CN112348286A - 一种基于能源模型的交通用能需求预测方法及装置 - Google Patents

一种基于能源模型的交通用能需求预测方法及装置 Download PDF

Info

Publication number
CN112348286A
CN112348286A CN202011353372.4A CN202011353372A CN112348286A CN 112348286 A CN112348286 A CN 112348286A CN 202011353372 A CN202011353372 A CN 202011353372A CN 112348286 A CN112348286 A CN 112348286A
Authority
CN
China
Prior art keywords
traffic
energy
mode
year
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011353372.4A
Other languages
English (en)
Other versions
CN112348286B (zh
Inventor
陈晖�
陈政
何耿生
李沛
王刚
宋艺航
冷媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Energy Development Research Institute of China Southern Power Grid Co Ltd
Original Assignee
Energy Development Research Institute of China Southern Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Energy Development Research Institute of China Southern Power Grid Co Ltd filed Critical Energy Development Research Institute of China Southern Power Grid Co Ltd
Priority to CN202011353372.4A priority Critical patent/CN112348286B/zh
Publication of CN112348286A publication Critical patent/CN112348286A/zh
Application granted granted Critical
Publication of CN112348286B publication Critical patent/CN112348286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于能源模型的交通用能需求预测方法，包括：对目标区域的交通模式进行划分，并输入划分后每种交通模式下的各种交通运输技术的参数，通过弹性方程，加权平均得到各个模式的广义交通费用；根据所述广义交通费用，预测得到目标区域的客运需求量和货运需求量；并将所述客运量和货运量通过预设的TIMES模型进行竞争，计算得到各个交通模式和各种交通运输技术的能源消费量；采用参数校准后的TIMES模型，对设定的政策情景进行模拟，计算得到不同政策情景下的各个交通模式和各种交通运输技术的能源消费量。本发明通过对目标区域内交通运输技术结构进行了分析，全方位展示目标区域交通运输部门的细节，能够实现对交通部门情景的定义和模拟。

