[發(fā)明專利]一種常規(guī)能源和新能源公交車輛的污染氣體排放預測方法

有效

• 申請?zhí)枺?/td>: 201811055783.8
• 申請日: 2018-09-11
• 公開（公告）號: CN109086946B
• 公開（公告）日: 2021-09-17
• 發(fā)明（設計）人: 葉智銳;鄭征程;孫卓群;王超
• 申請（專利權）人: 東南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 葉倩

本發(fā)明公開了一種常規(guī)能源和新能源公交車輛的污染氣體排放預測方法，克服了現(xiàn)有技術中測算不準確的問題，通過基礎數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)建模和應用分析四個步驟，基于循環(huán)神經(jīng)網(wǎng)絡中的長短期記憶神經(jīng)網(wǎng)絡，采用較簡便易行的測量方法，對公交車輛在路段行駛過程中的運行特征、排放特征進行研究，充分考慮了時間變化條件下，車輛自身運行狀況對污染氣體排放的影響程度，探究排放規(guī)律，實現(xiàn)對于常規(guī)能源和新能源公交車的排放給出更為準確的預測，能為節(jié)能減排政策的制定提供理論指導，為優(yōu)化公交專用車道的建設提供指導意見，使管理者和設計者能夠更好地管理、調(diào)整和優(yōu)化系統(tǒng)運作和系統(tǒng)設計，并進一步降低公交車輛的溫室氣體排放量。

技術領域

本發(fā)明屬于交通節(jié)能減排技術領域，具體涉及一種常規(guī)能源和新能源公交車輛的污染氣體排放預測方法。

背景技術

近年來氣候變化和空氣質(zhì)量問題已經(jīng)成為一個世界性問題。許多研究人員已經(jīng)證實交通產(chǎn)生的排放是空氣污染的一個主要來源，微粒、一氧化碳、二氧化碳、碳氫化合物、氮氧化合物等排放物在汽車移動中產(chǎn)生，對空氣質(zhì)量和人體健康產(chǎn)生很大危害。同時，日益增加的交通需求帶來了嚴重的擁堵，這也會增加排放污染。為了解決這些問題，公共交通系統(tǒng)的作用越來越被規(guī)劃管理者所重視。

雖然公交系統(tǒng)目前已被視為解決交通擁堵和污染的一個有效方式，但不得不注意的是，公交車輛的排放量仍然有必要進行測算。如今擁擠的路況加上公交車輛要在線路上的每個站點附近停車、上下乘客、啟動，使得車輛開開停停，燃油燃燒不充分，導致碳氫化合物和一氧化碳等排放污染物急劇增加。同時近幾年來新能源公共汽車的大量投入使用，這種汽車所能帶來的節(jié)能減排效果需要被測算與評價。

然而，目前對于測算公交車輛排放量的研究還非常少，尤其是新能源公交車輛更是幾乎空白。同時，大多數(shù)測算公交排放的方法對過去車輛運行狀況往往是選取了固定過去時間段內(nèi)的車輛運行狀況參數(shù)進行分析，這與實際情況截然不同，事實上，質(zhì)量排放率受過去車輛運行狀況的程度往往會隨時間變化，因而現(xiàn)有大部分的測算方法也極不準確。

發(fā)明內(nèi)容

本發(fā)明正是針對現(xiàn)有技術中的問題，提供了一種常規(guī)能源和新能源公交車輛的污染氣體排放預測方法，克服了現(xiàn)有技術中測算不準確的問題，通過基礎數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)建模和應用分析四個步驟，基于循環(huán)神經(jīng)網(wǎng)絡中的長短期記憶神經(jīng)網(wǎng)絡，實現(xiàn)對于常規(guī)能源和新能源公交車的排放給出更為準確的預測，能為節(jié)能減排政策的制定提供理論指導，為優(yōu)化公交專用車道的建設提供指導意見，使管理者和設計者能夠更好地管理、調(diào)整和優(yōu)化系統(tǒng)運作和系統(tǒng)設計。

為了實現(xiàn)上述目的，本發(fā)明采用的技術方案是：一種常規(guī)能源和新能源公交車輛的污染氣體排放預測方法，包括如下步驟：

S1，基礎數(shù)據(jù)采集：包括測試車輛排放氣體中污染氣體的體積濃度、測試車輛速度和加速度，及車上乘客數(shù)量，所述三種數(shù)據(jù)保持時間上的同步；

S2，基礎數(shù)據(jù)預處理：包括將污染氣體質(zhì)量排放率轉(zhuǎn)化和數(shù)據(jù)標準化，所述污染氣體質(zhì)量排放率轉(zhuǎn)化指將步驟S1中采集到的污染氣體體積濃度轉(zhuǎn)換成相應單位時間內(nèi)污染氣體排放質(zhì)量；

S3，數(shù)據(jù)建模：構建基于長短期記憶神經(jīng)網(wǎng)絡的模型，通過sigmoid函數(shù)，輸入以往的信息和當前的信息，輸出一個0-1之間的權重，分別來控制當前單元中以往信息流入的程度、當前信息流入的程度以及輸出的程度：

S4，應用分析；

S41，污染氣體瞬時質(zhì)量排放率的獲得：每個時間間隔中輸入速度、加速度、坡度、車上乘客數(shù)量，通過步驟S3中長短記憶神經(jīng)網(wǎng)絡模型得到當前的質(zhì)量排放率；

S42，平均排放因子的計算：將長短期記憶神經(jīng)網(wǎng)絡模型的估計值進行累加，并除以對應的運行距離，從而得到其單位距離上的排放量。