预测联网和自动化车辆对能源使用的影响

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Forecasting the Impact of Connected and Automated Vehicles on Energy Use
  A Microeconomic Study of Induced Travel and Energy Rebound》
---
作者：
Morteza Taiebat, Samuel Stolper, Ming Xu
---
最新提交年份：
2019
---
英文摘要：
  Connected and automated vehicles (CAVs) are expected to yield significant improvements in safety, energy efficiency, and time utilization. However, their net effect on energy and environmental outcomes is unclear. Higher fuel economy reduces the energy required per mile of travel, but it also reduces the fuel cost of travel, incentivizing more travel and causing an energy \"rebound effect.\" Moreover, CAVs are predicted to vastly reduce the time cost of travel, inducing further increases in travel and energy use. In this paper, we forecast the induced travel and rebound from CAVs using data on existing travel behavior. We develop a microeconomic model of vehicle miles traveled (VMT) choice under income and time constraints; then we use it to estimate elasticities of VMT demand with respect to fuel and time costs, with fuel cost data from the 2017 United States National Household Travel Survey (NHTS) and wage-derived predictions of travel time cost. Our central estimate of the combined price elasticity of VMT demand is -0.4, which differs substantially from previous estimates. We also find evidence that wealthier households have more elastic demand, and that households at all income levels are more sensitive to time costs than to fuel costs. We use our estimated elasticities to simulate VMT and energy use impacts of full, private CAV adoption under a range of possible changes to the fuel and time costs of travel. We forecast a 2-47% increase in travel demand for an average household. Our results indicate that backfire - i.e., a net rise in energy use - is a possibility, especially in higher income groups. This presents a stiff challenge to policy goals for reductions in not only energy use but also traffic congestion and local and global air pollution, as CAV use increases.
---
中文摘要：
互联和自动化车辆（CAV）有望在安全性、能效和时间利用率方面取得显著改善。然而，它们对能源和环境结果的净影响尚不清楚。更高的燃油经济性降低了每英里旅行所需的能源，但也降低了旅行的燃油成本，刺激了更多的旅行，并产生了能源“反弹效应”此外，预计CAV将大大减少旅行的时间成本，从而进一步增加旅行和能源使用。在本文中，我们使用现有行程行为的数据预测CAV的诱导行程和反弹。我们建立了收入和时间约束下车辆行驶里程（VMT）选择的微观经济模型；然后，我们利用2017年美国全国家庭旅行调查（NHTS）的燃料成本数据和基于工资的旅行时间成本预测，用它来估计VMT需求相对于燃料和时间成本的弹性。我们对VMT需求的综合价格弹性的中央估计为-0.4，这与之前的估计有很大不同。我们还发现有证据表明，富裕家庭的需求更具弹性，所有收入水平的家庭对时间成本比燃料成本更敏感。我们使用我们估计的弹性来模拟在一系列可能的旅行燃料和时间成本变化下，完全、私人采用CAV对VMT和能源使用的影响。我们预测，普通家庭的旅游需求将增长2-47%。我们的结果表明，适得其反——即能源使用的净增长——是一种可能性，尤其是在高收入群体。随着CAV使用量的增加，这对政策目标提出了严峻挑战，即不仅要减少能源使用，还要减少交通拥堵和当地及全球空气污染。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--

---
PDF下载：
--> Forecasting_the_Impact_of_Connected_and_Automated_Vehicles_on_Energy_Use_A_Micro.pdf (1018.65 KB)

2022-6-11 13:32:17 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：自动化 elasticities Contribution epidemiology Quantitative

预测联网和自动化车辆对能源的影响：诱导出行和能源反弹的微观经济学研究rnalhttps://doi.org/10.1016/j.apenergy.2019.03.174MortezaTaiebat+、、Samuel Stolper+、Ming Xu+、+美国密歇根州安娜堡市密歇根大学环境与可持续发展学院美国密歇根州安娜堡市密歇根大学土木与环境工程系{Taiebat、sstolper、Ming Xu}@umich。eduConnected和automated vehicles（CAV）有望在安全性、能效和时间利用率方面取得显著改善。然而，它们对能源和环境结果的净影响尚不清楚。更高的燃油经济性降低了每英里旅行所需的能源，但也降低了旅行的燃油成本，刺激了更多的旅行，并产生了能源“反弹效应”此外，预计CAV将大大减少旅行的时间成本，从而进一步增加旅行和能源使用。在本文中，我们利用现有行程行为的数据预测CAV的诱导行程和反弹。我们建立了收入和时间约束下车辆行驶里程（VMT）选择的友好经济模型；然后，我们利用2017年美国全国家庭旅行调查（NHTS）的燃料成本数据和基于工资的旅行时间成本预测，用它来估计VMT需求相对于燃料和时间成本的弹性。我们对VMT需求组合价格弹性的中央估计为-0.4，这与之前的估计有很大不同。富人也可以找到证据表明，富裕家庭的需求更具弹性，家庭总收入水平对时间成本比燃料成本更敏感。

