基于网联数据的电动车快速充电影响因素分析

基于北京市私家电动汽车网联数据，按照充电行为类型提取车辆行程，并对行程中影响快速充电行为的潜在因素进行细致分析；基于Logistic回归模型进行显著性影响因素识别，结果表明，电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为；最后，基于显著影响因素建立模型，对私家电动汽车快速充电行为进行预测，预测结果表明，预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为，提高充电效率.     

基于网联数据的电动车快速充电影响因素分析

基于北京市私家电动汽车网联数据，按照充电行为类型提取车辆行程，并对行程中影响快速充电行为的潜在因素进行细致分析；基于Logistic回归模型进行显著性影响因素识别，结果表明，电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为；最后，基于显著影响因素建立模型，对私家电动汽车快速充电行为进行预测，预测结果表明，预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为，提高充电效率.     

出租车超速行为道路因素随机系数空间模型构建

为准确揭示道路因素与路段出租车超速行为特征的关联关系，本文以成都市中心城区主 干道路段为研究单元，通过车载GPS设备获取大范围出租车超速行为样本。在筛选出10类典型城市道路特征的基础上，选择路段超速线密度和不同百分位数超速严重度作为研究对象；为减少空间效应对估计的干扰，本文验证了超速特征的空间相关性，并分别构建基于对数-高斯分布的标准线性模型和空间条件自回归模型、空间误差模型及空间滞后模型这3类空间模型，探究不同空间模型与出租车超速行为特征的拟合情况；同时，考虑道路组间异质性，进一步构建随机系数空间模型。结果表明：出租车路段超速线密度和超速严重度均存在显著空间自相关性，空间模型 对其拟合效果普遍优于传统模型；不同超速行为特征适用不同的空间模型，随机系数空间条件自回归模型对超速线密度拟合效果最优，而不同百分位数超速严重度适用的最佳拟合模型差异较大；路段限速、一块板横断面及非机动车车道这3类因素表现出对出租车超速行为特征的组间影响异质性；因素解释方面，路段限速、一块板横断面、非机动车车道、路段施工区与超速线密度显著相关；路段限速、非机动车车道、上下坡匝道、路段施工区及路段长度与超速严重度显著相关。     

基于网络核密度的网约车上下客热点识别

为分析网约车上下客热点的时空分布特性,利用网约车订单数据,构建基于网络核密度估计的上下客热点识别模型,采用回归模型对热点进行聚类和分级。通过研究区域划定、数据清洗和筛选,引入以路网距离为度量的网络核密度估计方法,基于非均质网络方向延展和网络距离衰减效应,对工作日和非工作日的特征时段内网约车上下客点的核密度值进行估计。采用零膨胀负二项回归模型对核密度值进行聚类,识别出研究区域的热点路段分布及其等级。通过与平面核密度估计结果对比分析,本文提出的网络核密度估计方法体现了上下客热点在路段和交叉口的分布特点,表征了实际的交通需求与路网结构的关系。研究结论为优化城市网约车的运营管理、提高城市居民出行效率提供理论依据。     

基于多源数据融合的城市出租车载客出行特征研究——以岳阳市为例

为探究城市出租车载客出行特征,在出租车GPS轨迹大数据基础上,融合居民出行调查数据、城市土地利用数据及天气数据,构建出租车载客出行量回归模型,得出出租车载客出行量与片区岗位数、天气状况、时段、片区面积有较强的相关性,而基于RBF神经网络构建的回归模型在上述4个因素的基础上增加了片区常住人口数和是否工作日2个因素.通过10折交叉验证表明,RBF神经网络回归模型的拟合效果比多元线性回归模型更好.     

考虑服务水平的纯电动快速公交发车间隔优化研究

随着电动汽车被引入城市快速公交领域,由于其充换电等特殊的运营调度需求,在发车间隔计划等制定过程中传统方法不再适用.本文在综合考虑服务水平和车辆充电时间约束条件下,对纯电动快速公交(E-BRT)发车间隔优化进行了研究.根据分析服务水平指标项与车辆能耗的相关性,建立了面向能耗评估的服务水平评价体系;综合考虑服务水平和充电时间约束条件,以车辆运营能耗为目标函数,建立了发车间隔优化模型;基于金华市E-BRT1号线运营数据进行实例验证,结果表明,在满足相同服务水平情况下,本文提出的优化模型可以节约能耗6.21%.本文构建的纯电动快速公交发车间隔优化模型具有较强实用性,为企业在满足一定服务水平的基础上降低运营能耗提供了依据.     