Description

一种基于能源模型的交通用能需求预测方法及装置
技术领域
本发明涉及电力***技术领域，特别是涉及一种基于能源模型的交通用能需求预测方法及装置。
背景技术
交通用能是能源消费的重要组成部分，也是反映人民生活质量提高的重要能源消费指标。整体来看，我国的交通用能还有较高的成长空间，其重要性还将进一步提升。
鉴于交通用能快速增长的趋势及其日益凸显的作用，多个国家，尤其是发达国家，都致力于观察本国交通用能特征，以减少能源消费和能源消费造成的环境外部性。然而，鉴于国家统计数据对交通用能消费数据的分析一般只能局限到用能种类，大多数研究仅局限在消费的品种和比例上，缺乏对用能方式、用能技术的更详细分类，不足以支撑对交通用能的多情景模拟和量化对策研究。
发明内容
本发明的目的是：提供一种基于能源模型的交通用能需求预测方法及***，本发明通过对目标区域内客运和货运周转量、交通运输技术结构、交通运输工具保有量、交通用能等进行了深入分析，能够全方位展示目标区域交通运输部门的内部细节，并且本发明还构建了目标区域交通运输部门的参数输入模块，编制了相应程序，可以轻易实现对多个交通部门情景的定义和模拟。
为了实现上述目的，本发明提供了一种基于能源模型的交通用能需求预测方法，包括：
对目标区域的交通模式进行划分，并输入划分后每种交通模式下的各种交通运输技术的参数，通过弹性方程，加权平均得到各个模式的广义交通费用；其中，所述参数包括：燃油经济性、承载率、行驶里程和速度；
根据所述广义交通费用，通过预设的模型，预测得到目标区域的客运需求量和货运需求量；并将所述客运量和所述货运量通过预设的TIMES模型进行竞争，计算得到各个交通模式和各种交通运输技术的能源消费量；
采用参数校准后的TIMES模型，对设定的政策情景进行模拟，计算得到不同政策情景下的各个交通模式和各种交通运输技术的能源消费量；其中，所述政策情景包括：交通运输部门的单政策情景和综合政策情景。
进一步地，所述广义交通费用通过以下公式进行计算：
Figure BDA0002799637090000021
其中，TSCt代表第t年的所有模式加权的交通服务价格；sharem,j是模式m中技术j在第i年的技术份额；pm,j,t代表模式m中技术j在第t年的广义交通服务价格。
进一步地，所述pm,j,t代表模式m中技术j在第t年的广义交通服务价格，具体计算公式如下：
Figure BDA0002799637090000022
其中，Pm,j,t代表模式m中的技术j第t年的广义交通服务价格；FuelPm,j,i,t是模式m中技术j在第t年使用燃料i的能源价格；FuelEconomym,j,i,t是模式m中技术j在第t年的燃料经济性；FuelEconomym,j,i,t是模式m中技术j在第t年的燃料经济性；Non_FuelCostm,j,t是模式m中技术j在第t年的非能源成本投入；LFm,j,t是模式m中技术j在第t年的平均承载率因子；Waget代表出行人群第t年的平均收入；Speedm,t是模式m的平均门对门服务速度。
进一步地，所述客运需求量通过以下公式进行计算：
Figure BDA0002799637090000031
其中，TRA_P代表第t年的交通客运服务需求；A是***常数，按基础年校核得到；Incomet是第t年的居民收入水平，用人均GDP表示；E_Incomet是研究区域第t年的收入弹性；E_Popt是第t年的人口弹性，E_TSCt是第t年的价格弹性；Pop代表第t年的常住人口数量。
进一步地，所述货运需求量通过以下公式进行计算：
Figure BDA0002799637090000032
其中，Feightt代表第t年的交通客运服务需求；A是***常数，按基础年校核得到；GDPt代表第t年的居民收入水平；E_GDP是研究区域第t年的收入弹性；E_TSCt是第t年的价格弹性；TSCt是第t年的广义交通服务价格。
进一步地，所述将所述客运量和所述货运量通过预设的TIMES模型进行竞争，所述竞争包括：不同交通模式竞争和同一交通模式下不同交通运输技术的竞争。
进一步地，所述不同交通模式的竞争，采用如下公式进行计算：
Figure BDA0002799637090000033
其中，Sharem,t代表模式m在t年的比例；SWm代表模式m的市场权重因子；Pm,t代表模式m的广义交通价格。
所述同一交通模式下不同交通运输技术的竞争，采用如下公式进行计算：
Figure BDA0002799637090000041
其中，sharem,j,t代表技术j在模式m中第t年的比例；swm,j,t代表模式m中技术j的技术非价格决策因子，是一组归一化的参数，代表着技术在市场中发展成熟的不同阶段；Pm,j,t代表模式m中技术j的广义交通价格。
本发明实施例还提供一种基于能源模型的交通用能需求预测***，包括：区域划分模块、预测模块和政策情景模拟模块；
所述区域划分模块，用于对目标区域的交通模式进行划分，并输入划分后每种交通模式下的各种交通运输技术的参数，通过弹性方程，加权平均得到各个模式的广义交通费用；其中，所述参数包括：燃油经济性、承载率、行驶里程和速度；
所述预测模块，用于根据所述广义交通费用，通过预设的模型，预测得到目标区域的客运需求量和货运需求量；并将所述客运量和所述货运量通过预设的TIMES模型进行竞争，计算得到各个交通模式和各种交通运输技术的能源消费量；
所述政策情景模拟模块，用于采用参数校准后的TIMES模型，对设定的政策情景进行模拟，计算得到不同政策情景下的各个交通模式和各种交通运输技术的能源消费量；其中，所述政策情景包括：交通运输部门的单政策情景和综合政策情景。
