基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ抡?/h1>
2021-11-17 08:35:34惠向暉
計算機仿真 2021年5期
王 亮，惠向暉
(1. 河南農(nóng)業(yè)大學(xué)機電工程學(xué)院，河南 鄭州 450002；2. 河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院，河南 鄭州 450002)
1 引言
交通運輸行業(yè)是我國的支柱型產(chǎn)業(yè)，對國民經(jīng)濟的發(fā)展有著重大意義，是我國國民基本生活的一種重要保障。伴隨著我國居民生活水平的不斷提升與經(jīng)濟的迅速發(fā)展，交通運輸行業(yè)呈現(xiàn)出多樣化的發(fā)展趨勢。但交通運輸行業(yè)的迅速發(fā)展也帶來了一系列環(huán)境問題，例如加重城市霧霾天氣、溫室氣體排放量急劇增長等。我國正處于中期工業(yè)化發(fā)展階段，在節(jié)能減排與能源供給平衡上面臨挑戰(zhàn)，引起了社會與政府對低碳發(fā)展的關(guān)注[1]。目前，我國已將碳排放量規(guī)劃為約束性指標，并將其納入社會發(fā)展與國民經(jīng)濟發(fā)展的中長期規(guī)劃。而交通運輸行業(yè)碳排放占比高，我國交通部門已經(jīng)將交通運輸行業(yè)的低碳化納入“十二五”規(guī)劃中，建設(shè)低碳化的交通運輸行業(yè)成為了社會和國家的發(fā)展愿景。因此交通運輸?shù)吞蓟芰Σ槎ㄒ渤蔀橛嘘P(guān)學(xué)者的重點研究對象。
文獻[2]提出RM-DEMATEL方法對交通運輸?shù)吞蓟芰Φ挠绊懸蛩剡M行識別，建立多層交通運輸影響因素指標體系，為低碳交通的低碳運輸提供理論依據(jù)。但該方法獲取的指標信息不清晰，影響查定范圍的全面性。
文獻[3]提出多式聯(lián)運路徑規(guī)劃，結(jié)合運輸總成本最小和運輸碳排放總量最小的多目標0-1規(guī)劃模型，采用改進的帶精英策略的非支配排序遺傳算法(NSGA-Ⅱ)對模型進行求解。雖然該方法能減少運輸過程碳排放和換裝過程的碳排放，但可實行范圍不全面，且計算過程復(fù)雜。
文獻[4]提出以快捷貨運總成本最小為優(yōu)化目標，引入三角模糊數(shù)，建立快捷貨運方式協(xié)同優(yōu)化模型，利用Matlab的Yalmip工具箱進行模型求解。該方法通過合理的選擇運輸方式來控制碳排放，但欠缺交通低碳化查定能力。
為解決以上問題，提出基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒?，通過實驗驗證了該方法的查定范圍較寬。
2 基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒?/h2>2.1 交通運輸?shù)吞蓟芰S度數(shù)據(jù)獲取
對交通運輸?shù)吞蓟芰M行維度分析，掌握交通運輸?shù)吞蓟芰Φ木S度情況，并基于塊采樣獲取維度數(shù)據(jù)。由于交通運輸?shù)吞蓟芰Φ母鱾€維度是相互影響、相互關(guān)聯(lián)的，因此需要對其進行維度分析。當前我國的交通運輸碳排放結(jié)構(gòu)可以用以下公式來表達
C=F(P，G，Q，VP，EV，EP，CP，Space，Total，Time)
(1)
其中，C代表交通運輸碳排放；P代表人口；G代表人均GDP；Q代表運輸強度；VP代表運輸結(jié)構(gòu)P；EV代表單位能耗；EP代表能源結(jié)構(gòu)；CP代表碳排放系數(shù)；Space代表空間；Total代表能耗總量；Time代表時間。P、G、Q、VP、EV、EP、CP均與Time這一維度相關(guān)，受到Time的控制，P、G、Q、VP均與Space這一維度相關(guān)，受到Space的控制，VP、EV、EP、CP均與Total這一維度相關(guān)，受到Total的控制。因此對Time、Space、Total這幾個維度進行分析。Time指的是時間維度，能夠利用時間這一概念對交通運輸?shù)吞蓟芰M行描述，還能夠作為交通運輸?shù)吞蓟芰Φ淖兞慷攘砍叨?；Space指的是空間維度，主要負責度量、控制交通運輸?shù)吞蓟芰Φ牡乩砜臻g范圍；Total指的是總量維度，主要負責度量交通運輸?shù)吞蓟芰Φ南哪茉础３酥?，還有一個隱藏維度是政策引導(dǎo)維度，該維度能控制交通運輸碳排放效果。
