發布時間：2021-03-27所屬分類：管理論文瀏覽：1次
摘 要： 摘要：為分析充電排隊時間對電動汽車用戶路徑選擇以及路網均衡的影響，分別考慮充電排隊時間與充電站充電流量、充電時間與充電量的關系，構建了相應的混合交通路網模型。證明了解的唯一性，并推導了混合交通網絡模型對應的KKT條件，證明其與Wardrop第一原理
摘要：為分析充電排隊時間對電動汽車用戶路徑選擇以及路網均衡的影響，分別考慮充電排隊時間與充電站充電流量、充電時間與充電量的關系，構建了相應的混合交通路網模型。證明了解的唯一性，并推導了混合交通網絡模型對應的KKT條件，證明其與Wardrop第一原理等價。基于梯度投影法設計了求解算法，構建了一個算例驗證了模型及算法的有效性。研究結果表明：固定排隊時間下的最優解對應的充電站充電流量分布不唯一，非固定排隊時間下的最優解對應的充電站充電流量分布唯一。在非固定排隊時間下，電動汽車用戶為了規避過長的充電排隊時間，充電站充電流量分布會更加均衡;服務能力對充電站利用率的均衡性有顯著影響;路網的總充電排隊時間以及總出行時間隨充電站服務能力的增大而逐漸減小。
關鍵詞：交通運輸規劃與管理;混合交通路網均衡;電動汽車;梯度投影法;充電排隊時間;服務能力
0引言
電動汽車相較于傳統燃油汽車具有節能環保的優勢，近十多年來，我國頒布了一系列產業政策來促進電動汽車的發展。當前，電動汽車的發展面臨續航里程短以及充電基礎設施不完善這兩個主要問題，導致了電動汽車用戶普遍存在里程焦慮心理。里程焦慮心理促使電動汽車用戶在選擇出行路徑時需充分考慮路徑行駛里程、充電站布局與配置等因素，與燃油汽車用戶的路徑選擇行為有較大差異。此外，電動汽車用戶的路徑選擇行為，也會對交通路網產生影響。
目前，考慮電動汽車的交通分配模型已經取得了許多研究成果。Jiang等[1-2]最早提出了考慮電動汽車的路網模型，在模型中加入了電動汽車續航里程的約束，然后提出Frank-Wolfe算法進行求解。Jing等[3]提出了SUE下的混合交通路網模型，并考慮了MNL(MultiNomialLogit)和MNP(MultiNomialProbit)兩種加載方式。Wang等[4]認為里程焦慮對出行行為的作用更可能發生在出行鏈層面(TripChainLevel)，而不是出行層面(TripLevel)，并將出行鏈作為用戶出行決策的基本單元，研究了鏈式出行行為以及續航里程限制對交通網絡流量分布的影響。Xie等[5]在Wang的基礎上，進一步考慮了里程約束分別服從離散型和連續型分布的情況，分別構建了凸優化模型和變分不等式模型來描述網絡均衡條件，并采用梯度投影法進行求解。但上述研究均未考慮途中充電。
相關知識推薦：論文發表費用多少跟什么有關系
He等[6]和楊揚等[7]在電動汽車的路網模型中加入了途中充電的情況，并研究了充電行為對路網均衡的影響。但他們假定所有充電站均能保證一定的服務水平，即電動汽車在各充電站的充電排隊時間為相同的固定值(5min)。在上述假設下，電動汽車用戶對充電地點的選擇僅與充電站的位置和配置(快充或慢充)有關，而不受充電排隊時間的影響。但邵賽等[8]指出，當電動汽車用戶選擇充電站時，充電站容量比偏離距離更有吸引力。當充電站容量不足以滿足需求時，產生的排隊問題直接影響服務質量。楊恬恬[9]同樣提到，排隊時間對于電動汽車用戶選擇充電地點至關重要，尤其是中短途出行，且排隊時間與充電站內的電動汽車數量有關。Xu等[10]和Liu等[11]考慮了換電站(BatterySwappingStation)內總逗留時間與換電站內電動汽車流量的關系，并假設排隊系統服從M/M/1排隊模型。其中，接受換電服務的時間僅與站內流量有關，與換電前后的電量變化無關。但現實當中，充換電設施仍以充電站為主，而充電時間則與充電前后的電量變化有關。
因此，本文分別構建充電排隊時間與充電時間模型，并將其考慮到路徑選擇和路網模型中。其中，充電排隊時間與充電站內的充電流量有關，充電時間與充電量有關。在此基礎上，研究充電排隊時間對混合交通路網均衡的影響。
2可行路徑定義
可行路徑定義為：OD對w間之間能夠使第k類出行者在給定初始電量下，從起點行駛至迄點，且剩余電量始終保持在舒適里程之上的路徑p，即為可行路徑。其中初始電量、舒適里程(里程焦慮指標)如下所示：
(1)初始電量
