CN115171381A - 考虑电动汽车服务区选择下的混合交通网络分配方法 - Google Patents

考虑电动汽车服务区选择下的混合交通网络分配方法 Download PDF

Info

Publication number
CN115171381A
CN115171381A CN202210781409.6A CN202210781409A CN115171381A CN 115171381 A CN115171381 A CN 115171381A CN 202210781409 A CN202210781409 A CN 202210781409A CN 115171381 A CN115171381 A CN 115171381A
Authority
CN
China
Prior art keywords
path
service
service area
fuel
automobile
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
CN202210781409.6A
Other languages
English (en)
Other versions
CN115171381B (zh
Inventor
郝威
李豪
肖蕾
张兆磊
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.)
Changsha University of Science and Technology
Original Assignee
Changsha University of Science and Technology
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 Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN202210781409.6A priority Critical patent/CN115171381B/zh
Publication of CN115171381A publication Critical patent/CN115171381A/zh
Application granted granted Critical
Publication of CN115171381B publication Critical patent/CN115171381B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G08G1/0125—Traffic data processing
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了考虑电动汽车服务区选择下的混合交通网络分配方法：采集燃油汽车与电动汽车的混合交通网络的路网信息数据；构建燃油汽车交通分配模型：得到路径的燃油汽车流量和出行时间成本；构建电动汽车交通分配模型：得到路径的电动汽车流量和出行时间成本；将路径上燃油汽车与电动汽车的总流量与路径上燃油汽车与电动汽车的总出行成本进行非线性规划求解，得到混合交通网络分配结果。本发明考虑电动汽车服务区选择下的混合交通网络分配方法，利用GAMS软件进行结果求解，此模型可以准确分析电动汽车驾驶员的出行行为对燃油/电动汽车的混合交通网络分配产生的影响，并运用定量化的手段给出分配后的交通量。

