CN116681323B - 基于个人出行链的碳排放计算方法、电子设备、介质 - Google Patents
基于个人出行链的碳排放计算方法、电子设备、介质 Download PDFInfo
- Publication number
- CN116681323B CN116681323B CN202310433156.8A CN202310433156A CN116681323B CN 116681323 B CN116681323 B CN 116681323B CN 202310433156 A CN202310433156 A CN 202310433156A CN 116681323 B CN116681323 B CN 116681323B
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- travel
- grid
- calculating
- energy
- 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.)
- Active
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 216
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 216
- 238000004364 calculation method Methods 0.000 title claims abstract description 88
- 238000012937 correction Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 238000005265 energy consumption Methods 0.000 claims abstract description 9
- 238000010276 construction Methods 0.000 claims abstract description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 7
- 239000003345 natural gas Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000029305 taxis Effects 0.000 claims description 2
- PBJBVIHLBRYRQC-UHFFFAOYSA-N 1-o-[2-(diethylamino)ethyl] 3-o-ethyl 2-methyl-2-phenylpropanedioate Chemical compound CCN(CC)CCOC(=O)C(C)(C(=O)OCC)C1=CC=CC=C1 PBJBVIHLBRYRQC-UHFFFAOYSA-N 0.000 claims 1
- 239000003502 gasoline Substances 0.000 description 7
- 238000010248 power generation Methods 0.000 description 7
- 235000019580 granularity Nutrition 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 239000002283 diesel fuel Substances 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于个人出行链的碳排放计算方法、电子设备、介质,所述方法包括:将个人单次出行的出行链划分出行方式及其能源类型;根据划分的出行方式及其能源类型和对应的能耗,利用能源生命周期法计算基础碳排放因子;将城市区域划分为若干个网格;根据历史交通数据,计算各网格对应的车速‑坡度时空分布;根据网格对应的道路建设信息,计算碳排放修正因子;根据每段行程途径的网格和时间,基于车速‑坡度时空分布和碳排放修正因子计算个人出行链中各段碳排放,并将各段碳排放求和计算个人出行链碳排放。
Description
技术领域
本发明涉及交通碳排放估算领域,尤其涉及一种基于个人出行链的碳排放计算方法、电子设备、介质。
背景技术
面对不断增长的交通出行需求,道路交通绿色化转型势在必行,激励个人绿色出行是减少交通出行碳排放的重要内容,而计算个人交通出行碳排放量则是分析交通出行碳排放的关键。
目前常用的交通出行碳排放计算方法有两种:一是基于交通出行能源消耗的自上而下的交通出行碳排放计算方法(Sun S,Zhao G,Wang T,等.Past and future trends ofvehicle emissions in Tianjin,China,from 2000to 2030[J].AtmosphericEnvironment,2019,209:182–
