CN111126712A - 一种面向通勤廊道的停车充电换乘系统规划方法 - Google Patents

一种面向通勤廊道的停车充电换乘系统规划方法 Download PDF

Info

Publication number
CN111126712A
CN111126712A CN201911404524.6A CN201911404524A CN111126712A CN 111126712 A CN111126712 A CN 111126712A CN 201911404524 A CN201911404524 A CN 201911404524A CN 111126712 A CN111126712 A CN 111126712A
Authority
CN
China
Prior art keywords
parking
travel
charging
electric automobile
transfer system
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
CN201911404524.6A
Other languages
English (en)
Other versions
CN111126712B (zh
Inventor
张锐
姚恩建
王宁
刘意立
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.)
Changan University
Original Assignee
Changan 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 Changan University filed Critical Changan University
Priority to CN201911404524.6A priority Critical patent/CN111126712B/zh
Publication of CN111126712A publication Critical patent/CN111126712A/zh
Application granted granted Critical
Publication of CN111126712B publication Critical patent/CN111126712B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Genetics & Genomics (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Water Supply & Treatment (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种面向通勤廊道的停车充电换乘系统规划方法，根据电动汽车混入下通勤者出行行为建立不同类型通勤者的出行行为选择模型；基于车辆行驶状态信息和能耗数据，建立电动汽车和燃油汽车的中观能耗模型；建立基于交通网络系统平衡问题的停车充电换乘系统定址定容联合决策下层优化模型，以下层优化模型的输出—出行需求分布量作为上层优化模型输入，得到最终的停车充电换乘系统规划方案。通过辨析电动汽车混入下通勤者的方式选择影响因素、揭示通勤者的出行决策机理、优化停车充电换乘设施布局及服务水平，本发明能有效提高停车设施和充电设施的利用率，同时促进公共交通的使用和电动汽车的推广，对于实现城市交通可持续发展的目标具有重要意义。

Description

一种面向通勤廊道的停车充电换乘系统规划方法
技术领域
本发明涉及交通管理与控制领域。更具体地，涉及一种面向通勤廊道的停车充电换乘系统设计方法。
背景技术
发展以纯电动汽车为代表的新能源汽车是解决交通运输领域能源危机和环境污染等问题的重要途径。然而，电动汽车的普及仍受电池容量的限制以及充电不便的制约，因此配套建设完善的电动汽车充电设施对于促进电动汽车的保有和使用具有重要意义。
另一方面，停车换乘，即通勤者在出行过程中驾驶私家车泊靠在城市中心城区外围，然后换乘公共交通到达目的地，这种组合出行模式在提高公共交通可达性的同时，也为促进电动汽车的购买和使用提供了一种潜在可能。现有的停车场为充电设施的布设提供了必要的场地条件；作为公共交通的接驳方式，电动汽车避免了长距离的行驶，能在一定程度上缓解用户的“里程焦虑”心理；对电动汽车用户而言，利用停车换乘系统中的常规充电桩为车辆充电，可有效解决电动汽车的充电难问题。
停车充电换乘系统综合了停车换乘系统与电动汽车充电设施，能提供停车、充电、换乘等多种服务，从而同时促进公共交通的使用和电动汽车的推广。其中，设施的合理配置是决定该系统实施效果的关键。现有研究主要集中于面向传统燃油汽车的停车换乘系统设计，对停车充电换乘这一出行模式仍缺乏系统的理论研究。由于独特的能耗特征，电动汽车用户在出行行为方面会表现出不同于传统燃油汽车用户的特点。例如，续驶里程限制会造成通勤者在出行前放弃使用电动汽车，或在使用过程中会产生充电行为；除了影响燃油汽车用户出行行为的因素外，电动汽车的电池荷电状态和能耗等车辆特征以及充电设施布局等环境因素也是影响电动汽车用户充电决策、出行选择的重要因素。这些出行行为方面的差异，都是在研究停车充电换乘系统设计时必须考虑和解决的关键，而目前仍然缺乏相关的停车充电换乘系统规划理论指导和实践经验，对于促进公共交通的使用和电动汽车的推广效果有限。
发明内容
本发明的目的在于提供一种面向通勤廊道的停车充电换乘系统设计方法，以克服现有技术无法实现停车充电换乘设施布局优化设计问题。
为达到上述目的，本发明采用如下技术方案：
一种面向通勤廊道的停车充电换乘系统规划方法，包括以下步骤：
S1、根据电动汽车混入下通勤者出行行为建立不同类型通勤者的出行行为选择模型；
S2、基于车辆行驶状态信息和能耗数据，建立电动汽车和燃油汽车的中观能耗模型，基于不同车型的中观能耗模型，得到电动汽车充电需求估值；
S3、构建停车充电换乘系统定址定容联合决策模型：基于通勤者的出行特征以及已有设施条件，建立不同规划目标下的停车充电换乘系统定址定容联合决策上层优化模型；结合随机用户平衡理论、变分不等式方法和电动汽车充电需求估值，建立基于交通网络系统平衡问题的停车充电换乘系统定址定容联合决策下层优化模型，以下层优化模型的输出—出行需求分布量作为上层优化模型的输入，得到最终的停车充电换乘系统规划方案。
进一步的，步骤S1具体包括以下步骤：
S1.1、采集通勤者的出行意向数据；
S1.2、基于采集的出行意向数据，通过相关性分析方法得到影响通勤者出行行为的影响因素；
S1.3、根据出行行为影响因素，基于随机效用理论，分别构建针对不同类型出行群体的出行行为选择模型；
S1.4、基于极大似然法对构建的针对不同类型出行群体的出行行为选择模型进行标定，获取出行行为选择模型的标定系数。
进一步的，根据通勤者的机动车保有情况，通勤者包括燃油汽车保有人群、电动汽车保有人群以及燃油汽车&电动汽车保有人群三类出行群体。
进一步的，针对燃油汽车保有人群，建立多项logit模型的效用函数为：
Figure BDA0002348274870000031
Figure BDA0002348274870000032
Figure BDA0002348274870000033
针对电动汽车保有人群，建立多项logit模型的效用函数为：
Figure BDA0002348274870000034
Figure BDA0002348274870000035
Figure BDA0002348274870000036
针对燃油汽车&电动汽车保有人群，建立多项logit模型的效用函数为：
Figure BDA0002348274870000037
Figure BDA0002348274870000038
Figure BDA0002348274870000039
Figure BDA00023482748700000310
Figure BDA00023482748700000311
其中，Vb w为第w类出行群体选择出行方式b的出行效用，其中w＝1为燃油汽车保有人群；w＝2为电动汽车保有人群；w＝3为燃油汽车&电动汽车保有人群；b＝1为地铁直达；b＝2为燃油汽车直达；b＝3为电动汽车直达；b＝4为燃油汽车停车换乘；b＝5为电动汽车停车换乘；Xb1为选择出行方式b的旅行时间(min)；Xb2为选择出行方式b的旅行费用(元)；Xb3为选择出行方式b的初始电量(％)；Xb4为选择出行方式b的终点电量(％)；θi w为待标定系数，i＝1,2,…,5。
进一步的，上层优化模型的具体建立过程为：
S3.1.1、根据决策变量个数随机生成停车充电换乘设施布局规划，设置遗传算法参数。种群规模为n，其中
Figure BDA0002348274870000041
K为备选站点的个数，l为规划站点的个数。令初始迭代次数t＝1；
S3.1.2、求解停车充电换乘系统定址定容联合决策下层优化模型，计算所有停车充电换乘设施布局规划方案所对应的上层目标函数值：Z＝Z1+Z2
