《城市绿色出行指数白皮书》——附录D :碳排放因子修正

简介: 《城市绿色出行指数白皮书》——附录D :碳排放因子修正

附录D:碳排放因子修正


附录D对碳排放因子修正进行详细阐述:


地面交通(𝒊 = 𝟏, 𝟐, 𝟑)


地面交通所受影响较多,包括速度、载客率(* )、道路坡度、天气等。而这些因素具有时空 特性。为了对应不同时空下的影响因素变化,本报告针对不同的交通方式、不同的时空特征, 提出建立如下所示的时空分布表(** ):


image.png


每种交通方式都会对应一张工作日和一张节假日的时空分布表,表中的数据由统 计时间内对应时段、对应区域、对应交通方式的平均值表示。出于公平性的考虑,在 其余条件(出行时间、出行路线、天气等)相同的情况下,选择公交出行的个人,所产 生的碳排放量应该是相同的。但实际过程中,车辆受驾驶行为和交通状况的影响,同 种交通方式的碳排放量会有一定差别。因此,本报告将在相应时段、区域内行驶的车 辆数据直接使用时空分布表中的数据进行替代。这样的方法既满足了公平性,也保证 了区域碳足迹量化时的准确性。


工作日与节假日的时空分布是不同的,以公交车为例,其工作日与节假日的载客 率曲线[21]如下图所示。


image.png


每种影响因素对应的修正因子可以通过实验测量可得,例如,根据汽油小汽车碳 排放量与速度的关系,在不考虑其他影响因素的情况下,得到速度修正曲线如下图所 示。对于车辆不同的能源类型,应按照3.3节中相应的原则单独计算或加权求和。


image.png


可根据速度/载客率/坡度曲线图获取相应的修正因子,最终地面交通修正因子的 计算公式为:


image.png


轨道交通(𝒊 = 𝟒)


对于轨道交通,本报告同样提出了其对应的时空分布表。与地面交通不同的是, 轨道交通中个人碳排放量的直接影响因素只有载客率,但天气会对载客率产生影响, 因此需要考虑天气和载客率两个因素。此处以地铁1号线、2号线为例,其载客率的 时空分布表如下表所示,仅在该线路途径区域记录其载客率。


image.png


在表中获取某时段某区域的载客率后,可根据载客率曲线图获取相应的修正因子, 最终轨道交通修正因子的计算公式为:


image.png


参考文献:


王昌, 姜仙童, 吴艳平 (2021). 基于聚类分析的公交线路资源配置时段划分方法——以烟台市为例. 交通运输研 究 , 7(05), 35-42.

张少君 (2014). 中国典型城市机动车排放特征与控制策略研究. 博士学位论文. 清华大学.

相关文章
|
4月前
|
前端开发 Java 数据库连接
java bo 对象详解_全面解析 java 中 PO,VO,DAO,BO,POJO 及 DTO 等几种对象类型
Java开发中常见的六大对象模型(PO、VO、DAO、BO、POJO、DTO)各有侧重,共同构建企业级应用架构。PO对应数据库表结构,VO专为前端展示设计,DAO封装数据访问逻辑,BO处理业务逻辑,POJO是简单的Java对象,DTO用于层间数据传输。它们在三层架构中协作:表现层使用VO,业务层通过BO调用DAO处理PO,DTO作为数据传输媒介。通过在线商城的用户管理模块示例,展示了各对象的具体应用。最佳实践包括保持分层清晰、使用工具类转换对象,并避免过度设计带来的类膨胀。理解这些对象模型的区别与联系。
202 1
|
12月前
|
IDE Android开发 iOS开发
探索安卓与iOS系统的技术差异:开发者的视角
本文深入分析了安卓(Android)与苹果iOS两大移动操作系统在技术架构、开发环境、用户体验和市场策略方面的主要差异。通过对比这两种系统的不同特点,旨在为移动应用开发者提供有价值的见解,帮助他们在不同平台上做出更明智的开发决策。
|
消息中间件 监控 物联网
MQTT协议对接及RabbitMQ的使用记录
通过合理对接MQTT协议并利用RabbitMQ的强大功能,可以构建一个高效、可靠的消息通信系统。无论是物联网设备间的通信还是微服务架构下的服务间消息传递,MQTT和RabbitMQ的组合都提供了一个强有力的解决方案。在实际应用中,应根据具体需求和环境进行适当的配置和优化,以发挥出这两个技术的最大效能。
784 0
|
机器学习/深度学习 并行计算 TensorFlow
GPU加速TensorFlow模型训练:从环境配置到代码实践的全方位指南,助你大幅提升深度学习应用性能,让模型训练不再等待
【8月更文挑战第31天】本文以随笔形式探讨了如何在TensorFlow中利用GPU加速模型训练,并提供了详细的实践指南。从安装支持GPU的TensorFlow版本到配置NVIDIA CUDA及cuDNN库,再到构建CNN模型并使用MNIST数据集训练,全面展示了GPU加速的重要性与实现方法。通过对比CPU与GPU上的训练效果,突显了GPU在提升训练速度方面的显著优势。最后,还介绍了如何借助TensorBoard监控训练过程,以便进一步优化模型。
1979 0
《城市绿色出行指数白皮书》——附录C :碳排放因子计算
《城市绿色出行指数白皮书》——附录C :碳排放因子计算
2791 0
|
关系型数据库 MySQL 数据挖掘
MySQL窗口函数详解(概念+练习+实战)
MySQL窗口函数详解(概念+练习+实战)
2585 1
|
存储 前端开发 安全
酒店客房管理系统设计与实现(代码+数据库+文档)
酒店客房管理系统设计与实现(代码+数据库+文档)
|
存储 编解码 监控
《城市绿色出行指数白皮书》——附录B :碳排放计算模型
《城市绿色出行指数白皮书》——附录B :碳排放计算模型
3152 0
Transformer时间序列预测-多变量输入-单变量输出+多变量输出,完整代码数据,可直接运行
Transformer时间序列预测-多变量输入-单变量输出+多变量输出,完整代码数据,可直接运行
555 0
|
JSON JavaScript 大数据
轻松搞定 excel 的 导入 和 导出
轻松搞定 excel 的 导入 和 导出
308 0