摘要：為實現(xiàn)“雙碳”目標，國家大力推動交通清潔能源的使用，因此合理布局和建設(shè)LNG加注站就非常重要?；诮煌ㄜ囕v衛(wèi)星定位數(shù)據(jù)的算法技術(shù)，運用機器學習模型和大數(shù)據(jù)架構(gòu)等先進技術(shù)，實現(xiàn)對LNG加注站的智能識別，并對路段流量和LNG重卡加注行為進行智能統(tǒng)計分析，搭建站點價值分析模型，進行LNG加注站的規(guī)劃布局和建站選址。根據(jù)對交通大數(shù)據(jù)的分析，確定了全國6 000余個LNG加注站的位置分布和其中的高價值站點，借助地圖進行標注并打造加注站數(shù)據(jù)系統(tǒng)，大幅度提高了LNG加注站選址的科學性及效率。

關(guān)鍵詞：液化天然氣；交通大數(shù)據(jù)；數(shù)據(jù)算法；LNG加注站；布局選址

中圖分類號：TU996.8;U495;TE834

文獻標識碼：A

文章編號：16735595（2024）01002907

一、引言

中國是世界上最大的能源消費國和碳排放國，碳排放量約占全球碳排放總量的三分之一。［1］隨著基礎(chǔ)設(shè)施的逐步完善以及大氣污染治理要求的不斷提高，中國提出“碳達峰碳中和”的戰(zhàn)略目標，并不斷推進能源生產(chǎn)和消費革命向縱深發(fā)展。天然氣作為一種清潔低碳環(huán)保的化石能源，是國內(nèi)外能源系統(tǒng)碳減排的重要抓手，肩負著能源消費從化石能源向可再生能源過渡的重要使命。［2］

中國天然氣表觀消費量從2000年的245億立方米跨越式增長至2022年的3 663億立方米［3］，增長了近15倍，天然氣在一次能源消費中的比例已達到8.9%，

并且力爭于2035年達到15%以上［4］。

因此，在城市燃氣、電力、工業(yè)、交通等多個領(lǐng)域，天然氣都有廣泛的應(yīng)用前景。

相較于傳統(tǒng)能源，天然氣的碳排放量僅為同熱值汽柴油排放量的四分之三［5］，具有顯著的環(huán)保優(yōu)勢；對比電力、氫能等其他類型的新能源，天然氣的供應(yīng)相對穩(wěn)定，經(jīng)濟性好，且相關(guān)技術(shù)更為成熟。因此，天然氣在交通領(lǐng)域能源轉(zhuǎn)型的中前期將具有較大發(fā)展空間［6］，國家也出臺了一系列政策以支持車輛的“油改氣”。

快速增長的LNG車輛“加氣”需求離不開充足的氣源保障，因此LNG加注站的合理布局和建設(shè)就尤為重要。傳統(tǒng)的LNG加注站選址主要通過人工問詢和實地車輛計數(shù)來確定，耗時耗力且數(shù)據(jù)質(zhì)量不高，缺乏相對穩(wěn)定可靠的判斷標準，因此難以實現(xiàn)對市場的精準判斷。2022年12月19日，《中共中央 國務(wù)院關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》（簡稱《數(shù)據(jù)二十條》）指出，數(shù)據(jù)作為新型生產(chǎn)要素，要充分發(fā)揮數(shù)據(jù)要素倍增效應(yīng)，激活數(shù)據(jù)要素潛能，增強經(jīng)濟發(fā)展新動能。數(shù)據(jù)作為現(xiàn)代生產(chǎn)要素，有明顯區(qū)別于其他生產(chǎn)要素的要素特征與經(jīng)濟學特性。利用其倍增效應(yīng)，與其他生產(chǎn)要素相融合，可以為經(jīng)濟的非線性增長注入新動能［7］；利用好IT技術(shù)、數(shù)字化技術(shù)，發(fā)揮創(chuàng)新能力，可以實現(xiàn)數(shù)據(jù)資源真正的價值創(chuàng)造［8］。

