评估电动汽车再生制动动力学对交通容量影响的解析框架
物理与社会
2025-08-06 v2
摘要
再生制动（RB）显著影响电动汽车（EV）的跟随（CF）动力学, 但传统的交通流模型很少捕捉这些效应。我们引入了一个综合的实证数据集, 包含来自25位驾驶员、8种不同EV模型的197.5小时驾驶数据, 以系统性地调查再生引起的CF行为。发现两种主要的CF模式: (i) 在稳态情景下, EV使用再生制动并随后重新加速以恢复平衡速度, 且保持更大的间距; (ii) 动态情景涉及领头车辆的振荡, 其特征为独特的三阶段CF过程-再生制动-过渡平台-快速加速。本文的主要贡献是开发了一个解析框架, 用于建模这些EV特定的CF行为并量化其对交通容量的影响。我们推导了文献中已知的eta函数的闭式表达式, 明确量化了EV驾驶偏离由Newell的CF模型定义的稳定CF的程度, 并评估其对道路容量的影响。验证结果表明, 模型在复制实际eta轨迹方面准确率达到R²=0.96。敏感性分析显示, 增加再生制动强度、延长过渡过程以及缩短反应延迟都会显著提高eta值并导致累计容量损失。这些发现突显了通过RB实现能源回收与交通效率降低之间的明确权衡, 为EV感知的交通建模、控制策略以及交通政策提供了关键见解。
引用
@article{arxiv.2508.01938,
title = {Analytical Framework for Evaluating Traffic Capacity Impacts of Electric Vehicles' Regenerative Braking Dynamics},
author = {Yuhang Wang and Md. Zidan Shahriar and Hao Zhou},
journal= {arXiv preprint arXiv:2508.01938},
year = {2025}
}
备注
After a second thought, coauthors feel that the current manuscript is not ready for share it