数据驱动的共享电动汽车流量预测与定价方案

摘要

为了提升共享电动汽车系统的经济性与运营效率,需要充分挖掘用户对共享使用价格的响应机制以及用户的充电等待行为。同时,用户流量需求的精准预测是提供合理共享定价方案的重要基础。基于此,首先建立以数据驱动的用户流量预测模型,通过结合图卷积神经网络与长短时记忆模型,捕捉用户需求的时空特征和动态相关性,并结合时间与天气特征因素实现多时间步长的准确流量预测。其次,考虑用户在共享系统下的等待自适应行为,建立基于用户等待成本的共享系统服务质量模型。而后以实现最大化共享系统利润收益与服务质量为目标,建立多目标的共享定价模型以制定不同时刻与路径上的共享电动汽车使用价格。最后,以上海市虹口区EVCARD交通测试系统的算例分析,论证所提流量预测模型的准确性以及多目标定价模型的有效性与经济性。研究结果表明:所提的SEV多因素融合需求预测模型较其现有的常用预测方法能获得更加准确的多时间步长流量预测;通过合理设置共享驾驶的空间和时间变化价格信号,可以提升共享电动汽车系统的运营盈利能力,并且实现了更好的系统利润收益与用户服务质量平衡的运行需求。