出租车是公共交通的重要组成部分,推行出租车电动化是践行节能减排的重要举措。本文从决策者的角度出发,对出租车电动化面对的一系列现实问题展开研究。针对电动化规模优化的问题,本文首先提出了融合电动出租车行为特征的离散仿真框架,并基于仿真结果构建了电动化规模的多目标优化模型。针对“一刀切”的无差别电动化带来的问题,本文从运营习惯和驾驶习惯两个方面量化了出租车驾驶员对电动车适应性的差异,并采用加入方差调节系数的灰色关联度评估方法对驾驶员进行评价和排序。主要的研究内容如下。1.提出了一个基于电动出租车行为特性的离散事件仿真框架。仿真框架设计首先构建了系统动态演化的逻辑骨架,并向其中填充了电动出租车可能发生的一系列行为规则,此外该框架还具备仿真前数据预处理、仿真中数据实时记录,以及仿真后数据分析的功能。基于该框架对不同电动化规模下的系统状态进行模拟,实验表明:电动化规模的增加使电动出租车的各项运营指标值逐渐下降;出行需求较大的区域较早出现需求不被满足的现象;目前的充电设施还远未达到可以使完全实现电动化的条件;电动车是否普遍能在3次搜索内找到合适的充电站可以成为衡量充电设施是否充分的依据。2.提出了基于离散事件仿真的出租车电动化规模多目标优化模型与求解方法。本文将平衡系统各方参与者的利益作为优化建模的出发点,构建多目标优化模型。优化目标包括乘客出行需求的满足程度、司机的运营收益,以及充电设施的服务压力。然后采用多目标粒子群优化算法对模型求解,解得在设定的充电设施数量和空间布局下,对汽油车出租车最优的替换规模为778。在最优规模下,系统各组分均能保持在较为理想的状态;由汽油车分担的郑州市居民的出行需求基本能够被替换后的电动车满足;充电高峰时段大约在15:00～18:00;充电设施完全有能力处理电动出租车产生的充电需求。3.提出了出租车驾驶员电动化适应度综合评价及仿真验证方法。提取驾驶员运营偏好区域的充电便捷性、驾驶行为经济性、以及运营行为特征,然后采用灰色关联分析对驾驶员的电动化适应度进行综合评价,并在适应度计算方法中加入方差调节系数加以改进。对较高和较低适应度的驾驶员分组进行电动化模拟,量化适应度差异对系统状态的影响,实验表明:高适应度驾驶员的里程和时间利用率始终高于低适应度驾驶员,但就其自身而言,电动化后这两项指标有所下降,可见,对这类运营活动较为活跃的司机群体,电动车的劣势体现也会更强,即在车辆性能下降的情况下,这类驾驶员的损失也会更大。高适应度驾驶员充电需求数量更多,且这些充电需求在空间上更加密集且更加靠近充电站的分布位置。