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.     

考虑排放约束的电动汽车混行交通路网均衡模型

随着电动汽车的推广和使用,电动汽车与燃油汽车在路网中交互运行,形成了混行交通环境.本文构建考虑排放约束和途中充电的电动汽车混行交通路网均衡模型.首先,分别定义了电动汽车用户与燃油汽车用户的出行成本函数,其中电动汽车用户出行成本包含行驶时间、充电排队时间及充电时长.其次,构建了考虑排放约束的混行交通路网均衡模型,证明了解的唯一性,推导了模型对应的KKT条件,且与Wardrop第一原理等价.然后,将均衡模型表述为包括用户均衡条件、排放约束、守恒约束的互补性条件形式,通过引入间隙函数,进一步将其转化为等价的无约束最优化问题,并利用基于梯度的算法进行求解.最后,通过算例验证了均衡模型及算法的有效性,结果表明:(1)考虑路网排放约束将影响混行交通量和充电站充电流量空间分布;(2)总需求和电动汽车渗透率不变的条件下,提高减排力度会导致路网总行程时间的增加;(3)给定减排力度时,可以确定路网总行程时间最小时对应的电动汽车最优渗透率.     

一种拥挤数量调节的非均衡网络交通流动态演化模型（英文）

基于经济学非瓦尔拉斯均衡理论, 采用经济学中市场摸索过程模拟出行者路径选择行为; 假设城市出行者在路径决策过程中, 考虑路径出行时间和关键路径拥挤程度的共同影响, 以价格拥挤混合均衡交通流模式为基础, 建立了一种价格-拥挤混合调节的非均衡网络交通流动态演化模型, 并验证了模型稳定状态与均衡的等价性; 基于简单的测试网络和中型路网, 对演化模型进行了模拟, 描述了非均衡网络交通流的演化过程与非均衡状态下交通网络的整体表现。研究结果表明: 时间价格调节模型的演化结果符合经典的Wardrop第一原理, 拥挤数量调节的结果使得OD间各路径上关键路段的拥挤程度一致, 价格-拥挤混合调节的结果会使路径流在走行费用较小和拥挤程度较低的路径上相互进行调整, 其动态演化过程波动性要大于单一调节的情况; 在测试路网中, 考虑采用拥挤程度对路径进行选择的行为, 使得整个路网拥挤均匀程度整体提高62%, 但路段饱和度均值却从0.60增大到了0.64, 表明路网整体上变得拥挤; 若考虑两者的共同调节, 最拥堵路段饱和度从0.936下降到0.787, 均匀程度整体提高46%, 且路段饱和度均值降低, 路径行程时间变小, 拥堵得到改善; 中型路网的测试结果也表明这种混合均衡模式能灵活、客观地描述路网交通流动态演化过程, 获得较为合理的路网系统的稳态流量。      

数据驱动的偶发拥堵时空建模及传播分析

为研究实际的道路交通路网中偶发拥堵的传播和演化特性,充分发挥海量交通流数据的潜在价值,克服现有基于模拟仿真的拥堵分析方法因理论假设和参数设置所导致的 “失真”问题,本文在交通流实测数据的基础上,建立改进的 PLS-STAR模型对偶发拥堵的时空传播结构进行描述,并提出偶发拥堵的直接和间接时空传播效应两种概念对拥堵的时空传播影响进行刻画,从而构造了一种数据驱动的偶发拥堵时空传播效应评估方法.通过北京路网的案例研究发现,路网服务水平的降低,更大程度来源于拥堵传播的间接影响而非直接取决于突发的交通量增加,因此,通过控制拥堵传播来提升城市路网的服务水平仍具有巨大潜力.     

考虑出行特征的电动汽车协同充电调度优化研究

针对大规模电动汽车无序充电导致的充电供需不平衡和资源利用率低等问题,在分析用户出行特征的基础上,提出电动汽车协同充电的调度优化策略。通过经济激励改变电动汽车用户的充电选择,并结合电网的分时电价策略协调充电站内各时段输出功率,以充电站收益最大化为目标建立电动汽车协同充电调度优化模型。为降低解空间的维度,加快求解速度,将模型分解为充电调度主问题和站点功率协调分配子问题,利用改进遗传算法编码求解模型主问题,并通过调用Gurobi求解器求解子问题。最后,分别在经典路网和现实路网中进行仿真实验。结果表明：电动汽车协同充电调度能够提高充电资源利用率和站点收益;随着调度补偿力度增大,站点收益提升效果逐渐减弱;较高的电力峰谷价差可以激励充电站主动实施充电调度和时段充电功率的协调分配,提高站点服务率并缓解电网负载波动。     

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.     

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.     

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...     

车道拥挤收费与信号控制组合优化模型研究

针对设有公交专用车道的城市道路,在交通过饱和状态下,为了提高道路通行能力,允许私家车以收费模式驶入公交专用车道,以缓解交通拥堵,建立了基于拥挤收费的交通信号控制模型.模型分别计算了公交专用车道和常规车道的行程时间及相关联交叉口的总体排队延误,另外对公交专用车道设置了临界密度.该模型在保证公交专用车道交通服务水平的前提下使所有车道的路段行程时间及路口排队时间最短,最后利用遗传算法和VISSIM仿真相结合对模型进行了求解.结果显示了车道拥挤收费和信号控制组合优化模型的有效性,降低了车辆排队延误.     

基于路段的拥挤收费与停车收费组合优化研究

确定性路段拥挤收费对收费路段的交通拥挤缓解有很好的效果,停车收费对抑制区域路网出行需求有重要影响,将两者组合起来系统研究具有重要意义. 本文通过将路段拥挤收费与停车收费进行组合,分析组合收费策略下出行成本和出行需求变化的基础上,建立了双层规划模型. 以收费社会效益最大化为目标,以拥挤收费和停车费可行区间为约束条件作为上层优化模型,下层模型是考虑广义交通出行费用(含行程费用和停车费用)的弹性需求条件下用户平衡模型,进行路段拥挤收费与停车收费组合优化. 设计了模式搜索算法进行求解,得到不同初始步长和迭代精度下模型的最优解. 数值计算结果表明,联合收费使得路网流量分布更加均衡,缓解了收费路段的交通拥挤,同时出行需求得到了一定抑制,证明该模型与算法具有有效性.     

����·�ε�ӵ���շ���ͣ���շ�����Ż��о�

确定性路段拥挤收费对收费路段的交通拥挤缓解有很好的效果,停车收费对抑制区域路网出行需求有重要影响,将两者组合起来系统研究具有重要意义. 本文通过将路段拥挤收费与停车收费进行组合,分析组合收费策略下出行成本和出行需求变化的基础上,建立了双层规划模型. 以收费社会效益最大化为目标,以拥挤收费和停车费可行区间为约束条件作为上层优化模型,下层模型是考虑广义交通出行费用(含行程费用和停车费用)的弹性需求条件下用户平衡模型,进行路段拥挤收费与停车收费组合优化. 设计了模式搜索算法进行求解,得到不同初始步长和迭代精度下模型的最优解. 数值计算结果表明,联合收费使得路网流量分布更加均衡,缓解了收费路段的交通拥挤,同时出行需求得到了一定抑制,证明该模型与算法具有有效性.     

ͻ���¹��½�ͨ��Ϣ�����о�

突发事故及其所造成的非重复性拥堵会对城市交通系统正常运行有重大影响,其造成的拥堵传播会使得拥堵区域内的大量路段瘫痪.因此研究缓解突发事故下交通拥堵的策略具有十分重要的意义.本文研究突发事故下先进的交通信息系统策略设计问题.建立了ATIS策略设计的双层规划模型,上层目标从交通管理者的角度追求出行者的系统总阻抗与交通信息运营成本最小化,下层描述在ATIS作用下出行者的动态路径选择行为,并通过元胞传输模型仿真拥堵的传播与路段上车辆的走行.提出了基于遗传算法的求解方法.算例结果表明,优化的ATIS策略能够有效地缓解突发事故所导致的交通拥堵,提高交通网络的系统性能.     

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。     

可变信息屏对北京市交通拥堵缓解的评价研究

可变信息屏（VMS）为缓解大城市交通拥堵提供了一种有效途径,它通过发布诱导信息来均衡路网上的交通需求.为了评价VMS对缓解交通拥堵的效果,本文通过数据挖掘方法建立了一种通用评价模型.所用数据包括由北京市VMS系统和道路检测器得到的VMS历史发布信息和道路交通流数据,这些数据能够真实地反映路网中的交通状况.通过比较诱导信息和提示信息下的拥堵缓解效果,并对不同道路状况下拥堵缓解效果进行时间和空间分析.结果表明,诱导信息能够更加有效地提高拥堵路段的服务水平,特别是严重拥堵路段,诱导信息比提示信息更加有效.     

城市出租车合乘技术研究

论文针对城市交通拥挤不堪和出租车空驶率高的现状,提出了出租车合乘能提高人们选择出租车出行的频次,减少道路拥堵,提高出行效率。论文对出租车合乘进行了概念定义和合乘模式划分,分析了出租车合乘的信息感知、信息传输与信息反馈,建立了出租车合乘信息服务中心。论文划分了合乘类型,并描述了静态和动态的合乘流程图,并建立了出租车数量模型,采用Floyd算法计算整个网络中任意两点间的最短路问题。依据合乘出租车上的乘客数确定不同的合乘状态,在体现收费公平的基础上建立了合乘计费模型,和解决了分级站点合乘组织及生活性合乘问题。     

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.