文摘
智能城市建设,减少碳排放的道路交通问题迫切需要解决。这是引入合理的低碳政策具有重要意义。基于城市私家车轨迹数据,这项研究中,分别建立了遗传algorithm-back传播神经网络模型(GA-BP)和背部propagation-adaptive提高算法神经网络模型(BP-AdaBoost)预测私人汽车的碳排放。通过比较两种神经网络模型、GA-BP神经网络模型具有更好的预测结果。接下来,本研究建立了消费者的成本-收益模型和比较消费者的参与意愿、减排效果和社会效益的消费者从六种的角度来看低碳政策。结果表明,整体效果的低碳政策组合的免费配额比有偿配额。此外,不同的低碳政策和创新有不同的政策的实施效果在不同的指标。总体而言,碳排放交易的低碳政策组合和减排补贴是更好的在短期内,碳税的低碳政策组合和减排补贴从长远来看要好。
1。介绍
道路交通是世界上增长最快的碳排放源,和合理的引入低碳政策一直是全球关注的焦点。早在2013年,中国交通运输部提出的引入碳交易政策来促进绿色和低碳交通运输业的发展。目前,许多国家,比如瑞典和英国,介绍了低碳政策减少碳排放的道路交通。尽管中国已经介绍了碳交易政策,减少道路交通碳排放的低碳政策组合还没有付诸实践。2021年3月,中国的汽车数量已经达到3.78亿1),和它的碳排放已经成为中国第三大碳排放来源,构成巨大的挑战,实现碳峰和碳中立。本研究结合了私人汽车数据和低碳政策组合创新研究有效的减排措施促进智能城市的可持续发展。首先,私家车的碳排放量可以通过深度学习好预测私人汽车数据。接下来,根据私人汽车的碳排放,政府可以引入低碳政策组合创新实现减排目标。此外,道路交通智能城市不可或缺的一部分,和道路交通的有效减排是必要的为智能城市实现可持续发展。因此,基于城市私家车轨迹数据,本研究介绍了低碳政策,如碳配额分配、碳交易、碳税和减排补贴,探讨政策执行的影响从消费者的角度来看,和研究的可行性和效益低碳政策组合创新。
碳排放配额,当前的研究可以大致分为两类:免费配额,配额。至于免费配额的分配,消费者可以免费获得一个固定数量的碳排放。陈和刘提出免费配额的分配来帮助节约能源,减少排放,并获得公众认可2]。锅和史提出免费配额的分配比报酬更内在的必要配额,这有利于发挥减排激励的作用[3]。魏等人认为,实施免费配额的碳市场的早期阶段对整体社会福利更好,但也有一些缺陷在公平和效率4]。至于报酬的分配配额,消费者需要进行投标获得碳信用额支付。张等人认为收入支付限额可以用来设立碳基金,促进低碳转型和发展(5]。苗族提出有偿配额的分配可以降低企业的成本性能和满足企业的融资需求6]。李认为,支付限额是一个更有效的资源配置方式,这不仅可以鼓励企业减少碳排放也申请技术创新的好处7]。此外,一些学者认为,有偿配额和免费配额有其优点和缺点。宣、张相信免费配额已经对社会经济产生什么影响,但在公平和效率有严重缺陷。支付限额很容易被强大的垄断行业配额拍卖过程中(8]。丁和冯认为免费配额可以减少生产企业的负担,但减排的成本将转嫁到消费者身上。支付限额将会影响企业的利润,影响到他们的竞争地位,但它有利于形成一个透明的市场价格和反映企业的边际减排成本(9]。目前,碳排放配额的分配采用混合的方式,从免费配额过渡到支付限额。胡锦涛等人提出,单一或混合配额方法在不同行业产生重大影响碳市场的运营效率10]。吴等人表明,它更有利于采用不同的配额方法在碳市场建立的早期阶段(11]。
不同的学者有不同的意见以市场为基础的低碳政策,如碳税、碳排放交易,减排补贴。研究碳税政策,绝大多数学者都认为碳税政策是有效的。Shikha和Aditi表明,碳税政策是一个灵活和减少排放量的有效工具构建一个可持续的库存模型(12]。Baranzini等人认为,碳税政策可以获得隐性福利,和它的负面影响可以抵消税收设计。然而,一些学者认为,碳税政策的影响不显著(13]。Botteon和Carraro认为,没有证据表明碳税政策将大大降低碳排放(14]。李等人表明,碳税政策不能达到减少碳排放的影响和不断增长的双重红利在短期内(15]。