本发明属于交通环境监测,特别是涉及一种基于深度学习的公路交通碳排放预测方法及装置。
背景技术:
1、公路交通是全球碳排放的主要源之一,对环境影响显著。为了降低碳排放,需要准确预测公路交通的碳排放,以便于进行有效的管理和控制。
2、传统的碳排放预测方法主要基于统计模型,如线性回归、多元线性回归、时间序列分析等。然而这些方法对于处理复杂的、非线性的数据关系的能力有限,因此预测结果可能存在较大的误差。
技术实现思路
1、本发明的目的在于提供一种基于深度学习的公路交通碳排放预测方法及装置,通过历史数据训练得到初步预测模型和校正预测模型对道路通行车辆进行碳排放检测,提高了碳排放预测的准确率。
2、为解决上述技术问题,本发明是通过以下技术方案实现的:
3、本发明提供一种基于深度学习的公路交通碳排放预测方法,包括,
4、获取多个种类的车辆的轮廓特征;
5、测试得到不同种类的车辆在不同行驶速度下的多个种类的尾气的检测排放浓度以及等效温室气体的检测排放速率;
6、获取不同种类的车辆的轮廓特征;
7、将车辆的轮廓特征和行驶速度作为输入层,将车辆的种类和等效温室气体的排放速率作为输出层,对初步预测模型训练至收敛;
8、将各个种类的尾气的检测排放浓度作为输入层,将车辆的等效温室气体的排放速率作为输出层,对校正预测模型训练至收敛;
9、在道路设置监测点;
10、在所述监测点获取通行车辆的轮廓特征、行驶速度以及各个种类的尾气的排放浓度;
11、将通行车辆的轮廓特征、行驶速度以及各个种类的尾气的排放浓度分别输入至所述初步预测模型和所述校正预测模型得到通行车辆的等效温室气体的排放速率。
12、本发明还公开了一种基于深度学习的公路交通碳排放预测方法,包括,
13、在道路设置多个监测点;
14、持续获取每个所述监测点的通行车辆的等效温室气体的排放速率;
15、根据多个所述监测点处不同时刻通行车辆的等效温室气体的排放速率的均值得到道路通行车辆的等效温室气体的排放速率。
16、本发明还公开了一种基于深度学习的公路交通碳排放预测方法,包括,
17、获取道路空间模型;
18、在所述道路空间模型内标注出监测点的位置;
19、获取监测点的通行车辆的等效温室气体的排放速率;
20、在所述道路空间模型中显示所述监测点的通行车辆的等效温室气体的排放速率。
21、本发明还公开了一种基于深度学习的公路交通碳排放预测装置,包括,
22、模型训练模块,用于获取多个种类的车辆的轮廓特征;
23、测试得到不同种类的车辆在不同行驶速度下的多个种类的尾气的检测排放浓度,以及等效温室气体的排放速率;
24、获取不同种类的车辆的轮廓特征;
25、将车辆的轮廓特征和行驶速度作为输入层,将车辆的种类和等效温室气体的排放速率作为输出层,对初步预测模型训练至收敛;
26、将各个种类的尾气的检测排放浓度作为输入层,将车辆的等效温室气体的排放速率作为输出层,对校正预测模型训练至收敛;
27、全局预测模块,用于在道路设置监测点;
28、识别预测模块,用于在预设的监测点获取通行车辆的轮廓特征、行驶速度以及各个种类的尾气的排放浓度;
29、将通行车辆的轮廓特征、行驶速度以及各个种类的尾气的排放浓度分别输入至所述初步预测模型和所述校正预测模型得到通行车辆的等效温室气体的排放速率;
30、全局预测模块,还用于在道路设置多个监测点;
31、根据每个所述监测点处不同时刻通行车辆的等效温室气体的排放速率的均值得到道路通行车辆的等效温室气体的排放速率;
32、可视化模块,用于获取道路空间模型;
33、在所述道路空间模型内标注出监测点的位置;
34、获取通行车辆的等效温室气体的排放速率;
35、在所述道路空间模型中显示所述监测点的通行车辆的等效温室气体的排放速率。
36、本发明通过历史检测数据训练得到用于预测碳排放速率的初步预测模型和校正预测模型。在预测过程中首先根据初步预测模型获取通行车辆的等效温室气体的排放速率,并对其进行验证。如果验证通过保留,如果验证不通过则再通过校正预测模型获取更为准确的等效温室气体的排放速率。在此过程中通过双重手段提高碳排放预测的准确性。
37、当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
1.一种基于深度学习的公路交通碳排放预测方法,其特征在于,包括,
2.根据权利要求1所述的方法,其特征在于,所述将通行车辆的轮廓特征、行驶速度以及各个种类的尾气的排放浓度分别输入至所述初步预测模型和所述校正预测模型得到通行车辆的等效温室气体的排放速率的步骤,包括,
3.根据权利要求2所述的方法,其特征在于,所述根据不同种类的车辆在不同行驶速度下的等效温室气体的检测排放速率得到不同种类的车辆在不同行驶速度下的等效温室气体排放范围的步骤,包括,
4.根据权利要求3所述的方法,其特征在于,所述根据车辆在多个行驶速度下的多次等效温室气体的检测排放速率得到车辆在多个行驶速度下的等效温室气体的排放速率范围的步骤,包括,
5.根据权利要求4所述的方法,其特征在于,所述在多个检测特征向量中剔除异常值得到目标向量集合的步骤,包括,
6.根据权利要求2所述的方法,其特征在于,所述将通行车辆的各个种类的尾气的排放浓度输入至所述校正预测模型,得到通行车辆校正后等效温室气体的排放速率的步骤,包括,
7.根据权利要求6所述的方法,其特征在于,所述根据通行车辆的多个等效温室气体的排放速率得到通行车辆校正后等效温室气体的排放速率的步骤,包括,
8.一种基于深度学习的公路交通碳排放预测方法,其特征在于,包括,
9.一种基于深度学习的公路交通碳排放预测方法,其特征在于,包括,
10.一种基于深度学习的公路交通碳排放预测装置,其特征在于,包括,