本发明专利技术公开了一种城市街道机动车碳排放预测和可视化方法，包括使用CNN语义分割模型对城市街景图像进行特征提取，并编码为特征向量；将城市路网结构转化为图结构；构建图神经网络模型，将城市街道机动车GPS轨迹数据和街景图像特征向量匹配到图结构中，作为图神经网络的输入、匹配好的图结构作为图神经网络的图结构、计算得到的碳排放真值作为图神经网络训练用的标签数据；并对所述图神经网络模型进行评估和模型参数优化。构建城市街道机动车碳排放预测和可视化方平台，返回模型输出结果。本发明专利技术的技术方案为城市街道路段尺度的碳排放预测提供可靠的方法，实现精细化的路段碳排放预测。预测。预测。
【技术实现步骤摘要】
一种城市街道机动车碳排放预测和可视化方法及装置
[0001]本专利技术涉及信息技术、城市交通碳排放领域，尤其涉及一种城市街道机动车碳排放预测和可视化方法及装置。
技术介绍
[0002]随着城市交通量的不断增加，车辆碳排放问题已经成为城市碳排放的主要来源之一。出租车作为一种重要的公共交通工具，成为了城市街道交通领域研究的热点问题之一。
[0003]目前国内外已有很多学者根据机动车碳排放因子测算单个辆车的尾气排放量，常见的模型有COPERT模型和CMEM模型，这种方法只能得到的单个车辆的排放水平，受很多因素限制，需要得到车的速度、油耗等相关因素，很难做到直接对街道碳排放的测算。另有一些学者直接通过城市总体的碳排放量去结合深度学习模型，直接对大尺度的城市碳排放进行预测，这种方式无法精细到街道尺度，难以给相关部门提供决策支持。
[0004]近年来，随着人工智能和深度学习技术的快速发展，相关领域的研究者已经开始将其应用于城市交通管理等领域。在城市交通排放问题的研究中，深度学习技术被广泛应用，取得了不俗的成果。针对不同的交通方式，学者们都提出了相应的深度学习模型，如基于深度学习的公交车污染物排放预测模型、基于深度学习的轨道交通运营指标预测模型等。在城市街道交通方面，学者们开始将深度学习技术应用于预测城市街道交通的污染排放量。相比于传统方法，深度学习方法不仅能够准确地预测交通排放量，还能够对不同街道、不同时间段的排放量进行更加精细化的预测。在交通领域中，一些研究已经开始使用深度学习技术来预测交通流量和街道拥堵情况等问题。此外，还有一些研究开始将深度学习技术应用于交通环境和空气质量等领域，但是在城市街道级别的细粒度碳排放预测领域，目前仍然存在较大的研究空白，一般只能实现对单个车辆或者整个城市的碳排放预测，无法对街道环境进行动态感知。国内外学者在城市交通排放问题上的研究也有了一些进展：
[0005]从微观角度看，已有一些物理模型可用于单个机动车的相关碳排放计算。目前来看，机动车微观模型相对成熟，机动车微观排放模型主要是通过模拟机动车排放特征、代入机动车本身的使用特征进行运算来确定机动车排放量。“武汉市出租车轨迹二氧化碳排放的时空模式分析”采用CMEM模型反演出租车行程轨迹中轨迹点的CO2排放量，“基于MOBILE6.2模型的武汉市机动车污染物排放特征分析”将MOBILE模型用于武汉市机动车污染物排放特征的本地化研究，计算得到不同车型的排放因子。从宏观角度看，一些人通过深度学习方法来预测国家或者城市的整体碳排放。
[0006]尽管可以通过不同的方式来预测交通碳排放，但是在微观角度下，即便使用微观因子结合深度学习模型来预测车辆碳排放，也并未做到直接对路段感知粒度的碳排放进行预测，在宏观角度下也大都是对区域整体的碳排放进行预测，精细到路段感知粒度的预测方法很少。
[0007]近年来，由于图神经网络(GNN)对拓扑结构的支持，在地理空间方面显示出巨大潜力。目前已有很多学者将图神经网络用于城市交通领域，常见的有车流量预测，但是基本没
有结合路网结构对街道碳排放进行预测的方法。
技术实现思路
[0008]为了解决上述问题，本专利技术提供了一种城市街道机动车碳排放预测和可视化方法及装置，其中的方法包括以下步骤：
[0009]S1、根据城市街道机动车GPS轨迹数据计算城市街道机动车碳排放真值，并获取城市街道图像、城市路网结构，并对碳排放真值、城市街道图像、城市路网结构进行预处理；
[0010]S2、将预处理后的城市路网结构转化为图结构，城市街道为图结构的节点；
[0011]S3、通过CNN语义分割模型对预处理后的城市街道图像进行特征提取，作为图结构的节点特征，并将提取的节点特征编码为节点特征向量；
[0012]S4、构建图神经网络模型，将街道机动车GPS轨迹数据和街景图像特征向量匹配到图结构中，将匹配到图结构中的街道机动车GPS轨迹数据和街景图像特征向量作为图神经网络的输入、匹配好的图结构作为图神经网络的图结构、S1中计算得到的碳排放真值作为图神经网络训练用的标签数据；将所述模型的输出值和所述标签数据的误差进行反馈，不断优化模型，并对所述图神经网络模型进行评估；
[0013]S5、建立所述图神经网络模型封装、调用服务和界面显示的网络服务，构建城市街道机动车碳排放预测和可视化方平台，通过输入城市街道机动车GPS轨迹数据、城市街景图像、城市路网结构，显示输出结果。
[0014]本专利技术还提出一种城市街道机动车碳排放预测和可视化装置，包括：
[0015]处理器；
[0016]存储器，其上存储有可在所述处理器上运行的计算机程序；
[0017]其中，所述计算机程序被所述处理器执行时实现一种城市街道机动车碳排放预测和可视化方法。
[0018]本专利技术提供的技术方案带来的有益效果是：
[0019]本专利技术以城市街景数据提取的特征和路网结构来构建输入数据，图神经网络可以发现城市交通碳排放中的复杂关系和特征，进而预测和优化城市交通的效率和碳排放量。通过图神经网络预测街道出租车的碳排放量，可以推动深度学习在城市交通碳排放领域的应用和发展。为城市街道路段尺度的碳排放感知提供可靠的方法，实现精细化的路段碳排放感知。
附图说明
[0020]图1是本专利技术实施一种城市街道机动车碳排放预测和可视化方法的流程图；
[0021]图2是本专利技术实施例一种城市街道机动车碳排放预测和可视化方法的流程框图；
[0022]图3是本专利技术实施例数据收集和预处理示意图；
[0023]图4是本专利技术实施例街景特征提取模块图；
[0024]图5是本专利技术实施例模型具体的结构流程信息展示图；
[0025]图6是本专利技术实施例城市街道机动车碳排放预测系统设计图；
[0026]图7是本专利技术实施例武汉市路网结构图。
具体实施方式
[0027]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述。
[0028]本实施例的一种城市街道机动车碳排放预测和可视化方法的流程图如图1，本专利技术实施例一种城市街道机动车碳排放预测和可视化方法的流程框图如图2，具体包括以下步骤：
[0029]S1、根据城市街道机动车GPS轨迹数据计算城市街道机动车碳排放真值，并获取城市街道图像、城市路网结构，并对碳排放真值、城市街道图像、城市路网结构进行预处理。对数据预处理方法为：对数据进行清洗、转换和标准化，提高数据的准确性和一致性。
[0030]其中，城市街道机动车GPS轨迹数据包括机动车类型、机动车速度、机动车在街道的运行轨迹、街道机动车流量。
[0031]根据城市街道机动车GPS轨迹数据计算城市街道机动车碳排放真值具体为：
[0032]结合城市街道机动车GPS轨迹数据，通过COPERT模型计算城市街道机动车碳排放真值，首先计算碳排放因子：
[0033][0034]其中，V为机动车速度，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种城市街道机动车碳排放预测和可视化方法，其特征在于，包括以下步骤：S1、根据城市街道机动车GPS轨迹数据计算城市街道机动车碳排放真值，并获取城市街道图像、城市路网结构，并对碳排放真值、城市街道图像、城市路网结构进行预处理；S2、将预处理后的城市路网结构转化为图结构，城市街道为图结构的节点；S3、通过CNN语义分割模型对预处理后的城市街道图像进行特征提取，作为图结构的节点特征，并将提取的节点特征编码为节点特征向量；S4、构建图神经网络模型，将街道机动车GPS轨迹数据和街景图像特征向量匹配到图结构中，将匹配到图结构中的街道机动车GPS轨迹数据和街景图像特征向量作为图神经网络的输入、匹配好的图结构作为图神经网络的图结构、S1中计算得到的碳排放真值作为图神经网络训练用的标签数据；将所述模型的输出值和所述标签数据的误差进行反馈，不断优化模型，并对所述图神经网络模型进行评估；S5、建立所述图神经网络模型封装、调用服务和界面显示的网络服务，构建城市街道机动车碳排放预测和可视化方平台，通过输入城市街道机动车GPS轨迹数据、城市街景图像、城市路网结构，显示输出结果。2.根据权利要求1所述的一种城市街道机动车碳排放预测和可视化方法，其特征在于，步骤S1中城市街道机动车GPS轨迹数据包括机动车类型、机动车速度、机动车在街道的运行轨迹、街道机动车流量。3.根据权利要求2所述的一种城市街道机动车碳排放预测和可视化方法，其特征在于，根据城市街道机动车GPS轨迹数据计算城市街道机动车碳排放真值具体为：结合城市街道机动车GPS轨迹数据，通过COPERT模型计算城市街道机动车碳排放真值，首先计算碳排放因子：其中，V为机动车速度，a、b、c、d、e的值由不同类型机动车决定，E
HOT(C)
为碳排放因子；将得到的碳排放因子与所在街道总长度、所在街道机动车流量相乘得到所在街道所有机动车碳排放总量，根据机动车在街道的运行轨迹，得到所有街道所有机动车碳排放总量。4.根据权利要求1所述的一种城市街道...
【专利技术属性】
技术研发人员：陈泽强，邹童旭，张岩，陈能成，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。