CN116595436A - 一种重型柴油车辆实际道路碳排放率统计方法及系统 - Google Patents
一种重型柴油车辆实际道路碳排放率统计方法及系统 Download PDFInfo
- Publication number
- CN116595436A CN116595436A CN202310553661.6A CN202310553661A CN116595436A CN 116595436 A CN116595436 A CN 116595436A CN 202310553661 A CN202310553661 A CN 202310553661A CN 116595436 A CN116595436 A CN 116595436A
- Authority
- CN
- China
- Prior art keywords
- diesel vehicle
- carbon emission
- heavy diesel
- vehicle
- heavy
- 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
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 121
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000009826 distribution Methods 0.000 claims abstract description 44
- 239000000446 fuel Substances 0.000 claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000004134 energy conservation Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000011002 quantification Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013028 emission testing Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本申请提供了一种重型柴油车辆实际道路碳排放率统计方法及系统，该方法包括：获取重型柴油车的发动机燃料流量、车速、累计里程、时间、经度、维度数据；基于油耗和碳排放的线性关系构建重型柴油车碳排放率模型；根据构建的重型柴油车碳排放率模型以及发动机燃料流量确定重型柴油车的瞬时碳排放量；建立重型柴油车工况特征分布模型；建立重型柴油车排放因子模型：确定重型柴油车辆实际道路碳排放率。在上述技术方案中，建立基于重型柴油车远程在线监控平台数据的重型柴油车碳排放清单，有效解决目前我国重型柴油车本地化排放因子欠缺、基础工况数据获取困难的难点，高效实现了重型柴油车碳排放因子的建立和碳排放量的核算。
Description
技术领域
本说明书一个或多个实施例涉及汽车技术领域，尤其涉及一种重型柴油车辆实际道路碳排放率统计方法及系统。
背景技术
传统重型柴油车碳排放清单建立方法主要包括2种类型：(1)机动车排放测试技术；(2)基于排放因子模型构建排放清单。其中，机动车排放量测试技术可以较为准确地获得某一辆或某一类重型柴油车的碳排放因素和排放总量，但是无法适用于对于区域性大尺度的碳排放量核算。基于排放因子模型构建排放清单目前大多基于美国、欧洲的模型体系，国内应用存在排放因子本地适用性差，行驶工况数据、车队数据获取难度高等问题，普遍应用性较差。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种重型柴油车辆实际道路碳排放率统计方法及系统，用以方便统计重型柴油车量的实际碳排放量。
第一方面，提供了一种重型柴油车辆实际道路碳排放率统计方法，该重型柴油车辆实际道路碳排放率统计方法包括：
获取重型柴油车的发动机燃料流量、车速、累计里程、时间、经度、维度数据；
基于油耗和碳排放的线性关系构建重型柴油车碳排放率模型；根据构建的重型柴油车碳排放率模型以及发动机燃料流量确定重型柴油车的瞬时碳排放量；
建立重型柴油车工况特征分布模型：使用VSP刻画车辆在实际道路的行驶工况，并利用VSP分布来反映车辆在每一种工况下的行驶时间比例；
建立重型柴油车排放因子模型：耦合重型柴油车碳排放率和工况模型，建立了重型柴油车不同速度区间、不同道路类型、不同载重下的排放因子数据库，并计算重型柴油车辆实际道路碳排放率。