我们使用我们的估计偏差（Estimatedelasticies）来模拟在旅行的燃料和时间成本可能发生变化的情况下，完全、私人采用CAV对VMT和能源使用的影响。我们预测，普通家庭的内部需求将增长2-47%。我们的结果表明，适得其反——即能源使用的净增长——是一种可能性，尤其是在高收入群体。这对政策目标提出了严峻挑战，即随着CAV使用量的增加，不仅要减少能源使用，还要减少交通拥堵以及当地和全球空气污染自动化车辆、反弹效应、燃油经济性、能源需求、诱导出行、出行时间成本。Taiebat等人，《应用能源》（Applied Energy）247（2019）297-308o我们开发了一个在时间和预算约束下VMT选择的微观经济模型。o利用NHTS数据，我们估计了VMT在燃料和时间成本方面的弹性我们使用这些弹性来预测CAV引起的行程和能量反弹时间成本下降38%，抵消了燃油效率提高20%带来的能源节约。Taiebat，M.、Stolper，S.和Xu，M.，2019年。预测联网和自动化车辆对能源使用的影响：诱导出行和能源反弹的微观经济学研究。应用能量247297-308。美国年能耗。

私家车十亿加仑汽油当量（GGE）88.877.3104.1当前水平燃油效率提高-15%+2%0%–29%CAVsTime成本降低的估计结果CAVsTime成本降低的影响整体净减少潜在净增加反弹效应由于更高效的车辆对更便捷的出行的行为反应导致出行的边际成本降低75.5 TravelTaiebat etal.Applied Energy 247（2019）297-308互联和自动化车辆（CAV）技术预计将成为交通部门不可或缺的颠覆性因素，在未来几十年内改变交通模式、交通市场和旅行者的行为。它可能会将交通安全提高到前所未有的水平[1]，增强机动性，为旅行者提供更高水平的舒适和便利，并降低个人驾驶成本，所有这些都将改善社会福利。与此同时，车辆连接和自动化将不可避免地显著改变运输部门的能源需求。这些变化的程度在很大程度上仍不清楚，但将对能源供应和环境产生重大影响。CAVtechnology的几个特性将影响能耗，包括路线优化、生态驾驶、防撞和车辆正确尺寸等方面的改进[2]。其中许多改进将推动能源使用下降；然而，有些很可能会朝相反的方向发展。对能源需求施加上升压力的主要因素是边际驾驶成本，预计随着CAV技术的发展，边际驾驶成本将大幅下降。CAV更高的燃油经济性[2,5,6]将导致每英里燃油的旅行成本下降。

反过来，这将导致额外的行程，部分抵消能源效率带来的燃油节约，通常称为“反弹效应”。此外，增加舒适度和减少注意力需求将导致每英里旅行时间成本下降，从而导致更多的额外旅行[2,5,8,9]。通过这些渠道诱导的旅游需求量的关键参数是旅游需求相对于旅游价格的弹性【10–13】。压倒性的CAV在文献中也被称为“自动”、“自动驾驶”或“无人驾驶”车辆，但这些车辆并不相同。有关定义的消歧，请参阅[2]。反弹效应可以指燃油经济性提高后驾驶增加的一般现象，也可以从数学上定义为燃油经济性1%变化（或相关的燃油成本1%变化）导致的行驶里程百分比变化。微观层面反弹的实证研究通常使用基于回归的方法，包括横截面、时间序列或面板数据[14,19]。这被视为高度自动化（3级及以上）的一个可能特征【1】。Taiebat等人，《应用能源》（Applied Energy）247（2019）297-308关于更高效车辆技术的能源影响的现有研究主要集中在旅行价格的燃料成本部分【14-20】。因此，此类研究在车辆自动化方面不太可能具有外部有效性，这将直接影响燃油成本和时间成本。虽然最近关于车辆自动化对能源使用的影响的研究确实考虑了时间成本变化的影响（例如，Wadud et al。

[5] ），它试图借用其他地方估计的燃料和时间成本弹性，相互隔离，目的不是开发CAV特定预测。大多数研究侧重于机动性的变化，尤其是CAV车辆级能效的变化，如何影响能源使用，保持出行需求不变（例如，[21-24]）。固定需求的假设几乎肯定会导致高估该技术的环境效益[2]。在本文中，我们使用最新的经验微观数据，在一个统一的框架内，估计旅行需求相对于旅行边际燃料和时间成本的弹性。我们的方法采用了标准的微观经济建模和统计技术来解释弹性估计中的时间价值。我们首先从车辆行驶里程（VMT）和其他商品出发，在时间和收入约束下，提出了消费者效用最大化的理论模型。该模型说明了时间花费旅行的机会成本和旅行的燃料成本如何影响个人对VMT的最优选择。在此基础上，我们推导出了VMT的组合价格弹性、燃料价格弹性和时间价格弹性的估计方程。我们使用2017年美国全国家庭旅行调查（NHTS）[25]中的家庭级车辆和旅行数据，以及基于报告收入的旅行时间成本预测，拟合了该方程的几个规格。由此产生的经验衍生弹性估计使我们能够预测CAVtechnology引起的旅行需求变化，以及相关的能源反弹效应。我们的研究得出了三个关键发现。首先，我们对VMT需求的综合、燃料和时间价格弹性的中央估计为-0.39。

这远远大于theTaiebat et al.Applied Energy 247（2019）297-308-0.06至-0.28范围，该范围在现有的燃料价格需求弹性研究[17-20]中发现，并且明显小于一般旅行成本需求弹性研究中发现的-1.0至-2.3范围，后者在先前关于CAV诱导出行需求的研究中被引用[4,5]。用2009年NHTS数据复制我们的程序，得出类似的中心估计值-0.45。我们的结果强调了在出行需求弹性估计中考虑时间机会成本的重要性，并表明现有的CAV诱导出行预测可能不基于相关的出行需求参数值。其次，旅游需求弹性表现出显著的异质性，为未来预测方法和政策讨论提供了信息。我们发现，平均而言，家庭对燃料价格变化和时间成本变化的反应非常不同。我们对燃料价格弹性的首选估计为-0.1，而对时间成本弹性的首选估计为-0.4。此外，我们所有的弹性估计值都随收入的变化而显著不同。我们发现，richerhouseholds对燃料成本的弹性需求较小，但对时间成本的弹性需求较大。VMT的总价格弹性、燃料价格弹性和时间价格弹性随收入增加而增加；例如，上三组的平均弹性比下一组大64%。换言之，我们的估计模型预测，相对富裕的家庭将相对增加他们的出行，以应对自动化，从而获得更大的福利收益。第三，总的来说，CAV导致的能源使用减少可能很小，甚至是负的。

在我们的模型中，这种减少的幅度取决于（a）需求对旅行价格的弹性，（b）预计CAV的燃油经济性增加，以及（c）预计CAV的旅行时间成本减少。我们使用（a）的估计来模拟（b）和（c）的不同组合的诱导VMT。CAVson VMT的可能影响范围很广，因此能耗也很高。然而，事与愿违——能源在运输经济学中的净增长，“广义成本”指的是一次旅行的货币成本和非货币成本之和。例如，私家车旅行的一般成本包括总拥有成本（TCO，包括资本、固定成本和运营成本）和货币化的乘客旅行时间[13]。Taiebat等人，《应用能源》（Applied Energy）247（2019）297-308消费——这是一种明显的可能性，因为高收入家庭的需求弹性较大，且基准能源使用量较高。反过来，这意味着本地和全球空气污染可能出现净上升。最终，CAV技术对能源和环境的影响不仅取决于旅行边际成本的变化，还取决于自动化车辆的资本成本、自动化的安全效益、骑乘和车辆共享的变化，以及移动性过渡的其他方面。即将到来的出行转变的非边际性质给寻求对未来出行行为和能源使用进行严格预测的研究人员提出了严峻的挑战。

我们的贡献是利用美国现有的最新微观数据，对控制出行行为的关键参数进行经验估计，并利用这些估计来提供车辆连接和自动化可能产生的能源影响的一瞥。从概念上讲，车辆所有权和驾驶决策是许多因素的函数：车辆资本成本、VMT的边际成本（包括燃料、时间和折旧）以及保险和维护的固定成本——从概念上讲，车辆所有权和驾驶决策是多个因素的函数：车辆资本成本，VMT的运行成本（包括燃料、时间、维护和折旧）以及保险、注册费和通行费的固定成本-统称为总拥有成本（TCO）[26]，车内时间的感知成本，个人从旅行中获得的效用，取决于通过旅行获得的商品和服务，车辆属性，和个人偏好；以及收入和时间等限制。为了与大量关于经验回弹效应的文献保持一致（例如，参见[14,18,27]），我们将分析重点放在车辆选择条件下VMT的边际成本上。

边际燃料成本和时间成本在经济上很重要，在技术上也很重要：theyTaiebat et al。Applied Energy 247（2019）297-308占据了旅行可变成本的大部分（分别为19%和45%）。随着CAV技术的推广，这两种成本预计都将大幅下降[2,26,29,30]。此外，关于这些燃料和时间成本的可用数据（以及VMT本身）使我们能够对CAV对能源使用的潜在影响进行基于经验的预测，即使CAV本身尚未商业化部署。我们首先将VMT建模为一个效用最大化的家庭在收入和时间受到限制的情况下做出的选择。能量反弹效应文献中也存在类似的模型，但这些模型不包括时间限制[14,16,31]，因为能量效率的提高通常不会影响在车辆中花费的时间的使用。相比之下，车辆自动化将通过减少车内注意力需求来减少时间机会成本，这有可能显著改变驾驶决策。为了捕捉这种变化，weadapt Linn（2013）的VMT选择模型【17】根据Becker（1965）关于时间分配的开创性经济学理论，增加了第二个时间约束【32】。考虑一个获得效用的家庭（！）根据车辆行驶里程（#$）和商品消费量（%），代表经济中的所有其他商品。家庭根据其可用收入和时间以及货币和时间成本（#$和%）选择这些变量的水平。我们把最大化问题写为：&\'（）*+，-！。“#$，%/（1）这样：01”#$2%34（2）$5672$-2$83$（3）在等式（2）中，是每英里的燃料成本“#$，而%的价格标准化为一；是家庭收入。