[go: up one dir, main page]

CN110889086B - 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法 - Google Patents

一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法 Download PDF

Info

Publication number
CN110889086B
CN110889086B CN201911015265.8A CN201911015265A CN110889086B CN 110889086 B CN110889086 B CN 110889086B CN 201911015265 A CN201911015265 A CN 201911015265A CN 110889086 B CN110889086 B CN 110889086B
Authority
CN
China
Prior art keywords
area
shared electric
experimental
gas
urban
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911015265.8A
Other languages
English (en)
Other versions
CN110889086A (zh
Inventor
郭延永
刘攀
吴瑶
丁红亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201911015265.8A priority Critical patent/CN110889086B/zh
Publication of CN110889086A publication Critical patent/CN110889086A/zh
Application granted granted Critical
Publication of CN110889086B publication Critical patent/CN110889086B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Finance (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Exhaust Gas After Treatment (AREA)

Abstract

本发明公开了一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法，包括如下步骤：(1)选定初始研究区域以及相关协变量数据的采集；(2)得分模型选择以及参数的标定；(3)得到最终参与评估的实验对象与控制对象；(4)实验区域及控制区域的污染气体数据采集；(5)判断共享电动租赁汽车影响效果。本发明能够在一定程度上减少了其他协变量的影响，最终将城市大气污染排放变化归因于唯一的影响因素“引入共享电动租赁汽车”。

