[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

说明书

本发明公开了一种汽车碳税交易方法、云平台及计算机可读存储介质，该方法包括：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。本发明为汽车碳税交易提供了较为简便的方式，有着良好的可行性和操作性。

技术领域

本发明涉及碳减排技术领域，尤其涉及一种汽车碳税交易方法、云平台及计算机可读存储介质。

背景技术

随着经济的快速发展，人们的生活消费水平大幅度提升，也带了能源消费总量的不断攀升，人们生产生活中所排放的大量二氧化碳是全球气候持续上升的首要因素，温室效应与二氧化碳密不可分。其中，随着汽车的不断普及，汽车的二氧化碳排放问题备受关注，对汽车征收碳税是削减汽车二氧化碳排放的有效举措，然而，要对大量汽车实施碳税交易，其可行性和操作性较低。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种汽车碳税交易方法、云平台及计算机可读存储介质，旨在为汽车碳税交易提供较为简便的方式，提高汽车碳税交易的可行性和操作性。

为实现上述目的，本发明提供一种汽车碳税交易方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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：