《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
|
1月前
|
机器学习/深度学习 编解码 人工智能
全球10米土地覆盖产品(ESA)数据集2020和2021年
全球10米土地覆盖产品(ESA)数据集2020和2021年
120 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
1159 0
|
定位技术
《城市绿色出行指数白皮书》——附录G :城市交通碳足迹量化方法
《城市绿色出行指数白皮书》——附录G :城市交通碳足迹量化方法
182 0
《城市绿色出行指数白皮书》——附录G :城市交通碳足迹量化方法
《城市绿色出行指数白皮书》——附录F :城市绿色出行评价指标体系
《城市绿色出行指数白皮书》——附录F :城市绿色出行评价指标体系
《城市绿色出行指数白皮书》——附录F :城市绿色出行评价指标体系
|
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
1522 0
《城市绿色出行指数白皮书》——3.碳排放计算框架——3.4 碳排放修正因子计算
《城市绿色出行指数白皮书》——3.碳排放计算框架——3.4 碳排放修正因子计算
158 0
《城市绿色出行指数白皮书》——附录E :个人出行碳普惠行为碳减量计算
《城市绿色出行指数白皮书》——附录E :个人出行碳普惠行为碳减量计算
157 0
《城市绿色出行指数白皮书》——3.碳排放计算框架——3.1 交通方式划分
《城市绿色出行指数白皮书》——3.碳排放计算框架——3.1 交通方式划分
138 0
《城市绿色出行指数白皮书》——附录H :城市绿色出行指数计算
《城市绿色出行指数白皮书》——附录H :城市绿色出行指数计算
160 0
《城市绿色出行指数白皮书》——5. 城市绿色出行评价——5.2 城市交通碳足迹评估体系——5.2.2 基于路网流量数据的区域碳足迹量化方法
《城市绿色出行指数白皮书》——5. 城市绿色出行评价——5.2 城市交通碳足迹评估体系——5.2.2 基于路网流量数据的区域碳足迹量化方法