城市空中机动性的综合网络设计与需求预测研究：南佛罗里达大学的案例分析和定价策略调查

工程7（2021）473研究航空运输按需城市空中机动的综合网络设计与需求预测吴志强，张宇南佛罗里达大学土木与环境工程系，坦帕，佛罗里达州33620，美国阿提奇莱因福奥文章历史记录：收到2020年2020年8月24日修订2020年11月26日接受2021年3月19日网上发售保留字：先进的空中机动性Skyport低空空域无人驾驶系统A B S T R A C T城市空中机动性（UAM）是近年来提出的一个新兴概念，它使用电动垂直起降车辆（eVTOL）。UAM预计将提供一种在城市地区运输乘客和货物的替代方式除了其他基本要素外，还需要垂直起降场的地面基础设施，以将无人机从概念过渡到操作。本研究探讨了无人机按需服务的网络设计，特别关注使用整数规划和求解算法来确定最佳的垂直起降位置，用户分配到垂直起降，垂直起降的访问和出口模式的选择，同时考虑垂直起降位置和潜在的无人机旅行需求之间的相互作用。以美国佛罗里达州坦帕湾地区的交通需求数据为例，验证了模型的有效性。通过分析佛罗里达州激光雷达数据开发的三维（3D）地理信息系统（GIS）地图以及垂直起降场eVTOL操作的物理和法规限制，最佳位置的垂直机场被确定，以实现最小的总广义成本，然而，建模结构允许每个用户选择一个更好的方式之间的地面运输和UAM的广义成本。案例研究的结果表明，虽然从地面模式切换到多式联运UAM的出行比例很小，但选择UAM服务的用户受益于显著的时间节省。此外，从供给端探讨了不同参数设置对UAM服务需求的影响，并测试了不同的定价策略，这些策略可能会影响UAM运营商的潜在需求和创收本文还分析了航线数量和定价策略的综合影响这项研究的结果为市政决策者和UAM运营商提供了深入的规划和管理见解。本文的结论讨论了这项研究的注意事项，作者正在进行的努力，以及UAM研究的未来方向©2021 THE COUNTORS.Elsevier LTD代表中国工程院出版，高等教育出版社有限公司。这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。1. 介绍交通拥堵是世界各地交通运输的主要可持续性问题。根据INRIX公司发布的一份报告，2018年，美国人平均在拥堵中花费97小时，花费近870亿美元，平均每位司机1348美元[1]。与此同时，人口和车辆拥有量的增长，以及城市扩张导致的车辆行驶里程（1英里= 1609.344 m）的增加，抵消了传统道路容量扩张的影响。最近的努力集中在*通讯作者。电子邮件地址：yuzhang@usf.edu（Y. 张）。实施新兴技术和概念，通过更有效地使用现有道路系统来缓解拥堵。例如，自动驾驶和联网车辆有望平滑交通流量，减少车辆运行间隔，并提高现有道路系统的容量。共享出行、鼓励客户共享出行的交通网络公司（TNCs）的汇集功能以及可以使用人行道和自行车道的微型移动（包括自行车、电动滑板车和电动自行车共享）已经实施，预计将有助于减少VMT。政府机构和研究界正在认识到开发和利用低空空间的需要和可能性，低空空间是国家运输系统的一种宝贵资源，目前尚未得到充分利用。2017年，美国https://doi.org/10.1016/j.eng.2020.11.0072095-8099/©2021 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程杂志首页：www.elsevier.com/locate/engZ. Wu和Y. 张工程7（2021）473474接受了城市空中交通（UAM）的概念，并呼吁对这种交通方式进行市场研究。从那时起，包括政府机构、制造商和研究团体在内的不同实体都对这种模式投入了大量精力。UAM的概念可以追溯到20世纪60年代，当时有几家公司使用飞机在美国洛杉矶（LA）、旧金山、纽约和芝加哥的大都市地区内和周围提供点对点通勤服务[2]。这些运营商最终被迫大幅减少或终止运营，这在很大程度上是由于社区接受度问题、致命事故和财务挑战[3]，这些问题仍然限制着UAM的大规模发展。