CN114417614B - 一种中心城区机动车空间管控措施下碳排放减排测算方法 - Google Patents

一种中心城区机动车空间管控措施下碳排放减排测算方法 Download PDF

Info

Publication number
CN114417614B
CN114417614B CN202210067622.0A CN202210067622A CN114417614B CN 114417614 B CN114417614 B CN 114417614B CN 202210067622 A CN202210067622 A CN 202210067622A CN 114417614 B CN114417614 B CN 114417614B
Authority
CN
China
Prior art keywords
motor vehicle
travel
vehicle
model
carbon emission
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
Application number
CN202210067622.0A
Other languages
English (en)
Other versions
CN114417614A (zh
Inventor
顾天奇
庄楚天
周敏
刘雨承
倪勇
蒋韬
江勇东
姜伟
姚春雷
陈双燕
张亚婷
包渊秋
张海军
徐辉
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.)
CCDI Suzhou Exploration and Design Consultant Co Ltd
Original Assignee
CCDI Suzhou Exploration and Design Consultant Co Ltd
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 CCDI Suzhou Exploration and Design Consultant Co Ltd filed Critical CCDI Suzhou Exploration and Design Consultant Co Ltd
Priority to CN202210067622.0A priority Critical patent/CN114417614B/zh
Publication of CN114417614A publication Critical patent/CN114417614A/zh
Application granted granted Critical
Publication of CN114417614B publication Critical patent/CN114417614B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种中心城区机动车空间管控措施下碳排放减排测算方法，包括：准备基本数据；构建现状机动车出行模型；构建管控措施下的交通预测模型；基于所述现状机动车出行模型和管控措施下的交通预测模型，构建基于车型、车速、车公里的碳排放模型；计算碳排放变化量。本申请通过构建管控措施下的交通预测模型和基于车型、车速、车公里的碳排放模型，形成双层模型，能够量化空间管控措施对减碳的贡献，为后续管控政策的提出和进一步全过程碳减排计算提供了基础和参考。

Description

一种中心城区机动车空间管控措施下碳排放减排测算方法
技术领域
本发明涉及碳排放测算技术，尤其涉及一种中心城区机动车空间管控措施下碳排放减排测算方法。
背景技术
2020年，中国全国机动车保有量达到3.72亿辆，碳减排的形势依然严峻。根据美国的研究报告，2014年，交通运输行业的碳排放占美国碳排放总量的26％，欧盟的这一数据是20％，而根据2020年相关报道，中国国内的这一数据是10-14％。参考发达国家的发展路径，中国国内交通领域的碳排放可能还没有脱离上升周期。其中居民的乘用小客车又构成了交通碳排放的主体。美国的研究表明轻型乘用汽车占交通运输行业温室气体排放的61％。中国国内研究也表明，私人小客车万人公里碳排放是2.15吨，远远超过轨道交通的万人公里碳排放0.3吨和地面公交的0.5吨。因此，交通碳减排的关键问题在于如何有效减少居民小客车出行总量。
当前国内外一些城市陆续开展了中心城区无车化、少车化、去机动化的实践以营造活力、低碳、宜人的中心城区城市环境。通过对私人小客车进行源头需求管控，从经济杠杆、空间管控等措施减少小客车出行。如巴塞罗那的超级街区(Superilla)计划和近期准备实施的纽约曼哈顿岛SOHO区百老汇大街改造项目(Broadway Public Realm Plan)，均提出构建空间管控单元，对管控单元内部的过境机动车进行截流和分流，并限制其车速，大量组织单循环交通以期实现限制居民小客车出行的目标。伦敦2021规划中再一次重申了在其中心城区(CAZ)区域落实比内伦敦(inner London)和外伦敦(outer London)区域更严格的排放收费的政策。客观来说，这类实践的提出多基于城市更新、风貌保护、产业复兴等目标。但限制小客车的同时，往往伴随减碳降排的效果。
在很多城市提出中心城区去机动化、打造慢行友好的共享街区的背景下，提出一套测算相应碳减排的方法有重要的现实意义。现有行驶里程法测算模型计算碳排放最大的问题在于欠缺精确度，因城市交通运行环境相对复杂，车速分布通常较为广泛，直接采用行程里程法有可能会造成最终结果较大的误差。
发明内容
本发明的目的在于提供一种中心城区机动车空间管控措施下碳排放减排测算方法，以能够量化空间管控措施对减碳的贡献。
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
根据本发明的一方面，提供了一种中心城区机动车空间管控措施下碳排放减排测算方法，包括：准备基本数据；构建现状机动车出行模型；构建管控措施下的交通预测模型；基于所述现状机动车出行模型和管控措施下的交通预测模型，构建基于车型、车速、车公里的碳排放模型；计算碳排放变化量。
在一实施例中，所述基本数据包括静态数据和动态数据；
所述静态数据包括：城市用地、道路网络、地面公共交通网络和轨道交通网络；
所述动态数据包括：手机信令数据或居民出行调查数据、轨道交通、公共交通刷卡数据、现状典型道路断面流量和车速。
在一实施例中，所述构建现状机动车出行模型包括：
基于手机信令数据构建全方式出行OD矩阵；
根据各核查线断面机动车流量、各公交站点上客量、各轨道站点上下客量对模型进行修正，获得现状机动车OD矩阵；
在主流交通预测软件中对流量进行分配，获得现状道路车速流量；
根据现状道路车速流量获得分车速区间的现状车公里VKT。
在一实施例中，在所述基于手机信令数据构建全方式出行OD矩阵之后，还包括根据人口数据对全方式出行OD矩阵进行扩样修正。
在一实施例中，所述构建管控措施下的交通预测模型，包括：
构建离散效用函数Logit模型；
假设所有出行者不改变现状的出行方式，将出行OD在管控条件下的路网上进行分配，获得在出行意愿不改变的情况下的道路车速流量；
将各出行者的出行速度带入Logit模型，推导出管控条件下各交通方式的出行比例；
利用机动车出行比例推算管控条件下的机动车出行OD，获得管控条件下的机动车车速和流量。
在一实施例中，所述构建离散效用函数Logit模型，包括：
基于现状出行模型，获取中心城区各街道的机动车出行比例、各街道内市民出行距离和出行时间；
根据公交刷卡、轨道刷卡数据获得各街道的机动车出行比例；
以小汽车出行和公共交通出行为研究对象构建以下效用函数：
Uij＝Vij+ε＝ASC+α*x+β*y+ε，
式中：Uij为出行者i选择交通方式j的效用函数；Vij为出行者i选择交通方式j的固定效用；ε为误差项；ASC为常数项；x为出行特征及社会经济属性等外生变量；y为速度；α，β为系数。
在一实施例中，所述基于车型、车速、车公里的碳减排模型如下：
其中，是基于现状场景的车速和车公里的年CO2排放量/kg；
是基于方案场景的车速和车公里的CO2排放量/kg；
VKTij是现状场景下，第j种车型在速度区间位于i时的总量年车公里数/km；
EFij是现状场景下，第j种车型在速度区间位于i时的CO2排放因子/(g·km-1)；
VKTij′和EFij′是在管控方案场景下，由于各类政策、措施实施后，机动车出行量变化导致了相应速度区间的车公里变化以及车型变化后的总量年车公里数/km和新车型的CO2排放因子/(g·km-1)。
在一实施例中，所述车型包括能源类型。
本发明实施例的有益效果是：通过构建管控措施下的交通预测模型和基于车型、车速、车公里的碳排放模型，形成双层模型；其中，管控措施下的交通预测模型逻辑关系明确，大部分城市复刻技术路线和适用场景的难度较小。碳排放模型相比于传统的行驶里程法碳排放测算模型更为简洁和高效且通用性强。二者相结合形成的双层模型，能够量化空间管控措施对减碳的贡献，为后续管控政策的提出和进一步全过程碳减排计算提供了基础和参考。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1是本申请实施例的方法流程示意图；
图2是本申请实施例的模型框架示意图；
图3是碳排放因子与机动车速度的关系示意图。
具体实施方式
以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。
如图1所示，本申请实施例提供了一种中心城区机动车空间管控措施下碳排放减排测算方法，包括：
步骤100、准备基本数据；
基本数据由静态数据和动态数据组成。其中静态数据包括城市用地、道路网络、地面公共交通网络和轨道交通网络等。动态数据包括手机信令数据、轨道交通、公共交通刷卡数据和现状典型道路断面流量和车速。为达到足够的精度，中心城区范围以内的路网精度涵盖所有市政道路和街巷，中心城区以外的路网精度涵盖快速路和主干道。动态数据中的手机信令数据主要用来得到全方式OD，也可用居民出行调查代替。前者更新及时、覆盖率较高，后者更为精确。交通模型底座主要是四阶段交通预测模型，但在实际操作中为了简化研究难度，需针对机动车出行分配、流量分布、出行方式划分(方式转移)进行细化。
步骤200、构建现状机动车出行模型；
首先基于手机信令数据构建全方式出行OD矩阵，由于手机数据运营商无法获得全市所有出行人群的数据，需根据人口普查数据对全方式出行OD进行扩样修正，获得现状全方式出行OD。根据政府官方报告中各核查线断面机动车流量、各公交站点上客量、各轨道站点上下客量等数据对模型进行修正，获得现状机动车OD矩阵，并在主流交通预测软件(例如TransCad)中对流量进行分配，获得现状道路车速流量，根据现状道路车速流量获得分车速区间的现状车公里VKT，并与交警的路网监控***加以对比校核得到机动车高峰运行分布的流量情况。
步骤300、构建管控措施下的交通预测模型；
中心城区机动车管控后，公共交通与小汽车出行时间比会降低，改变部分出行者的出行方式，如何判断出行者的出行方式转变是构建预测模型的重点。
在本实施例中，采用以下步骤确定机动车管控后出行方式的转变。
步骤310、构建离散效用函数Logit模型；
Logit模型是较为常用的离散效用函数应用模型，此处用于出行方式选择阶段。基于现状出行模型，获取中心城区各街坊的机动车出行比例，各街坊内市民出行距离和出行时间等数据，同时，根据公交刷卡、轨道刷卡数据获得各街坊的机动车出行比例。可见目前高机动车出行比例的主要集中在高档小区、道路条件较好、轨道覆盖较差的区域。因此，以小汽车出行和公共交通出行为研究对象构建以下效用函数：
Uij＝Vij+ε＝ASC+α*x+β*y+ε，
式中：Uij为出行者i选择交通方式j的效用函数；Vij为出行者i选择交通方式j的固定效用；ε为误差项；ASC为常数项；x为出行特征及社会经济属性等外甥变量；y为速度；α，β为系数，α，β可根据现状中心城区内和一端在中心城区内的出行数据推算得到。
步骤320、基于Logit模型计算管控条件下的机动车车速和流量。
由于管控后公共交通与小汽车出行的时间比无法准确测算，所以假设所有出行者不改变现状的出行方式，并将出行OD在管控条件下的路网上进行分配，获得在出行意愿不改变的情况下的道路车速流量，该条件下受路网条件影响，道路车速流量会产生明显下降。此时将各出行者的出行速度带入Logit模型，即可推导处管控条件下各交通方式的出行比例，并利用机动车出行比例推算管控条件下的机动车出行OD，从而获得管控条件下的机动车车速和流量。
步骤400、基于现状机动车出行模型和管控措施下的交通预测模型，构建基于车型、车速、车公里的碳排放模型；
基于车型、车速、车公里的碳减排模型如下：
其中是基于现状场景的车速和车公里的年CO2排放量/kg；
是基于方案场景的车速和车公里的CO2排放量/kg；
VKTij是现状场景下，第j种车型(能源)在速度区间位于i时的总量年车公里数/km；
EFij是现状场景下，第j种车型(能源类型)在速度区间位于i时的CO2排放因子/(g·km-1)；
