CN117093645A - 一种基于大数据可视化的碳排放监测***及方法 - Google Patents

一种基于大数据可视化的碳排放监测***及方法 Download PDF

Info

Publication number
CN117093645A
CN117093645A CN202311365216.3A CN202311365216A CN117093645A CN 117093645 A CN117093645 A CN 117093645A CN 202311365216 A CN202311365216 A CN 202311365216A CN 117093645 A CN117093645 A CN 117093645A
Authority
CN
China
Prior art keywords
carbon emission
license plate
data
enterprise
vehicle
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.)
Granted
Application number
CN202311365216.3A
Other languages
English (en)
Other versions
CN117093645B (zh
Inventor
蒋剑
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.)
Foshan Longsheng Guangqi Technology Co ltd
Original Assignee
Foshan Longsheng Guangqi Technology 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 Foshan Longsheng Guangqi Technology Co ltd filed Critical Foshan Longsheng Guangqi Technology Co ltd
Priority to CN202311365216.3A priority Critical patent/CN117093645B/zh
Publication of CN117093645A publication Critical patent/CN117093645A/zh
Application granted granted Critical
Publication of CN117093645B publication Critical patent/CN117093645B/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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2428—Query predicate definition using graphical user interfaces, including menus and forms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/063—Operations research, analysis or management
    • 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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于大数据可视化的碳排放监测***和方法，包括：至少一个车牌识别装置、至少一个企业数据收集装置、数据库、云服务器及监测服务器；所述车牌识别装置、企业数据收集装置均与数据库连接，用于将采集到的数据传输至数据库；所述云服务器分别与数据库、监测服务器连接，用于获取所述数据库的数据并进行车辆和/或各企业的碳排放量计算，再将所述碳排放量转换为可视化数据传输至监测服务器显示；通过获取监测地域内所有车辆和企业的碳排放量，并结合云计算的高灵活性特点，避免了现有技术仅采集车辆或企业的碳排放量难以获取地域实际碳排放总量的问题，充分发挥了大数据的优势。