在上述技术方案中，建立基于重型柴油车远程在线监控平台数据的重型柴油车碳排放清单，有效解决目前我国重型柴油车本地化排放因子欠缺、基础工况数据获取困难的难点，高效实现了重型柴油车碳排放因子的建立和碳排放量的核算，对于交通行业实现“双碳”目标具有重要的推进作用。在此基础上，可延伸开展重型柴油车的排放强度研究，分析各区域的重型柴油车碳排分布规律并应用于重型柴油车远程在线监控平台量化，可以进一步实现对交通需求管理政策以及微观交通管理与控制策略的评价，为重型柴油车治理、节能减排提供关键参数和技术方法支撑。
在一个具体的可实施方案中，所述获取重型柴油车的发动机燃料流量、车速、累计里程、时间、经度、维度数据，具体为：
通过flume收集kafka发过来的发动机燃料流量、车速、累计里程、时间、经度、维度数据；
利用spark清洗数据，过滤掉经纬度异常的数据。
在一个具体的可实施方案中，所述建立重型柴油车工况特征分布模型；，具体为：
根据采集的车辆的速度，进行平均速度区间划分；
基于远程排放监控的瞬时车速，计算车辆逐秒加速度和VSP，并进行VSP分布计算；
平均速度区间划分：结合单位平均速度区间，计算每个速度区间的平均速度；
采用等间隔划分VSP区间的VSP聚类方式，进行平均速度区间下的VSP分布计算。
在一个具体的可实施方案中，所述VSP分布计算的计算方法具体为；
VSP＝(AVt+BVt 2+C(vt+vwt)2vt+mvt(at+g·sinθt))/fscale
其中，vt为t时刻的车辆运行速度，m/s；at为t时刻的车辆运行加速度，m/s2；A为滚动阻力系数，kW-s/m；B为滑动阻力系数，kW-s2/m2；C为风阻系数，kW-s3/m3；m为车辆的实际载重，kg；g为重力加速度，m/s2；θt为t时刻的道路坡度角；fscale为缩放因子。
在一个具体的可实施方案中，所述建立重型柴油车排放因子模型，具体为：
确定碳排放因子；
根据所述车速及累计里程及碳排放率计算结果，结合机动车环保信息公开数据可以得到不同行业、车重类型、燃料类型、排放标准、行驶里程各VSP bin平均排放率；以及不同平均速度、道路类型VSP分布，结合上述两方面结果，确定速度排放因子；
车辆碳排放精准核算：对单车瞬时速度、运行里程数据分别值按时间戳顺次排序，计算不同平均速度区间下的累计运行里程，并对应至相应的速度排放因子，进行排放量计算。
在一个具体的可实施方案中，所述碳排放因子具体为：
在一个具体的可实施方案中，所述速度排放因子满足：
式中，EFk：第k个平均速度区间的排放因子，单位为g/km；ERi：第i个VSP bin的平均排放率，单位为g/s；VSPbini：第k平均速度区间第i个VSP bin的分布值；v：第k平均速度区间的中值，单位为km/h。
在一个具体的可实施方案中，所述进行排放量计算具体公式为：
其中，EFi为第i个平均速度区间的排放因子，Mi为车辆在第i个平均速度区间下的累计行驶里程。
第二方面，提供了一种重型柴油车辆实际道路碳排放率统计系统，该系统包括：
远程监控单元，用于获取重型柴油车的发动机燃料流量、车速、累计里程、时间、经度、维度数据；
数据处理单元，基于油耗和碳排放的线性关系构建重型柴油车碳排放率模型；根据构建的重型柴油车碳排放率模型以及发动机燃料流量确定重型柴油车的瞬时碳排放量；
建立重型柴油车工况特征分布模型：使用VSP刻画车辆在实际道路的行驶工况，并利用VSP分布来反映车辆在每一种工况下的行驶时间比例；
建立重型柴油车排放因子模型：耦合重型柴油车碳排放率和工况模型，建立了重型柴油车不同速度区间、不同道路类型、不同载重下的排放因子数据库，并计算重型柴油车辆实际道路碳排放率。
在上述技术方案中，建立基于重型柴油车远程在线监控平台数据的重型柴油车碳排放清单，有效解决目前我国重型柴油车本地化排放因子欠缺、基础工况数据获取困难的难点，高效实现了重型柴油车碳排放因子的建立和碳排放量的核算，对于交通行业实现“双碳”目标具有重要的推进作用。在此基础上，可延伸开展重型柴油车的排放强度研究，分析各区域的重型柴油车碳排分布规律并应用于重型柴油车远程在线监控平台量化，可以进一步实现对交通需求管理政策以及微观交通管理与控制策略的评价，为重型柴油车治理、节能减排提供关键参数和技术方法支撑。
第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上述任一项所述的重型柴油车辆实际道路碳排放率统计方法。
第四方面，提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述任一所述重型柴油车辆实际道路碳排放率统计方法。