在碳交易政策方面,多数学者已经证明了碳交易政策的有效性在减少排放和增加社会福利通过实证研究16,17]。碳交易价格和碳配额的分配将大大影响碳交易政策的减排效果。通过引入减排补贴政策,大多数学者已经证明的协同减排影响减排补贴政策。他越发现,使用低强度环境技术补贴可能会降低企业的减排成本和提高环境质量18]。王等人表明,碳排放税和减排补贴可以产生更大的减排,以及减排政策应逐渐从碳税转移到减排补贴(19]。基于上述研究,为了更好地安排政策组合创新,本研究将低碳政策组合分为两类。一是指挥控制类型,包括免费配额分配和支付限额分配。另一种是基于市场的类型,包括碳税、碳排放交易,减排补贴。指挥和控制低碳政策意味着政府通过法规及其他手段限制环境污染。以市场为基础的低碳政策指导消费者通过市场机制来降低污染水平。
此外,低碳政策组合,而单一的低碳政策,可以产生更好的减排效果和社会福利。刁等人提出的低碳政策组合可以促进改善低碳产品的最优减排率(20.]。王等人提出的低碳政策组合可以扩大减排边界的供应链和节省政府的实施成本21]。随着低碳政策组合的发展理论,学者进一步提出政策组合创新。政策组合是动态的,互动的政策组合是政策组合创新的核心内容22]。创新政策组合的特征包括一致性,连贯性,诚信,全面性和充分性23]。一些学者也提出政策组合的创新特征反映在治理和政策空间(24,25]。使用低碳政策组合的创新越来越重要。Karoline和Schleich提出政策组合创新与创新呈正相关支出的可再生能源,和政策组合创新应该更关注在未来低碳和生态创新[26]。Costantini等人提出,有限的政策组合将减少政策的有效性,只有全面的政策组合创新可以产生节能环保技术(27]。此外,在绿色和低碳城市发展方面,智能城市建设也是一个重要的部分。朱等人提出,智能城市可以减少污染和改善生态环境的质量28]。施等人指出,智能城市建设可以有效地减少城市环境污染通过创新驱动(29日]。智能城市建设不可或缺的一部分,道路交通应多关注政策组合创新[30.]。因此,当引入碳减排政策道路交通,中国可以考虑引入单一或混合低碳政策在不同时期达到最优减排效果。目前,很少有文献介绍的低碳政策减少碳排放的道路交通,和实证研究文献也是稀缺的。因此,本研究介绍了低碳政策到私家车的减少碳排放和基于消费者的角度进行定量分析。本研究的其余部分组织如下。部分2神经网络建立的比较模型GA-BP BP-AdaBoost神经网络和消费者的成本-收益模型。部分3比较预测结果GA-BP神经网络模型和BP-ADA之间的神经网络模型。部分4比较和分析了实现低碳政策组合的影响从消费者的角度来看。部分5得出结论并给出建议。
2。材料和方法
基于城市私家车轨迹数据,本研究建立了优化的BP神经网络模型GA和BP神经网络模型优化的学习演算法。遗传算法是一种方法通过模拟自然进化过程搜索最优解。BP神经网络是一个多层前馈神经网络训练误差反向传播算法。前的GA-BP算法BP算法。遗传算法是第一次使用继承的初始优化值随机点集,这是作为BP算法的初始重量,然后由BP训练算法。演算法是一种迭代算法。它的核心思想是训练不同的分类器(弱分类器)相同的训练集,然后组装这些弱分类器构成一个更强的最终分类器(强分类器)。BP-AdaBoost算法的BP神经网络作为一个弱分类器,反复训练BP神经网络预测的示例输出,并获得一个强分类器由多个BP神经网络弱分类器的学习演算法(31日]。在这项研究中,里程,旅行时间和燃料消耗的私家车作为预测变量和碳排放作为目标变量。RMSE、美和错误的两种模型的仿真结果是用来判断模型的性能。此外,本研究以碳排放单位英里为减排的标准补贴。消费者超过单位英里不能获得碳排放减排补贴。
2.1。GA-BP神经网络模型和BP-AdaBoost神经网络模型
