[论文解读] Experience: Understanding Long-Term Evolving Patterns of Shared Electric Vehicle Networks

Guang Wang, Xiuyuan Chen+3 more|arXiv (Cornell University)|Dec 2, 2018

Transportation and Mobility Innovations参考文献 47被引用 9

一句话总结

本文介绍了ePat研究，基于深圳电动出租车网络五年的测量数据，涵盖4.8 TB的GPS数据、240 GB的交易数据以及117个充电站的数据，揭示了长期的出行与充电模式。研究识别出电动出租车使用率、充电需求及基础设施效率方面的重要演变趋势，为优化共享电动汽车及未来自动驾驶车辆系统提供了可操作的见解。

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.

研究动机与目标

• 理解大规模共享电动汽车网络中长期演变的出行与充电模式。
• 量化基础设施部署、运营效率及环境因素对电动出租车性能的影响。
• 为促进电动出租车发展的城市提供数据驱动的充电站选址与政策决策洞察。
• 探讨这些发现对未来共享自动驾驶车辆系统的启示，其与电动出租车共享关键的运营特征。

提出的方法

• 对深圳电动出租车网络开展2013–2018年纵向测量研究，覆盖13,178辆车辆与117个充电站。
• 整合多源数据：GPS轨迹、交易日志及充电站元数据，进行时空分析。
• 采用上下文感知建模方法，结合城市分区、天气状况与一天中不同时段因素，分析出行与充电行为。
• 通过相关性与因果分析，解释能源消耗、CO₂排放与司机收入变化的演变模式。
• 开发充电推荐系统，以最小化充电开销并平衡充电站利用率。
• 通过深圳交通主管部门的实地反馈验证研究发现，为政策与基础设施规划提供支持。

实验结果

研究问题

• RQ1 在大型城市网络中，电动出租车的出行与充电模式在过去五年中如何演变？
• RQ2 充电基础设施利用率变化的主要驱动因素是什么？它们如何影响出租车运营？
• RQ3 天气、一天中不同时段与城市区域等上下文因素如何影响能源消耗与充电行为？
• RQ4 电动出租车采用对CO₂排放与司机收入的量化影响是什么？
• RQ5 电动出租车网络的洞察在多大程度上可指导未来共享自动驾驶车辆系统的部署与运营？

主要发现

• 深圳电动出租车的日均行驶里程达到430公里，由于电池容量有限，平均每天需进行3.5次充电。
• 每次充电的平均充电与等待时间合计为1.5小时，导致有效出租车运营时间减少13.6%。
• 电动出租车的采用显著降低了CO₂排放，其减排效益随车队规模与运营效率提升而扩大。
• 司机收入与优化的充电行为及高可用性充电站的可及性呈正相关。
• 在城市CBD及郊区部署每站配备10至40个充电桩的充电站，最有利于实现覆盖与利用率的平衡。
• 本研究框架成功为深圳交通委员会提供了最优充电站选址与电价机制建议，尽管政策实施存在延迟，但建议获得高度认可。