面向混合车队公共交通脱碳的综合仿真与优化框架

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：An integrated simulation and optimization framework for mixed-fleet public transit decarbonization

　　

摘要

公共交通机构面临着在维持可靠服务的同时实现运营脱碳的巨大压力。规划和运营柴油、纯电动及氢能源公交车的混合车队需要建模工具，以捕捉车辆能源使用、充电和加注基础设施与网络运营之间的相互作用。本文提出了 MLTransit，一个集成仿真优化框架，该框架将通用交通信息交换格式预处理、基于代理的运营建模和多阶段优化联系起来，以评估现实服务模式下的公交脱碳策略。该框架表征了车辆能源消耗、非线性充电行为、充电设施排队、电池退化、排放和电网约束。两阶段优化将服务班次分配给可行的车辆类型，并确定成本效益高的充电基础设施和政策参数，而详细的充电时间表则通过仿真内生性地产生。应用于大温哥华公交网络，MLTransit 评估了仅车场充电与车场 - 机会组合充电之间的权衡，表明组合充电以更高的基础设施投资为代价，改善了运营可行性和服务可靠性。

引言

城市已成为全球脱碳工作的焦点，占全球能源使用和温室气体（GHG）排放的大部分。随着城市化的加速，可持续城市越来越多地被认定为气候减缓的驱动者和推动者（Soares 等，2025）。在城市背景下，交通部门仍然是最耗能和排放最重的领域之一（Chang 等，2024）。根据国际能源署（IEA）的数据，2022 年该部门占全球 CO₂ 排放量的约四分之一，约为 79.5 亿吨，其中仅道路交通就占了约 58.7 亿吨（73.8%）（Shang 等，2023）。在城市交通方式中，公共交通系统在实现减排方面发挥着决定性作用（Bleviss, 2021）。尽管公共交通车队在车辆总数和燃料使用中所占份额较小，但它们仍然可以作为脱碳的实用起点：机构可以帮助建立公众对零排放技术的信心，创造支持供应链成熟的稳定需求，并使大规模部署可靠的充电和加注基础设施成为可能（Ku 等，2021）。因此，公共交通脱碳，特别是公交车队脱碳，为全球城市地区减少排放和改善空气质量提供了一条潜在途径（Y. Lee 等，2025, Majumder 等，2021）。

一场从化石燃料（如柴油）公交车向零排放（如纯电动和氢燃料电池）公交车（ZEBs）的快速转型正在进行中，由社会、环境和制度驱动因素推动，例如公众对清洁交通的支持、气候和空气质量目标以及支持性政策和计划，尽管技术、经济和管理约束继续阻碍大规模部署（Avenali 等，2024）。管理这一转型需要重新思考在柴油、纯电动和氢能源公交车组成的异构车队背景下，如何规划和运营城市公交系统。这些技术不仅在续航里程和能源需求上存在差异，在充电或加注行为、车场约束以及与电网的相互作用方面也各不相同（Deliali 等，2021）。这些差异在路线、车场和基础设施之间产生了强烈的时空耦合，系统中一部分的决策会影响其他地方的车辆可用性和能源需求。

公交车队脱碳研究，主要通过纯电动车（BEB）电气化，在车队和充电器投资规划（Pelletier 等，2019; J. Wang 等，2025）、充电基础设施选址（He 等，2020, Xylia 等，2017）、电动汽车和充电调度（例如，分时定价和车场功率约束）（Perumal 等，2021, Zhang 等，2023）以及较小程度的结合两种或更多这些决策的集成规划方法（J. Lee 等，2021, Rogge 等，2018）方面取得了重要进展，最近的研究还考察了在公交车场电气化框架内将重用的二手锂离子电池作为固定能源存储以减少峰值充电需求和系统成本的使用情况（Franco 等，2025）。尽管这些研究大大推动了 ZEBs 的规划和调度，但仍需要端到端框架，在现实世界、计划驱动、网络级服务模式以及现实车辆 - 充电器相互作用下共同评估基础设施和运营决策。

为了弥补这一差距，本文提出了 MLTransit，一个用于混合车队公共交通脱碳的集成基于代理仿真优化框架。该框架结合了：(i) 数据与预处理层，将公共交通时刻表数据（通用交通信息交换格式，GTFS）结构化为运营班次、路线和站点级路段；(ii) 基于代理的仿真环境，对车辆级能源、排放和基础设施相互作用进行建模；以及 (iii) 两阶段优化层，结合预仿真混合整数线性规划（MILP）模型用于车辆 - 班次分配，以及仿真内优化实验用于充电基础设施定容和充电政策参数，运营充电时间表在电网和服务约束下从仿真中产生。这种混合方法使在一个一致的流程中同时进行系统级决策和详细运营评估成为可能。

