[发明专利]高速公路交通运输污染物排放量多情景区间预测方法

说明书

本发明公开了一种高速公路交通运输污染物排放量多情景区间预测方法，包括如下步骤：获取预测时空范围内的基于出入口匝道收费系统的高速公路的交通分布观测数据集；生成基于不同排放标准更新方案的政策调控情景模式组合；测算基准污染物排放因子，获取各情景下的排放因子数据集；通过季节性SARIMA‑SVR模型预测未来不同情景下车辆的保有量，估算各情景未来月份的污染物排放量；评估各个排放标准调控政策的组合减排效果。本发明在考虑不同排放标准更新调控政策下，实现了多情景高速公路交通污染物减排效果的定量评估，并以SARIMA‑SVR模型提高了季节性预测精度，为合理制定碳达峰政策提供了技术支撑。

技术领域

本发明属于碳排放预测技术领域，更具体地说，涉及一种高速公路交通运输污染物排放量多情景区间预测方法。

背景技术

据显示，交通运输行业的碳排放占我国终端碳排放的15％，并且由于运输部门燃油效率的提高不足以满足不断增长的需求，交通行业的碳排放量仍然呈上升趋势。其中，公路运输碳排放占交通行业碳排放总量的74％，重型货车碳排放量占公路运输碳排放总量的54％。近年来，随着机动车保有量的激增与快递运输行业的快速发展，高速公路运输量呈几何增长，高速公路碳排放成为公路运输碳排放的重要来源。

由此可见，为了降低碳排放带来的负面影响，研究高速公路交通运输碳排放的预测具有重要意义。

根据既有文献，多数研究基于IPAT模型、Kaya恒等式、STIRPAT及其拓展模型分解得到的宏观影响因素，采用最小二乘法回归、岭回归、分位数回归等线性回归方法以及支持向量机、神经网络等机器学习方法构建预测影响因素与碳排放量之间的回归关系，从而预测区域的交通碳排放量。

此外，部分研究通过预测得到的车辆存量增长、车辆技术发展、车辆行驶里程、燃油效率等重要车辆营运参数，应用自下而上的碳排放测算方法(如LEAP模型，COPERT、MOVES、GEI等排放因子模型等)估算未来的车辆碳排放。现有公开了一种基于交通运输的碳排放量预测方法及设备(申请号202210631985.2)，它基于指定地理范围内不同交通碳排放链、交通方式、活动特征的交通运输量数据集，通过预设交通碳排放因子库核算交通运输碳排放总量并对其进行平稳化修正和优化，建立优化后综合自回归移动平均模型预测碳排放的变化曲线。现有还公开了一种道路交通二氧化碳排放的预测方法及预测系统(申请号202110923903.7)，它是基于城市建设用地和人口空间数据集预测加权路网空间变化，基于车辆存活曲线和新能源车销售渗透率预测燃油车保有量，根据加权路网密度将燃油车保有量分配至空间网格，通过建立燃油车数量与二氧化碳排放之间的函数关系，预测未来年的道路交通空间网格碳排放量。

综合国内外的研究与应用，依托人口、GDP、能源强度、消费总量、社会总产出等宏观指标的交通碳排放总量层面预测，存在数据精度不够、行业细分程度低等问题。基于自下而上测算模型的预测研究在提高测算模型中碳排放因子和影响因素预测的精度上做出了尝试，但是没有充分考虑不同排放标准的调控政策对于高速公路通行车队构成和污染物排放因子变化的影响，不能很好地评估多种排放标准调控政策组合情景的减排效果，进而影响了预测结果的准确性。

发明内容

为了解决上述技术问题至少之一，根据本发明的一方面，提供了一种高速公路交通运输污染物排放量多情景区间预测方法，包括如下步骤：

S1，确定高速公路污染物排放量预测的时空范围，获取每条高速公路的交通分布观测数据集；

具体地，时空范围包括高速公路所在地理区域和代表年月和目标年月范围；针对代表年月的待测区域高速公路，获取每条高速公路的交通分布观测数据集，包括观测区间长度，观测区间通过车辆数，通过车辆相应的车型、尺寸、用途、排放标准等属性数据；

基于所在地理空间边界内的代表月份的机动车保有量数据和新车登记数据，通过计算各类车辆的存活量及其总量占比，结合排放标准的更新政策，得到所述数据集内的通过车辆的排放标准属性，各类车辆存活量计算如下：