Description

考虑电动汽车服务区选择下的混合交通网络分配方法
技术领域
本发明属于交通分配领域，具体涉及考虑电动汽车服务区选择下的混合交通网络分配方法。
背景技术
近年来电动汽车发展较为迅速，电动汽车相较于燃油汽车更加节能且平均成本更低，而且电动汽车行驶过程中的无污染、噪声低等优点在逐渐受到重视，这与国家的可持续、绿色发展的理念较为契合，同时国家也出台了很多鼓励个人购买使用新能源的车辆的政策，且随着电动汽车技术的成熟与公众接受度的提高，可以预见未来电动车辆的规模在道路上的比例将逐渐扩大。从燃油汽车向电动汽车转变成为趋势的另一个关键因素是电动汽车的行驶里程得到了很大的改善。自2017年以来，主要的电动汽车制造商(如特斯拉、比亚迪)声称他们的新车型满电量拥有400km的行驶里程。当然在实际行驶过程中考虑综合各种因素，无法达到规定的上限值，但相对来说已经有了很大的提升。然而相较于燃油汽车，电动汽车现阶段还存在着一些比较明显的缺点，包括行驶里程短、有充换电需求、所需服务时间长等。与行驶里程超过600km的传统燃油汽车相比，电动汽车用户在一些长途旅行中也有着更严重的里程焦虑。
就目前来说电动汽车的充换电服务站建设也还没有覆盖完全，所以对电动汽车进行充换电的选择行为将会成为未来电动车出行的重要组成部分之一。电能消耗将作为驾驶人考虑的重要出行限制因素之一。现有的交通分配方法还不足以体现电动汽车对路网中交通均衡产生的影响，而本发明考虑了电动汽车的充或换电行为对路网交通均衡产生的影响，提出了一种新的混合交通网络分配方法。
发明内容
为了达到上述目的，本发明提供考虑电动汽车服务区选择下的交通分配的方法，体现电动汽车的里程限制、充换电时间等因素影响下的燃油/电动汽车混合交通网络均衡，解决了现有技术中存在的未考虑电动汽车对混合交通路网交通均衡的影响问题。
本发明所采用的技术方案是，考虑电动汽车服务区选择下的混合交通网络分配方法，包括以下步骤：
步骤S1，采集燃油汽车与电动汽车的混合交通网络的路网信息数据；
步骤S2，构建燃油汽车交通分配模型：根据起终点之间的燃油汽车总量与燃油汽车驾驶员选择路径的概率，得到路径的燃油汽车流量；根据路段的行驶时间，得到路径燃油汽车的出行时间成本；
步骤S3，构建电动汽车交通分配模型：根据起终点之间的电动汽车总量与电动汽车选择路径的概率，得到路径的电动汽车流量；根据路段的行驶时间与路径上所有服务区的平均服务时间，得到路径电动汽车的出行时间成本；
步骤S4，求解交通分配：根据路径的燃油汽车流量和路径的电动汽车流量，得到路径上燃油汽车与电动汽车的总流量；根据路径燃油汽车的出行时间成本和路径电动汽车的出行时间成本，得到路径上燃油汽车与电动汽车的总出行成本；将路径上燃油汽车与电动汽车的总流量与路径上燃油汽车与电动汽车的总出行成本进行非线性规划求解，得到混流交通网络分配结果。
进一步地，步骤S1中，采集燃油汽车与电动汽车的混合交通网络的路网信息数据，具体为：选定路网，标定路网的起点与讫点、以及路网各节点、路段，获取自起点至讫点的交通总量，获取各路段长度和各路段自由流的行驶时间，以及根据服务区设定的电动汽车充电站以及有关电动汽车服务区容量的参数，构建燃油汽车和电动汽车的混合交通网络的路网信息数据集。
进一步地，步骤S2中，燃油汽车驾驶员选择路径的概率，其计算如下式所示：
Figure BDA0003727942720000021
式中，Pg(p)表示燃油汽车驾驶员选择路径p的概率；t(p)表示路径p的行驶时间；P表示OD对之间所有可行路径的集合；pm表示P中某一条路径；t(pm)表示某一条路径pm的行驶时间；θ表示与路径行驶时间有关的参数；exp表示以e为底的指数函数。
更进一步地，路径p的行驶时间t(p)的计算，如下式所示：
Figure BDA0003727942720000022
式中，ta(i)表示路段i的行驶时间；i表示一条路径上的某一路段；I表示一条路径上所有路段的集合；
其中，路段i的行驶时间ta(i)的计算，如下式所示：
Figure BDA0003727942720000031
式中，ta(i)表示路段i的行驶时间；t0表示路段i自由流的行驶时间；ca(i)表示路段i的通行能力；v(i)表示路段i的交通流量；0.15和4表示阻滞系数。
进一步地，步骤S3中，电动汽车驾驶员选择路径的概率，其计算如下式所示：
Figure BDA0003727942720000032
式中，Pe(p)表示电动汽车选择路径p的概率；Cz(p)表示路径p上所有服务区的平均服务时间；θ1表示有关平均服务时间与路径行驶时间之和的相关参数；t(p)表示路径p的行驶时间；P表示OD对间所有可行路径的集合；pm表示P中某一条路径；t(pm)表示某一条路径pm的行驶时间；Cz(pm)表示某一条路径pm上所有服务区的平均服务时间；exp表示以e为底的指数函数。
更进一步地，路径p上所有服务区的平均服务时间Cz(p)的计算，如下式所示：
Figure BDA0003727942720000033
式中，Cz(p)表示路径p上所有服务区的平均服务时间；Tc(j)表示服务区j的服务时间；j表示服务区编号；J表示一条路径上服务区的集合；D(j)表示服务区j的服务需求；xe(p)表示路径p的电动汽车流量；
其中，服务区j的服务时间Tc(j)的计算，如下式所示：
Figure BDA0003727942720000034
式中，Tc(j)表示服务区j的服务时间；j表示服务区编号；tc表示充换电时间，为定值；γ表示有关平均排队时间的参数；D(j)表示服务区j的服务需求；β表示有关找车位时间的参数；CAPa表示服务区的容量；ε为一个常量，防止分母为0；n表示服务台的数量；
其中，服务区j的服务需求D(j)的计算，如下式所示：
Figure BDA0003727942720000035
式中，D(j)表示服务区j的服务需求；L表示经过服务区j的交通流的集合；l表示经过服务区j的某一交通流；Z(l)表示某一交通流l中选择在服务区j服务的电动汽车车辆数。
更进一步地，某一交通流l中选择在服务区j服务的电动汽车车辆数Z(l)的计算，如下式所示：
Z(l)＝xe(p)Pz(j)
式中，xe(p)表示路径p的电动汽车流量；Pz(j)表示电动汽车对某条路径上的服务区j的选择概率；
其中，电动汽车对某条路径上的服务区j的选择概率Pz(j)的计算，如下式所示：
Figure BDA0003727942720000041
式中，θ2表示有关服务时间与剩余里程的相关参数；Tc(j)表示服务区j的服务时间；H0表示电动汽车的初始(满电状态下)行驶里程；H(j)表示电动汽车从起点到达服务区j的距离；j表示服务区编号；J表示一条路径上服务区的集合；r表示修正参数；jm表示J中某一服务区；Tc(jm)表示服务区jm的服务时间；H(jm)表示电动汽车从起点到达某一服务区jm的距离；exp表示以e为底的指数函数。
更进一步地，路段的交通流量与路径的燃油汽车流量、路径的电动汽车流量之间的关系，如下式所示：
Figure BDA0003727942720000042
式中，v(i)表示路段i的交通流量；r表示OD对的起点；s表示OD对的终点；P表示OD对间所有可行路径的集合；p表示P中的路径；xg(p)表示路径p的燃油汽车流量；δipg，δipe均为0、1变量，当路径p经过路段i时，δipg，δipe为1，否则为0；xe(p)表示路径p的电动汽车流量。
更进一步地，路段的交通流量与路段上的燃油汽车流量、路段上的电动汽车流量之间的关系，如下式所示：
v(i)＝vg(i)+ve(i)
式中，v(i)表示路段i上的交通流量，vg(i)表示路段i上的燃油汽车流量，ve(i)表示路段i上的电动汽车流量。
本发明的有益效果是：
(1)本发明实施例提出了考虑电动汽车服务区的混合交通网络分配的方法，并利用GAMS软件进行结果求解，此模型可以准确分析电动汽车驾驶员的出行行为对燃油/电动汽车的混合交通网络分配产生的影响，并运用定量化的手段给出分配后的交通量。
(2)本发明实施例在分析混合交通网络分配结果的同时，还提供了可用于描述电动汽车在服务区进行充换电、找车位以及排队时间的定量化出行时间成本计算方法，这种方法对电动汽车服务区建设具有实际运用价值。
(3)本发明实施例可通过调节电动汽车渗透率的值，反映混合交通网络分配结果变化，表现随着技术的成熟，电动汽车渗透率不断提升的情况下，燃油/电动汽车的混合交通网络分配的变化情况，为未来电动汽车服务区改扩建、充换电服务台数量规划等提供科学建议。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例考虑电动汽车服务区选择下的交通分配方法的流程图。
图2是本发明实施例构建的路网结构示意图。
图3是本发明实施例电动汽车渗透率为0.5时的混合交通网络分配图。
图4是本发明实施例电动汽车渗透率为0.8时的混合交通网络分配图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例考虑电动汽车服务区选择下的混合交通网络分配方法，如图1所示，包括以下步骤：
步骤S1、实际燃油汽车电动汽车混合的交通网络的路网信息的数据采集：
选定路网，标定路网的起点r与讫点s，以及路网各节点、路段，通过道路检测设备获取自起点r与讫点s的交通总量，通过卫星地图app获取各路段长度，通过各路段给定限速值计算得到各路段自由流行驶时间，以及根据服务区设定的电动汽车充电站以及根据未来规划设定的有关电动汽车服务区容量等参数，构建燃油汽车和电动汽车的混合交通网络的路网信息数据集。
步骤S2、燃油汽车交通分配模型：
路径p的燃油汽车流量xg(p)，根据OD对之间的燃油汽车总量与燃油汽车驾驶员选择路径p的概率计算而得，如下式所示：
Figure BDA0003727942720000061
式中，
Figure BDA0003727942720000062
表示OD对之间的燃油汽车总量；Pg(p)表示燃油汽车驾驶员选择路径p的概率。
燃油汽车驾驶员选择路径p的概率，通过logit选择模型获得，主要通过路径p上的行驶时间作为效用参数，其计算如下式所示：
Figure BDA0003727942720000063
式中，Pg(p)表示燃油汽车驾驶员选择路径p的概率；t(p)表示路径p的行驶时间；P表示OD对之间所有可行路径的集合；pm表示P中某一条路径；t(pm)表示某一条路径pm的行驶时间；θ表示与路径行驶时间有关的参数，是定值；exp表示以e为底的指数函数。
路径p的行驶时间t(p)，根据该路径上所有路段的行驶时间计算而得，如下式所示：
Figure BDA0003727942720000064
式中，ta(i)表示路段i的行驶时间；i表示一条路径上的某一路段；I表示一条路径上所有路段的集合。
路段i的行驶时间ta(i)，根据美国联邦公路局的BPR函数来求解，如下式所示：
Figure BDA0003727942720000065
式中，ta(i)表示路段i的行驶时间；t0表示路段i自由流的行驶时间；ca(i)表示路段i的通行能力；v(i)表示路段i的交通流量；0.15和4表示阻滞系数。
路段i的交通流量v(i)与路径p的燃油汽车流量xg(p)、路径p的电动汽车流量xe(p)之间的关系如下式所示：
Figure BDA0003727942720000071
式中，v(i)表示路段i的交通流量；r表示OD对的起点；s表示OD对的终点；p表示P中的路径；P表示OD对间所有可行路径的集合；xg(p)表示路径p的燃油汽车流量；δipg，δipe均为0、1变量，当路径p经过路段i时，δipg，δipe为1，否则为0；xe(p)表示路径p的电动汽车流量。
