CN117094868B - 公路碳排放量评估方法、装置及可读存储介质 - Google Patents
公路碳排放量评估方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN117094868B CN117094868B CN202311354233.7A CN202311354233A CN117094868B CN 117094868 B CN117094868 B CN 117094868B CN 202311354233 A CN202311354233 A CN 202311354233A CN 117094868 B CN117094868 B CN 117094868B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- highway
- fleet
- type
- fuel
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 74
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000000446 fuel Substances 0.000 claims abstract description 109
- 230000015572 biosynthetic process Effects 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000035699 permeability Effects 0.000 claims description 6
- 230000000452 restraining effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000004083 survival effect Effects 0.000 claims description 5
- 230000006872 improvement Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation 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
- 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
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本申请公开了一种公路碳排放量评估方法、装置及可读存储介质,包括:首先,预测公路运输车辆保有量并确定车队构成。然后,对新能源占有率、平均燃油消耗和平均行驶里程进行约束。最后,根据约束结果计算得到对应的公路碳排放量。如此设计,能够准确评估和管理公路车队的碳排放,通过对车辆更新迭代过程中的新能源占有率、平均燃油消耗和平均行驶里程进行约束,实现了对新能源车辆引入、车辆运输效率提高、车辆能源效率提升的节能减排效果的精细化定量评估,并最终有效降低公路交通对环境的影响效果,为制定交通绿色低碳政策提供科学依据。
Description
技术领域
本申请涉及环保节能领域,具体而言,涉及公路碳排放量评估方法、装置、计算机设备及可读存储介质。
背景技术
目前针对碳排放量的监控是行业关注的重点,但现有技术不能为公路绿色低碳转型提供充足的数据支持,且不能为公路运输制定碳排放规划提供系统科学的决策依据。
发明内容
本申请的目的在于提供一种公路碳排放量评估方法、装置、计算机设备及可读存储介质。
第一方面,本申请实施例体用一种公路碳排放量评估方法,包括:
获取预测公路运输车辆保有量;
基于所述预测公路运输车辆保有量,确定公路车队构成;
分别对所述公路车队构成针对新能源占有率、平均燃油消耗、平均行驶里程进行约束;
根据约束结果,计算得到公路车队构成对应的公路碳排放量。
在一种可能的实施方式中,所述获取预测公路运输车辆保有量,包括:通过公式计算乘用车辆保有量;
其中,为每千人车辆保有量,/>为每千人小型客车保有量的饱和值,GDP为在y目标年人均GDP,α和β为经验系数,α和β通过对历史保有量数据的拟合获得;
通过公式计算商用车车辆保有量;其中,AGDP为人均GDP,Invest为固定资产投资,m、n、c为经验系数;对所述乘用车辆保有量和所述商用车车辆保有量进行求和,得到所述预测公路运输车辆保有量。
在一种可能的实施方式中,所述基于所述预测公路运输车辆保有量,确定公路车队构成,包括:
通过公式计算公路车队构成;
其中,,VPy为目标年y年的预测公路运输车辆保有量,/>为y年车辆类型c,燃料类型f,车龄i的机动车车队保有量;/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的保有量;/>为车辆类型c,燃料类型f的机动车车队在车龄为i时的车队存活率,C为车辆类型总数,F为燃料类型总数,Y为目标年距今的年限差。
在一种可能的实施方式中,对所述公路车队构成针对新能源占有率进行约束,包括:
通过公式,对所述公路车队构成针对新能源占有率进行约束;其中,/>为y年车辆类型c,燃料类型为新能源的车辆在总车队中的占有率;/>为y年车辆类型c,燃料类型新能源,车龄i的机动车车队保有量,/>为y年车辆类型c车队总保有量;/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的新能源新车渗透率,渗透率为当年新车新能源车辆占总新车总量的比例。
在一种可能的实施方式中,对所述公路车队构成平均燃油消耗进行约束,包括:
通过公式所述公路车队构成平均燃油消耗进行约束;其中,/>,/>为y年车辆类型c,燃料类型f的车队平均燃料消耗;/>为燃料节约率,即通过车辆能效提升手段如车队智能编组等措施实现的燃料节约率;/>为y年车辆类型c,燃料类型f,车龄i的机动车车队保有量,/>为y年车辆类型c车队总保有量,/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的燃油消耗标准限值。
在一种可能的实施方式中,对所述公路车队构成针对平均行驶里程进行约束,包括:
通过公式对所述公路车队构成针对平均行驶里程进行约束;
其中,为y年车辆类型c,各燃料类型f机动车物理最大行驶里程;为y年车辆类型c,各燃料类型f,车龄i的机动车年均行驶里程。
在一种可能的实施方式中,所述根据约束结果,计算得到公路车队构成对应的公路碳排放量,包括:
通过公式,计算得到公路车队构成对应的公路碳排放量;
其中,为公路车队构成对应的公路碳排放量,/>为y年车辆类型c,各燃料类型f,车龄i的机动车保有量;/>为y年车辆类型c,各燃料类型f,车龄i的机动车年均行驶里程;/>为车辆类型c,燃料类型f,车龄i的机动车车队平均油耗;为y年各燃料类型f,g类排放气体的排放因子。
第二方面,本申请实施例提供一种公路碳排放量评估装置,包括:
获取模块,用于获取预测公路运输车辆保有量;
评估模块,基于所述预测公路运输车辆保有量,确定公路车队构成;分别对所述公路车队构成针对新能源占有率、平均燃油消耗、平均行驶里程进行约束;根据约束结果,计算得到公路车队构成对应的公路碳排放量。
第三方面,本申请实施例提供一种计算机设备,所述计算机设备包括处理器及存储有计算机指令的非易失性存储器,所述计算机指令被所述处理器执行时,所述计算机设备执行第一方面中至少一种可能的实施方式的项所述的公路碳排放量评估方法。
第四方面,本申请实施例提供一种可读存储介质,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在计算机设备执行第一方面中至少一种可能的实施方式的所述的公路碳排放量评估方法。
相比现有技术,本申请提供的有益效果包括:采用本申请公开的一种公路碳排放量评估方法、装置及可读存储介质,通过预测公路运输车辆保有量并确定车队构成。
然后,对新能源占有率、平均燃油消耗和平均行驶里程进行约束。
最后,根据约束结果计算得到对应的公路碳排放量。
如此设计,能够准确评估和管理公路车队的碳排放,通过对新能源占有率、平均燃油消耗和平均行驶里程的约束,实现了提高运输效率,节省能源,降低运营成本,并最终有效降低公路交通对环境的影响的效果,且能够更加科学地制定环保政策。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍。
应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定。
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相关的附图。
图1为本申请实施例提供的公路碳排放量评估方法的步骤流程示意图;
图2为本申请实施例提供的公路碳排放量评估装置的结构示意框图;
图3为本申请实施例提供的计算机设备的结构示意框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。
基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要理解的是,术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,或者是本领域技术人员惯常理解的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,“设置”、“连接”等术语应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接连接,也可以通过中间媒介间接连接,可以是两个元件内部的连通。
对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的具体实施方式进行详细说明。
为了解决前述背景技术中的技术问题,图1为本公开实施例提供的公路碳排放量评估方法的步骤流程示意图,下面对该公路碳排放量评估方法进行详细介绍。
步骤S201,获取预测公路运输车辆保有量;
步骤S202,基于所述预测公路运输车辆保有量,确定公路车队构成;
步骤S203,分别对所述公路车队构成针对新能源占有率、平均燃油消耗、平均行驶里程进行约束;
步骤S204,根据约束结果,计算得到公路车队构成对应的公路碳排放量。
在本申请实施例中,示例性的可以评估某城市(例如北京)的公路碳排放量,以便制定更有效的环保政策。
可以按照以下步骤进行操作:获取预测公路运输车辆保有量:我们首先需要收集数据以预测北京未来一年内的公路运输车辆数量。
这可能涉及到统计分析、政策研究、市场趋势等多个方面。
例如,我们可以通过查看过去几年的销售记录和增长趋势,结合的汽车产业政策(例如电动车补贴政策或燃油车限行政策),预测未来一年的公路运输车辆保有量。
确定公路车队构成:基于上一步得出的预测结果,我们需要确定公路车队的构成。
例如,我们可能发现预计将有60%的汽车是私家车,30%是公交车,10%是货车。
对公路车队构成针对新能源占有率、平均燃油消耗、平均行驶里程进行约束:接下来,我们需要进一步分析各类型车辆的具体情况。
例如,我们需要了解这些车辆中有多少比例是新能源车,平均每辆汽车的燃油消耗是多少,以及平均每辆汽车每年行驶的里程是多少。
我们可能发现,例如,私家车中有20%是新能源车,公交车有40%,货车有10%;私家车平均每年消耗1000升燃油,公交车消耗5000升,货车消耗8000升;私家车平均每年行驶10000公里,公交车行驶80000公里,货车行驶60000公里。根据约束结果,计算得到公路车队构成对应的公路碳排放量:最后,我们将上述所有信息结合起来,计算出公路车队的碳排放量。
例如,我们可以根据不同类型车辆的数量、新能源车占比、平均燃油消耗和平均行驶里程,以及燃油燃烧产生的碳排放系数,计算出整个公路车队的碳排放量。
这将为我们提供一个重要的参考,以便更好地理解和控制公路交通对环境的影响,并提出相应的政策建议。
在一种可能的实施方式中,前述获取预测公路运输车辆保有量的步骤,可以通过以下方式执行实施。
通过公式计算乘用车辆保有量;
其中,为每千人车辆保有量,/>为每千人小型客车保有量的饱和值,GDP为在y目标年人均GDP,α和β为经验系数,α和β通过对历史保有量数据的拟合获得;通过公式计算商用车车辆保有量;
其中,AGDP为人均GDP,Invest为固定资产投资,m、n、c为经验系数;
对所述乘用车辆保有量和所述商用车车辆保有量进行求和,得到所述预测公路运输车辆保有量。
在本申请实施例中,想要评估未来几年内某市的公路碳排放量以便制定更为科学的城市规划。
在获取预测公路运输车辆保有量的步骤,我们将会使用以下两个公式进行计算,通过公式计算乘用车辆保有量,我们首先需要获取某市人均GDP的历史数据和预测值,然后将这些数据代入到公式中计算每千人乘用车保有量。
例如,如果我们的目标年份是2025年,人均GDP预计为100000元,而经验系数α和β通过对历史保有量数据的拟合获得,那么我们可以计算出2025年的每千人乘用车保有量。
通过公式计算商用车车辆保有量;同样,我们需要收集历史的人均GDP数据和固定资产投资数据,并进行预测。
然后将这些数据代入公式中计算出商用车的车辆保有量。
例如,如果我们的目标年份还是2025年,人均GDP预计为100000元,固定资产投资预计为50000元,那么我们可以计算出2025年的商用车保有量。
最后,我们将乘用车辆保有量和商用车车辆保有量进行求和,得到某市2025年的预测公路运输车辆保有量。
这个数值将为我们下一步确定公路车队构成、制定碳排放约束以及计算公路车队碳排放量提供重要依据。
在本申请实施例中,前述基于所述预测公路运输车辆保有量,确定公路车队构成的步骤,可以通过以下详细的步骤执行实施。
通过公式计算公路车队构成;
其中, ,VPy为目标年y年的预测公路运输车辆保有量,/>为y年车辆类型c,燃料类型f,车龄i的机动车车队保有量;/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的保有量;/>为车辆类型c,燃料类型f的机动车车队在车龄为i时的车队存活率,C为车辆类型总数,F为燃料类型总数,Y为目标年距今的年限差。
在本申请实施例中,示例性的,正在进行2025年我市公路运输车辆保有量的预测,并确定公路车队的构成。
在这个过程中,我们将采用以下步骤执行实施。
通过公式 计算公路车队构成。
首先需要收集历史数据以确定各类车辆(如私家车、公交车、货车等)和各种燃料类型(如汽油、柴油、电力等)的车辆数量,同时也要获取各类车辆的存活率。
例如,对于车辆类型c为私家车,燃料类型f为汽油的情况,我们可以从历史数据中获取私家车的注册时的保有量,然后通过查看相关统计资料或者根据经验值得出在车龄为i时的车队存活率,进而计算出目标年y年的预测公路运输车辆保有量。
对于不同的车辆类型和燃料类型,我们需要重复上述步骤。
例如,我们还需要计算出电动私家车、汽油公交车、柴油货车等不同组合的车辆数量。
所有这些信息将为我们提供公路车队的构成情况。