本研究建立了一个三层GA-BP神经网络模型并选择10000城市私家车轨迹数据。遗传算法的初始化参数设置如下:迭代的数量是30;人口规模是10;交叉概率是0.5;和变异概率是0.132]。此外,神经网络的训练误差作为遗传算法的健身价值。本研究采用轮盘赌的操作模式。选中的个体有一定概率在这健身传递给下一代,而每个个体被选中的概率如下: 在哪里被选中的概率,个人健身。交叉操作是一个随机配对的个体在一个人口交换基因。十字架继承如下: 在哪里的cross-interchange吗xth染色体在我,的cross-interchange吗yth染色体在我,是一个在0到1之间的随机数。变异操作是使用突变概率产生新基因。的遗传变异我th个人如下:
在上面的公式中,是基因的最大值,是基因的最小值,是基因的我th个人,在0到1之间的随机数,是迭代的数量,的最大迭代数,是随机的数字。算法解决了最优权重和阈值迭代和分配最优初始阈值和权重预测的BP神经网络模型。
BP-AdaBoost神经网络模型建立在这项研究中也是一个三层神经网络结构。最初的样本数据重量是1/7000。预测误差和预测BP神经网络训练得到的重量如下: 在哪里是样品的重量数据,是预测误差,是预测的重量。下一轮的样品重量调整根据以下方程: 在哪里是归一化因子,是分类器函数,之后呢迭代。强烈的预测功能函数的组合吗组弱的预测,可以给出如下:
GA-BP神经网络模型和BP-AdaBoost神经网络模型预测结果的可信度,本研究使用均方根误差(RMSE)和平均绝对误差(MAE)作为标准。索引值越小,模型的预测性能越高。之间的预测结果的比较GA-BP神经网络模型和BP-AdaBoost神经网络模型,本研究采用误差和预测误差的绝对值之和作为比较的标准。索引值越小,模型的预测性能越高。此外,GA-BP神经网络提出了算法的伪代码1的伪代码,BP-AdaBoost神经网络提出了算法2。
|
||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||
2.2。消费成本-收益模型
本研究中采用的低碳政策是碳配额分配、碳税、碳排放交易,和减排补贴。碳配额减少温室气体排放的目标,必须满足。碳排放配额分配分为免费配额,配额。碳税政策是指对二氧化碳排放征税。碳交易是一种市场交易机制,使用二氧化碳排放作为一种商品来减少温室气体排放。减排补贴补贴由政府私家车使用一组标准的碳排放。在不同混合低碳政策,消费者的参与意愿,社会效益和碳减排效应随消费者的成本效益。因此,本研究设计了六种混合比较低碳政策参与的意愿,社会效益和碳减排效应从消费者的角度来看。消费者的参与意愿是由其单位成本效益评估;消费者的社会效益评估消费者的收益和成本之间的差异; the emission reduction effect of policy implementation is evaluated by the difference between consumers’ equilibrium emissions and actual emissions. The equilibrium emissions of consumers are the carbon emissions when the difference between consumer costs and benefits is zero.
免费配额的政策组合下,碳交易,减排补贴,免费配额分配方法时,消费者可以得到由政府提供的免费配额。在实际的发射过程中,消费者超过他们需要购买碳排放限额满足他们的要求,而消费者剩余配额出售碳排放得到好处。他们两人完成这个过程通过参与碳交易。此外,政府还将资助私家车比要求每公里产生更少的碳。成本效益和减排补贴消费者的如下: 在哪里是消费者获得的利益,由消费者支付的成本,是单位成本效益的消费者免费配额的政策组合下,碳交易,减排补贴,是消费者的免费碳排放,消费者的实际碳排放量,碳的价格,减排补贴,是碳排放单位英里,驾驶里程,是补贴率,是碳排放的标准/里程。