近年来提出的UAM概念是基于一种可以垂直起降的新型电动飞机，称为电动垂直起降车辆（eVTOL）。这种新型飞机在其成熟阶段集成了先进的自主和分布式电力推进技术，可以在低空空间提供更安全，更安静，更高效的航空运输服务。一些行业公司的预测相对积极，因为他们认为潜在的采用可能是重要的，因为服务价格可以通过规模经济得到很好的控制[4，5]。一些研究声称，考虑到不同的限制因素，空中出租车和机场班车服务的年市场可能接近25亿美元[6]，并且服务成本将与使用UberX的服务成本相当，具有足够的市场渗透率[4]。然而，公众的看法，基础设施的可用性和可达性，服务质量和服务成本，以及许多其他变量，可以施加重大的不确定性UAM的潜在需求。因此，研究人员对采用率并不乐观，并认为从当前地面模式切换到UAM服务的行程百分比将受到限制，这是由于使UAM在财务上可持续的成本高，基于站的操作需要使用地面运输模式进出，以及当天气条件禁止eVTOL操作时可靠性低。尽管存在各种可能影响未来UAM采用的不确定性，但政府当局和学术界的研究已达成共识，即UAM将通过克服地面移动模式的地理限制，为旅行者提供一种可替代的交通方式，大大提高移动性[2]。例如，Antcliff et al.[7]证明UAM服务有可能减少旅行者每日长途门到门（DtD）通勤时间约为地面交通的三分之一，使用美国加利福尼亚州硅谷地区作为案例研究。已经做出了许多努力来鼓励新型UAM服务的发展。NASA和美国联邦航空管理局（FAA）一直在领导市场可行性研究和UAM的推广[6]。包括波音、空客和贝尔直升机在内的全球70多家制造商一直致力于更好地设计eVTOL飞机，截至2018年9月，投资额已超过10亿美元。在美国、中国、阿拉伯联合酋长国和新加坡进行了各种型号飞机的示范飞行[9此外，世界各地还组织了一些备受瞩目的活动，讨论UAM应用程序的挑战和解决方案，例如Uber Elevate和洛杉矶UAM的潜在市场可以是但不限于救护车服务、空中出租车服务、机场班车服务、旅游、检查和调查、货物交付等[8]。最近在UAM概念定义、潜在市场分析和应用约束识别方面取得了重大进展[4，7，8，12，13]。UAM按需服务面临的最大挑战之一是建立一个分布良好的地面基础设施，以支持eVTOL飞机运营[4，12]。对于满足乘客需求的按需UAM，主要的地面基础设施是垂直起降机场（或空中起降机场），eVTOL飞机从起飞和降落，乘客上下飞机，并收取费用。城市地区密集的土地使用、飞机运行要求、社区接受度和其他因素严重限制了垂直起降的数量，使得不可能通过纯空中运输提供DtD服务[8]。因此，无人机的网络设计需要集成多种运输方式：用于垂直起降的地面运输和垂直起降之间的航空运输。这种多模态性质增加了UAM网络设计的复杂性。此外，垂直起降场的数量和位置将吸引不同层次的用户。在UAM网络设计中需要明确考虑供应和需求的相互作用。本文主要研究UAM按需业务的网络设计。更具体地说，本研究使用整数规划（IP）和解决方案的算法，以确定最佳位置的垂直起降，用户分配到垂直起降，垂直起降的访问和出口模式的选择，同时考虑垂直起降的位置和潜在的UAM旅行需求之间的相互作用。我们还分析了潜在的UAM需求从供应方和不同的定价策略UAM运营商的关键激励因素。以美国佛罗里达州坦帕湾地区的非集计交通需求数据为例，验证了该模型的有效性本文的其余部分组织如下。第2节总结了现有文献的垂直港位置识别和影响用户采用UAM服务的因素。本研究的关键假设和建模框架在第3节中进行了讨论，第4节介绍了坦帕湾地区的数值研究。第五部分总结了本研究并讨论了未来的研究方向。2. 文献综述2.1. 理解、接受和采用UAM从车辆认证和运营监管到潜在市场识别，公众的感知、接受和采用是决定UAM服务成功的最关键因素之一。NASA和FAA通过各种示范项目，如美国交通部（DOT）集成试点计划（IPP），为了解eVTOL操作对社区的潜在干扰做了大量工作[14]。社区参与对于UAM服务成功的重要性也被业界反复强调[15]。