这个过程可能会涉及到大量的数据处理工作,因此我们可能需要使用一些数据分析工具(如Excel或Python)来帮助我们进行计算。
最终,我们将得到2025年我市的预测公路运输车辆保有量,以及各类车辆在总车队中所占的比例。
这将为我们制定更科学的城市规划提供重要依据。
在本申请实施例中,前述对所述公路车队构成针对新能源占有率进行约束的步骤,可以通过以下示例执行实施。
通过公式,对所述公路车队构成针对新能源占有率进行约束;其中,/>,/>为y年车辆类型c,燃料类型为新能源的车辆在总车队中的占有率;/>为y年车辆类型c,燃料类型新能源,车龄i的机动车车队保有量,/>为y年车辆类型c车队总保有量;/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的新能源新车渗透率,渗透率为当年新车新能源车辆占总新车总量的比例。
在本申请实施例中,示例性的,已经预测了2025年我市的公路运输车辆保有量,并确定了公路车队的构成。
接下来,我们需要对这个公路车队中新能源车的占有率进行约束。
通过公式,对所述公路车队构成针对新能源占有率进行约束:在这一步,我们首先要了解各类车辆(例如,私家车、公交车和货车等)中新能源车的数量,以及这些车辆的车龄分布。
例如,对于私家车(车辆类型c),我们可能发现在2025年(目标年份y),新能源汽车的数量是5000辆,而总的私家车数量/>是20000辆。
同时,我们还需要知道当这些新能源汽车注册时(即车龄i年前),新能源汽车的渗透率是多少。
这个渗透率可以通过查看历史数据或者根据市场趋势进行预测。
将这些数据代入公式,我们就可以计算出新能源汽车在私家车队中的占有率。
需要注意的是,这个占有率应该在0%和100%之间。
对于其他类型的车辆,如公交车和货车,我们需要重复上述步骤,计算出各自的新能源车占有率。
所有这些信息将为我们提供一个关于公路车队新能源车占有率的全面视图,从而帮助我们更好地理解和控制公路交通对环境的影响,并提出相应的政策建议。
在本申请实施例中,前述对所述公路车队构成平均燃油消耗进行约束,可以通过下面的步骤执行实施。
通过公式所述公路车队构成平均燃油消耗进行约束;其中,/>,/>为y年车辆类型c,燃料类型f的车队平均燃料消耗;/>为燃料节约率,即通过车辆能效提升手段如车队智能编组等措施实现的燃料节约率;/>为y年车辆类型c,燃料类型f,车龄i的机动车车队保有量,/>为y年车辆类型c车队总保有量,/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的燃油消耗标准限值。
在本申请实施例中,示例性的,已经预测了2025年我市的公路运输车辆保有量,并确定了公路车队的构成和新能源占有率。
接下来,我们需要对这个公路车队的平均燃油消耗进行约束。
通过公式 对公路车队构成平均燃油消耗进行约束:在这一步,我们首先要了解各类车辆(例如,私家车、公交车和货车等)在使用不同类型燃料(例如,汽油、柴油和电力等)时的燃油消耗情况,以及这些车辆的车龄分布。
例如,对于私家车(车辆类型c),我们可能发现在2025年(目标年份y),汽油车的数量是15000辆,而总的私家车数量/>是20000辆。
同时,我们还需要知道当这些汽油车注册时(即车龄i年前),它们的燃油消耗标准限值是多少。
这个值可以从相关规定或标准中获得。
将这些数据代入公式,我们就可以计算出汽油私家车在总私家车队中的平均燃油消耗。
需要注意的是,这个消耗量应该大于0,并且需要考虑到可能的燃料节约率,即通过车辆能效提升手段如车队智能编组等措施实现的燃料节约率。
对于其他类型的车辆和燃料,我们需要重复上述步骤,计算出各自的平均燃油消耗。
所有这些信息将为我们提供一个关于公路车队平均燃油消耗的全面视图,从而帮助我们更好地理解和控制公路交通对环境的影响,并提出相应的政策建议。
在本申请实施例中,前述对所述公路车队构成针对平均行驶里程进行约束的步骤,可以通过下面的方式执行实施。
通过公式对所述公路车队构成针对平均行驶里程进行约束;其中,/>为y年车辆类型c,各燃料类型f机动车物理最大行驶里程;/>为y年车辆类型c,各燃料类型f,车龄i的机动车年均行驶里程。
在本申请实施例中,已经预测了2025年我市的公路运输车辆保有量,并确定了公路车队的构成、新能源占有率以及平均燃油消耗。
接下来,我们需要对这个公路车队的平均行驶里程进行约束。
通过公式对所述公路车队构成针对平均行驶里程进行约束:在这一步,我们首先要了解各类车辆(例如,私家车、公交车和货车等)在使用不同类型燃料(例如,汽油、柴油和电力等)时的行驶情况,以及这些车辆的车龄分布。
例如,对于私家车(车辆类型c),我们可能发现在2025年(目标年份y),汽油车的物理最大行驶里程是20000公里。
同时,我们还需要知道当这些汽油车注册时(即车龄i年前),它们的年均行驶里程是多少。
这个值可以从相关统计数据中获得。
将这些数据代入公式,我们就可以确认汽油私家车的年均行驶里程是否满足约束条件。
需要注意的是,这个行驶里程应该大于0,并且小于物理最大行驶里程。
对于其他类型的车辆和燃料,我们需要重复上述步骤,确认各自的平均行驶里程是否满足约束条件。
所有这些信息将为我们提供一个关于公路车队平均行驶里程的全面视图,从而帮助我们更好地理解和控制公路交通对环境的影响,并提出相应的政策建议。
在本申请实施例中,前述根据约束结果,计算得到公路车队构成对应的公路碳排放量的步骤,可以通过以下方式执行实施。
通过公式,计算得到公路车队构成对应的公路碳排放量;其中,/>为公路车队构成对应的公路碳排放量,/>为y年车辆类型c,各燃料类型f,车龄i的机动车保有量;/>为y年车辆类型c,各燃料类型f,车龄i的机动车年均行驶里程;/>为车辆类型c,燃料类型f,车龄i的机动车车队平均油耗;/>为y年各燃料类型f,g类排放气体的排放因子。
在本申请实施例中,已经预测了2025年我市的公路运输车辆保有量,并确定了公路车队的构成、新能源占有率、平均燃油消耗以及平均行驶里程。
接下来,我们需要根据这些约束结果,计算得到公路车队构成对应的公路碳排放量。
通过公式,计算得到公路车队构成对应的公路碳排放量:在这一步,我们首先要了解各类车辆(例如,私家车、公交车和货车等)在使用不同类型燃料(例如,汽油、柴油和电力等)时的碳排放情况。
例如,对于私家车(车辆类型c),我们可能发现在2025年(目标年份y),汽油车的数量是15000辆,它们的年均行驶里程/>是10000公里,平均油耗/>是8升/100公里。
同时,我们还需要知道当这些汽油车排放一定量的汽油时,会产生多少碳排放。
这个值可以从相关环保部门或研究报告中获得。
将这些数据代入公式,我们就可以计算出汽油私家车在总私家车队中的碳排放量。
对于其他类型的车辆和燃料,我们需要重复上述步骤,计算出各自的碳排放量。
将所有车辆的碳排放量相加,我们就可以得到整个公路车队的碳排放量。
这个结果将为我们提供一个关于公路车队碳排放的全面视图,从而帮助我们更好地理解和控制公路交通对环境的影响,并提出相应的政策建议,应当理解的是,也可以利用上述方式进行及其他污染物排放量的确定,在此不再赘述。
请结合参阅图2,图2为本申请实施例提供的一种公路碳排放量评估装置110,公路碳排放量评估装置110包括:
获取模块1101,用于获取预测公路运输车辆保有量;
评估模块1102,基于所述预测公路运输车辆保有量,确定公路车队构成;分别对所述公路车队构成针对新能源占有率、平均燃油消耗、平均行驶里程进行约束;根据约束结果,计算得到公路车队构成对应的公路碳排放量。
需要说明的是,前述公路碳排放量评估装置110的实现原理可以参考前述公路碳排放量评估方法的实现原理,在此不再赘述。
应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。
且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(application specific integrated circuit,ASIC),或,一个或多个微处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA)等。
再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(centralprocessing unit,CPU)或其它可以调用程序代码的处理器。
再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,SOC)的形式实现。
本申请实施例提供一种计算机设备100,计算机设备100包括处理器及存储有计算机指令的非易失性存储器,计算机指令被处理器执行时,计算机设备100执行前述的公路碳排放量评估装置110。
如图3所示,图3为本申请实施例提供的计算机设备100的结构框图。计算机设备100包括公路碳排放量评估装置110、存储器111、处理器112及通信单元113。
为实现数据的传输或交互,存储器111、处理器112以及通信单元113各元件相互之间直接或间接地电性连接。
例如,可通过一条或多条通讯总线或信号线实现这些元件相互之间电性连接。
本申请实施例提供一种可读存储介质,可读存储介质包括计算机程序,计算机程序运行时控制可读存储介质所在计算机设备执行前述的公路碳排放量评估方法。
出于说明目的,前面的描述是参考具体实施例而进行的。
但是,上述说明性论述并不打算穷举或将本公开局限于所公开的精确形式。
根据上述教导,众多修改和变化都是可行的。
选择并描述这些实施例是为了最佳地说明本公开的原理及其实际应用,从而使本领域技术人员最佳地利用本公开,并利用具有不同修改的各种实施例以适于预期的特定应用。
出于说明目的,前面的描述是参考具体实施例而进行的。
但是,上述说明性论述并不打算穷举或将本公开局限于所公开的精确形式。
根据上述教导,众多修改和变化都是可行的。
选择并描述这些实施例是为了最佳地说明本公开的原理及其实际应用,从而使本领域技术人员最佳地利用本公开,并利用具有不同修改的各种实施例以适于预期的特定应用。
Claims (8)
1.一种公路碳排放量评估方法,其特征在于,包括:
获取预测公路运输车辆保有量;
基于所述预测公路运输车辆保有量,确定公路车队构成;
分别对所述公路车队构成针对新能源占有率、平均燃油消耗、平均行驶里程进行约束;
根据约束结果,计算得到公路车队构成对应的公路碳排放量;
所述根据约束结果,计算得到公路车队构成对应的公路碳排放量,包括:
通过公式,计算得到公路车队构成对应的公路碳排放量;其中,/>为公路车队构成对应的公路碳排放量,为y年车辆类型c,各燃料类型f,车龄i的机动车保有量;/>为y年车辆类型c,各燃料类型f,车龄i的机动车年均行驶里程;/>为车辆类型c,燃料类型f,车龄i的机动车车队平均油耗;/>为y年各燃料类型f,g类排放气体的排放因子;
对所述公路车队构成针对新能源占有率进行约束,包括:通过公式,对所述公路车队构成针对新能源占有率进行约束;其中,/>,/>为y年车辆类型c,燃料类型为新能源的车辆在总车队中的占有率;/>为y年车辆类型c,燃料类型新能源,车龄i的机动车车队保有量,为y年车辆类型c车队总保有量;/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的新能源新车渗透率,渗透率为当年新车新能源车辆占总新车总量的比例。
2.根据权利要求1所述的方法,其特征在于,所述获取预测公路运输车辆保有量,包括:通过公式计算乘用车辆保有量;
其中,为每千人车辆保有量,/>为每千人小型客车保有量的饱和值,GDP为在y目标年人均GDP,α和β为经验系数,α和β通过对历史保有量数据的拟合获得;通过公式计算商用车车辆保有量;
其中,AGDP为人均GDP,Invest为固定资产投资,m、n、c为经验系数;
对所述乘用车辆保有量和所述商用车车辆保有量进行求和,得到所述预测公路运输车辆保有量。
3.根据权利要求1所述的方法,其特征在于,所述基于所述预测公路运输车辆保有量,确定公路车队构成,包括:
通过公式计算公路车队构成;
其中,,VPy为目标年y年的预测公路运输车辆保有量,为y年车辆类型c,燃料类型f,车龄i的机动车车队保有量;/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的保有量;/>为车辆类型c,燃料类型f的机动车车队在车龄为i时的车队存活率,C为车辆类型总数,F为燃料类型总数,Y为目标年距今的年限差。
4.根据权利要求1所述的方法,其特征在于,对所述公路车队构成平均燃油消耗进行约束,包括:
通过公式所述公路车队构成平均燃油消耗进行约束;
其中,,/>为y年车辆类型c,燃料类型f的车队平均燃料消耗;为燃料节约率;/>为y年车辆类型c,燃料类型f,车龄i的机动车车队保有量,为y年车辆类型c车队总保有量,/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的燃油消耗标准限值。
5.根据权利要求1所述的方法,其特征在于,对所述公路车队构成针对平均行驶里程进行约束,包括:
通过公式对所述公路车队构成针对平均行驶里程进行约束;
其中,为y年车辆类型c,各燃料类型f机动车物理最大行驶里程;/>为y年车辆类型c,各燃料类型f,车龄i的机动车年均行驶里程。
6.一种公路碳排放量评估装置,其特征在于,包括:
获取模块,用于获取预测公路运输车辆保有量;
评估模块,基于所述预测公路运输车辆保有量,确定公路车队构成;分别对所述公路车队构成针对新能源占有率、平均燃油消耗、平均行驶里程进行约束;根据约束结果,计算得到公路车队构成对应的公路碳排放量;
所述评估模块具体用于:
通过公式,计算得到公路车队构成对应的公路碳排放量;
其中,为公路车队构成对应的公路碳排放量,/>为y年车辆类型c,各燃料类型f,车龄i的机动车保有量;/>为y年车辆类型c,各燃料类型f,车龄i的机动车年均行驶里程;/>为车辆类型c,燃料类型f,车龄i的机动车车队平均油耗;/>为y年各燃料类型f,g类排放气体的排放因子;
所述评估模块具体还用于:通过公式,对所述公路车队构成针对新能源占有率进行约束;其中,/>,/>为y年车辆类型c,燃料类型为新能源的车辆在总车队中的占有率;/>为y年车辆类型c,燃料类型新能源,车龄i的机动车车队保有量,/>为y年车辆类型c车队总保有量;/>为车辆类型c,燃料类型f,车龄i的机动车车队注册时的新能源新车渗透率,渗透率为当年新车新能源车辆占总新车总量的比例。
7.一种计算机设备,其特征在于,所述计算机设备包括处理器及存储有计算机指令的非易失性存储器,所述计算机指令被所述处理器执行时,所述计算机设备执行权利要求1-5中任意一项所述的公路碳排放量评估方法。
8.一种可读存储介质,其特征在于,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在计算机设备执行权利要求1-5中任意一项所述的公路碳排放量评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311354233.7A CN117094868B (zh) | 2023-10-19 | 2023-10-19 | 公路碳排放量评估方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311354233.7A CN117094868B (zh) | 2023-10-19 | 2023-10-19 | 公路碳排放量评估方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094868A CN117094868A (zh) | 2023-11-21 |
CN117094868B true CN117094868B (zh) | 2024-02-02 |
Family
ID=88775566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311354233.7A Active CN117094868B (zh) | 2023-10-19 | 2023-10-19 | 公路碳排放量评估方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094868B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160006993A (ko) * | 2014-07-10 | 2016-01-20 | 아주대학교산학협력단 | 지역의 교통활동도를 고려한 자동차 배출계수 예측장치 및 그 예측방법 |
CN113128075A (zh) * | 2021-05-18 | 2021-07-16 | 华北电力大学 | 一种考虑风光发电消纳和碳排放的混合公交车队调度方法 |
CN114118509A (zh) * | 2021-08-12 | 2022-03-01 | 生态环境部环境规划院 | 一种道路交通二氧化碳排放的预测方法及预测系统 |
CN115775098A (zh) * | 2022-12-07 | 2023-03-10 | 山东省交通科学研究院 | 一种碳减排量测算方法 |
CN116468152A (zh) * | 2023-03-23 | 2023-07-21 | 东南大学 | 高速公路交通运输污染物排放量多情景区间预测方法 |
-
2023
- 2023-10-19 CN CN202311354233.7A patent/CN117094868B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160006993A (ko) * | 2014-07-10 | 2016-01-20 | 아주대학교산학협력단 | 지역의 교통활동도를 고려한 자동차 배출계수 예측장치 및 그 예측방법 |
CN113128075A (zh) * | 2021-05-18 | 2021-07-16 | 华北电力大学 | 一种考虑风光发电消纳和碳排放的混合公交车队调度方法 |
CN114118509A (zh) * | 2021-08-12 | 2022-03-01 | 生态环境部环境规划院 | 一种道路交通二氧化碳排放的预测方法及预测系统 |
CN115775098A (zh) * | 2022-12-07 | 2023-03-10 | 山东省交通科学研究院 | 一种碳减排量测算方法 |
CN116468152A (zh) * | 2023-03-23 | 2023-07-21 | 东南大学 | 高速公路交通运输污染物排放量多情景区间预测方法 |
Non-Patent Citations (2)
Title |
---|
交通运输温室气体核算边界和测算方法研究;李晓易 等;气候变化研究进展;第19卷(第1期);84-90 * |
道路营运新能源汽车减碳测算;彭美春;廖清睿;曾隆隆;王嘉浩;;广东工业大学学报;第37卷(第02期);39-44 * |
Also Published As
Publication number | Publication date |
---|---|
CN117094868A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
De Gennaro et al. | Big data for supporting low-carbon road transport policies in Europe: Applications, challenges and opportunities | |
US7877198B2 (en) | System and method for identifying fuel savings opportunity in vehicles | |
Yan et al. | Global emission projections of particulate matter (PM): I. Exhaust emissions from on-road vehicles | |
CN107239844B (zh) | 一种基于Hadoop的石油运输车辆油耗预测方法 | |
Cavallaro et al. | Should BEVs be subsidized or taxed? A European perspective based on the economic value of CO2 emissions | |
US8543287B2 (en) | System, method and computer program for simulating vehicle energy use | |
Schipper et al. | Transport and carbon dioxide emissions: forecasts, options analysis, and evaluation | |
Lin et al. | A plug-in hybrid consumer choice model with detailed market segmentation | |
Kahn et al. | Urban air pollution progress despite sprawl: the “greening” of the vehicle fleet | |
Lárusdóttir et al. | Effect of driving behavior and vehicle characteristics on energy consumption of road vehicles running on alternative energy sources | |
Comi et al. | A methodology to design and assess scenarios within SULPS: the case of Bologna | |
CN117094868B (zh) | 公路碳排放量评估方法、装置及可读存储介质 | |
CN108122045B (zh) | 物流车辆调度装置及物流车辆调度方法 | |
Greenspan et al. | Motor vehicle stocks, scrappage, and sales | |
CN115424448A (zh) | 一种基于交通出行数据的交通碳排放量评估方法与系统 | |
CN112200370A (zh) | 一种针对不同车型的城市间货运排放估算方法 | |
Trofimenko et al. | Forecast of the vehicle fleet size and structure in Russian Federation by ecological class, a type of power installations and a fuel type for the period up to 2030 | |
Cheah | Use phase parameter variation and uncertainty in LCA: automobile case study | |
CN117875814B (zh) | 一种基于动态上传数据的公路货运车辆合规性分析方法 | |
Grythe et al. | Heterogeneity of On-Road Traffic Emissions in Norway: A Model for Transition | |
Wang et al. | Real-world fuel efficiency of light vehicles in New Zealand | |
Papargyri | Electric vehicles and traffic related pollution reduction: a simulation model for Hamilton, Ontario, Canada | |
ESCAP | FIJI: energy and transport data audit and data management assessment for electrification of the transport sector. Final report | |
Ruth et al. | Methodology for Calculating Cost-per-Mile for Current and Future Vehicle Powertrain Technologies, with Projections to 2024 | |
Nugroho et al. | Evaluating the effects of a new vehicle emission standard on urban air quality in Jakarta City |
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 |