引用格式
陈晓红, 李洁月, 杨艺, 等. 基于大规模用户数据的中国燃油私家车出行碳排放测算方法[J]. 资源科学, 2024, 46(4): 717-727. [Chen X H, Li J Y, Yang Y, et al. Method for estimating carbon emissions from fuel-powered private cars in China based on large-scale user data[J]. Resources Science, 2024, 46(4): 717-727.] DOI: 10.18402/resci.2024.04.05
以2014—2023年中国13万余燃油车主披露的多维度数据为基础，运用线性回归、决策树、神经网络等方法，提出车辆（单辆车）累积出行碳排放量、相同行驶天数车辆群的平均累积出行碳排放量计算模型及预测模型，构建车辆年均出行碳排放量计算模型，能够有效克服传统碳排放测算方法因数据采集所带来的人力与物力成本高昂的难题，有助于提高私家车出行碳排放量测算的科学性和有效性。
基于有效样本数据集以及神经网络等预测模型，构建出私家车（单辆车）日常出行累积碳排放量的计算模型及预测模型，挖掘累积碳排放的影响机理，提出全国层面以及车型、制造商、区域、城市级别、价格区间等级层面的平均累积碳排放量预测模型与年均碳排放量计算模型。从两方面开展研究：
1
基于油耗和行驶里程构建每个车主样本的累积出行碳排放量计算模型，在大规模车主数据的驱动下，通过构建决策树、线性回归、神经网络等预测模型，分析车龄、车型、制造商、区域、城市级别、价格区间与车辆累积碳排放量之间的关系。
2
在前述研究的基础上，提出一种相同行驶天数车辆群的平均累积出行碳排放量计算方法，进而构建出通用的全国层面以及5个类别层面的车辆年均碳排放量计算模型。
车辆累积出行碳排放量预测模型结果表明，车型、制造商、区域、城市级别、价格区间、车龄等细粒度特征信息在一定程度上能够保证对车辆累积碳排放量的相对科学和有效的测算（预测精度0.821，图1），其中车龄的影响程度最高（图2），这也为基于车龄（行驶天数）构建的平均（按天）累积碳排放量预测模型提供了科学依据。
图1 累积碳排放量样本值与预测值（R2=0.821）
图2 子类别因素对累积碳排放量预测的影响程度：基于梯度的神经网络特征重要度和多元回归特征重要度
以13万余车辆的累积出行碳排放量为基础，通过聚合行驶天数相同的车辆获取平均（按天）累积碳排放量，计算得到全国层面的车辆年均出行碳排放量为2.99 t，神经网络模型对于全国车辆平均累积出行碳排放量的预测精度达到0.915（图3）。
图3 基于神经网络得到的平均累积碳排放量与车龄的关系（R2=0.915）
车型、制造商、区域、城市级别、价格区间等类别划分层面，MPV和SUV车型、超大城市、进口制造商、华南区域、(20, 30]万、(30, 50]万、(50, 100]万以及>100万等9个类别下的车辆年均出行碳排放量高于3 t，其余15个子类别划分下的碳排放量处于2.15~2.99 t之间，低于全国层面的平均水平 (表1和图4)。另外，基于神经网络模型的平均（按天）累积碳排放量预测精度处于0.875~0.925之间，表明在车主大数据的驱动下，机器学习方法有助于提升车辆年均出行碳排放量的测算准确度。
表1 基于神经网络模型的24 个子类别的拟合结果
图 4 全国层面与24 个子类别的车辆年均碳排放量测算结果对比
陈晓红，中国工程院院士、教授、博士生导师。现任湖南工商大学党委书记、湘江实验室主任、中南大学商学院名誉院长。长期致力于决策理论与决策支持系统、数字经济与数字技术、生态文明与两型社会、数据智能与智慧社会等领域的研究。在国内外权威期刊发表高水平论文400余篇，其中ESI前1%高被引论文80余篇。以第一完成人获得国家科技进步二等奖、国家教学成果二等奖（3项）、复旦管理学杰出贡献奖、光召科技奖、教育部高校科研优秀成果奖（人文社科）一等奖（2项）、教育部科技进步一等奖、湖南省科技进步一等奖等国家级和省部级科研、教学奖励20项。
杨艺，博士，现为湖南工商大学数字媒体工程与人文学院副教授、硕士生导师、副院长。主要研究领域包括大数据挖掘与智能决策，代表性论文发表在IEEE TFS，INFORM SCIENCES，《模式识别与人工智能》等期刊上。入选湖南省青年科技人才（荷尖）、湖南省普通高校青年骨干教师培育对象。主持国家自科基金青年项目、省自科基金面上、青年项目。担任期刊INT J COMPUT INT SYS领域副主编。
扫码关注资源科学
查看更多精彩内容