其中，Z1为从用户角度考虑的网络总出行成本，Z2为从系统角度考虑的总建设成本；
S3.1.3、计算停车充电换乘设施布局规划方案所对应的设施容量；
S3.1.4、如果停车充电换乘设施布局规划方案满足设施容量约束，则上层目标函数值即为最终结果，否则将上层优化模型得到的上层目标函数值乘以惩罚因子作为最终上层目标函数值；
S3.1.5、基于遗传算法设置参数进行迭代，若迭代次数达到最大迭代次数或满足终止条件，则终止迭代，并返回最优解，否则进入下一步；
S3.1.6、根据停车充电换乘系统定址定容联合决策上层优化模型中子目标函数的个数，将停车充电换乘系统定址定容联合决策上层优化模型等分为相应数目的子群体；
S3.1.7、子群体对应子目标函数Zr，r为子目标函数的序号，根据子群体中每个个体被选择的预期概率，对每个子群体选择出适应度较高的个体组成一个新子群体；其中，预期概率的计算公式为：
Figure BDA0002348274870000051
其中，prs为子群体r中个体m被选择的预期概率；urm为其相应的适应度；
S3.1.8、将步骤S3.1.7所产生的新子群体合并成一个完整群体，并将该完整群体中的每个个体随机配对，以交叉概率pc交换其间的部分染色体，从而生成多个新的个体；
S3.1.9、从当前父代群体中随机选择部分个体，以突变概率pv随机改变某一个基因值为其他的等位基因，从而得到新的布局规划方案。令t＝t+1，返回步骤S3.1.2。
进一步的，停车充电换乘设施布局规划方案所对应的设施容量包括停车设施建设数量和充电设施建设数量，停车设施建设数量为选择该停车换乘站点的总人数；充电设施建设数量为选择该停车换乘站点的电动汽车用户总人数。
进一步的，遗传算法设置参数包括交叉概率pc，突变概率pv和最大迭代次数T。
进一步的，下层优化模型的具体计算过程为：
S3.2.1、基于停车充电换乘设施布局规划方案，构建通勤廊道的数学化网络模型；
S3.2.2、对数学化网络模型初始化：输入网络特征参数，并设置初始路段流量xa为零，令迭代次数τ＝1；
S3.2.3、基于BPR函数计算电动汽车和燃油汽车的路段旅行时间，其中，BPR函数的表达式为：
Figure BDA0002348274870000061
其中，Ta为路段a的旅行时间(min)；xa为路段a的路段流量(pcu)；Ca为路段a的通行能力(pcu/min)；
Figure BDA0002348274870000062
为路段a的自由流时间(min)；β，d为校正参数；
S3.2.4、基于电动汽车和燃油汽车的中观能耗模型，计算电动汽车和燃油汽车的路段能耗以及相应的路径能耗；
S3.2.5、构建电动汽车直达方式的可用路径集合；
S3.2.6、基于获取的出行行为选择模型标定系数，计算不同类型通勤者不同方式下的广义路径出行成本
Figure BDA0002348274870000063
其中，
Figure BDA0002348274870000064
基于多项logit模型，将地铁直达、燃油汽车直达、电动汽车直达、燃油汽车停车换乘、电动汽车停车换乘五种出行需求分配到通勤廊道上，得到第w类通勤者选择出行方式b下路径k的辅助流量
Figure BDA0002348274870000065
以及相应的路段辅助流量x′a；计算公式为：
Figure BDA0002348274870000066
Figure BDA0002348274870000067
其中，qw为第w类通勤者的出行需求；δa,k为路径-路段关联参数，当路段a在路径k上时，δa,k＝1否则δa,k＝0；
S3.2.7、基于连续权重平均法更新路段流量，计算公式为；
Figure BDA0002348274870000071
S3.2.8、判断下层优化模型的优化函数F是否满足收敛标准ψ，当满足时，则停止迭代，否则令τ＝τ+1，返回步骤S3.2.3，直至优化函数F满足收敛标准ψ。
进一步的，通勤廊道的数学化网络模型连接郊区与市中心，由道路交通系统和轨道交通系统构成，轨道交通站点与道路交通网络通过虚拟路段连接，通勤者可以通过道路交通系统直接从郊区前往市中心，也可以通过虚拟路段采取停车换乘方式搭乘地铁前往目的地。
进一步的，优化函数F的表达式为：
Figure BDA0002348274870000072
与现有技术相比，本发明具有以下有益的技术效果：
本发明提出一种面向通勤廊道的停车充电换乘系统规划方法，根据电动汽车混入下通勤者出行行为，建立不同类型通勤者的出行行为选择模型；基于车辆行驶状态信息和能耗数据，建立电动汽车和燃油汽车的中观能耗模型，基于不同车型的中观能耗模型，得到电动汽车充电需求估值；构建停车充电换乘系统定址定容联合决策模型：基于通勤者的出行特征以及已有设施条件，建立不同规划目标下的停车充电换乘系统定址定容联合决策上层优化模型；结合随机用户平衡理论、变分不等式方法和电动汽车充电需求估值，建立基于交通网络系统平衡问题的停车充电换乘系统定址定容联合决策下层优化模型，以下层优化模型的输出—出行需求分布量作为上层优化模型输入，得到最终的停车充电换乘系统规划方案。通过辨析电动汽车混入下通勤者的方式选择影响因素、揭示通勤者的出行决策机理、优化停车充电换乘设施布局及服务水平，从而为城市交通系统的建设、运营和管理提供相应的理论依据，本发明可以有效提高停车设施和充电设施的利用率，同时促进公共交通的使用和电动汽车的推广，对于实现城市交通可持续发展的目标具有重要意义。
附图说明
图1示出一种面向通勤廊道的停车充电换乘系统规划方法的流程图。
图2示出一种面向通勤廊道的停车充电换乘系统规划方法中上层优化模型的流程图。
图3示出一种面向通勤廊道的停车充电换乘系统规划方法中下层优化模型的流程图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
如图1所示，本实施例提供的一种面向通勤廊道的停车充电换乘系统规划方法，包括如下步骤：
S1、对电动汽车混入下通勤者出行行为分析，建立不同类型通勤者的出行行为选择模型；具体方法如下：
S1.1、通过调查问卷形式采集通勤者的出行意向数据，根据通勤者的机动车保有情况，通勤者包括燃油汽车保有人群、电动汽车保有人群以及燃油汽车&电动汽车保有人群三类出行群体；
S1.2、基于采集的出行意向数据，通过相关性分析方法得到影响通勤者出行行为的影响因素；其中，针对不同出行方式，所捕捉的出行行为影响因素如表1所示。
表1不同出行方式下的主要影响因素
Figure BDA0002348274870000091
S1.3、根据出行行为影响因素，基于随机效用理论，分别构建针对不同类型出行群体的出行行为选择模型；具体的，针对燃油汽车保有人群，建立多项logit模型的效用函数为：
Figure BDA0002348274870000092
Figure BDA0002348274870000093
Figure BDA0002348274870000094
针对电动汽车保有人群，建立多项logit模型的效用函数为：
Figure BDA0002348274870000095
Figure BDA0002348274870000096
Figure BDA0002348274870000097
针对燃油汽车&电动汽车保有人群，建立多项logit模型的效用函数为：
Figure BDA0002348274870000098
Figure BDA0002348274870000099
Figure BDA00023482748700000910
Figure BDA0002348274870000101
Figure BDA0002348274870000102
其中，Vb w为第w类出行群体选择出行方式b的出行效用，其中w＝1为燃油汽车保有人群；w＝2为电动汽车保有人群；w＝3为燃油汽车&电动汽车保有人群；b＝1为地铁直达；b＝2为燃油汽车直达；b＝3为电动汽车直达；b＝4为燃油汽车停车换乘；b＝5为电动汽车停车换乘；Xb1为选择出行方式b的旅行时间(min)；Xb2为选择出行方式b的旅行费用(元)；Xb3为选择出行方式b的初始电量(％)；Xb4为选择出行方式b的终点电量(％)；θi w为待标定系数，i＝1,2,…,5。
S1.4、基于极大似然法对构建的针对不同类型出行群体的出行行为选择模型进行标定，获取出行行为选择模型的标定系数；具体是获得出行行为选择模型多项式中待标定参数的数值大小以及t值大小，即系数正值代表该变量(或影响因素)越大，通勤者选择该种出行方案的概率就越大；系数负值代表该变量(或影响因素)越大，通勤者选择该种出行方案的概率就越小。比如，出行费用的系数为负，那么该选择方案的出行费用越大，通勤者选择该出行方案的概率越小。t值绝对值的大小代表该变量(或影响因素)是否在一定的置信区间具有统计学意义。
S2、电动汽车充电需求估算，具体方法如下：
基于车辆行驶状态信息和能耗数据，通过划分行驶片段、计算VSP-Bin能耗率、统计不同平均速度下的VSP-Bin和计算不同平均速度下的平均能耗率，建立电动汽车和燃油汽车的中观能耗模型。其中，不同车型的中观能耗模型表达式为：
Figure BDA0002348274870000111
其中，EFh为车型h的能耗因子(kwh/km或kg/km)；v为平均车速(km/h)；
Figure BDA0002348274870000112
为模型的回归系数，h＝1：电动汽车；h＝2：燃油汽车。
基于不同车型的中观能耗模型，考虑电动汽车驾驶员特有的行为特性，结合电动汽车出行特征、电池荷电状态和充电设施条件，得到电动汽车充电需求估值。
S3、构建停车充电换乘系统定址定容联合决策模型，具体方法如下：
S3.1、基于通勤者的出行特征以及已有设施条件，在定性研究停车充电换乘系统设施资源配置的基础上，综合考虑不同出行群体在出行选择方面的行为差异以及出行需求与交通供给间的互馈关系，建立基于不同规划目标下的停车充电换乘系统定址定容联合决策上层优化模型。如图2所示，上层优化模型的具体过程为：
S3.1.1、种群初始化，即对停车充电换乘设施布局规划方案进行初始化：输入遗传算法的参数，包括交叉概率pc，突变概率pv和最大迭代次数T；本实施例中，取交叉概率为0.5，突变概率为0.1，最大迭代次数为100。根据决策变量个数随机生成初始种群，即停车充电换乘设施布局规划方案(也叫做染色体)，种群规模为n。其中，种群规模的设置依据备选站点的个数K以及规划站点的个数l决定，因此
Figure BDA0002348274870000113
在本实例中，决策变量有四个，分别是停车换乘设施选址决策变量I，充电选址决策变量J，以及相应的设施容量决策变量Iv和Jv。其中，I，J为0-1变量，Iv，Jv受容量限制(Io，Jo)的约束。令初始迭代次数t＝1。
S3.1.2、求解停车充电换乘系统定址定容联合决策下层优化模型，并评估所有停车充电换乘设施布局规划方案所对应的上层目标函数值，计算公式为：
Z＝Z1+Z2
其中，Z1为从用户角度考虑的网络总出行成本，其计算结果为通勤廊道所有出行者的广义出行成本之和，Z2为从系统角度考虑的总建设成本，其计算结果为停车设施和充电设施的建设成本之和。
S3.1.3、计算停车充电换乘设施布局规划方案所对应的设施容量；其中，停车设施建设数量为选择该停车换乘站点的总人数；充电设施建设数量为选择该停车换乘站点的电动汽车用户总人数。
S3.1.4、判断停车充电换乘设施布局规划方案是否满足设施容量约束，即是否满足停车设施容量约束和充电设施容量约束；当同时满足两个约束条件时，所计算的上层目标函数值即为最终结果，否则需将所计算的上层目标函数值乘以惩罚因子作为最终上层目标函数值。
S3.1.5、基于遗传算法设置参数进行迭代，若迭代次数达到最大迭代次数或满足终止条件，则终止迭代，并返回最优解，否则进入下一步：
S3.1.6、根据停车充电换乘系统定址定容联合决策上层优化模型中子目标函数的个数，将停车充电换乘系统定址定容联合决策上层优化模型等分为相应数目的子群体；本实例中，上层目标函数中子目标函数个数为2，因此，将种群均分为两个子群体。
S3.1.7、两个子群体分别对应子目标函数Z1和Z2，各子目标函数在相应的子群体中独立进行选择运算。即根据子群体中每个个体被选择的预期概率，各自选择出一些适应度较高的个体组成一个新的子群体。其中，预期概率的计算公式为：
Figure BDA0002348274870000131
其中，prs为子群体r中个体m被选择的预期概率；urm为其相应的适应度。
S3.1.8、将步骤S3.1.7所产生的新子群体合并成一个完整的群体，并将该完整群体中的每个个体随机配对，以交叉概率pc交换其间的部分染色体，从而生成多个新的个体。
S3.1.9、从当前父代群体中随机选择部分个体，以突变概率pv随机改变某一个基因值为其他的等位基因，从而得到新的布局规划方案，令t＝t+1，返回步骤S3.1.2。
S3.2、结合随机用户平衡理论、变分不等式方法和电动汽车充电需求估值，对交通网络系统平衡问题进行建模研究并设计求解算法，总结出行需求(包括换乘需求和充电需求)在通勤廊道中的时空分布特征，得到停车充电换乘系统定址定容联合决策下层优化模型。
如图3所示，下层优化模型的具体过程为：
S3.2.1、基于停车充电换乘设施布局规划方案，构建通勤廊道的数学化网络模型。其中，通勤廊道的数学化网络模型连接郊区与市中心，由道路交通系统和轨道交通系统构成，轨道交通站点与道路交通网络通过虚拟路段连接，通勤者可以通过道路交通系统(或轨道交通系统)直接从郊区前往市中心，也可以通过虚拟路段采取停车换乘方式搭乘地铁前往目的地；
S3.2.2、对数学化网络模型初始化：输入网络特征参数，并设置初始路段流量xa为零。同时，令迭代次数τ＝1；
S3.2.3、基于BPR函数计算电动汽车和燃油汽车的路段旅行时间，其中，BPR函数的表达式为：
Figure BDA0002348274870000141
其中，Ta为路段a的旅行时间(min)；xa为路段a的路段流量(pcu)；Ca为路段a的通行能力(pcu/min)；
Figure BDA0002348274870000142
为路段a的自由流时间(min)；β，d为校正参数；
S3.2.4、基于步骤S2构建的电动汽车和燃油汽车的中观能耗模型，计算电动汽车和燃油汽车的路段能耗以及相应的路径能耗；
S3.2.5、构建电动汽车直达方式的可用路径集合；如果电动汽车的初始电量可以满足整个出行过程中的能耗需求，那么电动汽车直达方式的可用路径集合与燃油汽车的可用路径集合相同；如果电动汽车的初始电量不能满足整个出行过程中的能耗需求，那么其可用路径必须至少经过一个电动汽车充电站，并且要保证电动汽车在到达充电站时，电池仍有一定的电量剩余。在这种情况下，电动汽车直达方式不再被考虑为备选出行方式；即基于不同车型的中观能耗模型得到电动汽车充电需求估值；
S3.2.6、基于步骤S1.4获取的出行行为选择模型的标定系数，计算不同类型通勤者不同方式下的广义路径出行成本
Figure BDA0002348274870000143
其中，
Figure BDA0002348274870000144
即不同类型通勤者不同方式下的广义路径出行成本为其出行效用的相反数。基于多项logit模型，将地铁直达、燃油汽车直达、电动汽车直达、燃油汽车停车换乘、电动汽车停车换乘五种出行需求分配到通勤廊道上，得到第w类通勤者选择出行方式b下路径k的辅助流量
Figure BDA0002348274870000145
以及相应的路段辅助流量x′a。计算公式为：
Figure BDA0002348274870000146
Figure BDA0002348274870000151
其中，qw为第w类通勤者的出行需求；δa,k为路径-路段关联参数，当路段a在路径k上时，δa,k＝1否则δa,k＝0。
S3.2.7、基于连续权重平均法(MSWA)更新路段流量，计算公式为；
Figure BDA0002348274870000152
S3.2.8、判断优化函数F是否满足收敛标准ψ。当满足时，则算法停止，否则令τ＝τ+1，返回步骤S3.2.3。其中优化函数F的表达式为：
Figure BDA0002348274870000153
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (10)

