曾文亮　李富成　劉宇航　許瑾

摘 要：電動(dòng)網(wǎng)約車和出租車的規(guī)?；l(fā)展，對(duì)城市配套充電設(shè)施規(guī)劃提出更高要求。本文依據(jù)城市電動(dòng)網(wǎng)約車和出租車運(yùn)營特性，綜合考慮城市不同區(qū)域出行特性、工作日和非工作日時(shí)間特征和天氣影響等因素，構(gòu)建了電動(dòng)網(wǎng)約車和出租車負(fù)荷預(yù)測模型?；诿商乜宸ń⒘司W(wǎng)約車和出租車充電需求預(yù)測流程?；谀吵鞘须妱?dòng)汽車推廣數(shù)據(jù)，進(jìn)行了網(wǎng)約車和出租車的充電需求預(yù)測，分析了空間、時(shí)間和天氣因素對(duì)充電負(fù)荷的影響，為充電設(shè)施的規(guī)劃提供了參考和依據(jù)。

關(guān)鍵詞：電動(dòng)網(wǎng)約車 電動(dòng)出租車 蒙特卡洛法 充電需求

1 引言

隨著全球環(huán)境變暖，電動(dòng)汽車作為新能源汽車，以其在緩解能源短缺、減少溫室氣體排放等方面具有傳統(tǒng)燃油汽車難以超越的優(yōu)勢，經(jīng)過國家政策扶持，電動(dòng)汽車未來定會(huì)進(jìn)入產(chǎn)業(yè)化、規(guī)模化發(fā)展[1]。屆時(shí)，大規(guī)模的充電需求會(huì)成為電網(wǎng)負(fù)荷的重要組成部分，同時(shí)由于電動(dòng)汽車所具有的隨機(jī)性、波動(dòng)性等特點(diǎn)[2]，會(huì)影響電力系統(tǒng)的正常運(yùn)行，因此，研究電動(dòng)汽車充電特性模型是必要的。

電動(dòng)網(wǎng)約車和出租車現(xiàn)已成為人們出行的主要方式之一，本文針對(duì)電動(dòng)汽車中的電動(dòng)網(wǎng)約車和出租車進(jìn)行研究。將影響電動(dòng)網(wǎng)約車和出租車充電的主要因素分為物理因素和時(shí)空因素。物理因素包括電動(dòng)汽車規(guī)模、充電功率、車輛參數(shù)和充電設(shè)施等。時(shí)空因素有充電時(shí)間、起始荷電狀態(tài)、天氣降水狀況和運(yùn)行區(qū)域等。文獻(xiàn)[3]將電動(dòng)出租車固定為一天兩充，白天快速充電、夜間常規(guī)充電。文獻(xiàn)[4]通過對(duì)具有不同功能性質(zhì)的電動(dòng)汽車進(jìn)行分析，研究整體產(chǎn)生的負(fù)荷對(duì)電網(wǎng)負(fù)荷的影響。文獻(xiàn)[5]采用聯(lián)系數(shù)將模糊的微觀因素體現(xiàn)在充電負(fù)荷中。文獻(xiàn)[6]研究不同職能區(qū)域充電負(fù)荷參數(shù)變化趨勢。文獻(xiàn)[7]將不同類型電動(dòng)汽車的充電模式以及充電時(shí)段設(shè)定為固定模式，利用蒙特卡洛法模擬預(yù)測電動(dòng)汽車的充電負(fù)荷。文獻(xiàn)[8]通過分析多種不同車輛類型的充電模型，研究電動(dòng)汽車充電產(chǎn)生的總負(fù)荷曲線。文獻(xiàn)[9]根據(jù)電動(dòng)汽車的充電規(guī)律對(duì)電動(dòng)汽車充電模型建模，研究電動(dòng)汽車充電負(fù)荷對(duì)配電網(wǎng)的影響。

上述文獻(xiàn)主要針對(duì)電動(dòng)汽車充電負(fù)荷的單一影響因素進(jìn)行研究，但電動(dòng)網(wǎng)約車和出租車出行情況受多方面因素影響。因此本文綜合考慮時(shí)間、空間以及天氣三大因素，將城市居民區(qū)劃分為核心區(qū)、混合區(qū)、郊區(qū)三個(gè)大區(qū)域，細(xì)化24小時(shí)為4個(gè)時(shí)間段，通過對(duì)三大區(qū)域居民區(qū)的出行規(guī)律研究，結(jié)合降水量對(duì)電動(dòng)汽車出行狀況影響，采用蒙特卡洛法建立電動(dòng)網(wǎng)約車和出租車的充電負(fù)荷模型，以某中型城市為例，進(jìn)行分析驗(yàn)證。

2 電動(dòng)網(wǎng)約車和出租車的充電特性分析

2.1 電動(dòng)網(wǎng)約車和出租車的充電模式

根據(jù)對(duì)出租車和出租車運(yùn)營情況的調(diào)研，將兩種類型車輛的運(yùn)營模式總結(jié)如下：

表1和表2反映出租車和網(wǎng)約車的運(yùn)行特性上的差異性。出租車司機(jī)全部是全職司機(jī)，采用兩班倒的運(yùn)營模式，有大班和小班之分，由于出租車的有效充電時(shí)間較短，因此均選用快速充電模式充電。

網(wǎng)約車司機(jī)中有27%為兼職網(wǎng)約車司機(jī)，他們僅在節(jié)假日的時(shí)候運(yùn)營，工作日期間相當(dāng)于私家車。網(wǎng)約車不存在兩班倒的運(yùn)營模式，夜間運(yùn)行車輛較少，因此網(wǎng)約車在中午休息時(shí)間采用快充模式，在夜晚采用常規(guī)充電模式。

2.2 影響電動(dòng)網(wǎng)約車和出租車出行的外部因素

（1）空間因素：網(wǎng)約車和出租車具有相似的出行性質(zhì)，它們的出行量都與人流量密切相關(guān)。在具有不同功能屬性的區(qū)域內(nèi)，網(wǎng)約車和出租車出行量差異較大;在具有相同功能屬性的區(qū)域內(nèi)，城區(qū)與郊區(qū)的網(wǎng)約車和出租車出行量略有區(qū)別。本文在研究電動(dòng)網(wǎng)約車和出租車的充電需求時(shí)，以居民區(qū)為例，將城市的居民區(qū)分為市區(qū)居民區(qū)、市區(qū)混合居民區(qū)、郊區(qū)居民區(qū)。一周內(nèi)出租車人均出行次數(shù)調(diào)研數(shù)據(jù)如下：市區(qū)居民區(qū)為6.67次/百人，混合區(qū)為7.52次/百人，郊區(qū)為2.79次/百人[10]，由此可以得到三大區(qū)域內(nèi)的網(wǎng)約車和出租車運(yùn)行比例。

（2）時(shí)間因素：電動(dòng)網(wǎng)約車和出租車的出行具有較強(qiáng)的時(shí)間特征，三大居民區(qū)在工作日的出行的高峰期均位于早高峰和晚高峰期間，而在休息日的出行規(guī)律卻有所不同，在休息日時(shí)，市區(qū)居民區(qū)和郊區(qū)混合居民區(qū)的出行特征類似，出行的高峰期在8：00-11：00和21：00-23：00期間，而市區(qū)混合區(qū)的出行高峰較寬，沒有其他兩個(gè)區(qū)域集中，位于12：00-23：00期間。

（3）天氣因素：電動(dòng)汽車的單位里程數(shù)的耗電量與車輛的行駛速度有關(guān)，而雨雪天氣降低了車輛行駛的可見度，限制了車輛的行駛速度，從而增大了電動(dòng)汽車的耗電量[11]，另一方面，雨雪天氣增大了地面的濕滑程度，增大了出行的危險(xiǎn)性，降低網(wǎng)約車和出租車的出行比例，進(jìn)而對(duì)充電負(fù)荷產(chǎn)生影響。雨雪天氣對(duì)車輛出行均有較大影響，但由于降雨在全國更為普遍且發(fā)生頻率較高，本文重點(diǎn)考慮降水量對(duì)網(wǎng)約車充電負(fù)荷的影響。

3 電動(dòng)網(wǎng)約車和出租車的充電負(fù)荷預(yù)測

3.1 電動(dòng)網(wǎng)約車和出租車保有量預(yù)測

根據(jù)國家相關(guān)規(guī)劃，2020年中國新能源汽車產(chǎn)銷量達(dá)到200萬輛，2025年新能源汽車產(chǎn)銷將占20%以上[12]，其中出租車、網(wǎng)約車電動(dòng)化率接近40%。圖1為某市汽車保有量歷史數(shù)據(jù)[7]：

本文基于時(shí)間變化的Bass模型對(duì)電動(dòng)汽車的保有量進(jìn)行預(yù)測[7]：

其中，為預(yù)測年份，依據(jù)圖1所示汽車保有量歷史數(shù)據(jù)數(shù)據(jù)，經(jīng)過線性擬合得到：、和。

考慮到出租車大班和小班的運(yùn)行規(guī)律不同對(duì)充電需求預(yù)測的影響，設(shè)該城市電動(dòng)出租車的總數(shù)為，大班車和小班車的數(shù)量和占比分別為、和、。

電動(dòng)網(wǎng)約車的運(yùn)行數(shù)量在工作日與非工作日會(huì)發(fā)生變化，設(shè)該城市電動(dòng)網(wǎng)約車總數(shù)為，工作日和非工作日的網(wǎng)約車運(yùn)行數(shù)量和比例分別為：、和、。

則一天內(nèi)出租車的大班車和小班車運(yùn)行數(shù)量以及網(wǎng)約車一天內(nèi)實(shí)際運(yùn)行數(shù)量滿足關(guān)系：

3.2 電動(dòng)網(wǎng)約車和出租車的充電負(fù)荷預(yù)測方法

本文基于蒙特卡洛法完成對(duì)電動(dòng)網(wǎng)約車和出租車充電負(fù)荷預(yù)測，預(yù)測流程如下：

（1）預(yù)測電動(dòng)出租車和網(wǎng)約車保有量。

（2）隨機(jī)抽取日期、日行公里數(shù)、充電起始時(shí)間、不同時(shí)段充電比例，采用蒙特卡洛法進(jìn)行計(jì)算。

（3）考慮空間因素，以居民區(qū)為例，確定核心區(qū)、混合區(qū)、郊區(qū)車輛運(yùn)行比例。

（4）考慮天氣因素，生成隨機(jī)數(shù)與降水概率進(jìn)行比較，確定為雨天時(shí)提高充電比例。

某市的一年內(nèi)的降水量歷史數(shù)據(jù)如表3所示[13]：

由表3可以看出，不同月份的降水量及降水天數(shù)均存在較大差異，為了研究降水量對(duì)網(wǎng)約車和出租車充電需求的影響，本文利用蒙特卡洛法對(duì)月份進(jìn)行隨機(jī)抽取，針對(duì)抽取月份，建立以該月平均降水量為均值的正態(tài)分布，再次利用蒙特卡洛法抽取降水量，將抽取值代入公式（3），得出電動(dòng)網(wǎng)約車和出租車的出行降低比例，計(jì)算過程如下：

X為月份，t為該月份中所抽取的降水量，為該月降水量的均值，為標(biāo)準(zhǔn)差。

降水量對(duì)網(wǎng)約車和出租車的出行降低比例呈指數(shù)形式分布[14]，本文采用Logistic回歸模型分析降水量對(duì)電動(dòng)網(wǎng)約車和出租車的出行影響。

Logistic回歸模型如公式（5）所示：

其中為網(wǎng)約車和出租車的出行降低比例，為最小降低比例，為降低系數(shù)，為最大降低比例，為影響出行比例的最小降水量，為降水量，當(dāng)時(shí)，不影響出行。出行比例降低的部分即認(rèn)為電動(dòng)汽車在充電。

