英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
共享自动电动车队的运营:车辆和充电基础设施决策的影响
T. Donna Chen, Kara M. Kockelman，Josiah P. Hanna
摘 要：共享自动驾驶汽车(AV)车队和电动汽车(EV)技术之间存在着天然的协同效应，因为自动驾驶汽车车队解决了当今非自动电动汽车的实际限制，包括旅行里程焦虑、充电基础设施的接入和充电时间管理。如本文所示，车队管理的自动驾驶汽车可以缓解这些担忧，根据实时出行需求和已建立的充电站位置来管理里程和充电活动。本文研究探讨了在区域、离散时间、基于agent的模型下共享自动电动汽车车队(SAEV)的管理。该模拟研究了共享自动电动汽车车队在不同行驶里程和充电基础设施场景下的运行情况，该模型大致以德克萨斯州奥斯汀市的密度为模型。
基于2009年美国国家公路交通安全管理局行程距离和时间分布的结果表明，在二级(240伏交流)充电条件下，车队规模对电池充电时间和里程敏感，每辆行驶80英里的共享自动电动汽车可替换3.7辆私家车，每辆行驶200英里的共享自动电动汽车可替换5.5辆私家车。在配备了III级480伏直流快速充电基础设施后，80英里续航里程的电动汽车可替换5.4辆，200英里续航里程的电动汽车可替换6.8辆。共享自动电动汽车车队可以为96-98%的行程请求提供服务，每次行程的平均等待时间在7到10分钟之间。然而，由于人们需要在“空着”的情况下行驶、充电和载客，预计共享自动电动汽车车队的行驶里程将增加7.1-14.0%。财务分析表明，对一个共享自动电动汽车车队来讲，充电设施、汽车资本和维护、电力、保险、和注册的联合成本,为每英里0.42 - 0.49美元。这意味着共享自动电动汽车服务可以提供相当于每英里越野车家庭的私人车辆成本,从而与当前人工驾驶的拼车服务竞争，而且比按需司机运营的交通服务便宜得多。当Austin-specific旅行模式(旅行的起源和目的地)被引用在最后一个案例研究中,这个仿真预测了车队“空着”时行驶里程得减少(所有的共享自动电动汽车下降3 - 4%)和平均等待时间(每趟从2到4分钟),每个共享自动电动汽车可替换5 - 9私有车辆。
关键词：基于agent建模、共享汽车、电动汽车、自动驾驶汽车
1．引言
最近的交通趋势是电动汽车(EV)销量的增加和汽车共享成员的增加对温室气体排放和能源使用有重要影响。鼓励使用插电式电动汽车和共享汽车，可能是帮助地区实现臭氧和颗粒物的国家和州级空气质量标准，并最终达到碳排放标准的关键策略。与此同时，随着共享经济的兴起，共享汽车正成为一种替代模式，它比交通工具更灵活，但比传统的私家车更便宜。然而，技术和社会因素都阻碍了电动汽车和共享汽车的发展。对于电动汽车来说，最大的障碍可能是“里程焦虑”，即用户担心电池完全放电而没有合理的充电选择。与此同时，随着电动汽车渗透到私人和商用车领域，它们也在共享汽车领域取得了进展。电动汽车是汽车共享业务的天然匹配品，因为现有的汽车共享业务成员往往比非汽车共享成员驾驶更小、更省油的汽车(Martin and Shaheen, 2011)。尖端的汽车共享运营商(CSOs)已经在他们的车队中使用电动汽车(如戴姆勒的Car2Go和宝马的DriveNow运营)，但在单向汽车共享系统中，车队的手动迁移继续给CSOs的盈利能力带来挑战。自动驾驶技术的引入将消除手动车辆迁移的挑战，并为共享电动汽车提供一种无人驾驶的方法，以到达旅行者的出发地、目的地和充电站。在汽车共享环境下，一批共享自动电动汽车(SAEV)将实现电池管理和充电过程的自动化，从而消除电动汽车增长过程中的里程焦虑。随着最近交通网络公司提供的按需交通服务的流行，我们可以想象未来的出行系统将自动驾驶汽车(AV)技术与汽车共享和电动汽车融合在一起。但是，自动驾驶汽车是否能够共享、自我充电、(电池)大小是否符合旅行者希望的旅行长度?
本研究试图通过在基于离散时间的agent模型中模拟共享自动电动汽车车队来回答这个问题，考察车队在100英里乘100英里网格化都市区域中的操作。将短程和远程电动汽车与II级和III级充电基础设施结合起来，研究车辆行驶里程和充电时间对车队规模、充电站站点、满足出行需求的能力、用户等待时间和诱导车辆行驶里程(VMT)的影响。在讨论了模拟结果之后，财务分析强调了汽车和充电基础设施的资本投资与用户利益之间的权衡。
2．研究背景
有大量的文献将共享汽车、电动汽车和充电基础设施规划以及自动驾驶汽车作为单独的主题进行研究。对于共享环境下的汽油驱动和(尤其是)电动自动驾驶汽车的研究则比较有限。Wang 等人(2006)提出了一种基于排队论的共享全自动车辆动态车队管理算法。在5个车站5辆车的模拟环境中，乘客平均等待时间为3.37 min，平均车辆使用率为4.3辆，而固定调度算法的乘客平均等待时间为4.89 min，平均车辆使用率为3.7辆。Spieser 等人(2014)在没有私家车的情况下，模拟了新加坡的共享自动驾驶汽车车队，发现每辆共享汽车可以替代三辆私人汽车，服务12.3个家庭。Kornhauser (2013)提出，在新泽西州，出租车售票处(自动驾驶出租车站牌)每隔半英里就有，乘客步行到出租车站牌，而不是让自动驾驶汽车重新安置。Douglas (2015)使用Kornhauser (2013)提出的基本模型，在新泽西州模型的5英里乘5英里的子集内，计算自动驾驶出租车系统的车队规模，发现至少需要550辆车来满足出行需求。Burns等人(2013)在三个不同的城市环境中研究了共享自动驾驶车队的性能:中型城市(密歇根州的安娜堡)、低密度郊区开发(佛罗里达州的巴布科克牧场)和人口密集的大型城市地区(纽约的曼哈顿)。研究发现，在中等规模的城市和郊区环境中，每辆共享汽车可以取代6.7辆私人汽车。同时,在密集的城市环境中,随着 自动驾驶技术的引入，目前的出租车数量可以缩减30%，平均等待时间不到1分钟。国际交通论坛(2015)研究了共享和自动驾驶车辆在里斯本、葡萄牙的应用并发现,拼车可以使每个共享汽车可替代大约10私有车辆和诱发6%的车辆行驶里程超过当前的基线。没有拼车的情况下，每辆顺序拼车可以替代6辆私家车，但可以增加44%的出行距离。该研究还研究了共享自动驾驶汽车电动化的影响，假设电动续航里程为175公里(108英里)，充电时间为30分钟，结果发现，该车队需要扩大2%。Fagnant和Kockelman(2014)提出了一个基于agent的共享自动驾驶汽车(SAVs)模型，该模型模拟了在密集的城市核心区，与传统的汽车拥有和使用相比，共享自动驾驶汽车车队的环境效益。仿真结果表明，每辆共享自动驾驶汽车可以替代11辆传统的私家车，但可以增加10%的行驶距离。当模拟扩展到德克萨斯州奥斯汀低市场渗透率(出行率1.3%)的案例研究时，发现每辆共享自动驾驶汽车能够替代9辆传统车辆，平均而言，由于无人驾驶出行，车辆行驶里程增加了8% (Fagnant等人，2015)。
除了ITF(2015)和Fagnant和Kockelman(2014)之外，在所有先前提到的研究中，共享自动驾驶汽车车队的充电/加油一直是一个缺失的部分，这两项研究都对加油过程进行了相当简单的建模。Fagnant和Kockelman(2014)通过假设400英里的共享自动驾驶汽车可以在给定服务延迟时间的网格内任意位置加油来模拟加油物流。在ITF(2015)中，与续航里程更长、充电时间更短的汽油驱动汽车相比，电动汽车的充电仅考虑了当量车队规模。目前还没有研究专门针对共享自动驾驶汽车的推进系统和充电基础设施进行研究，这两者都直接影响到车辆对乘客的行驶能力以及加油站/充电站。本文所描述的工作基于Fagnant和Kockelman(2014)的框架，并分析了在不同里程和充电基础设施假设下，共享自动电动汽车车队的运营情况。共享自动驾驶汽车和电动汽车之间存在天然的协同效应，因为共享自动驾驶汽车的“智能”特性解决了当今市场上非自动电动汽车的实际局限性。这些限制包括前面讨论的所有电力范围、充电站密度和充电时间管理。如本研究所示，车队管理的“智能”自动驾驶汽车减轻了个人旅行者的这些担忧，根据预测的出行需求和已建立的充电站位置管理里程和充电活动。
3．研究方法
3.1建立模型
这里使用的基于离散时间的agent模型是对Fagnant和Kockelman(2014)提出的10英里乘10英里模型的扩展。在它的设置中，该模型生成了一个100英里乘100英里的网格都市区域，被分成16万个四分之一英里乘四分之一英里的单元。网格化的城市(大致模仿了德克萨斯州奥斯汀市的人口密度模式)被划分为四个区域，如图1所示:市中心(最内层2.5英里半径)、市区(下一环7.5英里半径)、郊区(下一环15英里半径)和远郊(剩余区域)。区域人口密度和出行率由人口密度细分的奥斯汀旅游需求模型数据确定(见表1)。每个区域都有自己独特的平均出行率(约占奥斯汀地区所有出行的10%，包括回程，反映了Shaheen等人(2006)估计的人工驾驶环境下共享汽车的市场潜力)和平均高峰和非高峰旅行速度(来自奥斯汀旅行需求模型的高峰和非高峰旅行样本)，如表1所示。
根据2009年全国家庭出行调查(FHWA, 2009)，每个单元的实际出行生成率来自泊松分布，表1的值作为24小时时间分布中每5分钟时间步的平均速度。每次生成的旅程的目的地单元都被分配为旅程长度的函数(从2009年NHTS旅程长度分布中得出)，并与起源单元的北部、南部、东部和西部的单元份额成比例。换句话说，这里使用的出行生成方法对城市中心具有更高的吸引力。在模拟中，每天大约产生68万次SAEV出行(约占模拟人口290万地区出行的10%)。关于这里使用的分步行程生成方法的详细信息，请参阅Fagnant和Kockelman(2014)。
该车型首先经历两阶段热启动，在此期间充电站的数量和电动汽车车队的规模是确定的。热启动完成后，模型以预定的车队规模和充电站布局连续运行50天，输出车队运行性能指标。模型的每个阶段将在下面的部分中详细讨论。
图1 城市区域和区域大小
表1区域行程生成率和行程速度
|
人口密度(人/ 平方米) |
平均行程一般费率(行程/小区/日) |
旅行速度(英里/小时) |
||
|
高峰期 |
非高峰期 |
|||
|
市中心 |
7500-50000 |
129 |
15 |
15 |
|
市区 |
2000-7499 |
39 |
24 |
24 |
|
郊区 |
500-1999 |
11 |
30 |
33 |
|
远郊区 |
lt;499 |
1 |
33 |
36 |
3.2充电站的产生
在热启动的第一阶段，建立连续24小时的模型，以确定共享自动电动汽车车队全面服务所需的充电站数量。图2展示了在热启动的过程以及充电站在何处产生。
一旦通过3.1节中讨论的过程产生了旅行，旅行者就会通过贪婪搜索算法(搜索从自己的原始单元开始的不断增加的距离)在5分钟的旅行时间半径内寻找最近的可用状态SAEV。如果一个可用的SAEV位于5分钟的旅行间半径内，旅行者要求SAEV, SAEV在随后的时间段内处于使用模式来接旅行者，完成指定的旅行，并释放旅行者。如果SAEV在5分钟的旅行时间半径内不可用，旅行者将加入等待名单。在接下来的5分钟时间步中，在当前时间步中生成的新行程由SAEV服务之前，等待名单上的旅客将被优先排序并首先得到服务。当一个旅行者已经在等待名单上10分钟(或两个时间步)，一个新的SAEV在旅行者的起始位置充满电生成。
一旦一辆SAEV在目的地释放一个旅行者，车辆将从使用状态变为可用状态，并在随后的5分钟时间步中等待旅行者呼叫。如果车辆在时间步长内未被调用，则SAEV将从可用状态变为重新定位状态，其后续操作将在3.5节中讨论。如果旅行者调用，SAEV检查以确保其剩余的距离大于旅行者的距离加上在接受调用之前请求的旅行的距离。如果距离不够，则拒绝呼叫，SAEV状态由“可用”变为“充电”。在充电状态下，SAEV会寻找最近的充电站(使用与旅行匹配相同的贪婪算法)，如果在其剩余范围内没有充电站，则在其当前电池中生成一个充电站。电动汽车在充电站保持充电状态，并与剩余充电距离成正比的时间步数达到完全充电状态，如式(1)所示:
图2 基于Agent的模型算法:充电站生成
（1）
Tcharge哪里时间步骤的数目SAEV仍在充电站充电状态之前可用于下一个旅者,Rangefull网格细胞的数量是一个SAEV可以完全充电时,旅行Rangecurrent SAEV当前的剩余的范围,Tfull所需时间步骤的数量完全耗尽SAEV电池完全充
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[258253]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