本文基于交通車輛點位大數(shù)據(jù)，引入機器學習技術(shù)，探討如何利用大數(shù)據(jù)技術(shù)挖掘交通數(shù)據(jù)價值，實現(xiàn)對LNG加注市場的及時感知和快速判斷，高效準確地根據(jù)路段車流量、LNG重卡加注行為和周邊加注站經(jīng)營狀況等信息，綜合規(guī)劃站點布局，為LNG加注站的建站選址提供科學有效的數(shù)據(jù)參考，助力天然氣行業(yè)在交通領(lǐng)域的發(fā)展。

二、LNG加注業(yè)務(wù)及大數(shù)據(jù)技術(shù)的應(yīng)用

（一）LNG在交通領(lǐng)域的應(yīng)用

作為車輛燃料的動力主要有兩種：LNG和CNG。其中，CNG為壓縮天然氣，以高壓氣體的形式儲存在車輛燃料箱中；LNG為液態(tài)天然氣，以低溫液態(tài)的形式儲存在車輛燃料箱中。同體積下LNG密度大于CNG，因此，LNG車輛比CNG車輛能行駛更遠的距離，尤其是在長途貨運領(lǐng)域，LNG車輛較CNG車輛應(yīng)用前景更廣泛。截至2022年年底，全國重卡保有量約為900萬輛，其中柴油重卡占比超過90%［9］，因此柴油重卡的LNG重卡替代是響應(yīng)國家“油改氣”政策、實現(xiàn)交通領(lǐng)域治污減排的重點。2012—2022年是全國LNG重卡保有量快速上升的階段（見圖1），尤其是2020年，LNG重卡銷量超過10萬輛。截至2022年年底，全國合計LNG重卡保有量近60萬輛。［9］

圖1 2012—2022年LNG重卡保有量與銷量

目前，重卡“油改氣”較有成效的區(qū)域有兩類：一類是新疆、陜西、內(nèi)蒙古等天然氣資源大省，其天然氣供應(yīng)充足；另一類是山東、河北等過境物流量巨大的省份，其對天然氣的需求量大。市場供需兩旺，十幾個LNG接收站、上百個天然氣液化工廠、數(shù)千座LNG加注站和數(shù)十萬輛LNG重卡一起，構(gòu)成了一個閉環(huán)運行的“油改氣”產(chǎn)業(yè)。［10］隨著近年來LNG車輛加注場景逐漸從以城市公交為主轉(zhuǎn)向以國道重卡為主，增量的LNG加注站應(yīng)聚焦國道、高速分布情況，選擇條件較好的物流通道、物流園區(qū)以及重要港口進行布局。

（二）LNG加注業(yè)務(wù)

LNG加注業(yè)務(wù)屬于LNG產(chǎn)業(yè)鏈中下游環(huán)節(jié)，如圖2中海石油氣電集團LGN產(chǎn)業(yè)鏈所示，

其LNG加注業(yè)務(wù)是企業(yè)銷售業(yè)務(wù)中的重要業(yè)務(wù)板塊。企業(yè)為了進一步提高天然氣市場份額，除在價格、服務(wù)方面吸引客戶外，優(yōu)化LNG加注站網(wǎng)絡(luò)布局，擁有更多、更優(yōu)質(zhì)的LNG加注站是提高企業(yè)競爭力最為直接的手段。

LNG加注站業(yè)務(wù)鏈是一種“車—站—車”的模式（見圖3），LNG加注站是其中最關(guān)鍵的樞紐，向上，依靠專用的LNG槽車將LNG從液源地（如LNG接收站和LNG液化工廠）運輸至LNG加注站供液，儲存到加注站的儲罐中；向下，通過站點的加注槍向LNG車輛（以LNG重卡為主）進行加注。對于這種“車—站—車”的業(yè)務(wù)鏈，如果能夠獲取并分析LNG槽車及LNG重卡的車輛行駛交通大數(shù)據(jù)，找出車輛的行駛規(guī)律和特點，利用LNG槽車會在LNG加注站供液的特性，就可以識別出LNG加注站的位置和采購頻率；利用LNG重卡會在LNG加注站加注的特性，就可以分析LNG加注站的加注車輛數(shù)，從而估算站點銷售情況。借助對交通大數(shù)據(jù)的分析，抓住LNG加注站業(yè)務(wù)鏈的兩端，實現(xiàn)對LNG加注站的識別和站點經(jīng)營情況分析，就可以提升公司對LNG加注市場的透視感知能力，為LNG加注站開發(fā)選址提供重要的參考。

