CN110674975B - 城市规划时用于减少碳排放的空间布局方法及装置 - Google Patents
城市规划时用于减少碳排放的空间布局方法及装置 Download PDFInfo
- Publication number
- CN110674975B CN110674975B CN201910814717.2A CN201910814717A CN110674975B CN 110674975 B CN110674975 B CN 110674975B CN 201910814717 A CN201910814717 A CN 201910814717A CN 110674975 B CN110674975 B CN 110674975B
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- urban
- model
- data
- predicted
- 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
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 155
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 148
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000000694 effects Effects 0.000 claims description 41
- 101100100125 Mus musculus Traip gene Proteins 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000011161 development Methods 0.000 description 5
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical class [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002090 carbon oxide Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
- 229910052815 sulfur oxide Inorganic materials 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
Images
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
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于城市布局规划技术领域,公开一种城市规划时用于减少碳排放的空间布局方法及装置,该方法包括:步骤1:设定城市碳排放量目标值及城市规划候选地集;步骤2:建立城市人群出行模型;步骤3:建立城市规划模型;步骤4:通过所述城市人群出行模型及所述城市规划模型群得出碳排放量预测模型;步骤5:通过所述碳排放量预测模型得出预测碳排放量;步骤6:判断所述预测碳排放量是否大于所述城市碳排放量目标值,若否,则确定城市规划空间布局;该装置包括:设定模块;第一模型构建模块;第二模型构建模块;第三模型构建模块;预测模块;判断模块。本发明实现了城市规划时的低碳排放量目标。
Description
技术领域
本发明属于城市布局规划技术领域,尤其涉及一种城市规划时用于减少碳排放的空间布局方法及装置。
背景技术
城市正处在快速成长过程中,规模和形态急剧变化,交通需求总量快速增长,需求层次变化多样,而基础设施建设和城市框架却需要相当长的时间才能稳定。目前的交通拥堵对城市的居民来说已属常态,而且随着小汽车进入家庭呈爆发式的趋势增长,城市的交通状况会进一步的恶化,城市的交通拥堵问题更加突出,城市的拥堵状况会逐步的从现在的一二线城市转向三线的地县级城市。城市的交通拥堵浪费掉大量的社会资源并对环境造成严重的污染,据不完全统计,每年因堵车造成的经济损失高达千亿元,2009年,单北京市每年因堵车造成的经济损失就达几百亿元(李保华,低碳交通引导下的城市空间布局模式及优化策略研究——以郑州为例,西安建筑科技大学,2013)。在城市的大气污染中,机动车尾气污染贡献率达20%—50%,而且比重还在不断增加之中。因此,城市在发展的过程中,在交通方面面临着严峻的挑战,要真正的实现城市和环境的协调发展、和谐共生,城市的交通以低碳的模式发展和运行是其根本出路,城市的低碳交通有着其深刻的内涵,关系到人类的健康。
城市的空间布局模式对城市交通量的生成、城市交通的分布情况有直接的影响,城市地块的可达性对居民的交通方式选取也会有直接的作用。如何进行科学合理的空间布局,从而引导交通的良性发展在城市低碳交通建设领域有着重要的位置,并且为城市其他要素的建设和发展提供实体框架。
发明内容
本发明的目的在于针对现有的城市规划存在的碳排放量高的问题,提供一种城市规划时用于减少碳排放的空间布局方法及装置。
为了实现上述目的,本发明采用以下技术方案:
一种城市规划时用于减少碳排放的空间布局方法,包括:
步骤1:设定城市碳排放量目标值及城市规划候选地集;
步骤2:建立城市人群出行模型;
步骤3:建立城市规划模型;
步骤4:通过所述城市人群出行模型及所述城市规划模型群得出碳排放量预测模型;
步骤5:通过所述碳排放量预测模型得出预测碳排放量;
步骤6:判断所述预测碳排放量是否大于所述城市碳排放量目标值,若否,则确定城市规划空间布局。
进一步地,所述城市规划候选地集用于作为居住地、工业用地、商业用地或绿地。
进一步地,所述步骤2包括:
步骤2.1:确定所述城市规划候选地集的地理位置信息;
步骤2.2:基于所述地理位置信息,将该地理位置附近人群出行活动划分为3个模块,分别为等候、行驶、到达,每个模块有多个实例,通过出行方式、距离、碳排放量、出发地性质及目的地性质5个属性对人群出行活动模块的实例进行刻画,以距离最短、碳排放量最小为目标,形成城市人群出行模型:
其中,p为人群出行活动,Sp为人群出行活动对应距离,Cp为人群出行活动对应碳排放量,m为模块的数量,ux为第x个模块对应的实例数量,x∈[1,m],εxy表示实例的选择标识,Sxy为第x个模块第y个实例的人群出行活动对应距离,Cxy表示第x个模块第y个实例的人群出行活动对应碳排放量。
进一步地,所述步骤3包括:
步骤3.1:统计城市现有不同类型用地周边城市居住的人口密度数据、城市居住人口年龄分布数据、交通量数据、工厂类型数据、大气环境数据;
步骤3.2:对步骤3.1中各数据进行归一化处理,并按照用地类型进行聚类,得出城市规划模型。
进一步地,所述步骤4包括:
步骤4.1:根据所述城市规划候选地集的地理位置信息,统计对应地理位置周边的交通量数据,并作为候选地的预计交通量数据;
步骤4.2:统计城市规划候选地集的地理位置周边的城市居住的人口密度数据、城市居住人口年龄分布数据、预计交通量数据、即将入驻的工厂类型数据、大气环境数据;
步骤4.3:将步骤4.2中各数据进行归一化处理,输入所述城市规划模型,得出候选地的预测用地类型;
步骤4.4:通过所述人群出行模型确定预测用地类型对应最优出行路线及出行方式;
步骤4.5:通过最优出行路线及出行方式确定预测用地类型对应的最优预测交通碳排放量;
步骤4.6:根据候选地的地理位置信息及对应预测用地类型设定对应建筑规模;
步骤4.7:根据建筑规模得出预测建筑碳排放量;
步骤4.8:根据候选地的地理位置周边的城市居住的人口密度数据得出预测人口碳排放量;
步骤4.9:综合预测交通碳排放量、预测建筑碳排放量及预测人口碳排放量,得出预测用地类型对应的综合预测碳排放量,完成碳排放量预测模型构建。
一种城市规划时用于减少碳排放的空间布局装置,包括:
设定模块,用于设定城市碳排放量目标值及城市规划候选地集;
第一模型构建模块,用于建立城市人群出行模型;
第二模型构建模块,用于建立城市规划模型;
第三模型构建模块,用于通过所述城市人群出行模型及所述城市规划模型群得出碳排放量预测模型;
预测模块,用于通过所述碳排放量预测模型得出预测碳排放量;
判断模块,用于判断所述预测碳排放量是否大于所述城市碳排放量目标值,若否,则确定城市规划空间布局。
进一步地,所述第一模型构建模块包括:
信息确定子模块,用于确定所述城市规划候选地集的地理位置信息;
第一模型构建子模块,用于基于所述地理位置信息,将该地理位置附近人群出行活动划分为3个模块,分别为等候、行驶、到达,每个模块有多个实例,通过出行方式、距离、碳排放量、出发地性质及目的地性质5个属性对人群出行活动模块的实例进行刻画,以距离最短、碳排放量最小为目标,形成城市人群出行模型:
其中,p为人群出行活动,Sp为人群出行活动对应距离,Cp为人群出行活动对应碳排放量,m为模块的数量,ux为第x个模块对应的实例数量,x∈[1,m],εxy表示实例的选择标识,Sxy为第x个模块第y个实例的人群出行活动对应距离,Cxy表示第x个模块第y个实例的人群出行活动对应碳排放量。
进一步地,所述第二模型构建模块包括:
第一统计子模块,用于统计城市现有不同类型用地周边城市居住的人口密度数据、城市居住人口年龄分布数据、交通量数据、工厂类型数据、大气环境数据;
第二模型构建子模块,用于对第一统计子模块中各数据进行归一化处理,并按照用地类型进行聚类,得出城市规划模型。
进一步地,所述第三模型构建模块包括:
第二统计子模块,用于根据所述城市规划候选地集的地理位置信息,统计对应地理位置周边的交通量数据,并作为候选地的预计交通量数据;
第三统计子模块,用于统计城市规划候选地集的地理位置周边的城市居住的人口密度数据、城市居住人口年龄分布数据、预计交通量数据、即将入驻的工厂类型数据、大气环境数据;
预测子模块,用于将第三统计子模块中各数据进行归一化处理,输入所述城市规划模型,得出候选地的预测用地类型;
第一确定子模块,用于通过所述人群出行模型确定预测用地类型对应最优出行路线及出行方式;
第二确定子模块,用于通过最优出行路线及出行方式确定预测用地类型对应的最优预测交通碳排放量;
设定子模块,用于根据候选地的地理位置信息及对应预测用地类型设定对应建筑规模;
第一碳排放量得出子模块,用于根据建筑规模得出预测建筑碳排放量;
第二碳排放量得出子模块,用于根据候选地的地理位置周边的城市居住的人口密度数据得出预测人口碳排放量;
第三碳排放量得出子模块,用于综合预测交通碳排放量、预测建筑碳排放量及预测人口碳排放量,得出预测用地类型对应的综合预测碳排放量,完成碳排放量预测模型构建。
与现有技术相比,本发明具有的有益效果:
本发明通过设定城市碳排放量目标值,并设定城市规划候选地集,以距离最短、碳排放量最小为目标,建立城市人群出行模型,保证了城市人群出行模型的低碳排放量,并基于城市现有不同类型用地周边数据建立城市规划模型,通过出行模型及城市规划模型群得出碳排放量预测模型,并通过碳排放量预测模型得出预测碳排放量,最后判断预测碳排放量是否大于城市碳排放量目标值,从而确定城市规划空间布局。通过本发明,实现了城市规划时的低碳排放量目标。
附图说明
图1为本发明实施例一种城市规划时用于减少碳排放的空间布局方法的基本流程图;
图2为本发明实施例一种城市规划时用于减少碳排放的空间布局装置的结构示意图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的解释说明:
实施例一:
如图1所示,一种城市规划时用于减少碳排放的空间布局方法,包括:
步骤S101:设定城市碳排放量目标值及城市规划候选地集;
步骤S102:建立城市人群出行模型;
步骤S103:建立城市规划模型;
步骤S104:通过所述城市人群出行模型及所述城市规划模型群得出碳排放量预测模型;
步骤S105:通过所述碳排放量预测模型得出预测碳排放量;
步骤S106:判断所述预测碳排放量是否大于所述城市碳排放量目标值,若否,则确定城市规划空间布局。
具体地,城市规划候选地集用于作为居住地、工业用地、商业用地或绿地。
具体地,步骤S102包括:
步骤S102.1:确定所述城市规划候选地集的地理位置信息;
步骤S102.2:基于所述地理位置信息,将该地理位置附近人群出行活动划分为3个模块,分别为等候、行驶、到达,每个模块有多个实例,通过出行方式、距离、碳排放量、出发地性质及目的地性质5个属性对人群出行活动模块的实例进行刻画,具体地,出行方式可以为步行、骑行、开车、乘坐公交、坐地铁等,距离由出发地至目的地的出行方式及选择路线决定,出发地性质和目的地性质指的是出发地和目的地的特性,如出发地是居住场所(公寓等)、目的地是消费场所(如商场等),以距离最短、碳排放量最小为目标,形成城市人群出行模型:
其中,p为人群出行活动,Sp为人群出行活动对应距离,Cp为人群出行活动对应碳排放量,m为模块的数量,本实施例中m为3,ux为第x个模块对应的实例数量,x∈[1,m],εxy表示实例的选择标识,若εxy=1表示第x个模块第y个实例被选择,若εxy=0表示第x个模块第y个实例未被选择,Sxy为第x个模块第y个实例的人群出行活动对应距离,Cxy表示第x个模块第y个实例的人群出行活动对应碳排放量。
具体地,步骤S103包括:
步骤S103.1:统计城市现有不同类型用地周边城市居住的人口密度数据、城市居住人口年龄分布数据、交通量数据、工厂类型数据、大气环境数据;具体地,大气环境数据为氮氧化物、硫氧化物、碳氧化物;
步骤S103.2:对步骤S103.1中各数据进行归一化处理,并按照用地类型进行聚类,得出城市规划模型。
具体地,步骤S104包括:
步骤S104.1:根据所述城市规划候选地集的地理位置信息,统计对应地理位置周边的交通量数据,并作为候选地的预计交通量数据;
步骤S104.2:统计城市规划候选地集的地理位置周边的城市居住的人口密度数据、城市居住人口年龄分布数据、预计交通量数据、即将入驻的工厂类型数据、大气环境数据;
步骤S104.3:将步骤S104.2中各数据进行归一化处理,输入所述城市规划模型,得出候选地的预测用地类型;
步骤S104.4:通过所述人群出行模型确定预测用地类型对应最优出行路线及出行方式;