（5）考慮時(shí)間因素，完成對(duì)電動(dòng)網(wǎng)約車和出租車在工作日與非工作日的抽取。

（6）確定電動(dòng)網(wǎng)約車和出租車車輛類型。

比亞迪電動(dòng)汽車已作為電動(dòng)出租車廣泛投入使用[10]，本文以比亞迪E6電動(dòng)汽車作為電動(dòng)出租車的研究對(duì)象。

網(wǎng)約車中93%的車輛均為私家車[15]，私家車的種類繁多，若以單一車輛類型對(duì)電動(dòng)網(wǎng)約車充電負(fù)荷模型建模時(shí)，將會(huì)產(chǎn)生較大誤差，因此，本文選取市場上銷售量較大的7種車輛類型，根據(jù)銷售比例，通過加權(quán)平均和的形式，得出研究模型中電動(dòng)網(wǎng)約車的車輛特征。計(jì)算方法為：

其中為網(wǎng)約車模型的最大行駛里程數(shù)，為第一種電動(dòng)汽車銷售量占所有電動(dòng)車銷售總量的比例，為第種電動(dòng)汽車的最大行駛里程數(shù)。

同理，根據(jù)上述方法推算出電動(dòng)網(wǎng)約車充電模型的常規(guī)充電功率、快速充電功率和電池容量。

（7）計(jì)算各個(gè)時(shí)間段內(nèi)車輛消耗負(fù)荷和充電所需時(shí)間。已知電動(dòng)汽車電池的剩余電量與電動(dòng)汽車的充電所需時(shí)間有直接聯(lián)系，根據(jù)公式（7）和（8）完成充電所需時(shí)長的計(jì)算。

電動(dòng)網(wǎng)約車和出租車的起始電荷剩余量與汽車的行駛公里數(shù)有關(guān)，根據(jù)網(wǎng)約車和出租車的出行規(guī)律，網(wǎng)約車和出租車在不同時(shí)間段內(nèi)的行駛里程數(shù)不同，在充電時(shí)車輛的行駛里程數(shù)滿足正態(tài)分布，假設(shè)電池最大電荷量可使車輛達(dá)到行駛的最大里程數(shù)，則汽車開始充電時(shí)的車輛電池的電荷剩余量比例應(yīng)滿足關(guān)系：

其中為電動(dòng)網(wǎng)約車和出租車開始充電時(shí)的電荷剩余量比例，為日行里程數(shù)，滿足正態(tài)分布，是電動(dòng)汽車可行駛最大里程數(shù)。

車輛每次充電時(shí)長為：

其中是充電時(shí)長，是電池容量，是充電功率，是充電效率。

（8）將一天24小時(shí)分為1440分鐘，按照正態(tài)分布抽取起始充電時(shí)間，將起始充電時(shí)間與充電所需時(shí)間相加，得到一輛電動(dòng)汽車的充電負(fù)荷。

是第n臺(tái)電動(dòng)汽車完成充電時(shí)間，是充電所需時(shí)間，是充電起始時(shí)間，滿足正態(tài)分布。

在不同區(qū)域內(nèi)，通過將某一時(shí)間段內(nèi)，參與充電的電動(dòng)網(wǎng)約車和出租車的充電負(fù)荷累加，即可得到該區(qū)域內(nèi)電動(dòng)網(wǎng)約車或出租車的充電總負(fù)荷，表達(dá)式如下：

其中，表示某充電時(shí)段參與充電的第輛車，分別表示居民區(qū)中的核心區(qū)、混合區(qū)和郊區(qū)，表示在可得到該車型在該充電時(shí)段區(qū)域內(nèi)參與充電的車輛總數(shù)，表示該充電時(shí)段內(nèi)在區(qū)域參與充電的第輛車產(chǎn)生的充電負(fù)荷，表示區(qū)域的充電總負(fù)荷。

（8）完成空間區(qū)域充電負(fù)荷累加，即可得到電動(dòng)網(wǎng)約車和出租車在該城市居民區(qū)內(nèi)產(chǎn)生的充電總負(fù)荷，即：