对应的VKTij，和EFij′是在方案场景下，由于各类政策、措施实施后，机动车出行量变化导致了相应速度区间的车公里变化以及车型(能源类型)变化后的总量年车公里数/km和新车型(能源类型的)CO2排放因子/(g·km-1)。
最终得到的双层模型框架示意图如图2所示，该模型考虑了车公里、车速和车型(能源类型)等因素对碳排放的影响。不同车速、不同车型(如大型车、公交车、常规中小型私家车等)和不同能源来源(如燃油、柴油、各种新能源车辆等)的CO2排放因子/(g·km-1)差异较大，例如碳排放因子与机动车速度的关系如图3所示。因此，在本模型中采用分开计算合并计入总量的方法，在上式中体现在对EFij的不同取值。
步骤500、计算碳排放变化量。
下表展示了在某城市实施交通管控方案后，通过上述模型计算得到的中心城区的机动车分担率、流量分布和车速的变化：
下表展示了通过上述模型计算得到的碳减排计算结果：
理论上，在模型中的车速区间可以无限细分、每一级别车速都有对应的碳排放因子，其计算可采用积分。而实际操作中，受限于指标体系无法完全细分的原因，且为了简化计算，可以按照一定区间分档。本研究中的三种场景中，现状场景完全基于现状分车速区间的路段交通里程，其年CO2排放为36332.93吨，CO排放为121.57吨。总碳排放Ee＝36454.51吨。场景二仅考虑交通管控措施，可以看到随着出行总量的减少，碳排放显著减少，总碳排放Es＝36454.51吨，碳减排ΔE_r＝5706.25(吨)，在现状基础上减少15.65％。场景三在场景二基础上进一步考虑新能源车比例的小幅变化，总碳排放Es′＝29979.55，碳减排ΔEr′＝6474.95(吨)，在现状基础上减少17.76％。
目前还有一种主流的行驶里程法计算碳排放，行程里程法根据交通工具的行驶里程和相应的CO2排放因子直接测算。CO2排放因子不再考虑车速，直接根据车型(能源类型)确定单位车公里的碳排放，计算的时候只需要将CO2排放因子与总的车公里相乘即可，如陈素平等在天津市道路交通碳减排政策实施效果评估就采用了该方法。该方案的优点是相对简单，不需要城市交通运行的机动车速度分布。缺点在于采用单位能源的CO2排放因子主要参考《2006年IPCC国家温室气体清单指南》，这该标准颁布至今已有15年，相对滞后。此外，行驶里程法计算碳排放最大的问题还在于其精确欠缺。在不同车辆行驶速度情况下，常规的燃油机动车碳排放差异极大。下表是加州交通局关于中型燃油机动车在不同车速情况下的碳排放测定标准值，可以看到低速行驶情况下的CO2排放约为60km/h下行驶所产生CO2的3倍的差异。因城市交通运行环境相对复杂，车速分布通常较为广泛，直接采用行程里程法有可能会造成最终结果较大的误差。而本申请所提供的方案可有效避免相应问题。
本申请所提供的计算模型的另一个优势在于：当通过交通政策引导、交通管控等措施减少(或增加)各(能源)类型机动车出行总量时，会引起相应速度区间内总量车公里VKT的变化，无需引入新的调整系数就能计算调整后的碳排放。故上述模型保持了相对简洁和高效的优点。
可以看到，上述模型组合主要由两部分组成。第一部分是融合了"基于中心城区机动车交通管控的交通预测模型″(TME，traffic estimation model based on centralarea traffic management)，第二部分是"基于分速度里程的碳排放模型(VDE，carbonemission model based on velocity and vehicle kilometer travelled)″，最终组成的模型组"机动车交通管控下的碳减排模型(TCR)″。
综上所述，本申请提出一种双层的基于中心城区交通管控方案的碳减排模型，根据底层城市交通数据和常用的交通预测模型，主要考虑车公里、车速和车型(能源类型)等因素对碳排放的影响，以实现针对中心城区机动车空间管控方案的碳减排模型计算。
具体模型包含两层，首层模型构建了管控方案与车速、车公里里程之间的预测模型。该模型的输入是各类管控方案、政策、车型(能源)结构，输出则是车速分布与对应车速的车公里里程分布。该模型的优势在于逻辑关系明确，大部分城市复刻技术路线和适用场景的难度较小。第二层模型根据车速和车公里里程以及相应的碳排放因子计算不同场景下的碳排放量。由于不同车速、不同车型(如大型车、公交车、常规中小型私家车等)和不同能源来源(如燃油、柴油、各种新能源车辆等)的碳排放因子/(g·km-1)差异巨大，因此本申请提出的模型需按速度分层，分开计算合碳排放并计入总量。相比于传统的行驶里程法碳排放测算模型更为简洁和高效且通用性强。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
以上所述仅为本申请的较佳实例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (5)

1.一种中心城区机动车空间管控措施下碳排放减排测算方法，其特征在于，包括：
准备基本数据，所述基本数据包括静态数据和动态数据；所述静态数据包括：城市用地、道路网络、地面公共交通网络和轨道交通网络；所述动态数据包括：手机信令数据或居民出行调查数据、轨道交通、公共交通刷卡数据、现状典型道路断面流量和车速；
构建现状机动车出行模型，包括：基于手机信令数据构建全方式出行OD矩阵，根据各核查线断面机动车流量、各公交站点上客量、各轨道站点上下客量对模型进行修正，获得现状机动车OD矩阵，在主流交通预测软件中对流量进行分配，获得现状道路车速流量，根据现状道路车速流量获得分车速区间的现状车公里VKT；
构建管控措施下的交通预测模型，包括：构建离散效用函数Logit模型，假设所有出行者不改变现状的出行方式，将出行OD在管控条件下的路网上进行分配，获得在出行意愿不改变的情况下的道路车速流量，将各出行者的出行速度带入Logit模型，推导出管控条件下各交通方式的出行比例，利用机动车出行比例推算管控条件下的机动车出行OD，获得管控条件下的机动车车速和流量；
基于所述现状机动车出行模型和管控措施下的交通预测模型，构建基于车型、车速、车公里的碳排放模型；
计算碳排放变化量。
2.根据权利要求1所述的中心城区机动车空间管控措施下碳排放减排测算方法，其特征在于，在所述基于手机信令数据构建全方式出行OD矩阵之后，还包括根据人口数据对全方式出行OD矩阵进行扩样修正。
3.根据权利要求1所述的中心城区机动车空间管控措施下碳排放减排测算方法，其特征在于，所述构建离散效用函数Logit模型，包括：
基于现状出行模型，获取中心城区各街道的机动车出行比例、各街道内市民出行距离和出行时间；
根据公交刷卡、轨道刷卡数据获得各街道的机动车出行比例；
以小汽车出行和公共交通出行为研究对象构建以下效用函数：
，
式中：为出行者/>选择交通方式/>的效用函数；/>为出行者/>选择交通方式/>的固定效用；/>为误差项；/>为常数项；/>为外生变量；/>为速度；/>为系数。
4.根据权利要求3所述的中心城区机动车空间管控措施下碳排放减排测算方法，其特征在于，所述基于车型、车速、车公里的碳排放模型如下：
，
其中，，是基于现状场景的车速和车公里的年CO2排放量/kg；
，是基于方案场景的车速和车公里的CO2排放量/kg；
是现状场景下，第j种车型在速度区间位于i时的总量年车公里数/ km；
是现状场景下，第j种车型在速度区间位于i时的CO2排放因子//>；
和/>是在管控方案场景下，由于各类政策、措施实施后，机动车出行量变化导致了相应速度区间的车公里变化以及车型变化后的总量年车公里数/ km和新车型的CO2排放因子//>。
5.根据权利要求1所述的中心城区机动车空间管控措施下碳排放减排测算方法，其特征在于，所述车型包括能源类型。
CN202210067622.0A 2022-01-20 2022-01-20 一种中心城区机动车空间管控措施下碳排放减排测算方法 Active CN114417614B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210067622.0A CN114417614B (zh) 2022-01-20 2022-01-20 一种中心城区机动车空间管控措施下碳排放减排测算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210067622.0A CN114417614B (zh) 2022-01-20 2022-01-20 一种中心城区机动车空间管控措施下碳排放减排测算方法

Publications (2)

Publication Number Publication Date
CN114417614A CN114417614A (zh) 2022-04-29
CN114417614B true CN114417614B (zh) 2023-10-27

Family

ID=81274501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210067622.0A Active CN114417614B (zh) 2022-01-20 2022-01-20 一种中心城区机动车空间管控措施下碳排放减排测算方法

Country Status (1)

Country Link
CN (1) CN114417614B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115015486B (zh) * 2022-06-13 2023-04-07 中南大学 一种基于回归树模型的碳排放量测算方法
CN115455681B (zh) * 2022-09-02 2023-08-25 江苏城乡建设职业学院 一种面向多载运工具的通勤交通碳排放空间分布估算方法
CN115908071B (zh) * 2022-10-13 2023-12-15 广州市城市规划勘测设计研究院 一种城市交通出行的碳排放测算方法、装置、设备及介质
CN116822779B (zh) * 2023-02-06 2024-06-04 长安大学 一种基于手机信令数据的高速公路机动车碳排放计算方法
CN116229607B (zh) * 2023-05-09 2023-08-01 深圳市城市交通规划设计研究中心股份有限公司 一种机动车行驶碳排放的预测方法、电子设备及存储介质
CN116777120B (zh) * 2023-08-16 2023-10-27 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 一种基于路网od对的城市道路移动源碳排放计算方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009033431A1 (de) * 2009-07-15 2011-01-20 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren und Vorrichtung zur dynamischen Steuerung einer Signalanlage
DE102010032791A1 (de) * 2010-07-26 2012-01-26 Siemens Aktiengesellschaft Verfahren und Vorrichtung zum Energiemanagement bei Schienenfahrzeugen
CN102508949A (zh) * 2011-10-13 2012-06-20 东南大学 城市隧道机动车尾气排放的数字化分析方法
CN104249736A (zh) * 2014-08-25 2014-12-31 河南理工大学 基于队列行驶的混合动力汽车节能预测控制方法
CN104590247A (zh) * 2014-12-09 2015-05-06 河南理工大学 基于交通信号灯信息的混合动力汽车节能预测控制方法
CN105894814A (zh) * 2016-05-11 2016-08-24 浙江大学 考虑环境效益的多种交通管控措施联合优化方法及***
CN205561151U (zh) * 2016-03-17 2016-09-07 悉地（苏州）勘察设计顾问有限公司 一种地下超长汽车坡道的通风排烟***
CN106205126A (zh) * 2016-08-12 2016-12-07 北京航空航天大学 基于卷积神经网络的大规模交通网络拥堵预测方法及装置
CN110008528A (zh) * 2019-03-14 2019-07-12 北京建筑大学 一种数据处理方法、装置及电子设备
CN110909434A (zh) * 2019-10-11 2020-03-24 东南大学 一种低碳导向下的城市公共交通干线网络设计方法
CN111127885A (zh) * 2019-12-18 2020-05-08 浙江工业大学 一种低排放城市区域的交通管控方法及其***

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009033431A1 (de) * 2009-07-15 2011-01-20 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren und Vorrichtung zur dynamischen Steuerung einer Signalanlage
DE102010032791A1 (de) * 2010-07-26 2012-01-26 Siemens Aktiengesellschaft Verfahren und Vorrichtung zum Energiemanagement bei Schienenfahrzeugen
CN102508949A (zh) * 2011-10-13 2012-06-20 东南大学 城市隧道机动车尾气排放的数字化分析方法
CN104249736A (zh) * 2014-08-25 2014-12-31 河南理工大学 基于队列行驶的混合动力汽车节能预测控制方法
CN104590247A (zh) * 2014-12-09 2015-05-06 河南理工大学 基于交通信号灯信息的混合动力汽车节能预测控制方法
CN205561151U (zh) * 2016-03-17 2016-09-07 悉地（苏州）勘察设计顾问有限公司 一种地下超长汽车坡道的通风排烟***
CN105894814A (zh) * 2016-05-11 2016-08-24 浙江大学 考虑环境效益的多种交通管控措施联合优化方法及***
CN106205126A (zh) * 2016-08-12 2016-12-07 北京航空航天大学 基于卷积神经网络的大规模交通网络拥堵预测方法及装置
CN110008528A (zh) * 2019-03-14 2019-07-12 北京建筑大学 一种数据处理方法、装置及电子设备
CN110909434A (zh) * 2019-10-11 2020-03-24 东南大学 一种低碳导向下的城市公共交通干线网络设计方法
CN111127885A (zh) * 2019-12-18 2020-05-08 浙江工业大学 一种低排放城市区域的交通管控方法及其***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
不同交通组织方式下路网环境效益评价分析――以苏州龙湖地块路网为例;张美坤;徐志红;;城市道桥与防洪(第05期);全文 *
小汽车尾号限行下的碳排放测算分析;杨辉;丁宏飞;李广路;;甘肃科学学报(第06期);全文 *

Also Published As

Publication number Publication date
CN114417614A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN114417614B (zh) 一种中心城区机动车空间管控措施下碳排放减排测算方法
Zhang et al. High-speed rail accessibility and haze pollution in China: A spatial econometrics perspective
CN105225488B (zh) 一种基于机动车比功率的速度对车辆排放因子修正方法
CN110807175A (zh) 一种基于目标城市交通模型数据的城市交通碳排放测算方法
Zhang et al. Vehicle emission inventories projection based on dynamic emission factors: a case study of Hangzhou, China
CN112613652A (zh) 一种服务于低碳道路交通规划的道路网碳排放估算方法
CN107798867B (zh) 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法
CN108230217A (zh) 一种基于高速公路收费数据的能耗排放总量核算***及其核算方法
Carteni et al. External costs estimation in a cost-benefit analysis: The new Formia-Gaeta tourist railway line in Italy
Yang et al. Determinants of city-level private car ownership: Effect of vehicle regulation policies and the relative price
CN111489060B (zh) 一种高时空分辨率交通源排放清单制备方法
CN105355048B (zh) 一种交通指数与机动车污染物排放耦合分析方法
CN114925483A (zh) 城市交通网络的碳排放测定方法
Kavianipour et al. Effects of Electric Vehicle Adoption for State-Wide Intercity Trips on Emission Saving and Energy Consumption
CN111127885B (zh) 一种低排放城市区域的交通管控方法及其***
CN110659794B (zh) 一种基于综合成本评估的公交车队置换方法
Zhao et al. Optimization of intensive land use in blocks of Xi’an from the perspective of bicycle travel
CN116187871A (zh) 一种基于多源数据的公路货运交通模型构建方法
Gan et al. An estimation method of road traffic GHG emissions in planning year based on road traffic planning and design indicators in counties
Lv et al. Sustainability transition evaluation of urban transportation using fuzzy logic method-the case of Jiangsu Province
CN109658000B (zh) 一种计算静态交通指数的方法
Li et al. Evaluation of joint development of park and ride and transit-oriented development near metro stations in Chengdu, China
CN102609625B (zh) 一种城郊高速公路出入口匝道选位方法
Xia et al. Analysis of long-distance passenger transportation based on a highway network using the SWOT-AHP method
CN112085315A (zh) 一种基于机动车通勤出行的加油站碳排放强度计算方法

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