发明内容
发明要解决的课题
然而,现有的道路交通流仿真并未包含电动机动车的充电行为的模拟,仅是汽油机动车的模拟,由于未编入电动机动车的充电行为,因而不能直接用作导入电动机动车的基础设施设计的评估工具。因此,在实施充电站的最佳配置、电力***的容量增设等基础设施设计时,没有有效评估设计内容的妥善性的方法。在初步研究时也没有事前评估的方法,而是在基础设施导入后才确认设计内容是否妥善。
本发明鉴于此种情况,其目的在于提供一种能够模拟电动机动车的充电行为的道路交通流仿真装置、道路交通流仿真程序及道路交通流仿真方法。
用于解决课题的手段
为了解决上述课题,本发明的道路交通流仿真装置、道路交通流仿真程序及道路交通流仿真方法采用以下手段。
即,本发明的第一方式的道路交通流仿真装置,在道路网模型中模拟机动车模型的行驶,其中所述道路网模型模拟包含多条道路及连结道路与道路的交叉点在内的道路网,所述机动车模型模拟机动车,所述道路交通流仿真装置具备:设定单元,设定电动机动车模型相对于上述机动车模型的总数的比率、以及对该电动机动车模型的蓄电池进行充电的充电站模型的数量及设置位置,其中所述电动机动车模型通过将对蓄电池进行充电的电力的剩余量作为属性值来模拟电动机动车;计算单元,计算在上述道路网模型中行驶的上述电动机动车模型的上述蓄电池的剩余量;选择单元,选择与基于由上述计算单元算出的上述蓄电池的剩余量的值低于预先确定的阈值的上述电动机动车模型对应的、用于对上述蓄电池进行充电的上述充电站模型;以及行驶模拟单元,模拟至由上述选择单元选择的上述充电站模型为止的、需要对上述蓄电池充电的上述电动机动车模型的行驶。
根据上述结构,由设定单元设定电动机动车模型相对于机动车模型的总数的比率、以及对该电动机动车模型的蓄电池进行充电的充电站模型的数量及设置位置,其中电动机动车模型通过具有对蓄电池进行充电的电力的剩余量作为属性值而模拟电动机动车。
另外,由计算单元计算在模拟包含多条道路及连结道路与道路的交叉点在内的道路网的道路网模型中行驶的电动机动车模型的蓄电池的剩余量,由选择单元选择与基于所算出蓄电池的剩余量的值低于预先确定的阈值的电动机动车模型对应的、用于对蓄电池进行充电的充电站模型。
进一步,由行驶模拟单元模拟至由选择单元选择的充电站模型为止的、需要对蓄电池充电的电动机动车模型的行驶。
如此,上述结构计算作为电动机动车模型的属性值的蓄电池的剩余量,并使电动机动车模型行驶至为对蓄电池充电而选择的充电站,因此,能够模拟电动机动车的充电行为。
在上述第一方式中优选,当基于在由上述选择单元选择的上述充电站模型中进行充电所需的时间的值为预定值以上时,重新选择其他上述充电站模型。
根据上述结构,由于能够模拟对电动机动车进行充电时的驾驶员的行为,因此能够更高精度地模拟电动机动车的充电行为。
在上述第一方式中优选,上述充电站模型设定了配置等待充电的上述电动机动车模型的等待区的数量,若上述充电站模型中等待充电的上述电动机动车模型的辆数超过上述等待区的数量,则使该电动机动车模型停在邻接的道路模型上。
根据上述结构,由于使超过充电站模型的等待区的数量的等待充电的电动机动车模型停在邻接的道路模型上,因此,能够模拟因等待充电的电动机动车模型而引起道路阻塞,能够更高精度地模拟电动机动车的充电行为。
在上述第一方式中优选,上述选择单元作为所选择的上述充电站模型,选择如下的上述充电站模型:离上述电动机动车模型的当前位置最近的上述充电站模型;以上述蓄电池的剩余量能够到达的范围内的、且到目的地的绕行路径最短的上述充电站模型;或者,以上述蓄电池的剩余量能够到达的范围内的、且上述售电单价最便宜的上述充电站模型。
根据上述结构,由于能够模拟对电动机动车进行充电时的驾驶员的行为,因此能够更高精度地模拟电动机动车的充电行为。
在上述第一方式中优选,上述计算单元基于上述电动机动车模型的行驶速度、上述电动机动车模型的加减速度、照明点灯状态、空调运行状态、在上述道路网模型中设定的温度及道路的坡度的至少任意一个,计算上述蓄电池的消耗量。
根据上述结构,由于基于实际在电动机动车中消耗电力的设备等计算电动机动车的蓄电池的消耗量,因此能够计算更高精度的蓄电池的消耗量。
在上述第一方式中优选,计算向上述蓄电池充电的电能。
根据上述结构,能够求出被充电站模型消耗的电能。
在上述第一方式中优选,基于预先设定的第1设定值及该汽油机动车模型的行驶距离,计算模拟汽油机动车的汽油机动车模型的CO2排出量,并使上述电动机动车模型的CO2排出量为0(零),或者基于预先设定为使上述电动机动车模型的CO2排出量比上述汽油机动车模型的CO2排出量小的值的第2设定值、以及该电动机动车模型的蓄电池的消耗量,计算上述电动机动车模型的CO2排出量。
根据上述结构,能够对包括电动机动车在内的机动车排出的CO2的量进行定量评估。
在上述第一方式中优选,基于不同的数量或配置的上述充电站模型中的、所有上述机动车模型的总旅行时间的差及CO2排出量的差的至少一个,计算建设上述充电站的经济效益。
根据上述结构,能够对建设充电站的经济效益进行定量评估。
在上述第一方式中优选,基于模拟汽油机动车的汽油机动车模型的行驶速度及上述电动机动车模型的行驶速度,计算行驶的机动车的噪音。
根据上述结构,能够对机动车行驶引起的噪音的大小进行定量评估。
在上述第一方式中优选,在显示单元显示上述电动机动车模型从出发地点到达目的地所需的时间与上述充电站模型的数量或配置位置的关系。
根据上述结构,能够容易地获得用于决定基础设施、即充电站的数量或配置位置的指标。
在上述第一方式中优选,在显示单元显示:上述充电站模型的数量与需要向上述充电站模型供给的电能的关系;或上述充电站模型的数量与向上述充电站模型供给的电能的短缺量的关系。
根据上述结构,能够容易地获得对应于基础设施、即充电站的数量所需的电能的指标。
本发明的第二方式的道路交通流仿真程序,在道路交通流仿真装置中使用,所述道路交通流仿真装置在道路网模型中模拟机动车模型的行驶,其中所述道路网模型模拟包含多条道路及连结道路与道路的交叉点在内的道路网,所述机动车模型模拟机动车,所述道路交通流仿真程序使计算机作为如下单元发挥功能:设定单元,设定电动机动车模型相对于上述机动车模型的总数的比率、以及对该电动机动车模型的蓄电池进行充电的充电站模型的数量及设置位置,其中所述电动机动车模型通过将对蓄电池进行充电的电力的剩余量作为属性值来模拟电动机动车;计算单元,计算在上述道路网模型中行驶的上述电动机动车模型的上述蓄电池的剩余量;选择单元,选择与基于由上述计算单元算出的上述蓄电池的剩余量的值低于预先确定的阈值的上述电动机动车模型对应的、用于对上述蓄电池进行充电的上述充电站模型;以及行驶模拟单元,模拟至由上述选择单元选择的上述充电站模型为止的、需要对上述蓄电池充电的上述电动机动车模型的行驶。
根据上述结构,计算作为电动机动车模型的属性值的蓄电池的剩余量,并使电动机动车模型行驶至为对蓄电池充电而选择的充电站,因此,能够模拟电动机动车的充电行为。
本发明的第三方式的道路交通流仿真方法,在道路网模型中模拟机动车模型的行驶,其中所述道路网模型模拟包含多条道路及连结道路与道路的交叉点在内的道路网,所述机动车模型模拟机动车,所述道路交通流仿真方法具备:第1工序,设定电动机动车模型相对于上述机动车模型的总数的比率、以及对该电动机动车模型的蓄电池进行充电的充电站模型的数量及设置位置,其中所述电动机动车模型通过将对蓄电池进行充电的电力的剩余量作为属性值来模拟电动机动车;第2工序,计算在上述道路网模型中行驶的上述电动机动车模型的上述蓄电池的剩余量;第3工序,选择与基于由上述第2工序算出的上述蓄电池的剩余量的值低于预先确定的阈值的上述电动机动车模型对应的、用于对上述蓄电池进行充电的上述充电站模型;以及第4工序,模拟至由上述第3工序选择的上述充电站模型为止的、需要对上述蓄电池充电的上述电动机动车模型的行驶。
根据上述结构,计算作为电动机动车模型的属性值的蓄电池的剩余量,并使电动机动车模型行驶至为对蓄电池充电而选择的充电站,因此,能够模拟电动机动车的充电行为。
发明效果
根据本发明,具有能够模拟电动机动车的充电行为的优良效果。
具体实施方式
下面,参照附图说明本发明的道路交通流仿真装置、道路交通流仿真程序及道路交通流仿真方法的一种实施方式。
〔第1实施方式〕
下面,利用图1说明本发明的第1实施方式。
图1中表示本第1实施方式的道路交通流仿真装置10的电力***的要部结构。
本第1实施方式的道路交通流仿真装置10是执行对道路网模型(也参照图2)中的机动车模型的行驶进行模拟的道路交通流仿真的装置,该道路网模拟包含多条道路及连结道路与道路的交叉点的道路网(道路网络),该机动车模型模拟机动车。
此外,本第1实施方式的机动车模型中包含模拟电动机动车的电动机动车模型。在以下的说明中,简称为机动车时,表示汽油机动车和电动机动车双方。
另外,所谓道路并不限定车道数、左右转车道的数量,进一步,表示铺装道路、非铺装道路、国道、县道、私道及停车场等机动车能够行驶的道路。
另外,机动车中,汽油机动车表示用汽油驱动的机动二轮车、普通机动车(包括计程车)、公共汽车及卡车等。
另一方面,电动机动车表示用电力驱动的机动二轮车、普通机动车(包括计程车)、公共汽车及卡车、以及汽油与电力的混合动力车(上述各种机动车的混合动力车)、即可以向蓄电池充电的车。
道路交通流仿真装置10具备:CPU(Central Processing Unit,中央处理器)12,控制整个道路交通流仿真装置10的动作;ROM(Read OnlyMemory,只读存储器)14,预先存储有各种程序、各种参数等;RAM(Random Access Memory,随机存取存储器)16,作为CPU12执行各种程序时的工作区域等来使用;以及作为存储单元的HDD(Hard DiskDrive,硬盘驱动器)18,存储详情将后述的道路交通流仿真程序等各种程序和各种信息。
进一步,道路交通流仿真装置10具备:操作输入部20,由键盘及鼠标等构成,接受各种操作的输入;图像显示部22,显示用于促使输入道路交通流仿真所需的各种信息的图像、表示道路交通流仿真的结果的图像等各种图像;外部接口24,与打印机、其他计算机等外部装置连接,并相对于该外部装置进行各种信息的收发;以及读取部28,用于读取移动存储介质26中存储的信息。此外,移动存储介质26包括磁盘、CD(Compact Disc,高密度光盘)、DVD(Digital Versatile Disc,数字多功能光盘)等光盘、IC(Integrated Circuit,集成电路)卡及存储卡等。
上述CPU12、ROM14、RAM16、HDD18、操作输入部20、图像显示部22、外部接口24及读取部28经由***总线30相互电连接。因此,CPU12能够分别进行:向ROM14、RAM16及HDD18的存取、对操作输入部20的操作状态的把握、对图像显示部22的各种图像的显示、经由外部接口24进行的与上述外部装置的各种信息的收发、经由读取部28对来自移动存储介质26的信息的读取等。
此外,图1所示的道路交通流仿真装置10的结构为一例,例如,代替HDD18,可以使用大容量半导体存储装置,也可以是使道路交通流仿真程序存储于移动存储介质26等其他方式。
图2中表示本第1实施方式的道路交通流仿真的道路网模型40的示意图。
道路网模型40中,通过模拟交叉点的节点44将作为模拟由交叉点等划分的道路的最小区间的道路模型的路段42连接起来。此外,道路网模型40可以模拟实际存在的道路网,也可以模拟非实际存在的道路网。
对各路段42设定车道数、左右转车道的有无及数量等。对各节点44设定是否设置有模拟机动车用交通信号机的信号机模型。
另外,可分别对各路段42及各节点44设定海拔。因此,根据相邻的路段42及节点44的海拔差,能够决定通过路段42模拟的道路的坡度。另外,也可以在路段42的中途设定不同的海拔。
信号机模型以预先确定的时间间隔从绿色变为黄色、从黄色变为红色、从红色变为绿色。当信号机模型为绿色时,允许机动车模型经由设置有该信号机模型的节点44从路段42向其他路段42移动,另一方面,当信号机模型为红色时,禁止机动车模型经由设置有该信号机的节点44从路段42向其他路段42移动。
进一步,本第1实施方式的道路网模型40中,可以与路段42邻接地配置模拟充电站的充电站模型46,该充电站对电动机动车模型的蓄电池进行充电。
另外,对道路网模型40设定天气(晴、雨、雪)、气温(以下称为“外气温度”)及在道路交通流仿真中模拟的时间段等。
电动机动车模型作为属性值具有被充电到蓄电池的电力剩余量。另一方面,模拟汽油机动车的汽油机动车模型作为属性值不具有蓄电池的剩余量。
另外,各充电站模型46设定有能够同时充电的电动机动车模型的辆数(充电机的台数)、配置等待充电的电动机动车模型的等待区的数量、销售的电力的单价(以下称为“售电单价”)。
此外,在本第1实施方式中,可以预先制作道路网模型40并将其存储于例如HDD18。
下面,说明本第1实施方式的道路交通流仿真。
图3是表示由CPU12执行的道路交通流仿真程序的处理流程的流程图,该道路交通流仿真程序预先存储于HDD18的预定区域。此外,在由操作员经由操作输入部20输入执行指示时,开始执行道路交通流仿真程序。
首先,在步骤100中,进行道路网模型40的设定。
具体而言,对路段42及节点44的连接、路段42的车道及左右转车道的设定、信号机模型的各色变化的时间间隔、与道路网模型40相关的各种值进行设定。
另外,作为道路网模型40的设定,对充电站模型46的数量及设置位置、与各充电站模型46相关的值进行设定。
另外,作为道路网模型40的设定,对电动机动车模型相对于机动车模型的总数的比率进行设定。
进一步,在本步骤中,也对道路交通流仿真程序的结束条件进行设定。作为结束条件,列举例如仿真执行时间、所有机动车模型或预先设定的机动车模型达到目的地等。
在接下来的步骤102中,进行机动车模型的初始设定。
具体而言,对各机动车模型的出发地及目的地(O-D信息)、以及出发时刻进行设定。进一步,作为各电动机动车模型的属性值,设定蓄电池的充电量。
此外,通过由操作员经由操作输入部20进行数值等的输入来进行在步骤100、102中进行的各种设定。另外,在本步骤100、102中,也可以通过从HDD18读出预先进行了上述各种设定的道路网模型40来进行设定。
在接下来的步骤104中,按预定时间间隔在道路网模型40上模拟机动车模型的行动、即各机动车模型的行驶。此外,上述预定时间间隔是指道路交通流仿真中的时间间隔,可以与实际时间间隔不同。
通过道路网模型40中设定的天气、在各路段42行驶的机动车模型的辆数(道路拥挤状况)等计算机动车模型的行驶状态。作为具体的计算方法,可以使用现有公知的任意方法。另外,在信号机模型的信号为红时,为等待信号而使机动车模型的行驶停止,通过模拟多辆机动车模型相连着停止的状态的排队模型,计算各机动车模型的停止时间。
在此,在本第1实施方式中,在模拟机动车模型的行驶的同时,计算电动机动车模型的蓄电池的剩余量(以下称为“蓄电池剩余量”)。
作为计算蓄电池剩余量的方法,以使用通过下述(1)式表示的模型式为一例。
当前时刻的蓄电池剩余量=前一时刻的蓄电池剩余量-每单位时间的蓄电池消耗量 ……(1)
(1)式中的“前一时刻的蓄电池剩余量”是指,上次进行的计算机动车模型的行动时的蓄电池剩余量。
另外,“每单位时间的蓄电池消耗量”例如使用下述表1所示的消耗量计算模型1~3的任意一个。此外,消耗量计算模型1~3只是一例,只要是利用与电动机动车模型的行驶速度相关的项,也可以使用不利用消耗量计算模型1~3所含的其他项的一部分的消耗量计算模型、或新追加不同项的消耗量计算模型等。
[表1]
消耗量计算模型1、2中的各固定参数作为对各项的加权来使用。
另外,照明点灯状态是基于因在道路交通流仿真中模拟的时间段的不同而不同的电动机动车的车灯的点灯数的值,空调运行状态是基于电动机动车的空调温度与外气温度的差的值,该外气温度作为道路网模型40的设定值而被预先设定。
在电动机动车模型的照明被关闭的情况下,作为照明点灯状态的值为0(零),在电动机动车模型的空调被关闭的情况下,作为空调运行状态的值为0(零)。
另外,消耗量计算模型1~3根据外气温度计算蓄电池消耗量。蓄电池消耗量的计算式中包含外气温度的理由是,蓄电池因温度的不同,其放电量发生变化。
进一步,消耗量计算模型2、3根据电动机动车的加减速度计算蓄电池消耗量。在电动机动车加速时蓄电池放电,而在电动机动车减速时蓄电池被充电,因此,在消耗量计算模型2、3中,电动机动车模型在从前一时刻到当前时刻的期间内加速时,使加减速度的符号为正;电动机动车模型在从前一时刻到当前时刻的期间内减速时,使加减速度的符号为负;电动机动车在从前一时刻到当前时刻的期间内既不加速也不减速时,使加减速度为0(零)。
如此,由于在本第1实施方式的道路交通流仿真中,基于在实际的电动机动车中消耗电力的设备等计算电动机动车模型的蓄电池消耗量,因此,能够计算精度更高的蓄电池消耗量。
在接下来的步骤106中,判定是否满足预先确定的结束条件,在肯定判定的情况下,转移到步骤114,另一方面,在否定判定的情况下,转移到步骤108。
在步骤108中,进行充电要否判定,判定是否需要对电动机动车模型的蓄电池进行充电。
充电要否判定对于基于步骤104中算出的蓄电池剩余量的值不足预先确定的阈值的电动机动车模型,判定为需要对蓄电池进行充电。
基于蓄电池剩余量的值是指,蓄电池剩余量除以蓄电池的最大充电量即满蓄量而得的值,具体而言,作为充电要否判定,使用下述表2所示的充电要否判定模型1~3。
[表2]
另外,在本第1实施方式的道路交通流仿真中,CPU12对各电动机动车模型随机设定充电要否判定模型1~3,利用按各电动机动车模型设定的充电要否判定模型进行充电要否判定。但并不限定于此,也可以不是CPU12对电动机动车模型随机设定充电要否判定模型1~3,而由操作员对电动机动车模型分别设定充电要否判定模型1~3。另外,可以使用充电要否判定模型1~3中的任意一个或两个,也可以使用其他充电要否判定模型。
如此,由于充电要否判定模型1~3是模拟对电动机动车进行充电时的驾驶员行为的模型,因此,能够更高精度地模拟电动机动车的充电行为。
在接下来的步骤110中,基于在步骤108中执行的充电要否判定的结果,判定是否存在需要充电的电动机动车模型(以下称为“需充电EV模型”),在肯定判定的情况下,转移到步骤112,在否定判定的情况下,返回到步骤104。
在步骤112中,对需充电EV模型进行用于模拟充电行为的设定、即模拟设定。
所谓充电行为的模拟设定,即选择与需充电EV模型对应的、用于对蓄电池充电的充电站模型,并导出至充电站为止的路径。
具体而言,作为选择充电站模型的方法,使用下述表3所示的选择模型1~3。
[表3]
图4是表示选择模型1和选择模型2的区别的一例的示意图。
在图4中,选择充电站模型A的情况符合选择模型1,选择充电站模型B的情况符合选择模型2。选择模型1与选择模型2相比,到充电站模型46的行驶距离较短,但从当前位置到目的地的行驶距离变长(行驶路径A)。另一方面,选择模型2与选择模型1相比,到充电站模型46的行驶距离较长,但从当前位置到目的地的行驶距离较短,即绕行路径较短(行驶路径B)。
选择模型3的售电单价是作为各充电站模型的设定值而设定的售电单价。
在本第1实施方式的道路交通流仿真中,CPU12对各需充电EV模型随机设定选择模型1~3,利用对各需充电EV模型设定的选择模型进行充电要否判定。但并不限定于此,也可以不是CPU12对需充电EV模型随机设定选择模型1~3,而由操作员对需充电EV模型分别设定选择模型1~3。另外,可以使用选择模型1~3中的任意一个或两个,也可以使用其他选择模型。
如此,由于选择模型1~3是模拟对电动机动车进行充电时的驾驶员行为的模型,因此,能够更高精度地模拟电动机动车的充电行为。
另外,在本步骤112中,完成对途经所选择的充电站模型46向目的地行驶的新行驶路径(图4的例中的行驶路径A或行驶路径B)进行重新设定的充电行为的模拟设定后,返回到步骤104。
在步骤104中,如上所述,模拟机动车模型的行驶,并且在存在需充电EV模型的情况下,模拟需充电EV模型基于在步骤112中设定的行驶路径向充电站模型46的行驶。
在此,在步骤104中,在需充电EV模型到达在步骤112中所选择的充电站模型、但该充电站模型拥挤的情况下,即,在该充电站模型有超过能够同时充电的辆数的需充电EV模型、产生至充电为止的等待时间的情况下,进行是否使到达的需充电EV模型移动到不同的充电站模型的充电站移动判定。
充电站移动判定在基于在步骤112中选择的充电站模型46进行充电所需的时间的值为预定值以上的情况下,进行重新选择其他充电站模型46的判定。
具体而言,作为充电站移动判定,使用下述表4所示的移动判定模型1、2。
[表4]
在移动判定模型1、2中,充电站模型X是指在步骤112中选择的充电站模型46、即需充电EV模型到达的充电站模型46,充电站模型Y是指重新选择的充电站模型46。此外,利用上述选择模型1~3选择新的充电站模型Y。
另外,移动判定模型1、2中的参数P是指各需充电EV模型的平均充电时间,基于需充电EV模型的蓄电池的剩余容量和满充的值计算平均充电时间。即,在移动判定模型1、2中,在充电站模型X能够同时充电的辆数和等待辆数的商与参数P的积,是在上述充电站模型46进行充电所需的时间。
另外,移动判定模型2的参数R是表示充电站模型X的需充电EV模型的拥挤程度的拥挤度数,例如,设定为值与在充电站模型X等待充电的需充电EV模型的辆数对应地变大。即,在充电站模型X等待充电的需充电EV模型的辆数越多,参数P的值越大,移动判定模型2的不等式的右边的值越小,因此在充电站移动判定中,对于需充电EV模型,易判断为需要移动到新的充电站模型Y。
在本第1实施方式的道路交通流仿真中,CPU12对各需充电EV模型随机设定移动判定模型1、2,利用按各需充电EV模型设定的移动判定模型进行充电要否判定。但并不限定于此,也可以不是CPU12对需充电EV模型随机设定移动判定模型1、2,而是由操作员对需充电EV模型分别设定移动判定模型1、2。另外,可以使用移动判定模型1、2中的任意一个,也可以使用其他移动判定模型。
如此,由于移动判定模型1~3是模拟对电动机动车进行充电时的驾驶员行为的模型,因此,能够更高精度地模拟电动机动车的充电行为。
接下来,说明产生在充电站模型46等待充电的需充电EV模型的情况。
在本第1实施方式的道路交通流仿真中,当有超过能够同时充电的辆数的需充电EV模型停在充电站模型46时,即充电站模型拥挤时,通过排队模型,计算至对等待充电的需充电EV模型充电为止的等待时间。
另外,若在充电站模型46等待充电的需充电EV模型的辆数超过作为充电站模型46的设定值设定的等待区的数量,则道路交通流仿真使该需充电EV模型停在邻接的道路模型即路段42。
图5是使需充电EV模型停在邻接的路段42时的示意图。
在图5的例中,能够同时充电的辆数(充电机的数量)及充电站模型46具有的等待区均为三个,充电机及等待区全部停有需充电EV模型。因此,超过等待区的数量的需充电EV模型停在邻接的路段42。
另外,路段42有两条车道,充电站模型46侧的车道停有需充电EV模型,另一方面,机动车模型在其他车道行驶(自由流)。另外,至停在路段42的需充电EV模型EV的后端附近为止也是自由流,机动车模型在到达该后端附近后,需要移动到邻接的其他车道。
因此,在需充电EV模型所停的路段42的位置及与该位置邻接的位置因机动车模型减速、拥挤,而变为机动车模型密度较高的状态,模拟道路阻塞。
利用通过图6所示的Q-K曲线表示的Q-K特性,计算在模拟道路阻塞的路段42行驶的机动车模型的速度。
Q-K特性表示交通流量Q(辆/小时)和密度K(辆/km)的关系,换言之,表示道路的特性。另外,连结Q-K曲线上的点与原点的线的斜率α表示行驶速度V(km/小时)。
如此,本第1实施方式的道路交通流仿真使超过充电站模型46的等待区的数量的需充电EV模型停在邻接的路段42,因而能够模拟因等待充电的电动机动车模型而引起道路阻塞,从而能够更高精度地模拟电动机动车的充电行为。
另外,本第1实施方式的道路交通流仿真与预先作为设定值而设定的天气对应地切换Q-K特性。
图7A~图7C与天气对应地表示不同的Q-K特性的例。图7A表示天气为晴时的Q-K特性,图7B表示天气为雨时的Q-K特性,图7C表示雪为晴时的Q-K特性。