Description

一种基于大数据可视化的碳排放监测***及方法
技术领域
本发明涉及碳排放技术领域，尤其涉及一种基于大数据分析的碳排放监测***及方法。
背景技术
近年来，大数据的技术迅猛发展，数字技术与能源技术深度融合并得到了广泛应用，显著提高了能源领域的智能化水平，然而，在推进能源数字化的变革中也遇到了一些困难，主要表现在能源数据共享不足，实现各类能源数据汇聚融合存在难度；客户侧感知滞后，能效诊断、节能服务都有待改进提升；数据的可视化程度较低，难以实时掌握用户用能和碳排放情况，并难以及时根据用能和碳排放情况进行管控。现有技术中，公开号为CN108921383B的专利申请虽然提供了一种基于大数据技术的碳排放指数获取方法和***，但该方案仅获取汽车的车行情况，并未考虑该车为何种能源的车型，数据准确率较低，公开号为US20170006135A1的专利申请方案较宽泛，难以落地实现，公开号为US20220057373A1的专利申请仅考虑柴油车的数据，较为片面，不适合碳排放的宏观调控。
发明内容
本发明的目的在于，针对在所存在的不足，提出了一种基于大数据可视化的碳排放监测***及方法。
为了克服现有技术的不足，本发明采用如下技术方案：
一种基于大数据可视化的碳排放监测***，其特征在于包括：至少一个车牌识别装置、至少一个企业数据收集装置、数据库、云服务器及监测服务器；所述车牌识别装置、企业数据收集装置均与数据库连接，用于将采集到的数据传输至数据库；所述云服务器分别与数据库、监测服务器连接，用于获取所述数据库的数据并进行车辆和/或各企业的碳排放量计算，再将所述碳排放量转换为可视化数据传输至监测服务器；所述监测服务器用于显示所述可视化数据。
进一步的，所述车牌识别装置用于获取车牌数据，所述车牌数据包括车牌信息、获取车牌信息的车牌识别装置位置坐标、获取车牌信息的时间及车辆能源类型信息，具体包括：车牌识别装置识别途经车辆的车牌信息并根据该车牌信息获取对应的车辆能源类型信息，再将车牌数据传输至数据库。
进一步的，所述云服务器定期获取数据库的数据，基于车牌数据计算对应地域的车辆碳排放总量，基于各企业的碳排放量计算对应地域的企业碳排放总量，基于车辆碳排放总量和企业碳排放总量计算对应地域的碳排放总量，将地域的碳排放总量按大小分为不同的等级，不同的等级对应不同的颜色参数，依据地域对应的位置、所述颜色参数、车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量，获取基于地图显示碳排放量的可视化数据，并将该可视化数据传输至监测服务器。
基于所述的碳排放监测***实现的一种大数据可视化的碳排放监测方法，包括：由车牌识别装置获取车牌数据并发送至数据库，所述车牌数据包括车牌信息、获取车牌信息的车牌识别装置位置坐标、获取车牌信息的时间及车辆能源类型信息，由企业数据收集装置获取企业的作业数据并发送至数据库；数据库按周期将获取的数据发送至云服务器，云服务器基于数据库的数据计算周期内各车辆碳排放量和各企业碳排放量，再将所述碳排放量转换为可视化数据传输至监测服务器显示。
进一步的，所述云服务器基于数据库的数据计算各车辆碳排放量包括：按所述车牌识别装置所在的位置将所述车牌数据按地域分类，地域内第一车牌信息被第一次获取时对应的车牌识别装置位置坐标为w1，最后一次获取时对应的车牌识别装置位置坐标为w2，地域内第一车牌信息被第一次和最后一次被获取的时间分别为t1和t2，根据地图数据获取w1至w2之间的距离s，根据第一车牌信息获取对应车辆类型在该地域正常行驶时的碳排放系数α1和怠速行驶时的碳排放系数α2，地域内与第一车牌信息对应的车辆类型相同的车辆总数为q，则第一车牌信息对应车辆的碳排放量CE1为：，其中/>为临界怠速因子；地域内t1至t2时段第一车牌信息对应的车辆类型所产生的碳排放总量CE为：/>，其中CEi为第i车牌信息对应车辆的碳排放量，所述碳排放系数属于所述车辆能源类型信息中的数据。
