CN107564277A - 新能源小汽车发展对交通拥堵分析方法 - Google Patents

Abstract

本发明公开了一种新能源小汽车发展对交通拥堵影响的分析方法，包括：建立需求调控的一般性控制模型，输入新进入路网的小汽车的自然需求与出发时间的联合分布，输出为路网运行速度；以各自规模为权值将燃油车与新能源车的联合分布加权求和获得该联合分布；联合分布在某一出发时刻的条件分布为该时刻新进入路网车辆的自然需求分布，该自然需求分布与上一时刻的剩余需求分布相加得到当前时刻的总需求分布，对总需求分布积分得到当前时刻的路网负荷和路网速度；根据当前时刻的路网速度计算遗留给下一时刻的剩余需求分布；进而得到下一时刻对应的路网负荷及路网速度,如此递归得到新能源车出行需求与燃油车需求共同作用下路网速度随时间的变化过程。

Description

新能源小汽车发展对交通拥堵分析方法

技术领域

本发明涉及交通状况分析技术领域，尤其涉及一种新能源小汽车发展对交通拥堵影响的分析方法。

背景技术

新能源车是能源安全和环境保护要求下汽车工业发展的必然趋势。相对于燃油车，较低的能量成本刺激了新能源车的使用强度。由于新能源车在出行空间和时间特征与燃油车不同，增加同样规模的新能源车和燃油车对交通拥堵的影响不尽相同。随着新能源车在机动车保有量中占比的增加，其对交通拥堵的影响逐渐凸显，需要对新能源小汽车发展对交通拥堵进行定量分析。

现有研究通过建立由路段组成的路网模型，根据新能源车的增量和出行特征计算增加的OD，并将其分配到路网进行仿真。模型大致分为三类：1、基于四阶段法的，以汉城拥挤管理SECOMM模型、Ikki四阶段改进模型，TRIMMS模型为代表；2、基于出行链的，以SanFrancisco模型、VISEM模型为代表；3、基于活动的，以Columbus模型和STARCHILD模型为代表，区别在于对需求的定义、产生、划分的方法不同。静态仿真中路段上的需求是固定的，动态仿真考虑到路网运行对需求的反作用，以最低费用、最小时延等为目标进行最优化求解。该类方法需要对每条路段建模，包括建立状态函数、特性函数及阻抗函数等，而且在应用中由于道路拓扑、信号灯周期、机非混行、路侧停车等各种因素影响，路段特性千差万别，建立广泛适用的路段模型并标定参数十分困难，导致该类方法适应性低，复杂度高、建模效率低。

元胞传输模型(Cell Transmission Model,CTM)降低了仿真复杂度，但主要针对道路交通流仿真，在大规模路网仿真中效果并不理想。Daganzo等人提出宏观基本图(Macroscopic Fundamental Diagram,MFD)的概念，以描述区域内在网车辆数与网络运行水平之间关系、在网车辆数与区域输出流量、区域内总流量与密度之间的关系，以及总行驶里程与总行驶时间之间的关系。进一步的研究提出了CTM和MFD结合的模型。MFD从宏观上建立了交通要素之间的联系，仿真效率较高，但未揭示拥堵形成及消散过程中各要素之间相互影响的动态关系。

发明内容

有鉴于此，本发明提供一种新能源小汽车发展对交通拥堵分析方法，从而获得新能源车不同增量对路网运行速度的影响。

为达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供了一种新能源小汽车发展对交通拥堵分析方法，包括如下步骤：

建立需求调控的一般性控制模型，所述模型的输入为新进入路网小汽车的自然需求u与出发时间i的联合分布输出为对应的路网运行速度v(i)，联合分布代表了出行的自然需求特征；其中，小汽车包括燃油车和新能源车,燃油车和新能源车分别具有描述各自类型小汽车出行需求特征的联合分布，以各自规模为权值将燃油车的联合分布和新能源车的联合加权求和获得描述进入路网的小汽车出行需求特征的联合分布

联合分布在某一出发时刻的条件分布为该时刻新进入路网车辆的自然需求分布，对于该时刻i，新进入路网小汽车的自然需求分布与上一时刻的剩余需求分布相加得到当前时刻的总需求分布P(u/i)，对总需求分布积分得到当前时刻的路网负荷r(i)，根据路网负荷与路网速度的关系式得到当前时刻路网速度v(i)；

根据时刻i的路网速度得到留给下一时刻的剩余需求分布 式中ρ_i为供给系数，v_f为自由流速度，Δt为离散化的时间间隔；

当前时刻的剩余需求分布与下一时刻新进入路网小汽车的自然需求分布相加得到下一时刻的总需求分布P(u/i+1)，进而得到下一时刻相应的路网负荷r(i+1)及对应的路网速度v(i+1)；

如此递归，推演特定的新能源车出行需求与燃油车需求共同作用下路网速度v(i)随时间的变化过程.

作为优选，将新进入路网小汽车的自然需求分布按照新能源小汽车和燃油车调控的规则进行调整，然后输入所述模型得到对应的路网速度的动态变化过程，通过对比调整前后的速度变化得到新能源小汽车发展对道路交通的影响。

作为优选，进入路网小汽车的自然需求的获取公式如下：

进入路网小汽车的联合分布＝新能源车需求特征×其规模+燃油车需求特征×其规模 (1)

其中规模为保有量乘以出车率，新能源车和燃油车的需求特征为各自的自然需求与出发时间的联合分布，分别使用各自的历史数据标定，在一段时期内相对固定。作为优选，通过调节权值大小仿真新能源车不同发展规模对路网运行的影响，同时根据设定的路网速度可反推对应的发展规模。

与现有技术相比，本发明的有益效果在于：

本发明突破现有技术中需要对路网建模复杂性高、参数标定难、缺乏机理性分析的限制，将路网运行作为整体，抽象出路网负荷、剩余需求等若干系统级要素，建立各要素相互影响的理论模型，分析在网小汽车数影响路网运行效率，同时路网运行效率影响在网小汽车数这一递归问题，实现了对尾号限行、错峰出行等需求管理政策实施效果预评估以及新能源小汽车发展对交通拥堵影响分析等问题的高效仿真。

附图说明

图1为新能源小汽车和燃油车出发时间的对比图；

图2a和图2b分别为燃油车和新能源小汽车出行次数分布图；

图3a和图3b分别给出了二者按单次出行距离的行程数分布及累积概率分布；

图4a和图4b分别给出了二者按全天行驶距离的小汽车数分布及CDF；

图5给出了新能源车和燃油车行程速度分布对比图；

图6a及图6b分别为从城中心向外的不同带状区域中，样本总行驶距离分布对比图和不同区域所包含的总行程数分布对比图；

图7本发明方法的模型原理示意图；

图8a和图8b分别为燃油车和新能源车的出行需求二维联合分布

具体实施方式

下面结合具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。在下述说明中，不同的“一实施例”或“实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

本发明中涉及的术语解释如下：

自然需求：车辆以自由流速度完成行程所需时间，单位：小时。

剩余需求：车辆在当前时刻未完成的自然需求，单位：小时。

总需求：当前时刻新产生的自然需求与之前时刻的剩余需求之和。

路网负荷：同时在网车辆数，单位：辆。

在此基础上，本发明提供了一种新能源小汽车发展对交通拥堵影响分析方法，本发明突破现有技术中需要对路网建模复杂性高、参数标定难、缺乏机理性分析的限制，将路网运行作为整体，抽象出路网负荷、剩余需求等若干系统级要素，建立各要素相互影响的理论模型，分析在网车辆数影响路网运行效率，同时路网运行效率影响在网车辆数这一递归问题。下面对本发明提供的进行说明。

新能源小汽车发展对交通拥堵分析方法，包括如下步骤：

建立需求调控的一般性控制模型，所述模型的输入为新进入路网小汽车的自然需求u与出发时间i的联合分布输出为对应的路网运行速度v(i)，联合分布代表了出行的自然需求特征；其中，小汽车包括燃油车和新能源车,燃油车和新能源车分别具有描述各自类型小汽车出行需求特征的联合分布，以各自规模为权值将燃油车的联合分布与新能源车的联合加权求和获得进入路网小汽车的联合分布

联合分布在某一出发时刻的条件分布为该时刻新进入路网车辆的自然需求分布，对于该时刻i，新进入路网小汽车的自然需求分布与上一时刻的剩余需求分布相加得到当前时刻的总需求分布P(u/i)，对总需求分布积分得到当前时刻的路网负荷r(i)，根据路网负荷与路网速度的关系式得到当前时刻路网速度v(i)；

根据时刻i的路网速度得到留给下一时刻的剩余需求分布 式中ρ_i为供给系数，v_f为自由流速度，Δt为离散化的时间间隔；

当前时刻的剩余需求分布与下一时刻新进入路网小汽车的自然需求分布相加得到下一时刻的总需求分布P(u/i+1)，进而得到下一时刻相应的路网负荷r(i+1)及对应的路网速度v(i+1)；

如此递归，推演特定的新能源车出行需求与燃油车需求共同作用下路网速度v(i)随时间的变化过程。

本发明突破现有技术中需要对路网建模复杂性高、参数标定难、缺乏机理性分析的限制，将路网运行作为整体，抽象出路网负荷、剩余需求等若干系统级要素，建立各要素相互影响的理论模型，分析在网小汽车数影响路网运行效率，同时路网运行效率影响在网小汽车数这一递归问题，实现了对尾号限行、错峰出行等需求管理政策实施效果与评估以及新能源小汽车发展对交通拥堵影响分析等问题的高效仿真。

作为上述实施例的优选，将新进入路网的小汽车的自然需求分布按照新能源小汽车和燃油车调控的规则进行调整，然后输入所述模型得到对应的路网速度的动态变化过程，通过对比调整前后的速度变化得到新能源小汽车发展对道路交通的影响。

作为上述实施例的优选，进入路网的小汽车的自然需求的获取公式如下：

进入路网小汽车的联合分布＝新能源车需求特征×其规模+燃油车需求特征×其规模 (1)

其中规模为保有量乘以出车率，新能源车和燃油车的需求特征分布为各自的自然需求与出发时间的联合分布，分别使用各自历史数据标定，在一段时期内相对固定。

作为作为上述实施例的优选，通过调节权值大小仿真新能源车不同发展规模对路网运行的影响，同时根据设定的路网速度可反推对应的发展规模。

下面以北京为例，结合附图，通过对本发明进一步说明，以便更好地理解本发明。

数据来源：

数据来自装有信息采集设备的社会车辆，其中新能源车为电动小汽车。通过无线传输设备实时采集车辆GPS位置、油耗、充放电、点火熄火时间等数据。数据空间范围：北京市中心城1368km²，路段数40419；时间范围：燃油车2017年3月6日至2017年3月10日，新能源车2016年7月18至22号。样本车辆数：燃油车1.2万，新能源车4700辆。假设样本燃油车和样本新能源车分别均匀混合于全部燃油车和全部新能源车，可分别作为对同类社会车辆的采样。GPS采集间隔30s，与地图匹配后可得车辆行驶轨迹，路径匹配正确率大于95.6％。行程的起止切分规则：连续五分钟GPS位置的标准差小于20米。

出发时间：

图1给出二者出发时间分布的对比，从中可以看出燃油车呈显著马鞍型分布，高峰通勤出行特征明显，新能源车由于非通勤出行占比高于前者分布较平坦；同时燃油车的早高峰出现时间略早于后者。原因与公务车在新能源车中占比高于在燃油车中占比有关，公务车占比越高，高峰间的公务出行占比越大，高峰越不明显。

出行次数：

图2a和图2b分别为燃油车和新能源小汽车出行次数分布图，通过两者对比，均值分别为3.4及3.9次，新能源车出行次数高于燃油车。最大占比次数分别为2次和4次，一日两次的通勤出行特征在燃油车中较明显，在新能源车中不突出。

出行距离：

图3a和图3b分别给出了二者按单次出行距离的行程数分布及累积概率分布(Cumulative Distribution Function,CDF)，行程距离均值分别为15.1和18公里。从CDF图中可以看出同样阈值下燃油车包含更高比例的行程数，新能源车长距离出行次数比例高于燃油车。

图4a和图4b分别给出了二者按全天行驶距离的车辆数分布及CDF，总行驶距离均值分别为51.2和71.6公里。从CDF图中可以看出同样距离阈值下燃油车包含更高比例的车辆数，新能源车全天长距离使用比例高于燃油车。

出行速度：

图5给出了新能源车和燃油车行程速度分布对比图。新能源车和燃油车均值分别为20.6和24.6，可以看出新能源车的平均出行速度低于燃油车。

出行空间：

图6a及图6b分别给出了从城中心向外的不同带状区域中，样本总行驶距离分布对比，及不同区域所包含的总行程数分布对比。可以看出，六环内区域燃油车和新能源车的行驶距离及行程数增加趋势基本一致，在六环外新能源车保有量较低其出行强度和燃油车有较大差距。

不同区域出行次数占比对比见下表1

表1

环路间区域	燃油车	新能源车	燃油车/新能源车
				二环内	12.3％	12.0％	1.02
二环至三环	22.9％	24.6％	0.93
				三环至四环	30.5％	30.1％	1.01
四环至五环	34.3％	33.3％	1.02

表1给出了燃油车及新能源车在不同带状区域出行次数在其总出行次数中占比，及两类占比的比值，即表中第四列为第二列与第三列的比值，该比值为燃油车和新能源车出行次数的混合比。

不同区域行驶距离占比对比见下表2

表2

环路间区域	燃油车	新能源车	燃油车/新能源车
				二环内	15.6％	14.0％	1.11
二环至三环	23.7％	24.8％	0.96
				三环至四环	26.2％	29.3％	0.89
四环至五环	34.5％	31.9％	1.07

表2给出了燃油车及新能源车在不同带状区域总行驶距离在其出行总距离中占比，及两类占比的比值。可看到出行次数混合比及行驶距离混合比在各区域均近接近于1，燃油车和新能源车在五环内不同区域均大致均匀混合。

出车率：

表3给出了小样本获得的燃油车和新能源车的日均出车率对比，二者相差不足1％，其中燃油车保有量560万中小汽车占450万。

表3日出车率对比

从以上出行特征的对比可以看出新能源车的日均出行次数、出行距离均大于传统燃油车，具有较高的使用强度，增堵的基本面是存在的，同时其出行时间和燃油车又有显著不同。

本发明中，距离、空间和时间特征共同决定了出行对路网运行的影响，出行特征又是特定需求作用于路网的结果。完成需求需要占用路网资源，占用多少和路网运行状态互相影响。在途车辆数增加降低路网运行速度，路网运行速度降低行程延误增加，行程延误增加又增加了车辆同时在途的可能性，在途车辆数增加进一步降低路网速度。需求是递归系统的外部输入，其具有进入路网的空间、时间和行程距离等特征。为了归一化道路条件对需求的影响，以自由流下的行程时间u代替行程距离作为需求测度，也即完成行程所需对路网占用的最少时间，根据行程出发时间构造需求的二维联合分布作为模型输入，其中i为出发时间；随后给出了需求调控对路网运行的系统仿真模型，如图7所示。其将路网运行视为系统F，系统输入为出行需求的二维联合分布系统输出为随时间变化的路网均速v(i)，B为需求管理策略。系统F由多个内部要素组成，包括实际需求分布P(u,i)、同时在途车辆数r(i)、在途车辆数与路网速度的函数h(·)、剩余需求分布等。各要素之间互相影响，系统递归运行，系统参数由实际路网运行大数据标定。

上述出行空间部分证明了燃油车和新能源车在不同区域基本均匀混合，排除了出行空间差异性导致对拥堵影响的差异。图8a和图8b分别给出了使用实际数据标定的燃油车和新能源车的出行需求与出发时间的二维联合分布

需求包括需求特征和需求规模两方面，新能源车作为一种具有特殊需求特征的小汽车，其对拥堵的影响由其需求特征和发展规模共同决定，以各自规模为权值将燃油车和新能源车的需求特征加权求和可获得路网的总需求，如式(1)所示。

总需求＝新能源车需求特征×其规模+燃油车需求特征×其规模(1)

其中规模为保有量乘以出车率，将总需求作为输入代入图7给出的模型可获得路网运行速度的变化过程，新能源车和燃油车的需求特征为自然需求与出发时间的联合分布，分别使用各自历史数据标定，在一段时期内相对固定，通过调节权值大小可仿真新能源车不同发展规模对路网运行的影响，同时根据设定的路网速度可推算对应的发展规模。

在现有小汽车保有量基础上，分别单独增加10万、30万、50万的新能源车和燃油车，用本发明方法仿真路网均速在高峰时段(早07:00至09:00，晚17:00至19:00)和全天(06:00至22:00)的变化，其中使用2017年3月6日至2017年3月10日一周内5个工作日燃油车数据分别按照本申请发明人提出的机动车出行需求管理对路网运行影响的系统分析方法标定路网模型参数，结果见表4，对出车率和样本比例均作了归一化处理，逐天仿真并求均值，结果见表5。可看出同样增量的新能源车对拥堵的影响显著大于燃油车，对全天影响大于对高峰时段影响，对晚高峰的影响比对早高峰更明显。

表4为不同日期路网参数对比(一周五个工作日)