Jiang等[1-2]假設電動汽車出發前為滿電狀態，且續航里程可以滿足常規的通勤出行，無需考慮途中充電。Wang等[4]和Xie等[5]考慮了初始電量是固定值、離散型分布、連續型分布的情形，但沒有考慮途中充電。本文與He等[6]相同，取初始電量為小于電動汽車電池容量的值，如電池容量的20%或者30%，且考慮途中充電。
(2)舒適里程
電動汽車用戶普遍存在里程焦慮心理。Franke等[12]認為受到里程焦慮的影響，電動汽車用戶在出行途中，會選擇使剩余電量始終維持在某一個值之上，并稱之為舒適里程。舒適里程的大小體現了用戶里程焦慮的程度，亦反應了用戶的風險偏好。本文也使用舒適里程來量化里程焦慮，單位為kWh。本文將燃油汽車視為電動汽車的一種，它的舒適里程為負無窮，這樣保證了OD對間所有路徑對燃油汽車而言均為可行路徑，且無需充電。根據舒適里程的不同，將路網中所有出行者分為K類，包括(K−1)類電動汽車出行者和一類燃油汽車出行者。
5案例分析
5.1算例介紹
算例使用Nguyen-Dupuis(N-D)仿真路網，如圖1所示，該路網有19條邊和13個節點，4個OD對。節點6、7、10、11為充電站，且均為快充站，充電速率r為0.67min/kWh。圖1中，路段旁括號內的數字分別表示路段的自由流行駛時間(單位為min)、通行能力(單位為pcu)。路段長度與路段自由流行駛時間數值相同，單位為km。路段的電量消耗率v為0.3kWh/km。OD對(1，3)、(2，3)、(4，2)及(4，3)的出行需求分別為400、800、600和200pcu。有三種類別的出行者，分別為燃油汽車出行者以及兩類電動汽車出行者，兩類電動汽車出行者使用的均為NissanLeaf2013款車型，電池容量為24kWh，初始電量均為9kWh，他們的區別在于舒適里程不同，分別為0kWh和3kWh。三類出行者在各OD對間的出行需求占比均為80%、10%、10%。
5.2非固定充電排隊時間對混合交通路網均衡的影響
首先分析固定充電排隊時間的局限性，然后分析非固定充電排隊時間對混合交通路網均衡的影響。假設各充電站的充電排隊時間固定，均為5min，并對相應的路網模型進行求解。在研究過程中發現，模型最優解對應的充電站充電流量分布不唯一，圖2給出了模型最優解對應的其中兩種不同的充電站充電流量分布。從結果角度進行分析，以OD對1-3間的兩類電動汽車出行者為例，當達到路網均衡時，他們的最優路徑均為1-5-6-7-11-3，節點6、7均在他們剩余里程的可達范圍內，情況1對應選擇的充電站為節點6，情況2對應選擇的充電站為節點7。前文提到，本文中的充電站均為同質的快充站，充電速率均為0.67min/kWh，當其選擇路徑1-5-6-7-11-3時，無論是在節點6或者7進行充電，在該路徑上的路徑行駛時間、充電排隊時間、充電時間均相同，兩種選擇等價。OD對1-3間的兩類電動汽車出行者產生的充電需求在充電站6、7之間的互相轉移，不會對路段流量分布產生影響。此外，由于各充電站的充電排隊時間固定，其充電需求轉移也不會對其余電動汽車用戶的充電行為產生影響。因此，路網始終處于均衡狀態，模型最優解對應的充電站充電流量分布有無限種可能。
5.3服務能力的靈敏度分析
從公式(6)中可以看出，充電站的充電排隊時間受到服務能力的影響，而服務能力與充電站的容量配置有關。服務能力的變化，會影響到充電站的充電排隊時間，進而影響到充電站充電流量分布，以及路網的出行成本。本文對服務能力的靈敏度進行分析。(1)充電站充電流量分布的均衡性本文保持充電站位置不變，且節點6、10、11的服務能力不變，通過改變節點7的服務能力，分析其對充電站利用率的均衡性的影響。本文使用楊揚[7]定義的指標，如式(31)，其中，Su()表示充電站的充電流量分布的標準差，Eu()表示充電站的充電流量分布的平均值。顯然，指標B越大，各充電站所服務的充電流量的差異越大。
6結論
(1)本文考慮了路徑行駛時間、充電排隊時間、充電時間等出行成本，構建了電動汽車與燃油汽車混行下的交通路網模型，研究了模型的性質，提出了相應的求解算法，并通過算例驗證了模型和算法的有效性。
(2)研究表明，固定排隊時間的假設存在局限性，非固定排隊時間更貼近實際情況。此外，充電站服務能力對充電站利用率的均衡性、路網出行成本均有顯著影響，這為合理的充電站容量配置提供了參考。
(3)本文考慮了充電排隊時間與充電站充電流量的關系，未來需要通過實際數據對充電排隊時間模型進行參數標定，驗證模型的合理性。此外，基于本文所提出的模型以及算法，進一步開展優化充電站容量配置的研究也是后續的研究方向之一。——論文作者：李浩1,2，陳浩1,2
SCISSCIAHCI