1.一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，包括以下步骤：
S1、根据电动汽车混入下通勤者出行行为建立不同类型通勤者的出行行为选择模型；
S2、基于车辆行驶状态信息和能耗数据，建立电动汽车和燃油汽车的中观能耗模型，基于不同车型的中观能耗模型，得到电动汽车充电需求估值；
S3、构建停车充电换乘系统定址定容联合决策模型：基于通勤者的出行特征以及已有设施条件，建立不同规划目标下的停车充电换乘系统定址定容联合决策上层优化模型；结合随机用户平衡理论、变分不等式方法和电动汽车充电需求估值，建立基于交通网络系统平衡问题的停车充电换乘系统定址定容联合决策下层优化模型，以下层优化模型的出行需求分布量作为上层优化模型的输入，得到最终的停车充电换乘系统规划方案。
2.根据权利要求1所述的一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，步骤S1具体包括以下步骤：
S1.1、采集通勤者的出行意向数据；
S1.2、基于采集的出行意向数据，通过相关性分析方法得到影响通勤者出行行为的影响因素；
S1.3、根据出行行为影响因素，基于随机效用理论，分别构建针对不同类型出行群体的出行行为选择模型；
S1.4、基于极大似然法对构建的针对不同类型出行群体的出行行为选择模型进行标定，获取出行行为选择模型的标定系数。
3.根据权利要求2所述的一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，根据通勤者的机动车保有情况，通勤者包括燃油汽车保有人群、电动汽车保有人群以及燃油汽车&电动汽车保有人群。
4.根据权利要求3所述的一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，针对燃油汽车保有人群，建立多项logit模型的效用函数为：
Figure FDA0002348274860000021
Figure FDA0002348274860000022
Figure FDA0002348274860000023
针对电动汽车保有人群，建立多项logit模型的效用函数为：
Figure FDA0002348274860000024
Figure FDA0002348274860000025
Figure FDA0002348274860000026
针对燃油汽车&电动汽车保有人群，建立多项logit模型的效用函数为：
Figure FDA0002348274860000027
Figure FDA0002348274860000028
Figure FDA0002348274860000029
Figure FDA00023482748600000210
Figure FDA00023482748600000211
其中，Vb w为第w类出行群体选择出行方式b的出行效用，其中w＝1为燃油汽车保有人群；w＝2为电动汽车保有人群；w＝3为燃油汽车&电动汽车保有人群；b＝1为地铁直达；b＝2为燃油汽车直达；b＝3为电动汽车直达；b＝4为燃油汽车停车换乘；b＝5为电动汽车停车换乘；Xb1为选择出行方式b的旅行时间(min)；Xb2为选择出行方式b的旅行费用(元)；Xb3为选择出行方式b的初始电量(％)；Xb4为选择出行方式b的终点电量(％)；θi w为待标定系数，i＝1,2,…,5。
5.根据权利要求1所述的一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，上层优化模型的具体建立过程为：
S3.1.1、根据决策变量个数随机生成停车充电换乘设施布局规划，输入遗传算法的参数；其中，种群规模为n，
Figure FDA0002348274860000031
K为备选站点的个数，l为规划站点的个数，令初始迭代次数t＝1；
S3.1.2、求解停车充电换乘系统定址定容联合决策下层优化模型，计算所有停车充电换乘设施布局规划方案所对应的上层目标函数值：Z＝Z1+Z2
其中，Z1为从用户角度考虑的网络总出行成本，Z2为从系统角度考虑的总建设成本；
S3.1.3、计算停车充电换乘设施布局规划方案所对应的设施容量；
S3.1.4、如果停车充电换乘设施布局规划方案满足设施容量约束，则上层目标函数值即为最终结果，否则将上层优化模型得到的上层目标函数值乘以惩罚因子作为最终上层目标函数值；
S3.1.5、基于遗传算法设置参数进行迭代，若迭代次数达到最大迭代次数或满足终止条件，则终止迭代，并返回最优解，否则进入下一步；
S3.1.6、根据停车充电换乘系统定址定容联合决策上层优化模型中子目标函数的个数，将停车充电换乘系统定址定容联合决策上层优化模型等分为相应数目的子群体；
S3.1.7、子群体对应子目标函数Zr，r为子目标函数的序号，根据子群体中每个个体被选择的预期概率，对每个子群体选择出适应度较高的个体组成一个新子群体；其中，预期概率的计算公式为：
Figure FDA0002348274860000032
其中，prs为子群体r中个体m被选择的预期概率；urm为其相应的适应度；
S3.1.8、将步骤S3.1.7所产生的新子群体合并成一个完整群体，并将该完整群体中的每个个体随机配对，以交叉概率pc交换其间的部分染色体，从而生成多个新的个体；
S3.1.9、从当前父代群体中随机选择部分个体，以突变概率pv随机改变某一个基因值为其他的等位基因，从而得到新的布局规划方案，令t＝t+1，返回步骤S3.1.2。
6.根据权利要求1所述的一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，停车充电换乘设施布局规划方案所对应的设施容量包括停车设施建设数量和充电设施建设数量，停车设施建设数量为选择该停车换乘站点的总人数；充电设施建设数量为选择该停车换乘站点的电动汽车用户总人数。
7.根据权利要求1所述的一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，遗传算法设置参数包括交叉概率pc，突变概率pv和最大迭代次数T。
8.根据权利要求1所述的一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，下层优化模型的具体计算过程为：
S3.2.1、基于停车充电换乘设施布局规划方案，构建通勤廊道的数学化网络模型；
S3.2.2、对数学化网络模型初始化：输入网络特征参数，并设置初始路段流量xa为零，令迭代次数τ＝1；
S3.2.3、基于BPR函数计算电动汽车和燃油汽车的路段旅行时间，其中，BPR函数的表达式为：
Figure FDA0002348274860000051
其中，Ta为路段a的旅行时间(min)；xa为路段a的路段流量(pcu)；Ca为路段a的通行能力(pcu/min)；
Figure FDA0002348274860000052
为路段a的自由流时间(min)；β，d为校正参数；
S3.2.4、基于电动汽车和燃油汽车的中观能耗模型，计算电动汽车和燃油汽车的路段能耗以及相应的路径能耗；
S3.2.5、构建电动汽车直达方式的可用路径集合；
S3.2.6、基于获取的出行行为选择模型标定系数，计算不同类型通勤者不同方式下的广义路径出行成本
Figure FDA0002348274860000053
其中，
Figure FDA0002348274860000054
基于多项logit模型，将地铁直达、燃油汽车直达、电动汽车直达、燃油汽车停车换乘、电动汽车停车换乘五种出行需求分配到通勤廊道上，得到第w类通勤者选择出行方式b下路径k的辅助流量
Figure FDA0002348274860000055
以及相应的路段辅助流量x′a；计算公式为：
Figure FDA0002348274860000056
Figure FDA0002348274860000057
其中，qw为第w类通勤者的出行需求；δa,k为路径-路段关联参数，当路段a在路径k上时，δa,k＝1否则δa,k＝0；
S3.2.7、基于连续权重平均法更新路段流量，计算公式为；
Figure FDA0002348274860000058
S3.2.8、判断下层优化模型的优化函数F是否满足收敛标准ψ，当满足时，则停止迭代，否则令τ＝τ+1，返回步骤S3.2.3，直至优化函数F满足收敛标准ψ。
9.根据权利要求8所述的一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，通勤廊道的数学化网络模型连接郊区与市中心，由道路交通系统和轨道交通系统构成，轨道交通站点与道路交通网络通过虚拟路段连接，通勤者可以通过道路交通系统直接从郊区前往市中心，也可以通过虚拟路段采取停车换乘方式搭乘地铁前往目的地。
10.根据权利要求8所述的一种面向通勤廊道的停车充电换乘系统规划方法，其特征在于，优化函数F的表达式为：
Figure FDA0002348274860000061
CN201911404524.6A 2019-12-30 2019-12-30 一种面向通勤廊道的停车充电换乘系统规划方法 Active CN111126712B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911404524.6A CN111126712B (zh) 2019-12-30 2019-12-30 一种面向通勤廊道的停车充电换乘系统规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911404524.6A CN111126712B (zh) 2019-12-30 2019-12-30 一种面向通勤廊道的停车充电换乘系统规划方法

Publications (2)

Publication Number Publication Date
CN111126712A true CN111126712A (zh) 2020-05-08
CN111126712B CN111126712B (zh) 2023-09-01

Family

ID=70505974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911404524.6A Active CN111126712B (zh) 2019-12-30 2019-12-30 一种面向通勤廊道的停车充电换乘系统规划方法

Country Status (1)

Country Link
CN (1) CN111126712B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112882466A (zh) * 2021-01-12 2021-06-01 上海电力大学 一种融合分层规划和a*算法的共享电动汽车路径规划方法
CN114597951A (zh) * 2022-04-06 2022-06-07 西南交通大学 一种电动汽车参与交流城轨供电系统节能运行的优化方法
CN115907227A (zh) * 2022-12-30 2023-04-04 天津大学 一种高速公路固定与移动充电设施双层协同优化方法

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6873610B1 (en) * 2000-05-01 2005-03-29 Mobular Technologies, Inc. System and method for efficiently accessing affiliated network addresses from a wireless device
JP2005192379A (ja) * 2003-12-25 2005-07-14 Hisashi Koto 自家用車、バス、電車を乗り継ぐ通勤システム
US20090018902A1 (en) * 2007-07-09 2009-01-15 Jannine Miller Commuter credits system and method
CN102730012A (zh) * 2012-06-21 2012-10-17 江苏中辆科技有限公司 新能源电动有轨公交车组
CN104390650A (zh) * 2014-11-12 2015-03-04 清华大学 基于云平台的电动汽车路径规划方法及系统
CN105760960A (zh) * 2016-02-29 2016-07-13 东南大学 基于轨道交通的停车换乘设施最优选址和容量确定方法
CN106777835A (zh) * 2017-02-15 2017-05-31 国网江苏省电力公司苏州供电公司 同时考虑多个优化目标的城市电动汽车充电网络规划方法
CN107153893A (zh) * 2017-05-19 2017-09-12 东南大学 一种基于城市停车数据的电动汽车充电站选址规划方法
CN107176051A (zh) * 2017-06-22 2017-09-19 国网天津市电力公司 基于时空电价模式的电动汽车充电桩管理系统
CN108110801A (zh) * 2017-12-28 2018-06-01 国家电网公司 考虑电动汽车与储能的有源配电网多级冗余协调控制方法
CN109034465A (zh) * 2018-07-16 2018-12-18 河海大学 考虑充电站选址与出行路径耦合的充电站两层规划方法
CN109035766A (zh) * 2018-07-13 2018-12-18 北京工业大学 一种车联网环境下考虑可变周期的动态交通控制与诱导协同优化方法
CN109636008A (zh) * 2018-11-20 2019-04-16 上海电力学院 一种电动公交快充站服务费定价获取方法
CN109800917A (zh) * 2019-01-23 2019-05-24 华北电力大学 一种电动汽车停车场的规划方法、装置和计算设备
CN109840635A (zh) * 2019-01-29 2019-06-04 三峡大学 基于电压稳定性和充电服务质量的电动汽车充电站规划方法
CN110034596A (zh) * 2019-04-10 2019-07-19 河海大学常州校区 WRSNs中基于SOM神经网络的多基站充电方法
CN110084394A (zh) * 2019-06-11 2019-08-02 天津大学 一种考虑温控设备和电动汽车的工业用户智能用电优化方法
CN110148297A (zh) * 2019-04-24 2019-08-20 河海大学 一种使用班车接驳的停车换乘系统及优化方法
CN110504708A (zh) * 2019-08-09 2019-11-26 国家电网有限公司 计及充电站和分布式电源的配电网多目标协同规划方法

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6873610B1 (en) * 2000-05-01 2005-03-29 Mobular Technologies, Inc. System and method for efficiently accessing affiliated network addresses from a wireless device
JP2005192379A (ja) * 2003-12-25 2005-07-14 Hisashi Koto 自家用車、バス、電車を乗り継ぐ通勤システム
US20090018902A1 (en) * 2007-07-09 2009-01-15 Jannine Miller Commuter credits system and method
CN102730012A (zh) * 2012-06-21 2012-10-17 江苏中辆科技有限公司 新能源电动有轨公交车组
CN104390650A (zh) * 2014-11-12 2015-03-04 清华大学 基于云平台的电动汽车路径规划方法及系统
CN105760960A (zh) * 2016-02-29 2016-07-13 东南大学 基于轨道交通的停车换乘设施最优选址和容量确定方法
CN106777835A (zh) * 2017-02-15 2017-05-31 国网江苏省电力公司苏州供电公司 同时考虑多个优化目标的城市电动汽车充电网络规划方法
CN107153893A (zh) * 2017-05-19 2017-09-12 东南大学 一种基于城市停车数据的电动汽车充电站选址规划方法
CN107176051A (zh) * 2017-06-22 2017-09-19 国网天津市电力公司 基于时空电价模式的电动汽车充电桩管理系统
CN108110801A (zh) * 2017-12-28 2018-06-01 国家电网公司 考虑电动汽车与储能的有源配电网多级冗余协调控制方法
CN109035766A (zh) * 2018-07-13 2018-12-18 北京工业大学 一种车联网环境下考虑可变周期的动态交通控制与诱导协同优化方法
CN109034465A (zh) * 2018-07-16 2018-12-18 河海大学 考虑充电站选址与出行路径耦合的充电站两层规划方法
CN109636008A (zh) * 2018-11-20 2019-04-16 上海电力学院 一种电动公交快充站服务费定价获取方法
CN109800917A (zh) * 2019-01-23 2019-05-24 华北电力大学 一种电动汽车停车场的规划方法、装置和计算设备
CN109840635A (zh) * 2019-01-29 2019-06-04 三峡大学 基于电压稳定性和充电服务质量的电动汽车充电站规划方法
CN110034596A (zh) * 2019-04-10 2019-07-19 河海大学常州校区 WRSNs中基于SOM神经网络的多基站充电方法
CN110148297A (zh) * 2019-04-24 2019-08-20 河海大学 一种使用班车接驳的停车换乘系统及优化方法
CN110084394A (zh) * 2019-06-11 2019-08-02 天津大学 一种考虑温控设备和电动汽车的工业用户智能用电优化方法
CN110504708A (zh) * 2019-08-09 2019-11-26 国家电网有限公司 计及充电站和分布式电源的配电网多目标协同规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ALEXANDER GERCIKOW; ANDREAS FUCHS; HANS-PETER SCHMIDT: "Wireless power and data transfer for electric vehicle charging at car parks", no. 10 *
姚恩建，卢沐阳，刘宇环，元凌: "考虑充电约束的电动公交区域行车计划编制", no. 09 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112882466A (zh) * 2021-01-12 2021-06-01 上海电力大学 一种融合分层规划和a*算法的共享电动汽车路径规划方法
CN114597951A (zh) * 2022-04-06 2022-06-07 西南交通大学 一种电动汽车参与交流城轨供电系统节能运行的优化方法
CN115907227A (zh) * 2022-12-30 2023-04-04 天津大学 一种高速公路固定与移动充电设施双层协同优化方法
CN115907227B (zh) * 2022-12-30 2023-07-28 天津大学 一种高速公路固定与移动充电设施双层协同优化方法

Also Published As

Publication number Publication date
CN111126712B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
Chen et al. Optimal routing and charging of an electric vehicle fleet for high-efficiency dynamic transit systems
Luo et al. Charging scheduling strategy for different electric vehicles with optimization for convenience of drivers, performance of transport system and distribution network
CN109034465B (zh) 考虑充电站选址与出行路径耦合的充电站两层规划方法
CN109034648B (zh) 一种电动汽车集群需求响应潜力评估方法
CN111126712A (zh) 一种面向通勤廊道的停车充电换乘系统规划方法
CN113029182B (zh) 一种考虑无线充电和动态能耗的电动汽车路径规划方法
CN106965688A (zh) 一种电网和交通网协同环境下的电动汽车充电方法
CN114912736A (zh) 一种电动公交协调优化调度方法
CN108269008B (zh) 考虑用户满意度和配网可靠性的充电设施优化规划方法
CN112686441B (zh) 基于交通均衡的电动汽车充电导航及路径选择方法
CN106530180A (zh) 一种高寒地区充电服务网络规划方法
CN113393073B (zh) 一种共享汽车与轨道交通换乘接驳的调度系统及方法
CN108596394B (zh) 一种多类型电动汽车充电站的选址协调配置方法
CN107730049A (zh) 电动汽车快速充电最优位置选择方法
CN111046576A (zh) 一种考虑双网信息的电动私家车充电负荷预测方法
CN114169609A (zh) 一种考虑光伏耦合的电动汽车充电站规划方法
CN107145983A (zh) 一种基于城市虚拟交通平台的电动汽车充电站选址方法
CN115171382A (zh) 城市路网自动驾驶专用车道部署方法
Du et al. Modeling the capacity of multimodal and intermodal urban transportation networks that incorporate emerging travel modes
Su et al. Spatial-temporal distribution model of electric vehicle charging demand based on a dynamic evolution process
CN115204442A (zh) 一种电网-充电运营商协同运行优化方法及系统
CN114936666A (zh) 基于车-站-平台系统的电动汽车充电导航方法及系统
CN112330025A (zh) 用于城市电动汽车的时空充电负荷的预测方法
CN113255135A (zh) 一种基于交通均衡的电动汽车快速充电负荷模拟方法
Liu et al. Dynamic bus scheduling of multiple routes based on joint optimization of departure time and speed

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