WO2022239177A1 - Ｇｈｇ排出量推定装置、ｇｈｇ排出量推定方法及びプログラム - Google Patents

Ｇｈｇ排出量推定装置、ｇｈｇ排出量推定方法及びプログラム Download PDF

Info

Publication number
WO2022239177A1
WO2022239177A1 PCT/JP2021/018181 JP2021018181W WO2022239177A1 WO 2022239177 A1 WO2022239177 A1 WO 2022239177A1 JP 2021018181 W JP2021018181 W JP 2021018181W WO 2022239177 A1 WO2022239177 A1 WO 2022239177A1
Authority
WO
WIPO (PCT)
Prior art keywords
distance
class
precipitation
function
vehicle usage
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.)
Ceased
Application number
PCT/JP2021/018181
Other languages
English (en)
French (fr)
Inventor
正浩 外間
美永子 原
敦 櫻井
百合子 田中
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.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone Corp
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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2023520675A priority Critical patent/JP7559938B2/ja
Priority to US18/559,382 priority patent/US20240232736A1/en
Priority to PCT/JP2021/018181 priority patent/WO2022239177A1/ja
Publication of WO2022239177A1 publication Critical patent/WO2022239177A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q50/40—Business processes related to the transportation industry
    • G06Q50/43—Business processes related to the sharing of vehicles, e.g. car sharing

Definitions

  • the present invention relates to a GHG emissions estimation device, a GHG emissions estimation method, and a program.
  • GHG global warming gas
  • vehicle used to calculate the amount of GHG emissions from vehicle use.
  • the amount of GHG emissions from vehicle use is often calculated by measuring or estimating the distance traveled by the vehicle, the total amount of fuel used in the vehicle, or the like, and multiplying this by a basic unit.
  • the present invention has been made in view of the above points, and an object of the present invention is to enable estimation of GHG emissions reflecting the environment in which vehicles are used.
  • a derivation procedure for calculating, for each distance class, a corrected vehicle utilization rate in which the output value of the function for each precipitation class reflects the appearance rate of the precipitation class; a second calculation procedure for calculating an estimated value of estimated GHG emissions based on the distance and number of commuting days of each employee whose distance belongs to the distance class, the corrected vehicle usage rate, and the GHG intensity; is executed by the computer.
  • FIG. 4 is a flowchart for explaining an example of a processing procedure executed by the GHG emissions estimation device 10; It is a figure which shows the number of employees contained in each distance class, and the number of vehicle users at the time of no precipitation (0 mm of precipitation). It is a figure which shows an example of the approximation curve of the vehicle usage rate which made the variable the distance in several precipitation classes.
  • FIG. 4 is a diagram showing an example of the occurrence rate for each precipitation amount class at a weather station; It is a figure which shows an example of the corrected vehicle usage rate for every distance class.
  • GHG greenhouse gas
  • a company asks employees (hereinafter simply referred to as "employees") who have applied for commuting by vehicle to: It is assumed that measures are being taken to encourage people to commute by means of transportation other than vehicles as much as possible. In this case, employees who originally had short commuting distances are more likely to switch to walking or bicycling, and the longer the commuting distance, the lower the switching rate. Also, when it rains, it is thought that the number of employees who use vehicles will increase compared to when there is no rain, depending on the amount of rainfall. This embodiment assumes such a situation.
  • FIG. 1 is a diagram showing a hardware configuration example of a GHG emissions estimation device 10 according to an embodiment of the present invention.
  • the GHG emissions estimation apparatus 10 of FIG. 1 has a drive device 100, an auxiliary storage device 102, a memory device 103, a processor 104, an interface device 105, etc., which are interconnected by a bus B, respectively.
  • a program that implements processing in the GHG emissions estimation device 10 is provided by a recording medium 101 such as a CD-ROM.
  • a recording medium 101 such as a CD-ROM.
  • the program is installed from the recording medium 101 to the auxiliary storage device 102 via the drive device 100 .
  • the program does not necessarily need to be installed from the recording medium 101, and may be downloaded from another computer via the network.
  • the auxiliary storage device 102 stores installed programs, as well as necessary files and data.
  • the memory device 103 reads and stores the program from the auxiliary storage device 102 when a program activation instruction is received.
  • the processor 104 is a CPU or a GPU (Graphics Processing Unit), or a CPU and a GPU, and executes functions related to the GHG emissions estimation device 10 according to programs stored in the memory device 103 .
  • the interface device 105 is used as an interface for connecting to a network.
  • FIG. 2 is a diagram showing a functional configuration example of the GHG emissions estimation device 10 according to the embodiment of the present invention.
  • the GHG emissions estimation device 10 has a data access unit 11 , a statistic calculation unit 12 , a function approximation unit 13 and a GHG emissions calculation unit 14 .
  • Each of these units is realized by processing that one or more programs installed in the GHG emissions estimation device 10 cause the processor 104 to execute. That is, the GHG emissions estimation apparatus 10 can be implemented by a computer and a program, and the program can be recorded on a recording medium or provided through a network.
  • the GHG emission estimation device 10 also uses databases (storage units) such as a commuting DB 121, an environment DB 122, and a basic unit DB 123. Each of these databases can be realized using, for example, the auxiliary storage device 102 or a storage device or the like that can be connected to the GHG emissions estimation device 10 via a network.
  • the commuting DB 121 stores data related to employee commuting, such as the location of each employee's home, the commuting route from the home to the work place by vehicle, the distance between points (distance based on the commuting route), the commuting vehicle (private vehicle), and data on past commuting results, etc. are stored.
  • Past commuting performance data refers to data that includes the commuting date and time (date and time of departure from home) for each commuting day for each employee, and information indicating whether or not the employee used a vehicle for commuting on each commuting day. .
  • the environment DB 122 stores environmental data at each location across the country, such as geographic data such as road networks and past rainfall amounts.
  • the basic unit DB 123 stores various basic unit data used when calculating GHG emissions.
  • each database is assumed to be equipped with information display/output functions and heterogeneous data integration functions.
  • FIG. 3 is a flowchart for explaining an example of a processing procedure executed by the GHG emissions estimation device 10. As shown in FIG.
  • step S101 the data access unit 11 extracts each employee's home location, point-to-point distance, and past performance data from the commuting DB 121.
  • the period for which past performance data is to be extracted may be arbitrary, but in the present embodiment, it is set to the past one year.
  • the data access unit 11 extracts rainfall data from the rainfall DB at each commuting date and time and starting point (home location) extracted in step S101 for the employee (S102).
  • the precipitation data to be extracted may be the data of the nearest weather station to the departure point, or the data of the weather station representative of the area encompassing all target departure points, Data obtained by spatially interpolating weather station data or data obtained by simulation or the like may also be used. In the present embodiment, the data of the weather station representative of the area including all target departure points is extracted. Moreover, although various temporal resolutions can be used for the precipitation data, the hourly precipitation is extracted here.
  • the statistical amount calculation unit 12 based on the data extracted in step S102 (precipitation data for each commuting date and time for each employee in the past year, and the distance between points for each employee), a plurality of Precipitation classes and multiple distance classes are set, and for each precipitation class, the total number of employees who actually commute by vehicle to the total number of employees included in each distance class (hereinafter referred to as "the number of vehicle users") ) is calculated (S103).
  • the number of employees included in each distance class is common to each precipitation class.
  • a precipitation class means each interval when precipitation is divided into regular intervals.
  • the distance class means each interval when the distance is divided into regular intervals.
  • Fig. 4 is a diagram showing the number of employees included in each distance class and the number of vehicle users during no rainfall (0 mm precipitation). Note that the distance here is the round-trip distance.
  • the solid line indicates the number of employees included in each distance class, and the dashed line indicates the number of vehicle users during no rainfall.
  • the vehicle usage rate for each distance class is calculated for each precipitation class.
  • the function approximation unit 13 derives an approximation function of the vehicle usage rate with distance as a variable for each precipitation class (S104).
  • the function approximating unit 13 uses the same function form for each precipitation class, and approximates the trajectory of the vehicle usage rate for each precipitation class by setting parameters. Therefore, it is desirable that the functional form used here can express various distribution forms by setting parameters. Also, if there are a plurality of parameters defining a function, it is desirable to change only one parameter as much as possible and fix the other parameters for approximation.
  • the Gompertz function is used in this embodiment.
  • the definition formula (1) of the Gompertz function is shown below.
  • the Gompertz function has three parameters, in the present embodiment, only the parameter c is changed, the parameters K and b are fixed, and approximation is performed by numerical calculation. Note that the parameter K is 1, which is the upper limit of the vehicle usage rate.
  • Fig. 5 shows a graph of the obtained approximation function. It can be confirmed that the vehicle usage rate tends to increase for all distances as the amount of precipitation increases.
  • the function approximation unit 13 derives a function that approximates the value of the parameter c of each precipitation class obtained in step S104, using the precipitation as a variable (S105).
  • the Gompertz function is adopted again.
  • FIG. 6 shows a graph of the obtained approximation function.
  • the function approximation unit 13 integrates the approximate functions obtained in steps S104 and S105 (by substituting the definition formula (2) for the parameter c of the definition formula (1)), and uses the distance and the amount of precipitation as variables. Then, a vehicle usage rate estimation function is derived (S106).
  • the vehicle usage rate estimation function (3) is shown below. Note that the parameter K is 1, which is the upper limit of the vehicle usage rate.
  • the vehicle usage rate can be calculated for each combination of distance and amount of precipitation using function (3).
  • the appearance rate of each precipitation class in the past is calculated from the precipitation data for the past several decades, and the weighted average value of the vehicle usage rate is obtained using this calculation. correspond with .
  • step S107 the statistic calculation unit 12 calculates the appearance rate of each precipitation class in the past based on the precipitation data.
  • the precipitation data used at this time may be the data of the weather station closest to the departure point, or the data of the weather station representing the area that includes all the target departure points. Data obtained by spatially interpolating weather station data or data obtained by simulation or the like may be used. In this embodiment, the precipitation data of the weather station representing the area is used to calculate the appearance rate of the area.
  • Fig. 7 shows an example of the occurrence rate for each precipitation class at a certain weather station.
  • the number of days of appearance indicates the annual average number of days for each precipitation class based on the past 30 years of records at a certain weather station. Therefore, the average number of days per year is a real number. Also, the denominator of the occurrence rate is 230 days (annual working days).
  • the function approximation unit 13 multiplies the output value for each precipitation class of the vehicle usage rate estimation function (3) obtained in step S106 by the occurrence rate of the corresponding precipitation class for each distance class, to calculate the corrected vehicle usage rate, which is the annual weighted average value of the vehicle usage rate (S108). That is, the corrected vehicle usage rate is calculated for each distance class.
  • the function approximation unit 13 multiplies the output values of the distance x and the precipitation amount y in the vehicle usage rate estimation function (3) by the appearance rate Ri of the precipitation amount class yi to which the precipitation amount y belongs. are summed over the distance class x j to obtain the corrected vehicle utilization rate in the distance class x j to which the distance x belongs.
  • a modified vehicle utilization estimation function (4) illustrating such an operation is shown below.
  • FIG. 8 shows an example of plotting output values (corrected vehicle usage rate) for each distance class xj of the corrected vehicle usage rate estimation function.
  • the GHG emission amount calculation unit 14 calculates an estimated value of the GHG emission amount for each distance class xj (S109).
  • the GHG emission amount calculation unit 14 first calculates, for each employee k, the distance D k (distance between points) related to the employee k, the number of vehicles N k and , GHG estimation by multiplying employee k's annual commuting days T k , corrected vehicle usage rate g adj (x j , y i ) in distance class x j to which distance D k belongs, and GHG intensity BU Compute an estimate of emissions Qjk .
  • N k 1 in this embodiment where each employee is assumed to commute by own vehicle.
  • the value of Nk is the reciprocal of the number of people riding in the same vehicle.
  • Equation (5) may be calculated for each vehicle used for commuting. In this case, k indicates the vehicle and Tk is always 1. Further, in the present embodiment, it is assumed that the employee's commuting route is the same each time, so the distance Dk is uniquely determined for each employee.
  • the GHG emission amount calculation unit 14 calculates the total sum of Q jk calculated for each employee for each distance class x j (each Q jk with common j), thereby calculating the estimated GHG emission amount for each distance class x j Calculate the estimated value Q j of .
  • the GHG emission calculation unit 14 calculates the sum of the estimated location Q j of the estimated GHG emission amount for each distance class x j based on the following calculation formula (6). It is calculated as an estimated value of the estimated GHG emission amount, and the calculation result is output (S110).
  • the above is an example of estimating GHG emissions from commuting by employees using their own vehicles at a company, with two environmental factors that determine vehicle use/non-use: the distance to the destination and the amount of rainfall. showed that.
  • the distance and amount of precipitation are used as environmental factors, but other environmental factors such as ease of access to public transportation can also be used.
  • any calculation system that reflects environmental factors and human thinking/judgment based on them as factors can be handled by the functions and processes described in this embodiment.
  • the function approximation unit 13 is an example of the first derivation unit, the second derivation unit, the third derivation unit, and the first calculation unit.
  • the GHG emissions calculator 14 is an example of a second calculator.
  • GHG emissions estimation device 11 Data access unit 12 Statistics calculation unit 13 Function approximation unit 14 GHG emissions calculation unit 100 Drive device 101 Recording medium 102 Auxiliary storage device 103 Memory device 104 Processor 105 Interface device 121 Commuting DB 122 Environment database 123 Basic unit DB B bus

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

各従業員の車両通勤の距離と過去の各通勤日の降水量データとに基づく、降水量階級ごとの各距離階級の車両使用率に基づいて、距離を変数として車両使用率を推定する第１の近似関数を前記降水量階級ごとに導出し、降水量を変数として前記第１の近似関数のパラメータの値を近似する第２の近似関数を導出し、前記第１の近似関数と前記第２の近似関数とを統合することで、距離及び降水量を変数として車両使用率を推定する関数を導出し、前記距離階級ごとに、前記降水量階級ごとの前記関数の出力値に前記降水量階級の出現率を反映した修正車両使用率を算出し、前記距離階級ごとに、前記距離が当該距離階級に属する各従業員の前記距離及び通勤日数、前記修正車両使用率並びにＧＨＧ原単位に基づいて、ＧＨＧ推定排出量の推定値を算出することで、車両の使用環境を反映したＧＨＧ排出量の推定を可能とする。

Description

ＧＨＧ排出量推定装置、ＧＨＧ排出量推定方法及びプログラム
　本発明は、ＧＨＧ排出量推定装置、ＧＨＧ排出量推定方法及びプログラムに関する。
　昨今、世界的に地球温暖化ガス（以下、「ＧＨＧ」という。）排出量の削減が進められており、企業等の組織において、自らの活動によるＧＨＧ排出量の算定が必要となっている。様々な活動や事物における排出量原単位が公表され、それらを用いてＧＨＧ排出量を計算し、公表している企業も多い。また、将来におけるＧＨＧ排出量の削減目標やその実現方法を計画するにあたっては、妥当な方法による将来のＧＨＧ排出量の推定が必須である。
　ＧＨＧを排出する代表的な事物として自動車車両（以下、「車両」という。）の使用が挙げられる。車両の使用によるＧＨＧ排出量は、車両の走行距離や、車両に用いた燃料の総額等を何らかの手段で計測又は推定し、これに原単位を乗じて算出されることが多い。
　一方、車両は様々な目的や環境のもとで使用されている。また、人の判断によってもその使われ方が異なってくる。このため、車両の走行距離等をセンサ類から直接的に収集できる場合を除き、車両の使用によるＧＨＧ排出量の計算結果は振れ幅が大きくなる。特に、将来の排出量の推定値への影響は大きい。ＧＨＧ排出量の算定方法については、国の機関等からガイドラインが示されている（非特許文献１）。
温室効果ガス総排出量　算定方法ガイドライン　Ver.1.0, 環境省, 平成29年3月
　しかしながら、ＧＨＧ排出量の算出方法に関して、車両の使用環境等を反映する方法を明示した技術は見あたらない。
　本発明は、上記の点に鑑みてなされたものであって、車両の使用環境を反映したＧＨＧ排出量の推定を可能とすることを目的とする。
　そこで上記課題を解決するため、各従業員の車両通勤の距離と過去の各通勤日の降水量データとに基づく、降水量階級ごとの各距離階級の車両使用率に基づいて、距離を変数として車両使用率を推定する第１の近似関数を前記降水量階級ごとに導出する第１の導出手順と、降水量を変数として前記第１の近似関数のパラメータの値を近似する第２の近似関数を導出する第２の導出手順と、前記第１の近似関数と前記第２の近似関数とを統合することで、距離及び降水量を変数として車両使用率を推定する関数を導出する第３の導出手順と、前記距離階級ごとに、前記降水量階級ごとの前記関数の出力値に前記降水量階級の出現率を反映した修正車両使用率を算出する第１の算出手順と、前記距離階級ごとに、前記距離が当該距離階級に属する各従業員の前記距離及び通勤日数、前記修正車両使用率並びにＧＨＧ原単位に基づいて、ＧＨＧ推定排出量の推定値を算出する第２の算出手順と、をコンピュータが実行する。
　車両の使用環境を反映したＧＨＧ排出量の推定を可能とすることができる。
本発明の実施の形態におけるＧＨＧ排出量推定装置１０のハードウェア構成例を示す図である。 本発明の実施の形態におけるＧＨＧ排出量推定装置１０の機能構成例を示す図である。 ＧＨＧ排出量推定装置１０が実行する処理手順の一例を説明するためのフローチャートである。 各距離階級に含まれる従業員数と無降水時（降水量０ｍｍ）における車両使用者数を示す図である。 複数の降水量階級における距離を変数とした車両使用率の近似曲線の一例を示す図である。 １時間降水量とゴンペルツ関数パラメータｃとの関係を示す近似関数の一例を示す図である。 或る気象観測所における降水量階級ごとの出現率の例を示す図である。 距離階級ごとの修正車両使用率の一例を示す図である。
　本実施の形態では、自動車車両（以下、「車両」という。）の使用／不使用を規定する環境要因を、目的地までの距離と降水量の２つに設定し、或る企業における従業員の自家用車両（普通乗用車を想定）を用いた通勤による地球温暖化ガス（以下、「ＧＨＧ」という。）排出量の推定例を示す。なお、ＧＨＧは、Greenhouse Gasの略である。
　なお、本実施の形態は、世界的なＣＯ２排出削減に貢献するために、或る企業が、車両での通勤を申請している従業員（以下、単に「従業員」という。）に、できるだけ車両以外の交通手段で通勤させるための施策を打ち出している状況を想定する。この場合、もともと通勤距離が短かった従業員は、徒歩や自転車に切り替える率が高く、通勤距離が長くなるにつれて切り替え率が低くなると考えられる。また、雨が降った場合には、降水量に応じて車両を使用する従業員が無降水時よりも増えると考えられる。本実施の形態は、このような状況を仮定する。
　以下、図面に基づいて本発明の実施の形態を説明する。図１は、本発明の実施の形態におけるＧＨＧ排出量推定装置１０のハードウェア構成例を示す図である。図１のＧＨＧ排出量推定装置１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、プロセッサ１０４、及びインタフェース装置１０５等を有する。
　ＧＨＧ排出量推定装置１０での処理を実現するプログラムは、ＣＤ－ＲＯＭ等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。
　メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。プロセッサ１０４は、ＣＰＵ若しくはＧＰＵ（Graphics Processing Unit）、又はＣＰＵ及びＧＰＵであり、メモリ装置１０３に格納されたプログラムに従ってＧＨＧ排出量推定装置１０に係る機能を実行する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。
　図２は、本発明の実施の形態におけるＧＨＧ排出量推定装置１０の機能構成例を示す図である。図２において、ＧＨＧ排出量推定装置１０は、データアクセス部１１、統計量等算出部１２、関数近似部１３及びＧＨＧ排出量算出部１４を有する。これら各部は、ＧＨＧ排出量推定装置１０にインストールされた１以上のプログラムが、プロセッサ１０４に実行させる処理により実現される。すなわち、ＧＨＧ排出量推定装置１０はコンピュータとプログラムによっても実現でき、プログラムを記録媒体に記録することも、ネットワークを通して提供することも可能である。ＧＨＧ排出量推定装置１０は、また、通勤ＤＢ１２１、環境ＤＢ１２２及び原単位ＤＢ１２３等のデータベース（記憶部）を利用する。これら各データベースは、例えば、補助記憶装置１０２、又はＧＨＧ排出量推定装置１０にネットワークを介して接続可能な記憶装置等を用いて実現可能である。
　通勤ＤＢ１２１は、従業員の通勤に関するデータ、例えば、各従業員の自宅の所在地、自宅から勤務地までの車両での通勤経路、地点間距離（当該通勤経路に基づく距離）、通勤に車両（自家用車両）を用いる場合の車種、及び過去の通勤の実績データ等を格納する。過去の通勤の実績データとは、各従業員の各通勤日の通勤日時（自宅を出発した日時）と、各通勤日に通勤に車両を使用したか否かを示す情報とを含むデータをいう。
　環境ＤＢ１２２は、全国各地点における環境データ、例えば、道路網等の地理データや過去の降水量等を格納する。
　原単位ＤＢ１２３は、ＧＨＧ排出量算出時に用いる各種原単位データを格納する。
　なお、図示は省略されているが、各データベースについて、情報の表示・出力機能や、異種データの統合機能等は備わっているものとする。
　以下、ＧＨＧ排出量推定装置１０が実行する処理手順について説明する。図３は、ＧＨＧ排出量推定装置１０が実行する処理手順の一例を説明するためのフローチャートである。
　ステップＳ１０１において、データアクセス部１１は、各従業員の自宅の所在地、地点間距離、過去の実績データを通勤ＤＢ１２１から抽出する。過去の実績データの抽出対象期間は任意で良いが、本実施の形態では過去１年間とする。
　続いて、データアクセス部１１は、従業員ごとに、当該従業員についてステップＳ１０１において抽出された各通勤日時と出発地点（自宅の所在地）における、降水量データを降水量ＤＢから抽出する（Ｓ１０２）。抽出される降水量データは、出発地点に最も近い気象観測所のデータであってもよいし、対象となる全出発地点を包含するエリアを代表する気象観測所のデータであってもよいし、気象観測所データを空間補間したものやシミュレーション等によって得られるデータでもあってもよい。本実施の形態では、対象となる全出発地点を包含するエリアを代表する気象観測所のデータが抽出される。また、降水量データの時間分解能は様々なものを用いることができるが、ここでは１時間降水量を抽出することする。
　続いて、統計量等算出部１２は、ステップＳ１０２において抽出されたデータ（従業員ごとの過去一年間の各通勤日時の降水量データ、及び各従業員の地点間距離）に基づいて、複数の降水量階級及び複数の距離階級を設定し、降水量階級ごとに、各距離階級に含まれる従業員の延べ数に対する実際に車両通勤を行った従業員の延べ数（以下、「車両使用者数」という。）の割合である車両使用率を算出する（Ｓ１０３）。なお、各距離階級に含まれる従業員数は、各降水量階級に対して共通である。また、降水量階級とは、降水量を一定間隔で区切った場合の各間隔をいう。同様に、距離階級とは、距離を一定間隔で区切った場合の各間隔をいう。
　図４は、各距離階級に含まれる従業員数と無降水時（降水量０ｍｍ）における車両使用者数を示す図である。なお、ここで、距離は往復距離とする。図４において、実線は、各距離階級に含まれる従業員数を示し、破線は、無降水時の車両使用者数を示す。
　したがって、距離階級ごとに車両使用者数を従業員数で除することで、当該距離階級の車両使用率を算出することができる。
　なお、同様の処理が他の各降水量階級について実行されることで、降水量階級ごとに、各距離階級の車両使用率が算出される。
　続いて、関数近似部１３は、降水量階級ごとに、距離を変数とした車両使用率の近似関数を導出する（Ｓ１０４）。この際、関数近似部１３は、各降水量階級について同じ関数形を使用し、パラメータの設定で降水量階級ごとの車両使用率の軌跡を近似する。したがって、ここで用いる関数形は、パラメータの設定によって様々な分布形を表現できるものが望ましい。また、関数を定義するパラメータが複数ある場合は、できるかぎり一つのパラメータのみを変化させ、そのほかのパラメータは固定して近似することが望ましい。
　本実施の形態ではゴンペルツ関数を用いる。ゴンペルツ関数の定義式（１）を以下に示す。
Figure JPOXMLDOC01-appb-M000001
 　ゴンペルツ関数のパラメータは３つあるが、本実施の形態ではパラメータｃのみを変化させ、パラメータＫ及びｂは固定して、数値計算により近似を行った。なお、パラメータＫは車両使用率の上限値である１となる。
　求めた近似関数によるグラフを図５に示す。降水量の増加に伴い、全ての距離において車両使用率が増加する傾向が有ることが確認できる。
　続いて、関数近似部１３は、降水量を変数として、ステップＳ１０４において得た各降水量階級のパラメータｃの値を近似する関数を導出する（Ｓ１０５）。本実施の形態では、再びゴンペルツ関数を採用する。
　パラメータｃの近似に用いるゴンペルツ関数の定義式（２）を以下に示す。
Figure JPOXMLDOC01-appb-M000002
 　求めた近似関数によるグラフを図６に示す。
　続いて、関数近似部１３は、ステップＳ１０４及びＳ１０５において得た近似関数を統合して（定義式（１）のパラメータｃに定義式（２）を代入して）、距離及び降水量を変数とした車両使用率推定関数を導出する（Ｓ１０６）。
　車両使用率推定関数（３）を以下に示す。なお、パラメータＫは車両使用率の上限値である１となる。
Figure JPOXMLDOC01-appb-M000003
 　距離及び降水量が既知であれば、関数（３）によって距離及び降水量の組み合わせごとに車両使用率が算出できる。
　ここで、未来のＧＨＧ排出量を予測する場合を考える。一般的に従業員の自宅と勤務地間の距離データは入手や整備が容易であるが、特に、時間分解能の高い未来の推定降水量は入手が困難な場合がある。この問題に対し、本実施の形態では、過去数十年間の各地の降水量データから、過去における各降水量階級の出現率を算出し、これを用いて車両使用率の加重平均値を得ることで対応する。
　ステップＳ１０７において、統計量等算出部１２は、降水量データに基づいて、過去における各降水量階級の出現率を算出する。このとき用いる降水量データは、出発地点に最も近い気象観測所のデータであってもよいし、対象となる全出発地点を包含するエリアを代表する気象観測所のデータであってもよいし、気象観測所データを空間補間したものやシミュレーション等によって得られるデータであってもよい。本実施の形態は、エリアを代表する気象観測所の降水量データを用いて、当該地域の出現率を算出する。
　或る気象観測所における降水量階級ごとの出現率の例を図７に示す。図７において、出現日数は、或る気象観測所における過去３０年間の記録に基づく、各降水量階級の年平均日数を示す。そのため、この年平均日数は実数値となっている。また、出現率の分母は、２３０日（年間勤務日数）である。
　続いて、関数近似部１３は、距離階級ごとに、ステップＳ１０６で得られた車両使用率推定関数（３）の降水量階級ごとの出力値と、対応する降水量階級の出現率を乗じ、それらの総和を求め、車両使用率の年間加重平均値である修正車両使用率を算出する（Ｓ１０８）。すなわち、距離階級ごとに修正車両使用率が算出される。
　具体的には、関数近似部１３は、車両使用率推定関数（３）における距離ｘと降水量ｙとの出力値に、降水量ｙが属する降水量階級ｙｉの出現率Ｒｉを乗じたものを距離階級ｘｊについて総和し、距離ｘが属する距離階級ｘｊにおける修正車両使用率を得る。斯かる演算を示す修正車両使用率推定関数（４）を以下に示す。
Figure JPOXMLDOC01-appb-M000004
 　また、修正車両使用率推定関数の距離階級ｘｊごとの出力値（修正車両使用率）をプロットした例を図８に示す。
　続いて、ＧＨＧ排出量算出部１４は、距離階級ｘｊごとに、ＧＨＧ推定排出量の推定値を算出する（Ｓ１０９）。
　具体的には、ＧＨＧ排出量算出部１４は、まず、従業員ｋごとに、以下の式（５）の通り、従業員ｋに係る距離Ｄｋ（地点間距離）と、車両台数Ｎｋと、従業員ｋの１年間の通勤日数Ｔｋと、距離Ｄｋが属する距離階級ｘｊにおける修正車両使用率ｇａｄｊ（ｘｊ，ｙｉ）と、ＧＨＧ原単位ＢＵとを乗じて、ＧＨＧ推定排出量の推定値Ｑｊｋを算出する。
Figure JPOXMLDOC01-appb-M000005
 但し、通常、１人の従業員が利用する車両は１回の通勤において１台であるため、各従業員が自家用車両での通勤を想定する本実施の形態では、Ｎｋ＝１である。但し、例えば、２人以上の従業員が相乗りして通勤する場合や、通勤用のバスで通勤する場合、Ｎｋの値は、同じ車両に乗る人数の逆数である。又は、式（５）は、通勤に利用される車両ごとに計算されてもよい。この場合、ｋは車両を示し、Ｔｋは必ず１となる。また、本実施の形態では、従業員の通勤経路は毎回同じであることを仮定しているため、距離Ｄｋは、従業員ごとに一意に定まる。
　ＧＨＧ排出量算出部１４は、従業員ごとに算出したＱｊｋについて、距離階級ｘｊ別（ｊが共通するＱｊｋごと）に総和を算出することで、距離階級ｘｊごとのＧＨＧ推定排出量の推定値Ｑｊを算出する。
　続いて、ＧＨＧ排出量算出部１４は、以下の計算式（６）に基づいて、距離階級ｘｊ毎のＧＨＧ推定排出量の推定地Ｑｊの総和を、当該企業の従業員の車両通勤によるＧＨＧ推定排出量の推定値として算出し、算出結果を出力する（Ｓ１１０）。
Figure JPOXMLDOC01-appb-M000006
 　以上、車両の使用／不使用を規定する環境要因を、目的地までの距離と降水量の２つに設定し、或る企業における従業員の自家用車両を用いた通勤によるＧＨＧ排出量の推定例を示した。
　上述したように、本実施の形態によれば、車両の使用環境を反映したＧＨＧ排出量の推定を可能とすることができる。
　なお、本実施の形態では、距離と降水量を環境要因として採用したが、他の環境要因、例えば公共交通機関へのアクセスの容易性を表すものなども使用可能である。また、ＧＨＧ排出量の推定以外にも、環境要因やそれらによる人の思考・判断を要因として反映する計算システムであれば、本実施の形態で示した機能や処理による対応が可能である。

　なお、本実施の形態において、関数近似部１３は、第１の導出部、第２の導出部、第３の導出部及び第１の算出部の一例である。ＧＨＧ排出量算出部１４は、第２の算出部の一例である。
　以上、本発明の実施の形態について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
１０　　　　　ＧＨＧ排出量推定装置
１１　　　　　データアクセス部
１２　　　　　統計量等算出部
１３　　　　　関数近似部
１４　　　　　ＧＨＧ排出量算出部
１００　　　　ドライブ装置
１０１　　　　記録媒体
１０２　　　　補助記憶装置
１０３　　　　メモリ装置
１０４　　　　プロセッサ
１０５　　　　インタフェース装置
１２１　　　　通勤ＤＢ
１２２　　　　環境ＤＢ
１２３　　　　原単位ＤＢ
Ｂ　　　　　　バス

Claims (5)

  1. 　各従業員の車両通勤の距離と過去の各通勤日の降水量データとに基づく、降水量階級ごとの各距離階級の車両使用率に基づいて、距離を変数として車両使用率を推定する第１の近似関数を前記降水量階級ごとに導出する第１の導出手順と、
    　降水量を変数として前記第１の近似関数のパラメータの値を近似する第２の近似関数を導出する第２の導出手順と、
    　前記第１の近似関数と前記第２の近似関数とを統合することで、距離及び降水量を変数として車両使用率を推定する関数を導出する第３の導出手順と、
    　前記距離階級ごとに、前記降水量階級ごとの前記関数の出力値に前記降水量階級の出現率を反映した修正車両使用率を算出する第１の算出手順と、
    　前記距離階級ごとに、前記距離が当該距離階級に属する各従業員の前記距離及び通勤日数、前記修正車両使用率並びにＧＨＧ原単位に基づいて、ＧＨＧ推定排出量の推定値を算出する第２の算出手順と、
    をコンピュータが実行することを特徴とするＧＨＧ排出量推定方法。
  2. 　前記第１の算出手順は、前記距離階級ごとに、前記降水量階級ごとの前記関数の出力値の前記降水量階級の出現率での加重平均値である前記修正車両使用率を算出する、
    ことを特徴とする請求項１記載のＧＨＧ排出量推定方法。
  3. 　各従業員の車両通勤の距離と過去の各通勤日の降水量データとに基づく、降水量階級ごとの各距離階級の車両使用率に基づいて、距離を変数として車両使用率を推定する第１の近似関数を前記降水量階級ごとに導出する第１の導出部と、
    　降水量を変数として前記第１の近似関数のパラメータの値を近似する第２の近似関数を導出する第２の導出部と、
    　前記第１の近似関数と前記第２の近似関数とを統合することで、距離及び降水量を変数として車両使用率を推定する関数を導出する第３の導出部と、
    　前記距離階級ごとに、前記降水量階級ごとの前記関数の出力値に前記降水量階級の出現率を反映した修正車両使用率を算出する第１の算出部と、
    　前記距離階級ごとに、前記距離が当該距離階級に属する各従業員の前記距離及び通勤日数、前記修正車両使用率並びにＧＨＧ原単位に基づいて、ＧＨＧ推定排出量の推定値を算出する第２の算出部と、
    を有することを特徴とするＧＨＧ排出量推定装置。
  4. 　前記第１の算出部は、前記距離階級ごとに、前記降水量階級ごとの前記関数の出力値の前記降水量階級の出現率での加重平均値である前記修正車両使用率を算出する、
    ことを特徴とする請求項３記載のＧＨＧ排出量推定装置。
  5. 　請求項１又は２記載のＧＨＧ排出量推定方法をコンピュータに実行させることを特徴とするプログラム。
PCT/JP2021/018181 2021-05-13 2021-05-13 Ｇｈｇ排出量推定装置、ｇｈｇ排出量推定方法及びプログラム Ceased WO2022239177A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2023520675A JP7559938B2 (ja) 2021-05-13 2021-05-13 Ｇｈｇ排出量推定装置、ｇｈｇ排出量推定方法及びプログラム
US18/559,382 US20240232736A1 (en) 2021-05-13 2021-05-13 Ghg emission estimation apparatus, ghg emission estimation method and program
PCT/JP2021/018181 WO2022239177A1 (ja) 2021-05-13 2021-05-13 Ｇｈｇ排出量推定装置、ｇｈｇ排出量推定方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/018181 WO2022239177A1 (ja) 2021-05-13 2021-05-13 Ｇｈｇ排出量推定装置、ｇｈｇ排出量推定方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2022239177A1 true WO2022239177A1 (ja) 2022-11-17