（三）大數(shù)據(jù)技術(shù)的應(yīng)用

隨著新一代信息技術(shù)的迅速發(fā)展和快速普及，人類生產(chǎn)生活已經(jīng)與信息技術(shù)相互交融，全球數(shù)據(jù)量出現(xiàn)爆發(fā)式增長。海量集聚的數(shù)據(jù)中蘊含著前所未有的社會價值和商業(yè)價值，政府和企業(yè)可通過分析處理大規(guī)模的用戶數(shù)據(jù)，得到傳統(tǒng)數(shù)據(jù)分析方式無法獲知的隱藏價值，從而為公眾和客戶提供更加迅速、準確的公共服務(wù)及產(chǎn)品，大數(shù)據(jù)研究領(lǐng)域也因此受到了社會各界的廣泛關(guān)注。［11］

大數(shù)據(jù)技術(shù)作為一種對海量數(shù)據(jù)進行科學分析和有效處理的先進技術(shù)形式，相較于傳統(tǒng)數(shù)據(jù)處理技術(shù)，其應(yīng)用不僅可以實現(xiàn)數(shù)據(jù)處理量顯著擴大，還可以實現(xiàn)各種復(fù)雜類型數(shù)據(jù)的快速處理，是如今實現(xiàn)數(shù)據(jù)價值挖掘、充分發(fā)揮數(shù)據(jù)倍增效應(yīng)的重要手段。隨著信息技術(shù)手段的提高，大數(shù)據(jù)技術(shù)在信息管理、企業(yè)管理、電子政務(wù)、金融、制造、交通、科研、教育、能源等各個領(lǐng)域的發(fā)展與變革中都發(fā)揮了重要作用。［12］在交通領(lǐng)域，基于車輛實時定位數(shù)據(jù)、監(jiān)控攝像等海量數(shù)據(jù)，大數(shù)據(jù)技術(shù)可應(yīng)用于交通引導、運輸優(yōu)化、交通服務(wù)等多個方面。［13］在交通大數(shù)據(jù)與能源行業(yè)結(jié)合的應(yīng)用場景中，曹闖明等［14］基于交通大數(shù)據(jù)，通過分析LNG槽車運行軌跡，實現(xiàn)了LNG槽車運單數(shù)據(jù)的生成以及LNG供需預(yù)測；楊勇生等［15］對長江干線LNG動力船加注站選址進行研究，搭建了LNG動力船加注站的選址影響因素模型，并基于港口數(shù)據(jù)進行聚類分析，從而找出合適的站點位置。目前，利用大數(shù)據(jù)技術(shù)在全國范圍內(nèi)進行LNG加注站的開發(fā)選址，仍具有很大的研究空間及重要的應(yīng)用價值。

三、LNG加注站智能選址技術(shù)框架設(shè)計

LNG加注站智能選址的技術(shù)框架由數(shù)據(jù)的存儲、處理和應(yīng)用3部分組成（見圖4）。其中，存儲的交通大數(shù)據(jù)主要包含LNG槽車、LNG重卡的實時點位數(shù)據(jù)和全國國道、路段的原始數(shù)據(jù)；數(shù)據(jù)處理主要是應(yīng)用大數(shù)據(jù)算法技術(shù)，搭建LNG加注站識別算法和路段流量及LNG重卡加注行為識別算法；打造的數(shù)據(jù)分析應(yīng)用包括全國LNG加注站手冊、站點價值分析模型和加注站數(shù)據(jù)分析系統(tǒng)。

（一）交通大數(shù)據(jù)存儲

本文研究的數(shù)據(jù)源為全國危化品和重卡車輛的北斗衛(wèi)星定位數(shù)據(jù)，考慮到數(shù)據(jù)涵蓋上千萬車輛的日均數(shù)十億條點位，數(shù)據(jù)規(guī)模達千億級，常規(guī)的MySQL等普通關(guān)系型數(shù)據(jù)庫及單個服務(wù)器節(jié)點無法滿足這個數(shù)據(jù)量級的處理要求，因此整體數(shù)據(jù)處理架構(gòu)采用了前沿的Hadoop架構(gòu)。Hadoop是一個由Apache基金會開發(fā)的分布式系統(tǒng)基礎(chǔ)架構(gòu)，主要解決海量數(shù)據(jù)的儲存和分析計算問題，由于其開放性，已逐步形成了Hadoop大數(shù)據(jù)技術(shù)生態(tài)圈，具體構(gòu)成如圖5所示。本文中的Hadoop架構(gòu)及相關(guān)組件使用情況如下文所述。

1.大數(shù)據(jù)服務(wù)器集群搭建

利用13臺服務(wù)器搭建集群，組建HDFS分布式文件系統(tǒng)，該集群具有高可靠性、高擴展性、高容錯性、低成本等特點，可以存放海量車輛點位數(shù)據(jù)。其分布式架構(gòu)采用YARN進行資源調(diào)度，調(diào)度系統(tǒng)能夠根據(jù)每個節(jié)點的負荷自動分配計算任務(wù)，充分利用CPU內(nèi)核的底層并行機制，為分析結(jié)果的穩(wěn)定輸出提供了堅實保障。

2.LNG槽車數(shù)據(jù)相關(guān)字段及處理方式

在算法的底層，使用Kafka對接實時的LNG槽車數(shù)據(jù)，包括槽車的車牌號、車牌顏色編碼、車輛歸屬省行政區(qū)域編碼、車輛歸屬運輸行業(yè)編碼、車輛歸屬地市編碼、車輛當前歸屬省行政區(qū)域編碼、定位時間、系統(tǒng)接收時間、經(jīng)度、緯度、車載終端速度、行駛記錄儀速度、總里程、方向角、海拔等信息，然后通過Spark進行實時處理；此外，還通過高德地圖以及百度地圖互聯(lián)網(wǎng)接口接入全國商戶（氣站、工廠、服務(wù)區(qū)、餐飲點、賓館、小區(qū)等）的基礎(chǔ)信息及其經(jīng)緯度，作為算法判別車輛停留點類型的參數(shù)庫之一，結(jié)合預(yù)先設(shè)定的接液點、卸液點參數(shù)庫，最終輸出槽車相關(guān)的結(jié)果數(shù)據(jù)。

3.LNG重卡數(shù)據(jù)相關(guān)字段及處理方式

相比LNG槽車數(shù)據(jù)，LNG重卡數(shù)據(jù)高了1個數(shù)量量級，而MapReduce計算框架能夠賦予算法計算海量數(shù)據(jù)的能力。算法使用了MapReduce計算框架對接Hbase里的離線重卡數(shù)據(jù)進行并行計算，包括重卡車牌號、車輛類型（重型貨車、中型貨車、牽引車等）、燃料類型（天然氣、燃油）、車牌顏色編碼、車輛歸屬省行政區(qū)域編碼、車輛歸屬地市編碼、車輛當前歸屬省行政區(qū)域編碼、定位時間、系統(tǒng)接收時間、經(jīng)度、緯度、車載終端速度、行駛記錄儀速度、總里程、車輛所屬承運商等信息。結(jié)合全國高速、國道的路段信息參數(shù)，包括路段編號、路段所在省份、路段所在城市、路段組成經(jīng)緯度列表、路段類型（國道、高速）等字段，最終輸出重卡的結(jié)果數(shù)據(jù)。

（二）交通大數(shù)據(jù)處理

1.大數(shù)據(jù)算法

（1）LNG加注站識別算法

圍繞LNG槽車向LNG加注站供液的業(yè)務(wù)環(huán)節(jié)，通過對LNG槽車行駛軌跡的特征識別和分析，篩選出LNG加注站位置信息，實現(xiàn)基于大數(shù)據(jù)的LNG加注站智能識別。其算法主要分為3個步驟：第一步，基于危化品車輛的實時點位大數(shù)據(jù)，根據(jù)槽車會去LNG液源接液的特點，通過對車輛行駛軌跡的特征識別，篩選出全國范圍內(nèi)的LNG槽車；第二步，應(yīng)用大數(shù)據(jù)和人工智能技術(shù)，將LNG槽車停留點與接收站/液廠的接液區(qū)域進行匹配，結(jié)合停留時長，判斷出槽車的接液行為作為運單的起點，然后利用梯度下降樹模型，輸入所有停留點的特征值，并考慮多次分卸的可能性，通過大量的機器學習與訓練，最終判定卸液點，從而形成槽車運單，包括車牌號、接卸液時間、接卸液地點、接卸液運距等信息；第三步，通過對算法識別的LNG槽車運單卸液地進行人工核實，進而識別出全國范圍內(nèi)的LNG加注站位置信息。具體LNG加注站識別算法的邏輯關(guān)系如圖6所示。

（2）路段流量及LNG重卡加注行為識別算法

圍繞LNG加注站向車輛加注的業(yè)務(wù)環(huán)節(jié)，對LNG重卡車輛的行駛軌跡進行分析，一方面，可以結(jié)合搭建的路網(wǎng)模型計算路段重卡流量；另一方面，可以結(jié)合LNG加注站位置信息，識別出LNG重卡的加注行為。其算法同樣分為3個步驟：第一步，建立可用性高的全國路網(wǎng)模型，通過距離截斷、交叉點截斷等方法，將原始的百萬條無序的基礎(chǔ)路段聚合成符合業(yè)務(wù)需求并且具有可視化的交通路段，組成全國高速、國道的路網(wǎng)模型；第二步，輸入全國900余萬輛重卡車輛，在進行必要的軌跡糾偏和去重后，將軌跡經(jīng)緯度和路段經(jīng)緯度進行匹配計算，輸出車輛在指定時間、指定路段內(nèi)的路段車流量；第三步，輸入全國近60萬輛LNG重卡的軌跡數(shù)據(jù)，通過對車輛行駛軌跡的特征識別，找出LNG重卡車輛停留點，通過分析停留點位置與LNG加注站位置的匹配情況，識別出LNG重卡的加注行為，并實現(xiàn)LNG加注站重卡進站加注流量的動態(tài)統(tǒng)計。路段流量及重卡加注行為識別算法的邏輯關(guān)系如圖7所示。

2.大數(shù)據(jù)算法應(yīng)用

大數(shù)據(jù)相較于傳統(tǒng)的數(shù)據(jù)集，具有4V特點，即規(guī)模性（Volume）、多樣性（Variety）、價值（Value）和實效性（Velocity）。［16］由于大數(shù)據(jù)的高復(fù)雜度和高計算成本，難以使用傳統(tǒng)數(shù)據(jù)挖掘方法來分析處理數(shù)據(jù)，需要使用到機器學習算法，其分類如圖8所示。常規(guī)的機器學習算法根據(jù)輸入輸出特點，主要分為有監(jiān)督學習、無監(jiān)督學習和強化學習3類。本文在車輛原始點位去噪糾偏和槽車停留點特征分析兩個場景使用到大數(shù)據(jù)算法技術(shù)。這兩個場景特點是利用現(xiàn)有的數(shù)據(jù)樣本對算法進行模型訓練，根據(jù)已知的輸入輸出值訓練出正確的判斷邏輯。由于目標值具有離散的特點，符合有監(jiān)督學習中分類算法的特點，因此，本文采用了K最近鄰分類算法和梯度下降樹兩種算法。

（1）車輛原始點位去噪糾偏

在對車輛原始點位的預(yù)處理中，除基本的數(shù)據(jù)關(guān)聯(lián)、分類和篩選外，最重要的是實現(xiàn)異常點識別和軌跡去噪糾偏。通過北斗定位系統(tǒng)自動抓取的車輛原始點位，難免會因為信號干擾、誤差等原因，出現(xiàn)個別異常點位，若不提前對異常點位進行糾正或者刪除，就會影響后續(xù)的軌跡判斷。根據(jù)數(shù)據(jù)輸入和目標值都是離散的特點，本文使用了K最鄰近分類算法實現(xiàn)異常點的識別。

K最鄰近分類算法（K- Nearest Neighbor）的核心思想是，如果一個樣本在特征空間中的K個最相鄰的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別，并具有這個類別中樣本的特性。該方法只依據(jù)最鄰近的一個或者幾個樣本的類別來決定待分類樣本所屬的類別，也就是K最鄰近分類算法在類別決策時，只與極少量的相鄰樣本有關(guān)。因此，本文選用K最鄰近分類算法，根據(jù)車輛一段時間的連續(xù)點位位置進行擬合分析，從而找出與前后相鄰點位偏差較大的異常點位，提前進行糾正或刪除，以保證后續(xù)的軌跡判斷準確。

