CN117610742B - 一种城市碳追踪分析方法、系统及存储介质 - Google Patents

一种城市碳追踪分析方法、系统及存储介质 Download PDF

Info

Publication number
CN117610742B
CN117610742B CN202311763901.1A CN202311763901A CN117610742B CN 117610742 B CN117610742 B CN 117610742B CN 202311763901 A CN202311763901 A CN 202311763901A CN 117610742 B CN117610742 B CN 117610742B
Authority
CN
China
Prior art keywords
carbon
urban
subarea
city
carbon emission
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
Application number
CN202311763901.1A
Other languages
English (en)
Other versions
CN117610742A (zh
Inventor
徐宏伟
瞿婷
刘亚茹
李亚秀
王思敏
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.)
BCEG Environmental Remediation Co Ltd
Original Assignee
BCEG Environmental Remediation Co Ltd
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 BCEG Environmental Remediation Co Ltd filed Critical BCEG Environmental Remediation Co Ltd
Priority to CN202311763901.1A priority Critical patent/CN117610742B/zh
Publication of CN117610742A publication Critical patent/CN117610742A/zh
Application granted granted Critical
Publication of CN117610742B publication Critical patent/CN117610742B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • 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
    • G06Q10/06—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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Remote Sensing (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Graphics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

本发明公开了一种城市碳追踪分析方法、系统及存储介质。基于基础信息构建基于三维可视化的城市模型；对目标称城市进行区域划分，形成多个城市子区域；基于城市区域性质，制定碳排放监测方案，根据获取的城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据；基于碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线；基于所述当前碳追踪路线与碳预测路线生成监测修正方案。通过该本发明，实现对城市一定区域的精准化碳排放分析与碳排放预测，实现城市实现精准化的碳追踪与生成科学化的碳监测方案。

Description

一种城市碳追踪分析方法、系统及存储介质
技术领域
本发明涉及碳污染分析领域，更具体的，涉及一种城市碳追踪分析方法、系统及存储介质。
背景技术
随着城市化进程的加速和工业生产的不断发展，城市中的碳排放量也在不断增加。碳污染对城市的影响越来越显著，不仅影响了城市居民的健康和生活质量，还对城市的可持续发展造成了极大的威胁。
但受制于传统技术，目前对城市内的碳排放分析与污染预测方面较为薄弱，难以做到对城市一定区域的精准化碳排放分析与碳排放预测，难以实现城市实现精准化的碳追踪与科学化的碳监测。
发明内容
本发明克服了现有技术的缺陷，提出了一种城市碳追踪分析方法、系统及存储介质。
本发明第一方面提供了一种城市碳追踪分析方法，包括：
获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型；
基于目标城市的区域信息，结合城市模型，对目标称城市进行区域划分，形成多个城市子区域；
基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据；
根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据；
基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线；
基于所述当前碳追踪路线与碳预测路线生成监测修正方案。
本方案中，所述获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型，具体为：
获取目标城市的基础信息，所述基础信息包括城市地图轮廓、城市面积、城市区域信息；
所述城市区域信息包括城市工业、农业、住宅区域分布信息；
根据所述城市地图轮廓、城市面积，构建城市模型；
将所述城市区域信息导入城市模型进行区域划分，形成工业、农业、住宅三大区域。
本方案中，所述基于目标城市的区域信息，结合城市模型，对目标称城市进行区域划分，形成多个城市子区域，具体为：
基于城市模型，对其中的工业、农业、住宅三大区域进行子区域的划分；
所述划分为基于工业、农业、住宅的分布密度进行划分，得到N个城市子区域；
所述N个城市子区域包括工业子区域、农业子区域、住宅子区域，所述城市子区域面积与形状在预设范围内。
本方案中，所述基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据，具体为：
基于城市区域信息，结合城市模型，对城市工业、农业、住宅区域进行分布密度分析，得到城市工业、农业、住宅分布密度信息；
基于所述城市工业、农业、住宅分布密度信息，结合城市模型，对多个城市子区域进行碳污染监测点的数量与分布分析，并得到碳排放监测方案；
根据所述碳排放监测方案进行城市碳监测，并获取在一个预设周期内的城市监测数据；
所述城市监测数据包括多个子区域监测数据。
本方案中，所述根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据，具体为：
以一个城市子区域作为分析单位，从城市监测数据获取对应的子区域监测数据；
基于所述子区域监测数据对碳排放进行线性变化分析，得到当前预设周期中，一个城市子区域的第一碳排放变化曲线图；
根据所述第一碳排放变化曲线图，基于线性回归预测法进行数据预测，并形成下一周期的预测曲线，并标记为第二碳排放变化曲线图；
分析所有城市子区域，并得到每个城市子区域的第一碳排放变化曲线图、第二碳排放变化曲线图；
所述碳排放变化趋势数据包括第一碳排放变化曲线图与第二碳排放变化曲线图。
本方案中，所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，之前包括：
以一个城市子区域作为分析单位并标记为当前子区域；
根据当前子区域第一碳排放变化曲线图计算出曲线的平均变化曲率，并将所述平均变化曲率作为变化趋势指数；
基于城市模型，获取当前子区域的K个邻近子区域；
计算出每个邻近子区域的变化趋势指数，得到K个变化趋势指数；
以当前子区域变化趋势指数作为基准值，结合预设最大偏差值，构建对于当前子区域的合理变化区间；
将K个变化趋势指数符合合理变化区间的数值进行筛选提取，并将符合区间的变化趋势指数所对应的邻近子区域标记为相关性子区域；
将全部相关性子区域中，对应变化趋势指数最大与最小的子区域进行筛选，分别得到第一子区域与第二子区域；
基于第一子区域、当前子区域、第二子区域进行顺序连线，形成对于当前子区域的碳排放追踪方向；
分析所有城市子区域并得到每个城市子区域的碳排放追踪方向。
本方案中，所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，还包括：
根据所述每个城市子区域的碳排放追踪方向，通过城市模型进行整体碳追踪方向分析，并形成城市碳追踪路线；
获取所有城市子区域的第二碳排放变化曲线图，基于所述第二碳排放变化曲线图，计算对应的变化趋势指数，并将基于第二碳排放变化曲线图，计算的变化趋势指数标记为预测碳趋势指数；
基于所有城市子区域，得到对应N个预测碳趋势指数；
根据城市模型，构建基于蚁群算法的路径模型，在路径模型中，以子区域作为移动路径单位；
基于N个预测碳趋势指数计算出N个信息素增益量，所信息素增益量与预测碳趋势指数成正比；
判断城市子区域的预测碳趋势指数，将预测碳趋势指数低于预设最小指数的城市子区域进行筛选，并标记为起点子区域；
在基于蚁群算法的路径模型中，以起点子区域作为蚂蚁起点，每个起点设置相同预设数据量的蚂蚁，初始化每个移动路径单位信息素；
基于N个信息素增益量，对每个移动路径单位进行信息素二次初始化；
循环进行多次蚁群路径模拟并实时更新路径信息素，直至形成最优路径，结合城市模型，标记最优路径，得到城市碳预测路线。
本方案中，所述基于所述当前碳追踪路线与碳预测路线生成监测修正方案，具体为：
根据所述碳追踪路线，分析出每个城市子区域的碳排放移动趋势，并基于碳排放移动趋势，得到每个城市子区域的碳排放影响评级，级数越大，碳排放影响越大；
基于所述城市子区域与对应评级，对多个城市子区域进行二次碳污染监测点的数量与分布分析，并对碳排放监测方案进行动态修正，生成下一预设周期的碳排放监测修正方案；
基于所述碳预测路线，结合城市模型，对城市的工业、农业、住宅三大区域进行碳污染预测分析与调控指标生成，得到对应工业、农业、住宅三大区域的调控指标信息。
本发明第二方面还提供了一种城市碳追踪分析系统，该系统包括：存储器、处理器，所述存储器中包括城市碳追踪分析程序，所述城市碳追踪分析程序被所述处理器执行时实现如下步骤：
获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型；
基于目标城市的区域信息，结合城市模型，对目标称城市进行区域划分，形成多个城市子区域；
基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据；
根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据；
基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线；
基于所述当前碳追踪路线与碳预测路线生成监测修正方案。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括城市碳追踪分析程序，所述城市碳追踪分析程序被处理器执行时，实现如上述任一项所述的城市碳追踪分析方法的步骤。
本发明公开了一种城市碳追踪分析方法、系统及存储介质。基于基础信息构建基于三维可视化的城市模型；对目标称城市进行区域划分，形成多个城市子区域；基于城市区域性质，制定碳排放监测方案，根据获取的城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据；基于碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线；基于所述当前碳追踪路线与碳预测路线生成监测修正方案。通过该本发明，实现对城市一定区域的精准化碳排放分析与碳排放预测，实现城市实现精准化的碳追踪与生成科学化的碳监测方案。
附图说明
图1示出了本发明一种城市碳追踪分析方法的流程图；
图2示出了本发明构建城市模型流程图；
图3示出了本发明城市子区域划分流程图；
图4示出了本发明一种城市碳追踪分析系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种城市碳追踪分析方法的流程图。
如图1所示，本发明第一方面提供了一种城市碳追踪分析方法，包括：
S102，获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型；
S104，基于目标城市的区域信息，结合城市模型，对目标称城市进行区域划分，形成多个城市子区域；
S106，基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据；
S108，根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据；
S110，基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线；
S112，基于所述当前碳追踪路线与碳预测路线生成监测修正方案。
需要说明的是，所述城市模型为一种可视化数据载体，可通过城市模型对后续碳追踪路线等分析数据进行可视化展示。
图2示出了本发明构建城市模型流程图。
根据本发明实施例，所述获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型，具体为：
S202，获取目标城市的基础信息，所述基础信息包括城市地图轮廓、城市面积、城市区域信息；
S204，所述城市区域信息包括城市工业、农业、住宅区域分布信息；
S206，根据所述城市地图轮廓、城市面积，构建城市模型；
S208，将所述城市区域信息导入城市模型进行区域划分，形成工业、农业、住宅三大区域。
需要说明的是，在地图模型中，能够对城市工业、农业、住宅区域分布信息进行可视化查看，让用户更加直观掌握城市碳污染。
图3示出了本发明城市子区域划分流程图。
根据本发明实施例，所述基于目标城市的区域信息，结合城市模型，对目标称城市进行区域划分，形成多个城市子区域，具体为：
S302，基于城市模型，对其中的工业、农业、住宅三大区域进行子区域的划分；
S304，所述划分为基于工业、农业、住宅的分布密度进行划分，得到N个城市子区域；
S306，所述N个城市子区域包括工业子区域、农业子区域、住宅子区域，所述城市子区域面积与形状在预设范围内。
需要说明的是，所述预设范围包括面积范围与形状限定标准。通过划分子区域，能够对城市进行精准化的监测与碳追踪分析。
根据本发明实施例，所述基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据，具体为：
基于城市区域信息，结合城市模型，对城市工业、农业、住宅区域进行分布密度分析，得到城市工业、农业、住宅分布密度信息；
基于所述城市工业、农业、住宅分布密度信息，结合城市模型，对多个城市子区域进行碳污染监测点的数量与分布分析，并得到碳排放监测方案；
根据所述碳排放监测方案进行城市碳监测，并获取在一个预设周期内的城市监测数据；
所述城市监测数据包括多个子区域监测数据。
需要说明的是，所述分布密度信息包括工业、农业、住宅三者对应的单位密度分布，如工业分布密度对应工厂在区域内的密度分布，农业分布密度对应城市种植区域的密度分布，住宅分布密度对应住宅单位密度与人群密度分布。所述碳排放监测方案包括碳监测设备的数量与分布，一个城市子区域至少包括一个碳监测设备，具体数量由城市工业、农业、住宅分布密度信息分析决定，如一个城市子区域（设定为工业子区域）中，工业分布密度越大，监测设备则越多。所述碳监测设备主要监测空气中的二氧化碳（CO2）、甲烷（CH4）、氧化亚氮（N2O）、一氧化碳（CO）等污染气体。
根据本发明实施例，所述根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据，具体为：
以一个城市子区域作为分析单位，从城市监测数据获取对应的子区域监测数据；
基于所述子区域监测数据对碳排放进行线性变化分析，得到当前预设周期中，一个城市子区域的第一碳排放变化曲线图；
根据所述第一碳排放变化曲线图，基于线性回归预测法进行数据预测，并形成下一周期的预测曲线，并标记为第二碳排放变化曲线图；
分析所有城市子区域，并得到每个城市子区域的第一碳排放变化曲线图、第二碳排放变化曲线图；
所述碳排放变化趋势数据包括第一碳排放变化曲线图与第二碳排放变化曲线图。
需要说明的是，预设周期时长为用户设定。
根据本发明实施例，所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，之前包括：
以一个城市子区域作为分析单位并标记为当前子区域；
根据当前子区域第一碳排放变化曲线图计算出曲线的平均变化曲率，并将所述平均变化曲率作为变化趋势指数；
基于城市模型，获取当前子区域的K个邻近子区域；
计算出每个邻近子区域的变化趋势指数，得到K个变化趋势指数；
以当前子区域变化趋势指数作为基准值，结合预设最大偏差值，构建对于当前子区域的合理变化区间；
将K个变化趋势指数符合合理变化区间的数值进行筛选提取，并将符合区间的变化趋势指数所对应的邻近子区域标记为相关性子区域；
将全部相关性子区域中，对应变化趋势指数最大与最小的子区域进行筛选，分别得到第一子区域与第二子区域；
基于第一子区域、当前子区域、第二子区域进行顺序连线，形成对于当前子区域的碳排放追踪方向；
分析所有城市子区域并得到每个城市子区域的碳排放追踪方向。
需要说明的是，所述邻近子区域即与当前子区域相邻的区域，即周围区域。所述平均变化曲率具体为选取预设数量的曲线点进行计算曲率并均化数据。所述合理变化区间将基准值作为区间中间值，基准值的正负预设最大偏差值作为区间最大、最小值。第一子区域与第二子区域为与当前子区域有相一致变化趋势的子区域，并且具有一定的变化趋势差，本发明通过分析预设周期内的变化趋势，通过选取出对应的相关子区域进行连线，能够得到准确反映当前子区域的碳排放追踪路线，且通过变化趋势指数计算分析，能够提出非相关性的子区域，实现对子区域的精准碳排放追踪分析。
所述第一子区域、当前子区域、第二子区域进行顺序连线得到方向中，对应为得到一个路线方向，具有起点与重点属性，例如，当第一子区域、第二子区域分别为当前子区域的上下两个区域时，则路线方向为自上而下，对应着碳排放的经过路线。
根据本发明实施例，所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，还包括：
根据所述每个城市子区域的碳排放追踪方向，通过城市模型进行整体碳追踪方向分析，并形成城市碳追踪路线；
获取所有城市子区域的第二碳排放变化曲线图，基于所述第二碳排放变化曲线图，计算对应的变化趋势指数，并将基于第二碳排放变化曲线图，计算的变化趋势指数标记为预测碳趋势指数；
基于所有城市子区域，得到对应N个预测碳趋势指数；
根据城市模型，构建基于蚁群算法的路径模型，在路径模型中，以子区域作为移动路径单位；
基于N个预测碳趋势指数计算出N个信息素增益量，所信息素增益量与预测碳趋势指数成正比；
判断城市子区域的预测碳趋势指数，将预测碳趋势指数低于预设最小指数的城市子区域进行筛选，并标记为起点子区域；
在基于蚁群算法的路径模型中，以起点子区域作为蚂蚁起点，每个起点设置相同预设数据量的蚂蚁，初始化每个移动路径单位信息素；
基于N个信息素增益量，对每个移动路径单位进行信息素二次初始化；
循环进行多次蚁群路径模拟并实时更新路径信息素，直至形成最优路径，结合城市模型，标记最优路径，得到城市碳预测路线。
需要说明的是，所述信息素增益量等于预测碳趋势指数乘以预设修正系数。所述信息素二次初始化即对每个移动路径单位进行信息素的增益，增益量为信息素增益量。每个城市子区域对应一个预测碳趋势指数，也对应一个移动路径单位，也对应一个信息素增益量。本发明基于（改进）蚁群算法的路径模型中，通过设置多个起点，不设置终点的形式，用以模拟预测碳排放在不同移动路径中的移动规律与移动趋势，进一步地，通过信息素增益的方式，改变每个子区域的路径初始选择情况，能够更加符合实际城市各区域内碳排放追踪路径的实际趋势情况，进而得到高精准度的预测路线，且信息素增益与预测碳趋势指数相关。且在不同周期下，可实时调整模型参数与对应初始化参数，用以适应不同的城市碳排放状况。
在本发明中，碳追踪路线为基于当前已有监测数据获取，用于评估当前碳排放的实时影响，而碳预测路线为基于预测数据进行分析得到，为一种预测路线，用于评估对未来碳排放的影响，并进行相应城市碳污染规划管理提供数据支持。
通过本发明，能够提高碳排放监测效率，减少城市的监测成本，提高监测分析精度，实现对城市的碳走向进行更加精准的追踪分析，进一步实现对城市的碳排放科学管理。
根据本发明实施例，所述基于所述当前碳追踪路线与碳预测路线生成监测修正方案，具体为：
根据所述碳追踪路线，分析出每个城市子区域的碳排放移动趋势，并基于碳排放移动趋势，得到每个城市子区域的碳排放影响评级，级数越大，碳排放影响越大；
基于所述城市子区域与对应评级，对多个城市子区域进行二次碳污染监测点的数量与分布分析，并对碳排放监测方案进行动态修正，生成下一预设周期的碳排放监测修正方案；
基于所述碳预测路线，结合城市模型，对城市的工业、农业、住宅三大区域进行碳污染预测分析与调控指标生成，得到对应工业、农业、住宅三大区域的调控指标信息。
需要说明的是，所述每个城市子区域的碳排放影响评级，级数越大，碳排放影响越大，且对应的碳污染越严重。所述分析出每个城市子区域的碳排放移动趋势，即通过碳追踪路线，分析哪些子区域更容易聚集碳污染物，哪些子区域不容易受碳排放影响。所述碳预测路线能够在一定程度上，反映城市未来碳排放的走向，并基于该走向，能够科学、合理得对城市进行碳排放调控与碳排放指标生成，形成科学、有效、符合实际的调控指标信息。基于城市的复杂情况，城市调控指标与调控方案可以结合当前的碳排放监测数据分析得到。通过调控指标信息，能够科学、有效地实现对城市碳排放的逐步降低，循序渐进地进行有效调控。
图4示出了本发明一种城市碳追踪分析系统的框图。
本发明第二方面还提供了一种城市碳追踪分析系统4，该系统包括：存储器41、处理器42，所述存储器中包括城市碳追踪分析程序，所述城市碳追踪分析程序被所述处理器执行时实现如下步骤：
获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型；
基于目标城市的区域信息，结合城市模型，对目标称城市进行区域划分，形成多个城市子区域；
基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据；
根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据；
基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线；
基于所述当前碳追踪路线与碳预测路线生成监测修正方案。
需要说明的是，所述城市模型为一种可视化数据载体，可通过城市模型对后续碳追踪路线等分析数据进行可视化展示。
根据本发明实施例，所述获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型，具体为：
获取目标城市的基础信息，所述基础信息包括城市地图轮廓、城市面积、城市区域信息；
所述城市区域信息包括城市工业、农业、住宅区域分布信息；
根据所述城市地图轮廓、城市面积，构建城市模型；
将所述城市区域信息导入城市模型进行区域划分，形成工业、农业、住宅三大区域。
需要说明的是，在地图模型中，能够对城市工业、农业、住宅区域分布信息进行可视化查看，让用户更加直观掌握城市碳污染。
根据本发明实施例，所述基于目标城市的区域信息，结合城市模型，对目标称城市进行区域划分，形成多个城市子区域，具体为：
基于城市模型，对其中的工业、农业、住宅三大区域进行子区域的划分；
所述划分为基于工业、农业、住宅的分布密度进行划分，得到N个城市子区域；
所述N个城市子区域包括工业子区域、农业子区域、住宅子区域，所述城市子区域面积与形状在预设范围内。
需要说明的是，所述预设范围包括面积范围与形状限定标准。通过划分子区域，能够对城市进行精准化的监测与碳追踪分析。
根据本发明实施例，所述基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据，具体为：
基于城市区域信息，结合城市模型，对城市工业、农业、住宅区域进行分布密度分析，得到城市工业、农业、住宅分布密度信息；
基于所述城市工业、农业、住宅分布密度信息，结合城市模型，对多个城市子区域进行碳污染监测点的数量与分布分析，并得到碳排放监测方案；
根据所述碳排放监测方案进行城市碳监测，并获取在一个预设周期内的城市监测数据；
所述城市监测数据包括多个子区域监测数据。
需要说明的是，所述分布密度信息包括工业、农业、住宅三者对应的单位密度分布，如工业分布密度对应工厂在区域内的密度分布，农业分布密度对应城市种植区域的密度分布，住宅分布密度对应住宅单位密度与人群密度分布。所述碳排放监测方案包括碳监测设备的数量与分布，一个城市子区域至少包括一个碳监测设备，具体数量由城市工业、农业、住宅分布密度信息分析决定，如一个城市子区域（设定为工业子区域）中，工业分布密度越大，监测设备则越多。所述碳监测设备主要监测空气中的二氧化碳（CO2）、甲烷（CH4）、氧化亚氮（N2O）、一氧化碳（CO）等污染气体。
根据本发明实施例，所述根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据，具体为：
以一个城市子区域作为分析单位，从城市监测数据获取对应的子区域监测数据；
基于所述子区域监测数据对碳排放进行线性变化分析，得到当前预设周期中，一个城市子区域的第一碳排放变化曲线图；
根据所述第一碳排放变化曲线图，基于线性回归预测法进行数据预测，并形成下一周期的预测曲线，并标记为第二碳排放变化曲线图；
分析所有城市子区域，并得到每个城市子区域的第一碳排放变化曲线图、第二碳排放变化曲线图；
所述碳排放变化趋势数据包括第一碳排放变化曲线图与第二碳排放变化曲线图。
需要说明的是，预设周期时长为用户设定。
根据本发明实施例，所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，之前包括：
以一个城市子区域作为分析单位并标记为当前子区域；
根据当前子区域第一碳排放变化曲线图计算出曲线的平均变化曲率，并将所述平均变化曲率作为变化趋势指数；
基于城市模型，获取当前子区域的K个邻近子区域；
计算出每个邻近子区域的变化趋势指数，得到K个变化趋势指数；
以当前子区域变化趋势指数作为基准值，结合预设最大偏差值，构建对于当前子区域的合理变化区间；
将K个变化趋势指数符合合理变化区间的数值进行筛选提取，并将符合区间的变化趋势指数所对应的邻近子区域标记为相关性子区域；
将全部相关性子区域中，对应变化趋势指数最大与最小的子区域进行筛选，分别得到第一子区域与第二子区域；
基于第一子区域、当前子区域、第二子区域进行顺序连线，形成对于当前子区域的碳排放追踪方向；
分析所有城市子区域并得到每个城市子区域的碳排放追踪方向。
需要说明的是，所述邻近子区域即与当前子区域相邻的区域，即周围区域。所述平均变化曲率具体为选取预设数量的曲线点进行计算曲率并均化数据。所述合理变化区间将基准值作为区间中间值，基准值的正负预设最大偏差值作为区间最大、最小值。第一子区域与第二子区域为与当前子区域有相一致变化趋势的子区域，并且具有一定的变化趋势差，本发明通过分析预设周期内的变化趋势，通过选取出对应的相关子区域进行连线，能够得到准确反映当前子区域的碳排放追踪路线，且通过变化趋势指数计算分析，能够提出非相关性的子区域，实现对子区域的精准碳排放追踪分析。
所述第一子区域、当前子区域、第二子区域进行顺序连线得到方向中，对应为得到一个路线方向，具有起点与重点属性，例如，当第一子区域、第二子区域分别为当前子区域的上下两个区域时，则路线方向为自上而下，对应着碳排放的经过路线。
根据本发明实施例，所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，还包括：
根据所述每个城市子区域的碳排放追踪方向，通过城市模型进行整体碳追踪方向分析，并形成城市碳追踪路线；
获取所有城市子区域的第二碳排放变化曲线图，基于所述第二碳排放变化曲线图，计算对应的变化趋势指数，并将基于第二碳排放变化曲线图，计算的变化趋势指数标记为预测碳趋势指数；
基于所有城市子区域，得到对应N个预测碳趋势指数；
根据城市模型，构建基于蚁群算法的路径模型，在路径模型中，以子区域作为移动路径单位；
基于N个预测碳趋势指数计算出N个信息素增益量，所信息素增益量与预测碳趋势指数成正比；
判断城市子区域的预测碳趋势指数，将预测碳趋势指数低于预设最小指数的城市子区域进行筛选，并标记为起点子区域；
在基于蚁群算法的路径模型中，以起点子区域作为蚂蚁起点，每个起点设置相同预设数据量的蚂蚁，初始化每个移动路径单位信息素；
基于N个信息素增益量，对每个移动路径单位进行信息素二次初始化；
循环进行多次蚁群路径模拟并实时更新路径信息素，直至形成最优路径，结合城市模型，标记最优路径，得到城市碳预测路线。
需要说明的是，所述信息素增益量等于预测碳趋势指数乘以预设修正系数。所述信息素二次初始化即对每个移动路径单位进行信息素的增益，增益量为信息素增益量。每个城市子区域对应一个预测碳趋势指数，也对应一个移动路径单位，也对应一个信息素增益量。本发明基于蚁群算法的路径模型中，通过设置多个起点，不设置终点的形式，用以模拟预测碳排放在不同移动路径中的移动规律与移动趋势，进一步地，通过信息素增益的方式，改变每个子区域的路径初始选择情况，能够更加符合实际城市各区域内碳排放追踪路径的实际趋势情况，进而得到高精准度的预测路线，且信息素增益与预测碳趋势指数相关。且在不同周期下，可实时调整模型参数与对应初始化参数，用以适应不同的城市碳排放状况。
在本发明中，碳追踪路线为基于当前已有监测数据获取，用于评估当前碳排放的实时影响，而碳预测路线为基于预测数据进行分析得到，为一种预测路线，用于评估对未来碳排放的影响，并进行相应城市碳污染规划管理提供数据支持。
通过本发明，能够提高碳排放监测效率，减少城市的监测成本，提高监测分析精度，实现对城市的碳走向进行更加精准的追踪分析，进一步实现对城市的碳排放科学管理。
根据本发明实施例，所述基于所述当前碳追踪路线与碳预测路线生成监测修正方案，具体为：
根据所述碳追踪路线，分析出每个城市子区域的碳排放移动趋势，并基于碳排放移动趋势，得到每个城市子区域的碳排放影响评级，级数越大，碳排放影响越大；
基于所述城市子区域与对应评级，对多个城市子区域进行二次碳污染监测点的数量与分布分析，并对碳排放监测方案进行动态修正，生成下一预设周期的碳排放监测修正方案；
基于所述碳预测路线，结合城市模型，对城市的工业、农业、住宅三大区域进行碳污染预测分析与调控指标生成，得到对应工业、农业、住宅三大区域的调控指标信息。
需要说明的是，所述每个城市子区域的碳排放影响评级，级数越大，碳排放影响越大，且对应的碳污染越严重。所述分析出每个城市子区域的碳排放移动趋势，即通过碳追踪路线，分析哪些子区域更容易聚集碳污染物，哪些子区域不容易受碳排放影响。所述碳预测路线能够在一定程度上，反映城市未来碳排放的走向，并基于该走向，能够科学、合理得对城市进行碳排放调控与碳排放指标生成，形成科学、有效、符合实际的调控指标信息。基于城市的复杂情况，城市调控指标与调控方案可以结合当前的碳排放监测数据分析得到。通过调控指标信息，能够科学、有效地实现对城市碳排放的逐步降低，循序渐进地进行有效调控。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括城市碳追踪分析程序，所述城市碳追踪分析程序被处理器执行时，实现如上述任一项所述的城市碳追踪分析方法的步骤。
本发明公开了一种城市碳追踪分析方法、系统及存储介质。基于基础信息构建基于三维可视化的城市模型；对目标称城市进行区域划分，形成多个城市子区域；基于城市区域性质，制定碳排放监测方案，根据获取的城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据；基于碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线；基于所述当前碳追踪路线与碳预测路线生成监测修正方案。通过该本发明，实现对城市一定区域的精准化碳排放分析与碳排放预测，实现城市实现精准化的碳追踪与生成科学化的碳监测方案。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种城市碳追踪分析方法，其特征在于，包括：
获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型；
基于目标城市的区域信息，结合城市模型，对目标城市进行区域划分，形成多个城市子区域；
基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据；
根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据；
基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线；
基于所述当前碳追踪路线与碳预测路线生成监测修正方案；
所述根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据，具体为：
以一个城市子区域作为分析单位，从城市监测数据获取对应的子区域监测数据；
基于所述子区域监测数据对碳排放进行线性变化分析，得到当前预设周期中，一个城市子区域的第一碳排放变化曲线图；
根据所述第一碳排放变化曲线图，基于线性回归预测法进行数据预测，并形成下一周期的预测曲线，并标记为第二碳排放变化曲线图；
分析所有城市子区域，并得到每个城市子区域的第一碳排放变化曲线图、第二碳排放变化曲线图；
所述碳排放变化趋势数据包括第一碳排放变化曲线图与第二碳排放变化曲线图；
所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，之前包括：
以一个城市子区域作为分析单位并标记为当前子区域；
根据当前子区域第一碳排放变化曲线图计算出曲线的平均变化曲率，并将所述平均变化曲率作为变化趋势指数；
基于城市模型，获取当前子区域的K个邻近子区域；
计算出每个邻近子区域的变化趋势指数，得到K个变化趋势指数；
以当前子区域变化趋势指数作为基准值，结合预设最大偏差值，构建对于当前子区域的合理变化区间；
将K个变化趋势指数符合合理变化区间的数值进行筛选提取，并将符合区间的变化趋势指数所对应的邻近子区域标记为相关性子区域；
将全部相关性子区域中，对应变化趋势指数最大与最小的子区域进行筛选，分别得到第一子区域与第二子区域；
基于第一子区域、当前子区域、第二子区域进行顺序连线，形成对于当前子区域的碳排放追踪方向；
分析所有城市子区域并得到每个城市子区域的碳排放追踪方向；
所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，还包括：
根据所述每个城市子区域的碳排放追踪方向，通过城市模型进行整体碳追踪方向分析，并形成城市碳追踪路线；
获取所有城市子区域的第二碳排放变化曲线图，基于所述第二碳排放变化曲线图，计算对应的变化趋势指数，并将基于第二碳排放变化曲线图，计算的变化趋势指数标记为预测碳趋势指数；
基于所有城市子区域，得到对应N个预测碳趋势指数；
根据城市模型，构建基于蚁群算法的路径模型，在路径模型中，以子区域作为移动路径单位；
基于N个预测碳趋势指数计算出N个信息素增益量，所信息素增益量与预测碳趋势指数成正比；
判断城市子区域的预测碳趋势指数，将预测碳趋势指数低于预设最小指数的城市子区域进行筛选，并标记为起点子区域；
在基于蚁群算法的路径模型中，以起点子区域作为蚂蚁起点，每个起点设置相同预设数据量的蚂蚁，初始化每个移动路径单位信息素；
基于N个信息素增益量，对每个移动路径单位进行信息素二次初始化；
循环进行多次蚁群路径模拟并实时更新路径信息素，直至形成最优路径，结合城市模型，标记最优路径，得到城市碳预测路线。
2.根据权利要求1所述的一种城市碳追踪分析方法，其特征在于，所述获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型，具体为：
获取目标城市的基础信息，所述基础信息包括城市地图轮廓、城市面积、城市区域信息；
所述城市区域信息包括城市工业、农业、住宅区域分布信息；
根据所述城市地图轮廓、城市面积，构建城市模型；
将所述城市区域信息导入城市模型进行区域划分，形成工业、农业、住宅三大区域。
3.根据权利要求1所述的一种城市碳追踪分析方法，其特征在于，所述基于目标城市的区域信息，结合城市模型，对目标城市进行区域划分，形成多个城市子区域，具体为：
基于城市模型，对其中的工业、农业、住宅三大区域进行子区域的划分；
所述划分为基于工业、农业、住宅的分布密度进行划分，得到N个城市子区域；
所述N个城市子区域包括工业子区域、农业子区域、住宅子区域，所述城市子区域面积与形状在预设范围内。
4.根据权利要求3所述的一种城市碳追踪分析方法，其特征在于，所述基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据，具体为：
基于城市区域信息，结合城市模型，对城市工业、农业、住宅区域进行分布密度分析，得到城市工业、农业、住宅分布密度信息；
基于所述城市工业、农业、住宅分布密度信息，结合城市模型，对多个城市子区域进行碳污染监测点的数量与分布分析，并得到碳排放监测方案；
根据所述碳排放监测方案进行城市碳监测，并获取在一个预设周期内的城市监测数据；
所述城市监测数据包括多个子区域监测数据。
5.根据权利要求1所述的一种城市碳追踪分析方法，其特征在于，所述基于所述当前碳追踪路线与碳预测路线生成监测修正方案，具体为：
根据所述碳追踪路线，分析出每个城市子区域的碳排放移动趋势，并基于碳排放移动趋势，得到每个城市子区域的碳排放影响评级，级数越大，碳排放影响越大；
基于所述城市子区域与对应评级，对多个城市子区域进行二次碳污染监测点的数量与分布分析，并对碳排放监测方案进行动态修正，生成下一预设周期的碳排放监测修正方案；
基于所述碳预测路线，结合城市模型，对城市的工业、农业、住宅三大区域进行碳污染预测分析与调控指标生成，得到对应工业、农业、住宅三大区域的调控指标信息。
6.一种城市碳追踪分析系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括城市碳追踪分析程序，所述城市碳追踪分析程序被所述处理器执行时实现如下步骤：
获取目标城市的基础信息，基于所述基础信息构建基于三维可视化的城市模型；
基于目标城市的区域信息，结合城市模型，对目标城市进行区域划分，形成多个城市子区域；
基于每个城市子区域的区域性质，制定碳排放监测方案，基于所述监测方案进行城市监测并获取在一个预设周期内的城市监测数据；
根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据；
基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线；
基于所述当前碳追踪路线与碳预测路线生成监测修正方案；
所述根据所述城市监测数据，对每个城市子区域进行预设周期内的碳排放变化分析，变化分析基于线性回归法，并得到每个城市子区域的碳排放变化趋势数据，具体为：
以一个城市子区域作为分析单位，从城市监测数据获取对应的子区域监测数据；
基于所述子区域监测数据对碳排放进行线性变化分析，得到当前预设周期中，一个城市子区域的第一碳排放变化曲线图；
根据所述第一碳排放变化曲线图，基于线性回归预测法进行数据预测，并形成下一周期的预测曲线，并标记为第二碳排放变化曲线图；
分析所有城市子区域，并得到每个城市子区域的第一碳排放变化曲线图、第二碳排放变化曲线图；
所述碳排放变化趋势数据包括第一碳排放变化曲线图与第二碳排放变化曲线图；
所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，之前包括：
以一个城市子区域作为分析单位并标记为当前子区域；
根据当前子区域第一碳排放变化曲线图计算出曲线的平均变化曲率，并将所述平均变化曲率作为变化趋势指数；
基于城市模型，获取当前子区域的K个邻近子区域；
计算出每个邻近子区域的变化趋势指数，得到K个变化趋势指数；
以当前子区域变化趋势指数作为基准值，结合预设最大偏差值，构建对于当前子区域的合理变化区间；
将K个变化趋势指数符合合理变化区间的数值进行筛选提取，并将符合区间的变化趋势指数所对应的邻近子区域标记为相关性子区域；
将全部相关性子区域中，对应变化趋势指数最大与最小的子区域进行筛选，分别得到第一子区域与第二子区域；
基于第一子区域、当前子区域、第二子区域进行顺序连线，形成对于当前子区域的碳排放追踪方向；
分析所有城市子区域并得到每个城市子区域的碳排放追踪方向；
所述基于所述碳排放变化趋势数据进行碳排放路线跟踪，结合预设蚁群算法，形成当前碳追踪路线与碳预测路线，还包括：
根据所述每个城市子区域的碳排放追踪方向，通过城市模型进行整体碳追踪方向分析，并形成城市碳追踪路线；
获取所有城市子区域的第二碳排放变化曲线图，基于所述第二碳排放变化曲线图，计算对应的变化趋势指数，并将基于第二碳排放变化曲线图，计算的变化趋势指数标记为预测碳趋势指数；
基于所有城市子区域，得到对应N个预测碳趋势指数；
根据城市模型，构建基于蚁群算法的路径模型，在路径模型中，以子区域作为移动路径单位；
基于N个预测碳趋势指数计算出N个信息素增益量，所信息素增益量与预测碳趋势指数成正比；
判断城市子区域的预测碳趋势指数，将预测碳趋势指数低于预设最小指数的城市子区域进行筛选，并标记为起点子区域；
在基于蚁群算法的路径模型中，以起点子区域作为蚂蚁起点，每个起点设置相同预设数据量的蚂蚁，初始化每个移动路径单位信息素；
基于N个信息素增益量，对每个移动路径单位进行信息素二次初始化；
循环进行多次蚁群路径模拟并实时更新路径信息素，直至形成最优路径，结合城市模型，标记最优路径，得到城市碳预测路线。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括城市碳追踪分析程序，所述城市碳追踪分析程序被处理器执行时，实现如权利要求1至5中任一项所述的城市碳追踪分析方法的步骤。
CN202311763901.1A 2023-12-21 2023-12-21 一种城市碳追踪分析方法、系统及存储介质 Active CN117610742B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311763901.1A CN117610742B (zh) 2023-12-21 2023-12-21 一种城市碳追踪分析方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311763901.1A CN117610742B (zh) 2023-12-21 2023-12-21 一种城市碳追踪分析方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN117610742A CN117610742A (zh) 2024-02-27
CN117610742B true CN117610742B (zh) 2024-05-03

Family

ID=89951671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311763901.1A Active CN117610742B (zh) 2023-12-21 2023-12-21 一种城市碳追踪分析方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN117610742B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140101469A (ko) * 2013-02-08 2014-08-20 주식회사 휴디콤 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템
CN114997503A (zh) * 2022-06-13 2022-09-02 上海应用技术大学 一种城市碳达峰时域的预测方法及系统
CN115829081A (zh) * 2022-10-19 2023-03-21 华中科技大学 一种基于支持向量回归模型的城市交通碳排放预测方法
CN116733453A (zh) * 2023-06-14 2023-09-12 中国石油大学(北京) 基于蚂蚁追踪的致密气藏水侵预警的方法及系统
CN116773781A (zh) * 2023-08-18 2023-09-19 北京建工环境修复股份有限公司 一种用于土壤中全氟化合物的污染分析方法、系统及介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140101469A (ko) * 2013-02-08 2014-08-20 주식회사 휴디콤 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템
CN114997503A (zh) * 2022-06-13 2022-09-02 上海应用技术大学 一种城市碳达峰时域的预测方法及系统
CN115829081A (zh) * 2022-10-19 2023-03-21 华中科技大学 一种基于支持向量回归模型的城市交通碳排放预测方法
CN116733453A (zh) * 2023-06-14 2023-09-12 中国石油大学(北京) 基于蚂蚁追踪的致密气藏水侵预警的方法及系统
CN116773781A (zh) * 2023-08-18 2023-09-19 北京建工环境修复股份有限公司 一种用于土壤中全氟化合物的污染分析方法、系统及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于碳收支核算的郑州市碳排放压力分析及预测;侯丽朋;赵荣钦;刘英;刘秉涛;丁明磊;张战平;;水土保持研究;20160415(第02期);207-212 *

Also Published As

Publication number Publication date
CN117610742A (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
Pliscoff et al. Effects of alternative sets of climatic predictors on species distribution models and associated estimates of extinction risk: A test with plants in an arid environment
Li et al. Calibrating cellular automata based on landscape metrics by using genetic algorithms
CN116702047B (zh) 一种地下水实时监测方法、系统及介质
CN107610021A (zh) 环境变量时空分布的综合分析方法
CN116882637B (zh) 一种农田碳排放分析方法及系统
Mustafa et al. A multi-objective Markov Chain Monte Carlo cellular automata model: Simulating multi-density urban expansion in NYC
CN116993227B (zh) 一种基于人工智能的供热分析评估方法、系统及存储介质
KR20110005224A (ko) 마케팅 모델 결정 시스템
CN115983522B (zh) 一种乡村生境质量评估及预测方法
CN116485202B (zh) 一种基于物联网工业污染实时监测方法及系统
CN104462445A (zh) 网页访问数据的处理方法和装置
CN116975789A (zh) 一种基于大数据的农田场地智能分析方法、系统及介质
CN115049158B (zh) 城市系统运行状态的预测方法、系统、存储介质及终端
CN116502755A (zh) 采用大数据构建产业图谱进行产业发展预测的系统及方法
CN115965223A (zh) 一种基于云平台的智慧能源管理方法及系统
CN110966731B (zh) 调节工作参数的方法
CN117172995B (zh) 基于微生物的污染评估分析方法、系统及存储介质
CN118213997A (zh) 一种基于ahp-灰色模糊算法的城市电网负荷预测方法
CN117390590B (zh) 一种基于cim模型的数据管理方法及系统
CN117610742B (zh) 一种城市碳追踪分析方法、系统及存储介质
CN113688506A (zh) 基于微站等多维数据的潜在大气污染源识别方法
KR20210042709A (ko) 기업 관계 데이터를 이용한 주가 예측 방법 및 서버
CN115983478A (zh) 分布式光伏发电功率预测分析方法、系统、终端及介质
Maulidevi et al. Modeling Integrated Sustainability Monitoring System for Carbon Footprint in Higher Education Buildings
CN113094636A (zh) 一种基于海量监测数据的干扰性用户谐波水平估计方法

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