在学术领域，近年来的研究利用调查工具和计量经济学模型对无人机的潜在需求进行了估计，并研究了与传统地面交通竞争下的近期无人机市场规模以及与地面自动驾驶汽车和传统汽车竞争下的长期无人机市场规模。这些调查分布在美国的五个主要城市，重点关注具有一定收入和通勤时间阈值的群体[16陈述偏好调查还用于了解公众对美国UAM服务的潜在利益、关注点和期望运营特征的看法[20]。作者发现，大多数受访者都认识到节省时间的好处，安全是他们的首要关注点。Eker等人[21]采用双变量排序概率单位模型来确定人口统计特征和先前的旅行行为如何影响公众对使用UAM服务的好处和关注的看法。年龄、性别、收入水平、教育背景和日常驾驶习惯等因素在统计学上具有显著性。Al Haddad等人[22]使用因子分析和离散选择模型估计了影响公众采用UAM服务的时间范围的因素总体而言，大多数受访者对在五年内采用该服务持积极态度，只有3.17%的受访者Z. Wu和Y. 张工程7（2021）473475表示不会使用该服务，21.27%表示不确定。在影响采用的因素中，安全考虑是最重要的，其次是成本，行程持续时间，准时可靠性和操作特性。Fu等人[23]试图了解公众对UAM服务的潜在采用，考虑到与私人汽车，公共交通和自动出租车服务的模式选择竞争[23]。对基于市场细分的多项logit模型进行了估计，结果表明安全性、出行时间和出行成本是影响公众出行选择的最关键因素。与其他地面运输方式的用户相比，无人机运输用户预计将最重视时间。另一项研究对1980年至2017年的52项研究中的城市模式选择因素进行了荟萃分析，以确定UAM的需求和接受驱动因素[24]。针对不同的用户群需求，如服务成本、舒适性和灵活性，提出了三种不同的UAM运营理念。最后， 一系列研究 总结了通过 扩展现有的 多智能体运 输仿真（MATSim）框架来开发仿真工具以将UAM服务集成到现有的运输系统中的努力[25虽然扩展仿真框架的出行模式选择行为是通过应用离散选择模型实现的，但仿真工具能够识别不同的车辆设计方案（即，速度和容量）和操作配置可能影响对UAM服务的潜在需求。模拟工具被用来测试在苏福尔斯，南达科他州，美国和瑞士苏黎世的案例研究。在仿真中，UAM操作网络（即，每个城市的垂直起降场的位置）被配置为给定的输入。2.2. UAM网络设计设计良好的地面基础设施系统是无人机运营的基础。为了建立这样的系统，必须确定垂直起降机场建设的最佳位置，以满足用户的潜在需求并支持eVTOL飞机的运营。垂直起降场的布置应首先考虑附近土地使用的物理限制和eVTOL飞机的运行要求。Antcliff等人[7]以硅谷为例，通过分析现有基础设施和航空器运行法规的特点，说明如何实现这些目标。Vascik和Hansman[13]建议将垂直起降场与不同类型的现有基础设施共同定位，以提高垂直起降场的可用性并减少UAM第一英里/最后一英里的距离。需求分布因素被认为是确定潜在垂直港位置的因素; Lim和Hwang[29]使用k-均值聚类算法来确定大韩民国首尔垂直港的潜在位置。每一个确定的集群包含的旅游需求共处一处，集群的质心被视为合理的位置垂直起降。Fad- hil[30]通过考虑影响研究区域通勤需求的因素和现有可用基础设施，采用基于地理信息系统（GIS）的方法来放置垂直起降场。在这项研究中，根据专家的判断，为各种因素分配了不同的权重，并确定了被选为垂直起降场的概率不同的地点。优化模型可以为无人机网络设计提供更多的见解，为垂直起降提供最佳位置，并分析无人机的运行特性。Daskilewicz等人。[31]提出了IP，其目标是最小化系统旅行时间，给定研究区域的旅行需求。然而，发表的论文中没有提供数学模型的公式，作者无法确定最佳解决方案。另一个模型是由Rath和Chow[32]提出的，他们应用了mod-美国纽约市中心航线垂直起降中心选址问题的eling结构纽约和新泽西地区的三个机场，这些机场最初使用出租车服务[32]。他们模型的一个关键缺陷是纯粹采用经典的建模结构，没有结合UAM业务的业务特点。一些研究调查了潜在UAM用户的支付意愿。如参考文献[33]所述，根据一项调查，UAM服务用户可能愿意在美国和德国支付2类似的模式选择结论-用户愿意为UAM服务支付更多费用以节省旅行时间-也可以在其他既定偏好研究中找到[4，23]。针对现有文献中存在的不足，提出了将模式竞争引入到建模结构中来明确解决UAM网络设计问题具体而言，在给定区域内分散出行需求的情况下，考虑无人机运输服务吸引的需求与垂直起降港位置之间的相互作用，将按需无人机运输网络设计问题建模为p-中值轴辐网络问题，并给出了反映个体在地面运输和多模式无人机运输服务之间的模式选择的特殊约束条件我们还提出了一种预处理方法来减少决策变量的可行域，这大大减少了计算时间，使问题易于处理和网络设计的UAM可扩展性。此外，进行了敏感性分析，以证明关键因素的影响，如访问和出口时间的UAM和UAM服务的定价对网络设计的结果。这项研究的结果为市政决策者和UAM运营商提供了深入的规划和管理见解。3. 问题公式化对于eVTOL按需服务，考虑到城市地区的出行需求，本研究确定了垂直起降的位置、从地面交通切换到UAM的相应出行需求、每个垂直起降的出行者分配以及垂直起降进出的地面模式选择。在网络设计的数学建模中，目标是使所有旅行者的广义旅行成本最小化，包括那些选择使用多式联运UAM服务的人和那些继续使用现有地面交通网络的人。然而，应该注意的是，建模允许每个旅行者选择具有最低广义旅行成本的最佳模式。3.1. 假设在本研究中，对UAM网络设计进行了以下假设：(1) 用户将在纯地面运输和多式联运UAM服务之间进行选择，如果与纯地面运输相比，节省的旅行时间的价值小于多式联运UAM(2) 本研究中的纯地面交通仅包括驾驶个人车辆、使用公共交通以及使用跨国公司或出租车公司提供的出租服务。可用于垂直起降场进出的交通方式包括驾驶个人车辆、使用公交车服务、步行、使用出租服务、使用自行车共享服务和电动滑板车服务。(3) 这项研究并没有考虑旅客在垂直机场的转运Z. Wu和Y. 张工程7（2021）473476(4) 对于多模式UAM服务，不考虑拥堵，假设步行、骑自行车、骑电动滑板车、乘坐公共汽车和飞行的速度是恒定的;驾驶个人车辆或使用租用服务表2不同场景下的停车成本。出行目的人口密度停车场类型价值（美元）相应地面行程的平均速度(5) 航空旅行成本由基本固定成本和变动成本组成地面交通成本取决于所选择的出行方式（每种出行方式的成本构成及相应参数设置见表1(6) 这项研究没有考虑由于垂直起降场的容量限制或eVTOL短缺而可能增加的UAM旅客等待时间。(7) 该研究也没有考虑UAM用户选择单人eVTOL或与其他用户共享对于假设（1），节省的旅行时间和购物、医疗和家庭- -无额外的旅行成本被认为是可能影响用户选择UAM服务的最重要因素在假设（2）中，只有三种主要交通方式的用户被认为是潜在的UAM用户，因为步行、骑自行车和电动滑板车主要用于短途旅行。在实践中，假设可用于垂直起降场进出的旅行模式是短期至中期旅行的潜在模式选择。建议（3）背后的理由是转运将增加旅客旅行的等待时间和不便，并将降低多式联运UAM服务对城市旅行的吸引力。但是，如果考虑到区域空中机动性，可以允许转运。在假设（4）中，步行、骑自行车、电动滑板车和飞机的平均恒定行驶速度是合理的，因为这些模式通常没有拥堵，并且它们的速度来自制造商在未来的研究中，通过考虑行程时间的不确定性，可以放宽关于拥挤对地面车辆行程影响的假设。跨国公司目前的定价方案通常由基本固定成本加上可变成本组成[36]，这是UAM航空旅行在假设（5）中采用的。如参考文献[4]中所预测的，基本成本和可变成本被设置为与UberBlack服务的行程相匹配。这一定价策略可以放宽，在实践中纳入许多其他因素，如一天中的时间、旅行时间和预订费，并可以采用与跨国公司采用的类似的激增收费算法，这将在今后的研究中加以研究。对于地面旅行，公共汽车过境服务的费用取决于用户是否有过境通行证。出租服务的成本从UberX的定价方案中简化[36]。对于自行车共享和电动滑板车服务的成本，定价方案来自坦帕湾的现有运营商[37，38]。私人车辆的驾驶成本包括汽油成本和潜在的停车成本。