掌握交通運輸?shù)吞蓟芰Φ木S度情況后，基于塊采樣獲取交通運輸?shù)吞蓟芰Φ木S度數(shù)據(jù)[5]。首先對交通運輸?shù)吞蓟芰Φ木S度關(guān)系表R進行查詢，交通運輸?shù)吞蓟芰S度關(guān)系表的表達方式如下：
(2)
其中，op代表聚集操作；exp代表R的算數(shù)屬性表達式；predicate代表屬性選擇條件；col代表R中的多個或一個列；ti代表R的第i條元祖。當op是COUNT時，exp相當于R的*通配符。對隨機變量xi進行構(gòu)造
xi=|R|*expp(ti)
(3)
對交通運輸?shù)吞蓟芰Φ木S度進行分組，將其劃分為k個組別，當ti滿足predicate條件并屬于分組k時，有
expp(ti)=exp(ti)
(4)
當不滿足時，則有
expp(ti)=0
(5)
當操作op是時，則有
expp(ti)=1or0
(6)
由于交通運輸?shù)吞蓟芰Φ木S度關(guān)系表中不含重復(fù)數(shù)據(jù)，且交通運輸?shù)吞蓟芰S度數(shù)據(jù)的存儲形式為塊狀，由交通運輸?shù)吞蓟芰芍?，R中共有四個大塊，利用N來表示R的塊數(shù)，每塊大小為B，則
(7)
以塊為基本利用塊采樣進行交通運輸?shù)吞季S度化能力的數(shù)據(jù)樣本采集，隨機抽取R中的n塊構(gòu)成數(shù)據(jù)樣本S，設(shè)
S={B1，B2，…，Bn}
(8)
對S中的每一個塊都進行隨機變量的構(gòu)造：
(9)
完成數(shù)據(jù)樣本采集后，對數(shù)據(jù)樣本進行聚集結(jié)果統(tǒng)計
(10)
令隨機變量
Yi=N·expp(Bi)
(11)
則有
(12)
其中COUNT(R)是Yi的均值。通過聚集結(jié)果的統(tǒng)計完成了樣本S的維度數(shù)據(jù)獲取，利用同樣的方法進行無數(shù)次的隨機樣本維度數(shù)據(jù)獲取，當結(jié)果的差別較小時，即可完成R的維度數(shù)據(jù)獲取，實現(xiàn)交通運輸?shù)吞蓟芰S度數(shù)據(jù)的獲取[6]。
2.2 構(gòu)造交通運輸?shù)吞蓟芰Σ槎Ｐ?/h3>
通過獲取的交通運輸?shù)吞蓟芰S度數(shù)據(jù)構(gòu)建交通運輸?shù)吞蓟芰Σ槎Ｐ蚚7-8]。交通運輸?shù)吞蓟芰Σ槎Ｐ偷牟槎ㄖ笜税?個外部查定變量、3個查定表函數(shù)、13個輔助查定變量、6個流率查定變量、6個流位查定變量，具體構(gòu)成如表1所示。
表1 查定指標具體構(gòu)成
交通運輸?shù)吞蓟芰Σ槎Ｐ偷慕Y(jié)構(gòu)層次如圖1所示。
圖1 交通運輸?shù)吞蓟芰Σ槎Ｐ徒Y(jié)構(gòu)層次
其中人口查定因素、經(jīng)濟發(fā)展查定因素、運輸需求查定因素都是不定影響因素，而基礎(chǔ)設(shè)施建設(shè)查定因素、能源技術(shù)發(fā)展查定因素、政策引導(dǎo)查定因素都是確定影響因素，對交通運輸?shù)吞蓟芰Σ槎ńY(jié)果的影響更大?；A(chǔ)設(shè)施建設(shè)查定因素主要是在推進建設(shè)交通運輸基礎(chǔ)設(shè)施時，能改變不同交通運輸方式在交通運輸行業(yè)的市場份額占比，從而以市場份額占比為依據(jù)進行交通運輸?shù)吞蓟芰Φ牟槎╗9]。
當前我國交通運輸行業(yè)建設(shè)基礎(chǔ)設(shè)施時主要是以建設(shè)軌道交通網(wǎng)絡(luò)為主，而軌道交通網(wǎng)絡(luò)逐漸發(fā)達的變化過程必然會對當前的交通運輸行業(yè)市場份額占比帶來影響。并且軌道交通網(wǎng)絡(luò)更加環(huán)保高效，能夠大幅提升交通運輸行業(yè)的運輸周轉(zhuǎn)量，因此可以提升交通運輸行業(yè)的低碳化能力[10]。并且建設(shè)交通運輸行業(yè)基礎(chǔ)設(shè)施可以促進公交網(wǎng)絡(luò)的迅速發(fā)展，從而降低交通盲區(qū)所占比例，推動更多人的公交出行，降低私家車出行比例，達成交通運輸行業(yè)低碳化能力的提升?；A(chǔ)設(shè)施建設(shè)查定因素對交通運輸?shù)吞蓟芰Σ槎ńY(jié)果的影響效果如圖2所示。
圖2 基礎(chǔ)設(shè)施建設(shè)查定因素影響效果
能源技術(shù)發(fā)展查定因素主要是通過影響交通運輸行業(yè)中各種運輸方式的能源消耗量變化從而影響交通運輸行業(yè)的整體碳排放系數(shù)，進而對交通運輸?shù)吞蓟芰Σ槎óa(chǎn)生影響，包括能源利用效率的提高與應(yīng)用新能源[11]。而政策引導(dǎo)查定因素會直接影響交通運輸?shù)牡吞蓟芰?，包括控制交通需求、在交通運輸領(lǐng)域積極應(yīng)用新能源、引導(dǎo)并發(fā)展軌道交通與公交出行、機動車的限行等。
2.3 實現(xiàn)交通運輸?shù)吞蓟芰Σ槎?/h3>
完成交通運輸?shù)吞蓟芰Σ槎Ｐ秃螅谠撃Ｐ椭幸肟臻g-時間維度與總量-時間維度對交通運輸?shù)吞蓟芰M行查定[12]。首先引入空間-時間維度，將電力能源的碳排放系數(shù)作為主要變化因素，將其它能源的碳排放系數(shù)波動限制在一定范圍內(nèi)，利用交通運輸?shù)吞蓟芰Σ槎Ｐ偷牟槎ū砗瘮?shù)、輔助查定變量、流率查定變量、流位查定變量對交通運輸?shù)吞蓟芰M行查定
(13)
其中，R′代表交通運輸?shù)吞蓟芰Φ某醪讲槎ńY(jié)果；Y代表電力能源的碳排放系數(shù)；T代表其它能源的碳排放系數(shù)；H代表查定表函數(shù)；M代表輔助查定變量；V代表流率查定變量；B代表流位查定變量。
接著引入總量-時間維度，加強電力機車周轉(zhuǎn)量、電力公交周轉(zhuǎn)量、城市軌道交通周轉(zhuǎn)量以及電力消耗量這幾個帶來區(qū)域交通運輸?shù)吞蓟淖兞浚魅跗渌黾咏煌ㄟ\輸碳排放的變量。利用交通運輸?shù)吞蓟芰Σ槎Ｐ偷耐獠坎槎ㄗ兞?、查定表函?shù)、流率查定變量、流位查定變量對交通運輸?shù)吞蓟芰M行查定
(14)
其中，R″代表交通運輸?shù)吞蓟芰Φ闹虚g查定結(jié)果；Q代表電力機車周轉(zhuǎn)量；U代表電力公交周轉(zhuǎn)量；W代表城市軌道交通周轉(zhuǎn)量；A代表電力消耗量；G代表外部查定變量。最后綜合空間-時間維度與總量-時間維度對交通運輸?shù)吞蓟芰M行最終查定
(15)
其中R代表交通運輸?shù)吞蓟芰Φ淖罱K查定結(jié)果。綜上所述完成了基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ā?/p>
3 實驗分析
為了檢測本文提出的基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒?，設(shè)計了一個對比實驗。首先進行實驗數(shù)據(jù)獲取，為了保證實驗數(shù)據(jù)與計算結(jié)果的可靠性與真實性，實驗數(shù)據(jù)均來自于官方平臺與統(tǒng)計年鑒，其中城市交通運輸強度增長系數(shù)、公交周轉(zhuǎn)量、城軌周轉(zhuǎn)量、汽車周轉(zhuǎn)量、單位能耗周轉(zhuǎn)改變系數(shù)、電力消耗量、天然氣消耗量、汽油消耗量、柴油消耗量等數(shù)據(jù)的來源是《中國科技統(tǒng)計年鑒》；城市交通運輸強度增長量、不同交通運輸方式占比、單位能耗周轉(zhuǎn)變化量、各種能源占比等數(shù)據(jù)的來源是《中國能源統(tǒng)計年鑒》；剩余指標數(shù)據(jù)的來源是《中國統(tǒng)計年鑒》。以影響交通運輸?shù)吞蓟芰χ笜私y(tǒng)計表為依據(jù)。具體運輸系統(tǒng)原理如圖3所示。
圖3 城市交通運輸系統(tǒng)原理
3.1 實驗過程
如表2所示，對交通運輸?shù)吞蓟芰Σ槎ㄒ蛩赜嘘P(guān)數(shù)據(jù)進行整理歸納。
表2 影響交通運輸?shù)吞蓟芰χ笜私y(tǒng)計表
基于Matlab Web平臺對交通運輸?shù)吞蓟芰Σ槎Ｐ瓦M行仿真，利用仿真模型并結(jié)合獲取的實驗數(shù)據(jù)進行計算，得到空間-時間維度與總量-時間維度的有向邊權(quán)值，從而獲取交通運輸?shù)吞蓟芰Σ槎ǚ椒ú槎ㄖ笜说娜嫘詳?shù)值。為了保證本次實驗的有效性，使用基于多準則決策模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于面板?shù)據(jù)模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于誤差修正模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄅc本文提出的基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄟM行比較，觀察實驗結(jié)果，比較各個方法查定指標全面性高低。
