(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210887535.X (22)申请日 2022.07.26 (71)申请人 广东工业大 学 地址 510006 广东省广州市东 风东路729号 申请人 长安大学 (72)发明人 刘圆圆　李倩溶　王元庆　罗卓健　 利培杰　张锦华　林友安　 (74)专利代理 机构 西安正华恒远知识产权代理 事务所(普通 合伙) 61271 专利代理师 黄鑫 (51)Int.Cl. G06Q 10/04(2012.01) G06K 9/62(2022.01) G06Q 50/26(2012.01) (54)发明名称 基于K-Means聚类算法的公路碳减排路径确 定方法 (57)摘要 本发明公开了一种基于K ‑Means聚类算法的 公路碳减排路径确定方法， 包括以下步骤： S1： 确 定公路建设项目中各个层级的碳排放量， 并根据 各个层级的碳排放量确定各个层 级的投入成本； S2： 确定不同层级的聚类样本， 并进行聚类样本 分配； S3： 根据聚类样本分配结果、 各个层级的碳 排放量和投入成本， 确定碳排放路径。 本发明考 虑碳排放来源差异、 重要度以及减排成本， 提供 一种基于 K‑Means聚类算法的公路建设碳减排路 径制定方法； 考虑了公路建设建筑安装成本， 公 路建设减碳双指标判别， 差异化且阶段化减排路 径制定更加科 学合理， 实用性更强。 权利要求书2页 说明书5页 附图1页 CN 115293413 A 2022.11.04 CN 115293413 A 1.一种基于K ‑Means聚类算法的公路碳减排路径确定方法， 其特征在于， 包括以下步 骤： S1： 确定公路建设项目中各个层级的碳排放量， 并根据各个层级的碳排放量确定各个 层级的投入成本； S2： 确定不同层级的聚类样本， 并进行聚类样本分配； S3： 根据聚类样本分配结果、 各个层级的碳 排放量和投入成本， 确定碳 排放路径。 2.根据权利 要求1所述的基于K ‑Means聚类算法的公路碳减排路径确定方法， 其特征在 于， 所述步骤S1包括以下子步骤： S11： 确定公路建 设项目的各个层级， 并确定基础 层的碳排放要素； S12： 根据基础 层的碳排放要素， 计算基础 层的碳排放量； S13： 根据基础 层的碳排放量， 计算其余层级的碳 排放量； S14： 根据各个层级的碳 排放量确定各个层级的投入成本 。 3.根据权利 要求2所述的基于K ‑Means聚类算法的公路碳减排路径确定方法， 其特征在 于， 所述步骤S12中， 基础 层的碳排放量ELM的计算公式为： 式中， Xij为基础层M第i单元的第j个投入要素的活动水平， fij为投入要素Xij单位活动 水平对应的二氧化 碳排放系数， n表示单位个数； 所述步骤S13中， 其 余层级的碳 排放量EL0,EL1,EL2,...,EL(M‑1)的计算公式为： 式中， EL0,EL1,EL2,…,ELM表示各个层级的碳 排放量。 4.根据权利 要求1所述的基于K ‑Means聚类算法的公路碳减排路径确定方法， 其特征在 于， 所述步骤S2包括以下子步骤： S21： 确定不同层级 的聚类样本， 确定聚类样本的分类数K， 并初始化K个类的中心向量 uz； S22： 根据当前类的中心向量uz， 确定每个聚类样本所属类， 进行聚类样本分配。 5.根据权利 要求4所述的基于K ‑Means聚类算法的公路碳减排路径确定方法， 其特征在 于， 所述步骤S22中， 确定每个聚类样本所属 类的具体方法为： 计算各个聚类样本与各个类 的中心向量的距离dijz， 将各个聚类样本分配至距离dijz最小对应的类。 6.根据权利 要求5所述的基于K ‑Means聚类算法的公路碳减排路径确定方法， 其特征在 于， 所述步骤S22中， 各个聚类样本与各个 类的中心向量的距离dijz的计算公式为：权　利　要　求　书 1/2 页 2 CN 115293413 A 2dijz＝||Xij‑uz|| 式中， Xij为基础层M第i单 元的第j个投入要素的活动水平， uz为各个类的中心向量。 7.根据权利 要求1所述的基于K ‑Means聚类算法的公路碳减排路径确定方法， 其特征在 于， 所述步骤S3包括以下子步骤： S31： 利用样本均值法更新各个类的中心向量， 直至各个聚类样本与各个类的中心向量 的距离dijz小于设定距离阈值， 并进入步骤S32； S32： 更新聚类样本的分类数 K， 得到最优聚类参数 K′； S33： 基于最优聚类参数 K′， 根据各个层级的碳 排放量和投入成本， 确定碳 排放路径。权　利　要　求　书 2/2 页 3 CN 115293413 A 3