买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利基于交通影响下碳排放空间溢出的城市群减排方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119941470B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411777370.6，技术领域涉及：G06Q50/26；该发明授权基于交通影响下碳排放空间溢出的城市群减排方法及系统是由曹世杰;方新星;席畅;王俊淇设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本基于交通影响下碳排放空间溢出的城市群减排方法及系统在说明书摘要公布了：本发明公开了一种基于交通影响下碳排放空间溢出的城市群减排方法及系统，该方法为：收集计算目标城市群的碳排放数据及社会、经济、交通强度等多种指标数据并进行预处理；基于交通强度数据指标将目标城市群划分为多个交通类型；构建目标城市群内各城市间的碳排放空间关联网络，并分析目标城市群碳排放的溢出，然后进行深度分析输出碳排放溢出诊断结果；基于诊断结果和构建好的城市减排策略库，采用智能寻优算法，从碳排放溢出角度对于高碳城市进行个性化的减碳方案设计。本发明通过分析交通运输影响下的碳排放空间溢出，提出城市群协同减碳方法及优化系统，具有精准调控、考虑全面、普适性强、政策支持的优势，可适用于各个城市群。

本发明授权基于交通影响下碳排放空间溢出的城市群减排方法及系统在权利要求书中公布了：1.一种基于交通影响下碳排放空间溢出的城市群碳减排方法，其特征在于，包括： 步骤1收集并通过夜间灯光数据反演法计算目标城市群内所有城市在过往一段时间内的碳排放数据以及包含社会、经济、交通强度在内的多种指标数据； 步骤2采用z-score标准化方法，对计算得到的碳排放数据以及收集到的包含社会、经济、交通强度在内的多种指标数据进行预处理； 步骤3基于经预处理的交通强度数据指标，将目标城市群内的所有城市划分为多个交通类型； 步骤4利用万有引力模型，构建目标城市群内各城市间的碳排放空间关联网络；所述碳排放空间关联网络是每两个城市空间碳引力的聚合，由代表城市的节点和表示城市间碳排放空间引力的边组成； 所述万有引力模型源于万有引力定律，能根据城市的社会经济因素和空间距离量化城市间碳排放的相互作用强度；在构建所述碳排放空间关联网络时，不仅考虑了经济地理因素，还考察了万有引力模型中交通强度的影响，将交通强度值加入到公式中，重构万有引力模型来评估交通对目标城市群内各城市间碳排放关联的影响；引力强度值越大，表明两个城市因交通而产生的碳排放关联性越强； 构建所述碳排放空间关联网络的计算公式如下： 4； 式4中，yij为i指向j地区的碳排放引力强度； Mij为i地区与j地区之间的空间距离； kij为i地区对i地区与j地区之间碳排放联动的贡献率； P为年末的总人口数； C为地区碳排放量； U为地区交通强度； Q为地区国内生产总值； 步骤5根据构建好的碳排放空间关联网络，采用社会网络分析法，分析目标城市群碳排放的溢出，得到碳排放空间关联网络分析数据，所述碳排放空间关联网络分析数据包含目标城市群内各城市间在交通运输影响下的碳排放转移和溢出情况； 分析目标城市群碳排放的溢出的具体方法为： 在构建碳排放空间关联网络后，利用社会网络分析法，从系统的角度对目标城市群整体网络和城市个体网络这两个范围进行量化，分别得到城市群整体网络特征和城市个体网络特征，并界定不同交通类型的城市在碳排放空间关联网络中的功能作用，从而获得包含目标城市群内各城市间在交通运输影响下的碳排放转移和溢出情况在内的碳排放空间关联网络分析数据； 所述城市群整体网络特征，由包括网络连通性、密度、层次结构和效率在内的指标来表示；其中，网络连通性反映了网络的稳健性，决定了碳排放相关网络是否包含所有城市；网络密度表示网络的紧凑程度，其数值越高，表示碳排放网络的连接越紧密，城市群的空间溢出越明显；网络层次显示节点在网络中的主导地位，其数值越大，表明网络结构越复杂，城市间的层次越多；网络效率衡量城市间碳排放关联的有效性，其数值越大，表明城市间形成碳排放关联的可能性越大； 所述城市个体网络特征，由包括度中心性、度间中心性和接近中心性在内的指标来描述；其中，度中心性衡量一个城市在碳排放网络中的中心位置，其值越高，表示对其他城市的影响力越大，碳排放溢出的可能性越大；介度中心性反映了一个城市在网络中的中介作用，其数值越高，表明其对碳排放的控制能力越强，碳排放溢出的可能性越大；接近中心度表示一个城市不受其他城市影响的程度，其数值越高，表明该城市在碳排放网络中的独立性越强，与其他城市形成空间碳排放溢出的可能性越小； 步骤6利用图像识别与机器学习算法，对获得的碳排放空间关联网络分析数据进行深度分析，识别出目标城市群在交通运输影响下碳排放溢出显著的城市类型和具体城市，并通过数据可视化方式，输出详细的碳排放溢出诊断结果； 步骤7基于诊断结果和构建好的城市减排策略库，采用智能寻优算法，从碳排放溢出角度对于高碳城市进行个性化的减碳方案设计； 所述智能寻优算法包括但不限于采用遗传算法、粒子群优化，所述智能寻优算法综合考虑包括经济成本、技术难度、社会认可度在内的方面，决定是否加强其与低碳排放类型城市的关联，进行包括产业转移、资源流动、人才迁移在内的优化方式，寻找最优的减排路径；此外，基于每年更新的交通数据、社会数据、经济数据等，制定短期和长期两种行动方案，确保及时寻优城市群精细化减排协同优化方案。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210000 江苏省南京市玄武区四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。