3.2 不同方法下查定指標全面性對比
利用基于多準則決策模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于面板?shù)據(jù)模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于誤差修正模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒ā⒒趬K采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄟM行交通運輸?shù)吞蓟芰Σ槎ǚ椒ê?，各個方法的查定指標全面性對比如圖4所示。
圖4 各個方法的查定指標全面性對比
根據(jù)圖3所知，基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄔ谀芰Σ槎ǚ秶切〕鞘袝r的查定指標全面性數(shù)值為62.04;在能力查定范圍是大城市時的查定指標全面性數(shù)值為78.35;在能力查定范圍是小城市間時的查定指標全面性數(shù)值為91.28;在能力查定范圍是大城市間時的查定指標全面性數(shù)值為78.35，均高于基于多準則決策模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒ā⒒诿姘鍞?shù)據(jù)模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于誤差修正模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒ā?/p>
3.3 不同方法下查定密度對比
利用基于多準則決策模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?a)、基于面板數(shù)據(jù)模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?b)、基于誤差修正模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?c)、基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒?d)，分別進行交通運輸?shù)吞蓟芰Σ槎ǚ椒ê螅鱾€方法的查定密度對比如圖5所示。
圖5 不同方法的查定密度對比
根據(jù)圖5所知，基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄔ谠O(shè)置的感應(yīng)區(qū)域范圍內(nèi)，對比其它三種方法，其密度最密集，說明查定方法的結(jié)果質(zhì)量最好。
4 結(jié)束語
基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄍㄟ^交通運輸?shù)吞蓟芰Σ槎Ｐ偷臉?gòu)建實現(xiàn)了交通運輸?shù)吞蓟芰Φ牟槎?，該方法的查定指標全面性在各個能力查定范圍均高于傳統(tǒng)交通運輸?shù)吞蓟芰Σ槎ǚ椒?，且查定密度質(zhì)量最佳。說明在交通運輸?shù)吞蓟芰Σ槎I(lǐng)域具備相當?shù)膬?yōu)越性。
猜你喜歡
一半模型童話王國·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38 消防安全四個能力發(fā)明與創(chuàng)新(2022年30期)2022-10-03 08:40:56 重要模型『一線三等角』中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50 重尾非線性自回歸模型自加權(quán)M-估計的漸近分布數(shù)學(xué)物理學(xué)報(2020年2期)2020-06-02 11:29:24 大興學(xué)習之風 提升履職能力人大建設(shè)(2018年6期)2018-08-16 07:23:10 你的換位思考能力如何文理導(dǎo)航·科普童話(2017年5期)2018-02-10 19:42:14 可能是方法不對意林原創(chuàng)版(2016年10期)2016-11-25 10:28:30 3D打印中的模型分割與打包光學(xué)精密工程(2016年6期)2016-11-07 09:07:19 用對方法才能瘦Coco薇(2016年2期)2016-03-22 02:42:52 抄能力小星星·閱讀100分(低年級)(2015年10期)2015-10-22 08:30:04
王 亮，惠向暉
(1. 河南農(nóng)業(yè)大學(xué)機電工程學(xué)院，河南 鄭州 450002；2. 河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院，河南 鄭州 450002)
1 引言
交通運輸行業(yè)是我國的支柱型產(chǎn)業(yè)，對國民經(jīng)濟的發(fā)展有著重大意義，是我國國民基本生活的一種重要保障。伴隨著我國居民生活水平的不斷提升與經(jīng)濟的迅速發(fā)展，交通運輸行業(yè)呈現(xiàn)出多樣化的發(fā)展趨勢。但交通運輸行業(yè)的迅速發(fā)展也帶來了一系列環(huán)境問題，例如加重城市霧霾天氣、溫室氣體排放量急劇增長等。我國正處于中期工業(yè)化發(fā)展階段，在節(jié)能減排與能源供給平衡上面臨挑戰(zhàn)，引起了社會與政府對低碳發(fā)展的關(guān)注[1]。目前，我國已將碳排放量規(guī)劃為約束性指標，并將其納入社會發(fā)展與國民經(jīng)濟發(fā)展的中長期規(guī)劃。而交通運輸行業(yè)碳排放占比高，我國交通部門已經(jīng)將交通運輸行業(yè)的低碳化納入“十二五”規(guī)劃中，建設(shè)低碳化的交通運輸行業(yè)成為了社會和國家的發(fā)展愿景。因此交通運輸?shù)吞蓟芰Σ槎ㄒ渤蔀橛嘘P(guān)學(xué)者的重點研究對象。
文獻[2]提出RM-DEMATEL方法對交通運輸?shù)吞蓟芰Φ挠绊懸蛩剡M行識別，建立多層交通運輸影響因素指標體系，為低碳交通的低碳運輸提供理論依據(jù)。但該方法獲取的指標信息不清晰，影響查定范圍的全面性。
文獻[3]提出多式聯(lián)運路徑規(guī)劃，結(jié)合運輸總成本最小和運輸碳排放總量最小的多目標0-1規(guī)劃模型，采用改進的帶精英策略的非支配排序遺傳算法(NSGA-Ⅱ)對模型進行求解。雖然該方法能減少運輸過程碳排放和換裝過程的碳排放，但可實行范圍不全面，且計算過程復(fù)雜。
文獻[4]提出以快捷貨運總成本最小為優(yōu)化目標，引入三角模糊數(shù)，建立快捷貨運方式協(xié)同優(yōu)化模型，利用Matlab的Yalmip工具箱進行模型求解。該方法通過合理的選擇運輸方式來控制碳排放，但欠缺交通低碳化查定能力。
為解決以上問題，提出基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒?，通過實驗驗證了該方法的查定范圍較寬。
2 基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒?/h2>2.1 交通運輸?shù)吞蓟芰S度數(shù)據(jù)獲取
對交通運輸?shù)吞蓟芰M行維度分析，掌握交通運輸?shù)吞蓟芰Φ木S度情況，并基于塊采樣獲取維度數(shù)據(jù)。由于交通運輸?shù)吞蓟芰Φ母鱾€維度是相互影響、相互關(guān)聯(lián)的，因此需要對其進行維度分析。當前我國的交通運輸碳排放結(jié)構(gòu)可以用以下公式來表達
C=F(P，G，Q，VP，EV，EP，CP，Space，Total，Time)
(1)
其中，C代表交通運輸碳排放；P代表人口；G代表人均GDP；Q代表運輸強度；VP代表運輸結(jié)構(gòu)P；EV代表單位能耗；EP代表能源結(jié)構(gòu)；CP代表碳排放系數(shù)；Space代表空間；Total代表能耗總量；Time代表時間。P、G、Q、VP、EV、EP、CP均與Time這一維度相關(guān)，受到Time的控制，P、G、Q、VP均與Space這一維度相關(guān)，受到Space的控制，VP、EV、EP、CP均與Total這一維度相關(guān)，受到Total的控制。因此對Time、Space、Total這幾個維度進行分析。Time指的是時間維度，能夠利用時間這一概念對交通運輸?shù)吞蓟芰M行描述，還能夠作為交通運輸?shù)吞蓟芰Φ淖兞慷攘砍叨?；Space指的是空間維度，主要負責度量、控制交通運輸?shù)吞蓟芰Φ牡乩砜臻g范圍；Total指的是總量維度，主要負責度量交通運輸?shù)吞蓟芰Φ南哪茉础３酥?，還有一個隱藏維度是政策引導(dǎo)維度，該維度能控制交通運輸碳排放效果。
掌握交通運輸?shù)吞蓟芰Φ木S度情況后，基于塊采樣獲取交通運輸?shù)吞蓟芰Φ木S度數(shù)據(jù)[5]。首先對交通運輸?shù)吞蓟芰Φ木S度關(guān)系表R進行查詢，交通運輸?shù)吞蓟芰S度關(guān)系表的表達方式如下：
(2)
其中，op代表聚集操作；exp代表R的算數(shù)屬性表達式；predicate代表屬性選擇條件；col代表R中的多個或一個列；ti代表R的第i條元祖。當op是COUNT時，exp相當于R的*通配符。對隨機變量xi進行構(gòu)造
xi=|R|*expp(ti)
(3)
對交通運輸?shù)吞蓟芰Φ木S度進行分組，將其劃分為k個組別，當ti滿足predicate條件并屬于分組k時，有
expp(ti)=exp(ti)
(4)
當不滿足時，則有
expp(ti)=0
(5)
當操作op是時，則有
expp(ti)=1or0
(6)
由于交通運輸?shù)吞蓟芰Φ木S度關(guān)系表中不含重復(fù)數(shù)據(jù)，且交通運輸?shù)吞蓟芰S度數(shù)據(jù)的存儲形式為塊狀，由交通運輸?shù)吞蓟芰芍?，R中共有四個大塊，利用N來表示R的塊數(shù)，每塊大小為B，則
(7)
以塊為基本利用塊采樣進行交通運輸?shù)吞季S度化能力的數(shù)據(jù)樣本采集，隨機抽取R中的n塊構(gòu)成數(shù)據(jù)樣本S，設(shè)
S={B1，B2，…，Bn}
(8)
對S中的每一個塊都進行隨機變量的構(gòu)造：
(9)
完成數(shù)據(jù)樣本采集后，對數(shù)據(jù)樣本進行聚集結(jié)果統(tǒng)計
(10)
令隨機變量
Yi=N·expp(Bi)
(11)
則有
(12)
其中COUNT(R)是Yi的均值。通過聚集結(jié)果的統(tǒng)計完成了樣本S的維度數(shù)據(jù)獲取，利用同樣的方法進行無數(shù)次的隨機樣本維度數(shù)據(jù)獲取，當結(jié)果的差別較小時，即可完成R的維度數(shù)據(jù)獲取，實現(xiàn)交通運輸?shù)吞蓟芰S度數(shù)據(jù)的獲取[6]。
2.2 構(gòu)造交通運輸?shù)吞蓟芰Σ槎Ｐ?/h3>
通過獲取的交通運輸?shù)吞蓟芰S度數(shù)據(jù)構(gòu)建交通運輸?shù)吞蓟芰Σ槎Ｐ蚚7-8]。交通運輸?shù)吞蓟芰Σ槎Ｐ偷牟槎ㄖ笜税?個外部查定變量、3個查定表函數(shù)、13個輔助查定變量、6個流率查定變量、6個流位查定變量，具體構(gòu)成如表1所示。
表1 查定指標具體構(gòu)成
交通運輸?shù)吞蓟芰Σ槎Ｐ偷慕Y(jié)構(gòu)層次如圖1所示。
圖1 交通運輸?shù)吞蓟芰Σ槎Ｐ徒Y(jié)構(gòu)層次
其中人口查定因素、經(jīng)濟發(fā)展查定因素、運輸需求查定因素都是不定影響因素，而基礎(chǔ)設(shè)施建設(shè)查定因素、能源技術(shù)發(fā)展查定因素、政策引導(dǎo)查定因素都是確定影響因素，對交通運輸?shù)吞蓟芰Σ槎ńY(jié)果的影響更大?；A(chǔ)設(shè)施建設(shè)查定因素主要是在推進建設(shè)交通運輸基礎(chǔ)設(shè)施時，能改變不同交通運輸方式在交通運輸行業(yè)的市場份額占比，從而以市場份額占比為依據(jù)進行交通運輸?shù)吞蓟芰Φ牟槎╗9]。
當前我國交通運輸行業(yè)建設(shè)基礎(chǔ)設(shè)施時主要是以建設(shè)軌道交通網(wǎng)絡(luò)為主，而軌道交通網(wǎng)絡(luò)逐漸發(fā)達的變化過程必然會對當前的交通運輸行業(yè)市場份額占比帶來影響。并且軌道交通網(wǎng)絡(luò)更加環(huán)保高效，能夠大幅提升交通運輸行業(yè)的運輸周轉(zhuǎn)量，因此可以提升交通運輸行業(yè)的低碳化能力[10]。并且建設(shè)交通運輸行業(yè)基礎(chǔ)設(shè)施可以促進公交網(wǎng)絡(luò)的迅速發(fā)展，從而降低交通盲區(qū)所占比例，推動更多人的公交出行，降低私家車出行比例，達成交通運輸行業(yè)低碳化能力的提升?；A(chǔ)設(shè)施建設(shè)查定因素對交通運輸?shù)吞蓟芰Σ槎ńY(jié)果的影響效果如圖2所示。
圖2 基礎(chǔ)設(shè)施建設(shè)查定因素影響效果
能源技術(shù)發(fā)展查定因素主要是通過影響交通運輸行業(yè)中各種運輸方式的能源消耗量變化從而影響交通運輸行業(yè)的整體碳排放系數(shù)，進而對交通運輸?shù)吞蓟芰Σ槎óa(chǎn)生影響，包括能源利用效率的提高與應(yīng)用新能源[11]。而政策引導(dǎo)查定因素會直接影響交通運輸?shù)牡吞蓟芰?，包括控制交通需求、在交通運輸領(lǐng)域積極應(yīng)用新能源、引導(dǎo)并發(fā)展軌道交通與公交出行、機動車的限行等。
2.3 實現(xiàn)交通運輸?shù)吞蓟芰Σ槎?/h3>
完成交通運輸?shù)吞蓟芰Σ槎Ｐ秃螅谠撃Ｐ椭幸肟臻g-時間維度與總量-時間維度對交通運輸?shù)吞蓟芰M行查定[12]。首先引入空間-時間維度，將電力能源的碳排放系數(shù)作為主要變化因素，將其它能源的碳排放系數(shù)波動限制在一定范圍內(nèi)，利用交通運輸?shù)吞蓟芰Σ槎Ｐ偷牟槎ū砗瘮?shù)、輔助查定變量、流率查定變量、流位查定變量對交通運輸?shù)吞蓟芰M行查定
(13)
其中，R′代表交通運輸?shù)吞蓟芰Φ某醪讲槎ńY(jié)果；Y代表電力能源的碳排放系數(shù)；T代表其它能源的碳排放系數(shù)；H代表查定表函數(shù)；M代表輔助查定變量；V代表流率查定變量；B代表流位查定變量。
接著引入總量-時間維度，加強電力機車周轉(zhuǎn)量、電力公交周轉(zhuǎn)量、城市軌道交通周轉(zhuǎn)量以及電力消耗量這幾個帶來區(qū)域交通運輸?shù)吞蓟淖兞浚魅跗渌黾咏煌ㄟ\輸碳排放的變量。利用交通運輸?shù)吞蓟芰Σ槎Ｐ偷耐獠坎槎ㄗ兞?、查定表函?shù)、流率查定變量、流位查定變量對交通運輸?shù)吞蓟芰M行查定
(14)
其中，R″代表交通運輸?shù)吞蓟芰Φ闹虚g查定結(jié)果；Q代表電力機車周轉(zhuǎn)量；U代表電力公交周轉(zhuǎn)量；W代表城市軌道交通周轉(zhuǎn)量；A代表電力消耗量；G代表外部查定變量。最后綜合空間-時間維度與總量-時間維度對交通運輸?shù)吞蓟芰M行最終查定
(15)
其中R代表交通運輸?shù)吞蓟芰Φ淖罱K查定結(jié)果。綜上所述完成了基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ā?/p>
3 實驗分析
為了檢測本文提出的基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒?，設(shè)計了一個對比實驗。首先進行實驗數(shù)據(jù)獲取，為了保證實驗數(shù)據(jù)與計算結(jié)果的可靠性與真實性，實驗數(shù)據(jù)均來自于官方平臺與統(tǒng)計年鑒，其中城市交通運輸強度增長系數(shù)、公交周轉(zhuǎn)量、城軌周轉(zhuǎn)量、汽車周轉(zhuǎn)量、單位能耗周轉(zhuǎn)改變系數(shù)、電力消耗量、天然氣消耗量、汽油消耗量、柴油消耗量等數(shù)據(jù)的來源是《中國科技統(tǒng)計年鑒》；城市交通運輸強度增長量、不同交通運輸方式占比、單位能耗周轉(zhuǎn)變化量、各種能源占比等數(shù)據(jù)的來源是《中國能源統(tǒng)計年鑒》；剩余指標數(shù)據(jù)的來源是《中國統(tǒng)計年鑒》。以影響交通運輸?shù)吞蓟芰χ笜私y(tǒng)計表為依據(jù)。具體運輸系統(tǒng)原理如圖3所示。
圖3 城市交通運輸系統(tǒng)原理
3.1 實驗過程
如表2所示，對交通運輸?shù)吞蓟芰Σ槎ㄒ蛩赜嘘P(guān)數(shù)據(jù)進行整理歸納。
表2 影響交通運輸?shù)吞蓟芰χ笜私y(tǒng)計表
基于Matlab Web平臺對交通運輸?shù)吞蓟芰Σ槎Ｐ瓦M行仿真，利用仿真模型并結(jié)合獲取的實驗數(shù)據(jù)進行計算，得到空間-時間維度與總量-時間維度的有向邊權(quán)值，從而獲取交通運輸?shù)吞蓟芰Σ槎ǚ椒ú槎ㄖ笜说娜嫘詳?shù)值。為了保證本次實驗的有效性，使用基于多準則決策模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于面板?shù)據(jù)模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于誤差修正模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄅc本文提出的基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄟM行比較，觀察實驗結(jié)果，比較各個方法查定指標全面性高低。
3.2 不同方法下查定指標全面性對比
利用基于多準則決策模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于面板?shù)據(jù)模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于誤差修正模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒ā⒒趬K采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄟM行交通運輸?shù)吞蓟芰Σ槎ǚ椒ê?，各個方法的查定指標全面性對比如圖4所示。
圖4 各個方法的查定指標全面性對比
根據(jù)圖3所知，基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄔ谀芰Σ槎ǚ秶切〕鞘袝r的查定指標全面性數(shù)值為62.04;在能力查定范圍是大城市時的查定指標全面性數(shù)值為78.35;在能力查定范圍是小城市間時的查定指標全面性數(shù)值為91.28;在能力查定范圍是大城市間時的查定指標全面性數(shù)值為78.35，均高于基于多準則決策模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒ā⒒诿姘鍞?shù)據(jù)模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?、基于誤差修正模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒ā?/p>
3.3 不同方法下查定密度對比
利用基于多準則決策模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?a)、基于面板數(shù)據(jù)模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?b)、基于誤差修正模型的交通運輸?shù)吞蓟芰Σ槎ǚ椒?c)、基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒?d)，分別進行交通運輸?shù)吞蓟芰Σ槎ǚ椒ê螅鱾€方法的查定密度對比如圖5所示。
圖5 不同方法的查定密度對比
根據(jù)圖5所知，基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄔ谠O(shè)置的感應(yīng)區(qū)域范圍內(nèi)，對比其它三種方法，其密度最密集，說明查定方法的結(jié)果質(zhì)量最好。
4 結(jié)束語
基于塊采樣的交通運輸?shù)吞蓟芰Σ槎ǚ椒ㄍㄟ^交通運輸?shù)吞蓟芰Σ槎Ｐ偷臉?gòu)建實現(xiàn)了交通運輸?shù)吞蓟芰Φ牟槎?，該方法的查定指標全面性在各個能力查定范圍均高于傳統(tǒng)交通運輸?shù)吞蓟芰Σ槎ǚ椒?，且查定密度質(zhì)量最佳。說明在交通運輸?shù)吞蓟芰Σ槎I(lǐng)域具備相當?shù)膬?yōu)越性。
猜你喜歡
童話王國·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38
發(fā)明與創(chuàng)新(2022年30期)2022-10-03 08:40:56
中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50
數(shù)學(xué)物理學(xué)報(2020年2期)2020-06-02 11:29:24
人大建設(shè)(2018年6期)2018-08-16 07:23:10
文理導(dǎo)航·科普童話(2017年5期)2018-02-10 19:42:14
意林原創(chuàng)版(2016年10期)2016-11-25 10:28:30
光學(xué)精密工程(2016年6期)2016-11-07 09:07:19
Coco薇(2016年2期)2016-03-22 02:42:52
小星星·閱讀100分(低年級)(2015年10期)2015-10-22 08:30:04
