多源信息融合下冷链配送车辆碳排放动态预测方法.pdf

2024年7月第6卷第4期智慧农业（中英文）SmartAgricultureJul.2024Vol.6,No.4

多源信息融合下冷链配送车辆碳排放动态预测方法

1，41，31，21，31，34*

杨霖，刘双印，徐龙琴，赫敏，绳庆峰，韩佳伟

（1.仲恺农业工程学院信息科学与技术学院，广东广州510225，中国；2.仲恺农业工程学院广州市农产品质量安

全溯源信息技术重点实验室，广东广州510225，中国；3.仲恺农业工程学院智慧农业创新研究院，广东广州

510225，中国；4.北京市农林科学院信息技术研究中心，北京100097，中国）

摘要：［［目的目的/意义意义］］冷链配送碳排放动态预测是企业碳排放精准评估及其绿色信用等级评定的重要依据。本研

究面向车辆碳排放受路况信息、行驶特征、制冷参数等多因素影响，提出一种融合多源信息的冷藏车辆碳排放动

态预测模型。［［方法方法］］基于道路车辆数量与像素面积占比表征路况信息，构建基于改进YOLOv8s的路况信息识别

模型，并以路况信息、行驶特征（速度、加速度）、货物重量、制冷参数（温度、功率）等为输入，构建基于改进

iTransformer的冷藏车辆碳排放动态预测模型。最后与其他模型展开对比分析，分别验证路况信息识别与车辆碳排

放动态预测的精度。［［结果结果］］改进的YOLOv8s路况信息识别模型在精确率、召回率和平均识别精度上分别达到

98.1%、95.5%和98.4%，比YOLOv8s分别提高了1.2%、3.7%和0.2%，参数量和运算量分别减少了12.5%和

31.4%，检测速度提高了5.4%。改进的iTransformer模型碳排放量预测的均方误差、平均绝对误差、均方根误差和

2

R分别为0.0261%VOL、0.0791%VOL、0.1615%VOL和0.9400，均优于其他时序预测模型。［［结论结论］］提出的多

源信息融合下冷链配送碳排放预测模型可实现对冷藏车辆碳排放量的精准预测，为有效降低冷链配送碳排放与提

升配送企业绿色信用等级等提供理论参考。

关键词：冷链配送；碳排放；路况识别；时序预测；YOLOv8s；iTransformer；多源信息融合；渐进特征金字塔

网络

中图分类号：S24文献标志码：A文章编号：SA202403020

引用格式：杨霖,刘双印,徐龙琴,赫敏,绳庆峰,韩佳伟.多源信息融合下冷链配送车辆碳排放动态预测方法[J].智慧

农业(中英文),2024,6(4):138-148.DOI：10.12133/j.smartag.SA202403020

YANGLin,LIUShuangyin,XULongqin,HEMin,SHENGQingfeng,HANJiawei.DynamicPredictionMethodforCar‐

bonEmissionsofColdChainDistributionVehicleunderMulti-SourceInformationFusion[J].SmartAgriculture,2024,6

(4):138-148.DOI：10.12133/j.smartag.SA202403020(inChinesewithEnglishabstract)

［4,5］

0引言成为近年来相关学者主要研究热点之一。