基于数据的生态路线规划,以优化电动汽车的节能行驶
《Sustainable Cities and Society》:Data-Driven Eco-Routing for Optimizing Energy Efficient Electric Vehicle Driving
【字体:
大
中
小
】
时间:2026年08月12日
来源:Sustainable Cities and Society 13.3
编辑推荐:
摘要:全球范围内,电动汽车的普及速度正在加快,但有限的行驶里程以及对运行条件的敏感性仍是实现可持续城市出行的重大障碍。现有的导航系统通常以行驶时间或距离为优化目标,很少考虑交通状况、道路坡度以及风速对电动汽车能耗的共同影响。本研究构建了一种数据驱动的环保路线规划框架,将该框架中的
摘要:全球范围内,电动汽车的普及速度正在加快,但有限的行驶里程以及对运行条件的敏感性仍是实现可持续城市出行的重大障碍。现有的导航系统通常以行驶时间或距离为优化目标,很少考虑交通状况、道路坡度以及风速对电动汽车能耗的共同影响。本研究构建了一种数据驱动的环保路线规划框架,将该框架中的基于物理原理的电动汽车能耗模型与加利福尼亚州的多源、网络级数据相结合。该能耗模型能够精确计算各个路段的空气动力阻力、滚动阻力、坡度阻力以及再生制动效应,同时运用风洞实验得出的阻力系数、用于修正车辆高度的对数风速分布,以及来自Caltrans性能监测系统的每小时交通速度数据。在三种不同的交通和风速场景下,以及对风向敏感性的分析中,对加利福尼亚州243,072个路段构成的道路网络进行了评估。与以距离或时间为最优标准的路线相比,这种环保路线规划在代表性的格伦代尔-兰乔库卡蒙加走廊上,分别可使行程能耗降低54%和74%。在保持路线几何形状、交通状况和地形不变的情况下,仅风向的变化就能使累计行驶能耗在逆风和顺风条件下相差高达29%。这些结果表明,考虑风向和地形的环保路线规划能够有效延长电动汽车的行驶里程,减少充电需求,从而为可持续城市和地区的节能出行规划提供有力支持。
引言:近年来,全球电动汽车的销量增长迅猛,2023年约为1400万辆,2024年则超过1700万辆,占全球新车销量的20%以上(国际能源署,2024年)。这一快速发展凸显出了解决运行条件如何影响电动汽车能耗和行驶里程问题的重要性。因此,交通管理部门、学术界以及从业者们开始将交通路线规划和运营的重点转向注重能源效率的策略(Chakraborty等人,2021年;Ghosh和Aggarwal,2024年)。与传统的内燃机汽车不同,电动汽车的性能直接受到电池容量和能量效率的限制。因此,能耗成为影响车辆行驶里程、充电需求以及路线可行性的关键因素。鉴于可持续城市交通在减少温室气体排放和提升城市宜居性方面的重要作用,通过智能路线规划来优化电动汽车的能源效率,是实现可持续智慧城市发展的关键策略。
多项研究已经表明,电动汽车的能耗会受到车辆动态特性和道路状况的显著影响。Fiori等人(2016年)提出了弗吉尼亚理工大学的基于综合功率的电动汽车能耗模型,该模型基于物理原理,指出瞬时速度、加速度以及道路坡度是决定电动汽车能耗的关键因素。De Cauwer等人(2015年)则基于实际测量数据开发了一种数据驱动的能耗预测模型,证明交通状况和驾驶行为会对电动汽车能耗产生显著影响。类似地,Qi等人(2018年)提出了一种数据驱动的分解方法,通过正负动能分布来估算各个路段的电动汽车能耗,发现由于交通状况和道路特性的差异,不同路段的能耗可能会有很大差别。这些研究结果都表明,电动汽车的能耗对驾驶环境极为敏感,这就强调了在注重能源效率的路线规划框架中需要纳入具有物理意义的变量。
后续研究还探讨了实际道路特性和运行条件如何影响电动汽车的能耗。Wu等人(2015年)提出了一个利用单辆车辆数据来测量和估算电动汽车能耗的框架,指出在实际驾驶条件下,速度变化曲线、加速度强度以及走走停停的驾驶模式都会对能耗产生显著影响。Yao等人(2013年)发现,不同类型的道路会导致不同的能耗水平,城市道路通常车速较低,且频繁出现加速和减速情况,而高速公路则能让车速更加稳定,因而能耗模式也有所不同。Al-Wreikat等人(2021年)证实,在实际驾驶过程中,诸如猛烈加速、制动操作以及因交通拥堵而导致的怠速等情况,都会显著增加电动汽车的能耗,与温和驾驶相比,激烈驾驶会使能耗增加多达16%。所有这些研究都进一步证明了电动汽车的能耗在很大程度上取决于道路条件和运行环境,这就需要建立能够反映这些现实复杂性的模型。
最近的一些研究将能耗估算纳入电动汽车路线规划问题中,以寻找能耗最低的路线。Xiao等人(2021年)对电动汽车路线规划问题进行了系统性综述,强调了在路线优化中采用真实可靠的能耗模型的重要性。Fiori等人(2018年)利用实测的GPS数据以及交通微观仿真技术,评估了电池电动汽车的能耗最低路线,发现交通状况引起的速度变化以及道路特性都会对路线层面的能耗产生显著影响,从而导致所选路线与以时间为最优标准的路线有所不同。Wang等人(2019年)开发了一种实时的、针对特定车辆的环保路线规划模型,该模型能够捕捉车辆的瞬时行为,根据包括空气动力阻力、滚动阻力以及道路坡度在内的车辆动力学特性,精确计算出随时间变化的速度、加速度以及相应的功率需求。他们的模型表明,与以时间为最优标准的路线相比,采用环保路线规划可使电动汽车的能耗降低多达22%。Chakraborty等人(2021年)则提出了一种多目标启发式方法,用于在可持续城市交通背景下实现智能充电调度和环保路线规划。这些研究都表明,路线选择会对电动汽车的能耗产生显著影响,但大多数研究仍然集中在特定的车辆类型、受控的数据集或有限的路线规划场景上。
在此基础上,近期的研究将电动汽车路线规划以及注重能源效率的导航技术从基于车辆层面的能耗估算,拓展到了实时路线规划、智慧城市决策支持以及面向物流领域的应用。You(2022年)提出了适用于实时道路环境的可持续车辆路线规划问题,而Aguiar等人(2022年)则开发了MobiWise系统,这是一种基于物联网技术的、用于支持智能城市交通的环保路线规划决策系统。Zhang和Yao(2019年)提出了一种介观层面的框架,用于估算在实际道路运行条件下的电动汽车能耗,而Kumar等人(2023年)则将启停功能以及能量回收效应纳入到高效的电动汽车路线规划模型中。其他一些相关研究则聚焦于城市物流车队的充电调度和路线规划(Bac和Erdem,2021年),在带有动态充电功能的道路上对电池电动汽车的路线进行优化(Akbari等人,2024年),以及利用速度、海拔高度和再生制动等真实能耗参数,为可持续的市政垃圾收集任务规划电动汽车路线(Pe?a等人,2024年)。与此同时,近期关于电池电动汽车环保路线规划的研究还推动了多目标路线规划技术的发展(Ahn等人,2021年),出现了能够同时优化行驶时间、能耗以及充电站停靠点的智能电动汽车路线规划方法(Houalef等人,2025年),以及利用分段级预测优化技术实现精细化的动态环保路线规划(Liu等人,2026年)。总体而言,这些研究都展现了电动汽车路线规划以及注重能源效率的导航技术领域的快速发展。然而,目前大多数研究仍然侧重于充电物流、城市决策支持、数据驱动的路线优化,或者一般的能耗与时间平衡问题,尚未能够在区域性的乘客运输与电池电动汽车路线选择中,综合考虑公路交通流量、道路坡度、风向、道路走向、再生制动效果以及制造商提供的空气动力系数等多重因素。
在最近的相关文献中,电动汽车能耗所受的环境因素影响也越来越受到重视。Tran等人(2024年)研究了风速和风向对电动汽车能耗的影响,发现风速会显著改变整个行程的能耗水平,而空气动力损耗则很大程度上取决于风速与车辆行驶方向之间的相对角度。Liu等人(2017年)利用实际驾驶数据证明,道路坡度会对电动汽车的电能消耗产生显著影响,他们发现,在3%的坡度上行驶时,相比平坦路面,电动汽车的特定能耗会增加大约50%。Rastani等人(2019年)指出,环境温度也会影响电动汽车的路线规划结果,在不利温度条件下,电动汽车的能耗可能会增加高达81%。Fetene等人(2017年)进一步证明了大规模实际驾驶数据在提高电动汽车能耗和行驶里程估算精度方面的价值,他们发现冬季电动汽车的燃油消耗量比夏季高出大约30%。不过,这些研究通常都是将交通状况、道路坡度、温度或风速作为独立的因素来研究,而没有在一个综合的路线规划框架内评估它们之间的共同作用机制。
尽管在电动汽车能耗建模以及环保路线规划方面已经取得了显著进展,但现有研究仍存在一些不足之处。首先,许多研究主要集中在城市和物流领域的电动汽车路线规划、充电调度或智能出行应用上,而针对区域高速公路网络上的乘客运输用电动汽车的环保路线规划研究则相对较少。其次,以往的研究往往只考虑速度、道路坡度、充电限制、车辆的启停行为或再生能量回收,以及实时的交通状况;然而,在一个透明的、基于路段层面的能耗成本框架中,综合体现公路交通流量、道路坡度、风向、道路走向以及再生制动效果等因素,仍然是需要进一步研究的课题。第三,风速的影响通常只是作为整体行程能耗或行驶里程的敏感性指标来考虑,而非通过风速方向与道路走向之间的相对角度,直接体现在路线选择过程中。正是由于存在这些不足,才有必要建立一个基于物理原理的路线规划框架,将该框架中的每个道路段落视为一个能耗成本要素,同时让交通状况、地形特征以及风速相关因素共同影响路线的选择。
本研究正是为了解决上述问题,通过在宏观网络层面整合基于物理原理的电动汽车能耗模型,来进行区域性分析。需要说明的是,本研究的范围仅涵盖电动汽车,不包括混合动力汽车。本研究的主要贡献在于:第一,它将实时交通信息、道路坡度以及包括风速大小和风向在内的环境因素纳入能耗估算过程;第二,它通过测试与道路走向相关的风向变化,来评估风向对能耗的影响程度;第三,它运用网络层面的路线规划框架,研究在长途出行规划中,这些运行因素和环境因素是如何共同影响电动汽车的节能路线选择的。这种在单一路线规划框架内整合多种环境因素和运行因素的系统级评估方法,为电动汽车路线规划研究带来了新颖且独特的视角,对于城市和地区的可持续交通规划具有重要的实用价值。
此外,本研究的方法论出发点是摆脱传统的以时间为基准或以距离为基准的路线规划方式,将电动汽车的环保路线规划视为一种基于路段层面、且具有物理依据的最短路径问题。具体而言,本研究并非依据整体的或走廊层面的假设,而是为每一条道路段落赋予一个与其自身属性相关的、特定场景下的能耗权重,这些属性包括经过交通状况调整后的速度、风速大小和方向、道路走向以及坡度。这样一来,该路线规划框架就能够准确反映空气动力阻力、坡度阻力、滚动阻力以及再生制动效应是如何在区域规模的交通网络中共同影响能耗需求的。
方法部分:本节介绍了所提出的电动汽车环保路线规划分析的方法论框架。该框架由四个主要组成部分构成。首先,2.1节介绍了一个基于物理原理的电动汽车能耗模型,该模型能够根据车辆动力学特性、道路特征以及风速条件,来估算行驶过程中的能耗需求以及再生制动的能量回收量。其次,2.2节详细阐述了多源数据的收集流程,这些数据包括道路网络的几何结构信息、实时交通速度数据等等。
道路坡度特征:在A - C三种场景下,道路的坡度梯度介于-12%到+12%之间,大部分路段的地面较为平坦。如图4所示,所有路段中约有55.7%属于平坦类别,其坡度在-1%到+1%之间。坡度较为适中的路段,包括坡度较小的上坡路段(+1%到+4%)和坡度较小的下坡路段(-4%到-1%),约占总路段数的30%。而坡度较大的路段,即坡度超过+4%或低于-4%的路段,仅占总路段数的7%左右。这样的分布情况表明……
总体能耗分析:本节首先对所有起点 - 终点对进行总体能耗分析(4.1节),接着对不同路线策略在路段层面的表现进行比较(4.2节),最后进行风向敏感性分析(4.3节)。表2汇总了三种场景下,所有起点 - 终点对的总能耗、行驶过程中的能耗以及再生制动带来的能量回收量。所有路段的总行驶距离为……
讨论部分:本研究所开发的环保路线规划框架得出的研究成果,对于现代导航系统的设计以及可持续的城市和区域出行方式的发展具有直接的指导意义。为了对所提出的环保路线规划框架进行评估,本研究选择了加利福尼亚州南部格伦代尔和兰乔库卡蒙加之间的一对具有代表性的起点 - 终点对作为测试对象。选择这条走廊是因为它在城市区域和郊区活动区域之间提供了多条可行的高速公路路线,便于开展合理的……
结论部分:本研究提出了一种数据驱动的电动汽车环保路线规划框架,该框架将基于物理原理的能耗模型与多源、网络级规模的数据相结合。该框架整合了车辆动力学、滚动阻力与坡度阻力、风洞实验得出的空气动力阻力、再生制动功能、来自加州交通局性能监测系统的实时交通数据、经过对车辆高度进行对数修正的高分辨率NOAA HRRR风场数据,以及基于SRTM数据生成的地形信息。参考文献:国际能源署(IEA),2024年;Tilly等人,2024年。利益冲突声明:作者声明自己不存在任何可能影响本文研究结果的财务利益或个人关系。致谢:这项名为“生态路线研究:利用道路与天气数据优化车辆效率”的研究项目得到了现代汽车集团的资助。Negar Salahi|Jeongyun Ryu|Jun Young Kim|Gisu Bang|Kate Hyun|June Young Park,德克萨斯大学阿灵顿分校土木工程系。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号