本发明公开了基于交通分配结果的电动汽车充电站选址方法，包括以下步骤：构建形成不同的电动汽车充电站选址方案，每一种电动汽车充电站选址方案对应一个等效用户均衡模型，利用每个等效用户均衡模型的目标函数求解路径交通量，得到交通分配的结果；基于交通分配的结果，计算电动汽车充电站选址方案进行定量判断的判断指标；采用数据包络分析法定量筛选电动汽车充电站选址的最佳方案。本发明基于交通分配结果的电动汽车充电站选址方法对燃油汽车和电动汽车组成的特殊混合交通网络中的充电设施选址方案进行定量筛选，为未来更复杂的多模式交通网络下电动汽车充电设施布局设置奠定技术基础。
1.基于交通分配结果的电动汽车充电站选址方法，其特征在于，包括以下步骤：S1，选取一路网，构建形成不同的电动汽车充电站选址方案，每一种电动汽车充电站选址方案对应一个等效用户均衡模型，利用每个等效用户均衡模型的目标函数求解路径交通量，得到交通分配的结果；
S2，基于S1交通分配的结果，计算电动汽车充电站选址方案进行定量筛选的筛选指标，包括路网中电动汽车总充电时间、路网中车辆运营总成本、路网总阻抗、路网负荷均衡度、路网交通服务水平；
S3，采用数据包络分析法定量筛选电动汽车充电站选址的最佳方案；
S2中，所述路网中电动汽车总充电时间为路网中在节点i充电的电动汽车交通量与一辆电动汽车在节点i的充电时间之积的和，其计算公式如式(2)所示：式中，T′为路网中电动汽车总充电时间，xa，e为路段a上电动汽车的交通量，为电动汽车在节点i上的充电时间，若电动汽车在节点i上未充电，则所述路网中车辆运营总成本为路网中电动汽车运营成本与燃油汽车运营成本之和，其计算公式如式(3)所示：
式中：C为路网中车辆运营总成本，xa，g为路段a上燃油汽车的交通量， 为路段a上燃油汽车每公里的行驶成本，da为路段a的长度，xa，e为路段a上电动汽车的交通量， 为路段a上电动汽车每公里的行驶成本，为电动汽车在节点i上的充电时间， 为电动汽车在节点i处充电时每千瓦的充电费用；
所述路网总阻抗为路网内各路段上燃油汽车和电动汽车交通量与路段阻抗的乘积，其计算公式如式(4)～式(6)所示：Fz＝∑a[xa，eta(xa，e)+xa，gta(xa，g)] (4)；
式中：Fz为路网总阻抗，xa，e为路段a上电动汽车的交通量，ta(xa，e)为路段a上电动汽车的路段阻抗函数，xa，g为路段a上燃油汽车的交通量，ta(xa，g)为路段a上燃油汽车的路段阻抗函数， 为路段a的自由流行驶时间，ca为路段a的通行能力，参数α取0.15，参数β取4.0；
所述路网负荷均衡度为路网中各个路段负荷度与平均路段负荷度之差的平方的平均数，其计算公式如式(7)所示：
式中：G为路网负荷均衡度，a为某一路段，m为路网中路段总数，Ta为路段a的负荷度，T为平均路段负荷度；
其中，路段a的负荷度为路段a的实际交通量与路段a的通行能力之比，其计算公式如式(8)所示：
式中：xa为在当前交通条件下路段a实际容纳的交通量，ca为路段a的通行能力，A为路网中路段a的集合；
其中，平均路段负荷度为路网中各个路段负荷度的算术平均值，其计算公式如式(9)所示：
所述路网交通服务水平为路段平均到达饱和度与车辆延误率按一定权重占比之和，其计算公式如式(10)所示：
式中：f为路网交通服务水平， 为路网中路段平均到达饱和度，ω为车辆延误率，即延误交通量与整个路网交通总量之比，μ和γ为权重参数，通过对平均到达饱和度和延误率灵敏度分析标定；
路网交通服务水平的取值范围为0～1，将其均等分为5个等级，分别表示不同的拥堵等级，分别为：
等级二：基本通行，f的取值范围是(0.2，0.4]；
其中，路网中路段平均到达饱和度是路网中所有路段饱和度的平均值，其计算公式如式(11)所示：
式中： 为路网中路段平均到达饱和度，da为路段a的长度，A为路网中路段a的集合，Sa为路段a的到达饱和度；
其中，路段a的到达饱和度为路段a的到达交通量与路段a的通行能力之比，其计算公式如式(12)所示：
式中：Sa为路段a的到达饱和度，Ia为路段a的到达交通量，Ca为路段a的通行能力；