（2）槽車停留點特征分析

在LNG槽車停留點特征分析場景中，需要根據(jù)槽車在停留點的停留時長、停留點與出發(fā)點距離、停留點與用氣終端距離等特征進行綜合判斷分析。從槽車接液后的眾多停留點中找出可能性最大的實際卸液點，從而生成完整的LNG槽車運單數(shù)據(jù)，并需要同時考慮二次卸貨、串貨等特殊情況。對此，本文采用梯度下降樹算法，并根據(jù)算法中涉及的特征值參數(shù)不多但精度要求較高的特點，利用GridSearchCV進行調(diào)參和驗證。

決策樹是一類模仿人腦在日常生活中處理決策問題的方法［17］，在得到問題結(jié)論即最終決策的過程中，數(shù)據(jù)中各特征子決策判斷的逐步累積使求解范圍不斷縮小，最終確定最優(yōu)決策。決策樹算法主要有ID3、C4.5和CART三種特征劃分方式［18］，其中CART根據(jù)基尼指數(shù)進行特征劃分，梯度下降樹算法采用的就是CART特征劃分方式。在本研究的場景中，需要根據(jù)槽車停留點的特征進行梯度迭代判斷，如停留時長是否滿足要求、停留點與出發(fā)點距離是否超出經(jīng)濟運距、停留點是否屬于服務(wù)區(qū)等，因此選擇梯度下降樹進行處理。

GridSearchCV（網(wǎng)格搜索和交叉驗證）是一種決策樹調(diào)參和驗證方式。網(wǎng)格搜索，搜索的是參數(shù)，即在指定的參數(shù)范圍內(nèi)，按步長依次調(diào)整參數(shù)，利用調(diào)整的參數(shù)訓練學習器，從所有的參數(shù)中找到在驗證集上精度最高的參數(shù)，這其實是一個訓練和比較的過程。GridSearchCV可以保證在指定的參數(shù)范圍內(nèi)找到精度最高的參數(shù)，它要求遍歷所有可能參數(shù)的組合，因此網(wǎng)格搜索適用于3、4個（或者更少）的超參數(shù)，本研究的場景涉及了槽車停留點的停留時長、停留點與出發(fā)點距離、停留點與用氣終端距離3個參數(shù)，因此選用該調(diào)參方式最合適。

（三）交通大數(shù)據(jù)應(yīng)用

基于大數(shù)據(jù)算法分析的數(shù)據(jù)結(jié)果，與線下實際數(shù)據(jù)進行抽樣比對驗證，數(shù)據(jù)準確度達80%以上，且實時性、全面性超過了市面上大多數(shù)的資訊數(shù)據(jù)，可以滿足實現(xiàn)LNG加注站智能選址的需求。針對企業(yè)決策層、管理層和執(zhí)行層對于車輛加注業(yè)務(wù)的不同數(shù)據(jù)分析需求場景，在大數(shù)據(jù)算法的輸出結(jié)果基礎(chǔ)上，通過對數(shù)據(jù)的進一步加工處理、統(tǒng)計分析和可視化展現(xiàn)，可以實現(xiàn)3類數(shù)據(jù)分析應(yīng)用：全國LNG加注站手冊、站點價值分析模型和加注站數(shù)據(jù)分析系統(tǒng)。通過LNG加注站智能選址方案的數(shù)據(jù)分析應(yīng)用，可以隨時隨地查閱各類加注站信息，錨定具有市場潛力的加注站進行發(fā)力，卡點布局，構(gòu)建并不斷優(yōu)化LNG加注網(wǎng)絡(luò)，助力企業(yè)車輛加注業(yè)務(wù)的高質(zhì)量發(fā)展。

