【技術實現步驟摘要】
本專利技術涉及碳排放預測，具體涉及一種道路交通碳排放預測模型的生成方法及碳排放預測方法。
技術介紹
1、溫室氣體排放引起的氣候變化是當今人類面臨的重大挑戰。隨著機動車保有量的不斷增加，交通運輸行業碳排放逐年升高。因此，研究道路交通碳排放測算方法對交通部門實施精準減排和源頭治理具有重要意義。
2、道路交通碳排放受道路交通多因素的影響，傳統的交通流碳排放測算方法采用機理模型，機理模型能夠較為準確地測算道路交通碳排放的整體趨勢，但難以計量次要影響因素帶來的擾動，數據驅動模型能夠細致地捕捉這些擾動，但用于整體趨勢測算時，缺乏可解釋性。
3、深度學習方法可以自動學習復雜高維非線性數據的特征。目前主流的gcn網絡采用靜態圖結構，無法描述實際路網中節點間動態空間關系，進而導致預測精度較低。
4、綜上，現有的道路交通碳排放預測方法無法在提升預測精度的同時保證算法的可解釋性。
技術實現思路
1、有鑒于此，有必要提供一種道路交通碳排放預測模型的生成方法及碳排放預測方法，用以解決現有的道路交通碳排放預測方法無法在提升預測精度的同時保證算法的可解釋性的技術問題。
2、為了解決上述問題，一方面，本專利技術提供了一種道路交通碳排放預測模型的生成方法，包括：
3、獲取道路交通流量的相關性熱圖；
4、對交通流和路內停車對應的碳排放分別建模，得到道路交通碳排放機理模型；
5、構建道路交通碳排放數據驅動模型；道路交通碳排放數據驅動模型
6、基于道路交通碳排放機理模型和道路交通碳排放數據驅動模型，構建初始的道路交通碳排放預測模型；
7、基于相關性熱圖訓練道路交通碳排放預測模型，得到訓練完備的道路交通碳排放預測模型。
8、在一種可能的實現方式中，所述卷積網絡，包括：圖卷積網絡和時間卷積網絡。
9、在一種可能的實現方式中，獲取道路交通流量的相關性熱圖，包括：
10、獲取不同時間尺度的交通流量曲線圖，基于所述交通流量曲線圖繪制交通流量的相關性熱圖。
11、在一種可能的實現方式中，對交通流和路內停車對應的碳排放分別建模，得到道路交通碳排放機理模型，包括：
12、基于車輛的速度，以及碳排放量與車輛速度之間的關系模型，確定車輛行駛產生的直接碳排放；
13、構建路阻函數模型，并對路阻函數模型進行線性折減，得到折減后模型；
14、基于路阻函數模型和折減后模型，以及碳排放量與車輛速度之間的關系模型，確定路內停車間接碳排放；
15、基于車輛行駛產生的直接碳排放，以及路內停車間接碳排放，確定道路交通碳排放機理模型。
16、在一種可能的實現方式中，碳排放量與車輛速度之間的關系模型為：
17、
18、其中， e表示碳排放量， v為車輛速度， κ、λ以及 γ均為設定的模型參數。
19、在一種可能的實現方式中，路阻函數模型為：
20、
21、折減后模型為：
22、
23、其中，為車輛速度， v0為道路暢行速度， α、 β和 c均為模型參數， q為路段上的流量， rb為空間障礙率， rt為時間障礙率， k1和 k2均表示線性折減對應的斜率。
24、另一方面，本專利技術還提供一種道路交通碳排放預測方法，包括：
25、獲取待預測的道路交通流量的相關性熱圖；
26、將待預測的道路交通流量的相關性熱圖輸入至上述任一項所述方法得到的道路交通碳排放預測模型中，得到道路交通碳排放預測結果。
27、另一方面，本專利技術還提供一種道路交通碳排放預測模型的生成裝置，包括：
28、熱圖獲取模塊，用于獲取道路交通流量的相關性熱圖；
29、第一模型構建模塊，用于對交通流和路內停車對應的碳排放分別建模，得到道路交通碳排放機理模型；
30、第二模型構建模塊，用于構建道路交通碳排放數據驅動模型；道路交通碳排放數據驅動模型，包括：依次連接的輸入特征變量選擇網絡、卷積網絡、連接層和時空融合層；輸入特征變量選擇網絡，用于基于門控殘差網絡和歸一化指數函數得到輸入特征變量的權重，并基于所述權重對經過映射變換的特征變量進行加權賦值，以實現輸入特征的選擇；
31、第三模型構建模塊，用于基于道路交通碳排放機理模型和道路交通碳排放數據驅動模型，構建初始的道路交通碳排放預測模型；
32、模型訓練模塊，用于基于相關性熱圖訓練道路交通碳排放預測模型，得到訓練完備的道路交通碳排放預測模型。
33、另一方面，本專利技術還提供一種電子設備，包括存儲器和處理器，其中，
34、所述存儲器，用于存儲程序；
35、所述處理器，與所述存儲器耦合，用于執行所述存儲器中存儲的所述程序，以實現如上述任意一項所述的道路交通碳排放預測模型的生成方法的步驟，或者實現如上述的道路交通碳排放預測方法的步驟。
36、另一方面，本專利技術還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上述任意一項所述的道路交通碳排放預測模型的生成方法的步驟，或者實現如上述的道路交通碳排放預測方法的步驟。
37、采用上述實現方式的有益效果是：本專利技術提供的道路交通碳排放預測模型的生成方法及碳排放預測方法，對交通流和路內停車對應的碳排放分別建模，得到道路交通碳排放機理模型；構建道路交通碳排放數據驅動模型；道路交通碳排放數據驅動模型，包括：依次連接的輸入特征變量選擇網絡、卷積網絡、連接層和時空融合層；輸入特征變量選擇網絡，用于基于門控殘差網絡和歸一化指數函數得到輸入特征變量的權重，并基于所述權重對經過映射變換的特征變量進行加權賦值，以實現輸入特征的選擇；基于道路交通碳排放機理模型和道路交通碳排放數據驅動模型，構建初始的道路交通碳排放預測模型；基于道路交通流量的相關性熱圖訓練道路交通碳排放預測模型，得到訓練完備的道路交通碳排放預測模型。
38、通過對交通流和路內停車分別建模，根據輸入的道路和泊位信息計算得到碳排放數據。它不僅考慮了常規交通流的碳排放，還針對停車行為及其對交通流的干擾本文檔來自技高網...
【技術保護點】
1.一種道路交通碳排放預測模型的生成方法，其特征在于，包括：
2.根據權利要求1所述的道路交通碳排放預測模型的生成方法，其特征在于，所述卷積網絡，包括：圖卷積網絡和時間卷積網絡。
3.根據權利要求1所述的道路交通碳排放預測模型的生成方法，其特征在于，獲取道路交通流量的相關性熱圖，包括：
4.根據權利要求1所述的道路交通碳排放預測模型的生成方法，其特征在于，對交通流和路內停車對應的碳排放分別建模，得到道路交通碳排放機理模型，包括：
5.根據權利要求4所述的道路交通碳排放預測模型的生成方法，其特征在于，碳排放量與車輛速度之間的關系模型為：
6.根據權利要求4所述的道路交通碳排放預測模型的生成方法，其特征在于，路阻函數模型為：
7.一種道路交通碳排放預測方法，其特征在于，包括：
8.一種道路交通碳排放預測模型的生成裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括存儲器和處理器，其中，
10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序
...【技術特征摘要】
1.一種道路交通碳排放預測模型的生成方法，其特征在于，包括：
2.根據權利要求1所述的道路交通碳排放預測模型的生成方法，其特征在于，所述卷積網絡，包括：圖卷積網絡和時間卷積網絡。
3.根據權利要求1所述的道路交通碳排放預測模型的生成方法，其特征在于，獲取道路交通流量的相關性熱圖，包括：
4.根據權利要求1所述的道路交通碳排放預測模型的生成方法，其特征在于，對交通流和路內停車對應的碳排放分別建模，得到道路交通碳排放機理模型，包括：
5.根據權利要求4所述的道路交通碳排放預測模型的生成方法，其特征在于，碳排放量與車輛速度...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。