CN115455742B - 基于用户信息可信度的燃油车出行碳排放计算方法 - Google Patents

Abstract

本公开实施例中提供了一种基于用户信息可信度的燃油车出行碳排放计算方法，属于计算技术领域，具体包括：步骤1，获取不同车型对应的用户评论数据；步骤2，建立可信度指标体系并据此计算用户指标；步骤3，根据所述用户指标为用户赋予权重，并设置合理权重范围剔除异常数据，获取有效用户行驶数据；步骤4，利用所述有效行驶数据计算个性化用户行驶碳排放强度，进而得到单个车型在不同平台不同区域的日常出行碳排放量；步骤5，利用不同车型在不同区域的实际年均行驶碳排放量结合汽车保有量数据计算每个车型的整体碳排放量。通过本公开的方案，提高了计算精准度和实时性。

Description

基于用户信息可信度的燃油车出行碳排放计算方法

技术领域

本公开实施例涉及计算技术领域，尤其涉及一种基于用户信息可信度的燃油车出行碳排放计算方法。

背景技术

目前，随着全球各国对气候问题、环境污染问题关注的不断增强，降低碳排放总量，控制与治理环境污染成为各国关注的重点。城市交通是城市能源消耗的源头之一，私家车出行方式对城市交通碳排放的影响巨大，如何衡量车辆日常出行的碳排放强度是实现城市绿色交通和低碳发展的关键。故有必要对汽车的碳排放量进行检测，以使交通管理部门或环境保护部门评价交通节能减排措施的实施效果，或发现交通体系中碳排放量超标的车辆从而进行监督管理。

当前中国汽车行业关于汽车产品全生命周期碳排放的研究已经较为成熟，《中国汽车低碳行动计划研究报告2021》中将汽车产品生命周期碳排放核算的周期范围分为车辆周期和燃料周期。但燃料周期的乘用车碳排放核算方式并不能替代乘用车日常出行碳排放的核算。同时，当前汽车碳排放的核算从汽车产品本身以及各项测试数据、相关标准出发为多，较少将用户披露的行驶数据考虑进去。实际上考虑到不同用户的驾驶习惯、行车目的等不同，由此得来的汽车碳排放数据常于实际碳排放有所出入。

目前对城市交通碳排放量的计算多采用自上而下或自下而上的方法。自上而下的方法是基于交通系统中能源消耗总量和各类能源的排放系数进行估算的。该方法受制于各城市能源统计口径不同,很难获取到不同类型能源的消耗。即使可以获取到不同类型能源的消耗，由于能源统计口径不同,获得的能源消耗也不准确。现有的自下而上是基于各类交通工具能源活动的计算方法,通过交通工具的活动强度和单位能耗量来推算碳排放量。此种方法中，现有的计算方法方法核算边界困难,且活动数据源的获取困难，不利于对城市交通碳排放量的实时测算。

可见，亟需一种精准可信的基于用户信息可信度的燃油车出行碳排放计算方法。

发明内容

有鉴于此，本公开实施例提供一种基于用户信息可信度的燃油车出行碳排放计算方法，至少部分解决现有技术中存在计算结果精准度较差的问题。

本公开实施例提供了一种基于用户信息可信度的燃油车出行碳排放计算方法，包括：

步骤1，获取不同车型对应的用户评论数据，其中，所述用户评论数据包括购买地点、购车时间、评论发表时间、油耗和行驶里程；

步骤2，建立可信度指标体系并据此计算用户指标；

步骤3，根据所述用户指标为用户赋予权重，并设置合理权重范围剔除异常数据，获取有效用户行驶数据；

步骤4，利用所述有效行驶数据计算个性化用户行驶碳排放强度，进而得到单个车型在不同平台不同区域的日常出行碳排放量；

步骤5，利用不同车型在不同区域的实际年均行驶碳排放量结合汽车保有量数据计算每个车型的整体碳排放量。

根据本公开实施例的一种具体实现方式，所述可信度指标体系包括行驶里程、日使用率、认证指数、内容丰富度、油耗合理性和日均行驶里程。

根据本公开实施例的一种具体实现方式，所述步骤2具体包括：

步骤2.1，获取所述行驶里程Z₁并根据购车时间计算日使用率Z₂；

步骤2.2，计算认证指数Z₃

步骤2.3，计算油耗合理性Z₄.

步骤2.4，根据用户公布的购车时间、评论发表时间以及在此期间的行驶里程计算出用户日均行驶里程Z₅；

步骤2.5，根据平台所划分的内容要求,将用户评论换算成得分形式,从而可以得到内容丰富度Z₆。

根据本公开实施例的一种具体实现方式，所述步骤3之前，所述步骤还包括：

判断所述行驶里程和所述日使用率的合理性，并据此剔除所述用户评论数据中的不合理数据。

根据本公开实施例的一种具体实现方式，所述日使用率的计算公式为

du＝(zd₁-zd₂)/zm

其中zd₁为用户u_i的评论日期、zd₂为用户u_i的购买日期、zm为用户u_i的行驶公里数；

判断所述行驶里程合理性和所述日使用率的合理性的过程为

z₁＝0或z₂＝0的数据表示为不合理的用户评论数据。

根据本公开实施例的一种具体实现方式，所述步骤3具体包括：

步骤3.1，根据所述用户指标建立可信度指标信息矩阵；

步骤3.2，将所述可信度指标信息矩阵归一化并据此计算用户权重；

步骤3.3，将低于预设权重范围的用户评论数据作为异常数据并剔除，得到所述有效用户行驶数据。

根据本公开实施例的一种具体实现方式，所述步骤4具体包括：

步骤4.1，计算单用户行驶碳排放强度；

步骤4.2，计算单用户年均行驶碳排放量；

步骤4.3，计算单个车型单平台不同区域年均行驶碳排放量；

步骤4.4，计算单个车型在多平台不同区域的日常出行碳排放量。

根据本公开实施例的一种具体实现方式，所述步骤5具体包括：

步骤5.1，根据各区域不同车型的保有量和不同车型在多平台不同区域的日常出行碳排放量，计算单个车型在各个区域的年均行驶碳排放量；

步骤5.2，根据不同车型在各区域的年均行驶碳排放量得到每个车型的整体碳排放量。

本公开实施例中的基于用户信息可信度的燃油车出行碳排放计算方案，包括：步骤1，获取不同车型对应的用户评论数据，其中，所述用户评论数据包括购买地点、购车时间、评论发表时间、油耗和行驶里程；步骤2，建立可信度指标体系并据此计算用户指标；步骤3，根据所述用户指标为用户赋予权重，并设置合理权重范围剔除异常数据，获取有效用户行驶数据；步骤4，利用所述有效行驶数据计算个性化用户行驶碳排放强度，进而得到单个车型在不同平台不同区域的日常出行碳排放量；步骤5，利用不同车型在不同区域的实际年均行驶碳排放量结合汽车保有量数据计算每个车型的整体碳排放量。

本公开实施例的有益效果为：通过本公开的方案，收集各汽车在线评论平台用户发布的实际行驶数据，并建立可信度指标体系，对采集到的用户数据进行可信度分析并赋予不同权重。其次，根据用户公布的油耗和行驶里程等数据，结合不同燃油的碳排放因子计算出单个用户行驶产生的碳排放，从而得到各平台均匀化后的碳排放。然后，结合不同区域的汽车保有量计算得到不同区域的碳排放水平，提高了计算精准度和实时性。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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得其它的附图。

图1为本公开实施例提供的一种基于用户信息可信度的燃油车出行碳排放计算方法的流程示意图；

图2为本公开实施例提供的一种基于用户信息可信度的燃油车出行碳排放计算方法的架构示意图。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种基于用户信息可信度的燃油车出行碳排放计算方法，所述方法可以应用于交通管理场景的碳排放统计过程中。