单位汽油成本可以被认为是一个确定性的值，但潜在的停车成本在不同的情况下会有所不同，并且在本研究中假设，如表2所示，取决于出行目的，人口密度，停车场[39]值得注意的是，所有权成本私人车辆的费用没有包括在内，因为当旅行者为一次特定的旅行选择交通方式时，他们并不考虑这一费用。垂直起降场的容量限制了可以从垂直起降场着陆和起飞的eVTOL的数量。如果容量有限，乘客可能需要等待。此外，如果运营商不能提供足够的eVTOL，乘客将受到延误。假设（6）表明，我们只假设在垂直机场的转移时间恒定，而没有考虑这些不确定性。假设（7）表明，在这项研究中，我们没有区分每位旅客的UAM服务费用，这些费用可能会因eVTOL的不同占用率而有所不同，类似于Uber和UberPool。对于近期实施，如果要求飞行员操作eVTOL，则将存在显著的固定成本，并且由于不同的占用率而导致的票价变化可能有限。通过不断的努力，最终，我们希望开发新兴UAM的规划和评估工具，可以根据不同的入住率获取不同的票价，可以分析对网络设计的影响3.2. 建模方法图1中描绘了用于UAM按需服务的建模结构的组件。在建模结构中，初始输入有三个主要来源。第一部分包括激光雷达数据、研究区域的土地利用信息和监管政策。具体而言，激光雷达数据可用于提取研究区域的海拔高度，同时开发三维（3D）地图，土地利用信息作为识别垂直起降场建设可用地面空间的基础，监管政策表明飞机的运行限制。GIS用于合并输入，以确定候选垂直起降场位置（GIS工具的方法详情见第3.3坦帕湾区域规划模型（TBRPM）的模拟输出是另一个主要的输入来源，表1不同运输方式的定价方案基本成本+单位时间成本×出行时间+单位距离成本×出行费用工作高街边停车13.00中值10.00低6.75学校-街边停车1.00娱乐--5.00社会高2小时非街道9.00介质停车5.50低3.00餐高1小时街头1.25介质停车1.00低0.75出行方式定价方案价值（美元）eVTOL常规公交基本成本+单位距离成本×行程距离基本成本：30;单位距离成本：2 1私人车辆租赁服务没有过境通行证每英里汽油成本×行驶距离+停车成本2每英里汽油成本：0.11基础消耗2.3，单位时间消耗0.28/分钟;自行车共享服务电动滑板车基本成本+单位时间成本×出行时间单位时间成本×出行时间单位距离成本：0.8基本成本：1;单位时间成本：0.25单位时间成本：0.29Z. Wu和Y. 张工程7（2021）473477ð2ÞKDKDAKedFig. 1.按需城市空中交通网络设计模型的组成部分。TBRPM：坦帕湾区域规划模型; OD：起点和终点。需求数据，如每个出行者的出发地和目的地（OD）、出行时间和地面交通方式（有关TBRPM及其输出的更详细描述，请最后一个候选的垂直起降位置，交通需求，时间分布的空间值在使用商用求解器求解优化问题之前，采用预处理技术缩小网络设计模型的可行域最后，最优的位置要建立的垂直港，需求的UAM服务，分配的旅客垂直港UAM服务，和旅客的方式选择的垂直港的出入。值得一提的是，在本研究中，TBRPM和网络设计模型之间没有相互作用。TBRPM模拟一次，一个典型的工作日，以获得流动性数据的研究区域，它是假设地面交通和UAM服务之间的旅行者模式选择行为不影响TBRPM的输出，因为转移到UAM的需求预计只需要极少量的总需求。第五节讨论了无人机市场的诱发需求，并对未来的研究方向提出了建议。3.3. 利用地理信息系统工具确定可能的垂直起降在将所提出的模型应用于特定的UAM网络设计之前，必须确定潜在的候选垂直起降位置，这些位置受限于各种物理和法规约束。我们获得了佛罗里达州的激光雷达数据，并将坦帕湾地区的数据处理成该地区的3D地图。然后我们申请了地理信息系统工具，根据现有的土地使用限制和飞机运行要求确定候选地点。根据土地使用限制，只考虑被认为适合作为潜在垂直起降场的类别，如商业和工业区、空地和公有场地。住宅社区，包括市中心地区的住宅建筑，以及保护区被排除在外，以减轻垂直起降对社区的影响。飞机的操作要求主要是考虑直升机操作特性的FAA直升机停机坪设计规定。