[发明专利]汽车碳税交易方法、云平台及计算机可读存储介质

权利要求书

1.一种汽车碳税交易方法，其特征在于，所述方法包括：

获取训练样本，所述训练样本为用于训练碳排放测算模型的汽车尾气数据；

根据所述训练样本，采用无监督学习方法训练得到碳排放测算模型；

在当前测算时间内，获取各个汽车尾气监测模块监测到的待测算汽车尾气数据；

根据所述碳排放测算模型，分析所述待测算汽车尾气数据，以得出基于不同碳排放量范围的群组，并确定每个群组对应汽车的碳税。

2.如权利要求1所述的汽车碳税交易方法，其特征在于，所述根据所述训练样本，采用无监督学习方法训练得到碳排放测算模型的步骤包括：

根据所述训练样本，通过K-means算法训练得到碳排放测算模型。

3.如权利要求2所述的汽车碳税交易方法，其特征在于，所述根据所述训练样本，通过K-means算法训练得到碳排放测算模型的步骤包括：

通过K-means算法对所述训练样本进行聚类，以将所述训练样本划分为基于不同碳排放量范围的群组，从而得到碳排放测算模型。

4.如权利要求3所述的汽车碳税交易方法，其特征在于，所述通过K-means算法对所述训练样本进行聚类，以将所述训练样本划分为基于不同碳排放量范围的群组，从而得到碳排放测算模型的步骤包括：

A、从所述训练样本中任意选择k个碳排放量数据作为初始聚类中心；

B、计算所述训练样本中每个碳排放量数据与各个初始聚类中心之间的距离；

C、将所述训练样本中每个碳排放量数据分配给距离其最近的初始聚类中心，当所述训练样本中的全部碳排放量数据分配完成时，得到k个基于不同碳排放量范围的群组；

D、根据每个群组中现有的碳排放量数据重新计算每个群组的聚类中心，计算所述训练样本中每个碳排放量数据与所述聚类中心的距离，并将所述训练样本中每个碳排放量数据分配给距离其最近的聚类中心，当所述训练样本中的全部碳排放量数据分配完成时，得到k个基于不同碳排放量范围的群组；

E、重复步骤D，直至满足预设终止条件，得到碳排放测算模型。

5.如权利要求1所述的汽车碳税交易方法，其特征在于，所述根据所述碳排放测算模型，分析所述待测算汽车尾气数据，以得出基于不同碳排放量范围的群组的步骤包括：

将所述待测算汽车尾气数据，代入所述碳排放测算模型，得到基于不同碳排放量范围的群组。

6.如权利要求5所述的汽车碳税交易方法，其特征在于，所述确定每个群组对应汽车的碳税的步骤包括：

根据每个群组对应的碳排放量范围，确定每个群组对应的碳税等级；

根据每个群组对应的碳税等级，结算每个群组对应汽车的碳税。

7.如权利要求6所述的汽车碳税交易方法，其特征在于，所述根据每个群组对应的碳排放量范围，确定每个群组对应的碳税等级的步骤包括：

分别将每个群组对应的碳排放量范围与预存的各个碳税等级对应的碳排放量范围进行匹配，以确定每个群组对应的碳税等级。

8.如权利要求6所述的汽车碳税交易方法，其特征在于，所述方法还包括：

将结算的碳税反馈至对应汽车，以供相应的车主缴纳碳税。

9.一种云平台，其特征在于，所述云平台包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的汽车碳税交易程序，所述汽车碳税交易程序被所述处理器执行时实现如下步骤：

获取训练样本，所述训练样本为用于训练碳排放测算模型的汽车尾气数据；

根据所述训练样本，采用无监督学习方法训练得到碳排放测算模型；

在当前测算时间内，获取各个汽车尾气监测模块监测到的待测算汽车尾气数据；

根据所述碳排放测算模型，分析所述待测算汽车尾气数据，以得出基于不同碳排放量范围的群组，并确定每个群组对应汽车的碳税。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有汽车碳税交易程序，所述汽车碳税交易程序被处理器执行时实现如下步骤：

获取训练样本，所述训练样本为用于训练碳排放测算模型的汽车尾气数据；

根据所述训练样本，采用无监督学习方法训练得到碳排放测算模型；

在当前测算时间内，获取各个汽车尾气监测模块监测到的待测算汽车尾气数据；

根据所述碳排放测算模型，分析所述待测算汽车尾气数据，以得出基于不同碳排放量范围的群组，并确定每个群组对应汽车的碳税。