【SCI复现】电动和插电式混合动力汽车（EV/PHEV）技术，用于通过在城市街道网络中模拟一支EV/PHEV车队来量化能源消耗，以不同的时空分辨率（Python代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Python代码、数据、文章

---

💥1 概述

文献来源：

摘要
到2020年，全球已有100多个国家推广了电动和插电式混合动力汽车（EV/PHEV）技术，全球销量超过700万辆。政府正在采用更清洁的车辆技术，这是由内燃机车辆（ICEV）的环境和健康影响得到证实，最近的COP26会议也证实了这一点。本文提出了一种基于代理的车辆活动模型，用于通过在城市街道网络中模拟一支EV/PHEV车队来量化能源消耗，以不同的时空分辨率。驾驶员行为在能源消耗中起着重要作用；因此，模拟不同水平的个体行为并增强异质性应该能够提供更准确的城市潜在能源需求结果。研究发现：（1）当速度限制遵守增加时（行为方差较低），能源消耗最低，而当加速/减速模式变化时（行为方差较高），能源消耗最高；（2）遵守速度限制规则的车辆行驶较短距离时比那些超速行驶较长距离的车辆更节能；（3）在所有实验条件下，经过测试的车辆平均而言，EV/PHEV比ICEV运行成本便宜233.13英镑。随着驾驶行为的一致性增加（更加均匀），车辆级别的平均燃料成本（电力和汽油）差距缩小。这项研究应该让政策制定者能够量化城市对能源的需求和随之而来的燃料成本。
关键词：基于代理的模型；电动汽车；交通仿真；能源消耗；城市环境；燃料成本；公共政策。

根据[1]的数据，到2050年，全球70%的人口将居住在城市地区，约占全球63亿人口。电池动力电动车的销量从2019年的530万辆增加到预计2030年将超过3990万辆[2]。考虑到大多数人口居住在城市地区，并且基础设施建设也针对这些地区[3]，可以假设大多数电动车（EVs）将在这些地区行驶。EVs所带来的环境效益包括能够利用可再生能源（如风力涡轮机和太阳能）消耗能源。此外，EVs的总能源使用量比依赖石油、柴油或天然气的内燃机车（ICEVs）低3.4倍，后者会排放对环境有害的二氧化碳。在对ICEV和EV效率进行了井-轮（WTW）分析后，参考文献[4]发现，使用可再生能源的EVs在不同地点和环境因素下的效率可达40%至70%。相比之下，使用汽油和柴油的ICEVs的WTW能源效率分别为11%至27%和25%至37%。几乎所有的车辆制造公司已开始为商业市场建造和测试EV/PHEVs[5,6]。政府通过经济激励或立法来促使人们用EVs替换ICEVs，以此来提供便利。然而，并非所有国家都有可用于为这些车辆供电的可再生技术；一些国家，如中国，仍然依赖煤炭来为他们的电网基础设施大部分供电[7,8]。在澳大利亚，只有24%的电力来自可再生能源[9]。在他们对EVs及其对气候影响的回顾中，参考文献[10]发现，使用来自全球变暖潜势（GWP）较低的电力的车辆比ICEVs更好。相比之下，参考文献[12]发现，在那些电力来自化石燃料的国家推广EV的做法是适得其反。以上提到的统计数据再次证实了有必要探讨这些技术对未来城市的影响。

这项研究展示了如何利用基于代理的建模（ABM）来量化城市中来自电动车的能源需求，以不同的时空分辨率。为了测试该模型，在多个测试场景中配置了两个变量，以展示结果中微妙的差异。这些变量是超速行为（即遵守速度限制）和街道网络上的车辆数量（车辆密度）。通过实验，我们表明个体车辆行为和街道网络上的车辆数量会影响总能源使用量（车辆完成其行驶循环所需的能源量，以千瓦时计）。行驶循环被定义为代表车辆速度与时间的一系列数据点。

本文提出了一个能源计算扩展（图1），可与基于代理的模型[13]结合使用，以量化EV的能源使用量。虽然重点集中在电动车上，为了展示该模型的有效性，我们演示了ICEV车辆如何通过将能源转换为汽油（升/公里）来纳入模型，从而直接比较使用两种车辆的个体级行为/模式对成本和效率的相对影响。本文的新颖之处有三点。首先，提出了一种量化个体级车辆行为对能源需求的基于代理的方法。其次，包括驾驶员行为和道路特征中的异质性，直接影响所需的能源，这在现实世界中是存在的。最后，所提出的模型使从业者能够量化这些车辆可能产生的潜在能源成本，并比较高交通密度和低交通密度等场景。为了明确起见，驾驶员行为被定义为人类驾驶员的相互作用以及这些相互作用对所驾驶车辆的影响。这包括例如，驾驶员的脚踏动力对加速的影响[14]。这被表示为遵守速度限制和不遵守速度限制的行为，增强了异质性。

上一小节描述的代理需要一个环境来进行功能。UTS [13] 部署了一个城市街道网络，它被描述为 [42] 中的 T 型网络模式，具有类似于费城市中心 [43] 和旧金山 [44] 的特征。T 型网络模式类似于网格状网络，但包括 T 型交叉口。还存在一些额外的特征，如 [45] 中描述的八车道交叉口。街道网络包含 1295 条道路和 354 个交叉口，是任意生成的，以覆盖一个小镇。个别道路、速度限制和交叉口规则在下图 2 中描述。详细文章见第4部分。 

📚2 运行结果

 

 

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Python代码、数据、文章