进一步的，所述进行各企业的碳排放量计算包括：企业碳排放量CQ1=D×k，其中D为含碳的燃料或原材料实物量，k为企业类型对应排放因子，D和k均属于所述作业数据；企业碳排放总量CQ为，其中CQi为同类型的第i企业碳排放量，n为地域内同类型的企业总数。
进一步的，将所述碳排放量转换为可视化数据传输至监测服务器显示，包括：地域内的碳排放量为周期地域内所有车辆和各企业的碳排放量总和；将获得地域内的碳排放量按大小分为不同的等级，不同的等级对应不同的颜色，依据地域对应的位置、所述颜色参数、车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量，获取基于地图显示碳排放量的可视化数据，并将该可视化数据传输至监测服务器，监测服务器按可视化数据在地图对应的位置标上对应的颜色，所述车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量为隐藏数据，仅在用户发出查看命令时显示。
进一步的，所述查看命令为鼠标停留在目标地域的时间或在目标地域操作方式达到预设条件；所述车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量在显示时，以位于地图上一层的独立框方式显示，所述独立框内还包括预设时段内的车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量的趋势图链接。
本发明所取得的有益效果是：
本发明通过获取监测地域内所有车辆和企业的碳排放量，并结合云计算的高灵活性特点，避免了现有技术仅采集车辆或企业的碳排放量，数据片面且未考虑车辆类型与路况对碳排放量的影响，难以获取地域实际碳排放总量的问题，充分发挥了大数据的优势，且车牌数据的采集避免了现有技术获取车辆数据对实时地图数据的依赖，本发明通过将车辆和企业的碳排放量均可视化方式呈现，方便了对地域整体排放量的监测，通过将部分数据仅在用户发出查看命令时方显示，扩大了显示的维度，提升了用户的体验感。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。
图1为本发明各个模块的关系示意图。
图2为本发明实施例二的方法步骤流程图。
具体实施方式
为了使得本发明的目的.技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它***.方法和/或特征将变得显而易见。旨在所有此类附加的***.方法.特征和优点都包括在本说明书内.包括在本发明的范围内，并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位，以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
实施例一：一种基于大数据可视化的碳排放监测***，其特征在于包括：至少一个车牌识别装置、至少一个企业数据收集装置、数据库、云服务器及监测服务器；***各模块的连接关系如附图图1所示，所述车牌识别装置、企业数据收集装置均与数据库连接，用于将采集到的数据传输至数据库；所述云服务器分别与数据库、监测服务器连接，用于获取所述数据库的数据并进行车辆和/或各企业的碳排放量计算，再将所述碳排放量转换为可视化数据传输至监测服务器；所述监测服务器用于显示所述可视化数据。
进一步的，所述车牌识别装置用于获取车牌数据，所述车牌数据包括车牌信息、获取车牌信息的车牌识别装置位置坐标、获取车牌信息的时间及车辆能源类型信息，具体包括：车牌识别装置识别途经车辆的车牌信息并根据该车牌信息获取对应的车辆能源类型信息，再将车牌数据传输至数据库。车辆的碳排放量与其类型密切相关，单纯的依靠实时地图中的车流量数据计算地域的碳排放量误差较大，而目前公路的摄像头大多可以获取车辆的车牌信息，车牌信息中隐含着车型数据，例如：小型“新能源汽车号牌”底色采用绿色渐变,大型“新能源汽车号牌”底色采用黄色和绿色双色。与普通车牌号相比，新能源车牌号从5位增加到6位。小型新能源汽车牌照的左起第二个字母D代表纯电动汽车，F代表的油电动混动汽车。本发明充分利用车牌信息准确获取了监测的地域内车辆的类型，从而可更准确的获取地域内的车辆碳排放量。