Description

一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法
技术领域
本发明涉及共享电动租赁汽车技术领域，尤其是一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法。
背景技术
共享电动租赁汽车作为一种新型的交通运营方式在众多国家和地区实施和运营，不仅能够完善地区的综合交通发展而且能够缓解城市的交通需求发展。作为一项新兴的交通运输方式，在发展的同时引起了相关领域学者的关注和兴趣。
根据相关文献查询，目前对共享电动租赁汽车的研究主要集中在使用率，社会安全以及社会经济方面，并未涉及到该政策对社会环境的影响，尤其是对城市汽车尾气排放的影响。一方面是该政策实施时间较短，缺乏较好的数据源及逆行影响分析，另一方面是分析模型的局限性。本次发明提出了一种因果分析模型，该模型克服了以往的局限性，首先是对数据量的依托性较低，其次在数据源较少的条件下能够较为准确的对结果进行解释和评估。本次发明不仅能够为该领域的研究提供一种较为准确的方法模型，同时研究结果也能为共享电动租赁汽车政策的实施提供较好的指导意义。
发明内容
本发明所要解决的技术问题在于，提供一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法，能够在一定程度上减少了其他协变量的影响，最终将城市大气污染排放变化归因于唯一的影响因素“引入共享电动租赁汽车”。
为解决上述技术问题，本发明提供一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法，包括如下步骤：
(1)选定初始研究区域以及相关协变量数据的采集；
(2)得分模型选择以及参数的标定；
(3)得到最终参与评估的实验对象与控制对象；
(4)实验区域及控制区域的污染气体数据采集；
(5)判断共享电动租赁汽车影响效果。
优选的，步骤(1)中，选定初始研究区域以及相关协变量数据的采集具体为：初始实验对象与控制对象的样本比例处于1:1.5～1:30，拟采取的比例为1:10；相关协变量为研究区域的人口总数N，单位：人，区域的经济发展GDP，单位：亿元，道路网络密度Mi、私家车拥有量L，单位：万辆，公共交通日运载量K，单位：万人/日，区域绿化面积S，单位：平方公里，上述变量数据均可通过实地调查以及当地相关交通部门获取。
优选的，步骤(2)中，得分模型选择以及参数的标定具体为：通过带入步骤(1)的相关协变量数据判断与实验区域具有相似属性的控制区域；其中N表示研究区域的人口总数、GDP表示所在区域的经济发展、Mi表示区域道路网络密度、L为区域私家车拥有量、K为公共交通日运载量、S为区域绿化面积；α为常数项、βn为回归向量系数；
Figure BDA0002245498760000021
优选的，步骤(3)中，得到最终参与评估的实验对象与控制对象具体为：将步骤(1)中各对象所采集的数据代入步骤(2)中构建的得分模型中，计算实验区域以及控制区域的综合得分，最终确定与实验区域具有最接近得分值的控制区域；假定各初始控制区域与实验区域的得分差值为μi，则最终确定的控制区域与实验区域的μi满足μi＝min{|实验区域得分-预控制区域得分|}。
优选的，步骤(4)中，实验区域及控制区域的污染气体数据采集具体为：分别采集实验区域与控制区域的污染气体平均排放量，分别为二氧化碳平均排放量，氮氧化合物平均排放量，二氧化氮平均排放量，PM10的平均排放量以及PM2.5的平均排放量，以上气体排放数据均可通过区域气体观测站或者相关统计局进行提取与调查。
优选的，步骤(5)中，判断共享电动租赁汽车影响效果具体为：根据步骤(4)提取的数据判断共享电动租赁汽车对城市汽车尾气排放影响ATT：
Figure BDA0002245498760000022
(其中i为实验区域，j为控制区域)
Figure BDA0002245498760000023
(其中i为实验区域，j为控制区域)
Figure BDA0002245498760000024
(其中i为实验区域，j为控制区域)
Figure BDA0002245498760000031
(其中i为实验区域，j为控制区域)
Figure BDA0002245498760000032
(其中i为实验区域，j为控制区域)
其中ATT(CO2)表示的共享电动租赁汽车对城市CO2气体排放的影响；ATT(NO2)表示的共享电动租赁汽车对城市NO2气体排放的影响；ATT(NOX)表示的共享电动租赁汽车对城市NOX气体排放的影响；ATT(PM10)表示的共享电动租赁汽车对城市PM10气体排放的影响；ATT(PM2.5)表示的共享电动租赁汽车对城市PM2.5气体排放的影响；如果ATT(CO2)为负值，则表示共享电动租赁汽车会减少城市CO2气体排放，反之则表示共享电动租赁汽车会增加城市CO2气体排放；如果ATT(NO2)为负值，则表示共享电动租赁汽车会减少城市NO2气体排放，反之则表示共享电动租赁汽车会增加城市NO2气体排放；如果ATT(NOx)为负值，则表示共享电动租赁汽车会减少城市NOx气体排放，反之则表示共享电动租赁汽车会增加城市NOx气体排放；如果ATT(PM10)为负值，则表示共享电动租赁汽车会减少城市PM10气体排放，反之则表示共享电动租赁汽车会增加城市PM10气体排放；如果ATT(PM2.5)为负值，则表示共享电动租赁汽车会减少城市PM2.5气体排放，反之则表示共享电动租赁汽车会增加城市PM2.5气体排放。
本发明的有益效果为：本发明通过选取与所研究的实验区域具有相似特征的控制区域，分别采集实验区域与控制区域的汽车尾气排放数据，基于因果分析模型分别对各指标进行对比分析，在一定程度上能够评估共享电动租赁汽车对城市汽车尾气排放影响；通过研究该方向不仅能够完善相关领域的知识结构框架，同时能够为相关的交通执法管理部门提供较好的指导建议，对引入共享电动租赁汽车方面有积极的意义。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
如图1所示，一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法，包括如下步骤：
(1)选定初始研究区域以及相关协变量数据的采集：本发明使用的是因果分析模型，现有研究中指出使用该方法的初始实验对象与控制对象的样本比例处于1:1.5～1:30；在本次发明中拟采取的比例为1:10。本次发明的相关协变量为研究区域的人口总数N(单位：人)、区域的经济发展GDP(单位：亿元)、道路网络密度Mi、私家车拥有量L(单位：万辆)、公共交通日运载量K(单位：万人/日)，区域绿化面积S(单位：平方公里)。上述变量数据均可通过实地调查以及当地相关交通部门(交警部门)获取。
(2)得分模型选择以及参数的标定：通过带入步骤(1)的相关协变量数据判断与实验区域具有相似属性的控制区域；其中N表示研究区域的人口总数、GDP表示所在区域的经济发展、Mi表示区域道路网络密度、L为区域私家车拥有量、K为公共交通日运载量、S为区域绿化面积；α为常数项、βn为回归向量系数；
Figure BDA0002245498760000041
(3)最终参与评估的实验对象与控制对象：将第(1)步各对象所采集的数据代入(2)中构建的得分模型中，计算实验区域以及控制区域的综合得分，最终确定与实验区域具有最接近得分值的控制区域；假定各初始控制区域与实验区域的得分差值为μi，则最终确定的控制区域与实验区域的μi满足μi＝min{|实验区域得分-预控制区域得分|}；
(4)实验区域及控制区域的污染气体数据采集：为了有效的判断共享电动租赁汽车引入对城市的污染气体排放的影响，分别采集实验区域与控制区域的污染气体平均排放量，分别为二氧化碳平均排放量，氮氧化合物平均排放量，二氧化氮平均排放量，PM10的平均排放量以及PM2.5的平均排放量，以上气体排放数据均可通过区域气体观测站或者相关统计局进行提取与调查。
(5)判断共享电动租赁汽车影响效果：根据第(4)步提取的数据判断共享电动租赁汽车对城市汽车尾气排放影响ATT:
Figure BDA0002245498760000042
(其中i为实验区域，j为控制区域)
Figure BDA0002245498760000043
(其中i为实验区域，j为控制区域)
Figure BDA0002245498760000044
(其中i为实验区域，j为控制区域)
Figure BDA0002245498760000051
(其中i为实验区域，j为控制区域)
Figure BDA0002245498760000052
(其中i为实验区域，j为控制区域)
其中ATT(CO2)表示的共享电动租赁汽车对城市CO2气体排放的影响；ATT(NO2)表示的共享电动租赁汽车对城市NO2气体排放的影响；ATT(NOX)表示的共享电动租赁汽车对城市NOX气体排放的影响；ATT(PM10)表示的共享电动租赁汽车对城市PM10气体排放的影响；ATT(PM2.5)表示的共享电动租赁汽车对城市PM2.5气体排放的影响。如果ATT(CO2)为负值，则表示共享电动租赁汽车会减少城市CO2气体排放，反之则表示共享电动租赁汽车会增加城市CO2气体排放；如果ATT(NO2)为负值，则表示共享电动租赁汽车会减少城市NO2气体排放，反之则表示共享电动租赁汽车会增加城市NO2气体排放；如果ATT(NOx)为负值，则表示共享电动租赁汽车会减少城市NOx气体排放，反之则表示共享电动租赁汽车会增加城市NOx气体排放；
如果ATT(PM10)为负值，则表示共享电动租赁汽车会减少城市PM10气体排放，反之则表示共享电动租赁汽车会增加城市PM10气体排放；如果ATT(PM2.5)为负值，则表示共享电动租赁汽车会减少城市PM2.5气体排放，反之则表示共享电动租赁汽车会增加城市PM2.5气体排放。
下面用具体实施例来说明本发明。
1)对象选择：
选取实验区域和预控制区域的样本比例为1：10，其中控制样本标号为b2、b3、b4、b5、b6、b7、b8、b9、b9、b10，实验区域样本为b1。
2)变量数据采集：
通过准确的调查方法(实地调查)以及交通部门和土地资源管理部门调研，得到各实验区域以及控制区域的相关数据如表1-1所示。
本次发明的相关协变量为研究区域的人口总数N(单位：人)、区域的经济发展GDP(单位：亿元)、道路网络密度Mi、私家车拥有量L(单位：万辆)、公共交通日运载量K(单位：万人/日)，区域绿化面积S(单位：平方公里)。上述变量数据均可通过实地调查以及当地相关交通部门(交警部门)获取。
表1样本数据统计表
Figure BDA0002245498760000061
Figure BDA0002245498760000071
3)分数值计算：
将第2)步中采集的数据分别代入模型中，得到每组相应的得分情况，实验区域分值为s1，预控制区域分值分别为s2、s3、s4、s5、s6、s7、s8、s9、s10、s11。
Figure BDA0002245498760000072
4)最终控制区域确定：
根据第3)步得到的实验区域得分值与各预控制区域得分值求得差值，参照区域与实验区域的分数差值μi满足μi＝min{|实验对象得分-预参照对象得分|}，各预参照路段与实验路段得分差值如下表。
表2得分差值结果统计表
Figure BDA0002245498760000073
因为该实施案例是基于假设条件进行，假定γ4满足匹配区域条件：μi＝min{|实验对象得分-预参照对象得分|}。
5)分别统计实验区域b1(有共享租赁电动汽车)的二氧化碳平均排放量，氮氧化合物平均排放量，二氧化氮平均排放量，PM10的平均排放量以及PM2.5的平均排放量；最终控制区域b4(无共享租赁电动汽车)的二氧化碳平均排放量，氮氧化合物平均排放量，二氧化氮平均排放量，PM10的平均排放量以及PM2.5的平均排放量。如下表所示：
表3汽车排放气体数据
Figure BDA0002245498760000081
6)利用本发明上述实验步骤可知，共享电动租赁汽车对城市汽车尾气CO2排放影响效果为：
ATT(CO2)＝CO21-CO24
共享电动租赁汽车对城市汽车尾气NO2排放影响效果为：
ATT(NO2)＝NO21-NO24
共享电动租赁汽车对城市汽车尾气NOX排放影响效果为：
ATT(NOX)＝NOX1-NOX4
共享电动租赁汽车对城市汽车尾气PM10排放影响效果为：
ATT(PM10)＝PM101-PM104
共享电动租赁汽车对城市汽车尾气PM2.5排放影响效果为：
ATT(PM2.5)＝PM2.51-PM2.54。
本发明提供一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法，能够在一定程度上减少了其他协变量的影响，最终将城市汽车尾气变化归因于唯一的影响因素“是否引入共享电动租赁汽车”，较为准确地评估共享电动租赁汽车对城市汽车尾气排放影响。

Claims (1)

1.一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法，其特征在于，包括如下步骤：
(1)选定初始研究区域以及相关协变量数据的采集；初始实验对象与控制对象的样本比例处于1:1.5～1:30，拟采取的比例为1:10；相关协变量为研究区域的人口总数N，单位：人，区域的经济发展GDP，单位：亿元，道路网络密度Mi、私家车拥有量L，单位：万辆，公共交通日运载量K，单位：万人/日，区域绿化面积S，单位：平方公里，上述变量数据均可通过实地调查以及当地相关交通部门获取；
(2)得分模型选择以及参数的标定；通过带入步骤(1)的相关协变量数据判断与实验区域具有相似属性的控制区域；其中N表示研究区域的人口总数、GDP表示所在区域的经济发展、Mi表示区域道路网络密度、L为区域私家车拥有量、K为公共交通日运载量、S为区域绿化面积；α为常数项、βn为回归向量系数；
Figure FDA0004056849440000011
(3)得到最终参与评估的实验对象与控制对象；将步骤(1)中各对象所采集的数据代入步骤(2)中构建的得分模型中，计算实验区域以及控制区域的综合得分，最终确定与实验区域具有最接近得分值的控制区域；假定各初始控制区域与实验区域的得分差值为μi，则最终确定的控制区域与实验区域的μi满足μi＝min{|实验区域得分-预控制区域得分|}；
(4)实验区域及控制区域的污染气体数据采集；分别采集实验区域与控制区域的污染气体平均排放量，分别为二氧化碳平均排放量，氮氧化合物平均排放量，二氧化氮平均排放量，PM10的平均排放量以及PM2.5的平均排放量，以上气体排放数据均可通过区域气体观测站或者相关统计局进行提取与调查；
(5)判断共享电动租赁汽车影响效果；根据步骤(4)提取的数据判断共享电动租赁汽车对城市汽车尾气排放影响ATT：
Figure FDA0004056849440000012
其中i为实验区域，j为控制区域；
Figure FDA0004056849440000021
其中i为实验区域，j为控制区域；
Figure FDA0004056849440000022
其中i为实验区域，j为控制区域；
Figure FDA0004056849440000023
其中i为实验区域，j为控制区域；
Figure FDA0004056849440000024
其中i为实验区域，j为控制区域；
其中ATT(CO2)表示的共享电动租赁汽车对城市CO2气体排放的影响；ATT(NO2)表示的共享电动租赁汽车对城市NO2气体排放的影响；ATT(NOX)表示的共享电动租赁汽车对城市NOX气体排放的影响；ATT(PM10)表示的共享电动租赁汽车对城市PM10气体排放的影响；ATT(PM2.5)表示的共享电动租赁汽车对城市PM2.5气体排放的影响；如果ATT(CO2)为负值，则表示共享电动租赁汽车会减少城市CO2气体排放，反之则表示共享电动租赁汽车会增加城市CO2气体排放；如果ATT(NO2)为负值，则表示共享电动租赁汽车会减少城市NO2气体排放，反之则表示共享电动租赁汽车会增加城市NO2气体排放；如果ATT(NOx)为负值，则表示共享电动租赁汽车会减少城市NOx气体排放，反之则表示共享电动租赁汽车会增加城市NOx气体排放；如果ATT(PM10)为负值，则表示共享电动租赁汽车会减少城市PM10气体排放，反之则表示共享电动租赁汽车会增加城市PM10气体排放；如果ATT(PM2.5)为负值，则表示共享电动租赁汽车会减少城市PM2.5气体排放，反之则表示共享电动租赁汽车会增加城市PM2.5气体排放。
CN201911015265.8A 2019-10-24 2019-10-24 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法 Active CN110889086B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911015265.8A CN110889086B (zh) 2019-10-24 2019-10-24 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911015265.8A CN110889086B (zh) 2019-10-24 2019-10-24 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法

Publications (2)

Publication Number Publication Date
CN110889086A CN110889086A (zh) 2020-03-17
CN110889086B true CN110889086B (zh) 2023-04-25

Family

ID=69746449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911015265.8A Active CN110889086B (zh) 2019-10-24 2019-10-24 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法

Country Status (1)

Country Link
CN (1) CN110889086B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111951546B (zh) * 2020-07-07 2021-09-28 东南大学 一种量化拥堵收费政策安全影响范围的方法
CN111984923B (zh) * 2020-07-07 2024-01-09 东南大学 一种评估冷暖季节下自行车快速道对自行车安全影响的方法
CN111984924B (zh) * 2020-07-07 2024-09-27 东南大学 一种评估公共自行车租赁政策对区域自行车安全影响的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6484784B1 (en) * 2000-08-24 2002-11-26 Weik, Iii Martin Herman Door controlling device
JP2005017047A (ja) * 2003-06-24 2005-01-20 Nec Corp 位置測位機能付き端末
CN102054222A (zh) * 2010-12-10 2011-05-11 吉林大学 基于居民出行分析的城市机动车排放量化方法
CN109949114A (zh) * 2017-02-10 2019-06-28 张金滔 一种高效节能环保的城市汽车共享租赁模式与系统

Also Published As

Publication number Publication date
CN110889086A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
CN109299438B (zh) 一种基于网约车数据的公共交通设施供给水平评价方法
CN110889086B (zh) 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法
CN105355049B (zh) 一种基于宏观基本图的高速公路运行状态评价方法
CN103745089A (zh) 一种多维公共交通运行指数评价方法
CN109086946B (zh) 一种常规能源和新能源公交车辆的污染气体排放预测方法
CN106651182B (zh) 基于熵权重的轨道客流拥塞风险评价方法
CN107832910B (zh) 一种评价道路交通特征对一氧化碳排放浓度影响的方法
CN107729938B (zh) 一种基于公交接驳辐射区特征的轨道站点分类方法
CN106651181A (zh) 网络化运营条件下的公交客流拥塞风险评价方法
CN102737500B (zh) 一种获取城市公交车辆到达间隔可靠性的方法
Zhang et al. Exploring the temporal variations in accessibility to health services for older adults: A case study in Greater London
CN106530692A (zh) 一种基于交通拥堵评价指标的机动车油耗排放强度测算方法
CN104850676B (zh) 一种公路桥梁随机车流仿真模拟方法
CN106997662B (zh) 一种城市公交车工况构建方法
CN113158125B (zh) 一种基于车联网的柴油车NOx排放评测方法
CN107832779B (zh) 一种轨道站点分类系统
CN111931998B (zh) 一种基于移动定位数据的个体出行模式预测方法及系统
CN114549075A (zh) 一种基于停车和视频大数据的区域停车评价方法
CN102968551A (zh) 一种电动汽车运行特性建模分析方法
CN110867075B (zh) 一种评估雨天条件下道路测速仪对驾驶人员反应行为影响的方法
CN114360243B (zh) 一种基于舒适性的车辆优化方法及系统
CN114037160B (zh) SEM-Logit旅游铁路客流预测模型的构建方法
CN115115171A (zh) 一种高速公路服务区服务质量评价方法
CN114723275A (zh) 一种面向综合交通系统的客运生成总量分析方法
CN111126878B (zh) 一种基于生态指数的城市交通运行评价方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant