技术特征：
1.一种基于agent仿真的停车换乘碳排放估算方法，其特征在于包括以下步骤：c1初始化c11初始化仿真环境初始化仿真步长step、迭代次数m、最大迭代次数m、od矩阵、预约泊车比率η
booking
、通勤出行比例η
com
以及高收入出行者比例η
high
；c12初始化组合网络agent初始化起始节点集合s
o
、终止节点集合s
d
以及停车场节点集合s
p
；利用组合网络的邻接矩阵，生成路段对象；初始化组合网络各路段的编号id
l
、长度len
l
、类型m
l
、路径上总碳排放e
totall
以及路径上每次迭代碳排放e
perl
；c13初始化停车场agent生成停车场对象parkinglot，初始化其停车费率f
p
、预约费f
b
、最大泊位容量可预约泊位总数非预约泊位总数可预约泊位使用量和非预约泊位使用量c2生成出行者agentc21出行者生成根据od矩阵随机生成出行者，即traveller对象，设置其编号id
t
、起点o、终点d以及出发时刻t
d
；随机设置出行者的停车时长pt；根据设定的通勤出行比例η
com
和高收入出行者比例η
high
，随机确定当前出行者的通勤属性和收入属性f
commuter
和f
high
的值是否为true；设置出行者总碳排放e
totalr
、出行者小汽车出行碳排放e
cart
、出行者公共交通出行碳排放e
pubt
和每次迭代出行者碳排放e
pert
；将生成的traveller对象添加到出行者集合s
tra
中；c22预约停车属性确定根据设定的预约停车比例η
booking
随机确定当前出行者是否预约停车，若为预约用户，则设置其停车预约属性p
booking
为true；出行者首先确定候选停车场，比较“自驾车出行”和“停车换乘出行”两种方式的广义成本或综合累积前景值，选择最优方式出行，规划最优路径，前往目标停车场；非通勤出行者考虑行程时间、货币费用和舒适性损耗因素计算广义成本，并选择广义成本最小的出行方式；通勤出行者考虑时间和货币费用两因素来计算综合累积前景值，并选择综合累积前景值最大的出行方案；若预约停车失败，则该出行者转为非预约出行者，其f
booking
属性设置为false，同样比较两种出行方案的出行成本，确定目标停车场，规划路径，前往目标停车场；c3出行者位置更新、路段碳排放更新与路段流量更新c31出行者位置更新如果出行者尚未到达网络节点处，则根据其所在的路段类型沿着该路段前进一段距离d，d的计算公式如下：
d＝min(d
nextnode
，step*v
t
)其中，d
nextnode
代表距离下个节点的距离，step代表仿真步长，v
t
代表路段对应的行程速度；若当前路段类型为小汽车路段，则更新出行者的小汽车出行里程d
car
＝d
car
+d；若为地铁或公交路段，则更新公共交通出行里程d
pub
＝d
pub
+d；若为步行路段，则更新步行里程d
walk
＝d
walk
+d；c32路段碳排放更新c321若此次出行方式为小汽车，则估算此次迭代过程中出行者的碳排放更新出行者的小汽车出行碳排放e
cart
并更新此次迭代中各路段产生的碳排放计算公式如下：下：下：式中，代表第k次迭代过程小汽车出行产生的碳排放，代表第k次迭代过程中路段a上小汽车出行产生的碳排放，代表第k次迭代过程中路段a上公共交通出行产生的碳排放，k代表迭代次数，a代表组合路网中的路段；小汽车的碳排放估算方法如下：系统每分钟迭代一次，迭代之后智能体属性更新，两次迭代之间的属性保持不变，路径上的出行者出行速度由路径属性决定；基于以上特点，设计的小汽车碳排放估算模型影响因素仅包括车辆的实时速度和在不同速度下的行驶距离，具体计算式为：同速度下的行驶距离，具体计算式为：其中，q为小汽车驾驶的实际耗油量，单位为g，er0为vsp bin为0时的平均油耗率，单位为g/s，ner
j
为j区间标准油耗率，无单位，t
j
表示轻型车实际行驶时平均速度落在j区间的总时间，单位为s，为小汽车的co2排放量，单位为g，为消耗1g国标93#汽油排放的co2，无量纲；c322若此次出行方式为公共交通，则估算此次迭代出行者产生的碳排放e
pert
，更新此次迭代出行者的公共汽车碳排放e
pubt
，并更细在迭代中各路段的碳排放计算公式如下：计算公式如下：计算公式如下：其中，代表第k次迭代过程公共交通出行产生的碳排放；公共交通的碳排放估算方法如下：所有人换乘公共交通的等待时间相同，都采用发车间隔的一半，行驶速度由路径该时
段的平均速度决定，地铁行驶速度保持不变；基于以上特点，且考虑到相对于小汽车的碳排放量，公共交通产生的碳排放总量非常低，选择的公共交通碳排放估算模型的影响因素仅包括出行者的公共交通出行距离，具体公式如下式：式中为公共交通的二氧化碳排放量，d
m
为第m1人的公共交通出行距离，单位为km，m1为乘坐公共交通的出行者总数为每公里二氧化碳排放量，单位为g/km；c33路段流量更新遍历集合s
tra
中的每个出行者agent，检查其当前所在路段l
cur
，若l
cur
为汽车路段，且出行者的f
firstlink
属性为true，表示出行者第一次到达该路段，则更新该路段的流量q
l
＝q
l
+1；如果出行者上一条路段l
last
也为汽车路段，说明出行者已经离开上一条路段，则更新上一条路段流量q
l
＝q
l-1；c4路网状态更新根据汽车网络层中各路段的交通量，更新路网中对应路段的行程速度v
a
和行程时间c5出行者出行方式与路径选择更新当出行者到达网络中的普通节点和停车场节点时，其需要根据交通状况重新比较停车换乘和小汽车出行两种方案优劣，动态更新出行路径，确定前往的下一个节点；c51停车场节点决策c511如果出行者选择“停车换乘”方案且到达换乘停车场，根据是否为预约停车以及有无空闲非预约泊位，分为三种情况：c5111预约出行，由于在出发进行停车预约时已经保留泊位，预约出行者到达停车场直接停车，完成停车后，更新停车场相关属性；随后换乘公共交通，根据成本函数确定前往目的地的最优路径，完成出行，更新出行者相关属性；c5112非预约出行且停车场有空闲的非预约泊位，出行者直接完成停车，更新停车场相关属性；随后换乘公共交通，根据成本函数确定前往目的地的最优路径，完成出行，更新出行者相关属性；c5113非预约出行且停车场没有空闲的非预约泊位，出行者重新进行方案比选，确定目标停车场和出行路径，出行者前往下一个节点，更新出行者相关属性；c512如果出行者选择“纯自驾车”方案且到达目的地附近的停车场，根据有无空闲非预约泊位和是否预约停车分为3种情况：c5121预约停车出行，由于预约时已经保留车位，因此出行者直接停车；完成停车后，更新停车场相关属性；搜索从停车场步行到目的地的最优路径，更新出行者相关属性；c5122非预约出行且停车场有空闲非预约泊位，出行者完成停车，更新停车场相关属性；
搜索从停车场步行到目的地的最优路径，更新出行者相关属性；c5123非预约出行且停车场没有空闲非预约泊位，出行者进入“停车巡游”状态，即重新搜索目的地附近的非换乘停车场，根据成本函数选择最优路径前往更新出行者相关属性，若停车场无泊位，再次更换停车场；停车巡游并完成停车后，更新停车场相关属性，搜索从停车场步行到目的地的最优路径，更新出行者相关属性；c52普通节点决策c521出行者在普通节点的决策分为以下3种情况：c5211如果出行者已经完成停车且到达目的地所在节点，则出行者此次出行结束，更新出行者相关属性，并将该出行者添加到已结束出行的出行者集合s
fin
中；c5212如果出行者已经完成停车且到达出行途中某节点，则搜索从当前节点到终点的最优路径，并更新出行者相关属性；c5213如果出行者尚未完成停车且到达某节点，则比较“纯自驾出行”和“停车换乘”两方案，通勤出行者依据综合累积前景理论进行方式决策，非通勤出行依据广义成本理论进行方式决策；确定最优路径后，更新出行者相关属性；c6停车场状态更新对于每个停车场，分别检查其普通停车队列和预约停车队列，如果车辆的停车时间已到，则将该车辆从停车队列剔除；对于每个停车场，检查其排队停车队列q
q
，如果存在排队情况且停车场有空闲的非预约泊位，则将排队队列前面n辆车辆移出排队队列并加入非预约停车队列q
ub
；c7更新迭代过程中的碳排放如果本次迭代中的出行者全部生成，则更新此次迭代中产生的碳排放，统计并记录本次迭代产生的小汽车出行碳排放e
cart
和公共交通出行碳排放e
pubt
；如果出行者未全部生成，则根据od矩阵继续生成出行者，重复以上步骤，直到本次迭代出行者全部生成；c8仿真终止条件判断，数据统计如果当前迭代次数没有达到最大迭代次数，即m≤m，则返回步骤2；如果达到仿真终止条件，则停止仿真，并统计所有出行者的可利用信息。2.根据权利要求1所述的一种基于agent仿真的停车换乘碳排放估算方法，其特征在于：步骤c22中，所述广义成本最小值的计算过程如下：w1+w2+w3＝1且w1，w2，w3＞0c
*
＝min{c
i
}，i∈i式中，n表示第n种出行模式，为第n种出行模式中路段a的总成本；a为各种出行方式的组合网络中所有路段的集合；为路段a的时间成本；为路段a的由货币转换来的时间成本；为路段a的由舒适度损耗转换来的时间成本；w1、w2以及w3分别为时间成本、货币成
本以及舒适度损耗成本的权重系数，根据收入水平确定；c
i
表示出行方案i的广义成本；h为出行路径h中的路段；为第n种出行模式下路段h的广义成本；c
*
为取各出行方案广义成本的最小值，i表示第i个出行方案，i表示出行方案集合；所述综合累积前景值最大值的计算过程如下：cpv
*
＝max{cpv
i
}，i∈i式中，cpv
i
为出行方案i的综合积累前景值；t和c分别代表时间和货币；为方案i的行程时间积累前景值；为方案i的货币费用积累前景值；w
t
和w
c
分别是时间积累前景值和货币费用积累前景值的权重系数；cpu
*
为取各出行方案综合积累前景值的最大值。3.根据权利要求1所述的一种基于agent仿真的停车换乘碳排放估算方法，其特征在于：步骤c32中，若此次出行方式为小汽车，则假定仿真系统不考虑出行者之间是否搭乘同一辆小汽车；若此次出行方式为公共交通，则假定仿真系统不考虑出行者是否搭乘同一辆公共汽车或地铁。4.根据权利要求1所述的一种基于agent仿真的停车换乘碳排放估算方法，其特征在于：步骤c4所述的更新路网中对应路段的行程速度v
a
和行程时间计算过程如下：计算过程如下：其中，为汽车路段a上的自由流速度；q
a
为路段a上的交通量；c
a
为路段a上的通行能力；l
a
为路段a的长度；α
brp
和β
brp
为bpr函数参数。5.根据权利要求1所述的一种基于agent仿真的停车换乘碳排放估算方法，其特征在于：步骤c6所述n为：n＝min(n
ub
，n
q
)其中，n
ub
为空闲的非预约泊位数；n
q
为停车排队车辆数。
技术总结
本发明公开了一种基于Agent仿真的停车换乘碳排放估算方法。本发明首先初始化仿真环境参数、组合网络Agent和化停车场Agent；其次根据OD矩阵随机生成出行者并基于通勤与非通勤出行者确定预约停车属性；然后更新出行者位置、路段流量、路网状态和出行的路段碳排放；然后当出行者到达网络中的普通节点和停车场节点时，根据交通状况重新比较停车换乘和小汽车出行的优劣，动态更新出行路径，确定前往的下一个节点；再然后更新停车场普通停车队列和预约停车队列状态与此次迭代中产生的碳排放；最后仿真终止，统计数据。本发明通过仿真手段实现了停车换乘多模式出行的碳排放估算，可以评价采用何种方式来降低区域交通碳排放更为有效。效。效。
技术研发人员：梅振宇 张弘扬 严助 丁文超 赵锦焕
受保护的技术使用者：浙江大学
技术研发日：2022.07.28
技术公布日：2022/11/25