CN116777120B - 一种基于路网od对的城市道路移动源碳排放计算方法 - Google Patents
一种基于路网od对的城市道路移动源碳排放计算方法 Download PDFInfo
- Publication number
- CN116777120B CN116777120B CN202311031845.2A CN202311031845A CN116777120B CN 116777120 B CN116777120 B CN 116777120B CN 202311031845 A CN202311031845 A CN 202311031845A CN 116777120 B CN116777120 B CN 116777120B
- Authority
- CN
- China
- Prior art keywords
- road
- representing
- matrix
- carbon emission
- planning model
- 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 35
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 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
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及碳排放技术领域，公开了一种基于路网OD对的城市道路移动源碳排放计算方法，包括以下步骤：根据不同车型的路网先验OD信息、路段观测流量信息对OD矩阵进行估计；基于交通路网中的监测设备获取车辆在OD对之间的平均行驶时间及平均行驶速度；计算城市道路移动源整体碳排放量。本发明考虑不同OD对之间的平均行驶速度来获取碳排放因子，可提升城市路网碳排放量核算的准确；同时，不同OD对由于起点和终点的功能不同，所行驶的车辆类型和比例也存在差别，本发明将不同车型分别进行计算，更进一步提高了计算结果的准确性。
Description
技术领域
本发明涉及碳排放技术领域，具体涉及一种基于路网OD对的城市道路移动源碳排放计算方法。
背景技术
交通运输行业是仅次于发电行业和供热行业的碳排放重要来源，在交通运输行业推行碳减排是应对气候变化挑战的有效措施。对于城市区域而言，由于重污染企业的迁出和机动车保有量的连年攀升，降低城市道路交通碳排放成为城市碳减排的主要手段。
为制定科学合理的碳减排措施，对城市道路交通碳排放量的准确计算可为相关部门提供数据支持，并可对减碳措施的实施效果进行评估。
由于交通路网的结构复杂性及机动车的移动排放特性，与工业等固定源排放相比，道路移动碳源排放的测量难度更大。现有的交通碳排放估算方法可分为自上而下和自下而上两种类型，其中自上而下的方法基于能耗和能量转换因子计算碳排放，该种方法计算简单，适用于较广泛的空间测量范围，但可能会低估实际能耗，且会因能源碳排放因子的不准确导致测量结果偏差大；自下而上的方法通过车辆类型、保有量、行驶里程、单位里程燃烧能耗来计算交通碳排放，一方面该方法用车辆保有量作为路网中实际行驶的车辆数量，忽略了未上路车辆，另一方面该方法没有考虑到在路车辆不同行驶速度对其碳排放量的影响，因此会导致计算结果的不准确。
路网OD(Origin Destination：出行起终点)数据通常用于表征在特定区域和特定时段内，各类车辆从不同起点前往不同终点的出行总量，通常使用二维表格或矩阵反映区域内公路交通出行时空分布情况，对于区域公路网规划、运行管理、项目建设和政策制定等方面具有重要参考价值。
发明内容
为解决上述技术问题，本发明提供一种基于路网OD对的城市道路移动源碳排放计算方法。
为解决上述技术问题，本发明采用如下技术方案：
一种基于路网OD对的城市道路移动源碳排放计算方法，包括以下步骤：
步骤一，根据不同车型的路网先验OD信息、路段观测流量信息对OD矩阵进行估计：
对于车型，/>表示车型数量，建立OD矩阵估计双层规划模型，双层规划模型包括上层规划模型和下层规划模型：
上层规划模型：
；
；
；
下层规划模型：
；
；
；
其中，表示上层规划模型的目标函数，/>表示待估计的车型的OD矩阵，OD矩阵的元素/>表示从/>交通分区到/>交通分区的OD量，/>，/>为交通分区数量；上标/>表示转置，上标/>表示矩阵的逆，/>表示按/>分配的交通量向量，/>表示先验OD矩阵，/>为路段观测交通量向量，/>和/>分别表示OD先验矩阵和路段观测流量的随机误差的协方差矩阵，表示路段阻抗函数，/>为与/>对应的用户均衡流量可行解的集合，/>表示/>中一个可行解；/>表示/>经过路段/>的比例；/>为/>的第a个元素，表示路段/>的交通量；，/>表示路段集合，/>表示路段/>的路段阻抗函数；
对双层规划模型进行数值求解，得到各车型的估计OD矩阵；
步骤二，基于交通路网中的监测设备获取车辆在OD对之间的平均行驶时间及平均行驶速度；
步骤三：计算城市道路移动源整体碳排放量：
；
其中，表示第i个OD对之间车型/>的双向车流量，/>表示第i个OD对之间车型/>的二氧化碳排放因子，/>表示第i个OD对之间的平均行驶速度，/>表示第i个OD对之间的平均行驶时间，/>，/>。
进一步地，步骤一中求解双层规划模型，得到各车型的估计OD矩阵时，具体包括：
步骤一A：令迭代次数k=1，随机产生若干个上层规划方案，上层规划方案中满足约束条件的作为初始种群中的个体，设个体数量为n，分别记为；
步骤一B：将种群中的任意一个体,i=1,2,…,n，代入下层规划模型中得到下层规划模型的解/>；
步骤一C：通过适应度函数计算的适应度，适应度函数为上层规划模型的目标函数/>；
步骤一D：根据步骤一C计算的适应度对初始种群中的个体进行淘汰，选择出父代；
步骤一E：分别对父代进行交叉和变异，产生新一代种群中的n个个体；
步骤一F：当k达到预先设定的最大迭代次数时，输出最优解；否则令k=k+1，转到步骤一B。
与现有技术相比，本发明的有益技术效果是：
本发明提出一种基于路网OD对的道路移动源碳排放计算方法，由于不同OD对的道路状况、交通流量等条件不同，导致其平均行驶速度会相差较大，因此本发明考虑不同OD对之间的平均行驶速度来获取碳排放因子，可提升城市路网碳排放量核算的准确；同时，不同OD对由于起点和终点的功能不同，所行驶的车辆类型和比例也存在差别，本发明将不同车型分别进行计算，更进一步提高了计算结果的准确性。
附图说明
图1为本发明中城市道路移动源碳排放计算方法的流程示意图。
具体实施方式
下面结合附图对本发明的一种优选实施方式作详细的说明。
本发明中的基于路网OD对的城市道路移动源碳排放计算方法，包括以下步骤：
S1，根据不同车型的路网先验OD信息、路段观测流量信息进行OD矩阵的估计，具体包括：
对于车型，/>表示车型数量，建立OD矩阵估计双层规划模型：
上层规划模型：
；
；
；
下层规划模型：
；
；
；
其中，路网先验OD信息包括OD先验矩阵，表示上层规划模型的目标函数，/>表示待估计的该车型OD矩阵，其元素/>表示从/>区到/>区的OD量，/>，/>为交通分区数量；上标/>表示转置，/>表示按/>分配的交通量向量，/>表示先验OD矩阵，/>为路段观测交通量向量，/>和/>分别表示OD先验矩阵和路段观测流量的随机误差的协方差矩阵，/>表示路段阻抗函数，/>为与/>对应的用户均衡流量可行解的集合，/>表示其中一个可行解；表示/>经过路段/>的比例，一般采用交通分配模型获取；/>为/>的第a个元素，表示路段/>的交通量，/>，/>表示路段集合，/>表示路段/>的路段阻抗函数，可采用BPR函数、Davidson函数等。
采用如下方法进行模型数值求解，得到各车型的估计OD矩阵；对于车型j的OD矩阵估计双层规划模型，具体包括以下步骤：
S1A：令k=1，随机产生若干个上层规划方案，其中满足约束条件的作为初始种群中的个体，设个体数量为n，分别记为。
S1B：对任一个体,i=1,2,…,n，代入下层规划模型中得到下层规划模型的解/>。
S1C：通过适应度函数计算的适应度，适应度函数为上层规划模型的目标函数。
S1D：根据步骤S1C计算的适应度进行淘汰，选择出父代。
S1E：分别对父代进行交叉和变异，产生新一代的n个个体。
S1F：当k达到预先设定的最大迭代次数时终止算法，输出最优解；否则令k=k+1，转到步骤S1B。
S2，基于交通路网中的摄像头等监测设备获取车辆在OD对之间的平均行驶时间及平均行驶速度。
OD对（origin-destination pairs）指的是路网上起点和终点组成的点对。
S3，由如下公式计算城市道路移动源整体碳排放量：
；
其中，表示第i个OD对之间车型/>的双向车流量；/>表示第i个OD对之间车型/>的二氧化碳排放因子，单位为g/km，/>可通过MOVES模型经过参数值本地化修正后得到；/>表示第i个OD对之间的平均行驶速度，单位为km/h；/>表示第i个OD对之间的平均行驶时间，单位为h；/>，/>。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立技术方案，说明书的这种叙述方式仅仅是为了清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (2)
1.一种基于路网OD对的城市道路移动源碳排放计算方法，包括以下步骤：
步骤一，根据不同车型的路网先验OD信息、路段观测流量信息对OD矩阵进行估计：
对于车型，/>表示车型数量，建立OD矩阵估计双层规划模型，双层规划模型包括上层规划模型和下层规划模型：
上层规划模型：
；
；
；
下层规划模型：
；
；
；
其中，表示上层规划模型的目标函数，/>表示待估计的车型的OD矩阵，OD矩阵的元素表示从/>交通分区到/>交通分区的OD量，/>，/>为交通分区数量；上标/>表示转置，上标/>表示矩阵的逆，/>表示按/>分配的交通量向量，/>表示先验OD矩阵，/>为路段观测交通量向量，/>和/>分别表示OD先验矩阵和路段观测流量的随机误差的协方差矩阵，/>表示路段阻抗函数，/>为与/>对应的用户均衡流量可行解的集合，/>表示/>中一个可行解；/>表示/>经过路段/>的比例；/>为/>的第a个元素，表示路段/>的交通量；/>，/>表示路段集合，/>表示路段/>的路段阻抗函数；
对双层规划模型进行数值求解，得到各车型的估计OD矩阵；
步骤二，基于交通路网中的监测设备获取车辆在OD对之间的平均行驶时间及平均行驶速度；
步骤三：计算城市道路移动源整体碳排放量：
；
其中，表示第i个OD对之间车型/>的双向车流量，/>表示第i个OD对之间车型/>的二氧化碳排放因子，/>表示第i个OD对之间的平均行驶速度，/>表示第i个OD对之间的平均行驶时间，/>，/>。
2.根据权利要求1所述的基于路网OD对的城市道路移动源碳排放计算方法，其特征在于，步骤一中求解双层规划模型，得到各车型的估计OD矩阵时，具体包括：
步骤一A：令迭代次数k=1，随机产生若干个上层规划方案，上层规划方案中满足约束条件的作为初始种群中的个体，设个体数量为n，分别记为；
步骤一B：将种群中的任意一个体,i=1,2,…,n，代入下层规划模型中得到下层规划模型的解/>；
步骤一C：通过适应度函数计算的适应度，适应度函数为上层规划模型的目标函数；
步骤一D：根据步骤一C计算的适应度对初始种群中的个体进行淘汰，选择出父代；
步骤一E：分别对父代进行交叉和变异，产生新一代种群中的n个个体；
步骤一F：当k达到预先设定的最大迭代次数时，输出最优解；否则令k=k+1，转到步骤一B。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311031845.2A CN116777120B (zh) | 2023-08-16 | 2023-08-16 | 一种基于路网od对的城市道路移动源碳排放计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311031845.2A CN116777120B (zh) | 2023-08-16 | 2023-08-16 | 一种基于路网od对的城市道路移动源碳排放计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116777120A CN116777120A (zh) | 2023-09-19 |
| CN116777120B true CN116777120B (zh) | 2023-10-27 |
Family
ID=88013712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311031845.2A Active CN116777120B (zh) | 2023-08-16 | 2023-08-16 | 一种基于路网od对的城市道路移动源碳排放计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116777120B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009099771A1 (en) * | 2008-02-07 | 2009-08-13 | General Electric Company | Method for optimized fuel efficiency, emissions output, and mission performance of a powered system |
| CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
| WO2018122806A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于行程时间分布的多模态交通异常检测方法 |
| CN108647835A (zh) * | 2018-05-18 | 2018-10-12 | 东南大学 | 基于设计速度的城市离散交通网络设计r语言实现方法 |
| CN108804801A (zh) * | 2018-05-25 | 2018-11-13 | 东南大学 | 基于目标配流的城市离散交通网络设计r语言实现方法 |
| CN110909434A (zh) * | 2019-10-11 | 2020-03-24 | 东南大学 | 一种低碳导向下的城市公共交通干线网络设计方法 |
| CN112132264A (zh) * | 2020-09-11 | 2020-12-25 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 基于时空残差感知网络的区域尾气排放预测方法及系统 |
| CN113780794A (zh) * | 2021-09-02 | 2021-12-10 | 广州地铁设计研究院股份有限公司 | 一种快慢车模式下市域轨道交通开行方案综合评价方法 |
| CN114417614A (zh) * | 2022-01-20 | 2022-04-29 | 悉地（苏州）勘察设计顾问有限公司 | 一种中心城区机动车空间管控措施下碳排放减排测算方法 |
| CN115392629A (zh) * | 2022-07-11 | 2022-11-25 | 新疆新能集团有限责任公司乌鲁木齐电力建设调试所 | 一种基于改进svr的煤矸石发热量软测量方法 |
| CN115439956A (zh) * | 2022-09-01 | 2022-12-06 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 基于自监督表征网络的异常时序序列检测方法及存储介质 |
| CN115455681A (zh) * | 2022-09-02 | 2022-12-09 | 江苏城乡建设职业学院 | 一种面向多载运工具的通勤交通碳排放空间分布估算方法 |
| CN115545608A (zh) * | 2022-10-09 | 2022-12-30 | 合肥工业大学 | 基于不确定需求下的绿色物流车辆路径优化方法及应用 |
| CN116341753A (zh) * | 2023-04-06 | 2023-06-27 | 国网河南省电力公司经济技术研究院 | 一种使用机器学习对区域二氧化碳排放预测的方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110571789B (zh) * | 2018-06-06 | 2020-10-20 | 南京工程学院 | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 |
| US10242571B1 (en) * | 2018-08-02 | 2019-03-26 | Mapanything, Inc. | Utilizing determined optimized time windows for precomputing optimal path matrices to reduce computer resource usage |
| US11004333B2 (en) * | 2018-11-29 | 2021-05-11 | International Business Machines Corporation | Detecting influential factors for traffic congestion |
-
2023
- 2023-08-16 CN CN202311031845.2A patent/CN116777120B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009099771A1 (en) * | 2008-02-07 | 2009-08-13 | General Electric Company | Method for optimized fuel efficiency, emissions output, and mission performance of a powered system |
| WO2018122806A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于行程时间分布的多模态交通异常检测方法 |
| CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
| CN108647835A (zh) * | 2018-05-18 | 2018-10-12 | 东南大学 | 基于设计速度的城市离散交通网络设计r语言实现方法 |
| CN108804801A (zh) * | 2018-05-25 | 2018-11-13 | 东南大学 | 基于目标配流的城市离散交通网络设计r语言实现方法 |
| CN110909434A (zh) * | 2019-10-11 | 2020-03-24 | 东南大学 | 一种低碳导向下的城市公共交通干线网络设计方法 |
| CN112132264A (zh) * | 2020-09-11 | 2020-12-25 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 基于时空残差感知网络的区域尾气排放预测方法及系统 |
| CN113780794A (zh) * | 2021-09-02 | 2021-12-10 | 广州地铁设计研究院股份有限公司 | 一种快慢车模式下市域轨道交通开行方案综合评价方法 |
| CN114417614A (zh) * | 2022-01-20 | 2022-04-29 | 悉地（苏州）勘察设计顾问有限公司 | 一种中心城区机动车空间管控措施下碳排放减排测算方法 |
| CN115392629A (zh) * | 2022-07-11 | 2022-11-25 | 新疆新能集团有限责任公司乌鲁木齐电力建设调试所 | 一种基于改进svr的煤矸石发热量软测量方法 |
| CN115439956A (zh) * | 2022-09-01 | 2022-12-06 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 基于自监督表征网络的异常时序序列检测方法及存储介质 |
| CN115455681A (zh) * | 2022-09-02 | 2022-12-09 | 江苏城乡建设职业学院 | 一种面向多载运工具的通勤交通碳排放空间分布估算方法 |
| CN115545608A (zh) * | 2022-10-09 | 2022-12-30 | 合肥工业大学 | 基于不确定需求下的绿色物流车辆路径优化方法及应用 |
| CN116341753A (zh) * | 2023-04-06 | 2023-06-27 | 国网河南省电力公司经济技术研究院 | 一种使用机器学习对区域二氧化碳排放预测的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 深圳市主要道路交通碳排放特征与低碳交通发展情景研究;许晔等;;北京大学学报(自然科学版)(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116777120A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Impact of road gradient on energy consumption of electric vehicles | |
| CN105459842B (zh) | 电动汽车续航里程的估算方法 | |
| Boriboonsomsin et al. | Eco-routing navigation system based on multisource historical and real-time traffic information | |
| CN105489004B (zh) | 面向道路实时速度计算的卡口与浮动车数据融合方法 | |
| CN105865472A (zh) | 一种基于最佳油耗的车载导航方法 | |
| Levin et al. | Effect of road grade on networkwide vehicle energy consumption and ecorouting | |
| Ding et al. | Greenplanner: Planning personalized fuel-efficient driving routes using multi-sourced urban data | |
| Mamarikas et al. | Traffic impacts on energy consumption of electric and conventional vehicles | |
| CN103234544A (zh) | 电动汽车电量消耗因子模型建立及续驶里程估算方法 | |
| CN105006149B (zh) | 交通路况估计动态迭代方法 | |
| CN108776722A (zh) | 一种基于设计速度的城市离散交通网络设计方法 | |
| Liao | Generating Reliable Freight Performance Measures with Truck GPS Data: Case Study in Twin Cities Metropolitan Area, Minnesota | |
| JP2019046106A (ja) | 経路推定装置、経路推定方法およびコンピュータプログラム | |
| CN116777120B (zh) | 一种基于路网od对的城市道路移动源碳排放计算方法 | |
| Abdelaty et al. | A framework for BEB energy prediction using low-resolution open-source data-driven model | |
| Ji et al. | Research on carbon emission measurement of Shanghai expressway under the vision of peaking carbon emissions | |
| CN105788334A (zh) | 一种考虑驾驶者个人偏好的城市路径寻找方法 | |
| CN117128966B (zh) | 一种基于多因素耦合的车辆充电路径规划方法及设备 | |
| CN106781508B (zh) | 一种Spark环境下基于多重相空间的短时交通流预测方法 | |
| US20220292521A1 (en) | Computer-Assisted Method for Generating Training Data for a Neural Network for Predicting a Concentration of Pollutants | |
| CN117314263A (zh) | 一种电子工厂生产线布局的评价方法及装置 | |
| CN109358351B (zh) | 基于北斗定位的曲线路径动态车距测算方法 | |
| CN108053053A (zh) | 基于空间自回归模型的电动自行车非通勤出行预测方法 | |
| US20230184730A1 (en) | Computer-Assisted Method for Generating Training Data for a Neural Network for Predicting a Concentration of Pollutants at a Measuring Station | |
| CN106529118A (zh) | 一种基于二元语义ahp的智能汽车仿人转向操纵性能评价方法 |
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 |