路径p燃油汽车的出行时间成本的计算，如下式所示：
Figure BDA0003727942720000072
式中，Mg(p)表示路径p燃油汽车的出行时间成本；i表示一条路径上的某一路段；I表示一条路径上所有路段的集合；ta(i)表示路段i的行驶时间。
步骤S3、电动汽车交通分配模型：
受电动汽车行驶里程有限的约束，电动汽车驾驶员在选择路径时，不可避免地考虑服务区(充或换电站)的位置、容量等因素，而这些因素总体来说会影响电动汽车在服务区的服务时间。电动汽车在服务区的服务时间包括充电时间、换电时间、排队时间、找车位时间。未来电动汽车在服务区是用充电的方式还是采用直接更换电池的方式，还在进行广泛的争论之中。因此，本发明考虑排队时间、找车位时间对路径选择的影响，在模型之中将充电时间或是换电时间作为定值考虑。
路径p的电动汽车流量xe(p)的计算，根据OD对之间的电动汽车总量与电动汽车选择路径p的概率计算而得，如下式所示：
Figure BDA0003727942720000073
式中，
Figure BDA0003727942720000074
表示OD对之间的电动汽车总量；Pe(p)表示电动汽车选择路径p的概率。
电动汽车驾驶员选择路径p的概率，根据路径p的行驶时间以及该路径p上所有服务区的平均服务时间进行计算，如下式所示：
Figure BDA0003727942720000081
式中，Pe(p)表示电动汽车选择路径p的概率；Cz(p)表示路径p上所有服务区的平均服务时间；θ1表示有关平均服务时间与路径行驶时间之和的相关参数；t(p)表示路径p的行驶时间；P表示OD对间所有可行路径的集合；pm表示P中某一条路径；t(pm)表示某一条路径pm的行驶时间；Cz(pm)表示某一条路径pm上所有服务区的平均服务时间；exp表示以e为底的指数函数。
其中，路径p上所有服务区的平均服务时间Cz(p)的计算，如下式所示：
Figure BDA0003727942720000082
式中，Cz(p)表示路径p上所有服务区的平均服务时间；Tc(j)表示服务区j的服务时间；j表示服务区编号；J表示一条路径上服务区的集合；D(j)表示服务区j的服务需求；xe(p)表示路径p的电动汽车流量。
其中，服务区j的服务时间Tc(j)，根据充换电时间、平均排队时间以及找车位时间计算而得，其计算如下式所示：
Figure BDA0003727942720000083
式中，Tc(j)表示服务区j的服务时间；j表示服务区编号；tc表示充换电时间，为定值；γ表示有关平均排队时间的参数；D(j)表示服务区j的服务需求；β表示有关找车位时间的参数；CAPa表示服务区的容量；ε为一个常量，防止分母为0；n表示服务台的数量。
其中，
Figure BDA0003727942720000084
其中，为了保证某个服务区的服务需求与经过此服务区并选择在此服务区进行服务的流量和相同，服务区j的服务需求D(j)的计算，如下式所示：
Figure BDA0003727942720000085
Z(l)＝xe(p)Pz(j) (12)
式中，D(j)表示服务区j的服务需求；L表示经过服务区j的交通流的集合；l表示经过服务区j的某一交通流；Z(l)表示某一交通流l中选择在服务区j服务的电动汽车车辆数；xe(p)表示路径p的电动汽车流量；Pz(j)表示电动汽车对某条路径上的服务区j的选择概率。
电动汽车对某条路径上的服务区j的选择概率Pz(j)的计算，考虑电动汽车在服务区的服务时间以及电动汽车到达服务区后的剩余里程，利用logit模型进行表示如下：
Figure BDA0003727942720000091
式中，θ2表示有关服务时间与剩余里程的相关参数；Tc(j)表示服务区j的服务时间；H0表示电动汽车的初始(满电状态下)行驶里程；H(j)表示电动汽车从起点到达服务区j的距离；j表示服务区编号；J表示一条路径上服务区的集合；r表示修正参数，为了协调距离与时间因素；jm表示J中某一服务区；H(jm)表示电动汽车从起点到达某一服务区jm的距离。
路径p电动汽车的出行时间成本的计算，如下式所示：
Figure BDA0003727942720000092
式中，Me(p)表示路径p电动汽车的出行时间成本；i表示一条路径上的某一路段；I表示一条路径上所有路段的集合；ta(i)表示路段i的行驶时间；Cz(p)表示路径p上所有服务区的平均服务时间。
某条路段上的交通流量，根据燃油汽车流量和电动汽车流量计算而得，如下式所示：
v(i)＝vg(i)+ve(i) (15)
式中，v(i)为路段i上的交通流量，vg(i)为路段i上的燃油汽车流量，ve(i)为路段i上的电动汽车流量。式(15)为流量约束，保证路段流量分别包含了电动汽车流量和燃油汽车流量。
步骤S4、求解交通分配：
根据燃油汽车交通分配模型与电动汽车交通分配模型，构建混合交通网络分配模型：
路径p上燃油汽车与电动汽车的总流量函数为x(p)＝xg(p)+xe(p)；
路径p上燃油汽车与电动汽车的总出行成本函数为M(p)＝Mg(p)+Me(p)。
本发明在实施过程中，认为无论是燃油汽车还是电动汽车，其交通分配行为的原则都属于随机用户均衡(SUE)，即所选路径都要保证用户的出行成本最小，其他路径的出行成本都要大于等于所选路径，但需要注意这里的用户成本是具有用户差异性的，也就是说用户们选择自己认为的最短路径出行。
基本交通均衡模型并不适用于大型复杂网络求解，本发明将混合交通网络分配模型的求解转化为非线性互补问题(NCP)，将路径p上燃油汽车与电动汽车的总流量函数与路径p上燃油汽车与电动汽车的总出行成本函数，代入GAMS软件内置MCP模块进行非线性规划模块进行求解，降低求解难度，得到混合交通网络分配结果。
具体实施案例
本发明设置了一个路网，如图2所示，路网中有10个节点、15个路段、2个OD对，一个方向包括2个车道。针对上述实施步骤进行了案例的具体交通分配。OD对包含两个，分别为：1-10，其交通量为2000辆；4-10，其交通量为1500辆。同时其中节点3、5、7、9为服务区节点，即电动汽车可以选择在此节点进行充换电行为，每个服务区的停车容量设置为600辆。电动汽车满电量行驶里程设置为300km。其中路网数据如表1所示：
表1路网信息表
起终点编号 自由流时间(min) 路段长度(km) 通行能力(veh/h)
1-2 18 30 1800
1-3 30 50 1800
2-3 24 40 1800
2-4 30 50 1800
3-5 30 50 1800
3-6 48 80 1800
4-5 36 60 1800
4-7 24 40 1800
5-6 36 60 1800
5-8 24 40 1800
6-9 24 40 1800
6-10 36 60 1800
7-8 30 50 1800
8-9 36 60 1800
9-10 30 50 1800
按照上述参数运用GAMS进行该实施案例的混合交通网络分配，其中电动汽车渗透率为0.5时的混合交通网络分配结果如图3所示，电动汽车渗透率为0.8时的混合交通网络分配结果如图4所示。根据混合交通分配结果可以看到，在其他条件一定的条件下，电动汽车渗透率为0.8时，经过服务区所在路径的流量都要高于渗透率为0.5的情况，这说明混合交通车辆的变化、服务区的各类因素等对路网中各路段、路径的流量变化有直接影响，需要及时根据混合交通各类车辆的变化情况，根据各类车辆的出行成本最小为目标，及时对混合交通网络进行流量分配，提高混合交通的通行质量，同时为未来电动汽车服务区的改扩建、充换电服务台数量等规划提供科学建议。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (9)

1.考虑电动汽车服务区选择下的混合交通网络分配方法，其特征在于，包括以下步骤：
步骤S1，采集燃油汽车与电动汽车的混合交通网络的路网信息数据；
步骤S2，构建燃油汽车交通分配模型：根据起终点之间的燃油汽车总量与燃油汽车驾驶员选择路径的概率，得到路径的燃油汽车流量；根据路段的行驶时间，得到路径燃油汽车的出行时间成本；
步骤S3，构建电动汽车交通分配模型：根据起终点之间的电动汽车总量与电动汽车选择路径的概率，得到路径的电动汽车流量；根据路段的行驶时间与路径上所有服务区的平均服务时间，得到路径电动汽车的出行时间成本；
步骤S4，求解交通分配：根据路径的燃油汽车流量和路径的电动汽车流量，得到路径上燃油汽车与电动汽车的总流量；根据路径燃油汽车的出行时间成本和路径电动汽车的出行时间成本，得到路径上燃油汽车与电动汽车的总出行成本；将路径上燃油汽车与电动汽车的总流量与路径上燃油汽车与电动汽车的总出行成本进行非线性规划求解，得到混合交通网络分配结果。
2.根据权利要求1所述的考虑电动汽车服务区选择下的混合交通网络分配方法，其特征在于，步骤S1中，所述采集燃油汽车与电动汽车的混合交通网络的路网信息数据，具体为：选定路网，标定路网的起点与讫点、以及路网各节点、路段，获取自起点至讫点的交通总量，获取各路段长度和各路段自由流的行驶时间，以及根据服务区设定的电动汽车充电站以及有关电动汽车服务区容量的参数，构建燃油汽车和电动汽车的混合交通网络的路网信息数据集。
3.根据权利要求1所述的考虑电动汽车服务区选择下的混合交通网络分配方法，其特征在于，步骤S2中，所述燃油汽车驾驶员选择路径的概率，其计算如下式所示：
Figure FDA0003727942710000011
式中，Pg(p)表示燃油汽车驾驶员选择路径p的概率；t(p)表示路径p的行驶时间；P表示OD对之间所有可行路径的集合；pm表示P中某一条路径；t(pm)表示某一条路径pm的行驶时间；θ表示与路径行驶时间有关的参数；exp表示以e为底的指数函数。
4.根据权利要求3所述的考虑电动汽车服务区选择下的混合交通网络分配方法，其特征在于，所述路径p的行驶时间t(p)的计算，如下式所示：
Figure FDA0003727942710000021
式中，ta(i)表示路段i的行驶时间；i表示一条路径上的某一路段；I表示一条路径上所有路段的集合；
其中，所述路段i的行驶时间ta(i)的计算，如下式所示：
Figure FDA0003727942710000022
式中，t0表示路段i自由流的行驶时间；ca(i)表示路段i的通行能力；v(i)表示路段i的交通流量；0.15和4表示阻滞系数。
5.根据权利要求1所述的考虑电动汽车服务区选择下的混合交通网络分配方法，其特征在于，步骤S3中，所述电动汽车驾驶员选择路径的概率，其计算如下式所示：
Figure FDA0003727942710000023
式中，Pe(p)表示电动汽车选择路径p的概率；Cz(p)表示路径p上所有服务区的平均服务时间；θ1表示有关平均服务时间与路径行驶时间之和的相关参数；t(p)表示路径p的行驶时间；P表示OD对间所有可行路径的集合；pm表示P中某一条路径；t(pm)表示某一条路径pm的行驶时间；Cz(pm)表示某一条路径pm上所有服务区的平均服务时间；exp表示以e为底的指数函数。
6.根据权利要求5所述的考虑电动汽车服务区选择下的混合交通网络分配方法，其特征在于，所述路径p上所有服务区的平均服务时间Cz(p)的计算，如下式所示：
Figure FDA0003727942710000024
式中，Cz(p)表示路径p上所有服务区的平均服务时间；Tc(j)表示服务区j的服务时间；j表示服务区编号；J表示一条路径上服务区的集合；D(j)表示服务区j的服务需求；xe(p)表示路径p的电动汽车流量；
其中，所述服务区j的服务时间Tc(j)的计算，如下式所示：
Figure FDA0003727942710000031
式中，Tc(j)表示服务区j的服务时间；j表示服务区编号；tc表示充换电时间，为定值；γ表示有关平均排队时间的参数；D(j)表示服务区j的服务需求；β表示有关找车位时间的参数；CAPa表示服务区的容量；ε为一个常量，防止分母为0；n表示服务台的数量；
其中，所述服务区j的服务需求D(j)的计算，如下式所示：
Figure FDA0003727942710000032
式中，D(j)表示服务区j的服务需求；L表示经过服务区j的交通流的集合；l表示经过服务区j的某一交通流；Z(l)表示某一交通流l中选择在服务区j服务的电动汽车车辆数。
7.根据权利要求6所述的考虑电动汽车服务区选择下的混合交通网络分配方法，其特征在于，所述某一交通流l中选择在服务区j服务的电动汽车车辆数Z(l)的计算，如下式所示：
Z(l)＝xe(p)Pz(j)
式中，xe(p)表示路径p的电动汽车流量；Pz(j)表示电动汽车对某条路径上的服务区j的选择概率；
其中，所述电动汽车对某条路径上的服务区j的选择概率Pz(j)的计算，如下式所示：
Figure FDA0003727942710000033
式中，θ2表示有关服务时间与剩余里程的相关参数；Tc(j)表示服务区j的服务时间；H0表示电动汽车的初始行驶里程；H(j)表示电动汽车从起点到达服务区j的距离；j表示服务区编号；J表示一条路径上服务区的集合；r表示修正参数；jm表示J中某一服务区；Tc(jm)表示服务区jm的服务时间；H(jm)表示电动汽车从起点到达某一服务区jm的距离；exp表示以e为底的指数函数。
8.根据权利要求4所述的考虑电动汽车服务区选择下的混合交通网络分配方法，其特征在于，所述路段的交通流量与路径的燃油汽车流量、路径的电动汽车流量之间的关系，如下式所示：
Figure FDA0003727942710000041
式中，v(i)表示路段i的交通流量；r表示OD对的起点；s表示OD对的终点；P表示OD对间所有可行路径的集合；p表示P中的路径；xg(p)表示路径p的燃油汽车流量；δipg，δipe均为0、1变量，当路径p经过路段i时，δipg，δipe为1，否则为0；xe(p)表示路径p的电动汽车流量。
9.根据权利要求8所述的考虑电动汽车服务区选择下的混合交通网络分配方法，其特征在于，所述路段的交通流量与路段上的燃油汽车流量、路段上的电动汽车流量之间的关系，如下式所示：
v(i)＝vg(i)+ve(i)
式中，v(i)表示路段i上的交通流量，vg(i)表示路段i上的燃油汽车流量，ve(i)表示路段i上的电动汽车流量。
CN202210781409.6A 2022-07-04 2022-07-04 考虑电动汽车服务区选择下的混合交通网络分配方法 Active CN115171381B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210781409.6A CN115171381B (zh) 2022-07-04 2022-07-04 考虑电动汽车服务区选择下的混合交通网络分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210781409.6A CN115171381B (zh) 2022-07-04 2022-07-04 考虑电动汽车服务区选择下的混合交通网络分配方法

