method for reducing vehicle generated carbon dioxide emissions |
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN106600027A (zh) * | 2016-10-31 | 2017-04-26 | 上海市政工程设计研究总院(集团)有限公司 | 城市交通碳排放量测算系统和测算方法 |
US20180350237A1 (en) * | 2016-10-08 | 2018-12-06 | Dalian University Of Technology | Method for estimating distribution of urban road travel time in considering operation state of taxi |
CN114118509A (zh) * | 2021-08-12 | 2022-03-01 | 生态环境部环境规划院 | 一种道路交通二氧化碳排放的预测方法及预测系统 |
CN114417614A (zh) * | 2022-01-20 | 2022-04-29 | 悉地(苏州)勘察设计顾问有限公司 | 一种中心城区机动车空间管控措施下碳排放减排测算方法 |
CN114925483A (zh) * | 2022-04-26 | 2022-08-19 | 东南大学 | 城市交通网络的碳排放测定方法 |
-
2022
- 2022-09-02 CN CN202211070867.5A patent/CN115455681B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130274951A1 (en) * | 2012-04-17 | 2013-10-17 | Ford Global Technologies, Llc | System and method for reducing vehicle generated carbon dioxide emissions |
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
US20180350237A1 (en) * | 2016-10-08 | 2018-12-06 | Dalian University Of Technology | Method for estimating distribution of urban road travel time in considering operation state of taxi |
CN106600027A (zh) * | 2016-10-31 | 2017-04-26 | 上海市政工程设计研究总院(集团)有限公司 | 城市交通碳排放量测算系统和测算方法 |
CN114118509A (zh) * | 2021-08-12 | 2022-03-01 | 生态环境部环境规划院 | 一种道路交通二氧化碳排放的预测方法及预测系统 |
CN114417614A (zh) * | 2022-01-20 | 2022-04-29 | 悉地(苏州)勘察设计顾问有限公司 | 一种中心城区机动车空间管控措施下碳排放减排测算方法 |
CN114925483A (zh) * | 2022-04-26 | 2022-08-19 | 东南大学 | 城市交通网络的碳排放测定方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307369A (zh) * | 2023-02-17 | 2023-06-23 | 广东省城乡规划设计研究院有限责任公司 | 一种城市交通碳排放计算方法、装置及存储介质 |
CN116702512A (zh) * | 2023-08-01 | 2023-09-05 | 清华大学 | 直流牵引供电系统碳排放责任计算方法及装置 |
CN116702512B (zh) * | 2023-08-01 | 2023-11-07 | 清华大学 | 直流牵引供电系统碳排放责任计算方法及装置 |
CN116777120A (zh) * | 2023-08-16 | 2023-09-19 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种基于路网od对的城市道路移动源碳排放计算方法 |
CN116777120B (zh) * | 2023-08-16 | 2023-10-27 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种基于路网od对的城市道路移动源碳排放计算方法 |
CN117010667A (zh) * | 2023-09-27 | 2023-11-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通排放空间溯源方法、电子设备及存储介质 |
CN117010667B (zh) * | 2023-09-27 | 2024-02-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通排放空间溯源方法、电子设备及存储介质 |
CN117454779A (zh) * | 2023-12-26 | 2024-01-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 道路交通移动源能耗预测方法、电子设备及存储介质 |
CN117454779B (zh) * | 2023-12-26 | 2024-04-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 道路交通移动源能耗预测方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115455681B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115455681B (zh) | 一种面向多载运工具的通勤交通碳排放空间分布估算方法 | |
CN103942948B (zh) | 基于分段拼接的城市公交线路网络的生成方法 | |
CN105205557B (zh) | 一种城市常规公交线网设计方法 | |
Wang et al. | Locating road-vehicle refueling stations | |
CN102081859B (zh) | 一种公交车到站时间预测模型控制方法 | |
CN108681795B (zh) | 城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法 | |
CN102496079B (zh) | 一种道路能耗与排放的监测方法 | |
CN110807175A (zh) | 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 | |
CN107798867B (zh) | 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法 | |
CN109543882B (zh) | 一种基于最优公交平均站间距的公交线网密度计算方法 | |
Fiori et al. | Optimum routing of battery electric vehicles: Insights using empirical data and microsimulation | |
Mahmoudi et al. | Accessibility with time and resource constraints: Computing hyper-prisms for sustainable transportation planning | |
CN108830399A (zh) | 一种轨道交通站点接驳设施供需平衡的优化调整方法 | |
Bhandari et al. | Consideration of access and egress trips in carbon footprint estimation of public transport trips: case study of Delhi | |
Yatskiv et al. | Evaluating Riga transport system accessibility | |
CN111199300A (zh) | 一种“车-路-网”模式下电动汽车充电负荷时空预测方法 | |
Wang et al. | Multi-objective optimization of customized bus routes based on full operation process | |
Karelina et al. | The Influence of the Characteristics of the Traffic Flow and the Structure of Vehicles on the Energy Consumption and Ecological Safety of Passenger Transportation: case of Vologda, Russia | |
Lah et al. | Transferability of sustainable urban transport solutions | |
CN115828029A (zh) | 一种高速铁路服务范围计算方法 | |
Mukherjee et al. | Curtailment of GHG emission due to implementation of metrorail service: A case study in Dhaka city | |
Ambarwati et al. | Improvement of public transport to minimize air pollution in urban sprawl | |
Hehuan et al. | Location planning of electric taxi charging station based on driving trajectory | |
Zeng et al. | Study on a New Mobility Pattern Based on Autonomous Road Transportation System | |
CN113780851A (zh) | 一种基于期望行驶成本的公交车辆停车场选址方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |