CN112434259B - 一种类比电路功耗的路网交通能耗分析方法 - Google Patents

Abstract

本发明涉及一种类比电路功耗的路网交通能耗分析方法，包括下列步骤：步骤(1)：以驱动人们乘坐机动车出行的多种因素作为驱动人们出行的势能，确定影响交通出行因素的驱动力势能

步骤(2)：电流定义为单位时间内通过某一横截面积的电荷量的多少，对于交通道路情况做出类比处理；得到道路属性I；步骤(3)：得到区域内能耗排放Q。步骤(4)：根据前三步得出的

I、Q建立线性回归模型，并基于此建立数学模型，可得出三者的相互作用关系，得到一段路程的交通能耗数据，并将此进行扩展，构建起一个基于线性回归算法的类比能耗分析模型。

Description

一种类比电路功耗的路网交通能耗分析方法

技术领域

本发明涉及一种对于路网的交通能耗分析方法，尤其指类比于电路中电阻功率能耗的道路交通能耗分析。通过对电路参数与路网参数的类比，考虑交通能耗的多重影响因素，并在一定的大数据的拟合下，根据线性回归可以得出路网能耗的相关分析方法。

背景技术

我国是人口大国，每年对能源的消耗量十分巨大。尤其是对一些不可再生能源的，如果长期持续大量地消耗，可能会危及到未来社会各方面的发展。虽然目前已有部分地区开始推行新能源汽车等新型交通工具的普及，但是这种新能源的建设需要一段相对较长的时间来搭建。在此之前，能源的过度消耗是否会影响到人们的正常生活，是难以预料的。基于目前技术的限制，新能源的还不能做到真正意义上的取代现有的自然资源。因此，针对现阶段，构建合理的城市交通能耗分析模型，对于解决能源的过度消耗问题十分有效。

目前国内外已有一些成熟的城市交通能耗的测量模型以及分析方法。北京交通大学与清华大学的张秀媛等人围绕城市交通全周期能耗分析，搭建了城市公共交通能耗分析模型；华中科技大学的龙江英在博士论文中提出来将七种客运交通方式运输效率最大化作为优化目标，将影响低碳目标的各种因素作为约束条件，构建低碳目标下城市交通结构优化模型的碳排放计算模型；并且，在当今大数据发展迅速的今天，基于大数据分析的交通能耗研究方式以及BT等神经网络的交通能耗模型构建技术也已成熟；以及当下的一些成熟软件，如Leap，Matlab等电脑软件均可在一定的大数据的支撑下模拟构建城市交通能耗的分析模型，在当今交通压力逐渐增大，能耗问题不断进入公众视野，这些应用与分析都将发挥极大的作用。

分析交通的数据可知，交通的影响因素是多样的，因此涉及交通能耗的分析方面也必将是多方面的。这种影响交通数据的因素包括：天气因素、节假日、汽车型号等等。综合这些因素联系在一起的分析方法，可以得出较为准确的交通能耗分析模型。

电网与路网有些共通之处，电路中已有一定的计算电路功耗的特定公式P＝U*I、Q＝R*I^2等等。不妨假设路网与电网的模型相同，进而对电网与路网进行一定的合理的类比及推理，以达到将电网的功率能耗类比推理到交通网络的能耗。许多学术讨论中有诸多“把路网用电网类比”的讨论，两者的机制不同，道路的情况比电路的情况要复杂得多等问题。其实，可以借此想法，凭借着当今大数据分析的数据优势，将路网情况用更加数字化的信息描述起来，从而在大数据的比对之重得出一般性的规律与模型。

发明内容

本发明的目的是提供一种路网交通能耗分析方法，类比于电路中能量的消耗方式，微观地看交通网络中的能源流失。技术方案如下：

一种类比电路功耗的路网交通能耗分析方法，包括下列步骤：

步骤(1)：以驱动人们乘坐机动车出行的多种因素作为驱动人们出行的势能，每种因素在总的驱动势能中占比不同，不同因素的不同程度的影响相对权重也不一样，导致各个不同级别之间对能耗的影响程度也不同，将因素分级，划分不同的因素等级，得到并按照影响相对权重分级的包含因素种类、因素权重和因素等级字段的驱动势能的影响参数表，从而确定影响交通出行因素的驱动力势能

