基于块采样的交通运输低碳化能力查定仿真

王 亮，惠向晖

(1. 河南农业大学机电工程学院，河南 郑州 450002；2. 河南农业大学信息与管理科学学院，河南 郑州 450002)

1 引言

交通运输行业是我国的支柱型产业，对国民经济的发展有着重大意义，是我国国民基本生活的一种重要保障。伴随着我国居民生活水平的不断提升与经济的迅速发展，交通运输行业呈现出多样化的发展趋势。但交通运输行业的迅速发展也带来了一系列环境问题，例如加重城市雾霾天气、温室气体排放量急剧增长等。我国正处于中期工业化发展阶段，在节能减排与能源供给平衡上面临挑战，引起了社会与政府对低碳发展的关注[1]。目前，我国已将碳排放量规划为约束性指标，并将其纳入社会发展与国民经济发展的中长期规划。而交通运输行业碳排放占比高，我国交通部门已经将交通运输行业的低碳化纳入“十二五”规划中，建设低碳化的交通运输行业成为了社会和国家的发展愿景。因此交通运输低碳化能力查定也成为有关学者的重点研究对象。

文献[2]提出RM-DEMATEL方法对交通运输低碳化能力的影响因素进行识别，建立多层交通运输影响因素指标体系，为低碳交通的低碳运输提供理论依据。但该方法获取的指标信息不清晰，影响查定范围的全面性。

文献[3]提出多式联运路径规划，结合运输总成本最小和运输碳排放总量最小的多目标0-1规划模型，采用改进的带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解。虽然该方法能减少运输过程碳排放和换装过程的碳排放，但可实行范围不全面，且计算过程复杂。

文献[4]提出以快捷货运总成本最小为优化目标，引入三角模糊数，建立快捷货运方式协同优化模型，利用Matlab的Yalmip工具箱进行模型求解。该方法通过合理的选择运输方式来控制碳排放，但欠缺交通低碳化查定能力。

为解决以上问题，提出基于块采样的交通运输低碳化能力查定方法，通过实验验证了该方法的查定范围较宽。

2 基于块采样的交通运输低碳化能力查定方法

2.1 交通运输低碳化能力维度数据获取

对交通运输低碳化能力进行维度分析，掌握交通运输低碳化能力的维度情况，并基于块采样获取维度数据。由于交通运输低碳化能力的各个维度是相互影响、相互关联的，因此需要对其进行维度分析。当前我国的交通运输碳排放结构可以用以下公式来表达

C=F(P，G，Q，VP，EV，EP，CP，Space，Total，Time)

(1)

其中，C代表交通运输碳排放；P代表人口；G代表人均GDP；Q代表运输强度；VP代表运输结构P；EV代表单位能耗；EP代表能源结构；CP代表碳排放系数；Space代表空间；Total代表能耗总量；Time代表时间。P、G、Q、VP、EV、EP、CP均与Time这一维度相关，受到Time的控制，P、G、Q、VP均与Space这一维度相关，受到Space的控制，VP、EV、EP、CP均与Total这一维度相关，受到Total的控制。因此对Time、Space、Total这几个维度进行分析。Time指的是时间维度，能够利用时间这一概念对交通运输低碳化能力进行描述，还能够作为交通运输低碳化能力的变量度量尺度；Space指的是空间维度，主要负责度量、控制交通运输低碳化能力的地理空间范围；Total指的是总量维度，主要负责度量交通运输低碳化能力的消耗能源。除此之外，还有一个隐藏维度是政策引导维度，该维度能控制交通运输碳排放效果。

掌握交通运输低碳化能力的维度情况后，基于块采样获取交通运输低碳化能力的维度数据[5]。首先对交通运输低碳化能力的维度关系表R进行查询，交通运输低碳化能力维度关系表的表达方式如下：

(2)

其中，op代表聚集操作；exp代表R的算数属性表达式；predicate代表属性选择条件；col代表R中的多个或一个列；ti代表R的第i条元祖。当op是COUNT时，exp相当于R的*通配符。对随机变量xi进行构造

xi=|R|*expp(ti)

(3)

对交通运输低碳化能力的维度进行分组，将其划分为k个组别，当ti满足predicate条件并属于分组k时，有

expp(ti)=exp(ti)

(4)

当不满足时，则有

expp(ti)=0

(5)

当操作op是时，则有

expp(ti)=1or0

(6)

由于交通运输低碳化能力的维度关系表中不含重复数据，且交通运输低碳化能力维度数据的存储形式为块状，由交通运输低碳化能力可知，R中共有四个大块，利用N来表示R的块数，每块大小为B，则

(7)

以块为基本利用块采样进行交通运输低碳维度化能力的数据样本采集，随机抽取R中的n块构成数据样本S，设

S={B1，B2，…，Bn}

(8)

对S中的每一个块都进行随机变量的构造：

(9)

完成数据样本采集后，对数据样本进行聚集结果统计

(10)

令随机变量

Yi=N·expp(Bi)

(11)

则有

(12)

其中COUNT(R)是Yi的均值。通过聚集结果的统计完成了样本S的维度数据获取，利用同样的方法进行无数次的随机样本维度数据获取，当结果的差别较小时，即可完成R的维度数据获取，实现交通运输低碳化能力维度数据的获取[6]。

2.2 构造交通运输低碳化能力查定模型

通过获取的交通运输低碳化能力维度数据构建交通运输低碳化能力查定模型[7-8]。交通运输低碳化能力查定模型的查定指标包括1个外部查定变量、3个查定表函数、13个辅助查定变量、6个流率查定变量、6个流位查定变量，具体构成如表1所示。

表1 查定指标具体构成

交通运输低碳化能力查定模型的结构层次如图1所示。

图1 交通运输低碳化能力查定模型结构层次

其中人口查定因素、经济发展查定因素、运输需求查定因素都是不定影响因素，而基础设施建设查定因素、能源技术发展查定因素、政策引导查定因素都是确定影响因素，对交通运输低碳化能力查定结果的影响更大。基础设施建设查定因素主要是在推进建设交通运输基础设施时，能改变不同交通运输方式在交通运输行业的市场份额占比，从而以市场份额占比为依据进行交通运输低碳化能力的查定[9]。

当前我国交通运输行业建设基础设施时主要是以建设轨道交通网络为主，而轨道交通网络逐渐发达的变化过程必然会对当前的交通运输行业市场份额占比带来影响。并且轨道交通网络更加环保高效，能够大幅提升交通运输行业的运输周转量，因此可以提升交通运输行业的低碳化能力[10]。并且建设交通运输行业基础设施可以促进公交网络的迅速发展，从而降低交通盲区所占比例，推动更多人的公交出行，降低私家车出行比例，达成交通运输行业低碳化能力的提升。基础设施建设查定因素对交通运输低碳化能力查定结果的影响效果如图2所示。

图2 基础设施建设查定因素影响效果

能源技术发展查定因素主要是通过影响交通运输行业中各种运输方式的能源消耗量变化从而影响交通运输行业的整体碳排放系数，进而对交通运输低碳化能力查定产生影响，包括能源利用效率的提高与应用新能源[11]。而政策引导查定因素会直接影响交通运输的低碳化能力，包括控制交通需求、在交通运输领域积极应用新能源、引导并发展轨道交通与公交出行、机动车的限行等。

2.3 实现交通运输低碳化能力查定

完成交通运输低碳化能力查定模型后，在该模型中引入空间-时间维度与总量-时间维度对交通运输低碳化能力进行查定[12]。首先引入空间-时间维度，将电力能源的碳排放系数作为主要变化因素，将其它能源的碳排放系数波动限制在一定范围内，利用交通运输低碳化能力查定模型的查定表函数、辅助查定变量、流率查定变量、流位查定变量对交通运输低碳化能力进行查定

(13)

其中，R′代表交通运输低碳化能力的初步查定结果；Y代表电力能源的碳排放系数；T代表其它能源的碳排放系数；H代表查定表函数；M代表辅助查定变量；V代表流率查定变量；B代表流位查定变量。

接着引入总量-时间维度，加强电力机车周转量、电力公交周转量、城市轨道交通周转量以及电力消耗量这几个带来区域交通运输低碳化的变量，削弱其它增加交通运输碳排放的变量。利用交通运输低碳化能力查定模型的外部查定变量、查定表函数、流率查定变量、流位查定变量对交通运输低碳化能力进行查定