步骤S104.5:通过最优出行路线及出行方式确定预测用地类型对应的最优预测交通碳排放量;
步骤S104.6:根据候选地的地理位置信息及对应预测用地类型设定对应建筑规模;
步骤S104.7:根据建筑规模得出预测建筑碳排放量;
步骤S104.8:根据候选地的地理位置周边的城市居住的人口密度数据得出预测人口碳排放量;
步骤S104.9:综合预测交通碳排放量、预测建筑碳排放量及预测人口碳排放量,得出预测用地类型对应的综合预测碳排放量,完成碳排放量预测模型构建。
本发明通过设定城市碳排放量目标值,并设定城市规划候选地集,以距离最短、碳排放量最小为目标,建立城市人群出行模型,保证了城市人群出行模型的低碳排放量,并基于城市现有不同类型用地周边数据建立城市规划模型,通过出行模型及城市规划模型群得出碳排放量预测模型,并通过碳排放量预测模型得出预测碳排放量,最后判断预测碳排放量是否大于城市碳排放量目标值,从而确定城市规划空间布局。通过本发明,实现了城市规划时的低碳排放量目标。
实施例二:
如图2所示,一种城市规划时用于减少碳排放的空间布局装置,包括:
设定模块201,用于设定城市碳排放量目标值及城市规划候选地集;
第一模型构建模块202,用于建立城市人群出行模型;
第二模型构建模块203,用于建立城市规划模型;
第三模型构建模块204,用于通过所述城市人群出行模型及所述城市规划模型群得出碳排放量预测模型;
预测模块205,用于通过所述碳排放量预测模型得出预测碳排放量;
判断模块206,用于判断所述预测碳排放量是否大于所述城市碳排放量目标值,若否,则确定城市规划空间布局。
具体地,第一模型构建模块202包括:
信息确定子模块2021,用于确定所述城市规划候选地集的地理位置信息;
第一模型构建子模块2022,用于基于所述地理位置信息,将该地理位置附近人群出行活动划分为3个模块,分别为等候、行驶、到达,每个模块有多个实例,通过出行方式、距离、碳排放量、出发地性质及目的地性质5个属性对人群出行活动模块的实例进行刻画,以距离最短、碳排放量最小为目标,形成城市人群出行模型:
其中,p为人群出行活动,Sp为人群出行活动对应距离,Cp为人群出行活动对应碳排放量,m为模块的数量,ux为第x个模块对应的实例数量,x∈[1,m],εxy表示实例的选择标识,Sxy为第x个模块第y个实例的人群出行活动对应距离,Cxy表示第x个模块第y个实例的人群出行活动对应碳排放量。
具体地,第二模型构建模块203包括:
第一统计子模块2031,用于统计城市现有不同类型用地周边城市居住的人口密度数据、城市居住人口年龄分布数据、交通量数据、工厂类型数据、大气环境数据;
第二模型构建子模块2032,用于对第一统计子模块2031中各数据进行归一化处理,并按照用地类型进行聚类,得出城市规划模型。
具体地,第三模型构建模块204包括:
第二统计子模块2041,用于根据所述城市规划候选地集的地理位置信息,统计对应地理位置周边的交通量数据,并作为候选地的预计交通量数据;
第三统计子模块2042,用于统计城市规划候选地集的地理位置周边的城市居住的人口密度数据、城市居住人口年龄分布数据、预计交通量数据、即将入驻的工厂类型数据、大气环境数据;
预测子模块2043,用于将第三统计子模块2042中各数据进行归一化处理,输入所述城市规划模型,得出候选地的预测用地类型;
第一确定子模块2044,用于通过所述人群出行模型确定预测用地类型对应最优出行路线及出行方式;
第二确定子模块2045,用于通过最优出行路线及出行方式确定预测用地类型对应的最优预测交通碳排放量;
设定子模块2046,用于根据候选地的地理位置信息及对应预测用地类型设定对应建筑规模;
第一碳排放量得出子模块2047,用于根据建筑规模得出预测建筑碳排放量;
第二碳排放量得出子模块2048,用于根据候选地的地理位置周边的城市居住的人口密度数据得出预测人口碳排放量;
第三碳排放量得出子模块2049,用于综合预测交通碳排放量、预测建筑碳排放量及预测人口碳排放量,得出预测用地类型对应的综合预测碳排放量,完成碳排放量预测模型构建。
以上所示仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种城市规划时用于减少碳排放的空间布局方法,其特征在于,包括:
步骤1:设定城市碳排放量目标值及城市规划候选地集;
步骤2:建立城市人群出行模型;
所述步骤2包括:
步骤2.1:确定所述城市规划候选地集的地理位置信息;
步骤2.2:基于所述地理位置信息,将该地理位置附近人群出行活动划分为3个模块,分别为等候、行驶、到达,每个模块有多个实例,通过出行方式、距离、碳排放量、出发地性质及目的地性质5个属性对人群出行活动模块的实例进行刻画,以距离最短、碳排放量最小为目标,形成城市人群出行模型:
其中,p为人群出行活动,Sp为人群出行活动对应距离,Cp为人群出行活动对应碳排放量,m为模块的数量,ux为第x个模块对应的实例数量,x∈[1,m],εxy表示实例的选择标识,Sxy为第x个模块第y个实例的人群出行活动对应距离,Cxy表示第x个模块第y个实例的人群出行活动对应碳排放量;
步骤3:建立城市规划模型;
所述步骤3包括:
步骤3.1:统计城市现有不同类型用地周边城市居住的人口密度数据、城市居住人口年龄分布数据、交通量数据、工厂类型数据、大气环境数据;
步骤3.2:对步骤3.1中各数据进行归一化处理,并按照用地类型进行聚类,得出城市规划模型;
步骤4:通过所述城市人群出行模型及所述城市规划模型得出碳排放量预测模型;
所述步骤4包括:
步骤4.1:根据所述城市规划候选地集的地理位置信息,统计对应地理位置周边的交通量数据,并作为候选地的预计交通量数据;
步骤4.2:统计城市规划候选地集的地理位置周边的城市居住的人口密度数据、城市居住人口年龄分布数据、预计交通量数据、即将入驻的工厂类型数据、大气环境数据;
步骤4.3:将步骤4.2中各数据进行归一化处理,输入所述城市规划模型,得出候选地的预测用地类型;
步骤4.4:通过所述城市人群出行模型确定预测用地类型对应最优出行路线及出行方式;
步骤4.5:通过最优出行路线及出行方式确定预测用地类型对应的最优预测交通碳排放量;
步骤4.6:根据候选地的地理位置信息及对应预测用地类型设定对应建筑规模;
步骤4.7:根据建筑规模得出预测建筑碳排放量;
步骤4.8:根据候选地的地理位置周边的城市居住的人口密度数据得出预测人口碳排放量;
步骤4.9:综合预测交通碳排放量、预测建筑碳排放量及预测人口碳排放量,得出预测用地类型对应的综合预测碳排放量,完成碳排放量预测模型构建;
步骤5:通过所述碳排放量预测模型得出预测碳排放量;
步骤6:判断所述预测碳排放量是否大于所述城市碳排放量目标值,若否,则确定城市规划空间布局。
2.根据权利要求1所述的城市规划时用于减少碳排放的空间布局方法,其特征在于,所述城市规划候选地集用于作为居住地、工业用地、商业用地或绿地。
3.一种城市规划时用于减少碳排放的空间布局装置,其特征在于,包括:
设定模块,用于设定城市碳排放量目标值及城市规划候选地集;
第一模型构建模块,用于建立城市人群出行模型;
所述第一模型构建模块包括:
信息确定子模块,用于确定所述城市规划候选地集的地理位置信息;
第一模型构建子模块,用于基于所述地理位置信息,将该地理位置附近人群出行活动划分为3个模块,分别为等候、行驶、到达,每个模块有多个实例,通过出行方式、距离、碳排放量、出发地性质及目的地性质5个属性对人群出行活动模块的实例进行刻画,以距离最短、碳排放量最小为目标,形成城市人群出行模型:
其中,p为人群出行活动,Sp为人群出行活动对应距离,Cp为人群出行活动对应碳排放量,m为模块的数量,ux为第x个模块对应的实例数量,x∈[1,m],εxy表示实例的选择标识,Sxy为第x个模块第y个实例的人群出行活动对应距离,Cxy表示第x个模块第y个实例的人群出行活动对应碳排放量;
第二模型构建模块,用于建立城市规划模型;
所述第二模型构建模块包括:
第一统计子模块,用于统计城市现有不同类型用地周边城市居住的人口密度数据、城市居住人口年龄分布数据、交通量数据、工厂类型数据、大气环境数据;
第二模型构建子模块,用于对第一统计子模块中各数据进行归一化处理,并按照用地类型进行聚类,得出城市规划模型;
第三模型构建模块,用于通过所述城市人群出行模型及所述城市规划模型得出碳排放量预测模型;
所述第三模型构建模块包括:
第二统计子模块,用于根据所述城市规划候选地集的地理位置信息,统计对应地理位置周边的交通量数据,并作为候选地的预计交通量数据;
第三统计子模块,用于统计城市规划候选地集的地理位置周边的城市居住的人口密度数据、城市居住人口年龄分布数据、预计交通量数据、即将入驻的工厂类型数据、大气环境数据;
预测子模块,用于将第三统计子模块中各数据进行归一化处理,输入所述城市规划模型,得出候选地的预测用地类型;
第一确定子模块,用于通过所述城市人群出行模型确定预测用地类型对应最优出行路线及出行方式;
第二确定子模块,用于通过最优出行路线及出行方式确定预测用地类型对应的最优预测交通碳排放量;
设定子模块,用于根据候选地的地理位置信息及对应预测用地类型设定对应建筑规模;
第一碳排放量得出子模块,用于根据建筑规模得出预测建筑碳排放量;
第二碳排放量得出子模块,用于根据候选地的地理位置周边的城市居住的人口密度数据得出预测人口碳排放量;
第三碳排放量得出子模块,用于综合预测交通碳排放量、预测建筑碳排放量及预测人口碳排放量,得出预测用地类型对应的综合预测碳排放量,完成碳排放量预测模型构建;
预测模块,用于通过所述碳排放量预测模型得出预测碳排放量;
判断模块,用于判断所述预测碳排放量是否大于所述城市碳排放量目标值,若否,则确定城市规划空间布局。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910814717.2A CN110674975B (zh) | 2019-08-30 | 2019-08-30 | 城市规划时用于减少碳排放的空间布局方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910814717.2A CN110674975B (zh) | 2019-08-30 | 2019-08-30 | 城市规划时用于减少碳排放的空间布局方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110674975A CN110674975A (zh) | 2020-01-10 |
CN110674975B true CN110674975B (zh) | 2023-04-07 |
Family
ID=69076128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910814717.2A Active CN110674975B (zh) | 2019-08-30 | 2019-08-30 | 城市规划时用于减少碳排放的空间布局方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674975B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882471A (zh) * | 2020-06-30 | 2020-11-03 | 西安建筑科技大学 | 新区规划的碳排放量评估方法及*** |
CN113011642A (zh) * | 2021-03-09 | 2021-06-22 | 生态环境部环境规划院 | 一种预测城市二氧化碳总量的方法 |
CN114154871A (zh) * | 2021-12-02 | 2022-03-08 | 特斯联科技集团有限公司 | 一种基于大数据处理的建筑物碳排放分析*** |
CN116468143A (zh) * | 2023-02-17 | 2023-07-21 | 广东省城乡规划设计研究院有限责任公司 | 基于多智能体建模的城市交通碳排放预测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006132139A (ja) * | 2004-11-04 | 2006-05-25 | Misawa Homes Co Ltd | まちづくり計画地の気候特性把握と緑化方法。 |
CN101763600A (zh) * | 2010-01-12 | 2010-06-30 | 武汉大学 | 基于模型簇的土地利用供需预测方法 |
CN103870678A (zh) * | 2014-02-18 | 2014-06-18 | 上海零碳建筑科技有限公司 | 一种基于城市规划的碳排放计量方法 |
CN104951658A (zh) * | 2015-06-20 | 2015-09-30 | 西安科技大学 | 一种基于城市规划的碳排放计量方法 |
CN106251020A (zh) * | 2016-08-05 | 2016-12-21 | 辜寄蓉 | 基于资源环境承载力的土地利用布局优选方法 |
CN106611290A (zh) * | 2016-12-08 | 2017-05-03 | 华北水利水电大学 | 一种基于城市规划的碳排放管理*** |
-
2019
- 2019-08-30 CN CN201910814717.2A patent/CN110674975B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006132139A (ja) * | 2004-11-04 | 2006-05-25 | Misawa Homes Co Ltd | まちづくり計画地の気候特性把握と緑化方法。 |
CN101763600A (zh) * | 2010-01-12 | 2010-06-30 | 武汉大学 | 基于模型簇的土地利用供需预测方法 |
CN103870678A (zh) * | 2014-02-18 | 2014-06-18 | 上海零碳建筑科技有限公司 | 一种基于城市规划的碳排放计量方法 |
CN104951658A (zh) * | 2015-06-20 | 2015-09-30 | 西安科技大学 | 一种基于城市规划的碳排放计量方法 |
