一种基于不确定性分析的道路交通碳排放多元分析与评估方法技术

本发明专利技术涉及道路交通碳排放分析领域，公开了一种基于不确定性分析的道路交通碳排放多元分析与评估方法，包括：步骤1，获取机动车行驶工况数据，并建立机动车行驶工况数据库；基于机动车行驶工况数据库获取CO2排放数据；步骤2，通过活动子空间方法进行多元分析，得到机动车行驶工况数据对CO2排放数据影响的定量评估；步骤3，获取考虑车辆行驶及排放的采样误差时，CO2排放因子的不确定性分析参数，并得到基于比功率的CO2排放因子贝叶斯回归拟合结果和不确定性置信区间；步骤4，对输入参数进行敏感性分析，对输出参数拟合结果的影响进行计算。本申请考虑了采样数据误差分布驱动的排放因子不确定性，对基于动态驱动条件的排放因素进行多元分析。行多元分析。行多元分析。

【技术实现步骤摘要】
一种基于不确定性分析的道路交通碳排放多元分析与评估方法


[0001]本专利技术涉及道路交通碳排放分析领域，具体涉及一种基于不确定性分析的道路交通碳排放多元分析与评估方法。

技术介绍

[0002]在描述不同工况的排放特性时，许多学者应用瞬时运行参数，如速度、油耗、行驶距离等，或者替代参数，如车辆比功率(Vehicle Specific Power，VSP)来表征车辆碳排放水平。汽车CO2排放通常受到多种因素组合的影响，目前已有大量多因素变量分析模型，如COPERT、MOBILE、IVE等，但上述多因素变量分析模型都是基于车辆类型、车辆里程、燃油质量、燃油波动性等静态因素来研究机动车车辆排放的影响因素。此外，随着数据规模的增加，采样数据误差分布驱动的不确定性对不同运输情景下碳排放的核算准确性也起着重要作用。因此，在制定基于真实驾驶周期的排放因子模型时，有必要考虑采样数据误差分布驱动的排放因子不确定性；在实际的碳排放研究中，有必要对基于动态驱动条件的排放因素进行多元分析。