Family

ID=84028542

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/018181 Ceased WO2022239177A1 (ja) 2021-05-13 2021-05-13 Ｇｈｇ排出量推定装置、ｇｈｇ排出量推定方法及びプログラム

Country Status (3)

Country Link
US (1) US20240232736A1 (ja)
JP (1) JP7559938B2 (ja)
WO (1) WO2022239177A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013076712A (ja) * 2008-07-18 2013-04-25 Mizuho Information & Research Institute Inc 環境負荷評価支援システム、環境負荷評価支援方法及び環境負荷評価支援プログラム
JP2019160094A (ja) * 2018-03-15 2019-09-19 株式会社日立製作所 交通需要予測システムおよび交通需要予測装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013076712A (ja) * 2008-07-18 2013-04-25 Mizuho Information & Research Institute Inc 環境負荷評価支援システム、環境負荷評価支援方法及び環境負荷評価支援プログラム
JP2019160094A (ja) * 2018-03-15 2019-09-19 株式会社日立製作所 交通需要予測システムおよび交通需要予測装置

Also Published As

Publication number Publication date
JPWO2022239177A1 (ja) 2022-11-17
US20240232736A1 (en) 2024-07-11
JP7559938B2 (ja) 2024-10-02

Similar Documents

Publication Publication Date Title
US20220157094A1 (en) System and Method for Analyzing Vehicle Data
Andresen et al. Ambient populations and the calculation of crime rates and risk
US8972192B2 (en) Estimation of actual conditions of a roadway segment by weighting roadway condition data with the quality of the roadway condition data
EP4300336B1 (en) Method, apparatus, and computer program product for estimating the privacy risk of anonymized trajectory data
US10732002B2 (en) Generating accurate speed estimations using aggregated telemetry data
Molloy et al. Estimating the external costs of travel on GPS tracks
CN104599002A (zh) 预测订单价值的方法及设备
Li et al. Assessing urban drainage pressure and impacts of future climate change based on shared socioeconomic pathways
JP5738140B2 (ja) 物質の放出量推定装置及びその方法並びにプログラム
EP3721170A1 (en) Method to measure road roughness characteristics and pavement induced vehicle fuel consumption
WO2022239177A1 (ja) Ｇｈｇ排出量推定装置、ｇｈｇ排出量推定方法及びプログラム
CN112232649A (zh) 一种任务处理评估方法及其系统、设备
Ullah et al. A data-driven approach for customized pay-as-you-drive insurance premiums
Fricke et al. Reducing Europe’s Aviation Impact on Climate Change using enriched Air traffic Forecasts and improved efficiency benchmarks
Kalila et al. Big data fusion to estimate urban fuel consumption: a case study of riyadh
JP6668227B2 (ja) 時空間予測モデル学習装置、時空間予測装置、方法、及びプログラム
CN108256707B (zh) 保单回访管理方法和装置
US20140108059A1 (en) Systems and methods for utilizing an economic model that incorporates economic influences to predict transactions
JP2006242747A (ja) 気温予測補正装置
Le Frioux et al. Speeding Towards Cleaner Air: An Evaluation of Maximum Speed Restrictions in Île-de-France during High Pollution Days
Berkane et al. Optimal Traffic-Free Departure Forecast
CN117973679B (zh) 一种道路移动源污染物排放量时空分配方法、装置及介质
Mattson et al. Marginal cost pricing and subsidy of small urban transit
Ruugia et al. Application of GIS spatial interpolation methods inauto insurance risk territory segmentation and rating
EP4647724A1 (en) Method, apparatus, and computer program product for second level anonymization of trajectories

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21941911

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023520675

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 18559382

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21941911

Country of ref document: EP

Kind code of ref document: A1