在免费的配额和碳交易政策组合下,消费者可以获得政府提供的免费配额。在实际的发射过程中,双方参与碳交易买卖碳排放满足各自的要求。消费者无法获得减排补贴,消费者的成本效益如下: 在哪里是单位成本效益的消费者免费配额和碳交易政策组合。免费配额的政策组合下,碳排放税,和减排补贴,消费者可以获得免费配额和开车时排放二氧化碳。政府征收碳排放税增加消费者的旅游成本,以促进消费者的低碳减排。此外,引入减排补贴可以提高消费者的减排潜力。消费者的成本效益如下: 在哪里是碳税税率,是单位成本效益的消费者免费配额的政策组合下,碳排放税,减排补贴。从免费配额的角度来看,碳税,并没有减排补贴政策组合,消费者无法获得减排补贴( ),所以消费者的单位成本效益是零。支付限额的政策组合下,碳减排补贴,消费者需要从政府购买碳信用额,参与碳交易,并接受碳减排补贴。配额的方法支付限额增加消费者的碳成本,但是减排补贴和碳交易政策可以增强消费者的热情。在碳交易的过程中,消费者可以出售碳配额的好处,和私人汽车碳排放量较低可以得到好处。消费者的成本效益如下: 在哪里是单位成本效益的消费者支付限额的政策组合下,碳交易,减排补贴。支付限额的政策组合下,碳交易,也没有减排补贴,进一步增加的碳成本,消费者可以通过碳交易获得需求在实际发射过程。消费者的单位成本效益如下: 在哪里是单位成本效益的消费者支付限额的政策组合下,碳交易,没有减排补贴。从支付限额的角度来看,碳税和减排补贴政策组合,消费者需要购买政府的配额。政府也征收碳排放税当消费者排放二氧化碳,但减排补贴的政策将减少消费者适当的碳成本。消费者的单位成本效益如下: 在哪里是单位成本效益的消费者支付限额的政策组合下,碳排放税,减排补贴。当消费者无法获得减排补贴,是零。因此,消费者的单位成本效益是0。此外,消费者的社会效益计算的总和 - - - - - - 的差异。消费者的减排计算平衡碳排放之间的差异和实际的碳排放量 - - - - - - 是零。社会效益和减排为消费者提供如下: 在哪里是社会效益,是减排,是碳排放的平衡。
3所示。结果与讨论
3.1。两个模型之间的误差比较
本研究选择10000城市私家车轨迹数据作为训练集和测试集的比例根据7:3。开车行驶里程、行驶时间、燃料消耗是作为神经网络的预测变量。通过调整隐层神经元的数目,BP-AdaBoost神经网络之间的误差模型和BP-AdaBoost神经网络模型建立在这项研究中给出了表1(1]。
下表1时,所有的指标都是最优的神经元的数量是10 GA-BP神经网络模型。因此,本研究建立了一个3-10-1 GA-BP神经网络模型。BP-AdaBoost神经网络模型中,所有指标最优当神经元的数量是9。因此,本研究建立了一个3-9-1 BP-AdaBoost神经网络模型。如图1,本研究以0.01为一个合理的误差范围。误差范围小于0.01时,GA-BP神经网络的的错误数量是1823,和BP-AdaBoost神经网络的错误的数量是1654。在其他误差范围,GA-BP神经网络的误差小于BP-AdaBoost神经网络;GA-BP神经网络优越。此外,GA-BP神经网络预测的总误差为24.78,出错率是0.25%,总BP-AdaBoost神经网络预测误差为28.49,出错率是0.28%。因此,GA-BP神经网络的预测结果优于整体BP-AdaBoost神经网络。
3.2。仿真结果的比较
在误差比较,RMSE、美和GA-BP神经网络模型的误差和小于BP-AdaBoost神经网络模型。此外,如图2和3,GA-BP神经网络模型的预测误差在0.03,和BP-AdaBoost神经网络模型的预测误差在0.35。当误差范围小于0.01,GA-BP神经网络的预测精度是60.77%,而BP-AdaBoost神经网络的预测精度仅为55.13%。当误差范围小于0.25,GA-BP神经网络的预测精度是99.93%,而BP-AdaBoost神经网络的预测精度为97.87%。此外,个人GA-BP神经网络的误差只有0.248,而个人的错误率BP-AdaBoost神经网络是0.341。因此,GA-BP神经网络的预测结果更好。本研究建立了一个3-10-1 GA-BP神经网络模型来模拟预测。
模拟的预测结果表2;预期的碳排放计算了IPCC计算公式。碳排放的预测神经网络的预测结果,单位里程和碳排放的碳排放单位公里是私人汽车。减排补贴计算公式(1)。