进一步的，所述云服务器定期获取数据库的数据，基于车牌数据计算对应地域的车辆碳排放总量，基于各企业的碳排放量计算对应地域的企业碳排放总量，基于车辆碳排放总量和企业碳排放总量计算对应地域的碳排放总量，将地域的碳排放总量按大小分为不同的等级，不同的等级对应不同的颜色参数，依据地域对应的位置、所述颜色参数、车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量，获取基于地图显示碳排放量的可视化数据，并将该可视化数据传输至监测服务器。
本实施例的车辆碳排放量可通过在获取到车牌信息、获取车牌信息的车牌识别装置位置坐标、获取车牌信息的时间及车辆能源类型信息后，基于位置坐标和获取时间计算其车速，再根据该车速和其车的能源类型信息获取在该地域内该车的碳排放量，根据车速和能源类型获取车辆的碳排放量是现有技术，在此不再赘述。企业碳排放量可采用基于燃料段排放量计算方法、基于排放端排放量测量方法等。
本实施例通过获取监测地域内所有车辆和企业的碳排放量，并结合云计算的高灵活性特点，避免了现有技术仅采集车辆或企业的碳排放量，数据片面且未考虑车辆类型与路况对碳排放量的影响，难以获取地域实际碳排放总量的问题，充分发挥了大数据的优势，且车牌数据的采集避免了现有技术获取车辆数据对实时地图数据的依赖，本发明通过将车辆和企业的碳排放量均可视化方式呈现，方便了对地域整体排放量的监测。
实施例二：本实施例为上述实施例的进一步描述应当理解本实施例包括前述全部技术特征并作进一步具体描述：
基于所述的碳排放监测***实现的一种大数据可视化的碳排放监测方法，包括：由车牌识别装置获取车牌数据并发送至数据库，所述车牌数据包括车牌信息、获取车牌信息的车牌识别装置位置坐标、获取车牌信息的时间及车辆能源类型信息，由企业数据收集装置获取企业的作业数据并发送至数据库；数据库按周期将获取的数据发送至云服务器，云服务器基于数据库的数据计算周期内各车辆碳排放量和各企业碳排放量，再将所述碳排放量转换为可视化数据传输至监测服务器显示。以上步骤流程图可参考附图图2。
进一步的，所述云服务器基于数据库的数据计算各车辆碳排放量包括：按所述车牌识别装置所在的位置将所述车牌数据按地域分类，地域内第一车牌信息被第一次获取时对应的车牌识别装置位置坐标为w1，最后一次获取时对应的车牌识别装置位置坐标为w2，地域内第一车牌信息被第一次和最后一次被获取的时间分别为t1和t2，根据地图数据获取w1至w2之间的距离s，此时的地图可使用预先存储好的离线地图，无需使用GPS或其他供应商提供的实时地图。根据第一车牌信息获取对应车辆类型在该地域正常行驶时的碳排放系数α1和怠速行驶时的碳排放系数α2，地域内与第一车牌信息对应的车辆类型相同的车辆总数为q，则第一车牌信息对应车辆的碳排放量CE1为：，其中/>为临界怠速因子；本发明根据经验数据发现，车辆的碳排放量不仅与车型有关，还与路况密切相关，在正常行驶时与行程长度成正比，在怠速行驶时与行驶时长成正比，由于车辆数据已被按地域分配，地域对应的路段通常都有明确的限速要求，因此通常情况下同一地域同类型车辆的正常行驶碳排放系数与怠速行驶碳排放系数是确定的，即α1、α2、/>均可通过经验数据获得；地域内t1至t2时段第一车牌信息对应的车辆类型所产生的碳排放总量CE为：，其中CEi为第i车牌信息对应车辆的碳排放量，所述碳排放系数属于所述车辆能源类型信息中的数据。
进一步的，所述进行各企业的碳排放量计算包括：企业碳排放量CQ1=D×k，其中D为含碳的燃料或原材料实物量，k为企业类型对应排放因子，D和k均属于所述作业数据；企业碳排放总量CQ为，其中CQi为同类型的第i企业碳排放量，n为地域内同类型的企业总数。
本实施例在前一实施例基础上提供了具体如何获取车辆和企业碳排放量的方案，本实施例的方案充分考虑了车辆的类型和实际路况，可更准确的获取地域内车辆的碳排放量，企业的碳排放量则也分类计算，提高了企业碳排放量的准确性。
实施例三：本实施例为上述实施例的进一步描述应当理解本实施例包括前述全部技术特征并作进一步具体描述：
进一步的，所述企业碳排放量CQ1的获取过程包括：，/>，其中E为单位热量单位燃料的含碳量或单位热量单位原材料实物量的含碳量，Q为周期内企业的能量转换设备的输出热量，该数据可通过网络化采样探头获取，例如可以通过监测尾部烟道CO，体积分数、烟气流量（单位时间内流过的体积）、烟气温度等参数获取。/>为所述能量转换设备的效率，具体的，/>，P为所述能量转换设备近x年的输出总热量，L为所述能量转换设备近x年消耗的燃料或原材料实物量的总和，/>依据以下式子获取：，其中/>为所述能量转换设备的热效率经验因子，Pi为所述能量转换设备第i年的输出总热量，Li为所述能量转换设备第i年消耗的燃料或原材料实物量的总和，/>为所述能量转换设备x年内输出总热量平均值；/>，其中R为所述含碳的燃料或原材料实物量的单位热量含碳量，O为所述含碳的燃料或原材料实物量的碳氧化率。
进一步的，将所述碳排放量转换为可视化数据传输至监测服务器显示，包括：地域内的碳排放量为周期地域内所有车辆和各企业的碳排放量总和；将获得地域内的碳排放量按大小分为不同的等级，不同的等级对应不同的颜色，依据地域对应的位置、所述颜色参数、车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量，获取基于地图显示碳排放量的可视化数据，并将该可视化数据传输至监测服务器，监测服务器按可视化数据在地图对应的位置标上对应的颜色，所述车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量为隐藏数据，仅在用户发出查看命令时显示。
进一步的，所述查看命令为鼠标停留在目标地域的时间或在目标地域操作方式达到预设条件，例如停留在地图某位置时间超过2s，或者双击该区域，本发明对此不作限定；所述车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量在显示时，以位于地图上一层的独立框方式显示，所述独立框内还包括预设时段内的车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量的趋势图链接。链接顾名思义为可链接到指定对象的地址，通过点击图中的链接用户可进一步的查看对应的趋势图。
本实施例在前一实施例基础上提供了具体如何获取企业碳排放量的方案，并提供了可视化数据的具体显示方式，本实施例通过将部分数据仅在用户发出查看命令时方显示，结合在独立框内设置趋势图链接，扩大了显示的维度，提升了用户的体验感。本实施例的企业碳排放量获取方式属于经验累积所得，较现有的计算更为简易。
虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。也就是说上面讨论的方法，***和设备是示例。各种配置可以适当地省略，替换或添加各种过程或组件。例如，在替代配置中，可以以与所描述的顺序不同的顺序执行方法，和/或可以添加，省略和/或组合各种部件。而且，关于某些配置描述的特征可以以各种其他配置组合，如可以以类似的方式组合配置的不同方面和元素。此外，随着技术发展其中的元素可以更新，即许多元素是示例，并不限制本公开或权利要求的范围。
在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而，可以在没有这些具体细节的情况下实践配置例如，已经示出了众所周知的电路，过程，算法，结构和技术而没有不必要的细节，以避免模糊配置。该描述仅提供示例配置，并且不限制权利要求的范围，适用性或配置。相反，前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。
综上，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (8)

1.一种基于大数据可视化的碳排放监测***，其特征在于包括：至少一个车牌识别装置、至少一个企业数据收集装置、数据库、云服务器及监测服务器；所述车牌识别装置、企业数据收集装置均与数据库连接，用于将采集到的数据传输至数据库；所述云服务器分别与数据库、监测服务器连接，用于获取所述数据库的数据并进行车辆和/或各企业的碳排放量计算，再将所述碳排放量转换为可视化数据传输至监测服务器；所述监测服务器用于显示所述可视化数据。
2.如权利要求1所述的一种基于大数据可视化的碳排放监测***，其特征在于：所述车牌识别装置用于获取车牌数据，所述车牌数据包括车牌信息、获取车牌信息的车牌识别装置位置坐标、获取车牌信息的时间及车辆能源类型信息，具体包括：车牌识别装置识别途经车辆的车牌信息并根据该车牌信息获取对应的车辆能源类型信息，再将车牌数据传输至数据库。
3.如权利要求2所述的一种基于大数据可视化的碳排放监测***，其特征在于：所述云服务器定期获取数据库的数据，基于车牌数据计算对应地域的车辆碳排放总量，基于各企业的碳排放量计算对应地域的企业碳排放总量，基于车辆碳排放总量和企业碳排放总量计算对应地域的碳排放总量，将地域的碳排放总量按大小分为不同的等级，不同的等级对应不同的颜色参数，依据地域对应的位置、所述颜色参数、车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量，获取基于地图显示碳排放量的可视化数据，并将该可视化数据传输至监测服务器。
4.基于权利要求1所述的碳排放监测***实现的一种大数据可视化的碳排放监测方法，其特征在于包括：由车牌识别装置获取车牌数据并发送至数据库，所述车牌数据包括车牌信息、获取车牌信息的车牌识别装置位置坐标、获取车牌信息的时间及车辆能源类型信息，由企业数据收集装置获取企业的作业数据并发送至数据库；数据库按周期将获取的数据发送至云服务器，云服务器基于数据库的数据计算周期内各车辆碳排放量和各企业碳排放量，再将所述碳排放量转换为可视化数据传输至监测服务器显示。
5.如权利要求4所述的一种大数据可视化的碳排放监测方法，其特征在于：所述云服务器基于数据库的数据计算各车辆碳排放量包括：按所述车牌识别装置所在的位置将所述车牌数据按地域分类，地域内第一车牌信息被第一次获取时对应的车牌识别装置位置坐标为w1，最后一次获取时对应的车牌识别装置位置坐标为w2，地域内第一车牌信息被第一次和最后一次被获取的时间分别为t1和t2，根据地图数据获取w1至w2之间的距离s，根据第一车牌信息获取对应车辆类型在该地域正常行驶时的碳排放系数α1和怠速行驶时的碳排放系数α2，地域内与第一车牌信息对应的车辆类型相同的车辆总数为q，则第一车牌信息对应车辆的碳排放量CE1为：，其中/>为临界怠速因子；地域内t1至t2时段第一车牌信息对应的车辆类型所产生的碳排放总量CE为：/>，其中CEi为第i车牌信息对应车辆的碳排放量，所述碳排放系数属于所述车辆能源类型信息中的数据。
6.如权利要求5所述的一种大数据可视化的碳排放监测方法，其特征在于：所述进行各企业的碳排放量计算包括：企业碳排放量CQ1=D×k，其中D为含碳的燃料或原材料实物量，k为企业类型对应排放因子，D和k均属于所述作业数据；企业碳排放总量CQ为，其中CQi为同类型的第i企业碳排放量，n为地域内同类型的企业总数。
7.如权利要求6所述的一种大数据可视化的碳排放监测方法，其特征在于：将所述碳排放量转换为可视化数据传输至监测服务器显示，包括：地域内的碳排放量为周期地域内所有车辆和各企业的碳排放量总和；将获得地域内的碳排放量按大小分为不同的等级，不同的等级对应不同的颜色，依据地域对应的位置、所述颜色参数、车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量，获取基于地图显示碳排放量的可视化数据，并将该可视化数据传输至监测服务器，监测服务器按可视化数据在地图对应的位置标上对应的颜色，所述车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量为隐藏数据，仅在用户发出查看命令时显示。
8.如权利要求7所述的一种大数据可视化的碳排放监测方法，其特征在于：所述查看命令为鼠标停留在目标地域的时间或在目标地域操作方式达到预设条件；所述车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量在显示时，以位于地图上一层的独立框方式显示，所述独立框内还包括预设时段内的车辆碳排放总量、各企业的碳排放量、地域的企业碳排放总量的趋势图链接。
CN202311365216.3A 2023-10-20 2023-10-20 一种基于大数据可视化的碳排放监测***及方法 Active CN117093645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311365216.3A CN117093645B (zh) 2023-10-20 2023-10-20 一种基于大数据可视化的碳排放监测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311365216.3A CN117093645B (zh) 2023-10-20 2023-10-20 一种基于大数据可视化的碳排放监测***及方法

Publications (2)

Publication Number Publication Date
CN117093645A true CN117093645A (zh) 2023-11-21
CN117093645B CN117093645B (zh) 2024-03-15

Family

ID=88783298

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311365216.3A Active CN117093645B (zh) 2023-10-20 2023-10-20 一种基于大数据可视化的碳排放监测***及方法

Country Status (1)

Country Link
CN (1) CN117093645B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117744952A (zh) * 2024-02-18 2024-03-22 四川省德阳生态环境监测中心站 基于时序网络的大气碳排放量分析方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109727000A (zh) * 2019-01-22 2019-05-07 浙江爱立美能源科技有限公司 碳排放量监测管理***和方法
KR102202420B1 (ko) * 2020-10-13 2021-01-12 김일환 대중 교통 데이터와 gps 데이터를 활용한 탄소 배출권 거래 시스템
CN113469470A (zh) * 2021-09-02 2021-10-01 国网浙江省电力有限公司杭州供电公司 基于电力大脑中枢的用能数据与碳排放量关联分析方法
CN114548552A (zh) * 2022-02-21 2022-05-27 国网北京市电力公司 碳排放量预测方法、装置以及电子设备
CN115019513A (zh) * 2022-07-18 2022-09-06 桂林电子科技大学 一种交通碳排放监测***及监测方法
JP7349097B1 (ja) * 2023-01-31 2023-09-22 株式会社リバスタ 二酸化炭素排出量の算定方法及び算定装置並びにコンピュータプログラム
CN116882775A (zh) * 2023-06-06 2023-10-13 海通安恒科技股份有限公司 一种钢铁行业碳资产管理***及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109727000A (zh) * 2019-01-22 2019-05-07 浙江爱立美能源科技有限公司 碳排放量监测管理***和方法
KR102202420B1 (ko) * 2020-10-13 2021-01-12 김일환 대중 교통 데이터와 gps 데이터를 활용한 탄소 배출권 거래 시스템
CN113469470A (zh) * 2021-09-02 2021-10-01 国网浙江省电力有限公司杭州供电公司 基于电力大脑中枢的用能数据与碳排放量关联分析方法
CN114548552A (zh) * 2022-02-21 2022-05-27 国网北京市电力公司 碳排放量预测方法、装置以及电子设备
CN115019513A (zh) * 2022-07-18 2022-09-06 桂林电子科技大学 一种交通碳排放监测***及监测方法
JP7349097B1 (ja) * 2023-01-31 2023-09-22 株式会社リバスタ 二酸化炭素排出量の算定方法及び算定装置並びにコンピュータプログラム
CN116882775A (zh) * 2023-06-06 2023-10-13 海通安恒科技股份有限公司 一种钢铁行业碳资产管理***及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
中国管理科学学会: "大数据应用蓝皮书 | "双碳"数字化监测服务平台及应用解决方案", pages 1 - 16, Retrieved from the Internet <URL:https://www.mss.org.cn/managesinfo_974.html> *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117744952A (zh) * 2024-02-18 2024-03-22 四川省德阳生态环境监测中心站 基于时序网络的大气碳排放量分析方法及***
CN117744952B (zh) * 2024-02-18 2024-05-17 四川省德阳生态环境监测中心站 基于时序网络的大气碳排放量分析方法及***

Also Published As

Publication number Publication date
CN117093645B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
CN117093645B (zh) 一种基于大数据可视化的碳排放监测***及方法
CN111275363B (zh) 一种基于车辆振动数据的路网平整度评估***及方法
CN102881162B (zh) 大规模交通信息的数据处理及融合方法
CN112305641B (zh) 一种高速公路交通安全气象物联网监测预警***
CN115796034B (zh) 基于机器学习和数值模式的道路扬尘贡献评估***和方法
CN102819954A (zh) 交通区域动态地图监控预测***
CN110514255B (zh) 汽车排放量检测方法及其检测***
CN110969142B (zh) 一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法
CN112444605A (zh) 大气污染智能化精准溯源方法、***、设备和存储介质
US9299201B2 (en) Acquisition of in-vehicle sensor data and rendering of aggregate average performance indicators
CN113173104B (zh) 一种新能源车辆动力电池预警方法及***
CN113588664A (zh) 一种车载道路缺陷快速巡检与分析***
CN114999180A (zh) 一种基于物联网的高速公路恶劣天气交通预警***及方法
CN115439643A (zh) 一种基于单目测量的道路病害尺寸分析与管理方法
CN117291551B (zh) 一种基于数字可视化的环境监测预警***
CN108171820B (zh) 一种车队管理***及车队管理综合评分方法
CN113888850A (zh) 沙尘气象市政道路拥堵态势多因素预警方法
CN111497812A (zh) 一种基于平台的车辆刹车***监测方法
CN110514254B (zh) 单车排放量检测方法及其检测***
CN116956047A (zh) 一种基于风力发电数据的风电机组性能评估***
CN112258853A (zh) 一种精细化公路雾区链式能见度监测预警***
CN116580523A (zh) 交通能耗监测与管理方法、***、电子装置和存储介质
CN116777108A (zh) 一种基于大数据分析的城市供热综合智能管理***
CN116468422A (zh) 输电线路线夹温升与剩余寿命预测方法及装置
CN116434525A (zh) 一种高速公路智能管理预警***

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