CN107798867A - 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法 - Google Patents

一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法 Download PDF

Info

Publication number
CN107798867A
CN107798867A CN201710948006.5A CN201710948006A CN107798867A CN 107798867 A CN107798867 A CN 107798867A CN 201710948006 A CN201710948006 A CN 201710948006A CN 107798867 A CN107798867 A CN 107798867A
Authority
CN
China
Prior art keywords
mrow
msubsup
msub
path
mover
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710948006.5A
Other languages
English (en)
Other versions
CN107798867B (zh
Inventor
谢驰
白婷
刘海洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201710948006.5A priority Critical patent/CN107798867B/zh
Publication of CN107798867A publication Critical patent/CN107798867A/zh
Application granted granted Critical
Publication of CN107798867B publication Critical patent/CN107798867B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法，首先将实际混合路网转化为抽象的节点、路段网络，并构建考虑传统内燃汽车和电动汽车混合出行模式的交通分配模型，通过梯度投影算法求解该模型，得出传统内燃汽车和电动汽车混合出行的网络均衡模式以及路段交通量，从而准确分析电动汽车对路网的影响以及如何调节路段交通流量。

Description

一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡 方法
技术领域
本发明涉及一种交通量的均衡分配方法。
背景技术
数据表明,我国石油的峰值产量在今后较长时间内将保持在2亿吨水平，而中国却是石油消耗大国，2016年我国石油表观消费量为5.56亿吨。我国现有石油进口来源主要集中在中东和非洲等战乱或国际争端较多的地区，这导致我国基于石油的能源消耗模式处于极度不稳定状态。在所有的石油消耗中，相当大一部分来源于传统内燃汽车的运输活动。在最近的国家能源政策制定和公众讨论中，以电动汽车为代表的新能源汽车被认为是减少运输活动对石油能源依赖的最有效途径之一。另一方面，电动汽车越来越被公众接受，其在国内的生产量和销售量逐渐攀高。2016年我国电动汽车生产量为37.5万辆，占全球电动汽车产量的43％。最近的研究表明，由于电动汽车和传统内燃机车在续航能力、基础支持设施等方面存在差异，混合网络中的个人交通出行行为模式因此而发生改变。通过深入了解交通网络中电动汽车和内燃汽车的不同出行行为对交通网络的影响，可以进一步优化交通网络管理策略，对城市路网中充电设施的选址和电动汽车的普及起到有力的促进作用。
随着电动汽车的日益增多，交通路网已逐渐变为内燃汽车和电动汽车并存的混合路网，个人出行行为模式也将因为内燃汽车和电动汽车不同的续航里程和加油/充电方式而深受影响。现有的交通分配方法无法体现混合路网对交通网络均衡产生的影响。
发明内容
本发明的目的是为克服上述问题，提出一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法，首先将实际混合路网转化为抽象的节点、路段网络，并构建考虑传统内燃汽车和电动汽车混合出行模式的交通分配模型，通过梯度投影算法求解该模型，得出传统内燃汽车和电动汽车混合出行的网络均衡模式以及路段交通量，从而准确分析电动汽车对路网的影响以及如何调节路段交通流量。本发明的优势在于考虑内燃汽车和电动汽车混合出行模式的网络均衡方法和交通分配模型，利用定量化的分析手段给出预测的路段交通量，克服了现有交通规划技术中未考虑电动汽车对交通流量影响的缺陷和不足。本发明在分析电动汽车对交通流量的影响中具有实际的工程运用价值。深入了解交通网络中电动汽车和传统内燃汽车的不同出行行为对拥堵状况的影响，可以对城市道路网络建设、充电设施选址和电动汽车普及起到推动作用。
本发明所提出的一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法具体包括如下步骤：
第一步，建立网络，标定起点r及讫点s，并通过监视设备得到r、s点间的交通总量以及路段a，以A＝{a}为路段a的集合、h表示路径、H＝{h}为路径h的集合建立交通网络模型；
第二步，定义成本，传统内燃汽车在在路段a上的交通流量xa,g、行驶里程lg、单位里程运营成本cg以及出行成本ca,g之间的关系满足
而电动汽车在路段a上的交通流量xa,e、行驶里程lg、单位里程运营成本cg以及出行成本ca,e之间的关系满足
上述两组关系式中，ta为时间阻抗函数，ρ为时间价值常量；
第三步，建立模型，电动汽车的出行里程限制D，r、s点间第h条路径的距离以及r、s点间第h条路径的交通量满足
路段与路径关联指示符函数满足
