【技术实现步骤摘要】
本专利技术涉及碳排放预测，具体涉及一种道路交通碳排放预测模型的生成方法及碳排放预测方法。
技术介绍
1、温室气体排放引起的气候变化是当今人类面临的重大挑战。随着机动车保有量的不断增加，交通运输行业碳排放逐年升高。因此，研究道路交通碳排放测算方法对交通部门实施精准减排和源头治理具有重要意义。
2、道路交通碳排放受道路交通多因素的影响，传统的交通流碳排放测算方法采用机理模型，机理模型能够较为准确地测算道路交通碳排放的整体趋势，但难以计量次要影响因素带来的扰动，数据驱动模型能够细致地捕捉这些扰动，但用于整体趋势测算时，缺乏可解释性。
3、深度学习方法可以自动学习复杂高维非线性数据的特征。目前主流的gcn网络采用静态图结构，无法描述实际路网中节点间动态空间关系，进而导致预测精度较低。
4、综上，现有的道路交通碳排放预测方法无法在提升预测精度的同时保证算法的可解释性。
技术实现思路
1、有鉴于此，有必要提供一种道路交通碳排放预测模型的生成方法及碳排放预测方法，用以...
【技术保护点】
1.一种道路交通碳排放预测模型的生成方法，其特征在于，包括：
2.根据权利要求1所述的道路交通碳排放预测模型的生成方法，其特征在于，所述卷积网络，包括：图卷积网络和时间卷积网络。
3.根据权利要求1所述的道路交通碳排放预测模型的生成方法，其特征在于，获取道路交通流量的相关性热图，包括：
4.根据权利要求1所述的道路交通碳排放预测模型的生成方法，其特征在于，对交通流和路内停车对应的碳排放分别建模，得到道路交通碳排放机理模型，包括：
5.根据权利要求4所述的道路交通碳排放预测模型的生成方法，其特征在于，碳排放量与车辆速度之间
【技术特征摘要】
1.一种道路交通碳排放预测模型的生成方法，其特征在于，包括：
2.根据权利要求1所述的道路交通碳排放预测模型的生成方法，其特征在于，所述卷积网络，包括：图卷积网络和时间卷积网络。
3.根据权利要求1所述的道路交通碳排放预测模型的生成方法，其特征在于，获取道路交通流量的相关性热图，包括：
4.根据权利要求1所述的道路交通碳排放预测模型的生成方法，其特征在于，对交通流和路内停车对应的碳排放分别建模，得到道路交通碳排放机理模型，包括：
5.根据权利要求4所述的道路交通碳排放预测模型的生成方法，其特征在于，碳排放量与车辆速度...
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。