其中，车辆延误率为延误交通量与整个路网交通总量之比，其计算公式如式(13)所示：式中：ω为车辆延误率，x′a为路段a的延误交通量，xa，e和xa，g分别为路段a上电动汽车和燃油汽车的交通量；
其中，路段a的延误交通量为路段a的到达交通量与路段a的通过交通量的差值，表示单位时间内不能通过道路断面的交通量，其计算公式如式(14)所示：式中， 表示路段a的通过交通量；
其中，路段a的通过交通量为单位时间通过道路出口断面的车辆数，包括畅通状态和拥堵状态，其计算公式如式(15)所示：利用交通分配得到的路网上各路段交通量，设定所有车辆行驶时间与交通量的分段函数，分别表示畅通与拥堵路段的交通状态，此时，行驶时间与交通量形成了一个侧峰形式的分段函数，即侧峰路阻，行驶时间与交通量的分段函数如式(16)所示：式中： 分别表示畅通和拥堵状态下路段上的行驶时间与交通量的关系，“+”表示路段a为畅通状态，“‑”表示路段a为拥堵状态，表示路段a的通过交通量，为路段a的自由流行驶时间，ca为路段a的通行能力；
侧峰路阻 中的交通量即单位时间通过出口断面的车辆数，即通过交通量
2.根据权利要求1所述的基于交通分配结果的电动汽车充电站选址方法，其特征在于，S1中，所述不同的电动汽车充电站选址方案的形成过程，具体为：路网具有多个节点，在路网特定节点上设置电动汽车充电站，形成电动汽车的充电站选址方案，路网中特定节点的不同选取方案，形成不同的电动汽车充电站选址方案。
3.根据权利要求1所述的基于交通分配结果的电动汽车充电站选址方法，其特征在于，S1中，所述每个等效用户均衡模型的目标函数表达式如式(1)所示：式(1)中，Z为所有车辆的广义出行成本之和，a为路段，k为路径，ρ为时间价值，xa，g和xa，e分别为路段a上燃油汽车交通量和电动汽车交通量，ta为车辆在路段a上的行驶时间，w为积分变量，且 为穿越路径OD对(r，s)间路径k时需要花费在充电活动上的最短时间，r为OD对(r，s)中的起点，s为OD对(r，s)中的讫点， 为OD对(r，s)间路径k上电动汽车的交通量；cg和ce分别为燃油汽车和电动汽车单位运营成本，da为路段a的长度。
4.根据权利要求1或3所述的基于交通分配结果的电动汽车充电站选址方法，其特征在于，S1中，所述对每个等效用户均衡模型的目标函数求解路径交通量的具体过程是：首先根据路网中所有路段自由流状态时的阻抗，利用Frank‑Wolfe算法、投影梯度算法、dial算法中的任一种计算路网中每个出发地O到每个目的地D的最短路径，随后将OD交通量加载到路网的最短路径上，最终得到路网中各路段和路径交通量，得到交通分配的结果。
5.根据权利要求1所述的基于交通分配结果的电动汽车充电站选址方法，其特征在于，S3中，所述采用数据包络分析法对电动汽车充电站选址方案进行定量筛选，具体步骤如下：S31，将n个电动汽车充电站选址方案作为n个决策单元，每个决策单元中包括两种投入要素和三种产出要素，两种投入要素分别为路网中电动汽车总充电时间和车辆运营总成本，三种产出要素分别为路网总阻抗、路网负荷均衡度、路网交通服务水平；
投入要素为xir，i＝1，2，...，n，r＝1，2，i表示一个电动汽车充电站选址方案，r表示一个投入量；产出要素为yis，i＝1，2，...，n，s＝1，2，3，i表示一个电动汽车充电站选址方案，s表示一个产出量；
S32，每个电动汽车充电站选址方案中的两种投入要素构成决策单元i的投入向量Xi＝T T
(xi1，xi2) ，i＝1，2，...，n，两种投入要素的投入权值构成投入权值向量v＝(v1，v2) ，每个电T
动汽车充电站选址方案中的三种产出要素构成决策单元i的产出向量Yi＝(yi1，yi2，yi3) ，iT
＝1，2，...，n，三种产出要素的产出权值构成产出权值向量u＝(u1，u2，u3) ，此T为转置；
S33，每个电动汽车充电站选址方案中的产出要素及其权值之和与投入要素及其权值之和的比值作为基于交通分配结果的电动汽车充电站选址方法的目标函数，如式(17)所示：
