《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

简介: 《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

3.4 碳排放修正因子计算


在实际交通场景中,车辆实际碳排放量随驾驶环境与状态动态变化。碳排放量会受 到汽车速度、交通拥堵、道路坡度、载客率等多种因素影响,仅靠基础碳排放因子无法 计算出准确的碳排放量。因此,城市交通出行碳足迹计算需要根据具体场景对基础碳排 放因子进行修正。本报告将不同场景下的碳排放量变化转换成相对于基础碳排放因子的 比例,即修正因子𝛼,通过𝛼与排放因子的乘积计算实际的碳排放因子。


在修正因子的计算中,本报告将修正因子分为地面交通和轨道交通两大类,其中地 面交通包括私家车、出租车/网约车、公交车三类。


考虑到电瓶车和自行车基本处于低速场景中,且其碳排放量较低,故不进行碳排放 因子修正。步行为零碳出行,其修正因子为0。对于其他交通方式,因所占比例较小、 缺乏统计数据等原因,本报告中也不进行修正。


影响碳排放的因素会随着时间和空间发生改变。为对应不同时空影响因素的变化, 本报告针对不同交通方式和不同的时空特征,提出建立如下所示的时空分布表(** ):


工作日公交车速度/载客率/坡度时空分布表


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。表中的数据为统 计时间内对应时段、对应区域、对应交通方式的平均值。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 碳排放量认为是相同的。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。通过时空分布表计算碳排放修正因子的详细方法,请参考 附录D。


注:(* ) 私家车、出租车的载客率用平均载客率表示 (** )时空分布表中的数据仅作为示例,不代表真实数值。

相关文章
|
算法
秒懂算法 | 最大网络流的增广路算法
增广路算法是由Ford和Fulkerson于1957年提出的。该算法寻求网络中最大流的基本思想是寻找可增广路,使网络的流量得到增加,直到最大为止。即首先给出一个初始可行流,这样的可行流是存在的,例如零流。如果存在关于它的可增广路,那么调整该路上每条弧上的流量,就可以得到新的可行流。对于新的可行流,如果仍存在可增广路,则用同样的方法使流的值增大。继续这个过程,直到网络中不存在关于新的可行流的可增广路为止。此时,网络中的可行流就是所求的最大流。
2497 0
秒懂算法 | 最大网络流的增广路算法
|
Shell Python
miniconda使用体验
## 简介 miniconda是什么呢? 这里简单用一个公式来说明 miniconda = virtualenv + pyenv + pypi源 通过miniconda可以实现创建隔离的python包环境,下载特定的python包版本,使用conda源上编译好的whl包。可以说一应俱全。 ## 安装 miniconda在Mac可以直接用Brew安装,一行命令 `brew install mini
1516 0
|
4月前
|
人工智能 机器人 API
阿里云轻量服务器部署OpenClaw接入钉钉保姆级流程+避坑指南
在2026年企业数字化办公场景中,OpenClaw(原Clawdbot/Moltbot) 作为开源AI代理平台,凭借轻量化、高扩展性、多渠道兼容的特性,成为连接大模型与办公工具的核心枢纽。将其与钉钉深度整合,可实现“钉钉对话框下达指令,OpenClaw自动执行任务”的全自动化办公闭环,覆盖文档处理、信息检索、定时提醒、数据汇总等高频场景。
653 3
|
5月前
|
存储 安全 测试技术
并行多智能体系统的协调测试实战:从轨迹捕获到CI/CD的六个步骤
本文探讨并行多智能体系统的协调测试难题:当多个LLM驱动的智能体协同决策时,单个正确≠集体安全。传统单元测试失效,需构建以轨迹捕获、行为不变量、回放回归、黄金数据集和CI/CD集成为核心的新型测试框架,专治容量超限、状态陈旧、 reducer 冲突等典型协调故障。
248 2
并行多智能体系统的协调测试实战:从轨迹捕获到CI/CD的六个步骤
|
数据采集 人工智能 编解码
2025年颠覆闭源大模型?MonkeyOCR:这款开源AI文档解析模型,精度更高,速度更快!
还在依赖昂贵且慢的闭源OCR工具?华中科技大学开源的MonkeyOCR文档解析模型,以其超越GPT4o的精度和更快的推理速度,在单机单卡(3090)上即可部署,正颠覆业界认知。本文将深入解析其设计哲学、核心突破——大规模自建数据集,并分享实测体验与避坑指南。
2618 87
|
11月前
|
缓存 人工智能 算法
《解构WebSocket断网重连:指数退避算法的前端工业级实践指南》
本文聚焦前端领域WebSocket断网重连难题,深入解析指数退避算法的工业级实践路径。首先指出传统固定间隔、线性递增重连策略在效率与服务器压力间的失衡问题,随后拆解指数退避算法“指数增长+随机抖动+最大间隔约束”的核心逻辑。文章详细阐述算法与WebSocket生命周期的适配要点,包括重连时机甄别、状态原子化管理,还介绍网络状态感知融合、重连超时设置、数据缓存恢复等优化方向,并结合大型在线协作平台案例验证效果,同时梳理开发者常见误区与避坑方法,最后展望算法与AI、跨端场景结合的未来方向,为前端构建稳健实时应用提供完整指南。
539 8
|
机器学习/深度学习 PyTorch TensorFlow
Pytorch学习笔记(二):nn.Conv2d()函数详解
这篇文章是关于PyTorch中nn.Conv2d函数的详解,包括其函数语法、参数解释、具体代码示例以及与其他维度卷积函数的区别。
4038 0
Pytorch学习笔记(二):nn.Conv2d()函数详解
|
12月前
|
机器学习/深度学习 人工智能 算法
最大熵逆强化学习:理论基础、数学推导与工程实现
本文重点讨论逆强化学习(Inverse Reinforcement Learning, IRL),这是模仿学习的重要分支,其核心目标是基于演示数据学习能够最大化期望奖励的最优策略。
445 0
|
资源调度 关系型数据库 API
一、next-auth 身份验证凭据-使用电子邮件和密码注册登录
本文是关于如何在Next.js应用中使用next-auth库实现基于电子邮件和密码的注册和登录功能的详细教程,包括环境配置、项目初始化、前后端页面开发、数据库交互以及用户状态管理等方面的步骤和代码示例。
一、next-auth 身份验证凭据-使用电子邮件和密码注册登录
《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
3629 0