本发明实施例还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的基于能源模型的交通用能需求预测方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述的基于能源模型的交通用能需求预测方法。
本发明实施例一种基于能源模型的交通用能需求预测方法及***与现有技术相比，其有益效果在于：
本发明运用GCAM模型的研究思路，以自下而上的方法进行预测。首先划分交通模式和每种模式下的交通运输技术，输入各种交通技术的燃油经济性、承载率、行驶里程、速度等参数，使用需求弹性方程计算各模式加权平均的总交通广义价格，从而预测目标地区中长期客运和货运周转量。多种交通模式在TIMES模型内部进行竞争，同一模式下的多种技术也形成竞争，最后分配得到各模式和各种交通技术的周转量，进而计算各个模式和各种技术的能源消费量。在不同的政策影响下，各个模式和各种技术的广义交通价格发生变化，从而形成不同的客运周转量和货运周转量分配模式。按各个模式和各种技术周转量，可以计算其能源消费量。
附图说明
图1为本发明某一实施例提供的一种考基于能源模型的交通用能需求预测方法的流程示意图；
图2为本发明某一实施例提供的一种考基于能源模型的交通用能需求预测的交通用能预测模块的结构示意图
图3为本发明某一实施例提供的一种基于能源模型的交通用能需求预测***的结构示意图。
具体实施方式
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作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。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本发明第一实施例：
如图1所示，本发明实施例提供的一种基于能源模型的交通用能需求预测方法，至少包括如下步骤：
S101、对目标区域的交通模式进行划分，并输入划分后每种交通模式下的各种交通运输技术的参数，通过弹性方程，加权平均得到各个模式的广义交通费用；其中，所述参数包括：燃油经济性、承载率、行驶里程和速度；
需要说明的是，在本步骤中，划分的具体为：将目标区域的交通模式和每种交通模式细的交通运输技术进行划分，将交通运输划分为客运和货运两大类，其中客运细化为5类模式共21种交通运输技术，货运细化为5类模式共13种交通运输技术。输入各种交通技术的燃油经济性、承载率、行驶里程、速度等参数，使用需求弹性方程计算各模式加权平均的总交通广义价格，从而目标区域中长期客运和货运周转量。
其中，所述燃油经济性具体指的是燃料经济性以MJ/百车公里为单位，通过承载率因子，很容易化为单位周转量的能耗强度，某目标区域各类交通运输工具的燃油经济性如表1所示：
表1－某目标区域各类交通运输工具的燃油经济性
Figure BDA0002799637090000071
Figure BDA0002799637090000081
所述承载率由交通运输工具的承载量和运营效率决定，某目标区域各类交通运输工具承载率如表2所示。
表2－某目标区域各类交通运输工具的平均承载率
Figure BDA0002799637090000082
Figure BDA0002799637090000091
所述行驶里程具体指的是年平均行驶里程，年平均行驶里程反应了各类交通运输工具的活动水平，受交通拥堵状况、出行费用、使用目的的影响，某目标区域各类交通运输工具年平均行驶里程如表3所示：
表3－某目标区域各类交通运输工具的年平均行驶里程
Figure BDA0002799637090000092
所述速度具体指的是门对门服务速度，考虑了使用该工具所花费所有时间的价值，反映的是该方式的两端等待时间和换乘的便捷性。例如，对飞机而言，飞行速度快但候机时间较长，这部分时间的价值也需要考虑；某目标区域各类交通运输工具的门对门服务速度如表4所示：
表4－某目标区域各类交通运输工具的门对门服务速度
Figure BDA0002799637090000101
S102、根据所述广义交通费用，通过预设的模型，预测得到目标区域的客运需求量和货运需求量；并将所述客运量和所述货运量通过预设的TIMES模型进行竞争，计算得到各个交通模式和各种交通运输技术的能源消费量；
需要说明的是，本发明采用的能源技术模型为TIMES模型。常见的能源技术模型主要包括：日本国立环境研究所的AIM模型，国际应用环境分析研究所的MESSAGE模型，国际能源署在能源技术***分析项目中开发的MARKAL模型，以及在MARKAL模型基础上，结合EFOM模型在能流优化方面的优势，开发而成的TIMES模型。从模型的功能来看，TIMES模型是在MARKAL模型基础上，结合EFOM模型在能流优化方面的优势，开发而成的新一代具有自下而上特征的能源优化模型，是目前国际上影响力最大的能源优化模型，已广泛应用于区域能源***演变趋势、能源标准的政策影响、终端能效潜力、能源技术的影响等一系列研究中，是研究能源转型问题的较好工具。该工具的作用是应用数学优化方法，在满足终端能源服务需求和环境约束等条件下，按照定义的目标函数，计算选取成本最优的技术燃料组合。从数学表达上来讲，一个优化问题包括状态变量、目标函数和约束三个方面，能源***的优化求解的实质是将能源***翻译成这三个方面的数学语言，并通过线性规划等方法进行求解。TIMES采用多周期的动态线性规划方法，可研究长期、跨时段的能源***发展动态，在能源***模拟和技术分析方面具有强大的优势。