191.),二是基于城市交通平均出行距离和平均出行次数估算的自下而上的碳排放计算方法(Wang Z,Chen F,Fujiyama T.Carbon emission from urban passengertransportation in Beijing[J].Transportation Research Part D:Transport andEnvironment,2015,41:217–227.)。这些计算方法都是用于计算城市或区域级别的交通出行碳排放量,难以计算个人出行碳排放量,同时不能满足公共交通出行中个人碳排放量的分配问题。
因此,亟需提出一种基于个人出行链的碳排放计算方法。
发明内容
针对现有技术不足,本发明提出了一种基于个人出行链的碳排放计算方法、电子设备、介质。
根据本发明实施例的第一方面,提供了一种基于个人出行链的碳排放计算方法,所述方法包括:
S1,将个人单次出行的出行链划分出行方式及其能源类型;
S2,根据能源生命周期法分别计算各出行方式及其能源类型对应的基础碳排放因子;
S3,将城市区域划分为若干个网格;根据历史交通数据,计算各网格对应的车速-坡度时空分布;
S4,根据网格对应的道路建设信息,计算碳排放修正因子;
S5,根据每段行程途径的网格和时间,基于车速-坡度时空分布和碳排放修正因子计算个人出行链中各段碳排放,并将各段碳排放求和计算个人出行链碳排放。
根据本发明实施例的第二方面,提供了一种电子设备,包括存储器和处理器,所述存储器与所述处理器耦接;其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现上述的基于个人出行链的碳排放计算方法。
根据本发明实施例的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述的基于个人出行链的碳排放计算方法。
与现有技术相比,本发明的有益效果为:
本发明基于个人出行链分出行方式计算碳排放且以网格形式划分,有利于气体空间扩散分析,具有较高可实施性。本发明按照能源类型计算个人出行碳排放量可以提高出行碳排放量准确性。本发明的碳排放计算方法对公共交通出行和非公共交通出行区别计算,充分考虑碳普惠公平性。本发明一个人出行链为计算最小单元,可以实现多尺度时空碳排放计算,有助于从时间与空间角度,全方位检测分析城市交通出行碳排放。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的基于个人出行链的碳排放计算方法的流程图;
图2是本发明提供的基于个人出行链的碳排放计算方法的示意性框图;
图3是本发明提供的一种电子设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,下述的实施例及实施方式中的特征可以相互组合。
随着交通大数据的不断完善,高时空分辨率的交通出行碳排放计算与监测将是城市交通碳排放监管的重要内容。本发明旨在基于城市交通大数据实现公平、高效的个人出行碳排放计算,满足城市交通出行单条出行链、网格路段、网格级与区域级别的碳排放计算,为城市交通碳排放分析测算提供数据支撑。
如图1和图2所示,本发明实施例提供了一种基于个人出行链的碳排放计算方法,所述方法具体包括以下步骤:
步骤S1,划分出行方式:根据出行方式划分计算域,并将出行方式中涉及到的交通工具按照能源类型进一步划分。
具体地,考虑城市中实际存在的出行方式,将出行方式划分为私家车、出租车/网约车、公共汽车、轨道交通、电瓶车、自行车、步行、其他出行方式等大类。
不同的出行方式在计算碳排放时方法会有所不同,在相同情况下产生的碳排放量也会有较大差异。本实例中的划分方式与主流导航软件划分方式和城市实况一致,具有较高可实施性。
进一步地,对于含有多种能源类型车辆的出行方式,将其按照车辆能源类型细分,例如,可将私家车进一步分为汽油车、新能源电动汽车和混合动力汽车。将出租车/网约车划分为燃油汽车、电力汽车、天然气汽车和混合动力汽车;将公共汽车划分为柴油公共汽车、电力公共汽车和混合动力公共汽车;将轨道交通、电瓶车划分为纯电力车;将自行车、步行划分为无动力汽车。
不同的能源类型车辆之间的碳排放具有较大差异,按照能源类型划分可以提高计算的准确性。
步骤S2,计算基础碳排放因子:对于步骤S1划分好的出行方式,根据其采用的能源类型和对应能耗,利用能源生命周期法计算基础碳排放因子。
具体地,所述步骤S2具体包括以下子步骤:
步骤S201,获取每种出行方式中每种能源类型车辆的单位里程能耗、单位能源碳排放量、同种出行方式中不同能源类型的车辆占比。
在本实例中,上述数据可通过实验测量、车辆厂商信息、国家排放标准、城市交通年鉴等渠道获得。
步骤S202,根据步骤S201获取的数据通过能源生命周期法计算得到基础碳排放因子。
出于碳普惠公平性的考虑,基础碳排放因子的计算过程中应考虑个人意愿的公平性。在接近的时间段,相同的起终点,个人选择相同的出行方式所产生的碳排放值应该是相同的。
对于公共交通,因为个人无法选择所乘坐的公共交通的能源类型,所以公共交通的基础碳排放因子按照该公共交通中各能源类型车辆占比计算加权平均值。
而对于私家车等非公共交通方式,由于个人在选择车辆的过程中已经体现了个人意愿,因此直接使用对应能源类型车辆的基础碳排放因子。
具体地,对于包括燃油汽车、天然气汽车在内的采用化学能源的车辆,其碳排放为行驶过程中消耗的能源产生的碳排放。
对于包括电力汽车、纯电力车在内的采用电能的车辆,它们在运行过程中不会直接产生碳排放。本发明中按照其行驶过程中消耗的电能在生产过程中产生的碳排放作为该车辆的碳排放。
需要说明的是,电能在生产过程中产生的碳排放与所在城市的发电方式有较大关系,风电、水电产生的碳排放远小于火电的碳排放,具体取值需根据目标城市的实际电能构成比例加权计算。
步骤S3,计算交通网格信息时空分布:根据道路建设信息,分割城市区域为若干个网格;根据历史交通数据,计算各网格在各个时段对应的平均车速;
进一步地,所述步骤S3具体包括以下步骤:
步骤S301,划分空间网格;
交通碳排放在空间上受道路坡度、道路长度等道路基础参数影响,且道路的基础参数随着地形等存在差异,因此通过将城市划分为网格,建立道路编码、提取道路基础参数。本实例中,将城市区域划分为1km×1km的网格,建立网格内路段信息表,所述网格内路段信息表内包含网格坐标、路段编号、路段长度、路段坡度。
步骤S302,计算平均车速时空分布;
车辆碳排放受车速影响较大,但实时获取所有车辆的车速是不现实的,因此本实例通过路段平均速度来近似车辆通过该路段的速度。
本实例将时空分布分为工作日分布和节假日分布两部分,对于每个部分,计算各出行方式前一段时间内(如一个月)在工作日/节假日某时段通过某网格路段的空间平均速度,并计算该出行方式所有车辆的平均速度。本发明中采用历史出行链数据计算平均速度,也可根据实际情况通过路网信息、卡口数据、视频监控、实际测量等方式获取平均速度信息。
特别地,所述步骤S3还包括:
当出行方式为公共交通方式时,还需计算各时段对应的平均载客率:公共交通工具的人均碳排放受载客人数影响,载客人数越高,人均碳排放量越低。针对个人出行链碳排放时,仅计算该乘客个人的碳排放量,即所乘坐的公共交通在该时段、该路段的人均碳排放量。对于公共汽车、地铁等出行方式,可直接计算某车辆在某时刻、某两站点之间的载客数。数据不足的情况下,也可采用某时段某种公共交通在某区域内的平均载客数。
步骤S4,根据网格对应的道路建设信息,计算碳排放修正因子。
(A)计算速度-坡度修正因子:
车辆的碳排放与行驶速度和坡度相关。本发明使用Passenger Car and HeavyDuty Emission Model(PHEM)模型,对不同出行方式和能源类型车辆的工况进行模拟,获得其在不同速度-坡度下的碳排放数据,并将该数据与相应的基础碳排放因子相除,计算不同速度-坡度的修正因子,拟合修正因子与速度-坡度的函数曲线。在不同坡度值下,将车辆的速度输入到速度-坡度的函数曲线中,即可得到相应的修正因子。
(B)计算载客率修正因子:
对于个人出行链碳排放量的计算,当中途使用了公共交通时,需要用公共交通人均碳排放量来计算个人的碳排放量。对于公共交通来说,人均碳排放量与车辆载客人数成反比。载客率修正因子即为载客人数的倒数。
步骤S5,将个人单次出行的出行链按照出行方式进行分段,根据每段行程途径的网格和时间,基于车速-坡度时空分布和碳排放修正因子计算各段碳排放,并将各段碳排放求和计算出行链碳排放。
具体地,所述步骤S5具体包括以下步骤:
对于一条完整的个人出行链,首先将出行链按照出行方式划分成多个部分。对于每个部分,将其进一步拆分为途经的网格和路段,并记录网格与路段编号和途经每条网格路段的时间。根据出行方式、路段和时间,在(3)中获得的车速-坡度时空分布和载客数时空分布中找到对应的速度和载客人数数据,代入到(4)中计算修正因子。进一步地,将路段长度、基础碳排放因子和修正因子相乘,得到单个网格路段的碳排放量,再将该出行方式途经的各个网格路段的碳排放量求和,得到出行链中某出行方式的碳排放量。最后,将各出行方式碳排放量求和,即可得到单条出行链中的碳排放量。
步骤S6,网格路段级碳排放计算:将所有个人出行链碳排放分配至途经某网格的路段上,并进行聚合,计算网格内单个路段在单位时间内产生的总碳排放量;
进一步地,所述步骤S6具体包括:
计算网格内单个路段的碳排放量:将途经同一网格的同一路段的所有出行链在对应网格路段的碳排放量求和,即可计算网格该路段的总碳排放量。根据不同的精度要求,可以按不同的时间粒度求和,将路段碳排放量按照产生的时间进行划分,计算每天、每小时乃至每分钟的路段碳排放。
步骤S7,网格级碳排放计算:将网格路段碳排放按照所属网格进行聚合,计算网格内所有路段在单位时间内产生的总碳排放量;
进一步地,所述步骤S7具体包括:
计算单条出行链中单个网格路段的碳排放量:将同一网格中所有路段的碳排放量求和,即可计算网格的总碳排放量。根据不同的精度要求,也可以按不同的时间粒度求和,将网格碳排放量按照产生的时间进行划分,计算每天、每小时乃至每分钟的网格碳排放。
步骤S8,区域级碳排放计算:将网格碳排放按照网格所在区域进行聚合,计算区域在单位时间内产生的碳排放总量。
进一步地,所述步骤S8具体包括:
计算网格碳排放总量:可根据网格所在区域/城市进行进一步求和,计算区域/城市的碳排放。同样,可根据不同的时间粒度需求,计算不同时间段内区域/城市的总体客运交通碳排放量。
实施例1
总体流程分为8个方面:出行方式划分、基础碳排放因子计算、交通网格信息时空分布计算、碳排放修正因子计算、个人出行链碳排放计算、网格路段级碳排放计算、网格级碳排放计算、区域级碳排放计算。
该方法利用能源生命周期模型,对基于个人出行链的碳排放量进行计算。方法包括七个部分:出行方式划分、基础碳排放因子计算、交通网格信息时空分布计算、碳排放修正因子计算、个人出行链碳排放计算、网格路段级碳排放计算、网格级碳排放计算、区域级碳排放计算。出行方式划分用于区分不同计算方法的适用范围,为后续碳排放计算奠定基础。基础碳排放因子用作碳排放计算的基础和缺少修正条件时的缺省值。交通网格信息时空分布计算用于归纳路况信息,提供基础道路设施特征参数,提升发明的可用性。碳排放修正因子计算用于针对不同路况条件对碳排放值进行调整,提升方法的准确性。对于个人出行链碳排放计算,该方法用前序条件计算出各路段、各出行方式的碳排放量,聚合得到个人出行链碳排放量,网格路段级碳排放计算、网格级碳排放计算、区域级碳排放计算则是在个人出行链计算基础上进行的成果展示。
步骤S1,划分出行方式。
根据交通工具的不同,将出行方式划分为:私家车(编号1)、出租车/网约车(编号2)、公共汽车(编号3)、轨道交通(编号4)、电瓶车(编号5)、自行车(编号6)、步行(编号7)和其他出行方式。因其他出行方式占有比例较小,本实例不考虑其他出行方式的碳排放计算。
根据能源类型的不同,将私家车进一步分为燃油汽车、电力汽车和混合动力汽车。将出租车/网约车进一步分为燃油汽车、电力汽车、天然气汽车和混合动力汽车。将公共汽车进一步分为柴油公共汽车、电力公共汽车和混合动力公共汽车。轨道交通和电瓶车为纯电力车,自行车和步行为无动力汽车。
步骤S2,计算基础碳排放因子。
首先,针对步骤S1中提到的能源类型,根据各地区不同的能源生产方式,查阅相应的能源碳排放因子EF汽油,EF柴油,EF天然气,EF电力,EF混合(油电),EF混合(气电),EF混合(柴电)。其中,EF汽油,EF柴油,EF天然气相对固定,EF电力的值与当地的发电能源方式占比有关。发电方式包括火电、风电、水电、核电等,需根据当地不同发电方式对应的比例进行计算。
EF电力=α·EF火电+β·F风电+γ·F水电+δ·F核电+…
其中,α,β,γ,δ代表相应发电方式在电能生产中所占的比例,EF为相应发电方式的碳排放因子。
对于混合动力来说,其基础碳排放因子并不固定,可根据当地的实际使用情况进行计算。以油电混动车为例:
EF混合(油电)=ε·EF汽油+∈·EF电力
其中,ε,∈代表相应能源类型在汽车使用过程中所占的比例。
在私家车的碳排放因子的计算中,因为个人在购买车辆时可以决定车辆的能源类型,间接地表达了个人的出行意愿,因此私家车直接根据对应的能源类型计算基础排放因子。
EF1,油=EF汽油·W1,油
EF1,电=EF电力·W1,电
EF1,混=EF混合(油电)·W1,混
其中,W代表汽车的能耗(单位:L/km(汽油、油电),kWh/km(电力))。
需要说明的是,出租车/网约车的碳排放计算方式与私家车不同,出于公平性的角度考虑,在其余条件(时间、距离等)相同的情况下,选择出租车/网约车出行的个人,所产生的碳排放应该是相同的。但事实上,个人无法选择乘坐的出租车/网约车的能源类型,若因此产生较大的碳排放差异,则会影响其公平性。因此此处采取按照车型比例加权平均后的基础平均排放因子作为最终的基础排放因子。而出于准确性的角度考虑,这样的计算方式虽然会影响单条出行链碳排放计算的准确性,但在区域碳足迹量化时,平均排放因子产生的误差可以被消除,因此在误差允许的范围内,此计算方法满足准确性的要求。出于同样的考量,后续的公交车计算中排放因子也采取了同样的计算方式。
EF2,油=EF汽油·W2,油
EF2,电=EF电力·W2,电
EF2,气=EF气·W2,气
EF2,混=EF混合(气电)·W2,混
EF2=EF2,油·P2,油+EF2,电·P2,电
+EF2,气·P2,气+EF2,混·P2,混
其中,P2,油、P2,电、P2,气、P2,混代表使用对应能源类型的车辆的比例。
进一步地,公交车的基础碳排放因子的计算与出租车类似,因个人无法选择交通工具的能源类型,采用对各能源类型车辆基础碳排放因子加权平均的方式计算碳排放因子。
EF3,柴=EF柴油·W3,柴
EF3,电=EF电力·W3,电
EF3,混=EF混合(柴电)·W3,混
EF3=EF3,柴·P3,柴+EF3,电·P3,电+EF3,混·P3,混
其中,P3,柴、P3,电、P3,混代表使用对应能源类型的车辆的比例。
进一步地,轨道交通和电瓶车完全采用电力能源,使用电能生产的碳排放因子与交通工具能耗计算。需要注意的是,在计算轨道交通的碳排放时,轨道车站的电能消耗也应考虑在交通工具能耗中。
EF4,电=EF电力·W4,电
EF5,电=EF电力·W5,电
其中,自行车和步行作为绿色出行方式,不采用其余能源供应,除维持人体生命活动外,不会产生额外的碳排放。其基础碳排放因子为0。
EF6=EF7=0
步骤S3,计算交通网格信息时空分布。
计算空间划分网格:将区域划分为1km×1km的网格,分别建立网格内路段信息表,信息表内包含网格坐标G(i,j)、路段编号(r)、路段长度(lr)、路段平均坡度(g)。
计算各网格内各路段各时段的平均速度:将历史一个月(或更长时间)的出行链数据,按照工作日和休息日区分。根据出行链中记录的途经网格编号与路段编号和总出行时间,查询路段长度信息,并计算各出行方式在各网格内各路段的平均速度。在计算过程中,可根据不同时间颗粒度进行划分,如每小时的道路平均速度计算公式为:
其中,G代表网格(i,j)其中i与j分别为横轴编号和纵轴编号,n代表出行方式,r代表路段编号,vn,G,r代表对应出行方式在对应网格内对应路段的平均速度,k代表途径该路段的车辆总数,lr代表路段长度,tk代表车辆途径该路段的时间。
地铁的计算与之不同,其运行时间和运行速度相对固定,速度可直接由站点距离和通行时间计算。
其中,p代表站点间路段编号,p代表站点间路段长度,tp代表站点间的通行时间。
计算公共交通于各网格中各路段间的平均载客人数:因为出行链数据缺少公共交通站点信息,所以载客人数也按照网格路段计算。各网格内各路段平均载客人数计算公式如下:
其中,代表某网格内某路段某出行方式平均载客人数,Pn,G,r代表单辆公共车辆在该网格内该路段的载客人数,kn,G,r该网格内该路段上该出行方式的车辆总数。平均载客人数也可以根据时间颗粒度进行划分,用于后续计算。
步骤S4,计算碳排放修正因子。
速度-坡度修正因子计算:速度-坡度修正因子通过Passenger Car and HeavyDuty Emission Model(PHEM)模型对不同出行方式在不同坡度和运行速度下的碳排放进行模拟,根据模拟结果拟合曲线。速度-坡度修正因子的计算公式为:
其中,ρ,σ,τ,ω为曲线拟合的参数,v为车辆的速度,g为路段坡度。
载客率修正因子计算:载客率修正因子为载客人数的倒数,即
步骤S5,计算个人出行链碳排放。
个人出行链可根据出行方式划分成多个部分,并将每种出行方式划分为多个网格上的路段。为了简化计算难度,并保证计算的公平性,在个人出行链的碳排放的计算过程中,车辆在某网格某路段上的速度和载客数将使用3中统计的路段平均速度和平均载客人数替换。单个出行方式在某个网格的某个路段上的碳排放为:
其中,
其中代表某种出行方式在某个网格的某个路段上的碳排放,/>代表该出行方式在该网格的该路段通过的总路程。
个人出行链的总碳排放为:
所述方法还包括:
网格路段级碳排放计算:
网格路段级碳排放在个人出行链的基础上,对网格内各路段的碳排放分别进行求和得到。即:
网格碳排放计算:
网格碳排放在网格路段级碳排放的基础上,对该网格内的各路段的碳排放进行求和。即:
EG=∑rEr
区域级碳排放计算:
区域级碳排放则是在单网格碳排放的基础上,进一步将隶属于同一区域的所有网格碳排放求和,即:
E=∑GEG
网格路段级、网格级和区域级碳排放的计算都可以进一步考虑时间因素,按照时间粒度进行求和。
相应的,本申请还提供一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述的基于个人出行链的碳排放计算方法。如图3所示,为本发明实施例提供的基于个人出行链的碳排放计算方法所在任意具备数据处理能力的设备的一种硬件结构图,除了图3所示的处理器、内存以及网络接口之外,实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能,还可以包括其他硬件,对此不再赘述。
相应的,本申请还提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如上述的基于个人出行链的碳排放计算方法。所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元,例如硬盘或内存。所述计算机可读存储介质也可以是外部存储设备,例如所述设备上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、SD卡、闪存卡(Flash Card)等。进一步的,所述计算机可读存储介还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据,还可以用于暂时地存储已经输出或者将要输出的数据。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (9)
1.一种基于个人出行链的碳排放计算方法,其特征在于,所述方法包括:
S1,将个人单次出行的出行链划分出行方式及其能源类型;
S2,根据能源生命周期法分别计算各出行方式及其能源类型对应的基础碳排放因子;
S3,将城市区域划分为若干个网格;根据历史交通数据,计算各网格对应的车速-坡度时空分布;
S4,根据网格对应的道路建设信息,计算碳排放修正因子;所述碳排放修正因子包括计算速度-坡度修正因子和载客率修正因子;其中,计算速度-坡度修正因子包括:使用PHEM模型,对不同出行方式和能源类型车辆的工况进行模拟,获得其在不同速度-坡度下的碳排放数据,并将其与相应的基础碳排放因子相除,得到不同速度-坡度的修正因子;计算载客率修正因子包括:当出行方式为公共交通方式时,人均碳排放量与车辆载客人数成反比,将载客人数的倒数作为载客率修正因子;
S5,根据每段行程途径的网格和时间,基于车速-坡度时空分布和碳排放修正因子计算个人出行链中各段碳排放,并将各段碳排放求和计算个人出行链碳排放。
2.根据权利要求1所述的基于个人出行链的碳排放计算方法,其特征在于,划分出行方式及其能源类型包括:
所述出行方式包括私家车、出租车/网约车、公共汽车、轨道交通、电瓶车、自行车、步行;
对出行方式按照能源类型进行划分,具体地,将私家车划分为燃油汽车、电力汽车和混合动力汽车;将出租车/网约车划分为燃油汽车、电力汽车、天然气汽车和混合动力汽车;将公共汽车划分为柴油公共汽车、电力公共汽车和混合动力公共汽车;将轨道交通、电瓶车划分为纯电力车;将自行车、步行划分为无动力汽车。
3.根据权利要求1或2所述的基于个人出行链的碳排放计算方法,其特征在于,根据划分的出行方式及其能源类型和对应的能耗,利用能源生命周期法计算基础碳排放因子包括:
对于包括燃油汽车、天然气汽车在内的采用化学能源的车辆,将车辆行驶过程中消耗的能源产生的碳排放作为该车辆的基础碳排放因子;
对于包括电力汽车、纯电力车在内的采用电能的车辆,将车辆行驶过程中消耗的电能在生产过程中产生的碳排放作为该车辆的基础碳排放因子;
对于包括公共汽车、轨道交通在内的公共交通,将该公共交通中各能源类型车辆占比计算加权平均值该公共交通的基础碳排放因子。
4.根据权利要求1所述的基于个人出行链的碳排放计算方法,其特征在于,将城市区域划分为若干个网格包括:
根据道路坡度、道路长度在内的道路建设信息,将城市区域为若干个网格;并构建网格内路段信息表,所述网格内路段信息表包含网格坐标、路段编号、路段长度、路段坡度。
5.根据权利要求1所述的基于个人出行链的碳排放计算方法,其特征在于,所述步骤S3中根据历史交通数据,计算各网格对应的平均车速时空分布包括:
将时空分布分为工作日分布和节假日分布两部分;对于工作日分布或节假日分布部分,计算各出行方式单位时间段内在工作日或节假日某时段通过某网格路段的空间平均速度,并计算各出行方式所有车辆的平均速度;
所述步骤S3还包括:
当出行方式为公共交通方式时,计算在某时刻、某两站点之间的载客数,计算在某网格内各时段对应的平均载客率。
6.根据权利要求1所述的基于个人出行链的碳排放计算方法,其特征在于,所述步骤S5具体包括:
根据每段行程途径的网格和时间,基于车速-坡度时空分布获取路段平均速度,将路段长度、基础碳排放因子和碳排放修正因子相差,得到单个网格的碳排放量;
将某一出行方式途经的各个网格路段的碳排放量求和,得到出行链中某一出行方式的碳排放量;
将各出行方式碳排放量求和,即可得到单条出行链中的碳排放量。
7.根据权利要求1所述的基于个人出行链的碳排放计算方法,其特征在于,所述方法还包括:
将所有个人出行链碳排放分配至途经某网格的路段上,并将网格内各路段的碳排放分别进行聚合,计算网格内各路段在单位时间内产生的总碳排放量;
将路段碳排放按照所属网格进行聚合,计算网格内所有路段在单位时间内产生的总碳排放量;
将网格碳排放按照网格所在区域进行聚合,计算区域在单位时间内产生的碳排放总量。
8.一种电子设备,包括存储器和处理器,其特征在于,所述存储器与所述处理器耦接;其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现上述权利要求1-7任一项所述的基于个人出行链的碳排放计算方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的基于个人出行链的碳排放计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310433156.8A CN116681323B (zh) | 2023-04-20 | 2023-04-20 | 基于个人出行链的碳排放计算方法、电子设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310433156.8A CN116681323B (zh) | 2023-04-20 | 2023-04-20 | 基于个人出行链的碳排放计算方法、电子设备、介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116681323A CN116681323A (zh) | 2023-09-01 |
CN116681323B true CN116681323B (zh) | 2023-12-05 |
Family
ID=87786106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310433156.8A Active CN116681323B (zh) | 2023-04-20 | 2023-04-20 | 基于个人出行链的碳排放计算方法、电子设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116681323B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741595A (zh) * | 2018-12-07 | 2019-05-10 | 东南大学 | 一种城市配送车辆出行仿真方法及系统 |
CN112434116A (zh) * | 2020-09-09 | 2021-03-02 | 北京交通发展研究院 | 基于出行链大数据的低碳出行碳减排量核验方法及系统 |
CN113628086A (zh) * | 2021-08-12 | 2021-11-09 | 深圳市明睿数据科技有限公司 | 个人碳排放计算方法、装置、设备与计算机可读存储介质 |
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 |
-
2023
- 2023-04-20 CN CN202310433156.8A patent/CN116681323B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741595A (zh) * | 2018-12-07 | 2019-05-10 | 东南大学 | 一种城市配送车辆出行仿真方法及系统 |
CN112434116A (zh) * | 2020-09-09 | 2021-03-02 | 北京交通发展研究院 | 基于出行链大数据的低碳出行碳减排量核验方法及系统 |
CN113628086A (zh) * | 2021-08-12 | 2021-11-09 | 深圳市明睿数据科技有限公司 | 个人碳排放计算方法、装置、设备与计算机可读存储介质 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN116681323A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ji et al. | Trip energy consumption estimation for electric buses | |
Gallet et al. | Estimation of the energy demand of electric buses based on real-world data for large-scale public transport networks | |
Martinez et al. | Assessing the impacts of deploying a shared self-driving urban mobility system: An agent-based model applied to the city of Lisbon, Portugal | |
Sadri et al. | General procedure for long-term energy-environmental planning for transportation sector of developing countries with limited data based on LEAP (long-range energy alternative planning) and EnergyPLAN | |
Cai et al. | Estimates of China's national and regional transport sector CO2 emissions in 2007 | |
Zhao et al. | Pricing for private charging pile sharing considering EV consumers based on non-cooperative game model | |
Hou et al. | Comprehensive analysis method of determining global long-term GHG mitigation potential of passenger battery electric vehicles | |
Fontes et al. | Are HOV/eco-lanes a sustainable option to reducing emissions in a medium-sized European city? | |
Hao et al. | Plug-in hybrid electric vehicle utility factor in China cities: Influencing factors, empirical research, and energy and environmental application | |
CN105354786A (zh) | 一种基于碳减排的城市轨道交通环境效益量化方法 | |
Zhang et al. | Vehicle emission inventories projection based on dynamic emission factors: a case study of Hangzhou, China | |
Yu et al. | Reducing carbon emission of pickup and delivery using integrated scheduling | |
Tsoi et al. | Pioneers of electric mobility: Lessons about transport decarbonisation from two bay areas | |
CN106530180A (zh) | 一种高寒地区充电服务网络规划方法 | |
CN111861086B (zh) | 一种资源配置方法和系统 | |
Lim et al. | Review of the energy forecasting and scheduling model for electric buses | |
Wang et al. | Trade-off between environmental benefits and time costs for public bicycles: An empirical analysis using streaming data in China | |
Fournier et al. | Individual mobility by shared autonomous electric vehicle fleets: Cost and CO 2 comparison with internal combustion engine vehicles in Berlin, Germany | |
Middela et al. | Complete LCA of battery electric and conventional fuel vehicles for freight trips | |
Feng et al. | Choices of intercity multimodal passenger travel modes | |
Yang et al. | Data-driven analysis of battery electric vehicle energy consumption under real-world temperature conditions | |
Lefeng et al. | External benefits calculation of sharing electric vehicles in case of Chongqing China | |
CN116187871B (zh) | 一种基于多源数据的公路货运交通模型构建方法 | |
CN116681323B (zh) | 基于个人出行链的碳排放计算方法、电子设备、介质 | |
Kikuchi et al. | Possibility to realize low carbon city in medium-sized city of Asia: case study in Khon Kaen city, Thailand |
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 |