CN106251020A (zh) * | 2016-08-05 | 2016-12-21 | 辜寄蓉 | 基于资源环境承载力的土地利用布局优选方法 |
CN106611290A (zh) * | 2016-12-08 | 2017-05-03 | 华北水利水电大学 | 一种基于城市规划的碳排放管理*** |
Non-Patent Citations (3)
Title |
---|
本书编写组.第二章 低碳城市的规划与发展.《低碳经济与公共政策》.国家行政学院出版社,2013,66、68. * |
管莉花.第一篇 消费结构与居民生活消费碳排放研究.《中国经济增长的新要素和新模式》.同济大学出版社,2019,14. * |
阳建强.11.4.1 轨道交通沿线土地类型.《城市规划与设计 第2版 = URBAN PLANNING AND DESIGN》.东南大学出版社,2015,191. * |
Also Published As
Publication number | Publication date |
---|---|
CN110674975A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674975B (zh) | 城市规划时用于减少碳排放的空间布局方法及装置 | |
CN101510357B (zh) | 一种基于手机信号数据检测交通状态的方法 | |
CN110876126A (zh) | 一种基于智慧路灯的城市控制管理*** | |
CN114297809A (zh) | 一种电动汽车充电站选址定容方法 | |
CN111861022B (zh) | 一种基于大数据分析优化电动汽车充电站选址的方法 | |
CN106503843A (zh) | 一种基于手机信令数据的常规公交线网优化与调整方法 | |
CN110458589B (zh) | 基于轨迹大数据的路侧式出租车停靠站选址优选方法 | |
Jiang et al. | The impact of the transportation network companies on the taxi industry: Evidence from Beijing’s GPS taxi trajectory data | |
CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
CN104835335A (zh) | 路网交通优化控制***和方法 | |
CN106056935A (zh) | 智能交通诱导***及方法 | |
CN107872808A (zh) | 一种wlan站址预测分析方法及装置 | |
CN105679009A (zh) | 一种基于出租车gps数据挖掘的打车/接单poi推荐***及方法 | |
GU et al. | Monitoring dispatch information system of trucks and shovels in an open pit based on GIS/GPS/GPRS | |
CN110414795B (zh) | 基于改进两步移动搜索法的新增高铁枢纽可达性影响方法 | |
Zhang et al. | pCruise: Reducing cruising miles for taxicab networks | |
CN109325614B (zh) | 一种基于gis的汽车站选址方法 | |
CN110675110A (zh) | 一种基于地铁网络的快递配送枢纽中心选址方法及装置 | |
CN106373384A (zh) | 边远地区客运班车线路实时生成方法 | |
CN110288125B (zh) | 一种基于手机信令数据的通勤模型建立方法及应用 | |
CN109754606B (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
CN115049215A (zh) | 一种城市交通流量空间分布模型的构建方法 | |
Li et al. | Estimating crowd flow and crowd density from cellular data for mass rapid transit | |
CN111612223A (zh) | 基于土地和交通多源数据的人口就业分布预测方法及装置 | |
Dogaroglu et al. | Investigation of car park preference by intelligent system guidance |
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 |