Интеграция моделей трафика и потребления энергии для устойчивого развития городов

Растущий императив для комплексного городского моделирования

Городские районы по всему миру сталкиваются с растущим давлением, направленным на сокращение выбросов углерода при сохранении мобильности и экономической жизнеспособности. На транспортный сектор приходится примерно четверть глобальных выбросов CO_]2, связанных с энергетикой, причем наибольшую долю составляют автомобильные перевозки. Для решения этой проблемы требуется не только отдельное повышение эффективности транспортных средств или времени сигнализации. Городским планировщикам необходимо единое представление о том, как поведение транспорта стимулирует спрос на энергию во всей городской системе.

Вместо того, чтобы рассматривать транспорт и энергию как отдельные области, эти модели фиксируют динамические петли обратной связи между движением транспортного средства, моделями перегрузки, потреблением топлива или электроэнергии и возникающим экологическим воздействием. При правильном применении они позволяют планировщикам оценивать инвестиции в инфраструктуру, изменения политики и сценарии внедрения технологий с уровнем точности, который не может соответствовать изолированным подходам.

В настоящее время особенно актуальна ситуация. Города вкладывают значительные средства в инфраструктуру зарядки электромобилей, интеллектуальные транспортные системы и зоны с низким уровнем выбросов. Без комплексного моделирования эти инвестиции могут привести к смещению позиций; например, развертывание зарядных станций в местах с минимальным трафиком или внедрение схем ценообразования на перегрузки, которые непреднамеренно перемещают выбросы в соседние коридоры. Интегрированные модели помогают избежать таких результатов, раскрывая полные системные последствия любого вмешательства.

Почему традиционное раздельное моделирование не подходит

Десятилетиями в параллельных мирах работали специалисты по планированию перевозок и энергетические аналитики. Инженеры по транспорту сосредоточились на оптимизации транспортного потока, снижении заторов и повышении безопасности. Моделисты по энергетике, между тем, сосредоточились на выработке электроэнергии, мощности сети и потреблении зданий. На пересечении этих областей уделялось минимальное внимание.

Такое разделение привело к нескольким хорошо задокументированным недостаткам. Проекты по снижению заторов, такие как добавление полос движения, часто преуспевали в сокращении времени в пути, но не учитывали вызванный спрос; явление, когда улучшенная пропускная способность дорог привлекает дополнительные транспортные средства, в конечном итоге увеличивая общий расход топлива и выбросы. Аналогичным образом, принятие электромобилей было смоделировано в первую очередь с точки зрения сетевого питания, без достаточного рассмотрения того, как поведение зарядки взаимодействует с моделями движения, наличием парковки и ценами на электроэнергию во время использования.

Последствия этого фрагментированного подхода можно измерить. Исследование Национальной лаборатории возобновляемых источников энергии показало, что игнорирование связи между потоком трафика и потреблением энергии привело к ошибкам в прогнозируемой экономии топлива от 15 до 30 процентов в некоторых городских коридорах. Эти ошибки напрямую переводятся в неправильно распределенные бюджеты, пропущенные цели по выбросам и инфраструктуру, которая не выполняется, как ожидалось.

Интегрированные модели решают эти «слепые пятна», представляя городскую систему как сеть взаимозависимых переменных. Когда объем трафика увеличивается, средние скорости падают, эффективность использования топлива снижается, а выбросы растут — но величина этих эффектов зависит от смеси транспортных средств, геометрии дороги, времени сигнала и поведения водителя. Только сцепленная модель может захватить эту сложность с точностью, необходимой для принятия решений инвестиционного уровня.

Основные компоненты интегрированных моделей трафика и энергии

Модели потоков трафика

Модели движения транспортных средств формируют основу любой интегрированной системы. Эти модели имитируют движение транспортных средств по дорожным сетям с использованием комбинации макроскопических, мезоскопических и микроскопических подходов. Макроскопические модели рассматривают движение как непрерывный поток, применяя принципы динамики жидкости для прогнозирования моделей заторов и средней скорости по основным коридорам. Микроскопические модели отслеживают отдельные транспортные средства, фиксируя поведение, меняющее полосу движения, профили ускорения и время реакции водителя.

Современные модели трафика все чаще включают данные в реальном времени от детекторов петли, GPS-зондов и подключенных систем транспортных средств. Эти данные поступают в алгоритмы динамического назначения трафика, которые предсказывают, как водители будут реагировать на изменяющиеся условия, включая переключение маршрута во время перегрузки или в ответ на переменные сигналы сообщения. Выход — обычно временная серия подсчетов транспортных средств, скоростей и траекторий для каждого звена в сети — становится основным входом для расчетов энергопотребления.

Ключевые параметры, связывающие модели движения с моделями энергии, включают в себя среднее распределение скоростей, события ускорения-замедления (которые оказывают чрезмерное влияние на использование топлива), время пребывания транспортных средств на перекрестках и долю транспортных средств большой грузоподъемности в потоке движения. Высококачественные модели движения фиксируют эти параметры при точном пространственном и временном разрешении, часто с интервалами от пяти до пятнадцати минут в отдельных сегментах дороги.

Модели потребления энергии

Модели энергопотребления преобразуют выходы модели движения в оценки использования топлива или электроэнергии. Наиболее широко используемые подходы подразделяются на две категории: агрегированные модели, основанные на средних показателях скорости и коэффициентах выбросов, и модальные модели, учитывающие мгновенные условия эксплуатации.

Совокупные модели, например, используемые в региональном планировании перевозок, применяют средние коэффициенты выбросов к пройденным милям транспортных средств, часто стратифицируемым по типу транспортного средства и диапазону скоростей. Эти модели являются вычислительно эффективными и пригодными для широкого анализа политики, но они упускают нелинейные эффекты заторов, остановки и движения и агрессивного ускорения. В результате они склонны недооценивать потребление энергии в перегруженных городских условиях и переоценивать его на свободно движущихся автомагистралях.

Модальные модели, напротив, оценивают потребление энергии при высоком временном разрешении с использованием данных о скорости и ускорении в секунду. Модели MOVES EPA's и COPERT Европейской комиссии's представляют собой яркие примеры. Эти модели применяют уравнения спроса на электроэнергию, которые учитывают массу транспортного средства, аэродинамическое сопротивление, сопротивление качению и дополнительные нагрузки. Для электромобилей они также учитывают эффективность рекуперативного торможения и эффекты заряда батареи. В то время как более точные, чем агрегатные модели, модальные модели требуют гораздо более богатых входных данных и больших вычислительных ресурсов.

Выбор между агрегированным и модальным моделированием зависит от применения. Для общегородского стратегического планирования агрегированные модели могут обеспечивать достаточную точность с управляемыми требованиями к данным. Для оценки проектов на уровне коридоров или анализа горячих точек выбросов модальные модели являются наиболее предпочтительными. Многие интегрированные структуры в настоящее время поддерживают оба подхода, позволяя пользователям выбирать соответствующий уровень детализации для каждого анализа.

Модели воздействия на окружающую среду

Модели воздействия на окружающую среду устраняют разрыв между потреблением энергии и реальными результатами загрязнения. Эти модели преобразуют оценки потребления топлива в количества парниковых газов (CO _]2 , CH ₄ , N ₂ O) и критерии загрязнителей воздуха (NOx, PM _2.5 , CO, летучие органические соединения) с использованием факторов выбросов, зависящих от топлива. Они также учитывают выбросы в верхнем течении от производства топлива и выработки электроэнергии, обеспечивая перспективу для колес.

Для оценки воздействия транспортных мероприятий на здоровье людей эта способность имеет решающее значение, поскольку воздействие загрязнения воздуха, связанного с движением, значительно варьируется в районах и на отдельных улицах. Планировщики могут использовать эти модели для выявления проблем экологической справедливости, когда общины с низким уровнем дохода или меньшинства испытывают непропорциональное бремя загрязнения от близлежащих дорог.

Интеграция моделей воздействия на окружающую среду с моделями движения и энергии создает полный инструмент поддержки принятия решений. Один симуляционный запуск может предсказать, как предлагаемые инвестиции в транзит или изменение землепользования повлияют на поток трафика, потребление энергии, выбросы парниковых газов, качество воздуха на местах и воздействие на население.

Измеримые преимущества комплексного подхода

Повышение точности прогнозирования спроса на энергию

Интегрированные модели последовательно превосходят изолированные подходы в прогнозировании спроса на энергию. В исследовании 2023 года, опубликованном в Transportation Research Part D, сравнивались интегрированные и независимые прогнозы для среднего европейского города и было установлено, что интегрированная модель уменьшила среднюю абсолютную ошибку прогнозирования на 22 процента для потребления бензина и 18 процентов для спроса на электроэнергию от электромобилей. Улучшение было наиболее выраженным в пиковые периоды путешествий, когда эффекты перегрузки являются самыми сильными, а отдельные модели ошибаются наиболее сильно.

Это повышение точности имеет прямые финансовые последствия. Коммунальные компании используют прогнозы спроса на энергию для планирования генерирующих мощностей, модернизации сетей и структур тарифов. Переоценка спроса приводит к застрявшим активам и более высоким потребительским расходам. Занижение рисков спроса и аварийных закупок электроэнергии по премиальным ценам. Интегрированные модели снижают оба риска, захватывая связь в реальном времени между условиями движения и энергетической нагрузкой.

Целевая идентификация зон с высоким воздействием

Одним из наиболее мощных применений интегрированных моделей является пространственный анализ. Накладывая интенсивность движения, потребление энергии на милю и выбросы на карту города, планировщики могут определить коридоры, где целевые вмешательства дают наибольшую экологическую отдачу. Эти зоны с высоким воздействием часто имеют общие характеристики: остановка и движение, высокая плотность транспортных средств и значительная доля тяжелых грузовиков.

Например, интегрированная модель, применяемая к крупному артериальному коридору в Барселоне, показала, что синхронизация дорожных сигналов вдоль трехкилометрового участка снижает среднее потребление энергии в пути на 14 процентов, причем наибольшая экономия сосредоточена на пяти конкретных перекрестках. Модель изолированного трафика позволила бы определить снижение заторов, но не смогла бы количественно оценить экономию энергии, которая оправдывала инвестиции в обновление сигнала. Комплексный анализ предоставил бизнес-кейс, необходимый для обеспечения финансирования.

Устойчивое проектирование транспортной политики

Интегрированные модели позволяют разрабатывать политику на основе фактических данных в широком диапазоне мероприятий. Зоны с низким уровнем выбросов, ценообразование на перегруженность, управление парковками, приоритетные полосы транзита и снижение скоростных ограничений влияют на поведение транспорта и потребление энергии сложными способами. Модели позволяют политикам моделировать эти политики практически до их реализации, избегая дорогостоящих ошибок и укрепляя доверие заинтересованных сторон.

Цена за перегрузку является ярким примером. Введенный в 2003 году взнос за перегрузку в Лондоне и Лондоне' снизил объемы трафика примерно на 15 процентов и сократил выбросы CO_]2 в зоне зарядки примерно на 20 процентов. Однако ранние модели, которые рассматривали поток трафика в изоляции, не смогли предсказать степень отвлечения на периферийные маршруты, где перегрузки и выбросы фактически увеличились. Интегрированная модель, включающая энергию и выбросы по всей сети, позволила бы получить более точные оценки чистого воздействия на окружающую среду и руководствовалась бы разработкой дополнительных мер для затронутых коридоров.

Повышение устойчивости городов

Города все чаще сталкиваются с перебоями в результате экстремальных погодных явлений, сбоев в инфраструктуре и чрезвычайных ситуаций в области общественного здравоохранения. Интегрированные модели использования энергии движения поддерживают планирование устойчивости путем моделирования того, как городская система реагирует на потрясения. Например, модель может предсказать, как закрытие дорог, связанное с наводнениями, влияет на перераспределение трафика, в результате чего меняется потребление энергии, и обладает ли сеть достаточной мощностью для удовлетворения повышенного спроса на зарядку электромобилей в незатронутых районах.

Во время пандемии COVID-19 несколько городов использовали интегрированные модели для оценки того, как тенденции в области телекоммутации и сокращение числа пассажиров, совершающих транзит, влияют на потребление энергии и выбросы. В результате проведенных исследований были разработаны стратегии поэтапного возобновления и инвестиции в активную транспортную инфраструктуру, которые поддерживают как цели в области общественного здравоохранения, так и цели в области климата. Поскольку города сталкиваются с более частыми и серьезными нарушениями, этот тип анализа устойчивости станет основной функцией планирования.

Интеграция данных и технические проблемы

Доступность и качество данных

Наибольшим практическим барьером для интегрированного моделирования являются данные. Модели движения требуют непрерывного подсчета, измерения скорости и данных классификации транспортных средств по всей дорожной сети. Модели энергии требуют данных о составе парка транспортных средств, рейтингах экономии топлива и, для электромобилей, профилей поведения зарядки. Эти наборы данных происходят из разных источников, с различными пространственными и временными разрешениями и с разными частотами обновления.

Во многих городах отсутствует комплексная инфраструктура мониторинга движения, особенно на небольших дорогах и в пригородных районах. Даже там, где имеются данные, несоответствия в методах сбора и стандартах отчетности усложняют интеграцию. В подсчете трафика с помощью индуктивного петлевого датчика могут использоваться различные классификации транспортных средств, чем система автоответчиков или ручное обследование, что делает прямое сравнение проблематичным.

Новые источники данных предлагают частичные решения. Плавающие данные о автомобилях из навигационных приложений, GPS-оборудованных парков и подключенных транспортных средств обеспечивают богатый пространственный охват по умеренной цене. Данные о местоположении мобильного телефона могут определять модели происхождения и назначения поездки. Однако эти наборы данных вызывают проблемы конфиденциальности и могут вводить искажения выборки. Операторы флота и городские агентства должны установить рамки управления данными, которые уравновешивают аналитическую ценность с защитой конфиденциальности, как указано на Международном транспортном форуме .