参见图1，为本公开实施例提供的一种基于用户信息可信度的燃油车出行碳排放计算方法的流程示意图。如图1和图2所示，所述方法主要包括以下步骤：

步骤1，获取不同车型对应的用户评论数据，其中，所述用户评论数据包括购买地点、购车时间、评论发表时间、油耗和行驶里程；

例如，首先可以从k个汽车在线评论平台获取用户购买车型、行驶里程、油耗、购车地点、时间等评论和评分数据等，形成所述用户评论数据。

步骤2，建立可信度指标体系并据此计算用户指标；

可选的，所述可信度指标体系包括行驶里程、日使用率、认证指数、内容丰富度、油耗合理性和日均行驶里程。

进一步的，所述步骤2具体包括：

步骤2.1，获取所述行驶里程Z₁并根据购车时间计算日使用率Z₂；

步骤2.2，计算认证指数Z₃

步骤2.3，计算油耗合理性Z₄.

步骤2.4，根据用户公布的购车时间、评论发表时间以及在此期间的行驶里程计算出用户日均行驶里程Z₅；

步骤2.5，根据平台所划分的内容要求,将用户评论换算成得分形式,从而可以得到内容丰富度Z₆。

具体实施时，为了便于后续研究,将公式进行统一表述,具体如下:

汽车集:A＝{a₁,a₂,…,a_m}；用户集：U＝{u₁,u₂,…,u_m}，其中u_i表示汽车a_i(i＝1,2,…,m)的用户数；属性集：可信度指标集：Z＝{z₁,…,z_o,…,z_s}，乘用车属性集：C＝{c₁,…,c_j,…,c_n}；用户信息：采集用户评分信息，建立用户评分信息矩阵其中/>表示汽车a_i(i＝1,2,…,m)的第g(g＝1,2,…,u_i)个用户在属性C_j(j＝1,2,…,n)下的评分。

同时基于各汽车在线评论平台采集的用户数据建立可信度指标体系如表1所示。以汽车之家为样本建立可信度指标体系进行计算。

表1

步骤3，根据所述用户指标为用户赋予权重，并设置合理权重范围剔除异常数据，获取有效用户行驶数据；

可选的，所述步骤3之前，所述步骤还包括：

判断所述行驶里程和所述日使用率的合理性，并据此剔除所述用户评论数据中的不合理数据。

进一步的，所述日使用率的计算公式为

du＝(zd₁-zd₂)/zm

其中zd₁为用户u_i的评论日期、zd₂为用户u_i的购买日期、zm为用户u_i的行驶公里数；

判断所述行驶里程合理性和所述日使用率的合理性的过程为

z₁＝0或z₂＝0的数据表示为不合理的用户评论数据。

进一步的，所述步骤3具体包括：

步骤3.1，根据所述用户指标建立可信度指标信息矩阵；

步骤3.2，将所述可信度指标信息矩阵归一化并据此计算用户权重；

步骤3.3，将低于预设权重范围的用户评论数据作为异常数据并剔除，得到所述有效用户行驶数据。

具体实施时，首先可以通过行驶里程和车辆日使用率初步筛选掉不合理的数据，再根据可信度指标体系计算得到各用户权重进一步删除不合理数据。

计算日使用率：

du＝(zd₁-zd₂)/zm

其中zd₁为u_i的评论日期、zd₂为u_i的购买日期、zm为u_i的行驶公里数。

判断行驶里程和车辆日使用率合理性：

对于不满足行驶里程或车辆日使用率的用户数据，即z₁＝0或z₂＝0的数据均予以删除。

基于可信度的用户权重计算的步骤如下：

步骤1)建立可信度指标计算方法.

步骤1.1)计算认证指数Z₃.

步骤1.2)计算油耗合理性Z₄.

其中表示汽车a_i(i＝1,2,…,m)的第g(g＝1,2,…,u_i)个用户在平台k下的油耗。

步骤1.3)计算日均行驶里程合理性Z₅.

根据用户公布的购车时间、口碑发表时间以及在此期间的行驶里程计算出用户日均行驶里程，按照其合理性给出如下评分，从而可以得到日均行驶里程合理性Z5，评分标准见表2。

表2

步骤1.4)计算内容丰富度Z₆。

根据汽车网站所划分的内容要求,将其换算成得分形式,从而可以得到内容丰富度Z₆,如表3所示。

表3

步骤2)建立可信度指标信息矩阵.

根据步骤2的结果建立可信度指标信息矩阵其中/>表示汽车a_i(i＝1,2,…,m)的第g(g＝1,2,…,u_i)个用户在指标Z_o(o＝1,2,…,s)下的可信度信息。

步骤3)计算用户权重.

步骤3.1)可信度矩阵指标归一化.

步骤3.2)计算用户权重.

其中表示汽车a_i(i＝1,2,…,m)的第g(g＝1,2,…,u_i)个用户的权重信息。

通过可信度指标体系计算出每条用户数据的权重，对数据观察分析以后将用户权重低于10％的数据视为不合格数据并将其删除。使用经过筛选处理后的数据将一定程度上避免因用户随意评论导致的碳排放计算误差。

步骤4，利用所述有效行驶数据计算个性化用户行驶碳排放强度，进而得到单个车型在不同平台不同区域的日常出行碳排放量；

在上述实施例的基础上，所述步骤4具体包括：

步骤4.1，计算单用户行驶碳排放强度；

步骤4.2，计算单用户年均行驶碳排放量；

步骤4.3，计算单个车型单平台不同区域年均行驶碳排放量；

步骤4.4，计算单个车型在多平台不同区域的日常出行碳排放量。

具体实施时，根据用户评论计算乘用车出行碳排放的具体步骤如下所示：

(1)单用户行驶碳排放强度计算

经过可信度指标体系筛选后得到各汽车在线评论平台上用户公布的实际油耗，然后乘以燃料碳排放系数得到碳排放强度，由此计算每个用户行驶碳排放强度：

FC^i,k,r,t＝F^i,k,r,t×ρ×V

FC^i,k,r,t——汽车a_i在k平台r区域第t个用户的每百公里碳排放g/100km

F^i,k,r,t——汽车a_i在k平台r区域第t个用户的油耗L/100km

ρ——燃料的能量密度

V——燃料的碳强度

(2)单用户年均行驶碳排放量计算

使用用户购车时间、评论发布时间及在这期间的行驶里程得到用户的年均行驶里程，再结合该用户的行驶碳排放强度个性化计算每个用户平均每年行驶产生的碳排放量：

C^i,k,r,t＝M^i,k,r,t×FC^i,k,r,t

C^i,k,r,t——汽车a_i在k平台r区域第t个用户的年均碳排放量

M^i,k,r,t——汽车a_i在k平台r区域第t个用户的年平均行驶里程

(3)单平台不同区域某车型年均行驶碳排放量计算

通过计算获得不同汽车在线评论平台每个用户年均行驶碳排放量，并分别按平台按区域均匀化用户每年行驶碳排放量：

——汽车a_i在k平台r区域的年均行驶碳排放量

T^i,k,r——汽车a_i在k平台r区域的评论用户数

(4)多平台不同区域某车型年均行驶碳排放量计算

通过上述步骤得到不同平台不同区域的用户行驶碳排放量，再按区域将所有平台上的用户行驶碳排放数据均匀化得到不同车型在不同区域的年均行驶碳排放量：

——汽车a_i在r区域的年均行驶碳排放量。

步骤5，利用不同车型在不同区域的实际年均行驶碳排放量结合汽车保有量数据计算每个车型的整体碳排放量。

在上述实施例的基础上，所述步骤5具体包括：

步骤5.1，根据各区域不同车型的保有量和不同车型在多平台不同区域的日常出行碳排放量，计算单个车型在各个区域的年均行驶碳排放量；

步骤5.2，根据不同车型在各区域的年均行驶碳排放量得到每个车型的整体碳排放量。

具体实施时，结合汽车保有量/销量估算整体碳排放的具体步骤如下所示：

(1)r区域i车型年均行驶碳排放估算

通过计算从多个汽车在线评论平台获得不同车型在不同区域的年均行驶碳排放量，再根据各区域不同车型的保有量计算得到该车型在各个区域的年均行驶碳排放量：

C^i,r——汽车a_i在r区域的年均碳排放量

P_i,r——汽车a_i在r区域当年保有量

(2)i车型全国碳排放估算

根据不同车型在各区域的行驶碳排放量可以得到这些车型在全国的行驶碳排放量：

Cⁱ——汽车a_i全国碳排放量。

本实施例提供的基于用户信息可信度的燃油车出行碳排放计算方法，可以方便快捷的获取数据源且准确地计算城市交通碳排放量。本发明的数据来源为各大汽车在线评论平台的用户真实评论，这些用户数据均是开放获取的并且拥有庞大的数据量，可以提供充足的汽车行驶活动数据源。在建立了丰富的汽车行驶活动数据库后，本发明针对数据质量问题，建立了可信度指标体系对获取的数据进行筛选，以提高数据可靠性。最后，使用经过筛选后的有效数据计算得到不同车型的出行碳排放，并根据车辆保有量估算整体出行碳排放，提高了计算精准度和实时性。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本公开的具体实施方式，但本公开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公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种基于用户信息可信度的燃油车出行碳排放计算方法，其特征在于，包括：

步骤1，获取不同车型对应的用户评论数据，其中，所述用户评论数据包括购买地点、购车时间、评论发表时间、油耗和行驶里程；

步骤2，建立可信度指标体系并据此计算用户指标；

所述步骤2具体包括：

步骤2.1，获取所述行驶里程Z₁并根据购车时间计算日使用率Z₂；

步骤2.2，计算认证指数Z₃

步骤2.3，计算油耗合理性Z₄

其中，表示汽车a_i，i＝1,2,…,m的第g，g＝1,2,…,u_i个用户在平台k下的油耗；

步骤2.4，根据用户公布的购车时间、评论发表时间以及在此期间的行驶里程计算出用户日均行驶里程Z₅；

步骤2.5，根据平台所划分的内容要求,将用户评论换算成得分形式,从而可以得到内容丰富度Z₆；

步骤3，根据所述用户指标为用户赋予权重，并设置合理权重范围剔除异常数据，获取有效用户行驶数据；

步骤4，利用所述有效用户行驶数据计算个性化用户行驶碳排放强度，进而得到单个车型在不同平台不同区域的日常出行碳排放量；

步骤5，利用不同车型在不同区域的实际年均行驶碳排放量结合汽车保有量数据计算每个车型的整体碳排放量。

2.根据权利要求1所述的方法，其特征在于,所述可信度指标体系包括行驶里程、日使用率、认证指数、内容丰富度、油耗合理性和日均行驶里程。

3.根据权利要求2所述的方法，其特征在于，所述步骤3之前，所述步骤还包括：

判断所述行驶里程和所述日使用率的合理性，并据此剔除所述用户评论数据中的不合理数据。

4.根据权利要求3所述的方法，其特征在于,所述日使用率的计算公式为

du＝(zd₁-zd₂)/zm

其中zd₁为用户u_i的评论日期、zd₂为用户u_i的购买日期、zm为用户u_i的行驶公里数；

判断所述行驶里程合理性和所述日使用率的合理性的过程为

z₁＝0或z₂＝0的数据表示为不合理的用户评论数据。

5.根据权利要求4所述的方法，其特征在于,所述步骤3具体包括：

步骤3.1，根据所述用户指标建立可信度指标信息矩阵；

步骤3.2，将所述可信度指标信息矩阵归一化并据此计算用户权重；

步骤3.3，将低于预设权重范围的用户评论数据作为异常数据并剔除，得到所述有效用户行驶数据。

6.根据权利要求5所述的方法，其特征在于,所述步骤4具体包括：

步骤4.1，计算单用户行驶碳排放强度；

步骤4.2，计算单用户年均行驶碳排放量；

步骤4.3，计算单个车型单平台不同区域年均行驶碳排放量；

步骤4.4，计算单个车型在多平台不同区域的日常出行碳排放量。

7.根据权利要求6所述的方法，其特征在于,所述步骤5具体包括：

步骤5.1，根据各区域不同车型的保有量和不同车型在多平台不同区域的日常出行碳排放量，计算单个车型在各个区域的年均行驶碳排放量；

步骤5.2，根据不同车型在各区域的年均行驶碳排放量得到每个车型的整体碳排放量。