在表2GA-BP神经网络的预测误差小于0.02。结果是优秀的。此外,每公里二氧化碳排放量超过规定的排放标准,不接受减排补贴。减排补贴规定的排放标准。
4所示。比较从消费者角度的政策组合的实现效果
4.1。消费者的参与意愿的比较在政策组合
从的角度来看和 ,消费者的利益和单位成本效益是0,这不会是在这项研究中。如图4免费配额的分配下,碳排放之前到达一个,单位成本效益的消费者是最优的混合;碳排放达到后点一个,单位成本效益的消费者是最优的混合,和消费者的参与意愿是最高的。支付限额的分配下,在碳排放点B,单位成本效益的消费者是最优的混合。当点之间的碳排放量B和点C,单位成本效益的消费者是最优的混合;碳排放达到后点C,单位成本效益的消费者是最优的混合,和消费者的参与意愿是最高的。总体而言,碳排放量继续增加时,单位成本效益的消费者是最优的,和消费者的参与意愿是最高的混合。
4.2。消费者的减排效果的比较在政策组合
如图5低碳政策支付限额时,消费者的减排效果是最佳的混合,这始终是高于混合和 。低碳政策免费配额时,减排的影响消费者的观点 , ,和是不同的。总的来说,消费者的减排效果的混合下免费配额总是比的混合支付限额。之前的驾驶里程达到点D,消费者的减排效果是最佳的混合。当驾驶里程点之间D和点E,消费者的减排效果是最佳的混合。后驾驶里程达到点E,消费者的减排效果是最佳的混合。
4.3。消费者的社会福利政策组合下的比较
如图6之前,达到碳排放点F,消费者是最优的社会效益混合。当碳排放之间的点F和点G,消费者是最优的社会效益混合。碳排放达到后点G,消费者是最优的社会效益混合。消费者支付限额下的社会福利政策组合是不同的。一般来说,消费者的社会福利在免费配额政策组合显然比付费配额政策组合。
5。结论
基于城市私家车轨迹数据,本研究建立了GA-BP神经网络模型和BP-AdaBoost神经网络模型仿真比较,发现GA-BP神经网络模型的预测结果更准确。此外,基于GA-BP神经网络模型的预测结果,本研究比较了消费者的参与意愿、减排效果和社会效益在多个场景和低碳政策组合创新发现,免费配额的政策组合是优于配额在这些方面。至于消费者的参与意愿,碳交易和减排补贴最高最好的单位成本效益和消费者的参与意愿在短期内;的混合碳交易和没有更好的长期减排补贴。至于减排的影响,碳交易的政策组合和零排放削减补贴将导致更好的减排效应对消费者在短期内;碳税的政策组合和减排补贴从长远来看要好。对于消费者的社会效益,碳交易和减排补贴的政策组合将在短期内最好的社会效益;碳税的政策组合和减排补贴有更好的长期社会效益。因此,从不同的角度指标、低碳政策组合的政策的实施效果是不同的,而且最好是在短期内实施碳交易政策和长期的碳税政策。
本研究结合五低碳政策的框架,结合成碳减排对私人汽车,定量比较了消费者的参与意愿、减排效果和社会效益在多个低碳政策组合创新,并提供政策思路减排智能城市的私家车。
为了构建一个智能城市可持续发展和顺利实现碳排放峰值和碳中和,有必要为公路运输实现碳减排计划。基于低碳政策组合创新在这项研究中,提出相关政策建议可以从以下几个方面:(1)优惠免费配额的政策组合的应用。免费配额的政策组合可以鼓励消费者参与和提高减排。在本研究的实证研究,免费配额的政策组合是优于支付限额。(2)碳交易政策在短期内实施碳税政策将在长期内实现的,和一个合适的减排补贴的政策组合将适时采用。碳交易政策较低的社会成本和实施成本高,和消费者更愿意参与短期内,而碳税政策具有较高的社会成本和较低的实现成本。从长远来看,这将会进一步减少碳排放。及时的创新和采用低碳政策组合可以增强消费者的参与意愿和减排效果(33]。(3)考虑减排路径下多个低碳政策和创新,可以结合低碳政策组合以市场为基础的低碳政策和指挥控制低碳政策促进城市私家车的减少碳排放。
数据可用性
使用的数据来支持本研究的发现没有提供,因为保密协议的研究合作者。数据形成一个持续的商业计划和研究的一部分。
的利益冲突
作者宣称没有利益冲突。
确认
本研究支持低碳转型路径和政策组合创新基于绿色治理、国家社会科学基金(19 cgl043)。