表4

表5为新能源车与燃油车保有量增加对路网均速影响对比

表5

北京市按尾号将小汽车分为五组实行轮流限行，见表6。由于选择4的人数较少仅占1.7％，4、9组占13.9％；其它四组较近似均值21.5％，导致4、9限行日被限车辆较少出行车辆多，拥堵较严重。

表6为不同尾号组合占比

表6

由于出行车辆较多，4、9限行日相对于非4、9限行日的高峰及全天路网均速降幅分别为5.2％及5.8％。以其为基准，使用模型推算未来小汽车保有量增加多少后，非4、9限行日的路网均速将等同于目前的4、9限行日；同时，按照2016年北京市摇号政策，以每年9万燃油车和6万新能源车的保有量增速，推算因需求增加未来非4、9限行日路网均速降低至目前4、9限行日水平所需时间。如表6结果显示，在人口规模、出行结构等其他条件不变前提下，新能源车分别增加30.4万及26.2万时，非4、9限行日的高峰及全天速度降幅将等同于基准时期的4、9限行日；同样降幅对应的燃油车增量为43.7万，新能源车将以较少的增量达到燃油车的增堵影响。按照目前的牌号发放方式4.9年后北京市非4、9限行日的高峰速度将降低至基准4、9限行日，4.6年后全天均速将降低至基准4、9限行日。

表7为目前4、9限行拥堵状态对应的未来机动车保有增加量

表7

表7中结果仅根据一周数据仿真获得，天气、季节、城市规模变化等因素均会影响模型参数取值，长期性影响需要采Monte Carlo法，使用大量历史数据分别标定模型参数，对结果进行回归获得。

本发明仿真了新能源车发展对交通拥堵的影响，给出了定量的测算结果。结果显示新能源车低成本高强度的使用导致其对拥堵的影响显著大于传统燃油车，对平峰的影响大于高峰时段。空间资源是城市交通的约束性条件，作为小汽车新能源车和燃油车一样对道路资源的利用效率并不高，制定发展策略需要利弊兼顾。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.新能源小汽车发展对交通拥堵分析方法，包括如下步骤：

建立需求调控的一般性控制模型，所述模型的输入为新进入路网小汽车的自然需求u与出发时间i的联合分布输出为对应的路网运行速度v(i)，联合分布代表了出行的自然需求特征；其中，小汽车包括燃油车和新能源车,燃油车和新能源车分别具有描述各自类型小汽车出行的需求特征的联合分布，以各自规模为权值将燃油车的联合分布和新能源车的联合加权求和获得描述进入路网小汽车需求特征的联合分布

联合分布在某一出发时刻的条件分布为该时刻新进入路网车辆的自然需求分布，对于该时刻i，新进入路网小汽车的自然需求分布与上一时刻的剩余需求分布相加得到当前时刻的总需求分布P(u/i)，对总需求分布积分得到当前时刻的路网负荷r(i)，根据路网负荷与路网速度的关系式得到当前时刻路网速度v(i)；

根据时刻i的路网速度得到留给下一时刻的剩余需求分布 式中ρ_i为供给系数，v_f为自由流速度，Δt为离散化的时间间隔；

当前时刻的剩余需求分布与下一时刻新进入路网小汽车的自然需求分布相加得到下一时刻的总需求分布P(u/i+1)，进而得到下一时刻相应的路网负荷r(i+1)及对应的路网速度v(i+1)；

如此递归，推演特定的新能源车出行需求与燃油车需求共同作用下路网速度v(i)随时间的变化过程。

2.根据权利要求1所述的方法，其特征在于，将新进入路网小汽车的自然需求分布按照新能源小汽车和燃油车调控规则进行调整，然后输入所述模型得到对应的路网速度的动态变化过程，通过对比调整前后的速度变化得到新能源小汽车发展对道路交通的影响。

3.根据权利要求1所述的方法，其特征在于，进入路网小汽车的自然需求的获取公式如下：

进入路网小汽车的联合分布＝新能源车需求特征×其规模+燃油车需求特征×其规模 (1)

其中规模为保有量乘以出车率，新能源车和燃油车的需求特征分布为各自的自然需求与出发时间的联合分布，分别使用各自的历史数据标定，在一段时期内相对固定。

4.根据权利要求3所述的方法，其特征在于，通过调节权值大小仿真新能源车不同发展规模对路网运行的影响，同时根据设定的路网速度可反推对应的发展规模。