4 電動(dòng)網(wǎng)約車和出租車的充電負(fù)荷算例分析

4.1 電動(dòng)網(wǎng)約車、出租車基本參數(shù)選擇

根據(jù)第一電動(dòng)網(wǎng)[16]提供的產(chǎn)銷數(shù)據(jù)可知，自2019年7月至2020年7月期間，銷售量較高的幾款面向大眾的純電動(dòng)汽車分別是特斯拉Model 3、比亞迪秦、傳祺Aion S、蔚來ES6、奇瑞eQ電動(dòng)、北汽EU系列、威馬EX5等。具體參數(shù)如表4所示：

根據(jù)上表信息和公式（7）推算網(wǎng)約車模型相關(guān)參數(shù)，出租車車輛參數(shù)以比亞迪E6為例，具體參數(shù)如表5所示：

根據(jù)上述保有量預(yù)測模型，代入預(yù)測的年份，在電動(dòng)網(wǎng)約車和出租車滲透率為5%的條件下，得到網(wǎng)約車保有量9300輛，出租車保有量8100輛。

核心區(qū)、混合區(qū)、郊區(qū)車輛比例分為0.39、0.44、0.17。

根據(jù)電動(dòng)汽車充電特性，假設(shè)充電效率。

隨機(jī)抽取降雨量，根據(jù)公式（6），計(jì)算出電動(dòng)網(wǎng)約車和出租車的出行降低比例，根據(jù)降低比例提高電動(dòng)網(wǎng)約車和出租車的充電比例，當(dāng)抽取降雨量大于（最大降雨量）時(shí)，認(rèn)定所有車輛均不出行。

4.2 工作日和非工作日下的電動(dòng)網(wǎng)約車和出租車充電負(fù)荷曲線分析

為充分體現(xiàn)本文所提預(yù)測模型中空間、時(shí)間和天氣因素對(duì)負(fù)荷預(yù)測的影響，按照非工作日和工作日，分別對(duì)電動(dòng)網(wǎng)約車和出租車在居民核心區(qū)、混合區(qū)、郊區(qū)的充電負(fù)荷需求，以及在降水和非降水情況下的充電負(fù)荷需求進(jìn)行分析。

（1）由圖2至圖5均可看出電動(dòng)網(wǎng)約車和出租車的充電負(fù)荷曲線呈“雙峰”分布，但是充電負(fù)荷在不同區(qū)域的充電高峰時(shí)段和峰谷值均有所不同，其中郊區(qū)的充電需求最小，主要原因是郊區(qū)人流量較少;綜合來看，充電需求最大的是混合區(qū)，混合區(qū)位于核心區(qū)與郊區(qū)之間，人流量雖不如核心區(qū)大，但是混合區(qū)存在著大量的居民，由于離市區(qū)更遠(yuǎn)，所帶來的出行需求更大，因此充電需求更大。

（2）工作日時(shí)，電動(dòng)網(wǎng)約車充電負(fù)荷曲線在凌晨1：20左右達(dá)到峰值，電動(dòng)出租車充電負(fù)荷曲線在凌晨2：00左右達(dá)到峰值;非工作日時(shí)，網(wǎng)約車的充電負(fù)荷曲線在凌晨1：40左右達(dá)到峰值，出租車在凌晨1：50左右達(dá)到峰值;網(wǎng)約車和出租車的峰值出現(xiàn)時(shí)間不同，主要是車輛的運(yùn)行模式不同造成的。

（3）比較圖3和圖5可知，工作日時(shí)的凌晨，郊區(qū)最先達(dá)到充電負(fù)荷峰值，其次是核心區(qū)，混合區(qū)最晚，而非工作日時(shí)，混合區(qū)最先達(dá)到充電負(fù)荷區(qū)間峰值，其次是核心區(qū)，最晚是郊區(qū)，這與每個(gè)區(qū)域居民的出行習(xí)慣相關(guān)[10]。

（4）比較圖2至圖5中的降水情況和非降水情況下的充電負(fù)荷曲線，均可看出降水對(duì)電動(dòng)網(wǎng)約車和出租車充電負(fù)荷有較大影響。原因是降水情況下，司機(jī)的能見度降低，地面濕滑程度增大，增大了出行的危險(xiǎn)程度，因此網(wǎng)約車和出租車出行量減少，充電比例增大，導(dǎo)致充電負(fù)荷增大。對(duì)比圖2和圖4容易發(fā)現(xiàn)降水對(duì)電動(dòng)網(wǎng)約車影響更大，主要是因?yàn)榫W(wǎng)約車存在較多的兼職車主，網(wǎng)約車工作對(duì)他們來說只是一項(xiàng)兼職工作，當(dāng)受到降水影響，出行危險(xiǎn)增大時(shí)，更容易選擇不出行，網(wǎng)約車受降水影響更加明顯。

（5）比較圖2和圖4，電動(dòng)網(wǎng)約車的最大峰值在非工作日略高于工作日，是因?yàn)榉枪ぷ魅沼屑媛毦W(wǎng)約車的加入使得網(wǎng)約車外出數(shù)量變大，由此帶來的充電需求更大;而中午的峰值在工作日高于非工作日，因?yàn)榉枪ぷ魅?，人們的出行更加隨意化，在中午的出行需求大于工作日。

（6）比較圖3和圖5，電動(dòng)出租車的充電負(fù)荷曲線無較大差異，原因是出租車作為具有職業(yè)化的特點(diǎn)的出行工具，運(yùn)行模式較為固定，由此帶來的充電規(guī)律也較為固定。

4.3 不同滲透率下的電動(dòng)網(wǎng)約車和出租車充電負(fù)荷預(yù)測

電動(dòng)網(wǎng)約車作為電動(dòng)私家車的一部分，其運(yùn)行特性與傳統(tǒng)電動(dòng)私家車有較大差異，其充電負(fù)荷需求也有不同。本文以該市電動(dòng)私家車為基數(shù)，分別對(duì)電動(dòng)私家車以及在5%、10%和20%三種不同的滲透率下的電動(dòng)網(wǎng)約車和出租車的充電負(fù)荷進(jìn)行預(yù)測，預(yù)測結(jié)果如圖6所示。

預(yù)測結(jié)果表明，電動(dòng)網(wǎng)約車和出租車的充電負(fù)荷曲線呈“雙峰”分布，峰值在凌晨2點(diǎn)和下午13點(diǎn)左右出現(xiàn)，私家車的充電負(fù)荷曲線呈“三峰”分布，峰值分別在10點(diǎn)、14點(diǎn)和23點(diǎn)左右出現(xiàn)，其中最大峰值為12.5×105kw。隨著電動(dòng)網(wǎng)約車和出租車數(shù)量的增長，當(dāng)電動(dòng)網(wǎng)約車和出租車的數(shù)量占比達(dá)到電動(dòng)私家車數(shù)量的20%時(shí)，峰值可達(dá)8×105kw，此時(shí)已達(dá)到了私家車最大充電負(fù)荷的64%。由此可知，由于網(wǎng)約車和出租車運(yùn)行特殊性，隨著其規(guī)模不斷增大，其充電需求增長迅速，會(huì)對(duì)該城市電動(dòng)汽車總充電負(fù)荷產(chǎn)生較大影響。

5 結(jié)語

本文基于電動(dòng)網(wǎng)約車和出租車運(yùn)行特性，綜合考慮時(shí)間、空間、天氣三大因素對(duì)電動(dòng)網(wǎng)約車和出租車充電需求的影響，依據(jù)某城市電動(dòng)汽車推廣數(shù)據(jù)，采用蒙特卡洛法完成了對(duì)該市電動(dòng)網(wǎng)約車和出租車充電負(fù)荷的預(yù)測。結(jié)果表明電動(dòng)網(wǎng)約車和出租車充電需求和私家車有較大差異，對(duì)于電動(dòng)網(wǎng)約車和出租車而言，混合居民區(qū)電動(dòng)網(wǎng)約車充電需求最大，工作日和非工作日對(duì)電動(dòng)網(wǎng)約車充電需求產(chǎn)生較大影響，降水情況下電動(dòng)網(wǎng)約車和出租車充電需求增加。隨著電動(dòng)網(wǎng)約車和出租車規(guī)?；l(fā)展，其充電需求增長迅速，在城市充電設(shè)計(jì)規(guī)劃時(shí)應(yīng)重點(diǎn)關(guān)注。

基金項(xiàng)目：南充市校科技戰(zhàn)略合作項(xiàng)目 （No.18SXHZ0011）;西南石油大學(xué)開放性重點(diǎn)項(xiàng)目（No.KSZ19715）

四川省省級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（NO. S202010615086）;

參考文獻(xiàn)：

[1]吳憩棠.我國“十城千輛”計(jì)劃的進(jìn)展[J].汽車與配件，2009（13）：15-19.

[2]陳一凡，劉廷章，金勇，張菲，梁立新.電動(dòng)汽車充電調(diào)度綜述[J].電氣自動(dòng)化，2017，39（03）：26-29.

[3]喬文娟. 電動(dòng)汽車充電負(fù)荷預(yù)測及調(diào)整策略[D].寧夏大學(xué)，2014.

[4]蔣林洳，萬偉江，丁霄寅，李濤永，張?jiān)牵瑥埦?一種基于直接蒙特卡洛法的電動(dòng)汽車充電負(fù)荷模型[J].供用電，2018，35（04）：20-25+13.

[5]葉鄭庚.采用聯(lián)系數(shù)與蒙特卡洛模擬的規(guī)模化電動(dòng)汽車充電負(fù)荷預(yù)測[J].電器與能效管理技術(shù)，2019（20）：70-76.

[6]饒穎卿，張曉東，饒宇飛，楊軍，崔惟.考慮分段充電的實(shí)用型電動(dòng)汽車概率負(fù)荷模型[J].電測與儀表，1-8.

[7]李冰軒. 基于蒙特卡洛法的規(guī)模化電動(dòng)汽車充電負(fù)荷預(yù)測研究[D].寧夏大學(xué)，2018.

[8]羅卓偉，胡澤春，宋永華，楊霞，占愷嶠，吳俊陽.電動(dòng)汽車充電負(fù)荷計(jì)算方法[J].電力系統(tǒng)自動(dòng)化，2011，35（14）：36-42.

[9]韓鵬，汪晉寬，韓英華.電動(dòng)汽車充電規(guī)律對(duì)配電網(wǎng)影響的分析與建模[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，33（12）：1702-1705.

[10]劉依敏.基于出租車GPS數(shù)據(jù)的大型居民區(qū)活動(dòng)特性研究——以深圳市為例[A]. 中國城市規(guī)劃學(xué)會(huì)城市交通規(guī)劃學(xué)術(shù)委員會(huì).品質(zhì)交通與協(xié)同共治——2019年中國城市交通規(guī)劃年會(huì)論文集[C].中國城市規(guī)劃學(xué)會(huì)城市交通規(guī)劃學(xué)術(shù)委員會(huì)：中國城市規(guī)劃設(shè)計(jì)研究院城市交通專業(yè)研究院，2019：12.

[11]楊曉丹，狄靖月.天氣現(xiàn)象影響公路低能見度的特征[J].科技導(dǎo)報(bào)，2013，31（32）：58-63.

[12]工業(yè)和信息化部，國家發(fā)展改革委，科技部.汽車產(chǎn)業(yè)中長期發(fā)展規(guī)劃[Z].2017-04-06.

[13]http：//www.doc88.com/p-540678094474.html.

[14]劉立坤. 基于GPS數(shù)據(jù)的降雨情況下出租車運(yùn)營狀態(tài)分析[D].北京交通大學(xué)，2018.

[15]鄭了了.網(wǎng)約車出行：現(xiàn)實(shí)困境與實(shí)現(xiàn)路徑——基于H市的實(shí)證研究[J].山西高等學(xué)校社會(huì)科學(xué)學(xué)報(bào)，2020，32（09）：43-51.

[16]http：//biz.touchev.com/industry_data.