更新时间：2026-08-15 00:02:40
已登记
详细信息
-
知识产权名称
物流运输碳排放预测数据
-
登记编号
DIP2025000009326
-
申请人
温岭市天航物流有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2025-06-25 17:46:09
详细信息
-
所属行业
信息传输、软件和信息技术服务业
-
交易状态
待交易
-
数据规模
4837
-
更新频次
按需更新
-
应用场景
该数据在物流运输碳排放预测中具有重要的应用价值。能够提供碳排放定量分析，更精确地评估运输过程中的能耗与排放水平，帮助企业和监管机构进行绿色物流管理与碳足迹追踪。在物流运输领域具有广泛的应用场景，特别是跨城市干线运输、城市配送路径优化和碳交易配额计算，能够提高碳排放可视化程度，降低碳排放测算成本，提供精准的碳排放控制依据。
-
算法规则简要说明
数据收集： 本模型所用数据来自车载物联网设备、运输管理系统（TMS）和油耗监测平台。每条记录包含“车辆载重”、“行驶距离”和“平均速度”等基本运输参数，同时记录了“碳排放量(人工标注）”作为目标输出数据，采用第三方碳排放因子数据库（如国家标准或IPCC指南）进行标注。 数据预处理： 首先对“车辆载重”和“行驶距离”进行最大最小归一化处理，以提升模型收敛速度；“平均速度”则通过标准差归一化处理以平衡其对碳排放的影响。针对不同车型和路线，进行编码并转化为嵌入向量。此外，样本按运输时间顺序构建滑动窗口序列，用于建模碳排放的历史依赖性。 模型构建： 采用双层长短期记忆网络（LSTM）对运输过程中多时刻的输入变量进行建模，输出预测的“碳排放量（模型预测）”。模型核心由输入嵌入层、LSTM序列建模层和全连接回归层构成。 预测过程如下：时序建模公式：h_t = LSTM(x_t, h_{t-1})。其中，x_t 为第 t 时刻的输入特征向量（包含“车辆载重”、“行驶距离”、“平均速度”），h_t 为 LSTM 输出的隐藏状态。碳排放预测公式：ŷ = W · h_T + b。其中，h_T 为最后一个时间步的 LSTM 输出，W 为权重矩阵，b 为偏置项，ŷ 为模型输出的预测“碳排放量（模型预测）”。训练目标为最小化预测值与真实值之间的均方误差（MSE），并通过“平均绝对误差（MAE）”与“拟合优度（R²）”对模型预测性能进行评估。 该模型能够根据不同运输条件下的输入参数，实时输出预估的碳排放水平，为企业提供按单计算碳足迹的能力，便于绿色运营与政策响应。
-
更新频次
按需更新
-
存证平台
浙江省知识产权区块链公共存证平台