式中：hi为每个决策单元投入与产出比的相对效率评价指数，u表示产出权值向量的转T
置，v表示投入权值向量的转置，us表示第s种产出量的权值，s＝1，2，3，vr表示第r种投入量的权值，r＝1，2， 表示基于交通分配结果的电动汽车充电站选址方法的目标函数的值需小于或等于1，u＞0，v＞0表示投入和产出权重都需要大于0；
S34，根据基于交通分配结果的电动汽车充电站选址方法的目标函数值hi的大小，定量筛选电动汽车充电站选址的最佳方案。
基于交通分配结果的电动汽车充电站选址方法
技术领域
[0001] 本发明属于电动汽车充电站选址技术领域，涉及基于交通分配结果的电动汽车充电站选址方法。
背景技术
[0002] 随着新能源产业快速增长，国内电动汽车充电设施“面大量广”的建设需求日益凸显，城市公共电动汽车充电基础设施的建设已刻不容缓。一方面，电动汽车充电基础设施建
设布局的合理与否直接影响着电动汽车的产业发展；另一方面，未来大量的电动汽车充电
基础设施建设必然会对城市交通流产生一定影响。因此，电动汽车公共充电站的合理选址，
不仅能满足电动汽车用户便利出行和及时充电的需求，推动电动汽车产业的良性发展，还
能减少因电动汽车充电站设施的不合理选址造成的对城市交通流的不利影响。
[0003] 目前，现有技术的研究方向主要是从投资回报率的角度出发筛选充电站规划或配电方案，筛选指标一般包括用户层、电网层以及社会层，用户层指标包括充电站的年投资收
益率及年平均利用率，电网层指标包括配电网的年投资收益率和网络耗损率，社会层指标
包括用户便利性和二氧化碳减排量，各指标的数据获取量巨大，很少技术基于电动汽车与
燃油汽车的混合交通网络配流模型，对电动汽车充电站选址方案进行研究。现有技术的筛
选方法一般将多目标多准则的决策问题转化为多层次单目标问题，很少处理多层次多目标
问题的方法。
发明内容
[0004] 为了达到上述目的，本发明提供基于交通分配结果的电动汽车充电站选址方法，针对燃油汽车和电动汽车组成的特殊混合交通网络中的充电站选址方案交通量分配的结
果，建立五个相关筛选指标；运用数据包络分析法对各充电站选址方案进行定量筛选，通过
目标函数的大小对选址方案进行优劣评价，定量出筛选电动汽车充电站选址的最佳方案，
解决了现有技术中存在的很少技术基于电动汽车与燃油汽车的混合交通网络配流模型，对
电动汽车充电站选址方案进行研究，筛选指标仅从投资回报的角度出发，未考虑电动汽车
充电站的选址对混合交通网络的影响，筛选方法多采用多目标多准则的决策问题转化为多
层次单目标问题，很少处理多层次多目标问题的问题。
[0005] 本发明所采用的技术方案是，基于交通分配结果的电动汽车充电站选址方法，包括以下步骤：
[0006] S1，选取一路网，构建形成不同的电动汽车充电站选址方案，每一种电动汽车充电站选址方案对应一个等效用户均衡模型，利用每个等效用户均衡模型的目标函数求解路径
交通量，得到交通分配的结果；
[0007] S2，基于S1交通分配的结果，计算电动汽车充电站选址方案进行定量筛选的筛选指标，包括路网中电动汽车总充电时间、路网中车辆运营总成本、路网总阻抗、路网负荷均
衡度、路网交通服务水平；
[0008] S3，采用数据包络分析法定量筛选电动汽车充电站选址的最佳方案。
[0009] 进一步地，S1中，不同的电动汽车充电站选址方案的形成过程，具体为：路网具有多个节点，在路网特定节点上设置电动汽车充电站，形成电动汽车的充电站选址方案，路网
中特定节点的不同选取方案，形成不同的电动汽车充电站选址方案。
[0010] 进一步地，S1中，每个等效用户均衡模型的目标函数表达式如式(1)所示：
[0011]
[0012] 式(1)中，Z为所有车辆的广义出行成本之和，a为路段，k为路径，ρ为时间价值，xa,g和xa,e分别为路段a上燃油汽车交通量和电动汽车交通量，ta为车辆在路段a上的行驶时间，
w为积分变量，且 为穿越路径OD对(r,s)间路径k时需要花费在充电活动
上的最短时间，r为OD对(r,s)中的起点，s为OD对(r,s)中的讫点， 为OD对(r,s)间路径k