考虑能源类型的城市出租车运营效率评价研究

以分析西安市燃气型、电动型及甲醇型3种能源类型出租车在运营中的既有期望运营投入和非期望运营投入，既有期望产出和非期望产出为基础，本文构建基于DEA-Malmquist的考虑能源类型的出租车运营效率评价模型。从西安市出租车管理处提取西安市 2020 年 9~12 月期间 14946辆出租车的GPS轨迹数据，并随机选取1000辆甲醇型出租车、1000 辆电动型出租车及 1000辆燃气型出租车作为样本进行实例分析。通过处理3000辆出租车GPS数据，得到乘客在工作日和双休日不同时段的出行需求和特征，分析3种不同能源类型出租车的运营效率差异。所得结论可为西安政府部门对不同能源类型出租车的管理运营提供决策支持。     

电动汽车驶离充电桩行为研究

电动汽车驶离充电桩行为能使充电设施资源得到充分利用,是目前车桩发展不平衡问题下需要关注的问题.现有研究缺乏对用户充电后驶离行为的分析,为探求电动汽车驶离行为的驱动因素,首先,通过引入社会责任意识和感知转换成本两个态度潜变量,融合结构方程模型与离散选择模型,构建了混合选择模型(HCM).该模型框架下包含结构模型、测量模型...     

基于二元Logit模型的驾驶员收费车道选择研究

通过分析驾驶员对收费站收费车道选择行为的规律特征,讨论了驾驶员收费车道选择行为的复杂性,确定模型的效用函数及概率计算公式.选取收费车道的排队长度、变换车道数、大型车数量、收费车道位置作为模型的特征变量,建立了驾驶员对收费车道选择行为的二元Logit模型.基于兰海高速钦州西收费站的实际观测数据,对各特征变量进行模型参数估计,采用Hosmer-Lemeshow检验分析模型的拟合优度.研究结果表明:驾驶员收费车道选择行为受多种因素综合作用影响,模型拟合精度较高;模型的建立为收费站交通组织、安全评价、收费车道布置提供了技术支持.     

基于GPS数据的出租车路径选择行为研究

出租车路径选择行为研究对于剖析城市交通流时空分布规律及交通流分配具有重要意义.基于北京市出租车调度系统采集的GPS（Global Positioning System）数据,本文首先通过旅程数据提取、地图匹配及双向扫除算法,构建车辆路径选择行为分析所需的RP（Revealed Preference）数据.其次,在综合考虑道路网络条件和交通条件对驾驶员路径选择行为影响的基础上,构建基于PSL（Path-Size Logit）模型的出租车多路径概率选择模型.案例分析结果表明,出租车驾驶员更倾向于选择旅行时间短、转向次数少、主干路和次干路比例较高的路径.同时,文中所提出的路径选择行为建模方法,对于提高GPS数据的使用价值具有积极的意义.     

电动汽车混入条件下随机动态用户均衡分配模型

为分析电动汽车动态充电需求对公共充电设施服务水平的影响, 给充电设施网络规划与运营提供参考, 在考虑燃油汽车和电动汽车出行者行为差异、路段拥堵状态、车辆能源消耗、充电设施布局与服务水平等因素的基础上, 采用巢式Logit模型描述了包含充电需求判断、充电设施和路径选择的电动汽车出行联合选择行为; 建立了考虑用户在途快速充电行为的动态交通流分配模型, 提出了混合交通下随机动态用户均衡条件及等价的变分不等式模型, 并设计了融合电动汽车充电排队仿真的动态交通流迭代算法; 通过算例验证了模型与算法的有效性, 并进一步探究了在电动汽车推广的不同阶段, 需求和供给关键因素对充电设施服务水平的影响。研究结果表明: 受路网交通流量分布和充电设施布局的影响, 充电设施利用率在时间和空间上具有明显的非均衡性; 电动汽车混入率的提高会增加平均充电等待时间, 并改变充电高峰期的时间分布; 电动汽车电池初始电量和充电设施处的排队长度均对用户的充电需求判断呈负效应; 当路网中充电设施数量与需求规模不匹配时, 会导致服务水平急剧下降, 同时极易诱发局部拥堵; 用户在充电设施处的逗留时间以15~20 min居多, 约90%用户的等待时间在9 min以内, 因此, 提出的模型符合实际, 能够充分反映混合交通网络中电动汽车充电行为引发的一系列影响。      

电动汽车充电站布局优化研究

快速充电站的布局优化需同时考虑因电动汽车续驶里程短、充电时间长等特性引起的不确定性决策问题以及长期建设过程中的连续性优化问题。由此,建立基于仿真的满足总绕行时间最短的电动汽车充电站动态布局优化模型。考虑建设时序的连续性需求,提出基于逐步优化和比较备选方案服务能力的连续性优化方法。通过实证分析探讨模型的优化布局特征和适用性。结果表明,在案例路网中应用该方法可以得到连续性较好的布局,可为快速充电站分期建设提供规划决策依据。随着充电站数量的增加,布局方案既覆盖了需求产生和通过量最大的几个节点,也缓解了因充电需求大量聚集而选择备选充电站的绕行问题。     

基于时空相似度聚类的热点载客路径挖掘

出租车的载客轨迹直接体现了车辆的行驶状态和居民的出行规律,热点载客路径的挖掘为交通管理与规划,居民行为模式发现及出租车载客推荐等具有重要价值. 本文以兰州市3 000 辆出租车载客轨迹为研究对象,提出了基于时空相似性聚类的热点载客路径挖掘算法. 首先,根据出租车的GPS轨迹数据提取出载客轨迹及其核心轨迹;然后,根据提出的相似性度量算法计算核心轨迹的空间相似性、时间相似性及时空相似性,并结合DBSCAN聚类算法对载客轨迹进行聚类;最后,根据聚类结果获取城市热点载客路径的空间分布,并分析了其在工作日和非工作日的差异. 实验结果表明,本文提出的挖掘算法能有效、快速地发现城市热点载客路径的分布.     

基于时空相似度聚类的热点载客路径挖掘

出租车的载客轨迹直接体现了车辆的行驶状态和居民的出行规律,热点载客路径的挖掘为交通管理与规划,居民行为模式发现及出租车载客推荐等具有重要价值. 本文以兰州市3 000 辆出租车载客轨迹为研究对象,提出了基于时空相似性聚类的热点载客路径挖掘算法. 首先,根据出租车的GPS轨迹数据提取出载客轨迹及其核心轨迹;然后,根据提出的相似性度量算法计算核心轨迹的空间相似性、时间相似性及时空相似性,并结合DBSCAN聚类算法对载客轨迹进行聚类;最后,根据聚类结果获取城市热点载客路径的空间分布,并分析了其在工作日和非工作日的差异. 实验结果表明,本文提出的挖掘算法能有效、快速地发现城市热点载客路径的分布.     

考虑负效应最小化的电动汽车补能诱导研究

随着政府对“碳达峰”等环保政策的贯彻落实,电动汽车凭借节能环保等优点得到了迅速发展。由于电动汽车续航里程短,充电时间长,且路网中的补能需求与充电桩存在时空错配的现象,导致电动汽车补能排队时间长和驾驶员产生里程焦虑等一系列负效应。为此,本文首先从整体路网补能负效应最小化角度,通过引入激励手段实现最优补能方案,建立电动汽车补能诱导双层优化模型。其中,上层为路网补能负效应最小化诱导激励模型;下层为带有补能站点选择的混行路网均衡模型。然后,采用遗传算法求解上层模型,下层模型通过Frank-Wolfe算法求解,得出路网中补能车辆的最优诱导方案。最后,以经典Nguyen-Dupius路网为例验证模型,并进行灵敏度分析。结果表明,尽管本文提出的补能诱导模型增加了规划者的激励成本,但总社会补能负效应成本降低,证明了补能诱导的有效性。     

考虑回路因素的电动汽车最短路问题研究

电动汽车保有量迅速增长，但仍存在里程焦虑、充电设施缺乏等问题，导致驾驶员有时必须绕路才能给电动汽车充电. 基于电动汽车在长途出行过程中绕路充电产生的回路现象，对电动汽车最短路径问题进行深入探索. 对路网进行重构，考虑驾驶员在不同充电速度和排队情况下的充电站选择行为，构造寻求电动汽车最短路径的混合整数规划模型，使用成熟的商业规划软件求解. 为提高大型路网下的模型求解速度，基于动态规划的思想提出一种改进的标签设置算法，高效求解路网中存在回路时的电动汽车最短路径问题. 通过算例验证所提模型和算法的合理性及高效性.     

Distributed Power Control Considering Different Behavioural Responses of Electric Vehicle Drivers in Photovoltaic Charging Station

A distributed energy management in a photovoltaic charging station(PV-CS) is proposed on the basis of different behavioural responses of electric vehicle(EV) drivers. On the basis of the provider or the consumer of the power, charging station and EVs have been modeled as independent players with different preferences. Because of the selfish behaviour of the individuals and their hierarchies, the power distribution problem is modeled as a noncooperative Stackelberg game. Moreover, Karush-Kuhn-Tucker(KKT) conditions and the most socially stable equilibrium are adopted to solve the problem in hand. The consensus network, a learning-based algorithm, is utilized to let the EVs communicate and update their own charging power in a distributed fashion. Simulation analysis is supported to show the static and dynamic responses as well as the effectiveness and workability of the proposed charging power management. For the sake of showing the responses of EV drivers, different behavioural responses of EVs' drivers to the discount on the charging price offered by the station are introduced. The simulation results show the effectiveness of the proposed energy management.     

基于数据驱动的物流电动汽车充电行为分析

为研究城市配送中物流电动汽车用户的充电行为规律,本文采集70辆物流电动车2014年一年的充放电数据,并采用数据挖掘相关分析方法,建立考虑物流电动汽车的充电电量状态及充电时刻的充电行为模型.研究结果表明:用户一般在SOC为30%~50%时为车辆进行充电,车辆开始充电时的剩余电量服从μ=0.48、σ=0.22的正态分布;车辆开始充电时刻主要集中在14:00-16:00之间.通过数据实验证明本文所建立的充电行为模型具有较高的精确性,同时具有较好的实用性,为车辆的充电调度和用户的出行安排提供科学的决策支持.