CN114819361A - 一种低碳出行背景下的城市电动汽车需求预测方法 - Google Patents
一种低碳出行背景下的城市电动汽车需求预测方法 Download PDFInfo
- Publication number
- CN114819361A CN114819361A CN202210475756.6A CN202210475756A CN114819361A CN 114819361 A CN114819361 A CN 114819361A CN 202210475756 A CN202210475756 A CN 202210475756A CN 114819361 A CN114819361 A CN 114819361A
- Authority
- CN
- China
- Prior art keywords
- travel
- automobile
- path
- formula
- network
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 15
- 239000000446 fuel Substances 0.000 claims abstract description 44
- 230000006870 function Effects 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 7
- 230000008447 perception Effects 0.000 claims abstract description 5
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 239000007787 solid Substances 0.000 abstract description 2
- 238000013439 planning Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
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
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种低碳出行背景下的城市电动汽车需求预测方法。该方法首先结合城市交通网络的规模效应,为燃油汽车和电动汽车分别建立了符合车辆运行特性的运行成本函数。再依据出行者对于出行时间主观感知的随机性,构建基于随机用户均衡原则的交通分配问题;获得城市交通网络中的路径流量和出行时间,以及燃油汽车和电动汽车的运行成本。最后,本发明结合Logit行为选择模型进行交通出行方式划分,实现对城市电动汽车出行需求的有效预测。本发明可以更加准确地预测城市交通网络中电动汽车的出行需求,估算与城市交通相关的环境成本,从而采取及时有效的管理措施,为建设节能低碳的现代城市交通提供坚实的支持。
Description
技术领域
本发明属于城市交通领域,具体涉及一种低碳出行背景下的城市电动汽车需求预测方法。
背景技术
电动汽车(electric vehicle,EV)以其低排放、无噪声、高效率的特点,被认为是重塑未来城市交通市场并美化城市环境最有前景的出行方式之一,受到了国内外交通管理者的广泛关注和大力扶持。数据显示,截至2021年底,我国电动汽车保有量达640万辆,约占全球电动汽车总量的50%,超越美国和欧洲成为全球电动汽车第一大市场。电动汽车如此迅猛的发展势头推动了现代城市交通规划、设计及管理的转变,例如充电设施的布局、现有车位的改造,甚至无线充电道路的铺设等等;而对于城市电动汽车出行需求的准确预测成为实现上述交通规划、设计及管理的首要基础。此外,分析电动汽车的需求对于汽车销售市场的管理和城市交通相关的环境成本估算有着重要意义。
一种电动汽车充电设施的规划方法(申请号CN202111418526.8),基于区域人口规模、人均汽车持有水平、电动汽车渗透率、各类电动汽车的不同出行特征和能耗特征、充电设施配置结构体系、充电设施年利用小时数、曲折系数、充电设施服务半径等指标组成一套电动汽车充电设施的规划方法,对某一时间断面的某个场景、某个区域进行电动汽车充电设施配置的合理性、经济性评价,或预测其发展规模、提出布局配置方案,并进行方案合理性分析、敏感性分析及经济性评价。基于交通分配结果的电动汽车充电站选址方法(申请号CN202110249480.5),将每种待选的电动汽车充电站选址方案等效为一个用户均衡模型,利用每个等效用户均衡模型的目标函数求解路径交通量,得到交通分配的结果,从而计算出电动汽车充电站选址方案的定量判断指标;并采用数据包络分析法对燃油汽车和电动汽车组成的特殊混合交通网络中的充电设施选址方案进行定量筛选。这两项现有发明的重点都在于电动汽车充电设施的选址布局规划,但都没有考虑到规划前所必需的电动汽车出行需求预测。
发明内容
为了解决上述背景技术提到的技术问题,本发明提出了一种低碳出行背景下的城市电动汽车需求预测方法。
为了实现上述技术目的,本发明的技术方案为:
一种低碳出行背景下的城市电动汽车需求预测方法,包括以下步骤:
S1、以城市交通网络的拓扑结构为基础,结合出行者对于出行时间的随机性,构建基于随机用户均衡原则的交通分配问题并求解;
S2、以燃油汽车和电动汽车的车辆运行特性为基础,制定考虑城市交通网络规模效应的运行成本函数;
S3、基于Logit行为选择模型模拟出行者对于燃油汽车和电动汽车的出行方式选择,预测城市交通网络中的电动汽车出行需求总量。
优选地,所述步骤S1具体内容如下:根据城市内部具体的道路网络连接和交通小区划分情况,构建相应的网络拓扑结构G=(N,A),任一节点n∈N,N表示道路节点的集合,任一路段a∈A,A表示有向路段的集合,出行需求发生于起点,结束于讫点,存在出行需求的起讫点形成网络中的OD对,任一OD对w∈W,W表示OD对的集合,OD对间的出行需求为qw;OD对w间的路径集合为Pw,任一路径p∈Pw;
在该网络拓扑结构的基础上,建立基于随机用户均衡原则的交通分配问题,生成公式并求解获得城市交通网络中的路径流量和出行时间,公式表示如下:
优选地,所述S2具体内容如下:获取燃油汽车的燃油消耗量与电动汽车的电力消耗量,计算公式如下:
εg=(0.00001v2-0.00182v+0.13408)×d
εe=(0.0096v3+84.775v+1000)×t
式中,cg和ce分别表示燃油汽车和电动汽车的出行成本;rf表示汽油价格,re表示电力价格;
通过浮动车法计算出行距离,即调查者在时间t0内,以自由流速度v0行驶通过测量路段,此时上式转变为:
根据任一路段内的运行成本函数,推算出整个城市交通网路中燃油汽车和电动汽车的路径运行成本,公式表达如下:
优选地,所述步骤S3具体内容如下:基于Logit行为选择模型,结合S2制定的燃油汽车和电动汽车的运行成本函数,计算两类出行方式的出行效用,公式表达如下:
式中,和分别表示在OD对间路径p上选择燃油汽车和电动汽车的出行效用;θV表示出行方式选择参数,和分别表示在OD对间路径p上燃油汽车和电动汽车的运行成本,分别表示效用中的不可观察项,表示均遵循独立同分布随机变量的刚贝尔型极值分布;存在出行需求的起讫点形成网络中的OD对,任一OD对w∈W,W表示OD对的集合,OD对间的出行需求为qw;OD对w间的路径集合为Pw,任一路径p∈Pw;
式中,w为网络中的任一OD对,p为网络中的任一路径。
采用上述技术方案带来的有益效果:
本发明建立了一种低碳出行背景下的城市电动汽车需求预测方法,用于预测低碳出行背景下的特定城市交通网络中电动汽车的需求量。本发明考虑了城市交通网络的规模效应,为燃油汽车和电动汽车分别建立了符合车辆运行特性的运行成本函数。依据出行者对于出行时间主观感知的随机性,本发明构建并求解了基于随机用户均衡原则的交通分配问题,从而获得城市交通网络中的路径流量和出行时间,以及燃油汽车和电动汽车的运行成本。最后,本发明结合Logit行为选择模型进行出行方式划分,实现对城市电动汽车出行需求的有效预测。本发明可以帮助相关企事业单位更加准确地预测燃油汽车和电动汽车组成的特殊混合交通网络中的电动汽车出行需求,估算与城市交通相关的环境成本,从而采取及时有效的管理措施,为建设符合“双碳”目标的现代城市交通提供坚实的支持。
附图说明
图1是本发明方法流程图;
图2是本发明网络拓扑结构。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本发明提供一种低碳出行背景下的城市电动汽车需求预测方法,如图1所示,包括以下过程:
实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
1)以城市交通网络的拓扑结构为基础,结合出行者对于出行成本主观感知的随机性,构建基于随机用户均衡原则的交通分配问题并求解。
查阅地图资料,获得目标城市内部具体的道路网络连接和交通小区划分情况,构建如图2所示的网络拓扑结构。该网络中有24个节点、76条路段和528个OD对。令G=(N,A)表示该网络拓扑结构。其中,N表示道路节点的集合,任一节点n∈N;A表示有向路段的集合,任一路段a∈A。令W表示OD对的集合,任一OD对w∈W。OD对w间的出行需求为qw,路径集合为Pw,任一路径p∈Pw。该目标城市交通网络中,各OD对间的出行需求qw的取值如表1:
表1目标城市交通网络的出行需求
该目标城市交通网络中,各条路段的自由流时间ta,0和通行能力ca的取值如表2:
表2目标城市交通网络的路段参数取值
在该网络拓扑结构的基础上,建立基于随机用户均衡原则的交通分配问题,其数学形式如下:
式中,θ表示网络中出行者对于出行时间的感知离散参数,取值θ=0.1。
易证,该交通分配问题的数学形式为一个严格凸的数学规划模型。应用Frank-Wolfe算法或逐次平均法等算法对该模型进行求解,获得目标城市交通网络中的路径流量和出行时间。
2)以燃油汽车和电动汽车的车辆运行特性为基础,制定考虑城市交通网络规模效应的运行成本函数。
目标城市交通网络中燃油汽车和电动汽车的路径运行成本分别为:
式中,和分别表示在OD对w间路径p上燃油汽车和电动汽车的运行成本。rf表示汽油价格($/L),取值rf=1.5;re表示电力价格($/kW·h),取值re=0.10932。v0表示浮动车法中的自由流速度(km/h),取值v0=60。表示OD对w间路径p的自由流时间,其计算方式为:
3)基于Logit行为选择模型模拟出行者对于燃油汽车和电动汽车的出行方式选择,预测城市交通网络中的电动汽车出行需求总量。
基于Logit行为选择模型,结合燃油汽车和电动汽车的运行成本函数,计算两类出行方式的出行效用:
经过计算,目标城市实例网络的电动汽车需求总量为184086辆,燃油汽车需求总量为177214辆
上述实施例仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和等同替换,这些对本发明权利要求进行改进和等同替换后的技术方案,均落入本发明的保护范围。
Claims (4)
1.一种低碳出行背景下的城市电动汽车需求预测方法,其特征在于,包括以下步骤:
S1、以城市交通网络的拓扑结构为基础,结合出行者对于出行时间的随机性,构建基于随机用户均衡原则的交通分配问题并求解;
S2、以燃油汽车和电动汽车的车辆运行特性为基础,制定考虑城市交通网络规模效应的运行成本函数;
S3、基于Logit行为选择模型模拟出行者对于燃油汽车和电动汽车的出行方式选择,预测城市交通网络中的电动汽车出行需求总量。
2.根据权利要求1所述一种低碳出行背景下的城市电动汽车需求预测方法,其特征在于,所述步骤S1具体内容如下:根据城市内部具体的道路网络连接和交通小区划分情况,构建相应的网络拓扑结构G=(N,A),任一节点n∈N,N表示道路节点的集合,任一路段a∈A,A表示有向路段的集合,出行需求发生于起点,结束于讫点,存在出行需求的起讫点形成网络中的OD对,任一OD对w∈W,W表示OD对的集合,OD对间的出行需求为qw;OD对w间的路径集合为Pw,任一路径p∈Pw;
在该网络拓扑结构的基础上,建立基于随机用户均衡原则的交通分配问题,生成公式并求解获得城市交通网络中的路径流量和出行时间,公式表示如下:
3.根据权利要求1所述一种低碳出行背景下的城市电动汽车需求预测方法,其特征在于,所述S2具体内容如下:获取燃油汽车的燃油消耗量与电动汽车的电力消耗量,计算公式如下:
εg=(0.00001v2-0.00182v+0.13408)×d
εe=(0.0096v3+84.775v+1000×t
式中,cg和ce分别表示燃油汽车和电动汽车的出行成本;rf表示汽油价格,re表示电力价格;
通过浮动车法计算出行距离,即调查者在时间t0内,以自由流速度v0行驶通过测量路段,此时上式转变为:
根据任一路段内的运行成本函数,推算出整个城市交通网路中燃油汽车和电动汽车的路径运行成本,公式表达如下:
4.根据权利要求1所述一种低碳出行背景下的城市电动汽车需求预测方法,其特征在于,所述步骤S3具体内容如下:基于Logit行为选择模型,结合S2制定的燃油汽车和电动汽车的运行成本函数,计算两类出行方式的出行效用,公式表达如下:
式中,和分别表示在OD对间路径p上选择燃油汽车和电动汽车的出行效用;θV表示出行方式选择参数,和分别表示在OD对间路径p上燃油汽车和电动汽车的运行成本,分别表示效用中的不可观察项,表示均遵循独立同分布随机变量的刚贝尔型极值分布;存在出行需求的起讫点形成网络中的OD对,任一OD对w∈W,W表示OD对的集合,OD对间的出行需求为qw;OD对w间的路径集合为Pw,任一路径p∈Pw;
式中,w为网络中的任一OD对,p为网络中的任一路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210475756.6A CN114819361A (zh) | 2022-04-29 | 2022-04-29 | 一种低碳出行背景下的城市电动汽车需求预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210475756.6A CN114819361A (zh) | 2022-04-29 | 2022-04-29 | 一种低碳出行背景下的城市电动汽车需求预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114819361A true CN114819361A (zh) | 2022-07-29 |
Family
ID=82510981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210475756.6A Pending CN114819361A (zh) | 2022-04-29 | 2022-04-29 | 一种低碳出行背景下的城市电动汽车需求预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114819361A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721545A (zh) * | 2023-06-28 | 2023-09-08 | 东南大学 | 一种基于交通碳减排的网联车时变路径控制方法 |
-
2022
- 2022-04-29 CN CN202210475756.6A patent/CN114819361A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721545A (zh) * | 2023-06-28 | 2023-09-08 | 东南大学 | 一种基于交通碳减排的网联车时变路径控制方法 |
CN116721545B (zh) * | 2023-06-28 | 2024-05-28 | 东南大学 | 一种基于交通碳减排的网联车时变路径控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN108510128B (zh) | 一种区域电动汽车充电负荷时空分布预测方法 | |
Yi et al. | Optimization models for placement of an energy-aware electric vehicle charging infrastructure | |
CN114297809A (zh) | 一种电动汽车充电站选址定容方法 | |
CN108681795B (zh) | 城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法 | |
Liu et al. | A planning strategy considering multiple factors for electric vehicle charging stations along German motorways | |
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 | |
CN110968837B (zh) | 电动汽车充电站选址定容的方法 | |
CN108681796B (zh) | 基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法 | |
CN111523714B (zh) | 一种电力充电站选址布局方法及装置 | |
CN107506844A (zh) | 一种电动汽车充电站新型优化布局方法 | |
CN108460527A (zh) | 一种电动汽车公共充电设施的规划方法 | |
Johnson et al. | Utilizing real-time information transferring potentials to vehicles to improve the fast-charging process in electric vehicles | |
Wang et al. | Network-level energy consumption estimation for electric vehicles considering vehicle and user heterogeneity | |
CN114925483A (zh) | 城市交通网络的碳排放测定方法 | |
Majhi et al. | Assessment of dynamic wireless charging based electric road system: A case study of Auckland motorway | |
CN115660501A (zh) | 电动汽车充电负荷可调裕度评估方法 | |
CN114819361A (zh) | 一种低碳出行背景下的城市电动汽车需求预测方法 | |
CN111582581A (zh) | 考虑随机交通流量偏移的电动汽车换电站鲁棒选址方法 | |
Zhang et al. | Location model of electric vehicle charging stations | |
Shirmohammadli et al. | Developing a location model for fast charging infrastructure in urban areas | |
CN115330043A (zh) | 一种城市充电站的选址规划方法及系统 | |
Mei et al. | Does the one-size-fits-all setting meet the demand? Assessment of setting EV–charging-capable parking spaces in public parking lots based on agent simulation | |
CN114840984A (zh) | 一种考虑出行路径决策的电动汽车充电负荷时空预测方法 | |
Zhou et al. | Population mobility network and spatial accessibility based on peer-to-peer interactive energy management |
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 |