1.編制全國LNG加注站手冊

對于一家經(jīng)營車輛加注業(yè)務(wù)的企業(yè)來講，了解加注市場基本信息，如加注站的位置分布、銷售情況等，是做好銷售策略制定的基本前提。本文基于LNG加注站識別算法，對全國LNG槽車近幾年的行駛軌跡進行分析，識別出了全國5 000余個加注站的精確位置。在此基礎(chǔ)上，通過與資訊公司、企業(yè)內(nèi)部掌握情況等多方數(shù)據(jù)源提供的加注站清單進行交叉比對，并經(jīng)過人工衛(wèi)星地圖核驗和電話逐一核實，整合出全國6 000余個LNG加注站（含停運站點）的具體信息，并依此編制了《全國LNG加注站手冊》。手冊覆蓋了全國31個省份（由于資料有限，手冊中不包含香港及澳門特別行政區(qū)、臺灣省的LNG加注站信息），涉及全國400余條路段，包含經(jīng)緯度、所屬公司、所屬道路、聯(lián)系電話等信息。與傳統(tǒng)方式獲取的LNG加注站清單相比，《全國LNG加注站手冊》數(shù)據(jù)更為全面準確，并且可以根據(jù)LNG加注站識別算法定期更新完善；同時，對每個站點的信息都進行了人工的核查和補充，可以滿足業(yè)務(wù)細化的分析需求。依靠“黃頁”式的《全國LNG加注站手冊》，企業(yè)可隨時查詢?nèi)我釲NG加注站的詳細信息，并根據(jù)手冊中的聯(lián)系方式進行洽談合作。

2.搭建站點價值分析模型

傳統(tǒng)的站點開發(fā)摸排工作存在耗時長、工作量大且難以保證數(shù)據(jù)全面性的缺點。通過充分挖掘大數(shù)據(jù)價值，借助路段流量及LNG重卡加注行為識別算法，計算出全國國道、高速的路段車流量以及LNG加注站每日的重卡進站加注流量，從而實現(xiàn)基于站點進站加注流量的LNG加注站經(jīng)營情況分析，并結(jié)合企業(yè)的加注業(yè)務(wù)規(guī)劃目標及開發(fā)策略，進一步搭建站點價值分析模型。與傳統(tǒng)的人工走訪問詢方式相比，站點價值分析模型可以按照指定的規(guī)則從全國LNG加注站中自動篩選出高價值的站點推薦清單。企業(yè)借此可以快速定位優(yōu)質(zhì)站點，為后續(xù)的站點開發(fā)鎖定目標范圍，可以大幅提高站點開發(fā)的科學性和效率。

3.打造加注站數(shù)據(jù)分析系統(tǒng)

為了更好地服務(wù)于企業(yè)的站點開發(fā)工作，可同步打造加注站數(shù)據(jù)分析系統(tǒng)。系統(tǒng)集成大數(shù)據(jù)算法和站點價值分析模型的數(shù)據(jù)分析成果，前臺采用B/S架構(gòu)，以地圖的形式展示全國加注站位置分布信息，并通過圖例區(qū)分基于站點價值模型的站點推薦優(yōu)先級?？紤]到國道及高速是LNG加注站的重要布局區(qū)域，地圖可高亮顯示國道及高速等主要路段，并在地圖上展示路段流量數(shù)據(jù)。此外，系統(tǒng)支持“自助”式的站點分析查閱，包括對于站點推薦優(yōu)先級、所屬公司、所屬路段等信息的篩選分析，在地圖上點選查看某個站點動態(tài)詳情信息，可以根據(jù)自身掌握的實際情況對站點進行新增或者修改，也可以導出LNG加注站明細。

依托“沙盤”式的加注站數(shù)據(jù)系統(tǒng)，一方面，支持企業(yè)從宏觀角度了解各區(qū)域的站點分布情況，決策管理層可以依此對加注站網(wǎng)絡(luò)布局進行戰(zhàn)略規(guī)劃；另一方面，借助系統(tǒng)的“自助”式的站點分析查閱功能，企業(yè)可以更有針對性地進行站點的開發(fā)，并根據(jù)實勘情況隨時調(diào)整更新，從而將加注站數(shù)據(jù)系統(tǒng)打造成車輛加注業(yè)務(wù)的“作戰(zhàn)地圖”。

四、結(jié)語

大數(shù)據(jù)技術(shù)作為一種處理海量數(shù)據(jù)的技術(shù)，其對數(shù)據(jù)價值的挖掘已經(jīng)逐步在各行各業(yè)產(chǎn)生了深遠的影響，對傳統(tǒng)的業(yè)務(wù)模式帶來革命性的變革。通過深度融合數(shù)字技術(shù)與加注終端業(yè)務(wù)，將交通車輛的衛(wèi)星點位數(shù)據(jù)轉(zhuǎn)化可供識別的數(shù)據(jù)分析結(jié)果，輔助LNG加注站布局選址，一方面，可以解決LNG加注站開發(fā)難、踩點累的業(yè)務(wù)痛點，大幅提高LNG加注站開發(fā)的效率和質(zhì)量，實現(xiàn)企業(yè)加注產(chǎn)業(yè)的業(yè)務(wù)模式創(chuàng)新；另一方面，也是企業(yè)踐行國家的號召，利用數(shù)字化賦能，推動天然氣清潔能源在交通領(lǐng)域的應(yīng)用，助力綠色交通發(fā)展。未來隨著后續(xù)“氣化長江”“氣化珠江”“氣化運河”“氣化沿?！钡日叩倪M一步推動，LNG動力船也將會有廣闊的發(fā)展前景。將大數(shù)據(jù)分析手段從陸路擴展到水路，通過分析LNG動力船實時位置，輔助LNG船舶加注站的建站選址，推動綠色航運的發(fā)展也將是一個值得探索和研究的方向。

參考文獻：

［1］ 賈愛林，程剛，陳瑋巖，等.雙碳背景下中國天然氣供需形勢預(yù)測［J］.石油勘探與開發(fā)，2023，50（2）：431440.

［2］ 陳蕊，白樺.近年國際天然氣市場回顧及2025年展望［J］.中國石油大學學報（社會科學版），2019，35（5）：17.

［3］ 沈鑫，周淑慧，吳春華.中國天然氣市場發(fā)展2022年回顧與2023年展望［J］.國際石油經(jīng)濟，2023，31（4）：2536.

［4］ 馬新華，張國生，唐紅君，等.天然氣在構(gòu)建清潔低碳能源體系中的地位與作用［J］.石油科技論壇，2022，41（1）：1828.

［5］ 華賁，李亞軍.從戰(zhàn)略高度認識和推進天然氣替代交通運輸燃料［J］.天然氣工業(yè)，2012，32（4）：8388.

［6］ 范靜靜，王建良，黃輝，等.“雙碳”目標下中國天然氣發(fā)展定位及潛在路徑研究［J］.煤炭經(jīng)濟研究，2022，42（8）：3847.

［7］ 何蘇燕.數(shù)據(jù)生產(chǎn)要素化及其價值創(chuàng)造機制研究［J］.企業(yè)經(jīng)濟，2023，42（1）：7987.

［8］ Teece D J.Explicating Dynamic Capabilities：The Nature and Microfoundations of （Sustainable） Enterprise Performance［J］.Strategic Management Journal，2007，28（13）：13191350.

［9］ 蔣春輝.LNG重卡減碳比較研究［J］.專用汽車，2022（9）：15.

［10］ 汪曄.“油改氣”與“煤改氣”的回顧與展望［J］.世界石油工業(yè)，2020，27（3）：2533.

［11］ 周宇，曹英楠，王永超.面向大數(shù)據(jù)的數(shù)據(jù)處理與分析算法綜述［J］.南京航空航天大學學報，2021，53（5）：664676.

［12］ 倪晨皓.大數(shù)據(jù)技術(shù)應(yīng)用現(xiàn)狀及發(fā)展趨勢研究［J］.中國管理信息化，2021，24（16）：179180.

［13］ 趙啟林.淺析大數(shù)據(jù)技術(shù)在交通領(lǐng)域的應(yīng)用［J］.科技傳播，2020，12（8）：103104.

［14］ 曹闖明，李明清，許家棟，等.基于交通大數(shù)據(jù)的LNG供需預(yù)測［J］.煤氣與熱力，2021，41（11）：3639.

［15］ 楊勇生，周亞民，許波桅.長江干線LNG動力船加注站選址研究［J］.重慶交通大學學報（自然科學版），2016，35（6）：141147.

［16］ Manyika J，Chui M，Brown B，et al.Big Data：The Next Frontier for Innovation，Competition，and Productivity［M］.Washington：Mc Kinsey Global Institute，2011.

［17］ Hofstadter D.The Man Who Would Teach Machines to Think［J］.The Atlantic，2013：309525.

［18］ 李旭然，丁曉紅.機器學習的五大類別及其主要算法綜述［J］.軟件導刊，2019，18（7）：49.

責任編輯：曲 紅