[发明专利]碳排放量计算方法、装置及存储介质

权利要求书

1.一种碳排放量计算方法，其特征在于，所述方法包括以下步骤：

获取目标车辆在不同时刻的历史行驶信息、历史外部环境信息及对应的实际碳排放量，根据所述历史行驶信息、历史外部环境信息及对应的实际碳排放量建立预设关系函数；

获取所述目标车辆的当前行驶信息以及当前外部环境信息；

将所述当前行驶信息以及当前外部环境信息作为当前特征参数；

根据所述当前特征参数通过所述预设关系函数计算所述目标车辆的当前碳排放量。

2.如权利要求1所述的碳排放量计算方法，其特征在于，所述获取目标车辆在不同时刻的历史行驶信息、历史外部环境信息及对应的实际碳排放量，根据所述历史行驶信息、历史外部环境信息及对应的实际碳排放量建立预设关系函数的步骤，具体包括：

获取目标车辆在不同时刻的历史行驶信息、历史外部环境信息；

将所述历史行驶信息以及历史外部环境信息作为样本特征参数；

获取各样本特征参数分别对应的实际碳排放量；

根据所述样本特征参数及对应的实际碳排放量建立所述预设关系函数。

3.如权利要求2所述的碳排放量计算方法，其特征在于，所述根据所述样本特征参数及对应的实际碳排放量建立所述预设关系函数的步骤，具体包括：

根据所述样本特征参数及对应的实际碳排放量通过线性拟合算法建立所述预设关系函数。

4.如权利要求3所述的碳排放量计算方法，其特征在于，所述根据所述样本特征参数及对应的实际碳排放量通过线性拟合算法建立所述预设关系函数的步骤，具体包括：

将所述样本特征参数及对应的实际碳排放量用坐标系进行表示；

根据所述坐标系中所述样本特征参数及对应的实际碳排放量的变化趋势进行线性拟合，获得所述预设关系函数。

5.如权利要求2所述的碳排放量计算方法，其特征在于，所述根据所述样本特征参数及对应的实际碳排放量建立所述预设关系函数的步骤，具体包括：

基于所述样本特征参数及对应的实际碳排放量对预设分类模型进行训练，获得所述预设关系函数。

6.如权利要求5所述的碳排放量计算方法，其特征在于，所述预设分类模型包括：神经网络模型；

相应地，所述基于所述样本特征参数及对应的实际碳排放量对预设分类模型进行训练，获得所述预设关系函数，具体包括：

基于所述样本特征参数及对应的实际碳排放量对所述神经网络模型进行训练，获得所述预设关系函数。

7.如权利要求5所述的碳排放量计算方法，其特征在于，所述预设分类模型包括：支持向量机模型；

相应地，所述基于所述样本特征参数及对应的实际碳排放量对预设分类模型进行训练，获得所述预设关系函数，具体包括：

基于所述样本特征参数及对应的实际碳排放量对所述支持向量机模型进行训练，获得所述预设关系函数。

8.如权利要求1至7任一项中所述的碳排放量计算方法，其特征在于，所述外部环境信息包括：天气信息及路况信息中的至少一种；

所述行驶信息包括：行驶的车速、加速度、发动机转速、里程信息、载重信息、油耗信息及尾气排放参数中至少一种信息。

9.一种碳排放量计算装置，其特征在于，所述装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的碳排放量计算程序，所述碳排放量计算程序在被所述处理器执行时实现如权利要求1至8中任一项所述的碳排放量计算方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有碳排放量计算程序，所述碳排放量计算程序被处理器执行时实现如权利要求1至8中任一项所述的碳排放量计算方法的步骤。