如图7A~图7C所示,交通流量Q的最大值即路段容量按晴、雨、雪的顺序减小。这表示机动车模型的行驶速度按晴、雨、雪的顺序变快。
此外,可以使道路交通流仿真的天气如上所述预先作为设定值而固定,也可以预先设定天气的切换参数,并基于该参数切换天气。此外,作为该参数,列举按日期时间分配各天气、随机变更各天气等。
以上,本第1实施方式的道路交通流仿真反复进行从步骤104至步骤112的处理,直至满足结束条件。
另外,道路交通流仿真若在步骤106判断为满足结束条件,则如上所述转移到步骤114。
在步骤114中,输出仿真结果,结束本程序。
作为仿真结果,作为一例列举:计算各机动车模型从出发地到达目的地所需的时间(以下称为“旅行时间”)、各机动车模型从出发地到达目的地所需的行驶距离,并例如以图表等显示到图像显示部22、将算出的结果作为数据存储到HDD18、利用经由外部接口24连接的印刷机印刷到记录纸张等。
此外,作为计算的旅行时间的具体例,列举所有汽油机动车模型的总旅行时间、每辆汽油机动车模型的平均移动时间、所有电动机动车模型的总旅行时间、每辆电动机动车模型的平均移动时间、所有汽油机动车模型和电动机动车模型的总旅行时间、及每辆汽油机动车模型和电动机动车模型的平均移动时间等。
另外,作为计算的行驶距离的具体例,列举所有汽油机动车模型的总行驶距离、每辆汽油机动车模型的平均行驶距离、所有电动机动车模型的总行驶距离、每辆电动机动车模型的平均行驶距离、所有汽油机动车模型和电动机动车模型的总行驶距离、及每辆汽油机动车模型和电动机动车模型的平均行驶距离等。
进一步,本第1实施方式的道路交通流仿真中,使参数阶段性变更以使在步骤100中设定的机动车模型所含的电动机动车模型的比率、在步骤100中设定的充电站模型46的数量及充电站模型46的配置位置的至少一方不同,并多次对电动机动车模型的行驶进行模拟,从而能够导出充电站模型46的最佳数量及配置位置等。
作为上述阶段性变更的例,列举:电动机动车模型的比率从0%按每10%变更到100%;预先确定配置充电站模型46的多个区域,阶段性变更在该区域配置的充电站模型46的数量;在区域内均等地配置充电站模型46的配置位置;对于交通量较多的道路配置更多;与交通量成比例地配置等。
图8A及图8B表示通过上述参数的阶段性变更而得的结果的一例。
图8A是表示通过道路交通流仿真而得的电动机动车模型的总旅行时间和充电站模型46的数量的关系的图表。总旅行时间是指,电动机动车模型从出发地到达目的地所需的时间。在图8A的例中,即使充电站模型46的数量从C增加到D,总旅行时间也未大幅度缩短,因此,能够判断为实际设置的充电站的数量为D以上时可能会导致过剩的设备投资。
图8B是表示通过道路交通流仿真而得的电动机动车模型的总旅行时间和充电站模型46的配置位置的关系的图表。在图8B的例中,能够判断出与将充电站均等地配置的情况及集中配置的情况相比,根据交通流来配置充电站更为有效。
如此,根据表示电动机动车模型的总旅行时间和充电站模型的数量或配置位置的关系的图表,道路交通仿真的结果是能够容易地获得用于决定基础设施、即充电站的数量或配置位置的指标。
此外,在图像显示部22显示图8A及图8B,但电动机动车模型的总旅行时间和充电站模型的数量或配置位置的关系并不限于图8A及图8B那样的图表,也可以以例如表格形式在图像显示部22显示。
如以上说明的那样,本第1实施方式的道路交通流仿真在步骤100中,设置电动机动车模型相对于机动车模型的总数的比率、以及对该电动机动车模型的蓄电池进行充电的充电站模型的数量及设置位置。另外,道路交通流仿真在步骤108中,计算在道路网模型40行驶的电动机动车模型的蓄电池的剩余量,在步骤112中,选择与基于算出的蓄电池的剩余量的值低于预先确定的阈值的需充电EV模型对应的、用于对蓄电池进行充电的充电站模型46。
因此,本第1实施方式的道路交通流仿真能够模拟电动机动车的充电行为。
〔第2实施方式〕
下面,说明本发明的第2实施方式。
此外,本第2实施方式的道路交通流仿真装置10及道路网模型40的结构与图1、2所示的第1实施方式的道路交通流仿真装置10及道路网模型40的结构相同,因此省略说明。
另外,本第2实施方式的道路交通流仿真程序的处理流程与图3所示的第1实施方式的道路交通流仿真程序的处理流程相同,因此,下面,参照附图3说明本第2实施方式的道路交通流仿真程序的处理。
本第2实施方式的道路交通流仿真中,在步骤100中,作为道路网模型40的设定,在进行第1实施方式所示的各种设定的同时,还将道路网模型40分割为多个区域,并设定在该区域能够对充电站模型46供给的电能。
作为一例,如图9所示,将区域分割为由变电所输配电的各个区域(图9的例中为区域A、B)。因此,本第2实施方式的道路交通流仿真还模拟如图9所示的输配电***,并作为各发电所(图9的例中为发电所A~C)的最大发电容量(MVA)、各变电所的最大容量(MVA)预先设定固定值。另外,作为向电动机动车模型的蓄电池充电的负载以外的、其他负载的负载功率,如图10所示,预先设定按时刻变化的固定的负载功率图案。
图10所示的负载功率图案的一例为清晨及傍晚的负载功率较大、夜间的负载功率较小的情况。此外,并不限定于此,例如也可以使负载图案根据设定的天气而变化。
另外,作为一例,与在充电站的充电、在拥有电动机动车的各住房的充电、在办公大楼或购物中心的充电对应地计算向电动机动车模型的蓄电池充电的负载。
具体而言,在充电站的充电是一气充电至充电值的满蓄量(以下称为“急速充电”)。另一方面,认为在住房的充电及在办公大楼、购物中心的充电是电动机动车模型到达目的地时的充电,因而假设在各处有充电器,与急速充电相比慢慢地充电至蓄电池到达满蓄量(以下称为“普通充电”)。此外,充电站模型46也可以配置用于暂时储存电力、向电动机动车模型的蓄电池充电的大容量蓄电池,并计算从商用电力***向该蓄电池的受电量。
因此,本第2实施方式的道路网模型40中,在住房、办公大楼及购物中心等能够成为目的地的地方预先配置模拟进行普通充电的充电器的充电器模型。另外,在基于充电站模型的急速充电和基于充电器的普通充电中,使其每单位时间消耗的电能不同。即,设定为急速充电的消耗电力大于普通充电。
图11是通过时刻与充电电能的关系来表示电动机动车模型的充电行为的图。从图11可知对电动机动车模型充电的电能的大小。因此,本第2实施方式的道路交通流仿真在步骤104的处理中,使对各电动机动车模型进行充电的区域及充电电能存储在RAM16或HDD18。
另外,在输出本第2实施方式的道路交通流仿真的步骤114的仿真结果的处理中,基于存储的对各电动机动车模型进行充电的区域及充电电能,计算单位区域的负载功率图案,并输出例如图12A及图12B的一例所示的表示负载随时间的变化的图。
图12A是表示所分割的各个区域的负载随时间的变动(负载功率图案)的图,通过各个区域的、其他负载的负载功率图案和向电动机动车模型的蓄电池充电的图案的和,计算各个区域的负载功率图案。由此,如图12A所示,可知各区域的变电所的短缺容量、变电所的电力剩余量按各个时刻的变化。
另一方面,图12B是表示利用道路网模型40模拟的整个城市的负载随时间的变化(负载功率图案)的图。
通过各区域的负载功率图案的总和计算整个城市的负载功率图案。由此,如图12B所示,可知整个城市的发电所的短缺容量、发电所的电力剩余量按各个时刻的变化。
进一步,本第2实施方式的道路交通流仿真在由充电站模型46等同时向多辆电动机动车模型的蓄电池充电时,根据向区域供给的电能,存在因电力短缺而导致无法充电的情况,因而可以计算因电力短缺而导致无法充电的次数及时间比例等。
图13A是表示通过道路交通流仿真而得的所需总供给电能和充电站模型46的数量的关系的图表。
所需总供给电能是指,在由充电站模型46对可充电的辆数的电动机动车模型同时进行充电的情况下,需向充电站模型46供给的电能的总量,通过充电站模型46的数量和向各充电站模型46供给的电力的积来计算。
在图13A的例中可知,所需总供给电力与充电站模型46的数量成比例地增加。
另外,图13B是表示通过道路交通流仿真而得的电力短缺比例和充电站模型46的数量的关系的图表。电力短缺比例是指,向充电站模型46供给的电能的短缺量,更具体而言,表示在预定天数(图13B的例中为一周)的总时间内产生电力短缺的时间的比例。例如,“电力短缺比例为20%”意味着,以5次中有1次的比例发生因电力短缺而无法向电动机动车模型的蓄电池充电的情况。
图13B中,电力短缺比例按用虚线表示的线A、用单点划线表示的线B、用实线表示的线C的顺序减小。具体而言,线A表示由于区域的所需总供给电力较少,因而若充电站模型46的数量增加、电动机动车模型的同时充电辆数增加,则电力短缺的频率变高。另一方面,线C表示由于区域的所需总供给电力较多,因而即使充电站模型46的数量增加、电动机动车模型的同时充电辆数增加,也不易出现电力短缺的情况。
根据图13B的结果,能够基于可向充电站供给的电能来研究实际的充电站的配置。
如此,根据表示充电站模型46的数量和所需总供给电能的关系的图表、或者表示充电站模型46的数量和电力短缺比例的关系的图表,能够容易地获得对应于基础设施、即充电站的数量所需的电能的指标。
此外,在图像显示部22显示图13A及图13B,但充电站模型46的数量和所需总供给电能的关系、或者充电站模型46的数量和电力短缺比例的关系并不限定于图13A及图13B那样的图表,也可以以例如表格形式在图像显示部22显示。
〔变形例1〕
汽油机动车变为电动机动车,从而能够预想CO2排出量(ton)减少。因此,在变形例1的道路交通流仿真中,对包含电动机动车的机动车排出的CO2的量进行定量评估。
在变形例1的道路交通流仿真的步骤114中,使电动机动车模型的CO2排出量为0(零),并基于汽油机动车模型的行驶距离来计算汽油机动车模型的CO2排出量。
基于下述(2)式及(3)式计算汽油机动车模型的CO2排出量。
燃料消耗量=行驶距离×平均燃耗 ……(2)
CO2排出量=燃料消耗量×常数 ……(3)
(2)式的汽油机动车模型的平均燃耗被预先设定(例如为30km/L)。另外,(3)式的常数是为了根据燃料消耗量计算CO2排出量而预先设定的设定值。
如此,基于预先设定的设定值及该汽油机动车模型的行驶距离,计算汽油机动车模型的CO2排出量。
另外,在变形例1的道路交通流仿真中,例如输出电动机动车模型相对于机动车模型的总数的比率和CO2排出量的关系等。
此外,在本变形例1中,使电动机动车模型的CO2排出量为0(零)进行说明,但并不限定于此,由于为了生成被电动机动车模型的蓄电池消耗的电力,要在例如火力发电所排出CO2,因此,也可以设电动机动车模型也排出CO2。
具体而言,基于下述(4)式计算电动机动车模型的CO2排出量。
CO2排出量=蓄电池消耗量×常数 ……(4)
(4)式的常数是为了根据蓄电池消耗量计算CO2排出量而预先设定的设定值,被确定为使电动机动车模型的CO2排出量比汽油机动车模型的CO2排出量小的值。
如此,基于被预先确定为使电动机动车模型的CO2排出量比汽油机动车模型的CO2排出量小的值的常数及该蓄电池消耗量,计算电动机动车模型的CO2排出量。
〔变形例2〕
在变形例2的道路交通流仿真中,能够设定用于充电站建设的初期投资额(例如,计划+购入用地+设计+购入材料+现场施工)及充电站每年的设备使用成本。
另外,在变形例2的道路交通流仿真中,计算建设充电站的经济效益。
在表5中表示建设充电站的经济效益的计算方法及其效果。
[表5]
此外,总旅行时间的削减量是指,不同数量或配置的充电站模型中的、所有汽油机动车模型和电动机动车模型即所有机动车模型的总旅行时间的差。另外,CO2削减量ton是指,不同数量或配置的充电站模型中的CO2排出量的差。
进一步,在变形例2的道路交通流仿真中,利用表6所示的计算模型1、2的任意一个来计算建设充电站数年后的成本效益。
[表6]
计算模型2是用于使评估具有自由度的计算式。
此外,在变形例2的道路交通流仿真中,可以仅使用经济效益1及经济效益2的任意一方来计算X年后的成本效益。
另外,在步骤114中,以计算模型1或计算模型2计算成本效益时,例如,在图像显示部22等显示横轴为X年、纵轴为X年后的成本效益的图表。
〔变形例3〕
在变形例3中,计算机动车模型的噪音量。
如表7所示,基于汽油机动车模型的行驶速度及电动机动车模型的行驶速度,利用计算模型1、2的任意一个来计算机动车模型的噪音量。
[表7]
一般情况下,汽油机动车的噪音较大,电动机动车的噪音较小。因此,通过普及电动机动车,能够削减整个城市的噪音量。
因此,在计算模型1中,使函数f(汽油机动车模型的行驶速度)为具有正特性、以汽油机动车模型的行驶速度为变量而求噪音量的函数,使函数g(电动机动车模型的行驶速度)为具有正特性、以电动机动车模型的行驶速度为变量而求噪音量的函数。另外,在计算模型1中,若汽油机动车模型和电动机动车模型的行驶速度相同,则以使电动机动车模型的噪音较小的方式计算电动机动车模型的噪音量。另外,dt为微小时间,积分∫表示1辆机动车模型在从出发地到目的地的范围内进行积分。
另外,根据各汽油机动车模型的噪音量的总和与各电动机动车模型的噪音量的总和的和,计算道路网模型40即整个城市的噪音量。
另一方面,计算模型2是用于使评估具有自由度的计算式。
另外,在步骤114中,利用计算模型1或计算模型2计算噪音量时,例如,在图像显示部22等显示横轴为时刻、纵轴为各时刻的噪音量的图表。
另外,也可以不作为整个城市的总量处理噪音,而如图14A所示,对预先确定的评估点A的噪音量进行评估。
此时,求出各机动车模型与评估点A的距离,计算机动车模型的噪音量,并将周边的所有机动车模型的噪音量相加,从而利用例如下述(5)式来计算评估点A的噪音量。
评估点A的噪音量=函数F(各机动车模型的行驶速度、各机动车模型的加减速度、各机动车模型与评估点A的距离、时刻) ……(5)
此外,人类的听觉中的噪音量相对于时刻的变动(易听到声音的程度)如下:在夜间易听到远处的声音(基于大气的温度差),在白天只能听到近处的声音。如图14B所示,为了模拟该变动而使用时刻的变量。
以上,利用上述各实施方式说明了本发明,但本发明的技术范围并不限定于上述各实施方式所记载的范围。在不脱离发明的主旨的范围内能够对上述各实施方式加以各种变更或改良,加以该变更或改良的方式也包含于本发明的技术范围内。
在上述各实施方式中,说明了电动机动车模型具有表示蓄电池的剩余量的属性值的方式,但本发明并不限定于此,也可以使道路网模型40具有表示电动机动车模型的蓄电池的剩余量的属性值,并作为道路网模型40的属性值计算蓄电池的剩余量。
符号说明
10 道路交通流仿真装置
12 CPU
40 道路网模型
42 路段
44 节点
46 充电站模型