基于开放道路网络与起点-终点流量数据的道路交通碳排放估算
机器学习
2024-02-09 v1
摘要
道路交通碳排放占碳排放总量的20%以上，其精确估算对于碳排放监测和高效减排政策的制定至关重要。然而，现有估算方法通常依赖于难以收集的车辆行驶里程个体统计数据来计算排放量，因此面临数据收集难度大的问题。为利用人工智能强大的模式识别能力缓解这一问题，我们融合了代表交通需求和运力因素的两类开放数据——起点-终点（OD）流量数据和道路网络数据，构建了一种用于道路交通碳排放估算的层次异构图学习方法（HENCE）。具体而言，构建了一个由道路网络层、社区层和区域层组成的层次图，以对基于多尺度道路网络的连通性及空间区域间的出行连接进行建模。在社区层和区域层进一步构建了由OD链接和空间链接组成的异构图，以捕捉出行需求与道路网络可达性之间的内在交互。在两个大规模真实世界数据集上的大量实验证明了HENCE的有效性和优越性，其R平方值超过0.75，且平均性能优于基线方法9.60%，验证了其在率先利用人工智能赋能碳排放管理和可持续发展方面的成功。实现代码可通过此链接获取：https://github.com/tsinghua-fib-lab/HENCE。
引用
@article{arxiv.2402.05153,
title = {Estimating On-road Transportation Carbon Emissions from Open Data of Road Network and Origin-destination Flow Data},
author = {Jinwei Zeng and Yu Liu and Jingtao Ding and Jian Yuan and Yong Li},
journal= {arXiv preprint arXiv:2402.05153},
year = {2024}
}