第五方面，还提供一种计算机程序产品，包括指令，当其在计算机上运行时，使得计算机执行本申请第一方面以及第一方面中任意一种可能的设计的方法。
另外，第三方面至第五方面中任一种可能设计方式所带来的技术效果可参见方法部分中不同设计方式带来的效果，在此不再赘述。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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说明书一个或多个实施例，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他的附图。
图1为本申请实施例提供的重型柴油车辆实际道路碳排放率统计方法的结构框图；
图2为VSP分布计算过程图；
图3为本申请实施例提供的重型柴油车辆实际道路碳排放率统计系统的示意图；
图4为本申请实施例提供的电子设备的结构框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
本说明书实施例中所述支付涉及的技术载体，例如可以包括近场通信(NearFieldCommunication，NFC)、WIFI、3G/4G/5G、POS机刷卡技术、二维码扫码技术、条形码扫码技术、蓝牙、红外、短消息(Short Message Service，SMS)、多媒体消息(Multimedia MessageService，MMS)等。
本申请实施例提供的重型柴油车辆实际道路碳排放率统计方法是以重型柴油车排放远程监控实时数据为基础，抽取发动机燃料流量字段，通过大数据分析建模，建立了重型柴油车辆实际道路碳排放率计算方法，为各类别重型柴油车工况及排放因子模型的建立提供精准数据基础。并基于此，通过抽取车速、里程、定位数据，分析重型柴油车辆的运行工况特征以及二氧化碳排放在不同VSP(Vehicle Specific Power，机动车比功率，其是指机动车每移动1t质量输出的功率)区间的分布规律，建立了基于实时运行数据的重型柴油车的工况模型、排放率模型、速度排放因子模型，并实现了车辆精准碳排放核算。下面详细说明本申请实施例提供的方法。
参考图1，图1示出了本申请实施例提供的重型柴油车辆实际道路碳排放率统计方法的流程图。
该重型柴油车辆实际道路碳排放率统计方法包括：
步骤001：获取重型柴油车的发动机燃料流量、车速、累计里程、时间、经度、维度数据；
具体的，重型柴油车车载终端根据GB17691-2018标准要求，向数据监控平台发送车辆发动机及后处理系统相关实时数据。平台侧通过flume收集kafka发过来的发动机燃料流量、车速、累计里程、时间、经度、维度数据；利用spark清洗数据，过滤掉经纬度异常的数据。
目前重型柴油车远程排放监控采集数据至少包括：发动机燃料流量、车速、累计里程、时间、经度、维度。在进行采集时，通过flume收集kafka发过来的车辆发动机以及后处理系统的数据，并分别落地到hdfs和kudu(hdfs和kudu都是大数据技术名词)中。其次利用spark清洗数据过程中，通过比较前后两帧数据(远程监控采集车辆每秒的数据)的经纬度偏移量不大于V(车速)*时间差，过滤掉经纬度异常的数据。
其中，flume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。
步骤002：基于油耗和碳排放的线性关系构建重型柴油车碳排放率模型；根据构建的重型柴油车碳排放率模型以及发动机燃料流量确定重型柴油车的瞬时碳排放量；
具体的，通过分析重型柴油车远程监控数据，处理发动机燃料流量数据，基于油耗和碳排放的线性关系构建重型柴油车碳排放率模型。根据能量守恒的原则，CO2排放因子可以根据车辆行驶单位里程下总的能量消耗计算得到。
根据HJ1239-2021标准要求，采集重型柴油车实时发动机燃料流量，经过数据偏移与精度解析处理后，重型柴油车的瞬时碳排放量(碳排放率)计算如下：
C＝q×EF×12/44
C：瞬时碳排放量，kg；q：发动机瞬时燃料流量，l/s；EF：根据《2006年IPCC国家温室气体清单指南》，陆上运输柴油车二氧化碳排放因子EF为2.63，kg/L。
步骤003：建立重型柴油车工况特征分布模型：使用VSP刻画车辆在实际道路的行驶工况，并利用VSP分布来反映车辆在每一种工况下的行驶时间比例；
具体的，使用VSP刻画车辆在实际道路的行驶工况，同时利用VSP分布来反映车辆在每一种工况下的行驶时间比例。基于重型柴油车速度分布和加速度分布，分析工况数据在速度分布以及加速度分布中的规律与特征，确定测算重型柴油车碳排的VSP区间划分方法、车辆逐秒运行数据时间集成粒度和速度区间划分方法，建立基于VSP分布的工况研究模型。