需要说明的是，所述TIMES模型，全称“MARKAL－EFOM***综合模型(TheIntegrated MARKAL－EFOM System)”。整合MARKAL模型和EFOM模型而开发的一个自下而上能源优化模型。模型开发始于1999年，并于2007年6月首次公开发布。本质上仍遵循自下而上的能源优化模型框架，但将分析范围从单个地区扩展到全球，设计出一个多区域的分析框架，更适于全球和多国政策问题的分析。模型允许淘汰过期技术，能够区分技术服务周期和技术经济周期，使技术在参考能源***中的表达更灵活简便。可以两种方式运行：一是以传统的MARKAL模型方式运行，仍以简单的成本最小的目标函数来求技术最优解；二是将EFOM模型中建立的流量变量纳入考虑，目标函数转化成折现后的成本与收益之差的最小化。该模型仍是一个局部均衡框架，以最大化消费者剩余为目标。模型已将能源消费者对价格的反馈机制纳入分析框架，且能源需求是内生得到的，但其他经济行为，如资本形成和劳动力市场等，并未纳入框架，故仍属自下而上的能源技术模型。
需要说明的是，交通模式的内部竞争借鉴了GCAM模型中的logitchoice模块，该方法将各类成本统一处理为单位周转量成本(元/人公里或元/吨公里)，其中时间成本也按区域出行人群的平均工资率和交通服务速度进行了定量化，代表单位周转量所花费的时间内，该技术的机会成本。各模式的广义交通价格由该模式中所有交通运输技术的广义交通和技术的市场份额加权计算得到。市场权重因子由基础年的数据校核得到，当某交通模式的广义交通价格越高时，其市场份额越低，各个模式之间形成竞争关系，但是高价格的模式并不会完全消失。
S103、采用参数校准后的TIMES模型，对设定的政策情景进行模拟，计算得到不同政策情景下的各个交通模式和各种交通运输技术的能源消费量；其中，所述政策情景包括：交通运输部门的单政策情景和综合政策情景。
需要说明的是，目前大多数的研究和发明都是在国家尺度上进行，对省域的研究较少。
本发明首先在参数设置的基础上，模拟该基础情景下(Baseline Scenario)的交通运输部门的内部结构和长期演化，随后设置了多个情景，分析多情景下(ScenarioAnalysis)对交通运输部门的影响。本发明以1年为建模预测的时间跨度间隔。在充分考虑交通异质性的前提下，将交通运输划分为客运和货运两大类，其中客运细化为5类模式共21种交通运输技术，货运细化为5类模式共13种交通运输技术。构建了5种交通运输部门的单政策情景和一种综合情景。情景1的政策工具是燃油税；情景2的政策工具是碳税，这是针对单位商品产生的碳排放而征收的一种环境资源税，产品的碳强度越高，则其碳税越高，从而鼓励交通运输部门提高能效，转向更为清洁的能源；情景3的政策工具是通过建立交通运输工具的燃油经济性限值，进一步提高交通运输工具的燃油经济性，从而在相同周转量时减小相应的能源消费量；情景4的政策工具是针对新能源汽车降低其税收，并给予一定的购车补贴，提升新能源汽车的价格优势，吸引消费者的购买；情景5的政策工具是加快交通运输结构的优化，提升轨道交通的速度，提升轨道交通在交通运输技术中的竞争力；情景6是综合情景，反映以上5种政策工具的累加效果。在不同的政策影响下，各个模式和各种技术的广义交通价格发生变化，从而形成不同的客运周转量和货运周转量分配模式。
需要说明的是，本发明运用了交通需求弹性方程来预测交通服务需求的增长。其中，客运交通服务需求用客运周转量表达，单位为“人公里”，货运交通服务需求用货运周转量表达，单位为“吨公里”。交通需求受经济发展水平、居民收入、人口数和交通服务价格等因素的影响，其中经济发展水平、居民收入、人口数是交通需求的增长性驱动力，而交通服务价格是交通需求的抑制性驱动力。
需要说明的是，本发明进行参数设置时，分别设置了承载率，年平均行驶里程，门对门服务速度，燃料经济学，能源成本和非能源成本等参数，全面模拟交通运输部门的内部结构和长期演化。承载率由交通运输工具的承载量和运营效率决定；年平均行驶里程反应了各类交通运输工具的活动水平，受交通拥堵状况、出行费用、使用目的的影响；交通运输方式的门对门服务速度，考虑了使用该工具所花费所有时间的价值，反映的是该方式的两端等待时间和换乘的便捷性；交通运输工具的燃料经济性受车速、燃料品质、交通工具承载率、路况等因素的影响，本发明使用的是正常行驶速度下的典型交通运输工具的燃料经济性作为代表；各类交通运输方式的服务价格包括所花费燃料的能源成本和非能源成本，其中能源成本可按单位周转量能耗强度和能源价格计算得到，而非能源成本包括车辆折旧、车辆维护费用和工资、税费、基础设施等费用。
在不同的政策影响下，各个模式和各种技术的广义交通价格发生变化，从而形成不同的客运周转量和货运周转量分配模式。按各个模式和各种技术周转量，可以计算其能源消费量。
在本发明的某一个实施例中，所述广义交通费用通过以下公式进行计算：
Figure BDA0002799637090000131
其中，TSCt代表第t年的所有模式加权的交通服务价格；sharem,j是模式m中技术j在第i年的技术份额；pm,j,t代表模式m中技术j在第t年的广义交通服务价格。
在本发明的某一个实施例中，所述pm,j,t代表模式m中技术j在第t年的广义交通服务价格，具体计算公式如下：
Figure BDA0002799637090000132
其中，Pm,j,t代表模式m中的技术j第t年的广义交通服务价格；FuelPm,j,i,t是模式m中技术j在第t年使用燃料i的能源价格；FuelEconomym,j,i,t是模式m中技术j在第t年的燃料经济性；FuelEconomym,j,i,t是模式m中技术j在第t年的燃料经济性；Non_FuelCostm,j,t是模式m中技术j在第t年的非能源成本投入；LFm,j,t是模式m中技术j在第t年的平均承载率因子；Waget代表出行人群第t年的平均收入；Speedm,t是模式m的平均门对门服务速度。
在本发明的某一个实施例中，所述客运需求量通过以下公式进行计算：
Figure BDA0002799637090000141
其中，TRA_P代表第t年的交通客运服务需求；A是***常数，按基础年校核得到；Incomet是第t年的居民收入水平，用人均GDP表示；E_Incomet是研究区域第t年的收入弹性；E_Popt是第t年的人口弹性，E_TSCt是第t年的价格弹性；Pop代表第t年的常住人口数量。
在本发明的某一个实施例中，所述货运需求量通过以下公式进行计算：
Figure BDA0002799637090000142
其中，Feightt代表第t年的交通客运服务需求；A是***常数，按基础年校核得到；GDPt代表第t年的居民收入水平；E_GDP是研究区域第t年的收入弹性；E_TSCt是第t年的价格弹性；TSCt是第t年的广义交通服务价格。
在本发明的某一个实施例中，所述将所述客运量和所述货运量通过预设的TIMES模型进行竞争，所述竞争包括：不同交通模式的竞争和同一交通模式下不同交通运输技术的竞争。
在本发明的某一个实施例中，所述不同交通模式的竞争，采用如下公式进行计算：
Figure BDA0002799637090000151
其中，Sharem,t代表模式m在t年的比例；SWm代表模式m的市场权重因子；Pm,t代表模式m的广义交通价格。
所述同一交通模式下不同交通运输技术的竞争，采用如下公式进行计算：
Figure BDA0002799637090000152
其中，sharem,j,t代表技术j在模式m中第t年的比例；swm,j,t代表模式m中技术j的技术非价格决策因子，是一组归一化的参数，代表着技术在市场中发展成熟的不同阶段；Pm,j,t代表模式m中技术j的广义交通价格。
本发明实施例一种基于能源模型的交通用能需求预测方法与现有技术相比，其有益效果在于：
本发明运用GCAM模型的研究思路，以自下而上的方法进行预测。首先划分交通模式和每种模式下的交通运输技术，输入各种交通技术的燃油经济性、承载率、行驶里程、速度等参数，使用需求弹性方程计算各模式加权平均的总交通广义价格，从而预测目标地区中长期客运和货运周转量。多种交通模式在TIMES模型内部进行竞争，同一模式下的多种技术也形成竞争，最后分配得到各模式和各种交通技术的周转量，进而计算各个模式和各种技术的能源消费量。在不同的政策影响下，各个模式和各种技术的广义交通价格发生变化，从而形成不同的客运周转量和货运周转量分配模式。按各个模式和各种技术周转量，可以计算其能源消费量。
本发明第二实施例：
如图3所示，本发明实施例提供的基于能源模型的交通用能需求预测***200，包括：区域划分模块201、预测模块202和政策情景模拟模块203；
所述区域划分模块201，用于对目标区域的交通模式进行划分，并输入划分后每种交通模式下的各种交通运输技术的参数，通过弹性方程，加权平均得到各个模式的广义交通费用；其中，所述参数包括：燃油经济性、承载率、行驶里程和速度；
所述预测模块202，用于根据所述广义交通费用，通过预设的模型，预测得到目标区域的客运需求量和货运需求量；并将所述客运量和所述货运量通过预设的TIMES模型进行竞争，计算得到各个交通模式和各种交通运输技术的能源消费量；
所述政策情景模拟模块203，用于采用参数校准后的TIMES模型，对设定的政策情景进行模拟，计算得到不同政策情景下的各个交通模式和各种交通运输技术的能源消费量；其中，所述政策情景包括：交通运输部门的单政策情景和综合政策情景。
本发明第三实施例：
本发明实施例还提供一种计算机终端设备，包括：一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项基于能源模型的交通用能需求预测方法。
需要说明的是，所述处理器可以是中央处理模块(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field－ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作***、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMediaCard，SMC)、安全数字(SecureDigital，SD)卡和闪存卡(FlashCard)等，或所述存储器也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
本发明第四实施例：
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述的基于能源模型的交通用能需求预测方法。
需要说明的是，所述计算机程序可以被分割成一个或多个模块/模块(如计算机程序、计算机程序)，所述一个或者多个模块/模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于能源模型的交通用能需求预测方法，其特征在于，包括：
对目标区域的交通模式进行划分，并输入划分后每种交通模式下的各种交通运输技术的参数，通过弹性方程，加权平均得到各个模式的广义交通费用；其中，所述参数包括：燃油经济性、承载率、行驶里程和速度；
根据所述广义交通费用，通过预设的模型，预测得到目标区域的客运需求量和货运需求量；并将所述客运量和所述货运量通过预设的TIMES模型进行竞争，计算得到各个交通模式和各种交通运输技术的能源消费量；
采用参数校准后的TIMES模型，对设定的政策情景进行模拟，计算得到不同政策情景下的各个交通模式和各种交通运输技术的能源消费量；其中，所述政策情景包括：交通运输部门的单政策情景和综合政策情景。
2.根据权利要求1所述的基于能源模型的交通用能需求预测方法，其特征在于，所述广义交通费用通过以下公式进行计算：
Figure FDA0002799637080000011
其中，TSCt代表第t年的所有模式加权的交通服务价格；sharem,j是模式m中技术j在第i年的技术份额；pm,j,t代表模式m中技术j在第t年的广义交通服务价格。
3.根据权利要求2所述的基于能源模型的交通用能需求预测方法，其特征在于，所述pm,j,t代表模式m中技术j在第t年的广义交通服务价格，具体计算公式如下：
Figure FDA0002799637080000021
其中，Pm,j,t代表模式m中的技术j第t年的广义交通服务价格；FuelPm,j,i,t是模式m中技术j在第t年使用燃料i的能源价格；FuelEconomym,j,i,t是模式m中技术j在第t年的燃料经济性；FuelEconomym,j,i,t是模式m中技术j在第t年的燃料经济性；Non_FuelCostm,j,t是模式m中技术j在第t年的非能源成本投入；LFm,j,t是模式m中技术j在第t年的平均承载率因子；Waget代表出行人群第t年的平均收入；Speedm,t是模式m的平均门对门服务速度。
4.根据权利要求1所述的基于能源模型的交通用能需求预测方法，其特征在于，所述客运需求量通过以下公式进行计算：
Figure FDA0002799637080000022
其中，TRA_P代表第t年的交通客运服务需求；A是***常数，按基础年校核得到；Incomet是第t年的居民收入水平，用人均GDP表示；E_Incomet是研究区域第t年的收入弹性；E_Popt是第t年的人口弹性，E_TSCt是第t年的价格弹性；Pop代表第t年的常住人口数量。
5.根据权利要求1所述的基于能源模型的交通用能需求预测方法，其特征在于，所述货运需求量通过以下公式进行计算：
Figure FDA0002799637080000023
其中，Feightt代表第t年的交通客运服务需求；A是***常数，按基础年校核得到；GDPt代表第t年的居民收入水平；E_GDP是研究区域第t年的收入弹性；E_TSCt是第t年的价格弹性；TSCt是第t年的广义交通服务价格。
6.根据权利要求1所述的基于能源模型的交通用能需求预测方法，其特征在于，所述将所述客运量和所述货运量通过预设的TIMES模型进行竞争，所述竞争包括：不同交通模式的竞争和同一交通模式下不同交通运输技术的竞争。
7.根据权利要求6所述的基于能源模型的交通用能需求预测方法，其特征在于，所述不同交通模式的竞争，采用如下公式进行计算：
Figure FDA0002799637080000031
其中，Sharem,t代表模式m在t年的比例；SWm代表模式m的市场权重因子；Pm,t代表模式m的广义交通价格。
所述同一交通模式下不同交通运输技术的竞争，采用如下公式进行计算：
Figure FDA0002799637080000032
其中，sharem,j,t代表技术j在模式m中第t年的比例；swm,j,t代表模式m中技术j的技术非价格决策因子，是一组归一化的参数，代表着技术在市场中发展成熟的不同阶段；Pm,j,t代表模式m中技术j的广义交通价格。
8.一种基于能源模型的交通用能需求预测***，其特征在于，包括：区域划分模块、预测模块和政策情景模拟模块；
所述区域划分模块，用于对目标区域的交通模式进行划分，并输入划分后每种交通模式下的各种交通运输技术的参数，通过弹性方程，加权平均得到各个模式的广义交通费用；其中，所述参数包括：燃油经济性、承载率、行驶里程和速度；
所述预测模块，用于根据所述广义交通费用，通过预设的模型，预测得到目标区域的客运需求量和货运需求量；并将所述客运量和所述货运量通过预设的TIMES模型进行竞争，计算得到各个交通模式和各种交通运输技术的能源消费量；
所述政策情景模拟模块，用于采用参数校准后的TIMES模型，对设定的政策情景进行模拟，计算得到不同政策情景下的各个交通模式和各种交通运输技术的能源消费量；其中，所述政策情景包括：交通运输部门的单政策情景和综合政策情景。
9.一种计算机终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7任一项所述的基于能源模型的交通用能需求预测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于能源模型的交通用能需求预测方法。
CN202011353372.4A 2020-11-25 2020-11-25 一种基于能源模型的交通用能需求预测方法及装置 Active CN112348286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011353372.4A CN112348286B (zh) 2020-11-25 2020-11-25 一种基于能源模型的交通用能需求预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011353372.4A CN112348286B (zh) 2020-11-25 2020-11-25 一种基于能源模型的交通用能需求预测方法及装置

Publications (2)

Publication Number Publication Date
CN112348286A true CN112348286A (zh) 2021-02-09
CN112348286B CN112348286B (zh) 2021-07-30

Family

ID=74365774

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011353372.4A Active CN112348286B (zh) 2020-11-25 2020-11-25 一种基于能源模型的交通用能需求预测方法及装置

Country Status (1)

Country Link
CN (1) CN112348286B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239484A (zh) * 2014-09-05 2014-12-24 浙江工业大学 一种基于多模式公交组合调度的时刻表编制方法
CN105035090A (zh) * 2015-06-06 2015-11-11 吉林大学 基于交通信号灯的自主驾驶车辆轨迹预测控制方法
CN105447718A (zh) * 2015-11-13 2016-03-30 东南大学 基于广义费用函数的定时定线路拼车方法
CN106570265A (zh) * 2016-10-31 2017-04-19 东南大学 城市大运量轨道交通与接驳方式间换乘惩罚系数测定方法
CN106600027A (zh) * 2016-10-31 2017-04-26 上海市政工程设计研究总院（集团）有限公司 城市交通碳排放量测算***和测算方法
CN106650995A (zh) * 2016-10-13 2017-05-10 中国能源建设集团广东省电力设计研究院有限公司 节能减排目标下的能源规划及战略支持***
CN106779192A (zh) * 2016-12-04 2017-05-31 国家电网公司 交通运输业能源消耗量预测方法及其预测***
CN106846214A (zh) * 2016-11-24 2017-06-13 西安建筑科技大学 分析交通枢纽可达性对区域公共运输方式竞争影响的方法
CN107194605A (zh) * 2016-12-19 2017-09-22 中华电信股份有限公司 能源消耗估计***及方法
US20180178737A1 (en) * 2016-12-27 2018-06-28 Paypal, Inc. Vehicle based electronic authentication and device management

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239484A (zh) * 2014-09-05 2014-12-24 浙江工业大学 一种基于多模式公交组合调度的时刻表编制方法
CN105035090A (zh) * 2015-06-06 2015-11-11 吉林大学 基于交通信号灯的自主驾驶车辆轨迹预测控制方法
CN105447718A (zh) * 2015-11-13 2016-03-30 东南大学 基于广义费用函数的定时定线路拼车方法
CN106650995A (zh) * 2016-10-13 2017-05-10 中国能源建设集团广东省电力设计研究院有限公司 节能减排目标下的能源规划及战略支持***
CN106570265A (zh) * 2016-10-31 2017-04-19 东南大学 城市大运量轨道交通与接驳方式间换乘惩罚系数测定方法
CN106600027A (zh) * 2016-10-31 2017-04-26 上海市政工程设计研究总院（集团）有限公司 城市交通碳排放量测算***和测算方法
CN106846214A (zh) * 2016-11-24 2017-06-13 西安建筑科技大学 分析交通枢纽可达性对区域公共运输方式竞争影响的方法
CN106779192A (zh) * 2016-12-04 2017-05-31 国家电网公司 交通运输业能源消耗量预测方法及其预测***
CN107194605A (zh) * 2016-12-19 2017-09-22 中华电信股份有限公司 能源消耗估计***及方法
US20180178737A1 (en) * 2016-12-27 2018-06-28 Paypal, Inc. Vehicle based electronic authentication and device management

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
裴玉龙等: "基于广义费用的公共交通与私人交通竞争强度研究", 《重庆理工大学学报（自然科学）》 *

Also Published As

Publication number Publication date
CN112348286B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
McKinnon Decarbonizing logistics: Distributing goods in a low carbon world
Xie et al. Integrating multimodal transport into cellulosic biofuel supply chain design under feedstock seasonality with a case study based on California
Bi et al. Environmental subsidy and the choice of green technology in the presence of green consumers
Bai et al. Biofuel refinery location and supply chain planning under traffic congestion
Keles et al. Market penetration of fuel cell vehicles–Analysis based on agent behaviour
Yu et al. Navigating the global mineral market: A study of resource wealth and the energy transition
Sarmento et al. Measuring highway efficiency: A DEA approach and the Malquist index
Chen What is the potential impact of a taxation system reform on carbon abatement and industrial growth in China?
Alises et al. The impact of the structure of the economy on the evolution of road freight transport: a macro analysis from an Input-Output approach
Dimitriou et al. Assessment framework to develop and manage regional intermodal transport networks
Tian et al. The heterogeneous impact of environmental regulation on urban green scale economy: an empirical analysis based on city-level panel data in China
Zhou et al. Institutional environment and green economic growth in China
Nurpeisova et al. Problems of development of mathematical models and creation of innovative products in the Republic of Kazakhstan
Dursun The Nexus among civil aviation, energy performance efficiency and GDP in terms of ecological footprint: Evidence from France and Finland
Emiliano et al. An optimization model for bus fleet replacement with budgetary and environmental constraints
Cruz et al. Assessing an agri-food development strategy: a bi-regional input–output model with resource-constrained sectors
Prokopenko et al. Economic features of the use of electric vehicles in delivery services in Estonia
CN112348286B (zh) 一种基于能源模型的交通用能需求预测方法及装置
Kahn et al. An economic analysis of US airline fuel economy dynamics from 1991 to 2015
Stefanakos et al. Fuzzy time series forecasting of bunker prices: Nonstationary considerations
Bitzan et al. Intermodal traffic, regulatory change and carbon energy conservation in US freight transport
Hutsaliuk et al. Directions for increasing the level of environmental friendliness of innovative and investment attractiveness of transport and logistics companies
Zhang Energy efficiency and firm performance
Shoukat et al. Upstream logistics optimization from Shanghai, China to Kasur, Pakistan: an implementation of mixed-integer linear programming
Pisu et al. Options for benchmarking infrastructure performance

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant