-
公开(公告)号：CN119740942A
公开(公告)日：2025-04-01
申请号：CN202510259970.1
申请日：2025-03-06
Applicant: 交通运输部规划研究院
IPC: G06Q10/083 , G06Q10/04 , G06Q30/018 , G06Q50/40
Abstract: 本发明公开了一种内河航道碳排放预测方法、装置、计算机设备及可读存储介质，包括：首先获取目标区域现状年与预测年内河航道信息，分别算出现状年建设期、运营期、养护期碳排放量。再据此结合相关信息算出预测年各阶段碳排放量，确定预测年内河航道全生命周期碳排放量。最后基于上述数据及目标区域人口、GDP数据，利用XGBoost构建内河航道里程与碳排放预测模型，为内河航道规划管理提供有效参考。
-
公开(公告)号：CN117094868B
公开(公告)日：2024-02-02
申请号：CN202311354233.7
申请日：2023-10-19
Applicant: 交通运输部规划研究院
IPC: G06Q50/26
Abstract: 本申请公开了一种公路碳排放量评估方法、装置及可读存储介质，包括：首先，预测公路运输车辆保有量并确定车队构成。然后，对新能源占有率、平均燃油消耗和平均行驶里程进行约束。最后，根据约束结果计算得到对应的公路碳排放量。如此设计，能够准确评估和管理公路车队的碳排放，通过对车辆更新迭代过程中的新能源占有率、平均燃油消耗和平均行驶里程进行约束，实现了对新能源车辆引入、车辆运输效率提高、车辆能源效率提升的节能减排效果的精细化定量评估，并最终有效降低公路交通对环境的影响效果，为制定交通绿色低碳政策提供科学依据。
-
公开(公告)号：CN117195749A
公开(公告)日：2023-12-08
申请号：CN202311464140.X
申请日：2023-11-06
Applicant: 交通运输部规划研究院
IPC: G06F30/27 , G06Q10/0635 , G06F119/02
Abstract: 本发明公开了气候变化对区域公路网风险预测方法及可读存储介质，包括：首先获取待预测区域公路网信息和灾害影响因素；采集基准年观测数据；选取并模拟全球气候模式数据；确定预测情景，并预测目标年气候特征；通过时空序列预测模型进行校正操作，得到可靠目标年气候特征；确定气候特征变化结果；划分待预测区域，插值得到每个空间单元的气候变化风险系数；最后根据风险系数，得到待预测区域公路网的区域公路网风险预测结果。如此设计，提供了一种科学、有效的评估方式，有助于提高公路网的应对气候变化能力。
-
公开(公告)号：CN116468163A
公开(公告)日：2023-07-21
申请号：CN202310389819.0
申请日：2023-04-12
Applicant: 交通运输部规划研究院
IPC: G06Q10/04 , G06Q10/083 , G06Q50/30 , G06F17/18
Abstract: 本申请提供了一种碳排放预测方法及装置，其中，该方法包括：获取目标企业的预测年份、历史货物周转量列表及历史碳排放列表，历史货物周转量列表包含每个历史年份及该历史年份对应的货物周转量，历史碳排放列表包含每个历史年份及该历史年份对应的碳排放；确定每个历史年份对应的货物周转量与该历史年份之前预设年份对应的货物周转量之间的拟合函数；依据预测年份之前预设年份的货物周转量及拟合函数，预测预测年份的预测货物周转量；依据预测货物周转量、预测年份之前预设年份的货物周转量、预测年份之前预设年份的碳排放，确定预测年份的预测碳排放。本申请解决了无法预测碳排放，从而目标企业无法及时更换设备而导致碳排放过多的技术问题。
-
公开(公告)号：CN115839724B
公开(公告)日：2023-05-02
申请号：CN202310102501.X
申请日：2023-02-13
Applicant: 交通运输部规划研究院
IPC: G01C21/34
Abstract: 本申请提供了一种基于污染物排放量的货车导航方法及装置，其中，该方法包括：获取用户输入的起点和终点对应的多条导航路径和多条导航路径中每条导航路径的多个路段；依据用户输入的出发时间，确定每条导航路径和该条导航路径的每个路段的预计行驶时间；依据出发时间和每条导航路径的每个路段的预计行驶时间，确定每条导航路径的预计污染物排放量；分别依据预计行驶时间、预计污染物排放量对多条导航路径进行排序，分别显示排序后的多条导航路径；将用户在排序后的多条导航路径中选择的一条导航路径，确定为货车的目标导航路径。本申请解决了现有技术中仅提供线路最短或时间最短的导航线路的技术问题，达到了优化货车的导航路径的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN115824248A
公开(公告)日：2023-03-21
申请号：CN202310114329.X
申请日：2023-02-15
Applicant: 交通运输部规划研究院
IPC: G01C21/34
Abstract: 本申请提供了一种纯电动重型卡车的导航方法及装置，其中，该方法包括：确定目标车辆的初始荷电状态是否满足第一导航路径的电量需求，若目标车辆的初始荷电状态满足第一导航路径的电量需求，则无需进行电量补充操作；若目标车辆的初始荷电状态不满足第一导航路径的电量需求，则以起点为中心、预设距离半径确定目标区域且在目标区域中选择充换电站，将选择的充换电站作为新的起点，直至目标车辆充满电状态后满足行驶到终点的电量需求，从而为目标车辆提供可以进行至少一次电量补充的导航线路。本申请解决了现有技术中无法给目标车辆提供包含充换电站的导航线路的技术问题，达到了可给目标车辆提供包含充换电站的导航线路的技术效果。
-
公开(公告)号：CN113313937B
公开(公告)日：2022-05-06
申请号：CN202110402717.9
申请日：2021-04-14
Applicant: 交通运输部规划研究院
Abstract: 本发明公开了一种基于土地利用信息的路网交通流量动态模拟方法，通过本方法可以基于部分路段采集流量对全路网交通流进行模拟，从而刻画区域路网交通变化时空分布特征，并可以对路网交通运行状况进行评估。交通需求模型方法是指利用包括交通平衡模型、交通流密度模型在内的交通模型对流量进行模拟。本发明使用的基于土地利用信息的交通流量模拟方法，利用土地利用信息的高分辨率动态模拟路网交通流特征，从而克服传统参数分配方法导致的时空分辨率不足、结果误差大的问题；通过引入随机森林模型进行模拟，不再需要进行复杂交通需求调研，有效提升了模拟的效率，由于土地利用信息的高覆盖率也讲模拟边界从城市内部拓展到城市区域乃至全国层面。
-
公开(公告)号：CN112767690B
公开(公告)日：2022-03-29
申请号：CN202011571602.4
申请日：2020-12-27
Applicant: 交通运输部规划研究院
Abstract: 本发明公开了一种基于断面调查数据的区域路网重型货车流量估算方法，结合公路交通流量断面观测数据和重型货车行驶轨迹数据，引入神经网络模型和遗传算法等数据驱动方法，可评估运输结构调整、货车限行等管理政策对重型货车流量变化的影响，为后续精确分析道路排放规律提供完善的交通活动水平数据。本方法依托公路网交通流观测系统和全国道路货运车辆公共监管与服务平台的重型货车交通流大数据，引入神经网络模型和遗传算法等数据驱动方法，可以更加精确地估算路网重型货车的断面流量，为定量评估管控政策实施对区域路网重型货车运行的影响提供了指导和依据。
-
公开(公告)号：CN112767689B
公开(公告)日：2022-06-21
申请号：CN202011571597.7
申请日：2020-12-27
Applicant: 交通运输部规划研究院
Abstract: 本发明公开了一种基于公路网货车流量数据估算区域货运OD分布的方法，本方法交调站点采集到的重型货车交通流量断面观测数据。在对交调站点数据进行稳定性检验的基础上，选定满足稳定性检验的交调站点作为输入数据集合。基于确定的输入数据集合，即重型货车交通流量断面观测数据，采用构建好的OD反推模型对区域交通小区货运OD分布进行估算。建立交调站点流量数据与区域交通小区OD分布之间的关系。本发明能够克服传统OD分布预测依赖大规模人工调查的缺点，从工程实践出发，以覆盖范围广、采集频率高、稳定性好的公路网交调站点监测到的断面货车流量数据为基础，为掌握区域货运交通分布情况、预测路网交通流量提供技术支撑。
-
公开(公告)号：CN113313937A
公开(公告)日：2021-08-27
申请号：CN202110402717.9
申请日：2021-04-14
Applicant: 交通运输部规划研究院
Abstract: 本发明公开了一种基于土地利用信息的路网交通流量动态模拟方法，通过本方法可以基于部分路段采集流量对全路网交通流进行模拟，从而刻画区域路网交通变化时空分布特征，并可以对路网交通运行状况进行评估。交通需求模型方法是指利用包括交通平衡模型、交通流密度模型在内的交通模型对流量进行模拟。本发明使用的基于土地利用信息的交通流量模拟方法，利用土地利用信息的高分辨率动态模拟路网交通流特征，从而克服传统参数分配方法导致的时空分辨率不足、结果误差大的问题；通过引入随机森林模型进行模拟，不再需要进行复杂交通需求调研，有效提升了模拟的效率，由于土地利用信息的高覆盖率也讲模拟边界从城市内部拓展到城市区域乃至全国层面。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.034 seconds)