步骤(2)：电流定义为单位时间内通过某一横截面积的电荷量的多少，对于交通道路情况做出以下类比处理：

类比1：电路中的电荷量类比作一段道路中汽车所具有的平均重量数q，根据对大量汽车重量的求和与平均，得到一个用来衡量平均重量数多少的标准重量数M_g；进而得到多辆汽车载人的平均重量数q：

类比2：电路中的横截面类比作道路中一定区域内截断面上的面积s，电路中的电荷通过截面的高度类比作一段道路中汽车所具有的平均高度h，根据对大量汽车高度的求和与平均，得到一个用来衡量平均高度h的标准高度H_g；，进而得到多辆汽车的平均高度h；

设路面宽度为L，计算道路中一定区域内截断面上的面积s

类比3：电路中单位体积内的电荷密度类比作单位体积内车流密度的大小j，设选定道路长度为k，根据类比1与类比2，得到车流密度的大小j的计算公式：

类比4：电路中的电荷定向运动速度类比作车流行驶平均速度v，在一定区域内，设每辆车的行驶速度，再考虑每辆车的重量，求取该区域内车流行驶平均速度v；

综合以上四种类比，得到道路属性I，用来表征交通路段中的车辆数据：

I＝aq^a's^a”j^a”'v^a””+b

式中：a，a',a”,a”',b为误差校正参数。

步骤(3)：不同的车辆有着不同的能耗指标，在多种因素的影响下，车辆的能耗是不完全相同的，在步骤(2)所取得的一定区域内，对于有不同型号的车辆，考虑在包括速度、载重、温度、湿度在内的多种因素的影响下的各因素权重，对车辆的能耗进行大数据统计，得到区域内能耗排放Q。

步骤(4)：根据前三步得出的

I、Q建立线性回归模型，并基于此建立数学模型，可得出三者的相互作用关系，得到一段路程的交通能耗数据，并将此进行扩展，构建起一个基于线性回归算法的类比能耗分析模型。

附图说明

图1、类比算法基本步骤

图2、类比算法的整体框架图

具体实施方式

针对于电路中，某一段电路的特点是：在电路两端一定电动势的驱动下，电路中的载流子定向移动形成电流，电流通过这一段有阻值的电路会产生一定的能量消耗。

类比于路网中，可以取一段没有交通路口的笔直道路进行类比。路网中所需要考虑的因素有很多，比如：天气因素、是否节假日、是否限行、道路施工等因素。本发明类比电路的能耗因素将影响交通的因素进行分类，并在大数据的支撑下进行分析整理。

本发明以机动车能耗为例进行以下步骤的，非机动车的能耗分析可以类比得出。

步骤(1)：驱动人们乘坐机动车出行的因素有多种，设为：N₁影响因素，N₂影响因素，N₃影响因素，N₄影响因素……(因素种类)。这些因素作为驱动人们出行的势能，在总的驱动势能中占比是不一样的，设不同的因素在总的驱动势能中占比分别为：P₁％，P₂％，P₃％，P₄％……(因素权重)。不同因素的不同程度的影响相对权重也不一样，导致各个不同级别之间对能耗的影响程度也不同。设每种因素可分级别为：一级(影响)、二级(影响)、三级(影响)……(因素级别)具体形式如下表：

表1驱动势能影响(因素种类、因素权重、因素等级)参数表

PS：A＝{A₁、A₂、A₃、A₄……}、B＝{B₁、B₂、B₃、B₄……}、C＝{C₁、C₂、C₃、C₄……}为因素种类不同，权重不同，等级不同条件下的影响参数。

