CN115952251A - 基于出行链大数据的低碳出行碳减排量核验方法及系统 - Google Patents

基于出行链大数据的低碳出行碳减排量核验方法及系统 Download PDF

Info

Publication number
CN115952251A
CN115952251A CN202310043601.XA CN202310043601A CN115952251A CN 115952251 A CN115952251 A CN 115952251A CN 202310043601 A CN202310043601 A CN 202310043601A CN 115952251 A CN115952251 A CN 115952251A
Authority
CN
China
Prior art keywords
travel distance
trip
data
distance
travel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310043601.XA
Other languages
English (en)
Inventor
杨军
刘莹
周瑜芳
张哲浩
蔡静
程颖
马皓
梁文博
史超
郑晓彬
薛晴
余柳
陈一凡
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.)
Beijing Transport Institute
Original Assignee
Beijing Transport Institute
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 Beijing Transport Institute filed Critical Beijing Transport Institute
Priority to CN202310043601.XA priority Critical patent/CN115952251A/zh
Publication of CN115952251A publication Critical patent/CN115952251A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • 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)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供了基于出行链大数据的低碳出行碳减排量核验方法及系统，该方法包括：步骤1)获取出行数据的样本数据；步骤2)当样本数据为步行数据，转入步骤3)；当样本数据为自行车数据，转入步骤4)；当样本数据为电动自行车数据，转入步骤5)；步骤3)采用步行出行距离的核验方法对样本数据进行核验及去重得到最终有效出行距离；根据最终有效出行距离计算步行的碳排放量；步骤4)采用自行车出行距离的核验方法对样本数据进行核验及去重得到最终有效出行距离；根据最终有效出行距离计算自行车的碳排放量；步骤5)采用电动自行车出行距离的核验方法对样本数据进行核验及去重得到最终有效出行距离；计算电动自行车的碳排放量。

Description

基于出行链大数据的低碳出行碳减排量核验方法及系统
本申请是申请日为2020年9月9日，申请号为202010940108.4，发明名称为“基于出行链大数据的低碳出行碳减排量核验方法及系统”的申请的分案申请。
技术领域
本发明涉及碳减排量核算领域，具体涉及基于出行链大数据的低碳出行碳减排量核验方法及系统。
背景技术
减少二氧化碳排放是人类应对全球气候变化的基本共识。城市作为人类经济活动的中心，也是能源消耗和碳排放的聚集区。
碳普惠制是在现有碳交易核心内涵由生产领域到生活领域的延伸，依据自愿减排交易管理办法规范流程申请减排项目，参与市场化碳交易。
纵观国内外碳交易市场，目前碳交易的实施范围主要集中在工业生产领域，对于居民的低碳生活鲜有涉及。居民作为工业产品和服务消费的主体，其生活碳排放的控制对于控制温室效应、减缓全球气候变化至关重要。
低碳行为个人碳减排量的核算是碳普惠制实施的前提条件和数据基础。
国内外探究中公共自行系统减排量核算采用的基本计算公式可以表示为：
ER＝EFR×N×DAVE
其中，ER为项目减排量(t)；EFR为使用机动车每公里排放的二氧化碳量(g CO2/km)；N为公共自行车系统使用次数(次)；DAVE为单次人均出行距离(km)。研究对象针对整个公共自行车项目，根据单次平均骑行里程核算项目的总体减碳量。用户通过注册广州碳普惠平台，绑定用户公共自行车账号后，碳普惠平台根据用户使用公共自行车的出行记录，对其出行里程进行核算，通过以上计算公式计算碳减排量，然后以相应碳减排量对应的“碳币”形式返还用户碳碳普惠账户，用户可以利用“碳币”兑换其他商品或其他方式获得减碳权益。
现有碳减排核验涉及的低碳出行方式不足：‘基于碳普惠制的城市公共自行车个人碳减排量计算’只涉及以公共自行车为交通方式的出行。低碳出行方式覆盖面不足。现有碳减排核验中没有对出行数据准确性、合理性的检验：‘基于碳普惠制的城市公共自行车个人碳减排量计算’对出行里程的核验是基于自行车管理公司提供的站点经纬度，对接高德地图，按步行模式评估得到各站点间最短骑行里程数。由自行车公司提供借还自行车时间、站点信息，对应出具体里程数据。以步行模式评估自行车出行最短距离所得到的里程核验数据准确性不足。除此之外，该核验方法没有考虑伪造出行记录情况的存在以及核验里程纠偏纠正的功能。
发明内容
本发明的目的在于克服上述技术缺陷，提出了一种基于出行链大数据的低碳出行碳减排量核验方法，所述方法包括：
步骤1)获取出行数据的样本数据；
步骤2)当样本数据为步行数据，则转入步骤3)；当样本数据为自行车数据，则转入步骤4)；当样本数据为电动自行车数据，则转入步骤5)；
步骤3)采用步行出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算步行的一次出行的基准线碳减排量和步行的一次出行的碳排放量；
步骤4)采用自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别自行车的计算一次出行的基准线碳减排量和自行车的一次出行的碳排放量；
步骤5)采用电动自行车出行距离的核验方法对样本数据进行核验；得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算电动自行车的一次出行的基准线碳减排量和电动自行车的一次出行的碳排放量。
作为上述方法的一种改进，所述步骤3)具体包括：
步骤3-1)采用步行出行距离的核验方法对样本数据进行核验，得到可计算出行距离；
步骤3-2)对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；
步骤3-3)将同一用户步行出行数据按时间顺序排列，累加同一用户所有步行出行的有效出行总距离，只保留小于等于9km的有效出行总距离部分，作为最终有效出行距离；
步骤3-4)步行的一次出行基准线碳排放量＝最终有效出行距离*对应小汽车排放系数*转换系数；
步骤3-5)步行的一次出行碳排放量＝最终有效出行距离*步行的碳排放系数。
作为上述方法的一种改进，所述步骤3-1)具体包括：
从步行出行数据中提取每条数据的GPS轨迹点数据：Ti，Loni和Lati；Ti为第i个GPS轨迹点坐标对应的时间，Loni为第i个GPS轨迹点坐标的经度坐标；Lati为第i个GPS轨迹点坐标的纬度坐标；
针对每条数据按照时间顺序对每条出行记录的GPS轨迹点数据进行排序，若出现GPS轨迹点记录时间重复现象，仅保留时间重复的GPS轨迹点中时间顺序上的最后一个；
计算相邻两个轨迹点距离：
ΔLon＝Loni+1-Loni
ΔLat＝Lati+1-Lati
Figure SMS_1
其中：ΔLon为第i+1个GPS轨迹点坐标的经度坐标和第i个GPS轨迹点坐标的经度坐标的经度差；ΔLat为第i+1个GPS轨迹点坐标的纬度坐标和第i个GPS轨迹点坐标的纬度坐标的纬度差；Δdist为第i+1个GPS轨迹点坐标和第i个GPS轨迹点坐标之间的距离；
对步行出行数据，如果Δdist>3，计算公式中ΔLon＝Loni+2-Loni，ΔLat＝Lati+2-Lati，并重新计算Δdist，且计算结果不再进行相邻两个轨迹点距离合理性判断；
累加所有步行的GPS轨迹点间距离，得到核验出行距离D核验出行距离：
D核验出行距离＝∑Δdist
对比核验出行距离和出行数据中出行距离进行对比，并计算出行距离绝对偏差：
Figure SMS_2
其中，出行距离为步行出行数据的原有的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数<＝20％，则为“通过”，可计算出行距离为样本数据的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数>20％，则为“不通过”；可计算出行距离为核验出行距离D核验出行距离。
作为上述方法的一种改进，所述步骤3-2)具体包括：
当步行与公交地铁出行起终时间有重叠：
若起终时间为包含和被包含关系，只保留公交轨道出行数据的可计算出行距离，删除步行出行的可计算出行距离，作为最终有效出行距离；
若起终时间为相交关系，将步行的可计算出行距离减去相交部分的可计算出行距离作为有效出行距离；
当步行与自行车或电动自行车出行起终时间有重叠：
若起终时间为包含和被包含关系，只考虑起终时间跨度大的相应出行方式对应的可计算出行距离，作为有效出行距离；
若起终时间为包含和被包含关系，将步行的可计算出行距离减去相交部分的可计算出行距离作为有效出行距离。
作为上述方法的一种改进，所述步骤4)具体包括：
步骤4-1)采用自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；
步骤4-2)对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；具体包括：
当自行车与公交地铁出行起终时间有重叠：
若起终时间为包含和被包含关系，只保留公交轨道出行数据的可计算出行距离，删除自行车出行的可计算出行距离，作为最终有效出行距离；
若起终时间为相交关系，将自行车的可计算出行距离减去相交部分的可计算出行距离作为有效出行距离；
步骤4-3)将同一用户自行车出行数据按时间顺序排列，累加同一用户所有自行车出行的有效出行总距离，只保留小于等于21km的有效出行总距离部分，作为最终有效出行距离；
步骤4-4)自行车的一次出行基准线碳排放量＝最终有效出行距离*对应小汽车排放系数*转换系数；
步骤4-5)自行车的一次出行碳排放量＝最终有效出行距离*自行车碳排放系数。
作为上述方法的一种改进，所述步骤4-1)具体包括：
从自行车出行数据中提取每条数据的GPS轨迹点数据：Ti，Loni和Lati；Ti为第i个GPS轨迹点坐标对应的时间，Loni为第i个GPS轨迹点坐标的经度坐标；Lati为第i个GPS轨迹点坐标的纬度坐标；
针对每条数据按照时间顺序对每条出行记录的GPS轨迹点数据进行排序，若出现GPS轨迹点记录时间重复现象，仅保留时间重复的GPS轨迹点中时间顺序上的最后一个；
计算相邻两个轨迹点距离：
ΔLon＝Loni+1-Loni
ΔLat＝Lati+1-Lati
Figure SMS_3
坐标的经度坐标的经度差；ΔLat为第i+1个GPS轨迹点坐标的纬度坐标和第i个GPS轨迹点坐标的纬度坐标的纬度差；Δdist为第i+1个GPS轨迹点坐标和第i个GPS轨迹点坐标之间的距离；
对自行车出行数据，如果Δdist>7，计算公式中ΔLon＝Loni+2-Loni，ΔLat＝Lati+2-Lati，并重新计算Δdist，且计算结果不再进行相邻两个轨迹点距离合理性判断；
累加所有自行车的GPS轨迹点间距离，得到核验出行距离D核验出行距离：
D核验出行距离＝∑Δdist
对比核验出行距离和出行数据中出行距离进行对比，并计算出行距离绝对偏差：
Figure SMS_4
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数<＝15％，则为“通过”；可计算出行距离为样本数据的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数>15％，则为“不通过”；可计算出行距离为核验出行距离D核验出行距离。
作为上述方法的一种改进，所述步骤5)具体包括：
步骤5-1)采用电动自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；
步骤5-2)对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；具体包括：
当电动自行车与公交地铁出行起终时间有重叠：
若起终时间为包含和被包含关系，只保留公交轨道出行数据的可计算出行距离，删除电动自行车出行的可计算出行距离，作为最终有效出行距离；
若起终时间为相交关系，将电动自行车的可计算出行距离减去相交部分的可计算出行距离作为有效出行距离；
步骤5-3)将同一用户电动自行车出行数据按时间顺序排列，累加同一用户所有电动自行车出行的有效出行总距离，只保留小于等于21km的有效出行总距离部分，作为最终有效出行距离；
步骤5-4)电动自行车的一次出行基准线碳排放量＝最终有效出行距离*对应小汽车排放系数*转换系数；
步骤5-5)电动自行车的一次出行碳排放量＝最终有效出行距离*电动自行车的碳排放系数。
作为上述方法的一种改进，所述步骤5-1)具体包括：
从电动自行车出行数据中提取每条数据的GPS轨迹点数据：Ti，Loni和Lati；Ti为第i个GPS轨迹点坐标对应的时间，Loni为第i个GPS轨迹点坐标的经度坐标；Lati为第i个GPS轨迹点坐标的纬度坐标；
针对每条数据按照时间顺序对每条出行记录的GPS轨迹点数据进行排序，若出现GPS轨迹点记录时间重复现象，仅保留时间重复的GPS轨迹点中时间顺序上的最后一个；
根据上述数组，计算相邻两个轨迹点距离：
ΔLon＝Loni+1-Loni
ΔLat＝Lati+1-Lati
Figure SMS_5
坐标的经度坐标的经度差；ΔLat为第i+1个GPS轨迹点坐标的纬度坐标和第i个GPS轨迹点坐标的纬度坐标的纬度差；Δdist为第i+1个GPS轨迹点坐标和第i个GPS轨迹点坐标之间的距离；
对电动自行车出行数据，如果Δdist>10，计算公式中ΔLon＝Loni+2-Loni，ΔLat＝Lati+2-Lati，并重新计算Δdist，且计算结果不再进行相邻两个轨迹点距离合理性判断；
累加电动自行车的GPS轨迹点间距离，得到核验出行距离D核验出行距离：
D核验出行距离＝∑Δdist
对比核验出行距离和出行数据中出行距离进行对比，并计算出行距离绝对偏差：
Figure SMS_6
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数<＝15％，则为“通过”；可计算出行距离为样本数据的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数>15％，则为“不通过”；可计算出行距离为核验出行距离D核验出行距离。
本发明还提出了一种基于出行链大数据的低碳出行碳减排量核验系统，所述系统包括：数据获取模块、判断模块、步行数据核验模块、自行车数据核验模块和电动自行车数据核验模块；
数据获取模块，用于获取出行数据的样本数据；
判断模块，用于当样本数据为步行数据，则启动步行数据核验模块；当样本数据为自行车数据，则启动步行数据核验模块；当样本数据为电动自行车数据，则启动电动自行车数据核验模块；
步行数据核验模块，用于采用步行出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算步行的一次出行的基准线碳减排量和步行的一次出行的碳排放量；
自行车数据核验模块，用于采用自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别自行车的计算一次出行的基准线碳减排量和自行车的一次出行的碳排放量；
电动自行车数据核验模块，用于采用电动自行车出行距离的核验方法对样本数据进行核验；得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算电动自行车的一次出行的基准线碳减排量和电动自行车的一次出行的碳排放量。
本发明的优势在于：
1、本发明的方法为步行、自行车、电动自行车、公交、轨道出行方式提供了合理、可量化的碳减排量核算核验方法，可以有效记录个人准确有效的低碳出行的碳减排量(出行链碳减排量)，有效保障了减碳项目碳减排量核验核证的科学性和准确性，为激励城市居民选择低碳出行方式、选择公共交通方式出行，缓解城市交通拥堵、交通污染贡献提供有效保障；
2、本发明的方法建立直接和市场上已成熟的有能力提供出行数据的企业或公司共同协作，量化计算居民出行碳减排量并和企业或公司直接互动，碳减排效益直接对标到个人出行记录的减碳项目核验算法和流程；
3、本发明的方法为关于低碳出行减碳项目的碳减排量核验存在的技术难题，例如：出行记录准确性验证、出行碳减排量准确性核算、大规模出行数据处理、多源出行数据处理、不同源出行数据标准化、规避无效出行数据等难题提供了数据处理和技术解决办法。
附图说明
图1为本发明的出行距离核验方法的流程图；
图2为某一用户时间顺序上公交出行时间和步行出行时间重叠的示意图；
图3为某一用户时间顺序上骑行出行时间和步行出行时间重叠的示意图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
本发明的实施例1提出了基于出行链大数据的低碳出行碳减排量核验方法，所述方法包括：
步骤一：出行方式识别
针对步行、自行车、电动车自行车出行数据中平均速度、最大速度、出行距离(出行数据中原有出行距离)、行程时间四个字段设定合理阈值，对步行、自行车、电动自行车数据进行初步清洗，保留在阈值范围内的数据。具体阈值范围如下表：
Figure SMS_7
Figure SMS_8
步骤二：固定样本量抽样
获取的数据是全部出行数据；来自高德百度的步行自行车电动自行车、来自公交轨道系统的公交轨道出行数据；抽样是为了提高计算效率。通过对样本数据的核验先判断全部数据正确(原数据中出行里程接近真实值)与否的情况，如果正确，直接用原始数据的出行距离进行碳减排量计算；如果不正确再对每条数据进行出行距离核验计算(这里的计算很花计算资源，会耗时较长，抽样就是为了最大程度省略这部分计算，如果原数据通不过抽样核验，就必须进行这部分计算。)
针对步行、自行车、电动自行车出行数据进行固定10000条出行数据样本量随机抽样。然后针对不同出行方式出行数据的样本数据进行步骤三至步骤七的操作。
步骤三：GPS轨迹点时序处理
从步行、自行车、电动自行车出行数据中提取每条数据的GPS轨迹点数据，形成数组[T1，Lon1，Lat2|T2，Lon2，Lat2|…|Ti，Loni，Lati|…]；
其中：
Ti：代表第i个GPS轨迹点坐标对应的时间，时间格式为yyyy-MM-ddHH:mm:ss；
Loni：代表第i个GPS轨迹点坐标的经度坐标；
Lati：代表第i个GPS轨迹点坐标的纬度坐标；
针对每条数据按照时间顺序对每条出行记录的GPS轨迹点数据进行排序，若出现GPS轨迹点记录时间重复现象，仅保留时间重复的GPS轨迹点中时间顺序上的最后一个。
步骤四：计算GPS轨迹点间距离
根据上述数组，计算相邻两个轨迹点距离并判断是否合理：
ΔLon＝Loni+1-Loni
ΔLat＝Lati+1-Lati
Figure SMS_9
其中：
ΔLon：第i+1个GPS轨迹点坐标的经度坐标和第i个GPS轨迹点坐标的经度坐标的经度差；
ΔLat：第i+1个GPS轨迹点坐标的纬度坐标和第i个GPS轨迹点坐标的纬度坐标的纬度差；
Δdist：第i+1个GPS轨迹点坐标和第i个GPS轨迹点坐标之间的距离；
对步行出行数据，如果Δdist>3，计算公式中ΔLon＝Loni+2-Loni，ΔLat＝Lati+2-Lati，并重新计算Δdist，且计算结果不再进行相邻两个轨迹点距离合理性判断。
对自行车出行数据，如果Δdist>7，计算公式中ΔLon＝Loni+2-Loni，ΔLat＝Lati+2-Lati，并重新计算Δdist，且计算结果不再进行相邻两个轨迹点距离合理性判断。
对电动自行车出行数据，如果Δdist>10，计算公式中ΔLon＝Loni+2-Loni，ΔLat＝Lati+2-Lati，并重新计算Δdist，且计算结果不再进行相邻两个轨迹点距离合理性判断。
步骤五：累加GPS轨迹点间距离
D核验出行距离＝∑Δdist
(备注：一次出行中所有GPS轨迹点间距离的累计总和)
步骤六：对比核验出行距离和出行数据中出行距离进行对比，并计算出行距离绝对偏差：
Figure SMS_10
(备注：计算样本数据中每条出行数据的出行距离偏差)
其中，‘核验出行距离’为本计算方法中计算得出的每条出行数据对应的出行距离；‘出行距离’为出行数据原有的出行距离。
步骤七：判定样本是否通过核验
(1)对步行出行：
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数<＝20％，则为“通过”；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数>20％，则为“不通过”；
(2)对自行车、电动车出行：
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数<＝15％，则为“通过”；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数>15％，则为“不通过”；
如果样本数据通过上述核验，每条出行的用于后续计算的“可计算出行距离”值采用用出行数据原有出行距离的值。
如果样本数据不同过上述核验，则对所有出行方式出行数据的全样数据进行步骤四至步骤五的“核验出行距离”计算，用于后续计算的每条出行的“可计算出行距离”值用“核验出行距离”的值。
以上步骤如图1所示。
步骤八：有效出行距离叠加去重
1、同一用户公交与地铁(刷卡出行数据是指乘坐公交或地铁使用北京一卡通的出行数据，包括刷卡公交出行数据，刷卡地铁出行数据；刷码出行数据是指乘坐公交或地铁使用北京公交APP二维码刷码出行的出行数据，包括刷码公交出行数据，刷卡地铁出行数据)起终时间有重叠，两端出行的“可计算出行距离”都保留，作为最终“有效出行距离”；
2、同一用户步骑行(步行、自行车、电动自行车)与公交地铁出行起终时间有重叠：
起终时间为包含和被包含关系，只保留公交轨道出行数据的“可计算出行距离”，删除步骑行出行的“可计算出行距离”，作为最终“有效出行距离”；
起终时间为相交关系，相应步骑行“可计算出行距离”减去相交部分“可计算出行距离”作为“有效出行距离”；
如图2所示：某一用户时间顺序上前后两次出行时间序列，则：
V步＝步行出行‘可计算出行距离’/(|步行出行起始时间-步行出行结束时间|)
dt＝公交结束时间-步行起始时间
步行出行‘有效出行距离’＝步行出行‘可计算出行距离’-V步*dt
3、同一用户步行与骑行(自行车、电动自行车)出行起终时间有重叠
起终时间为包含和被包含关系，只考虑起终时间跨度大的相应出行方式对应的‘可计算出行距离’，作为‘有效出行距离’；
起终时间为包含和被包含关系，相应步行‘可计算出行距离’减去相交部分‘可计算出行距离’作为‘有效出行距离’；
如图3所示，某一用户时间顺序上前后两次出行时间序列，则：
V步＝步行出行‘可计算出行距离’/(|步行出行起始时间-步行出行结束时间|)
dt＝骑行结束时间-步行起始时间
步行出行‘有效出行距离’＝步行出行‘可计算出行距离’-V步*dt
步骤九：判断日期和时间区间
以出行数据中起始时间字段为准，找到对应日期和时间下全路网全年不同时段不同出行方式碳减排系数。
其中，全路网全年不同时段不同出行方式谈减排系数已经根据《北京市低碳出行碳减排方法学》(试行版)计算得出。
步骤十：步行、自行车、电动自行车‘有效出行距离’上限限制计算
对每一个用户ID下的所有步行出行记录、自行车出行记录、电动车出行记录分别进行‘有效出行距离’上限限制。
其中：上限设置原则：
1.取同一用户ID下步行‘有效出行总距离’超过9km按9km算；
2.取同一用户ID下自行车‘有效出行总距离’超过21km按21km算；
3.取同一用户ID下电动车‘有效出行总距离’超过21km按21km算；
计算方法：
1、将同一用户步行出行数据按时间顺序排列，累加同一用户所有步行出行的‘有效出行总距离’，只保留小于等于9km的‘有效出行总距离’部分，作为‘最终有效出行距离’；
2、将同一用户自行车出行数据按时间顺序排列，累加同一用户所有自行车出行的‘有效出行总距离’，只保留小于等于21km的‘有效出行总距离’部分，作为‘最终有效出行距离’；
3、将同一用户电动自行车出行数据按时间顺序排列，累加同一用户所有电动自行车出行的‘有效出行总距离’，只保留小于等于21km的‘有效出行总距离’部分，作为‘最终有效出行距离’。
步骤十一：计算一次出行的基准线碳减排量
步行：一次出行基准线碳排放量＝当次‘最终有效出行距离’*对应小汽车排放系数*转换系数(步行)；
自行车：一次出行基准线碳排放量＝当次‘最终有效出行距离’*对应小汽车排放系数*转换系数(自行车)；
电动自行车：一次出行基准线碳排放量＝当次‘最终有效出行距离’*对应小汽车排放系数*转换系数(自行车)；
公交：一次出行基准线碳排放量＝当次‘最终有效出行距离’*对应小汽车排放系数*转换系数(公交)；
地铁：一次出行基准线碳排放量＝当次‘最终有效出行距离’*对应小汽车排放系数*转换系数(地铁)；
其中，对应小汽车排放系数是以出行数据中起始时间字段为准，对应日期和时间下全路网全年不同时段小汽车排放系数；全路网全年不同时段小汽车排放系数已经根据《北京市低碳出行碳减排方法学》(试行版)计算得出。
不同出行方式的转换系数(步行、自行车、电动自行车、公交、地铁)已经根据《北京市低碳出行碳减排方法学》(试行版)计算得出。
步骤十二：计算一次出行的碳排放量
步行：一次出行碳排放量＝当次‘最终有效出行距离’*对应碳排放系数(步行)；
自行车：一次出行碳排放量＝当次‘最终有效出行距离’*对应碳排放系数(自行车)；
电动车自行车：一次出行碳排放量＝当次‘最终有效出行距离’*对应碳排放系数(自行车)；
公交：一次出行碳排放量＝当次‘最终有效出行距离’*对应碳排放系数(公交)；
地铁：一次出行碳排放量＝当次‘最终有效出行距离’*对应碳排放系数(地铁)；
其中，不同出行方式对应碳排放系数(步行、自行车、电动自行车、公交、地铁)已经根据《北京市低碳出行碳减排方法学》(试行版)计算得出。
本发明的实施例2提出了一种基于出行链大数据的低碳出行碳减排量核验系统，所述系统包括：数据获取模块、判断模块、步行数据核验模块、自行车数据核验模块和电动自行车数据核验模块；
数据获取模块，用于获取出行数据的样本数据；
判断模块，用于当样本数据为步行数据，则启动步行数据核验模块；当样本数据为自行车数据，则启动步行数据核验模块；当样本数据为电动自行车数据，则启动电动自行车数据核验模块；
步行数据核验模块，用于采用步行出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算步行的一次出行的基准线碳减排量和步行的一次出行的碳排放量；
自行车数据核验模块，用于采用自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别自行车的计算一次出行的基准线碳减排量和自行车的一次出行的碳排放量；
电动自行车数据核验模块，用于采用电动自行车出行距离的核验方法对样本数据进行核验；得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算电动自行车的一次出行的基准线碳减排量和电动自行车的一次出行的碳排放量。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (26)

1.一种基于出行链大数据的低碳出行碳减排量核验方法，所述方法包括：
获取出行数据的样本数据；
执行核验和计算步骤，包括：对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算一次出行的基准线碳减排量和一次出行的碳排放量。
2.根据权利要求1所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述样本数据包括步行数据、自行车数据、电动自行车数据和公交轨道出行数据中的至少一种。
3.根据权利要求2所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，当样本数据为步行数据时，则执行步骤3)采用步行出行距离的核验方法对步行数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算步行的一次出行的基准线碳减排量和步行的一次出行的碳排放量。
4.根据权利要求3所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述步骤3)具体包括：
步骤3-1)采用步行出行距离的核验方法对样本数据进行核验，得到可计算出行距离；
步骤3-2)对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；
步骤3-3)将同一用户步行出行数据按时间顺序排列，累加同一用户所有步行出行的有效出行总距离，只保留小于等于预定步行出行距离阈值的有效出行总距离部分，作为最终有效出行距离；
步骤3-4)步行的一次出行基准线碳排放量＝最终有效出行距离*对应小汽车排放系数*转换系数；
步骤3-5)步行的一次出行碳排放量＝最终有效出行距离*步行的碳排放系数。
5.根据权利要求4所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述预定步行出行距离阈值基于用户所在城市日均步行出行次数和步行出行距离分布的95％置信区间确定。
6.根据权利要求4或5所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述预定步行出行距离阈值为9km。
7.根据权利要求4所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述步骤3-1)具体包括：
从步行出行数据中提取每条数据的GPS轨迹点数据：Ti，Loni和Lati；Ti为第i个GPS轨迹点坐标对应的时间，Loni为第i个GPS轨迹点坐标的经度坐标；Lati为第i个GPS轨迹点坐标的纬度坐标；
针对每条数据按照时间顺序对每条出行记录的GPS轨迹点数据进行排序，若出现GPS轨迹点记录时间重复现象，仅保留时间重复的GPS轨迹点中时间顺序上的最后一个；
计算相邻两个轨迹点距离：
ΔLon＝Loni+1-Loni
ΔLat＝Lati+1-Lati
Figure FDA0004051489820000021
其中：ΔLon为第i+1个GPS轨迹点坐标的经度坐标和第i个GPS轨迹点坐标的经度坐标的经度差；ΔLat为第i+1个GPS轨迹点坐标的纬度坐标和第i个GPS轨迹点坐标的纬度坐标的纬度差；Δdist为第i+1个GPS轨迹点坐标和第i个GPS轨迹点坐标之间的距离；
对步行出行数据，如果Δdist＞3，计算公式中ΔLon＝Loni+2-Loni，ΔLat＝Lati+2-Lati，并重新计算Δdist，且计算结果不再进行相邻两个轨迹点距离合理性判断；
累加所有步行的GPS轨迹点间距离，得到核验出行距离D核验出行距离：
D核验出行距离＝∑Δdist
对比核验出行距离和出行数据中出行距离，并计算出行距离绝对偏差：
Figure FDA0004051489820000022
其中，出行距离为步行出行数据的原有的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数<＝20％，则为“通过”，可计算出行距离为样本数据的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数>20％，则为“不通过”；可计算出行距离为核验出行距离D核验出行距离。
8.根据权利要求4所述的基于出行链大数据的低碳出行碳减排量核验方法，其特征在于，所述步骤3-2)具体包括：
当步行与公交地铁出行起终时间有重叠：
若起终时间为包含和被包含关系，只保留公交轨道出行数据的可计算出行距离，删除步行出行的可计算出行距离，作为最终有效出行距离；
若起终时间为相交关系，将步行的可计算出行距离减去相交部分的可计算出行距离作为有效出行距离；
当步行与自行车或电动自行车出行起终时间有重叠：
若起终时间为包含和被包含关系，只考虑起终时间跨度大的相应出行方式对应的可计算出行距离，作为有效出行距离；
若起终时间为包含和被包含关系，将步行的可计算出行距离减去相交部分的可计算出行距离作为有效出行距离。
9.根据权利要求2所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，当样本数据为自行车数据时，则执行步骤4)采用自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别自行车的计算一次出行的基准线碳减排量和自行车的一次出行的碳排放量。
10.根据权利要求9所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述步骤4)具体包括：
步骤4-1)采用自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；
步骤4-2)对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；具体包括：
当自行车与公交地铁出行起终时间有重叠：
若起终时间为包含和被包含关系，只保留公交轨道出行数据的可计算出行距离，删除自行车出行的可计算出行距离，作为最终有效出行距离；
若起终时间为相交关系，将自行车的可计算出行距离减去相交部分的可计算出行距离作为有效出行距离；
步骤4-3)将同一用户自行车出行数据按时间顺序排列，累加同一用户所有自行车出行的有效出行总距离，只保留小于等于预定自行车出行距离阈值的有效出行总距离部分，作为最终有效出行距离；
步骤4-4)自行车的一次出行基准线碳排放量＝最终有效出行距离*对应小汽车排放系数*转换系数；
步骤4-5)自行车的一次出行碳排放量＝最终有效出行距离*自行车碳排放系数。
11.根据权利要求10所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述预定自行车出行距离阈值基于用户所在城市日均自行车出行次数和自行车出行距离分布的95％置信区间确定。
12.根据权利要求10或11所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述预定自行车出行距离阈值为21km。
13.根据权利要求10所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述步骤4-1)具体包括：
从自行车出行数据中提取每条数据的GPS轨迹点数据：Ti，Loni和Lati；Ti为第i个GPS轨迹点坐标对应的时间，Loni为第i个GPS轨迹点坐标的经度坐标；Lati为第i个GPS轨迹点坐标的纬度坐标；
针对每条数据按照时间顺序对每条出行记录的GPS轨迹点数据进行排序，若出现GPS轨迹点记录时间重复现象，仅保留时间重复的GPS轨迹点中时间顺序上的最后一个；
计算相邻两个轨迹点距离：
ΔLon＝Loni+1-Loni
ΔLat＝Lati+1-Lati
Figure FDA0004051489820000041
其中：ΔLon为第i+1个GPS轨迹点坐标的经度坐标和第i个GPS轨迹点坐标的经度坐标的经度差；ΔLat为第i+1个GPS轨迹点坐标的纬度坐标和第i个GPS轨迹点坐标的纬度坐标的纬度差；Δdist为第i+1个GPS轨迹点坐标和第i个GPS轨迹点坐标之间的距离；
对自行车出行数据，如果Δdist＞7，计算公式中ΔLon＝Loni+2-Loni，ΔLat＝Lati+2-Lati，并重新计算Δdist，且计算结果不再进行相邻两个轨迹点距离合理性判断；
累加所有自行车的GPS轨迹点间距离，得到核验出行距离D核验出行距离：
D核验出行距离＝∑Δdist
对比核验出行距离和出行数据中出行距离，并计算出行距离绝对偏差：
Figure FDA0004051489820000051
其中，出行距离为自行车出行数据的原有的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数＜＝15％，则为“通过”；可计算出行距离为样本数据的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数＞15％，则为“不通过”；可计算出行距离为核验出行距离D核验出行距离。
14.根据权利要求1所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，当样本数据为步行数据时，则执行步骤5)采用电动自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算电动自行车的一次出行的基准线碳减排量和电动自行车的一次出行的碳排放量。
15.根据权利要求14所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述步骤5)具体包括：
步骤5-1)采用电动自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；
步骤5-2)对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；具体包括：
当电动自行车与公交地铁出行起终时间有重叠：
若起终时间为包含和被包含关系，只保留公交轨道出行数据的可计算出行距离，删除电动自行车出行的可计算出行距离，作为最终有效出行距离；
若起终时间为相交关系，将电动自行车的可计算出行距离减去相交部分的可计算出行距离作为有效出行距离；
步骤5-3)将同一用户电动自行车出行数据按时间顺序排列，累加同一用户所有电动自行车出行的有效出行总距离，只保留小于等于预定电动自行车出行距离阈值的有效出行总距离部分，作为最终有效出行距离；
步骤5-4)电动自行车的一次出行基准线碳排放量＝最终有效出行距离*对应小汽车排放系数*转换系数；
步骤5-5)电动自行车的一次出行碳排放量＝最终有效出行距离*电动自行车的碳排放系数。
16.根据权利要求15所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述预定电动自行车出行距离阈值基于用户所在城市日均电动自行车出行次数和电动自行车出行距离分布的95％置信区间确定。
17.根据权利要求15或16所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述预定电动自行车出行距离阈值为21km。
18.根据权利要求15所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述步骤5-1)具体包括：
从电动自行车出行数据中提取每条数据的GPS轨迹点数据：Ti，Loni和Lati；Ti为第i个GPS轨迹点坐标对应的时间，Loni为第i个GPS轨迹点坐标的经度坐标；Lati为第i个GPS轨迹点坐标的纬度坐标；
针对每条数据按照时间顺序对每条出行记录的GPS轨迹点数据进行排序，若出现GPS轨迹点记录时间重复现象，仅保留时间重复的GPS轨迹点中时间顺序上的最后一个；
计算相邻两个轨迹点距离：
ΔLon＝Loni+1-Loni
ΔLat＝Lati+1-Lati
Figure FDA0004051489820000061
其中：ΔLon为第i+1个GPS轨迹点坐标的经度坐标和第i个GPS轨迹点坐标的经度坐标的经度差；ΔLat为第i+1个GPS轨迹点坐标的纬度坐标和第i个GPS轨迹点坐标的纬度坐标的纬度差；Δdist为第i+1个GPS轨迹点坐标和第i个GPS轨迹点坐标之间的距离；
对电动自行车出行数据，如果Δdist＞10，计算公式中ΔLon＝Loni+2-Loni，ΔLat＝Lati+2-Lati，并重新计算Δdist，且计算结果不再进行相邻两个轨迹点距离合理性判断；
累加电动自行车的GPS轨迹点间距离，得到核验出行距离D核验出行距离：
D核验出行距离＝∑Δdist
对比核验出行距离和出行数据中出行距离，并计算出行距离绝对偏差：
Figure FDA0004051489820000071
其中，出行距离为电动自行车出行数据的原有的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数<＝15％，则为“通过”；可计算出行距离为样本数据的出行距离；
当所有“出行距离绝对偏差”从小到大排列，“出行距离绝对偏差”90分位数>15％，则为“不通过”；可计算出行距离为核验出行距离D核验出行距离。
19.根据权利要求2所述的基于出行链大数据的低碳出行碳减排量核验方法，还包括：
对样本数据进行清洗，保留在阈值范围内的数据；
针对步行数据、自行车数据、电动自行车数据进行随机抽样；
对抽样得到的抽样数据进行核验。
20.根据权利要求2所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述公交轨道出行数据包括刷卡出行数据和/或刷码出行数据，并且其中，所述刷卡出行数据包括刷卡公交出行数据和/或刷卡地铁出行数据，所述刷码出行数据包括刷码公交出行数据和/或刷码地铁出行数据。
21.根据权利要求1所述的基于出行链大数据的低碳出行碳减排量核验方法，其中，所述对样本数据进行核验，得到可计算出行距离，具体包括：从步行、自行车、电动自行车出行数据中提取每条数据的GPS轨迹点数据，计算GPS轨迹点间距离，累加GPS轨迹点间距离得到核验出行距离，对比核验出行距离和出行数据中的出行距离，计算出行距离绝对偏差，根据出行距离绝对偏差判定样本是否通过核验，得到可计算出行距离。
22.一种基于出行链大数据的低碳出行碳减排量核验系统，包括：
数据获取模块，用于获取出行数据的样本数据；和
核验模块，用于对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算一次出行的基准线碳减排量和一次出行的碳排放量。
23.根据权利要求22所述的基于出行链大数据的低碳出行碳减排量核验系统，其中，所述核验模块包括步行数据核验模块、自行车数据核验模块和电动自行车数据核验模块中的至少一种，并且所述基于出行链大数据的低碳出行碳减排量核验系统还包括：
判断模块，用于当样本数据为步行数据，则启动步行数据核验模块；当样本数据为自行车数据，则启动自行车数据核验模块；当样本数据为电动自行车数据，则启动电动自行车数据核验模块。
24.根据权利要求23所述的基于出行链大数据的低碳出行碳减排量核验系统，其中，所述步行数据核验模块用于采用步行出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算步行的一次出行的基准线碳减排量和步行的一次出行的碳排放量。
25.根据权利要求23所述的基于出行链大数据的低碳出行碳减排量核验系统，其中，所述自行车数据核验模块用于采用自行车出行距离的核验方法对样本数据进行核验，得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别自行车的计算一次出行的基准线碳减排量和自行车的一次出行的碳排放量。
26.根据权利要求23所述的基于出行链大数据的低碳出行碳减排量核验系统，其中，所述电动自行车数据核验模块用于采用电动自行车出行距离的核验方法对样本数据进行核验；得到可计算出行距离；对可计算出行距离的有效出行距离叠加去重，得到有效出行距离；对有效出行距离的上限限制计算，得到最终有效出行距离；根据最终有效出行距离分别计算电动自行车的一次出行的基准线碳减排量和电动自行车的一次出行的碳排放量。
CN202310043601.XA 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统 Pending CN115952251A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310043601.XA CN115952251A (zh) 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202310043601.XA CN115952251A (zh) 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统
CN202010940108.4A CN112434116B (zh) 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202010940108.4A Division CN112434116B (zh) 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统

Publications (1)

Publication Number Publication Date
CN115952251A true CN115952251A (zh) 2023-04-11

Family

ID=74689948

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202010940108.4A Active CN112434116B (zh) 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统
CN202310043601.XA Pending CN115952251A (zh) 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统
CN202310043592.4A Pending CN115982304A (zh) 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202010940108.4A Active CN112434116B (zh) 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202310043592.4A Pending CN115982304A (zh) 2020-09-09 2020-09-09 基于出行链大数据的低碳出行碳减排量核验方法及系统

Country Status (1)

Country Link
CN (3) CN112434116B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI773251B (zh) * 2021-04-16 2022-08-01 國立中興大學 碳權計算方法
CN114386667A (zh) * 2021-12-10 2022-04-22 北京汇众利合信息技术咨询有限公司 数据化运营实现加油碳中和的方法
GB202202300D0 (en) * 2022-02-21 2022-04-06 Prevayl Innovations Ltd Method, computer readable medium and system
CN114997841B (zh) * 2022-07-18 2022-10-21 成都信通信息技术有限公司 一种基于区块链的低碳行为数据管理系统
CN116523203B (zh) * 2023-03-30 2023-12-15 中和新兴(北京)能源科技研究院有限公司 数据处理方法和系统
CN116681323B (zh) * 2023-04-20 2023-12-05 浙江大学 基于个人出行链的碳排放计算方法、电子设备、介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107341330A (zh) * 2016-04-29 2017-11-10 苏州碳阻迹环境技术服务有限公司 公众碳排放监测计算系统
CN108563707A (zh) * 2016-08-24 2018-09-21 阿里巴巴集团控股有限公司 一种数据处理方法及装置
CN107944611B (zh) * 2017-11-17 2021-11-26 北京工业大学 面向个性化出行需求的跨模式组合出行规划方法
CN109685629B (zh) * 2019-01-02 2019-12-27 广东乐心医疗电子股份有限公司 一种预支节碳量获取资源的方法及装置
CN110766197A (zh) * 2019-09-17 2020-02-07 同济大学 一种基于碳平衡模型的绿植布置方法

Also Published As

Publication number Publication date
CN112434116B (zh) 2023-02-21
CN112434116A (zh) 2021-03-02
CN115982304A (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN115952251A (zh) 基于出行链大数据的低碳出行碳减排量核验方法及系统
Saltykova et al. Environmental impact assessment of bike-sharing considering the modal shift from public transit
CN107563566B (zh) 一种基于支持向量机的公交站间运行时间区间预测方法
CN107458259A (zh) 一种新能源电动汽车剩余里程估算方法
CN105809292A (zh) 公交ic卡乘客下车站点推算方法
CN108922178B (zh) 基于公交多源数据的公交车辆实时满载率计算方法
Fiori et al. Optimum routing of battery electric vehicles: Insights using empirical data and microsimulation
CN109886508A (zh) 基于gps大数据的出租车高效益寻客多目标规划算法
CN107240264A (zh) 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法
Gorenflo et al. Usage patterns of electric bicycles: an analysis of the WeBike project
CN108573604A (zh) 基于移动终端定位的公交od数据获取方法及存储介质
CN105551240A (zh) 基于不同道路状况的汽车尾气排放测定方法
Santos 14. The London experience1
CN113177742A (zh) 基于智能交通的公交服务方法、系统、终端及存储介质
CN106128132A (zh) 一种实时路况监控的系统
Cai et al. Predicting the carbon emission reduction potential of shared electric bicycle travel
CN109949170A (zh) 车险保单的理赔金额的评估方法与系统
CN114021825A (zh) 一种基于轨迹数据的公交车运行延误估计方法
Zheng et al. A novel set of driving style risk evaluation index system for UBI-based differentiated commercial vehicle insurance in China
Heineke et al. Micromobility: Industry progress, and a closer look at the case of Munich
Lah et al. Transferability of sustainable urban transport solutions
Flamm et al. Changes in access to public transportation for cycle–transit users in response to service reductions
Hamid et al. Parking duration of fringe Park-and-Ride users and delineation of stations catchment area: Case of the Kuala Lumpur conurbation
Tchervenkov et al. Estimating externalities from GPS traces using MATSim
Yang et al. Urban congestion pricing based on relative comfort and its impact on carbon emissions

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