[논문 리뷰] Experience: Understanding Long-Term Evolving Patterns of Shared Electric Vehicle Networks

Guang Wang, Xiuyuan Chen외 3명|arXiv (Cornell University)|2018. 12. 02.

Transportation and Mobility Innovations참고 문헌 47인용 수 9

한 줄 요약

이 논문은 4.8TB의 GPS, 240GB의 거래 내역, 117개의 충전소 데이터를 포함한 5년간의 측정 연구인 ePat을 제시하며, 샤먼의 전기 택시 네트워크의 장기적인 이동 및 충전 패턴을 규명한다. 전기 택시 활용도, 충전 수요, 인프라 효율성의 주요 변화 추세를 규명하여 공유 전기차 및 향후 자율 주행 차량 시스템 최적화를 위한 실질적인 통찰을 제공한다.

ABSTRACT

Due to the ever-growing concerns on air pollution and energy security, many cities have started to update their taxi fleets with electric ones. Although environmentally friendly, the rapid promotion of electric taxis raises problems to both taxi drivers and governments, e.g., prolonged waiting/charging time, unbalanced utilization of charging infrastructures and reduced taxi supply due to the long charging time. In this paper, we make the first effort to understand the long-term evolving patterns through a five-year study on one of the largest electric taxi networks in the world, i.e., the Shenzhen electric taxi network in China. In particular, we perform a comprehensive measurement investigation called ePat to explore the evolving mobility and charging patterns of electric vehicles. Our ePat is based on 4.8 TB taxi GPS data, 240 GB taxi transaction data, and metadata from 117 charging stations, during an evolving process from 427 electric taxis in 2013 to 13,178 in 2018. Moreover, ePat also explores the impacts of various contexts and benefits during the evolving process. Our ePat as a comprehensive investigation of the electric taxi network mobility and charging evolving has the potential to advance the understanding of the evolving patterns of electric taxi networks and pave the way for analyzing future shared autonomous vehicles.

연구 동기 및 목표

• 대규모 공유 전기차 네트워크의 장기적인 변화하는 이동 및 충전 패턴을 이해하기 위해.
• 인프라 배치, 운영 효율성, 환경 요인이 전기 택시 성능에 미치는 영향을 정량화하기 위해.
• 도시에서 전기 택시를 촉진하는 데 있어 충전소 위치 최적화 및 정책 결정을 위한 데이터 기반 통찰을 제공하기 위해.
• 이러한 발견이 공유 자율 주행 차량 시스템의 배치 및 운영에 미치는 영향을 탐색하기 위해.

제안 방법

• 2013~2018년까지 샤먼의 전기 택시 네트워크에서 장기적인 측정 연구를 수행하여 총 13,178대의 차량과 117개의 충전소를 포함한다.
• 다양한 소스의 데이터 통합: 공간적·시간적 분석을 위한 GPS 경로, 거래 로그, 충전소 메타데이터.
• 도시 구역, 기상 조건, 시간대 요소를 고려한 맥락 인식 모델링을 활용해 이동 및 충전 행동을 분석한다.
• 에너지 소비, CO₂ 배출량, 운전사 수입의 변화 패턴을 설명하기 위해 상관관계 및 인과 분석을 수행한다.
• 충전 오버헤드를 최소화하고 충전소 이용도를 균형 있게 유지하기 위한 충전 추천 시스템을 개발한다.
• 실제 샤먼 교통 당국의 피드백을 통해 발견 결과를 검증하고 정책 및 인프라 계획 수립에 기여한다.

실험 결과

연구 질문

• RQ1 대규모 도시 네트워크에서 5년간 전기 택시의 이동 및 충전 패턴은 어떻게 변화해 왔는가?
• RQ2 충전 인프라 활용도 변화의 주요 원인은 무엇이며, 이는 택시 운영에 어떤 영향을 미치는가?
• RQ3 기상 조건, 시간대, 도시 지역과 같은 맥락적 요소는 에너지 소비 및 충전 행동에 어떤 영향을 미치는가?
• RQ4 전기 택시 도입이 CO₂ 배출량과 운전사 수입에 미치는 정량적 영향은 무엇인가?
• RQ5 전기 택시 네트워크에서의 통찰은 향후 공유 자율 주행 차량 시스템의 배치 및 운영에 어느 정도 기여할 수 있는가?

주요 결과

• 샤먼의 전기 택시 평균 일일 운행 거리는 430km에 달했으며, 배터리 용량의 제한으로 하루 평균 3.5회의 충전이 필요했다.
• 한 번의 충전 세션당 평균 충전 및 대기 시간은 1.5시간이었고, 이는 택시 영업 시간의 13.6%를 감소시켰다.
• 전기 택시 도입은 CO₂ 배출 감소에 명백한 영향을 미쳤으며, 이는 차량 보유 수와 운영 효율성에 비례해 증가했다.
• 운전사 수입은 최적화된 충전 행동과 고가용성 충전소 접근성과 긍정적인 상관관계를 보였다.
• 도심 중심부 및 10~40개의 충전 포인트를 갖춘 근교 지역에 충전소를 배치하는 것이 커버리지와 이용도의 균형을 잘 맞추는 데 가장 효과적이었다.
• 본 연구의 프레임워크는 샤먼 교통위원회가 최적의 충전소 위치와 전기 요금 정책 메커니즘을 수립하는 데 성공적으로 활용되었으며, 정책 이행 지연에도 불구하고 잘 수용되었다.