MLTransit 的创新之处不在于单独使用 GTFS 数据，因为 GTFS 之前已被用于交通分析、可达性评估、可视化和排放估算。相反，贡献在于将 GTFS 驱动的运营重建与基于代理的仿真、车辆能源/燃料状态动态、充电/加注基础设施相互作用、优化和详细排放建模相结合。该框架从 GTFS 数据重建路线、站点、行程、班次、时刻表和空间路段，并使用它们驱动混合柴油、纯电动和氢能源公交车运营的动态仿真。这使得能够在现实服务时刻表下评估公共交通网络中的非线性充电、充电器/加注可用性、排队、电网功率限制、能源/燃料轨迹以及尾气和非尾气排放的空间分布。

本研究的贡献有三点：

• 它引入了一个可推广的仿真优化平台，整合了混合车队交通系统的运营、基础设施和排放动态。
• 它展示了 GTFS 数据、基于代理的仿真和优化之间的实用耦合，实现数据驱动的决策。
• 它将该框架应用于温哥华公共交通网络，评估现实运营和基础设施约束下柴油、纯电动和氢能源公交车之间的性能权衡。对于电气化案例，通过基于仿真的充电调度考察了车场（夜间）和途中（机会）充电策略的运营影响，突出了它们对系统效率和服务可靠性的影响。

本文其余部分组织如下：第 2 节回顾相关工作；第 3 节提出所提出的框架；第 4 节详细说明案例研究和数据来源；第 5 节讨论结果和见解；第 6 节结论包括规划意义和未来研究方向。

章节片段

用于公共交通运营的基于代理的建模

仿真一直被用作公共交通中的决策支持工具，因为它使机构能够在不干预真实系统的情况下评估运营和政策变化及其全系统影响。随着可持续性考虑因素（例如能源消耗和排放）成为交通决策的核心，这一角色变得越来越重要，这促使了能够在现实 下量化运营绩效和环境外部性的建模方法

框架概述

本节介绍了为支持混合车队公共交通脱碳中的运营和规划决策而开发的集成仿真优化框架的结构（图 1）。该框架结合了数据预处理、基于代理的仿真和多阶段优化，以捕捉车辆动态、基础设施使用和调度约束之间的相互作用。

该框架由三个主要层组成：

• 数据和预处理层，该层转换 GTFS 以及

大温哥华案例研究

由 TransLink 运营的大温哥华公交系统被用作案例研究实例，以演示所提出框架在大型、计划驱动的城市交通网络上的应用。该网络包括密集的城市走廊、多个高活动量终点站和异构服务模式，为车队脱碳分析提供了具有代表性且运营要求高的测试平台。图 4 可视化了源自 GTFS 的，

.

图 12 显示了整个服务日内终点站级的机会充电功率需求，按各终点站的充电器汇总。可视化突出了作为路线频率和班次调度函数的不同时间使用模式。服务强度高（如 UBC 换乘站）的终点站在全天表现出持续的充电器使用率，活动集中在早高峰和下午服务窗口等乘客需求高峰期。在

结论

本研究引入了 MLTransit，一个旨在支持现实运营、基础设施和能源系统约束下大规模交通车队脱碳规划的集成仿真优化框架。通过结合 GTFS 驱动的服务建模、车辆能源消耗和充电行为的详细表征、排队动态、电池退化和多阶段优化，该框架提供了一个全面的平台，用于评估

CRediT 作者贡献声明

Majid Gholami Shirkoohi：撰写 – 初稿，可视化，验证，软件，方法论，调查，形式分析，数据整理，概念化。Walter Mérida：撰写 – 审阅与编辑，监督，资金获取。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能被认为会影响本文报告的工作。

致谢

作者衷心感谢加拿大自然科学与工程研究委员会提供资金支持（资助号 ALLRP 577243-2022）。

马吉德·戈尔阿米·希尔库希|沃尔特·梅里达

不列颠哥伦比亚大学清洁能源研究中心，加拿大不列颠哥伦比亚省温哥华市东马尔路 2360 号，邮编 V6T 1Z3