(14)

其中，R″代表交通运输低碳化能力的中间查定结果；Q代表电力机车周转量；U代表电力公交周转量；W代表城市轨道交通周转量；A代表电力消耗量；G代表外部查定变量。最后综合空间-时间维度与总量-时间维度对交通运输低碳化能力进行最终查定

(15)

其中R代表交通运输低碳化能力的最终查定结果。综上所述完成了基于块采样的交通运输低碳化能力查定方法。

3 实验分析

为了检测本文提出的基于块采样的交通运输低碳化能力查定方法，设计了一个对比实验。首先进行实验数据获取，为了保证实验数据与计算结果的可靠性与真实性，实验数据均来自于官方平台与统计年鉴，其中城市交通运输强度增长系数、公交周转量、城轨周转量、汽车周转量、单位能耗周转改变系数、电力消耗量、天然气消耗量、汽油消耗量、柴油消耗量等数据的来源是《中国科技统计年鉴》；城市交通运输强度增长量、不同交通运输方式占比、单位能耗周转变化量、各种能源占比等数据的来源是《中国能源统计年鉴》；剩余指标数据的来源是《中国统计年鉴》。以影响交通运输低碳化能力指标统计表为依据。具体运输系统原理如图3所示。

图3 城市交通运输系统原理

3.1 实验过程

如表2所示，对交通运输低碳化能力查定因素有关数据进行整理归纳。

表2 影响交通运输低碳化能力指标统计表

基于Matlab Web平台对交通运输低碳化能力查定模型进行仿真，利用仿真模型并结合获取的实验数据进行计算，得到空间-时间维度与总量-时间维度的有向边权值，从而获取交通运输低碳化能力查定方法查定指标的全面性数值。为了保证本次实验的有效性，使用基于多准则决策模型的交通运输低碳化能力查定方法、基于面板数据模型的交通运输低碳化能力查定方法、基于误差修正模型的交通运输低碳化能力查定方法与本文提出的基于块采样的交通运输低碳化能力查定方法进行比较，观察实验结果，比较各个方法查定指标全面性高低。

3.2 不同方法下查定指标全面性对比

利用基于多准则决策模型的交通运输低碳化能力查定方法、基于面板数据模型的交通运输低碳化能力查定方法、基于误差修正模型的交通运输低碳化能力查定方法、基于块采样的交通运输低碳化能力查定方法进行交通运输低碳化能力查定方法后，各个方法的查定指标全面性对比如图4所示。

图4 各个方法的查定指标全面性对比

根据图3所知，基于块采样的交通运输低碳化能力查定方法在能力查定范围是小城市时的查定指标全面性数值为62.04;在能力查定范围是大城市时的查定指标全面性数值为78.35;在能力查定范围是小城市间时的查定指标全面性数值为91.28;在能力查定范围是大城市间时的查定指标全面性数值为78.35，均高于基于多准则决策模型的交通运输低碳化能力查定方法、基于面板数据模型的交通运输低碳化能力查定方法、基于误差修正模型的交通运输低碳化能力查定方法。

3.3 不同方法下查定密度对比

利用基于多准则决策模型的交通运输低碳化能力查定方法(a)、基于面板数据模型的交通运输低碳化能力查定方法(b)、基于误差修正模型的交通运输低碳化能力查定方法(c)、基于块采样的交通运输低碳化能力查定方法(d)，分别进行交通运输低碳化能力查定方法后，各个方法的查定密度对比如图5所示。

图5 不同方法的查定密度对比

根据图5所知，基于块采样的交通运输低碳化能力查定方法在设置的感应区域范围内，对比其它三种方法，其密度最密集，说明查定方法的结果质量最好。

4 结束语

基于块采样的交通运输低碳化能力查定方法通过交通运输低碳化能力查定模型的构建实现了交通运输低碳化能力的查定，该方法的查定指标全面性在各个能力查定范围均高于传统交通运输低碳化能力查定方法，且查定密度质量最佳。说明在交通运输低碳化能力查定领域具备相当的优越性。