一种机动车行驶碳排放的预测方法、电子设备及存储介质技术

一种机动车行驶碳排放的预测方法、电子设备及存储介质，属于能源排放技术领域。为提高机动车行驶碳排放的预测的精度。本发明专利技术建立机动车行驶状态数据集合；在测试车辆安装监测设备采集机动车行驶碳排放数据，然后建立机动车行驶状态与机动车行驶碳排放数据映射关系数据集合；对获得的机动车行驶状态与机动车行驶碳排放量映射关系数据集合中的自变量进行机动车行驶碳排放量贡献度排序，选定的机动车行驶状态与机动车行驶碳排放量映射关系数据集合中的自变量，构建碳排放模型；对构建的碳排放模型计算的预测值与实测值进行计算结果的校验，重复步骤直至误差范围在允许的范围内。本发明专利技术预测准确。本发明专利技术预测准确。本发明专利技术预测准确。

【技术实现步骤摘要】
一种机动车行驶碳排放的预测方法、电子设备及存储介质


[0001]本专利技术属于碳排放核算
，具体涉及一种机动车行驶碳排放的预测方法、电子设备及存储介质。

技术介绍

[0002]化石能源使用导致的气候变化和全球变暖已成为一个紧迫的话题，运输行业一直是降低化石能源使用和相关温室气体排放的关键部门之一。基于多源数据的交通运输能耗、温室气体和大气污染物排放监测与评估技术研发为交通运输行业科技创新中长期重点研究方向之一。机动车行驶过程中产生的温室其他排放是交通运输行业温室气体和大气污染物排放的主要来源。因此，准确核算机动车行驶过程中的温室气体排放是实现低碳运输的关键。
[0003]专利申请号为CN202210810636.7、专利名称为一种机动车碳排放监测方法及系统，通过获取机动车的车辆工况信息、尾气监测信息及采样时间；根据每一个采样时间对应的车辆工况信息计算比功率，并根据比功率和车辆类型在比功率分区表查找到比功率分区，获取采样时间的气态物排放量分担率；统计相同比功率分区所对应的采样信息条数，将比功率分区、采样信息条数、采样时间以及气态物排放量分担率组成比功率数据矩阵；以采样时间为标识符，及对应的比功率分区作为矩阵聚类条件，将每一个比功率分区对应的尾气监测信息和车辆工况信息，得到尾气排放关联矩阵；根据比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量。
[0004]尽管现有计算方法依托大规模轨迹数据测算车辆行驶过程中产生的碳排放，但是现有研究主要是依托车辆行驶速度、加速度这两类车辆参数与碳排放之间建立模型关系，没有考虑其他影响要素。其次，现有方法主要依靠当前的车辆运行信息计算碳排放，在隧道、强磁场等可能对GPS信号产生强干扰的地区，GPS数据传输错误导致的数据失真问题并没有克服，导致计算产生误差。

技术实现思路

[0005]本专利技术要解决的问题是提高机动车行驶碳排放的预测的精度，提出一种机动车行驶碳排放的预测方法、电子设备及存储介质。
[0006]为实现上述目的，本专利技术通过以下技术方案实现：一种机动车行驶碳排放的预测方法，包括如下步骤：S1、建立机动车行驶状态数据集合；S2、在测试车辆安装监测设备采集机动车行驶碳排放数据，然后基于步骤S1获得的机动车行驶状态数据集合建立机动车行驶状态与机动车行驶碳排放数据映射关系数据集合；S3、对步骤S2获得的机动车行驶状态与机动车行驶碳排放量映射关系数据集合中的自变量进行机动车行驶碳排放量贡献度排序，选定构建碳排放模型的机动车行驶状态与
机动车行驶碳排放量映射关系数据集合中的自变量；S4、基于步骤S3选定的机动车行驶状态与机动车行驶碳排放量映射关系数据集合中的自变量，构建碳排放模型；S5、对步骤S4构建的碳排放模型计算的预测值与实测值进行计算结果的校验，重复步骤S3至S5，直至误差范围在允许的范围内。
[0007]进一步的，行驶状态数据集合中的数据包括车辆自身携带装备记录的数据和通过匹配获得的道路数据、气象数据，步骤S1的具体实现方法包括如下步骤：S1.1、采集车辆自身携带装备记录的数据，包括车载GPS数据、车载自动诊断系统OBD记录的数据；所述车载GPS数据包括车牌、时间戳、采样时的经纬度、定位质量指示、使用卫星数量、信号强度、水平精确度，海拔高度、瞬时速度、报警标志位、方向夹角、当前信息扩展信号位；所述车载自动诊断系统OBD记录的数据包括温度数据、位置数据、状态数据、流量和浓度数据：所述温度数据包括水温、发动机油/变速箱油的油温、进气温度；位置数据包括节气门位置数据、油门踏板位置数据、风门电机位置数据、油浮子位置数据；所述状态数据包括电磁阀开关状态、压缩机开关状态、节温器开关状态、电子扇开关状态、刹车灯开关状态、档位开关位置；所述流量和浓度数据包括进气流量、喷油量、氧传感器数据；S1.2、采集通过匹配获得的道路数据、气象数据；所述道路数据依据车载GPS数据的每个时间戳记录的车辆位置经纬度匹配道路数据库，从而获得车辆行驶过程中每个时间戳对应的道路数据，主要包括道路类型、道路坡度、道路线形、道路限速值、道路状态监测数据；所述气象数据依据车载GPS数据的每个时间戳以及车辆位置经纬度匹配气象数据库，从而获得车辆行驶过程中每个时间戳对应的气象数据，主要包括温度、湿度、降水量、风向；S1.3、将步骤S1.1、步骤S1.2采集到的数据建立机动车行驶状态数据集合。
[0008]进一步的，步骤S2的具体实现方法包括如下步骤：S2.1、在测试车辆安装车载尾气监测设备PEMS记录车辆在不同行驶状态下的碳排放数据，采用道路实测方法对测试车辆进行数据采集，对测试车辆的数据采集时间间隔与测试车辆的车载GPS数据的采样间隔保持一致，获得测试车辆行驶数据对应的碳排放数据；S2.2、建立不同车辆类型、能源类型、排量的测试车辆的车辆运行工况，包括速度、扭矩、加速度、道路类型、坡度、海拔高度、发动机油的油温、变速箱油的油温、进气温度、油门踏板信息、风门电机位置信息、油浮子位置信息、压缩机开关状态、节温器开关状态、电子扇开关状态、刹车灯开关状态、档位开关位置、进气流量、喷油量、氧传感器数据；S2.3、根据步骤S2.2建立的车辆运行工况，采集不同车辆类型、能源类型、排量的测试车辆的行驶数据对应的碳排放数据，以车辆运行工况自变量、机动车行驶状态数据集合中的自变量为自变量x
i
， i为车辆运行工况自变量、机动车行驶状态数据集合中的自变量中的任意一个，以碳排放数据作为因变量y，构建机动车行驶状态与机动车行驶碳排放量映射关系数据集合。
[0009]进一步的，步骤S3的具体实现方法包括如下步骤：
S3.1、对步骤S2得到的自变量x
i
，进行机动车行驶碳排放量贡献度计算，所述机动车行驶碳排放量贡献度依据方差计算，计算公式为：
[0010]其中，是自变量的方差，是自变量的均值，是自变量的总量，i是中的任意一个；S3.2、当步骤S3.1计算的自变量的方差具有集聚现象时，进行自变量对分析结果的决定幂的计算，计算公式如下：
[0011]其中，是自变量对分析结果的决定幂，为分组j的分区方差，各分区依据步骤S3.1的计算公式获得；是自变量在整个空间区域内的整体方差，由步骤S3.1的计算公式获得，为分区数量；S3.3、根据步骤S3.2计算得到的，选择（Cx1,Cx
2,
Cx3…
Cx
n
）中的最大值对应的自变量为贡献度最高的自变量或者同时选择贡献度排名前列的自变量为贡献度最高的自变量，作为构建碳排放模型的机动车行驶状态与机动车行驶碳排放量映射关系数据集合中的自变量。
[0012]进一步的，步骤S4的具体实现方法包括如下步骤：S4.1、根据步骤S3得到的构建碳排放模型的机动车行驶状态与机动车行驶碳排放量映射关系数据集合中的自变量，利用数理统计中的回归分析方法确定碳排放总体模型，表达式为：
[0013]其中，为随采样时间t变化的碳排放，为影响系数，为在时间ｔ时的随机误差；S4.本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机动车行驶碳排放的预测方法，其特征在于，包括如下步骤：S1、建立机动车行驶状态数据集合；S2、在测试车辆安装监测设备采集机动车行驶碳排放数据，然后基于步骤S1获得的机动车行驶状态数据集合建立机动车行驶状态与机动车行驶碳排放数据映射关系数据集合；S3、对步骤S2获得的机动车行驶状态与机动车行驶碳排放量映射关系数据集合中的自变量进行机动车行驶碳排放量贡献度排序，选定构建碳排放模型的机动车行驶状态与机动车行驶碳排放量映射关系数据集合中的自变量；S4、基于步骤S3选定的机动车行驶状态与机动车行驶碳排放量映射关系数据集合中的自变量，构建碳排放模型；S5、对步骤S4构建的碳排放模型计算的预测值与实测值进行计算结果的校验，重复步骤S3至S5，直至误差范围在允许的范围内。2.根据权利要求1所述的一种机动车行驶碳排放的预测方法，其特征在于，行驶状态数据集合中的数据包括车辆自身携带装备记录的数据和通过匹配获得的道路数据、气象数据，步骤S1的具体实现方法包括如下步骤：S1.1、采集车辆自身携带装备记录的数据，包括车载GPS数据、车载自动诊断系统OBD记录的数据；所述车载GPS数据包括车牌、时间戳、采样时的经纬度、定位质量指示、使用卫星数量、信号强度、水平精确度，海拔高度、瞬时速度、报警标志位、方向夹角、当前信息扩展信号位；所述车载自动诊断系统OBD记录的数据包括温度数据、位置数据、状态数据、流量和浓度数据：所述温度数据包括水温、发动机油/变速箱油的油温、进气温度；位置数据包括节气门位置数据、油门踏板位置数据、风门电机位置数据、油浮子位置数据；所述状态数据包括电磁阀开关状态、压缩机开关状态、节温器开关状态、电子扇开关状态、刹车灯开关状态、档位开关位置；所述流量和浓度数据包括进气流量、喷油量、氧传感器数据；S1.2、采集通过匹配获得的道路数据、气象数据；所述道路数据依据车载GPS数据的每个时间戳记录的车辆位置经纬度匹配道路数据库，从而获得车辆行驶过程中每个时间戳对应的道路数据，主要包括道路类型、道路坡度、道路线形、道路限速值、道路状态监测数据；所述气象数据依据车载GPS数据的每个时间戳以及车辆位置经纬度匹配气象数据库，从而获得车辆行驶过程中每个时间戳对应的气象数据，主要包括温度、湿度、降水量、风向；S1.3、将步骤S1.1、步骤S1.2采集到的数据建立机动车行驶状态数据集合。3.根据权利要求1或2所述的一种机动车行驶碳排放的预测方法，其特征在于，步骤S2的具体实现方法包括如下步骤：S2.1、在测试车辆安装车载尾气监测设备PEMS记录车辆在不同行驶状态下的碳排放数据，采用道路实测方法对测试车辆进行数据采集，对测试车辆的数据采集时间间隔与测试车辆的车载GPS数据的采样间隔保持一致，获得测试车辆行驶数据对应的碳排放数据；S2.2、建立不同车辆类型、能源类型、排量的测试车辆的车辆运行工况，包括速度、扭矩、加速度、道路类型、坡度、海拔高度、发动机油的油温、变速箱油的油温、进气温度、油门踏板信息、风门电机位置信息、油浮子位置信息、压缩机开关状态、节温器开关状态、电子扇开关状态、刹车灯开关状态、档位开关位置、进气流量、喷油量、氧传感器数据；
S2.3、根据步骤S2.2建立的车辆运行工况，采集不同车辆类型、能源类型、排量的测试车辆的行驶数据对应的碳排放数据，以车辆运行工况自变量、机动车行驶状态数据集合中的自变量为自变量x
i

【专利技术属性】
技术研发人员：孙茂棚，贺舟，张智栋，李家兴，吴国华，
申请(专利权)人：深圳市城市交通规划设计研究中心股份有限公司，
类型：发明
国别省市：