在大数据的分析支持下，可分别考察某一因素，某一等级下的因素权重与影响参数。可以得出A＝{A₁、A₂、A₃、A₄……}、B＝{B₁、B₂、B₃、B₄……}、C＝{C₁、C₂、C₃、C₄……}、P＝{P₁％、P₂％、P₃％、P₄％……}等数据。综合以上因素的考虑，可得某一时间内驱动势能公式如下：

PS：该公式仅以各因素的一级影响为例，α为误差修正。

步骤(2)：电流定义为单位时间内通过某一横截面积的电荷量的多少。因此对于交通道路情况做出以下类比处理：

类比1：电路中的电荷量类比作一段道路中汽车所具有的平均重量数q，根据对大量汽车重量(质量为M＝{M₁、M₂、M₃、M₄……})的求和与平均，可以分析得到一个用来衡量平均重量数多少的标准重量数M_g：

设一段道路中，多辆汽车载人的重量为m＝{m₁、m₂、m₃、m₄……}，根据公式得平均重量数q：

类比2：电路中的横截面类比作道路中一定区域内截断面上的面积s。电路中的电荷通过截面的高度类比作一段道路中汽车所具有的平均高度h，根据对大量汽车高度(高度为H＝{H₁、H₂、H₃、H₄……})的求和与平均，可以分析得到一个用来衡量平均高度h的标准高度H_g:

设一段道路中，多辆汽车的高度为h＝{h₁、h₂、h₃、h₄……}，根据公式得平均高度h：

设路面宽度为L，可得s计算公式：

类比3：电路中单位体积内的电荷密度类比作单位体积内车流密度的大小j，设选定道路长度为k，根据类比1与类比2，可得车流密度的大小j的计算公式：

类比4：电路中的电荷定向运动速度类比作车流行驶平均速度v。在一定的很小的区域内，设每辆车的行驶速度V＝{V₁、V₂、V₃、V₄……}，再联合重量，可以求取该区域内车流行驶平均速度v：

综合以上四种类比，可得道路属性I：

I＝aq^a's^a”j^a”'v^a””+b

PS：a，a',a”,a”',b为误差校正。

步骤(3)：以上可以求出交通路段中的车辆数据。不同的车辆有着不同的能耗指标，在多种因素的影响下，车辆的能耗是不完全相同的，或者有着很大的差异。在步骤(2)所取得的一定区域内，设分别有不同型号的车辆：型号一、型号二、型号三……(车辆型号)，在因素n₁(速度)、n₂(载重)、n₃(温度)、n₄(湿度)……(车辆特性)等因素的影响下，各因素权重：p₁％、p₂％、p₃％、p₄％……(因素权重)车辆的能耗可进行大数据统计。列表如下：

表2能耗表

PS：b＝{b₁、b₂、b₃、b₄……}、c＝{c₁、c₂、c₃、c₄……}、d＝{d₁、d₂、d₃、d₄……}为车辆型号不同，车辆特性不同，权重不同条件下的能耗排放。

则可得该区域内能耗为:

PS：该公式仅以车辆型号一为例，β为误差修正。

步骤(4)：根据前三步得出的

I、Q建立线性回归模型，并基于此建立数学模型，可得出三者的相互作用关系。以此通过简单地对

I的分析与计算，可得出一段路程的交通能耗数据。并将此进行扩展，构建起一个基于线性回归算法的类比能耗分析模型。模型构建具体方法如下(仅以线性拟合为例)：

已求出如下数据：

I＝{I₁、I₂、I₃、I₄……}、Q＝{Q₁、Q₂、Q₃、Q₄……}

令

x_i＝φ_i^c'

y_i＝I_i^c”

z_i＝Q_i^c”'

根据表格，列出散点图，寻找最合适的c'、c”、c”'进行下列拟合运算：

建立下述三元线性回归模型：

z＝e₀+e₁x+e₂y

令

则

令

可计算求得e₀，e₁，e₂。代入

z＝e₀+e₁x+e₂y

可得数学模型(二元经验线性回归方程)：

本发明由于采取以上技术方案，其具有以下优点：

1.建立的类比电路功耗的路网交通能耗分析模型具有普适性，可对于多种情景下道路交通能耗/排放进行预测。且适应多种因素条件下的分析与计算，随着影响因素与影响条件的增加，建立的类比电路功耗的路网交通能耗分析模型与实际模型具有更好的比拟性质。

2.定义车辆的平均重量数等参数，将有关车辆的参数量化，大大简便了对车辆模型的分析以及计算。本发明通过对路网与电网的端口对接式类比，将无形的车辆影响能耗因素，具体到具体的数据参数上，将因素影响可视化，可量化。

一个具体实施例：

1.从数据库中调出当天天气、交通程度等因素对交通出行的驱动力占比权重影响参数。根据要测量的某一段时间内的参数及影响因素代入

计算出影响交通出行因素的驱动力势能。

2.用测量传感技术仪器，测量该段道路中汽车所具有的平均重量数，一定区域内截断面上的面积，车流密度的大小，车流行驶平均速度，再代入

I＝aq^a's^a”j^a”'v^a””+b

计算出道路属性I

3.从数据库中调出车辆车型、交通程度等因素对交通能耗排放占比权重影响参数。根据要测量的某一段时间内的参数及影响因素代入

计算得多种因素影响下交通能耗排放Q

4.利用线性回归运算，将以上参数代入

求得三者之间的关系，以此为基础可以建立数学模型以及规划运算，将能耗的监测模型化。

Claims (1)

1.一种类比电路功耗的路网交通能耗分析方法，包括下列步骤：

步骤(1)：以驱动人们乘坐机动车出行的多种因素作为驱动人们出行的势能，每种因素在总的驱动势能中占比不同，不同因素的不同程度的影响相对权重也不一样，导致各个不同级别之间对能耗的影响程度也不同，将因素分级，划分不同的因素等级，得到并按照影响相对权重分级的包含因素种类、因素权重和因素等级字段的驱动势能的影响参数表，从而确定影响交通出行因素的驱动力势能

步骤(2)：电流定义为单位时间内通过某一横截面积的电荷量的多少，对于交通道路情况做出以下类比处理：

类比1：电路中的电荷量类比作一段道路中汽车所具有的平均重量数q，根据对大量汽车重量的求和与平均，得到一个用来衡量平均重量数多少的标准重量数M_g；进而得到多辆汽车载人的平均重量数q：

类比2：电路中的横截面类比作道路中一定区域内截断面上的面积s，电路中的电荷通过截面的高度类比作一段道路中汽车所具有的平均高度h，根据对大量汽车高度的求和与平均，得到一个用来衡量平均高度h的标准高度H_g；进而得到多辆汽车的平均高度h；

设路面宽度为L，计算道路中一定区域内截断面上的面积s；

类比3：电路中单位体积内的电荷密度类比作单位体积内车流密度的大小j，设选定道路长度为k，根据类比1与类比2，得到车流密度的大小j的计算公式：

类比4：电路中的电荷定向运动速度类比作车流行驶平均速度v，在一定区域内，设每辆车的行驶速度，再考虑每辆车的重量，求取该区域内车流行驶平均速度v；

综合以上四种类比，得到道路属性I，用来表征交通路段中的车辆数据：

I＝aq^a's^a”j^a”'v^a””+b

式中：a，a',a”,a”',b为误差校正参数；

步骤(3)：不同的车辆有着不同的能耗指标，在多种因素的影响下，车辆的能耗是不完全相同的，在步骤(2)所取得的一定区域内，对于有不同型号的车辆，考虑在包括速度、载重、温度、湿度在内的多种因素的影响下的各因素权重，对车辆的能耗进行大数据统计，得到区域内能耗排放Q；

步骤(4)：根据前三步得出的

I、Q建立线性回归模型，并基于此建立数学模型，可得出三者的相互作用关系，得到一段路程的交通能耗数据，并将此进行扩展，构建起一个基于线性回归算法的类比能耗分析模型，将能耗的监测模型化。

Images