Publications (2)

Publication Number Publication Date
CN115171381A true CN115171381A (zh) 2022-10-11
CN115171381B CN115171381B (zh) 2023-07-28

Family

ID=83491886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210781409.6A Active CN115171381B (zh) 2022-07-04 2022-07-04 考虑电动汽车服务区选择下的混合交通网络分配方法

Country Status (1)

Country Link
CN (1) CN115171381B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798867A (zh) * 2017-10-12 2018-03-13 上海交通大学 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
CN112613659A (zh) * 2020-12-23 2021-04-06 东南大学 基于三维时空网络的新能源货运充电站选址-路径优化方法
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
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798867A (zh) * 2017-10-12 2018-03-13 上海交通大学 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
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN112613659A (zh) * 2020-12-23 2021-04-06 东南大学 基于三维时空网络的新能源货运充电站选址-路径优化方法
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

Also Published As

Publication number Publication date
CN115171381B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
Hao et al. Seasonal effects on electric vehicle energy consumption and driving range: A case study on personal, taxi, and ridesharing vehicles
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
CN110580404B (zh) 一种基于城市多模式交通网络的网络运能确定方法
CN106599390B (zh) 一种计及电动出租车时空随机特性的充电负荷的计算方法
CN110880054A (zh) 一种电动网约车充换电路径的规划方法
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
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
CN110807175A (zh) 一种基于目标城市交通模型数据的城市交通碳排放测算方法
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
CN106530180A (zh) 一种高寒地区充电服务网络规划方法
CN112590598A (zh) 移动充电车优化配置方法和系统
CN112507506B (zh) 基于遗传算法的共享汽车定价规划模型的多目标优化方法
CN114925483A (zh) 城市交通网络的碳排放测定方法
CN111915150B (zh) 一种电动公交系统规划方法
CN111609867A (zh) 一种电动汽车路径规划方法
Shi et al. A real-world investigation into usage patterns of electric vehicles in Shanghai
CN113724495B (zh) 一种城市共享出行的流量预测方法
CN108898437A (zh) 一种车联网环境下基于动态不确定需求的协同拼车费用分担方法
CN115171381A (zh) 考虑电动汽车服务区选择下的混合交通网络分配方法
CN112115385A (zh) 一种考虑充电时间的单向共享汽车系统选址优化方法
CN107609766A (zh) 一种基于成品油供需度指标的加油设施优化布局方法
CN107909201B (zh) 基于广义出行费用的交通方式优势出行距离的量化方法
CN115841032A (zh) 一种中小城市最优公交机动化分担率计算方法
CN112632374B (zh) 一种考虑定制公交的居民出行方式选择分析方法
CN114819361A (zh) 一种低碳出行背景下的城市电动汽车需求预测方法

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