论文部分内容阅读
汽油汽车在汽车行业中占据主导地位,产生大量的二氧化碳排放,是全球气候变暖的主要贡献者之一。汽车行业的“环境友好型”的可持续发展受到广泛关注,采用清洁能源技术的新能源汽车逐渐成为汽车行业发展的重要方向,政府部门也积极投入到新能源汽车的推广实践中。然而,当前推广新能源汽车的主要障碍之一为其配套加能站基础设施的建设。受到财政预算限制,政府不可能短时间内组织建立分布广泛而密集的加能站网络,因此,如何科学地设计优化新能源汽车加能站的初始空间布局是推广新能源汽车面临的一个现实问题。针对这一问题,本研究展开下列工作: 首先,构建了旨在最小化驾驶者里程担忧的优化模型,并考虑以下两种情形:第一,初始加能站的数量保持不变;第二,初始加能站数量在一定范围内变化。运用遗传算法为优化模型求解得到近似的初始加能站布局优化方案。以上海市为例,运用ABM(agent-based model)模拟验证优化后的初始加能站空间分布对新能源汽车扩散的影响。研究结果表明:(1)遗传算法能有效优化初始加能站布局来降低驾驶者的里程担忧。(2)优化后的初始加能站布局相比于随机初始布局能有效促进新能源汽车扩散。 其次,进一步考虑不同区域目标的驾驶者群体,研究优化后初始加能站空间分布对整个区域新能源汽车扩散的影响。初始加能站的建设是考虑所有的潜在新能源汽车购买者,还是考虑其中的部分驾驶者。此外,初始加能站的数量会如何影响新能源汽车扩散。本研究以最小化驾驶者里程担忧为目标,运用遗传算法产生不同的初始加能站布局,以上海市为例,提出四种不同的初始加能站空间布局的方案,运用ABM模拟方法探索四种方案下初始加能站布局对新能源汽车扩散的影响,并分析了初始加能站数量对新能源汽车扩散影响。研究结果表明:(1)在技术成熟的情况下考虑市中心的潜在购买者能有效的促进新能源汽车扩散;(2)在新能源汽车发展的起步阶段,由于没有足够多的新能源汽车驾驶者,初始加能站数量过多反而会减缓新能源汽车扩散。 再次,研究提出优化复杂自适应系统的初始参数方法,即以最大化新能源汽车扩散数量为目标,优化初始加能站的空间分布。通过把ABM模拟嵌入遗传算法中,将复杂自适应系统的初始参数作为染色体,系统演化的结果作为遗传算法的适应度值,以新能源汽车与加能站扩散模型为例验证该方法的有效性。研究结果表明:与最小化驾驶者里程担心的方法相比,本文提出的方法能更有效促进新能源汽车的扩散。本文提出的方法适用于其他基于agent模型下的决策支持问题。 最后,本研究考虑驾驶者对所有加能站候选点的个人偏好,不同于从优化的角度来规划初始加能站空间分布。基于群决策的理论,将所有的驾驶者作为决策者来规划初始加能站的空间分布,运用模糊大多数的群决策方法产生初始加能站的空间分布,并运用ABM模拟的方法验证群决策方法下初始加能站的空间分布能否促进新能源汽车的扩散,并与前面的优化方法进行对比。研究结果表明:群决策方法能有效促进新能源汽车扩散,且不需要较长的计算时间。