若r、s点间的路径h行经路段a，则若r、s点间的路径h不行经路段a，则假设混合路网中的所有出行者都会选择出行综合成本最小的路径，则目标函数与路网流量的矩阵x、积分分子w的之间的关系满足
通过求解预算约束下的最小成本路径分配交通量。
进一步的，预算约束下的最小成本路径求解包括如下步骤：
第一步，初始化，对每一对起讫点r、s，其最短距离路径最小成本路径所对应的最短路径距离最小成本路径的费用分别满足
当时φrs＝1，将r、s点间所有流量分配给路径并将添加到正流量内燃汽车路径集中；
当时找到距离约束下的最小成本路径其对应成本为
其中，若则将所有需求分配给并将添加到中；
若则将所有需求分配给并将添加到正向电动车车流集合中，分别得到初始解
且
第二步，求解线性步长，最优步长因子Θ*的目标函数为
其约束条件为
其中，
内燃汽车路段流量与路径流量的转换关系为
电动汽车路段流量与路径流量的转换关系为
第三步，流量更新，更新的路径流量和路段流量为
如果某条路径上的流量为0，则
进一步的，若初始解不满足收敛条件，则通过计算下降方向进行迭代方向更新，即
进一步的，若所有正向车流量集合中路径上的下降方向都小于设定阈值，则进行路径更新，其具体步骤如下：
第一步，计算最短路径其对应的费用为
第二步，步骤返回，若φrs＝1且则将路径添加到路径集中，返回步骤2；若则计算费用约束下的最短路径其对应成本为若并且则将路径添加到路径集中，并返回步骤2；若均不满足同时并且则将路径添加到路径集并返回步骤2。
附图说明
图1为本发明的流程图。
图2为本发明应用实例中的路径示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合图示，进一步阐述上述技术方案。
如图所示的一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法，包括如下步骤
步骤1：建立抽象的交通网络。
从起点r到讫点s间有多条路径，每条路径由若干条起讫点相互连接的路段组成，已知起讫点rs间的交通出行总人数。这里用图2描述的只存在一个起讫点的简单交通网络来描述本发明的具体执行过程，并通过模型的定量分析来说明网络中考虑混合交通流的必要性。
图2中有一个起讫点和两条路径：路径1、路径2。交通出行总人数为1000。其中内燃汽车600辆，电动汽车400辆。内燃汽车和电动汽车在路段a的走行时间函数为：
其中，时间单位为小时。为自由流行程速度，xa,g是传统内燃汽车在路段a上的交通流量，xa,e是电动汽车在路段a上的交通流量。
步骤2：定义电动汽车和传统内燃汽车的出行成本。
首先，时间价值是一个常量，时间价值的作用是将费用和时间结合起来，代表用户对时间和费用的权衡，2016年全国平均工资为4134元，按每人每月工作168小时看，时间价值可设为20元/小时。
传统内燃汽车在路段a上的出行成本ca,g为：
式中xa,g，xa,e同上，时间阻抗函数ta(·)是连续的凸函数，cg代表内燃汽车单位里程运营成本，考虑到内燃汽车与电动汽车的主要运营成本在于能源价格，因此这里使用单位里程汽油消耗价格来标示单位里程运营成本，取2017年8月的燃油价格平均值，内燃汽车单位里程运营成本为0.65元/公里。lg代表内燃汽车行驶里程。
对应的，电动汽车在路段a上的出行成本ca,e为：
式中，ce代表电动汽车单位里程运营成本，电价取每度0.65至0.8元，每度电可跑约4公里，因此电动汽车单位里程运营成本为0.2元/公里。le代表电动汽车行驶里程，其他同上。
步骤3：建立电动汽车里程约束条件。
由于现有电动汽车类型(纯电动汽车和插电式混合电动汽车)和充电装置分布情况，与传统内燃汽车相比，电动汽车普遍存在里程限制：
当前许多车企生产车辆的续航里程超过250公里，γ代表受出行里程限制的比例，由每日人均出行距离与电动汽车里程的余数决定，当人均出行距离为70公里时，出行者有25％的可能受到里程约束影响，里程约束为40公里。表示起讫点rs间第h条路径的距离，代表电动汽车在起讫点rs间第h条路径上的路径交通流量。
步骤4：建立流量守恒约束条件。
只有所有路径上的交通流量与交通出行需求qrs相等时，才能保证路网上所有机动车的出行需求都被满足。
步骤5：根据前三个步骤中的定义对传统的交通分配模型进行改进。
根据网络均衡原则，混合路网中的所有出行者都会选择出行综合成本最小的路径，因此目标函数为：
式中，x表示路网流量的矩阵，w是积分分子。
步骤6：预算约束下的最小成本路径问题。
步骤7：对改进的交通分配模型求解。
考虑模型的凸优化结构，我们使用梯度投影算法来求解。考虑到这是一个迭代算法，下面通过两次迭代说明算法的使用方法。
具体步骤为：
①初始化：
1)对起讫点rs，找到最短距离路径和最小成本路径对应最短路径距离为最小成本路径的费用为
2)如果那么令Φrs＝1，将rs间所有流量分配给路径并将添加到正流量内燃汽车路径集中。
否则，找到距离约束下的最小成本路径对应成本为
3)如果那么将所有需求分配给并将添加到正向电动车车流集合中。
否则，将所有需求分配给并将添加到正向电动车车流集合中。
以上步骤得到一个初始解且
在本例中，路径与路段等同，初始解为：
②迭代方向更新。
计算下降方向：
如果所有正向车流量集合中路径上的下降方向都小于设定阈值，转到步骤5。
③求解线性步长。
通过求解子问题得到最优步长因子θ*，子问题的目标函数是：
约束条件：
④流量更新
更新的路径流量和路段流量为
如果某条路径上的流量为0，则将这条路径从正向车流路径集合中删除，即
⑤路径更新
1)计算最短路径其对应费用为
2)如果Φrs＝1并且则将路径添加到路径集中，返回步骤2。
否则计算费用约束下的最短路径对应成本为
3)如果并且则将路径添加到路径集中，并返回步骤2.
4)如果不满足上述条件同时并且则将路径添加到路径集中，并返回步骤2.
第一次迭代结果为：
第二次迭代结果为：
最终结果为：
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (4)

1.一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法，其特征在于，所述方法具体包括如下步骤：
1)建立网络，标定起点r及讫点s，并通过监视设备得到r、s点间的交通总量以及路段a，以A＝{a}为路段a的集合、h表示路径、H＝{h}为路径h的集合建立交通网络模型；
2)定义成本，传统内燃汽车在在路段a上的交通流量xa,g、行驶里程lg、单位里程运营成本cg以及出行成本ca,g之间的关系满足
<mrow> <msub> <mi>c</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>&amp;rho;t</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>c</mi> <mi>g</mi> </msub> <msub> <mi>l</mi> <mi>g</mi> </msub> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>a</mi> </mrow>
而电动汽车在路段a上的交通流量xa,e、行驶里程lg、单位里程运营成本cg以及出行成本ca,e之间的关系满足
<mrow> <msub> <mi>c</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>&amp;rho;t</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>c</mi> <mi>e</mi> </msub> <msub> <mi>l</mi> <mi>e</mi> </msub> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>a</mi> </mrow>
上述两组关系式中，ta为时间阻抗函数，ρ为时间价值常量；
3)建立模型，电动汽车的出行里程限制D，r、s点间第h条路径的距离以及r、s点间第h条路径的交通量满足
<mrow> <mo>(</mo> <mi>D</mi> <mo>-</mo> <msubsup> <mi>l</mi> <mi>h</mi> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>)</mo> <msubsup> <mi>f</mi> <mrow> <mi>h</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow>
路段与路径关联指示符函数满足
<mrow> <msub> <mi>x</mi> <mi>a</mi> </msub> <mo>=</mo> <msub> <mo>&amp;Sigma;</mo> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msub> <msub> <mo>&amp;Sigma;</mo> <mi>h</mi> </msub> <msubsup> <mi>f</mi> <mi>h</mi> <mrow> <mi>r</mi> <mo>,</mo> <mi>s</mi> </mrow> </msubsup> <msubsup> <mi>&amp;delta;</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>h</mi> </mrow> <mrow> <mi>r</mi> <mo>,</mo> <mi>s</mi> </mrow> </msubsup> <mo>.</mo> </mrow>
若r、s点间的路径h行经路段a，则若r、s点间的路径h不行经路段a，则假设混合路网中的所有出行者都会选择出行综合成本最小的路径，则目标函数与路网流量的矩阵x、积分分子w的之间的关系满足
<mrow> <mi>min</mi> <mi> </mi> <mi>Z</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>(</mo> <mi>f</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mi>a</mi> </munder> <mo>&amp;lsqb;</mo> <mi>&amp;alpha;</mi> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mrow> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> </msub> </mrow> </msubsup> <msub> <mi>t</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>w</mi> <mo>+</mo> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> </msub> <msub> <mi>c</mi> <mi>g</mi> </msub> <mo>+</mo> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> </msub> <msub> <mi>c</mi> <mi>e</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>l</mi> <mi>a</mi> </msub> <mo>&amp;rsqb;</mo> </mrow>
通过求解预算约束下的最小成本路径分配交通量。
2.根据权利要求1所述的一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法，其特征在于，预算约束下的最小成本路径求解包括如下步骤：
a)初始化，对每一对起讫点r、s，其最短距离路径最小成本路径所对应的最短路径距离最小成本路径的费用分别满足
<mrow> <msubsup> <mi>l</mi> <mover> <mi>k</mi> <mo>~</mo> </mover> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msub> <mi>min</mi> <mi>k</mi> </msub> <mo>{</mo> <msubsup> <mi>l</mi> <mi>k</mi> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>}</mo> <mo>,</mo> <msubsup> <mi>c</mi> <mover> <mi>k</mi> <mo>~</mo> </mover> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msub> <mi>min</mi> <mi>k</mi> </msub> <mo>{</mo> <msubsup> <mi>c</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>}</mo> </mrow>
当时φrs＝1，将r、s点间所有流量分配给路径并将添加到正流量内燃汽车路径集中；
当时找到距离约束下的最小成本路径其对应成本为
<mrow> <msubsup> <mi>c</mi> <mover> <mi>k</mi> <mo>~</mo> </mover> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msub> <mi>min</mi> <mi>k</mi> </msub> <mo>{</mo> <msubsup> <mi>c</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>:</mo> <msubsup> <mi>l</mi> <mover> <mi>k</mi> <mo>~</mo> </mover> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <mi>D</mi> <mo>}</mo> </mrow>
其中，若则将所有需求分配给并将添加到中；
若则将所有需求分配给并将添加到正向电动车车流集合中，分别得到初始解且
b)求解线性步长，最优步长因子Θ*的目标函数为
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>min</mi> <munder> <mo>&amp;Sigma;</mo> <mi>a</mi> </munder> <mo>{</mo> <mi>&amp;rho;</mi> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mrow> <msubsup> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>+</mo> <mi>&amp;theta;</mi> <mo>&amp;lsqb;</mo> <mrow> <mo>(</mo> <msub> <mover> <mi>x</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>x</mi> <mrow> <mi>x</mi> <mo>,</mo> <mi>e</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mi>&amp;theta;</mi> <mrow> <mo>(</mo> <msubsup> <mi>y</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>y</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </msubsup> <msub> <mi>t</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>w</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>+</mo> <msub> <mi>d</mi> <mi>a</mi> </msub> <mo>&amp;lsqb;</mo> <mrow> <mo>(</mo> <msubsup> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>+</mo> <msub> <mover> <mi>x</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>&amp;theta;y</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <msub> <mi>c</mi> <mi>g</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>+</mo> <mrow> <mo>(</mo> <msubsup> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>+</mo> <msub> <mover> <mi>x</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>&amp;theta;y</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <msub> <mi>c</mi> <mi>e</mi> </msub> <mo>&amp;rsqb;</mo> <mo>}</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
其约束条件为
<mrow> <mn>0</mn> <mo>&amp;le;</mo> <mi>&amp;theta;</mi> <mo>&amp;le;</mo> <mi>min</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>-</mo> <msubsup> <mi>f</mi> <mi>k</mi> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> </mrow> <msubsup> <mi>b</mi> <mi>k</mi> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> </mfrac> <mo>|</mo> <msubsup> <mi>b</mi> <mi>k</mi> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>&lt;</mo> <mn>0</mn> <mo>,</mo> <mi>k</mi> <mo>&amp;Element;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>g</mi> </mrow> <mo>+</mo> </msubsup> <mo>&amp;cup;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>e</mi> </mrow> <mo>+</mo> </msubsup> <mo>)</mo> </mrow> </mrow>
其中，
<mrow> <msubsup> <mi>y</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msub> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>g</mi> </mrow> <mo>+</mo> </msubsup> </mrow> </msub> <mo>+</mo> <msubsup> <mi>&amp;delta;</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <msubsup> <mi>b</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>y</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msub> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>e</mi> </mrow> <mo>+</mo> </msubsup> </mrow> </msub> <mo>+</mo> <msubsup> <mi>&amp;delta;</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <msubsup> <mi>b</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> </mrow>
内燃汽车路段流量与路径流量的转换关系为
<mrow> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> </msub> <mo>=</mo> <msub> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>g</mi> </mrow> <mo>+</mo> </msubsup> </mrow> </msub> <mo>+</mo> <msub> <mo>&amp;Sigma;</mo> <mrow> <mi>o</mi> <mi>d</mi> <mo>&amp;NotEqual;</mo> <mi>r</mi> <mi>s</mi> </mrow> </msub> <msubsup> <mi>&amp;delta;</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mi>o</mi> <mi>d</mi> </mrow> </msubsup> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>o</mi> <mi>d</mi> </mrow> </msubsup> </mrow>
电动汽车路段流量与路径流量的转换关系为
<mrow> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> </msub> <mo>=</mo> <msub> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>g</mi> </mrow> <mo>+</mo> </msubsup> </mrow> </msub> <mo>+</mo> <msub> <mo>&amp;Sigma;</mo> <mrow> <mi>o</mi> <mi>d</mi> <mo>&amp;NotEqual;</mo> <mi>r</mi> <mi>s</mi> </mrow> </msub> <msubsup> <mi>&amp;delta;</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mi>o</mi> <mi>d</mi> </mrow> </msubsup> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>o</mi> <mi>d</mi> </mrow> </msubsup> <mo>;</mo> </mrow>
c)流量更新，更新的路径流量和路段流量为
<mrow> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;theta;b</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>k</mi> <mo>&amp;Element;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>g</mi> </mrow> <mo>+</mo> </msubsup> </mrow>
<mrow> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;theta;b</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>k</mi> <mo>&amp;Element;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>e</mi> </mrow> <mo>+</mo> </msubsup> </mrow>
<mrow> <msubsup> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;theta;y</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>a</mi> </mrow>
<mrow> <msubsup> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>x</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;theta;y</mi> <mrow> <mi>a</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>a</mi> </mrow>
如果某条路径上的流量为0，则
<mrow> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>g</mi> </mrow> <mo>+</mo> </msubsup> <mrow> <mo>(</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>e</mi> </mrow> <mo>+</mo> </msubsup> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>g</mi> </mrow> <mo>+</mo> </msubsup> <mrow> <mo>(</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>e</mi> </mrow> <mo>+</mo> </msubsup> <mo>)</mo> </mrow> <mo>-</mo> <mi>k</mi> <mo>.</mo> </mrow>
3.根据权利要求2所述的一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法，其特征在于，若初始解不满足收敛条件，则通过计算下降方向进行迭代方向更新，即
<mrow> <msubsup> <mi>b</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <mrow> <mo>(</mo> <msup> <mover> <mi>c</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msup> <mo>-</mo> <msubsup> <mi>c</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>k</mi> <mo>&amp;Element;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>g</mi> </mrow> <mo>+</mo> </msubsup> </mrow>
<mrow> <msubsup> <mi>b</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <mrow> <mo>(</mo> <msup> <mover> <mi>c</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msup> <mo>-</mo> <msubsup> <mi>c</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>e</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>k</mi> <mo>&amp;Element;</mo> <msubsup> <mi>K</mi> <mrow> <mi>r</mi> <mi>s</mi> <mo>,</mo> <mi>e</mi> </mrow> <mo>+</mo> </msubsup> <mo>.</mo> </mrow>
4.根据权利要求3所述的一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法，其特征在于，若所有正向车流量集合中路径上的下降方向都小于设定阈值，则进行路径更新，其具体步骤如下：
i)计算最短路径其对应的费用为
<mrow> <msubsup> <mi>c</mi> <mrow> <mover> <mi>k</mi> <mo>~</mo> </mover> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msub> <mi>min</mi> <mi>k</mi> </msub> <mo>{</mo> <msubsup> <mi>c</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>g</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>}</mo> </mrow>
ii)步骤返回，若φrs＝1且则将路径添加到路径集中，返回步骤2；若则计算费用约束下的最短路径其对应成本为若并且则将路径添加到路径集中，并返回步骤2；若均不满足同时并且则将路径添加到路径集并返回步骤2。
CN201710948006.5A 2017-10-12 2017-10-12 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法 Active CN107798867B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710948006.5A CN107798867B (zh) 2017-10-12 2017-10-12 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710948006.5A CN107798867B (zh) 2017-10-12 2017-10-12 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法

Publications (2)

Publication Number Publication Date
CN107798867A true CN107798867A (zh) 2018-03-13
CN107798867B CN107798867B (zh) 2020-11-13

Family

ID=61533135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710948006.5A Active CN107798867B (zh) 2017-10-12 2017-10-12 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法

Country Status (1)

Country Link
CN (1) CN107798867B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472354A (zh) * 2019-08-20 2019-11-19 东南大学 一种新能源汽车渗透的环境影响评估方法
CN111325409A (zh) * 2020-03-09 2020-06-23 西南交通大学 一种换电站选址与混合车队路径规划方法及系统
CN112562325A (zh) * 2020-11-26 2021-03-26 东南大学 基于块坐标下降的大规模城市交通网络流量监测方法
CN112686441A (zh) * 2020-12-28 2021-04-20 燕山大学 基于交通均衡的电动汽车充电导航及路径选择方法
CN112836901A (zh) * 2021-03-08 2021-05-25 长沙理工大学 基于交通分配结果的电动汽车充电站选址方法
CN113393690A (zh) * 2021-08-17 2021-09-14 长沙理工大学 考虑自动驾驶专用车道的混合交通均衡分配方法
CN115171381A (zh) * 2022-07-04 2022-10-11 长沙理工大学 考虑电动汽车服务区选择下的混合交通网络分配方法
CN116311932A (zh) * 2023-03-16 2023-06-23 东南大学 一种MaaS背景下考虑混合均衡的动态交通分配方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101436345A (zh) * 2008-12-19 2009-05-20 天津市市政工程设计研究院 基于TransCAD宏观仿真平台的港区道路交通需求预测系统
CN101483010A (zh) * 2003-04-25 2009-07-15 智点科技股份有限公司 多功能实时交通安全管理装置及方法
US20120035839A1 (en) * 2004-12-22 2012-02-09 Hntb Holdings Ltd Optimizing Traffic Predictions and Enhancing Notifications
CN103148862A (zh) * 2013-02-18 2013-06-12 东南大学 一种考虑低碳排放约束影响的交通方式与路径选择方法
CN103914976A (zh) * 2014-03-28 2014-07-09 北方工业大学 一种面向异质用户的系统最优交通分配模型及分配方法
CN104537830A (zh) * 2014-12-29 2015-04-22 上海电科智能系统股份有限公司 一种出行热点路网影响评估的交通指数区域划分方法
CN104778840A (zh) * 2015-04-30 2015-07-15 南京中大东博信息科技有限公司 一种车辆信息感知系统及方法
CN107103169A (zh) * 2017-06-26 2017-08-29 上海交通大学 一种用于满足出行续航要求的交通网络均衡计算方法
CN107123260A (zh) * 2017-06-26 2017-09-01 上海交通大学 基于出行者预算限制的交通分配方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101483010A (zh) * 2003-04-25 2009-07-15 智点科技股份有限公司 多功能实时交通安全管理装置及方法
US20120035839A1 (en) * 2004-12-22 2012-02-09 Hntb Holdings Ltd Optimizing Traffic Predictions and Enhancing Notifications
CN101436345A (zh) * 2008-12-19 2009-05-20 天津市市政工程设计研究院 基于TransCAD宏观仿真平台的港区道路交通需求预测系统
CN103148862A (zh) * 2013-02-18 2013-06-12 东南大学 一种考虑低碳排放约束影响的交通方式与路径选择方法
CN103914976A (zh) * 2014-03-28 2014-07-09 北方工业大学 一种面向异质用户的系统最优交通分配模型及分配方法
CN104537830A (zh) * 2014-12-29 2015-04-22 上海电科智能系统股份有限公司 一种出行热点路网影响评估的交通指数区域划分方法
CN104778840A (zh) * 2015-04-30 2015-07-15 南京中大东博信息科技有限公司 一种车辆信息感知系统及方法
CN107103169A (zh) * 2017-06-26 2017-08-29 上海交通大学 一种用于满足出行续航要求的交通网络均衡计算方法
CN107123260A (zh) * 2017-06-26 2017-09-01 上海交通大学 基于出行者预算限制的交通分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王伟: "基于有限理性的出行行为建模与均衡分析", 《中国博士学位论文全文数据库 工程科技II辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472354A (zh) * 2019-08-20 2019-11-19 东南大学 一种新能源汽车渗透的环境影响评估方法
CN110472354B (zh) * 2019-08-20 2023-07-18 东南大学 一种新能源汽车渗透的环境影响评估方法
CN111325409A (zh) * 2020-03-09 2020-06-23 西南交通大学 一种换电站选址与混合车队路径规划方法及系统
CN111325409B (zh) * 2020-03-09 2022-11-22 西南交通大学 一种换电站选址与混合车队路径规划方法及系统
CN112562325B (zh) * 2020-11-26 2021-11-02 东南大学 基于块坐标下降的大规模城市交通网络流量监测方法
CN112562325A (zh) * 2020-11-26 2021-03-26 东南大学 基于块坐标下降的大规模城市交通网络流量监测方法
CN112686441B (zh) * 2020-12-28 2022-03-25 燕山大学 基于交通均衡的电动汽车充电导航及路径选择方法
CN112686441A (zh) * 2020-12-28 2021-04-20 燕山大学 基于交通均衡的电动汽车充电导航及路径选择方法
CN112836901A (zh) * 2021-03-08 2021-05-25 长沙理工大学 基于交通分配结果的电动汽车充电站选址方法
CN113393690A (zh) * 2021-08-17 2021-09-14 长沙理工大学 考虑自动驾驶专用车道的混合交通均衡分配方法
CN115171381A (zh) * 2022-07-04 2022-10-11 长沙理工大学 考虑电动汽车服务区选择下的混合交通网络分配方法
CN116311932A (zh) * 2023-03-16 2023-06-23 东南大学 一种MaaS背景下考虑混合均衡的动态交通分配方法
CN116311932B (zh) * 2023-03-16 2024-03-01 东南大学 一种MaaS背景下考虑混合均衡的动态交通分配方法

Also Published As

Publication number Publication date
CN107798867B (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN107798867B (zh) 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法
Kong et al. Optimal location planning method of fast charging station for electric vehicles considering operators, drivers, vehicles, traffic flow and power grid
CN105205557B (zh) 一种城市常规公交线网设计方法
Zhang et al. Driving cycles construction for electric vehicles considering road environment: A case study in Beijing
CN115455681B (zh) 一种面向多载运工具的通勤交通碳排放空间分布估算方法
CN106965688A (zh) 一种电网和交通网协同环境下的电动汽车充电方法
CN107180274B (zh) 一种电动汽车充电设施规划典型场景选取和优化方法
CN114417614B (zh) 一种中心城区机动车空间管控措施下碳排放减排测算方法
CN104184190A (zh) 一种电动汽车动态充电路径规划方法
CN111199300A (zh) 一种“车-路-网”模式下电动汽车充电负荷时空预测方法
CN114925483A (zh) 城市交通网络的碳排放测定方法
CN111626469A (zh) 一种面向运能提升的快慢车开行优化方法
CN103268518A (zh) 一种投入导向型的城市公共交通绩效评价方法
Rana et al. The role of battery operated auto-rickshaw in the transportation system of a city
CN114842641B (zh) 面向省域的多模式链式交通分配方法
Feng et al. Choices of intercity multimodal passenger travel modes
Guo et al. Optimal path planning method of electric vehicles considering power supply
CN111126878A (zh) 一种基于生态指数的城市交通运行评价方法
Karelina et al. The Influence of the Characteristics of the Traffic Flow and the Structure of Vehicles on the Energy Consumption and Ecological Safety of Passenger Transportation: case of Vologda, Russia
CN115169669A (zh) 一种基于轨迹大数据支持的出租车合乘方法
CN115828029A (zh) 一种高速铁路服务范围计算方法
CN115640974A (zh) 一种公路沿线充电设施布局规划方法
Földes et al. Competitive or complementary? Analyzing bike-sharing use between public transport stops: A case study in Budapest
CN112993980A (zh) 一种电动汽车充电负荷时空概率分布模型计算方法
Xia et al. Analysis of long-distance passenger transportation based on a highway network using the SWOT-AHP method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant