CN116340718A - 一种基于轨迹数据的汽车碳排放估计模型构建方法及系统 - Google Patents

一种基于轨迹数据的汽车碳排放估计模型构建方法及系统 Download PDF

Info

Publication number
CN116340718A
CN116340718A CN202310048452.6A CN202310048452A CN116340718A CN 116340718 A CN116340718 A CN 116340718A CN 202310048452 A CN202310048452 A CN 202310048452A CN 116340718 A CN116340718 A CN 116340718A
Authority
CN
China
Prior art keywords
data
carbon emission
acceleration
automobile
instantaneous speed
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
CN202310048452.6A
Other languages
English (en)
Inventor
马万经
刘雨涵
王玲
安琨
俞春辉
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202310048452.6A priority Critical patent/CN116340718A/zh
Publication of CN116340718A publication Critical patent/CN116340718A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明涉及一种基于轨迹数据的汽车碳排放估计模型构建方法及系统，其中方法基于在道路上运行的汽车轨迹及碳排放数据，以瞬时速度、加速度及比功率为自变量，以车辆瞬时碳排放率为因变量，构建一种基于轨迹数据的轻型燃油汽车碳排放估计模型。与现有技术相比，本发明避免了现有碳排放估计模型中输入参数复杂、以及基于轨迹数据的碳排放估计方法中忽略排放产生原理的问题，提出以便于采集的瞬时速度、加速度轨迹数据以及反映排放产生原理且可间接计算获取的比功率为模型的自变量，提供了构建车辆碳排放估计模型的新思路，具有较好的创新性。

Description

一种基于轨迹数据的汽车碳排放估计模型构建方法及系统
技术领域
本发明涉及汽车碳排放测算领域，尤其是涉及一种基于轨迹数据的汽车碳排放估计模型构建方法及系统。
背景技术
交通运输行业是全球第二大碳排放部门，约占总排放的25％，而碳排放是导致全球气候变暖的重要原因。燃油汽车排放的尾气中含有大量二氧化碳，为了更好地制定道路交通领域的碳减排策略，针对道路交通中最重要的组成部分轻型燃油汽车提出一种碳排放估计方法具有重要意义。
从二十世纪五十年代开始世界范围内的相关部门及学者就道路交通排放量化技术广泛展开了研究。目前针对道路交通的碳排放估计模型多为宏观和中观层次，即估计大规模路网交通的整体排放清单，而针对更精准的微观层次即单车级的碳排放估计方法主要存在以下不足：
(1)基于实验室测功机或固定行驶工况周期采集数据进行碳排放分析是已有模型的常用手段，即通过实验室相关仪器设备模拟车辆行驶状态收集排放数据或令实验车辆按照预先定义的驾驶操作循环驾驶来收集相关数据，这两种方式均较难反映现实道路上的车辆排放情况，建立的模型应用于实际排放估计时易有较大差异。
(2)一些排放估计技术从应用价值角度出发，直接建立易于获取的轨迹数据如速度、加速度与碳排放率之间的关系，而缺少能反映机动车排放产生原理的相关参数或缺乏对于排放原理的相关考虑，导致模型解释性差或精度较低。
(3)一些技术从排放原理出发纳入较多发动机内部运行参数作为量化模型的自变量，建立其与碳排放率之间的关系以提高估计精度，而实际用来估计道路上行驶车辆的碳排放时很难采集每一辆车的内部运行参数，因而导致技术应用于实际的难度大。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于轨迹数据的汽车碳排放估计模型构建方法及系统。
本发明的目的可以通过以下技术方案来实现：
一种基于轨迹数据的汽车碳排放估计模型构建方法，包括以下步骤：
获取多辆汽车的行驶数据，所述行驶数据包括轨迹数据及瞬时碳排放数据，所述轨迹数据包括瞬时速度及加速度；
依次对各辆汽车的行驶数据进行预处理，得到预处理数据；
将所述预处理数据划分为不同的车辆运行状态；
基于所述预处理数据，使用多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型。
进一步地，对所述各辆汽车的行驶数据进行预处理，包括以下步骤：
划分多个瞬时速度区间及加速度区间，将瞬时速度及加速度落于同一区间的汽车行驶数据划分入同一箱，得到多箱分类数据；数据分箱操作通过聚类削弱了原始数据过于离散的问题，使其便于拟合，提高精度。
对每箱分类数据中汽车的瞬时碳排放率求平均值作为该箱分类数据的碳排放率；针对每箱分类数据中的瞬时速度和加速度，分别取区间左右界的平均值作为该箱分类数据的瞬时速度平均值和加速度平均值；
基于所述瞬时速度平均值和加速度平均值，依次计算各箱分类数据的比功率值。进一步地，所述比功率值的计算公式为：
VSP＝v(1.1a+0.132)+0.000302v3
其中，VSP为比功率值；v为瞬时速度；a为加速度。
进一步地，将处理后的数据基于瞬时速度和加速度值划分不同的车辆运行状态，所述车辆运行状态包括怠速状态、减速状态及非减速状态。
进一步地，基于多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型，具体为：
依次对各个车辆运行状态下的数据进行多项式回归，回归公式为：
Figure SMS_1
其中，ER为碳排放率，vi为瞬时速度的i次幂，aj为加速度的j次幂；Li，j为在vi和aj下对应的回归系数；vk为瞬时速度的k次幂，am为加速度的m次幂，VSPn为比功率值的n次幂，Mk，m，n为在vk、am和VSPn下对应的回归系数。
一种基于轨迹数据的汽车碳排放估计模型构建系统，包括数据获取模块、数据处理模块、及模型构建模块；
所述数据获取模块用于获取多辆汽车的行驶数据，所述行驶数据包括轨迹数据及瞬时碳排放数据，所述轨迹数据包括瞬时速度及加速度；
所述数据处理模块用于依次对所述各辆汽车的行驶数据进行预处理，得到预处理数据；同时将所述预处理数据划分为不同的车辆运行状态；
所述模型构建模块基于所述预处理数据，使用多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型。
进一步地，数据处理模块对所述各辆汽车的行驶数据进行预处理，包括以下步骤：
划分多个瞬时速度区间及加速度区间，将瞬时速度及加速度落于同一区间的汽车行驶数据划分入同一箱，得到多箱分类数据；
对每箱分类数据中汽车的瞬时碳排放率求平均值作为该箱分类数据的碳排放率；针对每箱分类数据中的瞬时速度和加速度，分别取区间左右界的平均值作为该箱分类数据的瞬时速度平均值和加速度平均值；
基于所述瞬时速度平均值和加速度平均值，依次计算各箱分类数据的比功率值。进一步地，所述比功率值的计算公式为：
VSP＝v(1.1a+0.132)+0.000302v3
其中，VSP为比功率值；v为瞬时速度；a为加速度。
进一步地，数据处理模块将处理后的数据基于瞬时速度和加速度值划分不同的车辆运行状态，所述车辆运行状态包括怠速状态、减速状态及非减速状态。
进一步地，模型构建模块基于多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型，具体为：
依次对各个车辆运行状态下的数据进行多项式回归，回归公式为：
Figure SMS_2
其中，ER为碳排放率，vi为瞬时速度的i次幂，aj为加速度的j次幂；Li,j为在vi和aj下对应的回归系数；vk为瞬时速度的k次幂，am为加速度的m次幂，VSPn为比功率值的n次幂，Mk，m，n为在vk、am和VSPn下对应的回归系数。
与现有技术相比，本发明具有以下有益效果：
1、本发明通过获取多辆汽车的行驶数据，使用真实收集到的汽车行驶数据用于碳排放估计模型的构建，模型能够有效反映现实道路上的车辆排放情况，建立的模型应用于实际排放估计时准确度较高，降低了落实应用于实际碳排放估计过程中产生的误差。
2、本发明通过采集汽车的瞬时速度及加速度轨迹数据，具有采集便利的优点，通过瞬时速度及加速度计算得到比功率值，能够反映排放产生原理，以这三者作为模型的自变量，兼顾排放估计精度、模型应用价值以及科学性，提供了构建车辆碳排放估计模型的新思路，方法具有较好的创新性。
3、本发明提出了轻型燃油汽车碳排放估计模型构建方法框架，避免了排放估计模型构建方法中输入参数复杂、以及基于轨迹数据的排放估计方法中忽略排放产生原理的问题。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1
本发明提出了一种基于轨迹数据的汽车碳排放估计模型构建方法，该方法基于道路上采集的正常运行的轻型燃油汽车轨迹及碳排放数据，以瞬时速度、加速度以及比功率为模型的自变量，以车辆瞬时碳排放率为因变量，构建一种基于轨迹数据的轻型燃油汽车碳排放估计模型，如图1所示，整个方法流程图主要包含四个步骤：基于瞬时速度和加速度进行数据分箱、计算比功率值、划分车辆运行状态以及多项式回归模型的拟合，形成最终的轻型燃油汽车碳排放估计模型。
具体包括以下步骤：
S1、获取多辆汽车的行驶数据，所述行驶数据包括轨迹数据及瞬时碳排放数据，所述轨迹数据包括瞬时速度及加速度；
S2、依次对各辆汽车的行驶数据进行预处理，得到预处理数据；
S3、将预处理数据划分为不同的车辆运行状态；
S4基于所述预处理数据，使用多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型。
对于步骤S1，需以车为单位，采集一辆车在某个城市的城市道路上实际行驶的行驶数据，其采集时长需要达到一定长度来保证数据量和数据有效性(大于90分钟)；由于汽车整备质量和发动机排量是影响汽车碳排放的主要因素，因此在采集数据时需要使用汽车整备质量和发动机排量不同的多辆车，在不同时间、不同城市进行多个测试采集过程来丰富数据，避免单一。
步骤S2中，对各辆汽车的轨迹数据及瞬时碳排放数据进行预处理，包括以下步骤：
划分多个瞬时速度区间及加速度区间，将瞬时速度及加速度落于同一区间的汽车行驶数据划分入同一箱，得到多箱分类数据；数据分箱操作通过聚类削弱了原始数据过于离散的问题，使其便于拟合，提高精度。
计算每箱分类数据的碳排放率、瞬时速度平均值及加速度平均值；本实施例中，速度从0开始以2km/h为步长；加速度从原始数据中包含的加速度最小值(如-3.3m/s2)开始以0.3m/s2为步长进行分箱，速度和加速度均在同一区间内的数据划分入同一箱(如：速度都在20-22km/h区间、加速度都在0.3-0.6m/s2区间)。将一个箱内的数据处理成唯一一条数据，针对同一箱的瞬时碳排放率取平均值作为最终用于拟合的碳排放率，针对同一箱的瞬时速度和加速度分别取区间左右界的平均值作为最终用于拟合的瞬时速度平均值和加速度平均值，如：针对上例为瞬时速度平均值取21km/h，加速度平均值取0.45m/s2。
针对每一条处理后的数据，基于瞬时速度平均值和加速度平均值，依次计算各箱分类数据的比功率值用于拟合。比功率值的计算公式为：
VSP＝v(1.1a+0.132)+0.000302v3
其中，VSP为比功率值(kW/t)；v为瞬时速度(m/s)；a为加速度(m/s2)。
将处理后的数据基于瞬时速度和加速度值划分不同的车辆运行状态，本实施例中，将车辆运行状态分为怠速状态、减速状态及非减速状态，其中当速度小于1.6km/h时为怠速状态；当速度大于等于1.6km/h且加速度小于0时为减速状态；当速度大于等于1.6km/h且加速度大于等于0时为非减速状态。在其他的实施方式中，可根据不同需求定义多个车辆运行状态。
步骤S5中，由于无论车辆处于何种运行的状态，碳排放率一定大于0，因此取碳排放率的对数为因变量形式进行拟合。基于多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型，具体为：
依次对各个车辆运行状态下的数据进行多项式回归，回归公式为：
Figure SMS_3
其中，ER为碳排放率(g/s)，vi为瞬时速度的i次幂，aj为加速度的j次幂；Li，j为在vi和aj下对应的回归系数；vk为瞬时速度的k次幂，am为加速度的m次幂，VSPn为比功率值的n次幂，Mk，m，n为在vk、am和VSPn下对应的回归系数。
本实施例中，对三种车辆运行状态下的车辆数据分别进行数据拟合，最终构成一个包含三段的分段函数，完成轻型燃油汽车的碳排放估计模型的建立。
如表1所示，展示了本实施例采集的数据信息表，本实施例共获取13辆常见轻型燃油汽车在实际道路上运行所得的80,020条有效数据，最终建立的碳排放估计模型结果如下，经计算得到拟合优度为R2＝0.887。
Figure SMS_4
其中，系数值为：
Figure SMS_5
Figure SMS_6
表1本发明示例采集数据信息表
Figure SMS_7
Figure SMS_8
基于构建好的汽车碳排放估计模型，在实际使用时只需获取汽车瞬时速度及加速度，即可得到汽车的碳排放估计量。
实施例2
本实施例提出了一种基于轨迹数据的汽车碳排放估计模型构建系统，用于实现如实施例1所述的方法，包括数据获取模块、数据处理模块、及模型构建模块；
数据获取模块用于获取多辆汽车的行驶数据，行驶数据包括轨迹数据及瞬时碳排放数据，轨迹数据包括瞬时速度及加速度；
数据处理模块用于依次对各辆汽车的行驶数据进行预处理，得到预处理数据；同时将预处理数据划分为不同的车辆运行状态；
模型构建模块基于预处理数据，使用多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型。
数据处理模块对各辆汽车的轨迹数据及瞬时碳排放数据进行预处理，包括以下步骤：
划分多个瞬时速度区间及加速度区间，将瞬时速度及加速度落于同一区间的汽车行驶数据划分入同一箱，得到多箱分类数据；
对每箱分类数据中汽车的瞬时碳排放率求平均值作为该箱分类数据的碳排放率；针对每箱分类数据中的瞬时速度和加速度，分别取区间左右界的平均值作为该箱分类数据的瞬时速度平均值和加速度平均值；
基于瞬时速度平均值和加速度平均值，依次计算各箱分类数据的比功率值。
比功率值的计算公式为：
VSP＝v(1.1a+0.132)+0.000302v3
其中，VSP为比功率值；v为瞬时速度；a为加速度。
数据处理模块将处理后的数据基于瞬时速度和加速度值划分不同的车辆运行状态，车辆运行状态包括怠速状态、减速状态及非减速状态。
模型构建模块基于多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型，具体为：
依次对各个车辆运行状态下的数据进行多项式回归，回归公式为：
Figure SMS_9
其中，ER为碳排放率，vi为瞬时速度的i次幂，aj为加速度的j次幂；Li，j为在vi和aj下对应的回归系数；vk为瞬时速度的k次幂，am为加速度的m次幂，VSPn为比功率值的n次幂，Mk，m，n为在vk、am和VSPn下对应的回归系数。
对各个车辆运行状态分别进行数据拟合，最终构成一个包含三段的分段函数，完成轻型燃油汽车的碳排放估计模型的建立。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于轨迹数据的汽车碳排放估计模型构建方法，其特征在于，包括以下步骤：
获取多辆汽车的行驶数据，所述行驶数据包括轨迹数据及瞬时碳排放数据，所述轨迹数据包括瞬时速度及加速度；
依次对各辆汽车的行驶数据进行预处理，得到预处理数据；
将所述预处理数据划分为不同的车辆运行状态；
基于所述预处理数据，使用多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型。
2.根据权利要求1所述的一种基于轨迹数据的汽车碳排放估计模型构建方法，其特征在于，对所述各辆汽车的行驶数据进行预处理，包括以下步骤：
划分多个瞬时速度区间及加速度区间，将瞬时速度及加速度落于同一区间的汽车行驶数据划分入同一箱，得到多箱分类数据；
对每箱分类数据中汽车的瞬时碳排放率求平均值作为该箱分类数据的碳排放率；针对每箱分类数据中的瞬时速度和加速度，分别取区间左右界的平均值作为该箱分类数据的瞬时速度平均值和加速度平均值；
基于所述瞬时速度平均值和加速度平均值，依次计算各箱分类数据的比功率值。
3.根据权利要求2所述的一种基于轨迹数据的汽车碳排放估计模型构建方法，其特征在于，所述比功率值的计算公式为：
VSP＝v(1.1a+0.132)+0.000302v3
其中，VSP为比功率值；v为瞬时速度；a为加速度。
4.根据权利要求1所述的一种基于轨迹数据的汽车碳排放估计模型构建方法，其特征在于，将各辆汽车的预处理数据划分为不同的车辆运行状态，所述车辆运行状态包括怠速状态、减速状态及非减速状态。
5.根据权利要求3所述的一种基于轨迹数据的汽车碳排放估计模型构建方法，其特征在于，基于多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型，具体为：
依次对各个车辆运行状态下的预处理数据进行多项式回归，回归公式为：
Figure FDA0004056618610000021
其中，ER为碳排放率，vi为瞬时速度的i次幂，aj为加速度的j次幂；Li,j为在vi和aj下对应的回归系数；vk为瞬时速度的k次幂，am为加速度的m次幂，VSPn为比功率值的n次幂，Mk,m,n为在vk、am和VSPn下对应的回归系数。
6.一种基于轨迹数据的汽车碳排放估计模型构建系统，其特征在于，包括数据获取模块、数据处理模块、及模型构建模块；
所述数据获取模块用于获取多辆汽车的行驶数据，所述行驶数据包括轨迹数据及瞬时碳排放数据，所述轨迹数据包括瞬时速度及加速度；
所述数据处理模块用于依次对所述各辆汽车的行驶数据进行预处理，得到预处理数据；同时将所述预处理数据划分为不同的车辆运行状态；
所述模型构建模块基于所述预处理数据，使用多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型。
7.根据权利要求6所述的一种基于轨迹数据的汽车碳排放估计模型构建系统，其特征在于，数据处理模块对所述各辆汽车的行驶数据进行预处理，包括以下步骤：
划分多个瞬时速度区间及加速度区间，将瞬时速度及加速度落于同一区间的汽车行驶数据划分入同一箱，得到多箱分类数据；
对每箱分类数据中汽车的瞬时碳排放率求平均值作为该箱分类数据的碳排放率；针对每箱分类数据中的瞬时速度和加速度，分别取区间左右界的平均值作为该箱分类数据的瞬时速度平均值和加速度平均值；
基于所述瞬时速度平均值和加速度平均值，依次计算各箱分类数据的比功率值。
8.根据权利要求7所述的一种基于轨迹数据的汽车碳排放估计模型构建系统，其特征在于，所述比功率值的计算公式为：
VSP＝v(1.1a+0.132)+0.000302v3
其中，VSP为比功率值；v为瞬时速度；a为加速度。
9.根据权利要求6所述的一种基于轨迹数据的汽车碳排放估计模型构建系统，其特征在于，数据处理模块将所述预处理数据划分为不同的车辆运行状态，所述车辆运行状态包括怠速状态、减速状态及非减速状态。
10.根据权利要求8所述的一种基于轨迹数据的汽车碳排放估计模型构建系统，其特征在于，模型构建模块基于多项式回归方法，针对每种车辆运行状态下的预处理数据进行拟合，得到碳排放估计模型，具体为：
依次对各个车辆运行状态下的预处理数据进行多项式回归，回归公式为：
Figure FDA0004056618610000031
其中，ER为碳排放率，vi为瞬时速度的i次幂，aj为加速度的j次幂；Li,j为在vi和aj下对应的回归系数；vk为瞬时速度的k次幂，am为加速度的m次幂，VSPn为比功率值的n次幂，Mk,m,n为在vk、am和VSPn下对应的回归系数。
CN202310048452.6A 2023-01-31 2023-01-31 一种基于轨迹数据的汽车碳排放估计模型构建方法及系统 Pending CN116340718A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310048452.6A CN116340718A (zh) 2023-01-31 2023-01-31 一种基于轨迹数据的汽车碳排放估计模型构建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310048452.6A CN116340718A (zh) 2023-01-31 2023-01-31 一种基于轨迹数据的汽车碳排放估计模型构建方法及系统

Publications (1)

Publication Number Publication Date
CN116340718A true CN116340718A (zh) 2023-06-27

Family

ID=86886568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310048452.6A Pending CN116340718A (zh) 2023-01-31 2023-01-31 一种基于轨迹数据的汽车碳排放估计模型构建方法及系统

Country Status (1)

Country Link
CN (1) CN116340718A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116776229A (zh) * 2023-08-17 2023-09-19 深圳市城市交通规划设计研究中心股份有限公司 面向排放碳因子的汽车行驶典型工况划分方法
CN117074046A (zh) * 2023-10-12 2023-11-17 中汽研汽车检验中心(昆明)有限公司 高原环境下汽车实验室排放测试方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116776229A (zh) * 2023-08-17 2023-09-19 深圳市城市交通规划设计研究中心股份有限公司 面向排放碳因子的汽车行驶典型工况划分方法
CN116776229B (zh) * 2023-08-17 2023-12-26 深圳市城市交通规划设计研究中心股份有限公司 面向碳排放因子的汽车行驶典型工况划分方法
CN117074046A (zh) * 2023-10-12 2023-11-17 中汽研汽车检验中心(昆明)有限公司 高原环境下汽车实验室排放测试方法及装置
CN117074046B (zh) * 2023-10-12 2024-01-02 中汽研汽车检验中心(昆明)有限公司 高原环境下汽车实验室排放测试方法及装置

Similar Documents

Publication Publication Date Title
CN116340718A (zh) 一种基于轨迹数据的汽车碳排放估计模型构建方法及系统
CN109932191B (zh) 一种实际道路行驶工况库及构建方法
CN104792543B (zh) 一种道路循环工况的构建方法
CN106203735B (zh) 一种机动车驾驶员驾驶行为能耗特征测算方法
Zhai et al. Development of a modal emissions model for a hybrid electric vehicle
CN106446398B (zh) 基于交通运行数据和劣化率的轻型汽车排放速率计算方法
Wang et al. Developing a high-resolution vehicular emission inventory by integrating an emission model and a traffic model: Part 1—Modeling fuel consumption and emissions based on speed and vehicle-specific power
CN109506946B (zh) 一种rde工况库开发及使用方法
CN111598424A (zh) 一种基于重型柴油车远程监控数据的排放计算方法
Ma et al. An evaluation of microscopic emission models for traffic pollution simulation using on-board measurement
CN109017792A (zh) 基于车路协同技术针对车辆变道行为的生态驾驶方法
CN113687247A (zh) 新能源汽车剩余里程动态预测方法、系统、终端及介质
Yu et al. Assessing the impact of multi-dimensional driving behaviors on link-level emissions based on a Portable Emission Measurement System (PEMS)
CN108052791A (zh) 未来机动车结构调整对交通排放源清单影响的估算方法
CN107133374A (zh) 一种模态工况的构建方法
CN104091440A (zh) 基于道路等级和车辆类型的城市交通拥堵成本估算方法
Skuza et al. INFLUENCE OF TRAFFIC CONDITIONS ON THE ENERGY CONSUMPTION OF AN ELECTRIC VEHICLE.
CN109990858B (zh) 柴油-甲醇双燃料商用车燃料经济性计算方法及装置
CN114755025B (zh) 基于远程在线监测燃油清净增效剂的节油降碳评测方法
CN114998075A (zh) 一种交通运输碳排放计算方法、系统及可存储介质
CN113610142A (zh) 车辆行驶工况构建方法
CN117313437B (zh) 交通流对能耗排放影响测试方法、装置、设备与存储介质
Kaixi Original Paper Road Traffic Status and Carbon Emission Estimation Methods
CN116861199B (zh) 一种燃油清净增效剂的减排测评方法、设备和存储介质
Dollar et al. Eco-Driving of Compression-Ignition Vehicles to Minimize Nitrogen Oxide 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