上电动汽车的交通量；cg和ce分别为燃油汽车和电动汽车单位运营成本，da为路段a的长度。
[0013] 进一步地，S1中，对每个等效用户均衡模型的目标函数求解路径交通量的具体过程是：首先根据路网中所有路段自由流状态时的阻抗，利用Frank‑Wolfe算法、投影梯度算
法、dial算法中的任一种计算路网中每个出发地O到每个目的地D的最短路径，随后将OD交
通量加载到路网的最短路径上，最终得到路网中各路段和路径交通量，得到交通分配的结
果。
[0014] 进一步地，S2中，路网中电动汽车总充电时间为路网中在节点i充电的电动汽车交通量与一辆电动汽车在节点i的充电时间之积的和，其计算公式如式(2)所示：
[0015]
[0016] 式中，T′为路网中电动汽车总充电时间，xa，e为路段a上电动汽车的交通量， 为电动汽车在节点i上的充电时间，若电动汽车在节点i上未充电，则
[0017] 进一步地，S2中，路网中车辆运营总成本为路网中电动汽车运营成本与燃油汽车运营成本之和，其计算公式如式(3)所示：
[0018]
[0019] 式中：C为路网中车辆运营总成本，xa，g为路段a上燃油汽车的交通量， 为路段a上燃油汽车每公里的行驶成本，da为路段a的长度，xa，e为路段a上电动汽车的交通量， 为路
段a上电动汽车每公里的行驶成本， 为电动汽车在节点i上的充电时间， 为电动汽车在
节点i处充电时每千瓦的充电费用。
[0020] 进一步地，S2中，路网总阻抗为路网内各路段上燃油汽车和电动汽车交通量与路段阻抗的乘积，其计算公式如式(4)～式(6)所示：
[0021] Fz＝∑a[xa，eta(xa，e)+xa，gta(xa，g)] (4)；
[0022]
[0023]
[0024] 式中：Fz为路网总阻抗，xa，e为路段a上电动汽车的交通量，ta(xa，e)为路段a上电动汽车的路段阻抗函数，xa，g为路段a上燃油汽车的交通量，ta(xa，g)为路段a上燃油汽车的路
段阻抗函数， 为路段a的自由流行驶时间，ca为路段a的通行能力，参数α取0.15，参数β取
4.0。
[0025] 进一步地，S2中，路网负荷均衡度为路网中各个路段负荷度与平均路段负荷度之差的平方的平均数，其计算公式如式(7)所示：
[0026]
[0027] 式中：G为路网负荷均衡度，a为某一路段，m为路网中路段总数，Ta为路段a的负荷度，T为平均路段负荷度；
[0028] 其中，路段a的负荷度为路段a的实际交通量与路段a的通行能力之比，其计算公式如式(8)所示：
[0029]
[0030] 式中：xa为在当前交通条件下路段a实际容纳的交通量，ca为路段a的通行能力，A为路网中路段a的集合；
[0031] 其中，平均路段负荷度为路网中各个路段负荷度的算术平均值，其计算公式如式(9)所示：
[0032]
[0033] 进一步地，S2中，路网交通服务水平为路段平均到达饱和度与车辆延误率按一定权重占比之和，其计算公式如式(10)所示：
[0034]
[0035] 式中：f为路网交通服务水平， 为路网中路段平均到达饱和度，ω为车辆延误率，即延误交通量与整个路网交通总量之比，μ和γ为权重参数，通过对平均到达饱和度和延误
率灵敏度分析标定；
[0036] 路网交通服务水平的取值范围为0～1，将其均等分为5个等级，分别表示不同的拥堵等级，分别为：
[0037] 等级一：畅通，f的取值范围是(0，0.2]；
[0038] 等级二：基本通行，f的取值范围是(0.2，0.4]；
[0039] 等级三：缓行，f的取值范围是(0.4，0.6]；
[0040] 等级四：拥堵，f的取值范围是(0.6，0.8]；
[0041] 等级五：严重拥堵，f的取值范围是(0.8，1]；
[0042] 其中，路网中路段平均到达饱和度是路网中所有路段饱和度的平均值，其计算公式如式(11)所示：
[0043]
[0044] 式中： 为路网中路段平均到达饱和度，da为路段a的长度，A为路网中路段a的集合，Sa为路段a的到达饱和度；
[0045] 其中，路段a的到达饱和度为路段a的到达交通量与路段a的通行能力之比，其计算公式如式(12)所示：
[0046]
[0047] 式中：Sa为路段a的到达饱和度，Ia为路段a的到达交通量，Ca为路段a的通行能力；
[0048] 其中，车辆延误率为延误交通量与整个路网交通总量之比，其计算公式如式(13)所示：
[0049]
[0050] 式中：ω为车辆延误率，x′a为路段a的延误交通量，xa，e和xa，g分别为路段a上电动汽车和燃油汽车的交通量；
[0051] 其中，路段a的延误交通量为路段a的到达交通量与路段a的通过交通量的差值，表示单位时间内不能通过道路断面的交通量，其计算公式如式(14)所示：
[0052]
[0053] 式中， 表示路段a的通过交通量；
[0054] 其中，路段a的通过交通量为单位时间通过道路出口断面的车辆数，包括畅通状态和拥堵状态，其计算公式如式(15)所示：
[0055]
[0056] 利用交通分配得到的路网上各路段交通量，设定所有车辆行驶时间与交通量的分段函数，分别表示畅通与拥堵路段的交通状态，此时，行驶时间与交通量形成了一个侧峰形
式的分段函数，即侧峰路阻，行驶时间与交通量的分段函数如式(16)所示：
[0057]
[0058] 式中： 分别表示畅通和拥堵状态下路段上的行驶时间与交通量的关系，“+”表示路段a为畅通状态，“‑”表示路段a为拥堵状态， 表示路段a的通过交通量，
为路段a的自由流行驶时间，ca为路段a的通行能力；
[0059] 侧峰路阻 中的交通量即单位时间通过出口断面的车辆数，即通过交通量
[0060] 进一步地，S3中，采用数据包络分析法对电动汽车充电站选址方案进行定量筛选，具体步骤如下：
[0061] S31，将n个电动汽车充电站选址方案作为n个决策单元，每个决策单元中包括两种投入要素和三种产出要素，两种投入要素分别为路网中电动汽车总充电时间和车辆运营总
成本，三种产出要素分别为路网总阻抗、路网负荷均衡度、路网交通服务水平；
[0062] 投入要素为xir，i＝1，2，...，n，r＝1，2，i表示一个电动汽车充电站选址方案，r表示一个投入量；产出要素为yis，i＝1，2，...，n，s＝1，2，3，i表示一个电动汽车充电站选址方
案，s表示一个产出量；
[0063] S32，每个电动汽车充电站选址方案中的两种投入要素构成决策单元i的投入向量T T
Xi＝(xi1，xi2) ，i＝1，2，...，n，两种投入要素的投入权值构成投入权值向量v＝(v1，v2) ，每
个电动汽车充电站选址方案中的三种产出要素构成决策单元i的产出向量Yi＝(yi1，yi2，
T T
yi3) ，i＝1，2，...，n，三种产出要素的产出权值构成产出权值向量u＝(u1，u2，u3) ，此T为转
置；
[0064] S33，每个电动汽车充电站选址方案中的产出要素及其权值之和与投入要素及其权值之和的比值作为基于交通分配结果的电动汽车充电站选址方法的目标函数，如式(17)
所示：
[0065]
[0066] 其约束条件为：
[0067]
[0068] 式中：hi为每个决策单元投入与产出比的相对效率评价指数，uI表示产出权值向量T
的转置，v表示投入权值向量的转置，us表示第s种产出量的权值，s＝1，2，3，vr表示第r种投
入量的权值，r＝1，2， 表示基于交通分配结果的电动汽车充电站选址方法的目标函
数的值需小于或等于1，u＞0，v＞0表示投入和产出权重都需要大于0；
[0069] S34，根据基于交通分配结果的电动汽车充电站选址方法的目标函数值hi的大小，定量筛选电动汽车充电站选址的最佳方案。
[0070] 本发明的有益效果是：
[0071] (1)本发明提出了一种基于交通分配结果的电动汽车充电站选址方法，针对充电站选址方案交通量分配的结果，建立五个相关筛选指标；运用数据包络分析法对各充电站
选址方案进行定量筛选，通过目标函数的大小对选址方案进行优劣评价。
[0072] (2)本发明对燃油汽车和电动汽车组成的特殊混合交通网络中的充电设施选址方案进行定量筛选，为未来更复杂的多模式交通网络下电动汽车充电设施布局设置奠定技术
基础。
附图说明
[0073] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的附图。
[0074] 图1是本发明基于交通分配结果的电动汽车充电站选址方法的基本流程图。
[0075] 图2是采用数据包络分析法定量筛选电动汽车充电站选址的最佳方案的流程示意图。
具体实施方式
[0076] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。
[0077] 基于交通分配结果的电动汽车充电站选址方法，包括以下步骤：
[0078] S1，选取某一路网，该路网具有多个节点，在路网特定节点上设置电动汽车充电站，形成电动汽车的充电站选址方案，路网中特定节点的不同选取方案，形成不同的电动汽
车充电站选址方案，每一种电动汽车充电站选址方案对应一个等效用户均衡模型，利用每
个等效用户均衡模型的目标函数求解路径交通量，得到交通分配的结果。
[0079] 每个等效用户均衡模型的目标函数表达式如下式所示，
[0080] 每个等效用户均衡模型的目标函数是最小化电动汽车的广义出行成本和燃油汽车的广义出行成本之和；
[0081] 其中电动汽车的广义出行成本包括电动汽车行驶时间、充电时间和运营成本；
[0082] 燃油汽车的广义出行成本包括燃油汽车行驶时间和运营成本；
[0083] 公式(3)中C为路网中车辆运营总成本包括：电动汽车和燃油汽车的车辆运营成本之和。
[0084] 路径OD为车辆从一个节点进入路网到从另一个节点离开路网所经过的全部路段的按顺序组合，路段为每两个相邻节点之间的道路；
[0085] 每个等效用户均衡模型的目标函数表达式如式(1)所示：
[0086]
[0087] 式(1)中，Z为所有车辆的广义出行成本之和，a为路段，k为路径，ρ为时间价值，xa，g和xa，e分别为路段a上燃油汽车交通量和电动汽车交通量，ta为车辆在路段a上的行驶时间，
w为积分变量，且 为穿越OD对(r，s)间路径k时需要花费在充电活动上的
最短时间，r为OD对(r，s)中的起点，s为OD对(r，s)中的讫点； 为OD对(r，s)间路径k上电
动汽车的交通量；cg和ce分别为燃油汽车和电动汽车单位运营成本，da为路段a的长度。
[0088] 其中，时间价值ρ是时间成本与运营成本换算系数。
[0089] 对每个等效用户均衡模型的目标函数求解路径交通量的具体过程是：首先根据路网中所有路段自由流状态时的阻抗，利用Frank‑Wolfe算法、投影梯度算法、dial算法中的
任一种计算路网中每个出发地O到每个目的地D的最短路径，随后将OD交通量加载到路网的
最短路径上，最终得到路网中各路段和路径交通量，得到交通分配的结果。
[0090] S2，基于S1交通分配的结果，计算电动汽车充电站选址方案进行定量筛选的筛选指标，包括路网中电动汽车总充电时间、路网中车辆运营总成本、路网总阻抗、路网负荷均
衡度、路网交通服务水平五个筛选指标。
[0091] (1)路网中电动汽车总充电时间为路网中在节点i充电的电动汽车交通量与一辆电动汽车在节点i的充电时间之积的和，其计算公式如式(2)所示：
[0092]
[0093] 式中，T′为路网中电动汽车总充电时间，xa，e为路段a上电动汽车的交通量， 为电动汽车在节点i上的充电时间，若电动汽车在节点i上未充电，则
[0094] (2)路网中车辆运营总成本为路网中电动汽车运营成本与燃油汽车运营成本之和，其计算公式如式(3)所示：
[0095]
[0096] 式中：C为路网中车辆运营总成本，xa，g为路段a上燃油汽车的交通量， 为路段a上燃油汽车每公里的行驶成本(单位行驶成本)，da为路段a的长度，xa，e为路段a上电动汽车的
交通量， 为路段a上电动汽车每公里的行驶成本(单位行驶成本)， 为电动汽车在节点i
上的充电时间， 为电动汽车在节点i处充电时每千瓦的充电费用(单位充电成本)。
[0097] (3)路网总阻抗为路网内各路段上燃油汽车和电动汽车交通量与路段阻抗的乘积，总阻抗越小表示该电动汽车充电站选址方案越合理，其计算公式如式(4)～式(6)所示：
[0098] Fz＝∑a[xa，eta(xa，e)+xa，gta(xa，g)] (4)；
[0099]
[0100]
[0101] 式中：Fz为路网总阻抗，xa，e为路段a上电动汽车的交通量，ta(xa，e)为路段a上电动汽车的路段阻抗函数，xa，g为路段a上燃油汽车的交通量，ta(xa，g)为路段a上燃油汽车的路
段阻抗函数， 为路段a的自由流行驶时间，ca为路段a的通行能力，参数α和参数β的取值是
本领域已知且很常用的推荐值，本发明的一种优选方案中参数α取0.15，参数β取4.0。
[0102] (4)路网负荷均衡度为路网中各个路段负荷度与平均路段负荷度之差的平方的平均数，表示各路段负荷度的离散分布，其计算公式如式(7)所示：
[0103]
[0104] 式中：G为路网负荷均衡度，a为某一路段，m为路网中路段总数，Ta为路段a的负荷度，T为平均路段负荷度；
[0105] 其中，路段a的负荷度为路段a的实际交通量与路段a的通行能力之比，其计算公式如式(8)所示：
[0106]
[0107] 式中：xa为在当前交通条件下路段a实际容纳的交通量，ca为路段a的通行能力，A为路网中路段a的集合；
[0108] 其中，平均路段负荷度为路网中各个路段负荷度的算术平均值，其计算公式如式(9)所示：
[0109]
[0110] (5)路网交通服务水平为路段平均到达饱和度与车辆延误率按一定权重占比之和(路网交通服务水平反映整个道路网络的服务质量，而整个网络的服务质量与路段平均到
达饱和度和车辆延误率有关，当路段平均到达饱和度和车辆延误率越大，即f的值越大，说
明整个网络的服务水平越差)，其计算公式如式(10)所示：
[0111]
[0112] 式中：f为路网交通服务水平， 为路网中路段平均到达饱和度，ω为车辆延误率，即延误交通量与整个路网交通总量之比，μ和γ为权重参数，通过对平均到达饱和度和
延误率灵敏度分析标定。
[0113] 路网交通服务水平的取值范围为0～1，将其均等分为5个等级，分别表示不同的拥堵等级，分别为：
[0114] 等级一：畅通，f的取值范围是(0，0.2]；
[0115] 等级二：基本通行，f的取值范围是(0.2，0.4]；
[0116] 等级三：缓行，f的取值范围是(0.4，0.6]；
[0117] 等级四：拥堵，f的取值范围是(0.6，0.8]；
[0118] 等级五：严重拥堵，f的取值范围是(0.8，1]；
[0119] 其中，路网中路段平均到达饱和度是路网中所有路段饱和度的平均值，路段到达饱和度能反映整个路段的密度，其计算公式如式(11)所示：
[0120]
[0121] 式中： 为路网中路段平均到达饱和度，da为路段a的长度，A为路网中路段a的集合，Sa为路段a的到达饱和度；
[0122] 其中，路段a的到达饱和度为路段a的到达交通量与路段a的通行能力之比，其计算公式如式(12)所示：
[0123]
[0124] 式中：Sa为路段a的到达饱和度，Ia为路段a的到达交通量，Ca为路段a的通行能力；
[0125] 其中，车辆延误率为延误交通量与整个路网交通总量之比，其计算公式如式(13)所示：
[0126]
[0127] 式中：ω为车辆延误率，x′a为路段a的延误交通量，xa，e和xa，g分别为路段a上电动汽车和燃油汽车的交通量；
[0128] 其中，路段a的延误交通量为路段a的到达交通量与路段a的通过交通量的差值，表示单位时间内不能通过道路断面的交通量，其计算公式如式(14)所示：
[0129]
[0130] 式中， 表示路段a的通过交通量；
[0131] 其中，路段a的通过交通量为单位时间通过道路出口断面的车辆数，包括畅通状态和拥堵状态，其计算公式如式(15)所示：
[0132]
[0133] 由公式(15)可知，路段的通畅程度与路段上的交通状态有关，路段的交通状态由路段a的到达交通量Ia决定，当路段a的到达交通量Ia小于路段通行能力ca时，路段处于畅通
状态，当路段a的到达交通量Ia大于路段通行能力ca时，路段处于拥堵状态。
[0134] 利用交通分配得到的路网上各路段交通量，设定所有车辆行驶时间与交通量的分段函数，分别表示畅通与拥堵路段的交通状态，此时，行驶时间与交通量形成了一个“侧峰”
形式的分段函数，即“侧峰”路阻，行驶时间与交通量的分段函数如下式所示：
[0135]
[0136] 式中： 分别表示畅通和拥堵状态下路段上的行驶时间与交通量的关系，“+”表示路段a为畅通状态，“‑”表示路段a为拥堵状态， 表示路段a的通过交通量，
为路段a的自由流行驶时间，ca为路段a的通行能力。
[0137] 侧峰路阻 中的交通量即单位时间通过出口断面的车辆数，即通过交通量
[0138] S3，采用数据包络分析法对电动汽车充电站选址方案进行定量筛选，具体步骤如下：
[0139] S31，将n个电动汽车充电站选址方案作为n个决策单元，每个决策单元中包括两种投入要素和三种产出要素，两种投入要素分别为路网中电动汽车总充电时间和车辆运营总
成本，三种产出要素分别为路网总阻抗、路网负荷均衡度、路网交通服务水平。
[0140] 投入要素为xir，i＝1，2，...，n，r＝1，2，i表示某一个电动汽车充电站选址方案，r表示某一个投入量；产出要素为yis，i＝1，2，...，n，s＝1，2，3，i表示某一个电动汽车充电站
选址方案，s表示某一个产出量。
[0141] S32，每个电动汽车充电站选址方案中的两种投入要素构成决策单元i的投入向量T T
Xi＝(xi1，xi2) ，i＝1，2，...，n，两种投入要素的投入权值构成投入权值向量v＝(v1，v2) ，每
个电动汽车充电站选址方案中的三种产出要素构成决策单元i的产出向量Yi＝(yi1，yi2，
T T
yi3) ，i＝1，2，...，n，三种产出要素的产出权值构成产出权值向量u＝(u1，u2，u3) ；
[0142] S33，每个电动汽车充电站选址方案中的产出要素及其权值之和与投入要素及其权值之和的比值作为基于交通分配结果的电动汽车充电站选址方法的目标函数，如式(17)
所示：
[0143]
[0144] 其约束条件：
[0145]
[0146] 式中：hi为每个决策单元投入与产出比的相对效率评价指数，uT表示产出权值向量T
的转置，v表示投入权值向量的转置，us(s＝1，2，3)表示第s种产出量的权值，vr(r＝1，2)表
示第r种投入量的权值， 表示基于交通分配结果的电动汽车充电站选址方法的目
标函数的值需小于或等于1，u＞0，v＞0表示投入和产出权重都需要大于0；
[0147] S34，根据基于交通分配结果的电动汽车充电站选址方法的目标函数值hi的大小，定量筛选电动汽车充电站选址的最佳方案，若某一电动汽车充电站选址方案基于交通分配
结果的电动汽车充电站选址方法的目标函数值hi越大，则表明该电动汽车充电站选址方案
用相对较少的投入取得相对多的产出，说明该电动汽车充电站选址方案较于其他电动汽车
充电站选址方案更优。
[0148] 需要说明的是，在本申请中，诸如第一、第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存
在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖
非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要
素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备
所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除
在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0149] 本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0150] 以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围
内。
