Urban Congestion Patterns under High Electric Vehicle Penetration: A Case Study of 10 U.S. Cities
作者: Xiaohan Xu, Wei Ma, Zhiheng Shi, Xiaotong Xu, Bin He, Kairui Feng
分类: eess.SY
发布日期: 2026-02-08
💡 一句话要点
提出混合交通用户均衡模型，分析高电动汽车渗透率下美国城市交通拥堵模式
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 电动汽车渗透 交通拥堵 用户均衡模型 城市交通 交通仿真
📋 核心要点
- 现有交通模型未能充分考虑固定用户类别场景以及缺乏基于真实路网的跨城市分析，导致对电动汽车影响的评估不准确。
- 提出一种混合GV-EV交通的多用户均衡模型，并设计了具有收敛保证的对偶算法和多维评估指标。
- 在美国10个城市进行案例研究，结果表明电动汽车渗透能减少平均出行时间，但效果因城市网络拓扑结构而异。
📝 摘要（中文）
随着全球能源转型和电动汽车（EV）的快速普及，电动汽车和汽油车（GV）之间日益扩大的出行成本差距，正在影响通勤者的路线选择，并可能重塑城市交通拥堵模式。现有研究仍处于初步探索阶段。一方面，多类别模型没有考虑固定的用户类别场景，这可能与实际通勤者不符；另一方面，缺乏基于真实世界复杂路网的跨城市系统定量分析。因此，异构的GV-EV成本结构引起的拥堵效应可能被错误描述或严重低估。为了解决这些局限性，本文提出了一种混合GV-EV交通的多用户均衡（MUE）分配模型，构建了具有收敛保证的对偶算法，并设计了用于拥堵模式的多维评估指标。以美国10个代表性城市为案例研究，本研究基于真实的城市级路网和街区级通勤者起讫点（OD）需求，探讨了不同电动汽车渗透情景下交通拥堵的演变趋势。结果表明，完全电动汽车渗透使10个城市的平均系统出行时间减少了2.27%--10.78%，其中新奥尔良的降幅最大（10.78%），旧金山的降幅最小（2.27%），但缓解拥堵的有效性表现出城市异质性。此外，对于具有足够网络冗余的城市，效益主要集中在低到中等电动汽车渗透阶段（0-0.5），而具有拓扑约束的城市（如旧金山）在所有渗透水平上的改善都较为有限。本文可为制定差异化的城市规划和拥堵管理政策奠定基础。
🔬 方法详解
问题定义：论文旨在解决在高电动汽车渗透率下，城市交通拥堵模式如何演变的问题。现有方法主要存在两个痛点：一是多类别交通模型无法准确模拟固定用户类别（如电动车车主）的出行选择；二是缺乏基于真实城市路网的系统性量化分析，导致对电动汽车影响的评估可能存在偏差。
核心思路：论文的核心思路是构建一个多用户均衡（MUE）模型，该模型能够模拟混合电动汽车和汽油车交通流下的用户出行选择行为。通过考虑不同类型车辆的出行成本差异，以及用户对路线选择的优化，模型能够预测在高电动汽车渗透率下，城市交通拥堵模式的变化。
技术框架：整体框架包括以下几个主要步骤：1) 数据收集与预处理：收集美国10个代表性城市的真实路网数据和街区级通勤OD需求数据。2) 模型构建：构建混合GV-EV交通的多用户均衡（MUE）分配模型。3) 算法设计：设计具有收敛保证的对偶算法，用于求解MUE模型。4) 仿真实验：在不同电动汽车渗透率下进行仿真实验，模拟交通流量分布。5) 结果分析：使用多维评估指标分析不同情景下的交通拥堵模式。
关键创新：论文的关键创新在于：1) 提出了一个适用于混合GV-EV交通的MUE模型，更准确地模拟了电动汽车渗透对交通的影响。2) 设计了一种具有收敛保证的对偶算法，保证了模型求解的可靠性。3) 基于真实城市路网和OD数据进行了大规模仿真实验，验证了模型的有效性。与现有方法相比，该模型更贴近实际情况，能够更准确地预测电动汽车渗透对城市交通的影响。
关键设计：论文的关键设计包括：1) 定义了电动汽车和汽油车的出行成本函数，考虑了车辆类型、路段长度、交通流量等因素。2) 使用对偶算法求解MUE模型，该算法能够保证收敛到全局最优解。3) 设计了多维评估指标，包括平均系统出行时间、路段拥堵程度等，用于全面评估交通拥堵模式。
🖼️ 关键图片
📊 实验亮点
研究结果表明，完全电动汽车渗透使10个城市的平均系统出行时间减少了2.27%--10.78%。其中，新奥尔良的降幅最大（10.78%），旧金山的降幅最小（2.27%）。对于具有足够网络冗余的城市，效益主要集中在低到中等电动汽车渗透阶段（0-0.5）。这些数据表明，电动汽车渗透对缓解城市交通拥堵具有潜力，但效果因城市而异。
🎯 应用场景
该研究成果可应用于城市交通规划、拥堵管理和电动汽车推广政策制定。通过模拟不同电动汽车渗透情景下的交通状况，可以帮助决策者评估电动汽车推广政策的潜在影响，并制定相应的交通管理措施，例如优化交通信号灯配时、调整收费策略等，以缓解交通拥堵，提高城市交通效率。
📄 摘要（原文）
With the global energy transition and the rapid penetration of electric vehicles (EVs), the widening travel cost gap between EVs and gasoline vehicles (GVs) increasingly affects commuters' route choices and may reshape urban congestion patterns. Existing research remains in its preliminary exploratory phase. On the one hand, multi-class models do not account for fixed user class scenarios, which may not align with actual commuters; on the other hand, there is a lack of systematic quantitative analysis based on real-world complex road networks across multiple cities. As a result, the congestion effects induced by heterogeneous GV-EV cost structures may be mischaracterized or substantially underestimated. To address these limitations, this paper proposes a multi-user equilibrium (MUE) assignment model for mixed GV-EV traffic, constructs a dual algorithm with convergence guarantees, and designs multi-dimensional evaluation metrics for congestion patterns. Using 10 representative U.S. cities as a case study, this research explores the evolution trends of traffic congestion under different EV penetration scenarios based on real city-level road networks and block-level commuter origin-destination (OD) demand. The results show that full EV penetration reduces average system travel time by 2.27%--10.78% across the 10 cities, with New Orleans achieving the largest reduction (10.78%) and San Francisco the smallest (2.27%), but the effectiveness of alleviating congestion exhibits urban heterogeneity. Moreover, for cities with sufficient network redundancy, benefits are primarily concentrated during the low to medium EV penetration stage (0-0.5), though cities with topological constraints (e.g., San Francisco) show more limited improvements throughout all penetration levels. This paper can provide a foundation for formulating differentiated urban planning and congestion management policies.