Minimizing CO2 Emissions in Mixed Light-Duty Fleets through Vehicle-to-Trip Assignment Planning\(轻型混合车队中通过车辆—行程分配规划实现CO2排放最小化\)

《Sustainable Energy Technologies and Assessments》：Minimizing CO 2 emissions in mixed light-duty fleets through vehicle-to-trip assignment planning

　　

•研究人员提出了一种面向混合轻型车队的CO₂最小化车辆—行程分配框架。•研究人员利用现有车队运行数据开发了面向具体应用场景的代表性行驶工况。•研究人员基于实际道路排放数据构建了数据驱动的车辆特定CO₂排放模型。•研究人员在模型中纳入了环境温度对电动化动力总成运行的影响。•与贪心分配策略相比，在0 °C和?20 °C环境温度下平均CO₂排放分别降低了11.0%和8.6%。

## 混合动力轻型车队车辆—行程分配优化研究解读

### 一、研究背景与问题提出

道路运输是温室气体排放的重要来源，在加拿大，2023年道路运输部门约占全国温室气体排放总量的18%。在道路车辆中，相当大比例以车队形式进行管理，包括市政公用车队、企业服务车队、商业配送车队及通勤车队等，其中商业及货运类车队占加拿大交通部门温室气体排放的比例至少达37%。与此同时，道路车辆正处于动力总成转型期，2024年加拿大轻型新车注册中纯电动汽车和插电式混合动力汽车合计约占15%，政府车队中零排放车辆占比4.5%、混合动力汽车占比9.6%。然而，电动化车辆较高的初始购置成本限制了车队的全面电动化转型，导致实际运营车队呈现混合动力总成构成的异质性特征，即零排放车辆通常仅占车队总库存的一部分，其余为混合动力汽车和传统内燃机汽车。

从运营角度看，车队管理旨在优化总成本、能耗及环境影响等性能指标。既有文献大量聚焦于生态路径规划或绿色路径规划策略，然而在市政公用、服务及通勤等许多实际应用场景中，行程需求与时间窗口通常是固定或预先确定的，此时核心运营挑战从路径优化转变为车辆与具体行程之间的最优分配决策。在异质性车队中，不同动力总成类型的多样能量特征必须与具体行驶工况相匹配，才能实现效率最大化。已有研究表明，运营分配策略在降低环境影响方面可以与资本密集型技术升级同样有效。例如，混合动力公交车队的车辆—行程分配优化可实现6.3%的CO₂减排；在仅有3辆电动公交车的柴油/混合动力车队中，优化调度仍可实现约5%的能源成本节约。然而，现有研究存在若干不足：环境温度对电动化动力总成能耗与排放的影响在混合车队优化研究中尚未得到充分解决；基于真实世界运行数据的高保真轻型混合动力车队数据较为稀缺，以实际运营数据支撑的排放优化与车辆—行程分配研究仍十分有限。因此，本研究旨在开发一个融合环境温度效应、应用特定行驶工况及真实道路排放数据的车辆—行程分配优化框架，并通过阿尔伯塔大学交通服务车队案例进行实证验证。该车队涵盖公用事业作业、校园间穿梭巴士及安保巡逻等多种应用。

### 二、研究方法与技术路线

研究人员提出了一套集成真实世界车队运行数据与实际道路排放测量的方法框架。研究样本来源于加拿大阿尔伯塔大学交通服务车队，涉及公用事业（6辆车，1975 km）、穿梭巴士（1辆车，350 km）及安保（3辆车，235 km）三类应用共10辆车的常规运行数据，以及15辆不同动力总成车型的实际道路排放测试数据。主要关键技术方法包括：（1）基于微观行程分割与K-means聚类的行驶工况构建方法，将连续行驶数据分割为相邻停车之间的微观行程片段，以平均车速和最高车速为特征向量进行聚类，并采用主成分分析法对候选工况的评价指标进行加权；（2）基于极端梯度提升的车辆特定CO₂排放建模方法，以车速、加速度及其超前/滞后项作为输入特征，对每辆测试车辆分别训练排放回归模型；（3）基于混合整数线性规划的车辆—行程分配优化模型，在车辆资格约束、时间重叠约束及插电式混合动力汽车充电时间约束下，最小化整个时刻表的CO₂排放总量。

### 三、研究结果

**应用特定行驶工况的开发结果。**研究人员利用K-means聚类将各应用类别的微观行程划分为不同行驶模式，其中穿梭巴士和安保应用各产生6个聚类，公用事业应用产生5个聚类。最终构建的三个代表性行驶工况均呈现城市驾驶特征：公用事业工况平均车速12.9 km/h、怠速占比36.8%、每公里停靠3.1次；穿梭巴士工况平均车速最高（22.4 km/h）、怠速占比最低（21.8%）、每公里停靠次数最少（1.7次）；安保工况平均车速最低（10.2 km/h）、怠速占比最高（47.2%）、停靠频率最高（每公里5.1次）。

**排放建模与估算结果。**基于实际道路排放数据训练的XGBoost模型在测试集上表现出合理的预测精度，R2介于0.68至0.88之间。模型成功捕捉了加速与减速之间的非对称排放特征——丰田普锐斯在相近车速和加速度量级下，加速时的综合加速度特征贡献比减速时高1.49 g/s，福特Ranger对应差异为2.47 g/s。排放估算显示，安保工况在所有车辆中产生最高的每公里CO₂排放，但混合动力汽车在怠速期间因发动机停机关闭而增幅较小。与环境部认证CO₂排放值相比，公用事业和安保工况对应的每公里排放更高。此外，环境温度对电动化动力总成影响显著，温度低于7 °C时，插电式混合动力汽车因座舱供暖需求导致发动机频繁启动，燃料消耗增加。

**车辆—行程分配优化结果。**研究人员生成了38,880个可行的日行程时刻表，在20 °C、0 °C和?20 °C三个环境温度下进行了分配优化。结果表明：最小CO₂分配策略在所有时刻表和温度条件下均稳定实现最低排放。与贪心基线策略相比，在20 °C时平均CO₂排放降低6.9%，0 °C时提高到11.0%，?20 °C时为8.6%。在典型时刻表分析中，20 °C时优化分配通过将丰田普锐斯分配给短途行程、保留福特Escape PHEV用于长距离行程而实现4%的进一步减排；0 °C时优化分配带来的改进幅度增至15.3%，体现了对电池耗尽管理和电动化运行保留的重要性；?20 °C时改进幅度缩小，反映了极寒条件下电动化动力总成效率和纯电续航的大幅衰减。此外，研究发现福特Expedition虽燃料经济性评级不如道奇Grand Caravan，但在穿梭巴士工况下实际排放更低，说明应用特定排放特征比额定油耗值更为重要。在所有优化结果中，雪佛兰Express、雪佛兰Silverado 2500、道奇Grand Caravan、福特Edge、福特Explorer和福特Transit这六款传统动力车辆从未被选入任何行程，可作为车队缩减或替换的优先候选。

### 四、讨论与结论

研究讨论指出，贪心分配策略通过优先分配低油耗车辆（主要是电动化动力总成）即可获得大部分减排收益，但该策略未考虑早期分配对后续行程可行性和排放的影响，无法保证全局最优。最小CO₂分配策略的核心价值在于综合考虑了行程顺序、车辆可用性及温度依赖性性能，在中等寒冷温度（如0 °C）下收益最为显著，此时电动化车辆仍具有明显的排放优势，但需要精细管理以避免电池过早耗尽。研究结论表明，仅通过分配规划即可在混合车队中实现有意义的CO₂减排，无需额外购置车辆；所提出的框架为车队运营商提供了一种可扩展的决策支持方法，可用于量化分配规则的排放影响，并设计考虑行驶工况特征、动力总成异质性及环境温度效应的分配策略。