技术实现思路

[0003]本专利技术意在提供一种基于不确定性分析的道路交通碳排放多元分析与评估方法，以考虑采样数据误差分布驱动的排放因子不确定性，对基于动态驱动条件的排放因素进行多元分析。
[0004]为达到上述目的，本专利技术采用如下技术方案：
[0005]一种基于不确定性分析的道路交通碳排放多元分析与评估方法，包括：
[0006]步骤1，获取机动车行驶工况数据，并建立机动车行驶工况数据库；基于机动车行驶工况数据库获取CO2排放数据；所述机动车行驶工况数据包括速度、加速度、CO2排放速率、排气温度和比功率；所述CO2排放数据包括CO2排放因子；
[0007]步骤2，通过活动子空间方法进行多元分析，得到机动车行驶工况数据对CO2排放数据影响的定量评估；
[0008]步骤3，获取考虑车辆行驶及排放的采样误差时，CO2排放因子的不确定性分析参数，并得到基于比功率的CO2排放因子贝叶斯回归拟合结果和不确定性置信区间；
[0009]步骤4，对输入参数进行敏感性分析，对输出参数拟合结果的影响进行计算。
[0010]本方案的原理及优点是：实际应用时，首先获取机动车行驶工况数据，进一步的通过机动车行驶工况数据获取CO2排放数据，以为后续分析提供数据基础；通过步骤2对CO2排放数据影响定量评估，能够完成行驶工况数据对排放数据影响的定量分析，同时用作后续特征向量权重和二次响应函数的辅助理解；步骤3得到基于比功率的CO2排放因子贝叶斯回归拟合结果和不确定性置信区间，探究了考虑采样误差的排放因子的不确定性；步骤4探究了多元分析中输入参数对最终结果的影响，在步骤3基础上更好的观察输入参数对结果的
影响。本方案将活动子空间方法应用于交通排放模型，建立了CO2排放因子与实际车辆驾驶数据的输入参数之间关系的低维模型，确定了比功率和CO2排放率对CO2排放因子的显著影响；然后，采用贝叶斯线性回归方法，探讨在考虑采样不确定性时比功率与CO2排放因子之间的关系，并在考虑采样误差时CO2排放因子的不确定性。最后，结合贝叶斯拟合结果，采用活动子空间方法进行了多元分析，采用二次多项式来描述输入
‑
输出关系，并建立了两个不同的VSP数据分布域来评估采样多样性对于最终拟合结果的影响。本方案将不确定性分析与多元分析相结合，综合研究了车辆驾驶参数对排放因素的影响，为构建高分辨率的碳排放因子数据库奠定了基础。
[0011]优选的，作为一种改进，所述步骤1还包括：
[0012]步骤11，采集机动车逐秒行驶工况数据，并对机动车逐秒行驶工况数据进行清洗后建立机动车行驶工况数据库；
[0013]步骤12，通过机动车行驶工况数据库中的数据计算得到比功率，并对比功率进行聚类分析，得到VSP bin；
[0014]步骤13，通过VSP bin计算获取CO2排放因子。
[0015]技术效果：通过上述步骤，能够获得比功率数据和CO2排放因子数据，为后续分析提供数据基础。
[0016]优选的，作为一种改进，所述比功率的计算公式如下：
[0017]VSP＝v
×
(1.1a+0.132)+0000302
×
v3[0018]式中，v为测试车辆的行驶速度，a为测试车辆的行驶加速度。
[0019]技术效果：通过瞬时速度和加速度能够计算得到比功率，比功率是能够衡量汽车动力性能的一个综合指标。
[0020]优选的，作为一种改进，所述聚类分析以1kW/t为间隔对VSP进行划分并聚类，得到VSP bin，具体公式为：
[0021][0022]技术效果：相同VSP对应的排放数据存在较大的离散度，通过聚类分析，能够更加准确地评价机动车排放与行驶工况的关系。
[0023]优选的，作为一种改进，CO2排放因子的计算公式为：
[0024][0025]式中，EF
k
、ER
k
和v
k
分别代表VSP bin＝k时的CO2排放因子、CO2排放率和行驶速度。
[0026]技术效果：CO2排放因子是机动车尾气排放测算中的重要参数，通过获取CO2排放因子能够直观反映机动车的排放水平。
[0027]优选的，作为一种改进，所述步骤2还包括：
[0028]步骤21，确定活性子空间方法的输入参数和输出参数；所述输入参数包括速度、加速度、比功率、CO2排放率和排气温度；所述输出参数为CO2排放因子；
[0029]步骤22，将输入参数进行归一化处理；
[0030]步骤23，利用归一化处理后的输入参数建立矩阵，实例化子空间对象，将输入参数组成一个子空间，计算输出参数CO2排放因子的最小二乘法回归模型；
[0031]步骤24，利用矩阵计算最小二乘法回归模型的归一化梯度，即每个输入参数的特征向量分量；
[0032]步骤25，将其他输入参数都采用默认值，将目标输入参数值代入步骤23的子空间中进行计算，通过改变目标输入参数的值定量描述目标输入参数对输出参数的影响。
[0033]技术效果：通过上述步骤能够定量描述输入参数对CO2排放因子的影响。
[0034]优选的，作为一种改进，所述步骤3包括：
[0035]步骤31，根据活性子空间方法的敏感性分析确定CO2排放因子不确定性的分析参数；通过四分位数求每个VSP bin区间平均CO2排放因子及采样误差；
[0036]步骤32，确定VSP bin区间与平均CO2排放因子符合的关系函数，所述关系函数如下：
[0037]η
i
＝α+βξ
i
+∈
i
[0038]式中η
i
为平均CO2排放因子的值，ξ
i
为VSP bin的值，∈
i
是表示η中关于回归关系的内在散点的一个随机变量，(α，β)为回归系数；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于不确定性分析的道路交通碳排放多元分析与评估方法，其特征在于，包括：步骤1，获取机动车行驶工况数据，并建立机动车行驶工况数据库；基于机动车行驶工况数据库获取CO2排放数据；所述机动车行驶工况数据包括速度、加速度、CO2排放速率、排气温度和比功率；所述CO2排放数据包括CO2排放因子；步骤2，通过活动子空间方法进行多元分析，得到机动车行驶工况数据对CO2排放数据影响的定量评估；步骤3，获取考虑车辆行驶及排放的采样误差时，CO2排放因子的不确定性分析参数，并得到基于比功率的CO2排放因子贝叶斯回归拟合结果和不确定性置信区间；步骤4，对输入参数进行敏感性分析，对输出参数拟合结果的影响进行计算。2.根据权利要求1所述的一种基于不确定性分析的道路交通碳排放多元分析与评估方法，其特征在于，所述步骤1还包括：步骤11，采集机动车逐秒行驶工况数据，并对机动车逐秒行驶工况数据进行清洗后建立机动车行驶工况数据库；步骤12，通过机动车行驶工况数据库中的数据计算得到比功率，并对比功率进行聚类分析，得到VSP bin；步骤13，通过VSP bin计算获取CO2排放因子。3.根据权利要求2所述的一种基于不确定性分析的道路交通碳排放多元分析与评估方法，其特征在于：所述比功率的计算公式如下：VSP＝v
×
(1.1a+0.132)+0000302
×
v3式中，v为测试车辆的行驶速度，a为测试车辆的行驶加速度。4.根据权利要求2所述的一种基于不确定性分析的道路交通碳排放多元分析与评估方法，其特征在于，所述聚类分析以1kW/t为间隔对VSP进行划分并聚类，得到VSP bin，具体公式为：5.根据权利要求2所述的一种基于不确定性分析的道路交通碳排放多元分析与评估方法，其特征在于，CO2排放因子的计算公式为：式中，EF
k
、ER
k
和v
k
分别代表VSP bin＝k时的CO2排放因子、CO2排放率和行驶速度。6.根据权利要求1所述的一种基于不确定性分析的道路交通碳排放多元分析与评估方法，其特征在于，所述步骤2还包括：步骤21，确定活性子空间方法的输入参数和输出参数；所述输入参数包括速度、加速度、比功率、CO2排放率和排气温度；所述输出参数为CO2排放因子；步骤22，将输入参数进行归一化处理；步骤23，利用归一化处理后的输入参数建立矩阵，实例化子空间对象，将输入参数组成一个子空间，计算输出参数CO2排放因子的最小二乘法回归模型；步骤24，利用矩阵计算最小二乘法回归模型的归一化梯度，即每个输入参数的特征向量分量；
步骤25，将其他输入参数都采用默认值，将目标输入参数值代入步骤23的子空间中进行计算，通过改变目标输入参数的值定量...

【专利技术属性】
技术研发人员：余浩，徐浩成，朱宗强，吕强，宫宝利，王坤，马毅，黄德军，伍晨波，陈嘉楠，赵霏阳，
申请(专利权)人：中国汽车工程研究院股份有限公司，
类型：发明
国别省市：