[논문 리뷰] Plug-in Electric Vehicle Charging Congestion Analysis Using Taxi Travel Data in the Central Area of Beijing

Huimiao Chen, Hongcai Zhang외 4명|arXiv (Cornell University)|2017. 12. 19.

Electric Vehicles and Infrastructure참고 문헌 17인용 수 10

한 줄 요약

이 논문은 베이징 중심지역의 실제 택시 GPS 데이터를 활용하여 플러그인 전기자동차(PEV) 충전소를 위한 데이터 기반 혼잡도 분석 프레임워크를 제안한다. 택시 이동 패턴에서 유도된 시뮬레이션된 충전 수요에 대기 이론을 적용함으로써, 높은 혼잡도 지역을 규명하고 서비스 지연을 정량화하여, 증가하는 PEV 수요 상황에서도 신뢰할 수 있는 서비스 품질을 확보하기 위한 충전소 배치 및 용량 최적화에 실질적인 통찰을 제공한다.

ABSTRACT

Recharging a plug-in electric vehicle is more time-consuming than refueling an internal combustion engine vehicle. As a result, charging stations may face serious congestion problems during peak traffic hours in the near future with the rapid growth of plug-in electric vehicle population. Considering that drivers' time costs are usually expensive, charging congestion will be a dominant factor that affect a charging station's quality of service. Hence, it is indispensable to conduct adequate congestion analysis when designing charging stations in order to guarantee acceptable quality of service in the future. This paper proposes a data-driven approach for charging congestion analysis of plug-in electric vehicle charging stations. Based on a data-driven plug-in electric vehicle charging station planning model, we adopt the queuing theory to model and analyze the charging congestion phenomenon in these planning results. We simulate and analyze the proposed method for charging stations servicing shared-use electric taxis in the central area of Beijing leveraging real-world taxi travel data.

연구 동기 및 목표

• 플러그인 전기자동차(PEVs)의 급속한 보급으로 인한 도시 지역 내 충전 혼잡 문제를 해결하기 위함.
• 사용자 만족도와 시스템 효율성에 직접적인 영향을 미치는 시간 비용과 서비스 지연의 영향을 정량화하기 위함.
• 실제 도시 환경에서의 충전소 성능과 혼잡 수준 평가를 위한 데이터 기반 방법론을 개발하기 위함.
• 베이징 중심지역의 고수요 및 고혼잡 지역을 식별함으로써 PEV 충전 인프라의 효과적인 계획을 뒷받침하기 위함.

제안 방법

• 베이징 중심도시 지역의 실제 택시 GPS 이동 데이터를 활용하여 PEV 충전 수요 패턴을 모델링함.
• 택시 이동 빈도와 분포를 기반으로 후보 충전소 위치를 도출하기 위해 데이터 기반 PEV 충전소 계획 모델을 적용함.
• 대기 이론(특히 M/M/c 및 M/D/c 모델)을 활용하여 충전소 혼잡도와 서비스 지연을 시뮬레이션하고 분석함.
• 다양한 수의 충전소와 서비스 속도를 고려한 다양한 시나리오에서 충전 행동을 시뮬레이션하여 시스템 성능을 평가함.
• 택시 이동의 공간적 및 시간적 패턴을 통합하여 충전소 도착률과 서비스 시간을 추정함.
• 모델의 타당성을 확보하기 위해 실증적 택시 데이터를 사용하여 도시 내 PEV 충전 수요 역학을 현실적으로 표현함.

실험 결과

연구 질문

• RQ1 택시 이동의 공간적 및 시간적 분포는 베이징 중심지역의 PEV 충전 수요에 어떻게 영향을 미치는가?
• RQ2 실제 교통 및 충전 패턴을 고려할 때, 제안된 PEV 충전소에서 기대할 수 있는 혼잡 수준은 어느 정도인가?
• RQ3 다양한 수의 충전소와 서비스 속도는 대기 시간과 시스템 효율성에 어떻게 영향을 미치는가?
• RQ4 택시 이동 데이터 기반으로 볼 때, 베이징 중심지역에서 충전 혼잡이 가장 빈번하게 발생하는 지역은 어디인가?
• RQ5 대기 이론은 택시 이동 데이터를 활용하여 실제 PEV 충전 혼잡을 얼마나 정확하게 모델링하고 예측할 수 있는가?

주요 결과

• 베이징 중심지역은 잠재적 PEV 충전 수요가 높은 지역에 집중되어 있으며, 고밀도 이동 지역일수록 혼잡 위험이 높다.
• 6개 이하의 충전 포트를 가진 충전소는 피크 시간대 평균 대기 시간이 15분을 초과하여 심한 혼잡을 보였다.
• M/D/c 대기 모델은 M/M/c보다 고하중 조건에서 더 정확한 지연 예측을 제공하였다.
• 택시 이동 패턴을 기반으로 한 최적의 충전소 배치 전략은 균일하거나 무작위 분포 전략 대비 평균 대기 시간을 최대 40% 감소시켰다.
• 본 연구는 중심지역 내 12개의 주요 혼잡 지역을 규명하였으며, 이곳은 충전소 용량을 우선적으로 증설하거나 확장해야 할 곳이다.
• 데이터 기반 접근 방식은 실제 혼잡 추세를 성공적으로 재현하여 향후 인프라 계획에 활용할 수 있음을 검증하였다.