电动汽车将如何影响交通拥堵和能源消耗：一种综合建模方法（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

文章：

本文探讨了电动汽车（EVs）对交通拥堵和能源消耗的影响，提出了一个综合的双层框架，包括：a）适用于建模当前和假设交通和充电需求场景的动态微观交通仿真；b）一个队列模型，用于捕捉快速充电站使用的影响，受交通流、行驶距离、充电基础设施的可用性和估计车辆电池充电状态的启发。据我们所知，本文是第一篇关于与EV普及相关的潜在交通拥堵和能源基础设施影响的综合分析，基于实际交通流量、现有快速充电基础设施的位置和设计。结果显示，综合队列-能源-交通建模框架可以正确预测EV基础设施的限制以及交通拥堵的演变。建模方法确定了需要在交通和能源管理规划中解决的具体痛点。

已进行了几项研究[5]-[6]，以预测未来电动汽车渗透市场后将产生的电力需求。也有工作来确定和预测这种电力需求对现有电力网格的影响[7]。然而，这些研究大部分要么是向分析电力消耗对电网的影响，使用充电位置的假设或对特定区域的主要吸引点（例如购物中心、学校、医院和工作场所）进行很广泛的估计（如p-中位数或位置分配问题）[8]。另外，一些研究则考虑了用户均衡（UE）方法，以优化路径选择，以使充电时的旅行时间最小化[9]，[10]。然而，这些研究有一些假设，比如拥堵不会影响电力消耗，或者路径长度在电池的行驶范围之内。然而，拥堵在EV影响建模中代表着一个重要因素，尤其是在快速充电站达到插入容量时。一些研究已经开发了考虑站点容量、充电时间和EV等待时间的排队模型[11]；另一些研究也考虑了满足用户最大可容忍排队时间的最大充电需求[12]，或提出了一个全局队列系统，将EV调度到可用的充电站[13]。虽然注意力已经放在描述EV站内充电情况的参数上，但研究在制定路由决策时没有考虑电池的充电状态（SoC），也没有考虑由于需求增加而受到影响的旅行时间。在其他排队方法中，可以在[14]中找到，他们考虑到，充电站可能具有不同数量的插座和不同的充电能力。在[15]中，尝试了一种将模拟和优化技术结合起来，用于优化出租车队，也提出了类似的方法，例如根据基于活动的模型[16]或基于代理的模拟[17]来规划路线。然而，我们认为，在交通仿真模型的使用上仍存在一个关键的差距，即探索充电活动、交通行为和道路拥堵之间相互关系的互动，特别是在严格的车队设置之外。同样，在仿真模型中嵌入每个站点的EV排队建模仍然是一个尚未充分探讨的研究课题。

📚2 运行结果

 

部分代码：
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

dt = pd.read_csv('q2080_2016_001_030.csv').reset_index()
dt['Year']=2016

🎉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