具体可包括以下步骤：
1)根据采集的车辆的速度，进行平均速度区间划分；
具体的，进行单位平均速度区间划分。基于根据HJ1239-2021标准要求，进行车辆实时运行速度采集，并开展平均速度区间划分，对于车辆行驶的不同道路类型，车辆有不同的行驶运行状态，因此，对于不同道路类型，单位平均速度区间长度要求也有所不同。对于实际数据中具体的时间连续区间，如果其时间长度低于相应道路类型的单位平均速度区间长度，则该时间连续区间的工况数据将不再参与进一步的计算。对于整数倍单位平均速度区间长度之外剩余的、不足一个单位平均速度区间的数据，应将其并入最后一个整数倍平均速度区间。
2)基于远程排放监控的瞬时车速，计算车辆逐秒加速度和VSP，并进行VSP分布计算；
具体的，其中VSP计算方法如下：
VSP＝(AVt+BVt 2+C(vt+vwt)2vt+mvt(at+g·sinθt))/fscale
其中，vt为t时刻的车辆运行速度，m/s；at为t时刻的车辆运行加速度，m/s2；A为滚动阻力系数，kW-s/m；B为滑动阻力系数，kW-s2/m2；C为风阻系数，kW-s3/m3；m为车辆的实际载重，kg；g为重力加速度，m/s2；θt为t时刻的道路坡度角；fscale为缩放因子。
3)平均速度区间划分：结合单位平均速度区间，计算每个速度区间的平均速度；
具体的，结合单位平均速度区间，计算每个速度区间的平均速度。以2km/h为粒度划分速度区间，再根据平均速度将逐秒速度数据进行聚类，得到其所属的速度区间，如以下公式所示，对工况数据的平均速度区间划分。
Vaverage:平均速度(km/h)，ASBin:平均速度区间。
如表1中所示，不同道路类型单位平均速度区间长度划分。
4)采用等间隔划分VSP区间的VSP聚类方式，进行平均速度区间下的VSP分布计算。
具体的，如图2中所示采用等间隔划分VSP区间(VSP bin)的VSP聚类方式，而非传统的MOVES聚类方式。等间隔划分VSP值便于使用数学工具进行描述与处理，也利于研究VSP分布的形态特征。VSP bin＝n(n∈[20,20],n∈Z)。
步骤004，建立重型柴油车排放因子模型：耦合重型柴油车碳排放率和工况模型，建立了重型柴油车不同速度区间、不同道路类型、不同载重下的排放因子数据库，并计算重型柴油车辆实际道路碳排放率。
具体的，包括以下步骤：
a)确定碳排放因子；
排放因子是指机动车行驶单位距离所排放污染物的质量，单位g/km，计算方法如公式所示。
b)根据所述车速及累计里程及碳排放率计算结果，结合机动车环保信息公开数据可以得到不同行业、车重类型、燃料类型、排放标准、行驶里程各VSP bin平均排放率；以及不同平均速度、道路类型VSP分布，结合上述两方面结果，确定速度排放因子；
由HJ1239-2021远程监控数据的行驶里程、速度字段及碳排放率计算结果，结合机动车环保信息公开数据可以得到不同行业、车重类型、燃料类型、排放标准、行驶里程各VSPbin平均排放率，由交通数据可以得到不同平均速度、道路类型VSP分布，结合上述两方面结果，就可以得到相应的速度排放因子，计算方法如公式所示。
式中，EFk：第k个平均速度区间的排放因子，单位为g/km；ERi：第i个VSP bin的平均排放率，单位为g/s；VSPbini：第k平均速度区间第i个VSP bin的分布值；v：第k平均速度区间的中值，单位为km/h。
c)车辆碳排放精准核算：对单车瞬时速度、运行里程数据分别值按时间戳顺次排序，计算不同平均速度区间下的累计运行里程，并对应至相应的速度排放因子，进行排放量计算。
对单车瞬时速度、运行里程数据分别值按时间戳顺次排序，剔除无效数据后，计算不同平均速度区间下的累计运行里程，并对应至相应的速度排放因子，进行排放量计算。计算方法如下：
其中，EFi为第i个平均速度区间的排放因子，Mi为车辆在第i个平均速度区间下的累计行驶里程。
通过上述描述可看出，本申请实施例提供的方法中，建立基于重型柴油车远程在线监控平台数据的重型柴油车碳排放清单，有效解决目前我国重型柴油车本地化排放因子欠缺、基础工况数据获取困难的难点，高效实现了重型柴油车碳排放因子的建立和碳排放量的核算，对于交通行业实现“双碳”目标具有重要的推进作用。在此基础上，可延伸开展重型柴油车的排放强度研究，分析各区域的重型柴油车碳排分布规律并应用于重型柴油车远程在线监控平台量化，可以进一步实现对交通需求管理政策以及微观交通管理与控制策略的评价，为重型柴油车治理、节能减排提供关键参数和技术方法支撑。
参考图3，本申请实施例还提供了一种重型柴油车辆实际道路碳排放率统计系统，该系统包括远程监控单元以及数据处理单元。其中，远程监控单元装配在重型柴油车量上，并用于获取重型柴油车的发动机燃料流量、车速、累计里程、时间、经度、维度数据。
而数据处理单元，基于油耗和碳排放的线性关系构建重型柴油车碳排放率模型；根据构建的重型柴油车碳排放率模型以及发动机燃料流量确定重型柴油车的瞬时碳排放量；建立重型柴油车工况特征分布模型：使用VSP刻画车辆在实际道路的行驶工况，并利用VSP分布来反映车辆在每一种工况下的行驶时间比例；建立重型柴油车排放因子模型：耦合重型柴油车碳排放率和工况模型，建立了重型柴油车不同速度区间、不同道路类型、不同载重下的排放因子数据库，并计算重型柴油车辆实际道路碳排放率。
通过上述描述可看出，该系统中建立基于重型柴油车远程在线监控平台数据的重型柴油车碳排放清单，有效解决目前我国重型柴油车本地化排放因子欠缺、基础工况数据获取困难的难点，高效实现了重型柴油车碳排放因子的建立和碳排放量的核算，对于交通行业实现“双碳”目标具有重要的推进作用。在此基础上，可延伸开展重型柴油车的排放强度研究，分析各区域的重型柴油车碳排分布规律并应用于重型柴油车远程在线监控平台量化，可以进一步实现对交通需求管理政策以及微观交通管理与控制策略的评价，为重型柴油车治理、节能减排提供关键参数和技术方法支撑。
本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上述任一项所述的重型柴油车辆实际道路碳排放率统计方法。
本申请实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述任一所述重型柴油车辆实际道路碳排放率统计方法。
本申请实施例还还提供一种计算机程序产品，包括指令，当其在计算机上运行时，使得计算机执行本申请上述任意一种可能的设计的方法。
综上所述，本申请实施例提供的方法以及系统，建立基于重型柴油车远程在线监控平台数据的重型柴油车碳排放清单，有效解决目前我国重型柴油车本地化排放因子欠缺、基础工况数据获取困难的难点，高效实现了重型柴油车碳排放因子的建立和碳排放量的核算，对于交通行业实现“双碳”目标具有重要的推进作用。在此基础上，可延伸开展重型柴油车的排放强度研究，分析各区域的重型柴油车碳排分布规律并应用于重型柴油车远程在线监控平台量化，可以进一步实现对交通需求管理政策以及微观交通管理与控制策略的评价，为重型柴油车治理、节能减排提供关键参数和技术方法支撑。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，可通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (11)
1.一种重型柴油车辆实际道路碳排放率统计方法，其特征在于，所述重型柴油车辆实际道路碳排放率统计方法包括：
获取重型柴油车的发动机燃料流量、车速、累计里程、时间、经度、维度数据；
基于油耗和碳排放的线性关系构建重型柴油车碳排放率模型；根据构建的重型柴油车碳排放率模型以及发动机燃料流量确定重型柴油车的瞬时碳排放量；
建立重型柴油车工况特征分布模型：使用VSP刻画车辆在实际道路的行驶工况，并利用VSP分布来反映车辆在每一种工况下的行驶时间比例；
建立重型柴油车排放因子模型：耦合重型柴油车碳排放率和工况模型，建立了重型柴油车不同速度区间、不同道路类型、不同载重下的排放因子数据库，并计算重型柴油车辆实际道路碳排放率。
2.根据权利要求1所述的重型柴油车辆实际道路碳排放率统计方法，其特征在于，所述获取重型柴油车的发动机燃料流量、车速、累计里程、时间、经度、维度数据，具体为：
通过flume收集kafka发过来的发动机燃料流量、车速、累计里程、时间、经度、维度数据；
利用spark清洗数据，过滤掉经纬度异常的数据。
3.根据权利要求1所述的重型柴油车辆实际道路碳排放率统计方法，其特征在于，所述建立重型柴油车工况特征分布模型；，具体为：
根据采集的车辆的速度，进行平均速度区间划分；
基于远程排放监控的瞬时车速，计算车辆逐秒加速度和VSP，并进行VSP分布计算；
平均速度区间划分：结合单位平均速度区间，计算每个速度区间的平均速度；
采用等间隔划分VSP区间的VSP聚类方式，进行平均速度区间下的VSP分布计算。
4.根据权利要求3所述的重型柴油车辆实际道路碳排放率统计方法，其特征在于，所述VSP分布计算的计算方法具体为；
VSP＝(AVt+BVt 2+C(vt+vwt)2vt+mvt(at+g·sinθt))/fscale
其中，vt为t时刻的车辆运行速度，m/s；at为t时刻的车辆运行加速度，m/s2；A为滚动阻力系数，kW-s/m；B为滑动阻力系数，kW-s2/m2；C为风阻系数，kW-s3/m3；m为车辆的实际载重，kg；g为重力加速度，m/s2；θt为t时刻的道路坡度角；fscale为缩放因子。
5.根据权利要求1～4任一项所述的重型柴油车辆实际道路碳排放率统计方法，其特征在于，所述建立重型柴油车排放因子模型，具体为：
确定碳排放因子；
根据所述车速及累计里程及碳排放率计算结果，结合机动车环保信息公开数据可以得到不同行业、车重类型、燃料类型、排放标准、行驶里程各VSP bin平均排放率；以及不同平均速度、道路类型VSP分布，结合上述两方面结果，确定速度排放因子；
车辆碳排放精准核算：对单车瞬时速度、运行里程数据分别值按时间戳顺次排序，计算不同平均速度区间下的累计运行里程，并对应至相应的速度排放因子，进行排放量计算。
6.根据权利要求5所述的重型柴油车辆实际道路碳排放率统计方法，其特征在于，所述碳排放因子具体为：
7.根据权利要求6所述的重型柴油车辆实际道路碳排放率统计方法，其特征在于，所述速度排放因子满足：
式中，EFk：第k个平均速度区间的排放因子，单位为g/km；ERi：第i个VSP bin的平均排放率，单位为g/s；VSPbini：第k平均速度区间第i个VSP bin的分布值；v：第k平均速度区间的中值，单位为km/h。
8.根据权利要求6所述的重型柴油车辆实际道路碳排放率统计方法，其特征在于，所述进行排放量计算具体公式为：
其中，EFi为第i个平均速度区间的排放因子，Mi为车辆在第i个平均速度区间下的累计行驶里程。
9.一种重型柴油车辆实际道路碳排放率统计系统，其特征在于，包括：
远程监控单元，用于获取重型柴油车的发动机燃料流量、车速、累计里程、时间、经度、维度数据；
数据处理单元，基于油耗和碳排放的线性关系构建重型柴油车碳排放率模型；根据构建的重型柴油车碳排放率模型以及发动机燃料流量确定重型柴油车的瞬时碳排放量；
建立重型柴油车工况特征分布模型：使用VSP刻画车辆在实际道路的行驶工况，并利用VSP分布来反映车辆在每一种工况下的行驶时间比例；
建立重型柴油车排放因子模型：耦合重型柴油车碳排放率和工况模型，建立了重型柴油车不同速度区间、不同道路类型、不同载重下的排放因子数据库，并计算重型柴油车辆实际道路碳排放率。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任意一项所述的重型柴油车辆实际道路碳排放率统计方法。
11.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至8任一所述重型柴油车辆实际道路碳排放率统计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310553661.6A CN116595436A (zh) | 2023-05-17 | 2023-05-17 | 一种重型柴油车辆实际道路碳排放率统计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310553661.6A CN116595436A (zh) | 2023-05-17 | 2023-05-17 | 一种重型柴油车辆实际道路碳排放率统计方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116595436A true CN116595436A (zh) | 2023-08-15 |
Family
ID=87598635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310553661.6A Pending CN116595436A (zh) | 2023-05-17 | 2023-05-17 | 一种重型柴油车辆实际道路碳排放率统计方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116595436A (zh) |
Cited By (1)
| 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 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140096211A (ko) * | 2013-01-25 | 2014-08-05 | 주식회사 휴디콤 | 차량의 실시간 운행정보를 이용한 탄소배출량 및 운행정보 분석시스템 |
| US20150324807A1 (en) * | 2014-05-09 | 2015-11-12 | Christopher N. Pacheco | Carbon emissions credits system |
| CN112730748A (zh) * | 2020-12-25 | 2021-04-30 | 中汽研汽车检验中心（天津）有限公司 | 一种基于工况选择的大规模筛查重型柴油车高NOx排放方法 |
| CN113313321A (zh) * | 2021-06-17 | 2021-08-27 | 广东工业大学 | 一种道路养护作业区通行车辆的碳排放计算方法 |
| CN113722652A (zh) * | 2021-07-30 | 2021-11-30 | 南京信息职业技术学院 | 一种燃油车交通碳排放计算方法 |
| CN113743715A (zh) * | 2021-07-19 | 2021-12-03 | 中汽研汽车检验中心（天津）有限公司 | 基于车联网重型车实际工况的油耗及NOx排放评价方法 |
| US20220057373A1 (en) * | 2020-08-18 | 2022-02-24 | Beijing Institute Of Technology | System and method for monitoring diesel vehicle emissions based on big data of remote sensing |
| CN114882614A (zh) * | 2022-07-11 | 2022-08-09 | 杭州春来科技有限公司 | 一种机动车碳排放监测方法及系统 |
| CN115564149A (zh) * | 2022-12-05 | 2023-01-03 | 中汽研汽车检验中心(昆明)有限公司 | 区域机动车实际道路二氧化碳排放量的预测方法及系统 |
-
2023
- 2023-05-17 CN CN202310553661.6A patent/CN116595436A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140096211A (ko) * | 2013-01-25 | 2014-08-05 | 주식회사 휴디콤 | 차량의 실시간 운행정보를 이용한 탄소배출량 및 운행정보 분석시스템 |
| US20150324807A1 (en) * | 2014-05-09 | 2015-11-12 | Christopher N. Pacheco | Carbon emissions credits system |
| US20220057373A1 (en) * | 2020-08-18 | 2022-02-24 | Beijing Institute Of Technology | System and method for monitoring diesel vehicle emissions based on big data of remote sensing |
| CN112730748A (zh) * | 2020-12-25 | 2021-04-30 | 中汽研汽车检验中心（天津）有限公司 | 一种基于工况选择的大规模筛查重型柴油车高NOx排放方法 |
| CN113313321A (zh) * | 2021-06-17 | 2021-08-27 | 广东工业大学 | 一种道路养护作业区通行车辆的碳排放计算方法 |
| CN113743715A (zh) * | 2021-07-19 | 2021-12-03 | 中汽研汽车检验中心（天津）有限公司 | 基于车联网重型车实际工况的油耗及NOx排放评价方法 |
| CN113722652A (zh) * | 2021-07-30 | 2021-11-30 | 南京信息职业技术学院 | 一种燃油车交通碳排放计算方法 |
| CN114882614A (zh) * | 2022-07-11 | 2022-08-09 | 杭州春来科技有限公司 | 一种机动车碳排放监测方法及系统 |
| CN115564149A (zh) * | 2022-12-05 | 2023-01-03 | 中汽研汽车检验中心(昆明)有限公司 | 区域机动车实际道路二氧化碳排放量的预测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 陈金潮: "在用重型柴油车碳排放特征及减排分析", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, pages 7 - 40 * |
| 陈金潮: "在用重型柴油车碳排放特征及减排分析", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑 * |
Cited By (2)
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xie et al. | Analysis of traffic crashes involving pedestrians using big data: Investigation of contributing factors and identification of hotspots | |
| CN204719530U (zh) | 一种集成的obd车联网应用系统 | |
| CN105115578A (zh) | 一种通过测量钢板形变检测车辆载重的方法及测量系统 | |
| Zhang et al. | Moving towards sustainability: Road grades and on-road emissions of heavy-duty vehicles—A case study | |
| CN103072599A (zh) | 高速列车实时定位方法 | |
| CN116595436A (zh) | 一种重型柴油车辆实际道路碳排放率统计方法及系统 | |
| Jalali et al. | Investigating the potential of ridesharing to reduce vehicle emissions | |
| Gorges et al. | Road classification for two-wheeled vehicles | |
| CN103884396A (zh) | 一种基于大数据的汽车油耗智能分析方法 | |
| CN104700630A (zh) | 一种高速公路车流量的监测方法及系统 | |
| CN104916099A (zh) | 一种维护车辆健康的系统和方法 | |
| CN111476501B (zh) | 装卸工程车的工作量计量方法、装置、设备及介质 | |
| Wang et al. | Understanding travel behavior of private cars via trajectory big data analysis in urban environments | |
| CN116558834A (zh) | Pems排放分析方法、装置、计算机设备和存储介质 | |
| Fridelin et al. | Implementation of microservice architectures on SEMAR extension for air quality monitoring | |
| CN106980029B (zh) | 车辆超速判断方法及其系统 | |
| Allström et al. | Mobile Millennium Stockholm | |
| Yue et al. | Estimation of the vehicle's centre of gravity based on a braking model | |
| CN109598925A (zh) | 出租车车辆聚集报警方法、终端设备及存储介质 | |
| CN110399919A (zh) | 一种人类出行稀疏轨迹数据插值重构方法 | |
| Chibani et al. | Road anomaly detection using a dynamic sliding window technique | |
| CN113408049A (zh) | 一种基于ais数据的船舶水污染预测方法 | |
| CN203966335U (zh) | 面向多用户群的多特征量综合交通检测系统 | |
| CN110942353A (zh) | 一种基于大数据运营分析方法 | |
| Sun et al. | Analysis of bus trip characteristics and demand forecasting based on NARX neural network model |
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 |