确定候选垂直起降位置的具体步骤如下：(1) 收集激光雷达数据并绘制研究区域的3D地图。激光雷达数据可从参考文献[40]中获得，其中美国国家海洋和大气管理局（NOAA）提供了美国沿海地区的高程数据。(3) 将研究区域的土地利用图层添加到底图，筛选出符合条件的土地利用类别，并将其与宗地级底图合并。(4) 添加另一个图层，将研究区域从一侧到另一侧划分为500 ft（1 ft= 0.3048 m）的六边形。六边形的大小是根据FAA规定选择的，该规定为直升机停机坪设计提供了指导。假设每个六边形为一个eVTOL提供足够的土地。如果FAA为eVTOL车辆制定具体规定，六边形的大小应根据新规定进行修改。(5) 将六边形图层与土地利用类型图层合并。如果六边形不包含在具有合格土地使用类别的地块内，则它们将被删除，并且不会被视为垂直起降候选项。(6) 确定市区高层建筑有足够大的屋顶空间。对于没有高层建筑的郊区，解析出最大海拔20英尺的六边形，即如果最大海拔小于等于20英尺，认为没有建筑物或其他结构存在，因此，可以添加表面垂直端口(7) 将相邻的合格六边形合并为一个潜在的垂直起降位置，以避免过多的候选位置。3.4. UAM轴辐式网络设计对于多模式UAM服务，令N表示代表城市或郊区中的旅行者行程的起点（O）和目的地（D）的节点集合。令P表示OD对的集合，M表示用于垂直起降的候选位置的集合，并且F表示用于垂直起降入口和出口的可用行进模式的集合。旅客可以直接通过任何OD对之间的纯地面运输或通过使用多式联运UAM服务（即，从起点进入一个垂直起降场、从一个垂直起降场飞行到另一个垂直起降场、以及从另一个垂直起降场离开到目的地），其中垂直起降场相当于枢纽。图2示出了具有UAM服务的传输网络。这种网络类似于航空研究界广泛研究的轴辐式网络，其中任何两个机场之间的交通不是直接为所有节点对运输，而是通过称为枢纽的指定转运节点转移[41，42]。因此，我们借用了p-中值轴辐网络问题的建模结构。UAM网络设计问题的决策变量是yk，zp，xp，gp和hp，8k;d2M，8p2P;8a;e2F，所有这些都是二进制变量：如果位置k k M，则yk选择为垂直端口;如果行程p通过，则zp取值1(2)将研究区域的地图导入GIS工具，纯地面运输如果行程p是，则取值1底图;地图的基本组成要素是宗地。通过多式联运UAM服务，通过两个垂直起降机场Z. Wu和Y. 张工程7（2021）473478AKedXðÞ 82KDKDAKX≤gX染色体G;8k;d-kAKAKpKD阿克埃德埃德KD阿克埃德埃德pX公司简介ppX XX x X X图二. UAM轴辐式网络。k和d的阶为k到d;gp如果行程p，eVTOL飞机从一个垂直起降平台起飞并巡航到另一个垂直起降平台使用行进模式A访问垂直端口K;以及如果行程P使用行进模式E从垂直端口D离开，则HP取值1。注意，每个行程p包含一对OD节点i;j;i;j N的信息。如前所述，由于各种限制，要建造的垂直起降场的数量是有限的。设u为计划的垂直端口数量;因此：yk 1/4u;8k2M1000k2M为了到达目的地，每个旅行者必须在纯地面运输和多式联运UAM服务之间做出选择。因此：在到达一定高度后进行垂直起降。一旦eVTOL飞机降落在目的地垂直起降机场的垂直起降台，旅客在乘坐地面交通工具前往目的地之前，将经历类似的换乘过程。多式联运UAM的旅行时间不仅取决于换乘过程时间和巡航时间，还取决于进出时间。因此，在本研究中还对垂直起降通道和出口模式选择进行了建模。应当指出，假设只选择一种运输方式进入或离开垂直起降机场。等式（4）和（5）表明，如果如果一次旅行涉及多模式UAM，则必须选择地面运输模式，以便恰好进入一个始发地垂直起降港，并从一个目的地垂直起降港出发。xx1/4;8p2P2PX Xxp 1/4 X Xgp;8p2P100Kd- kkd- k ak显然，站点k不可能在路由i中！国王！d！ jpp除非K被选择为垂直端口。由此可见：X Xxkd¼X Xhed;8p2P25mmk2XM;dpKDd2M;ddk≤yk;8k2M;8p2P≤3n此外，必须确保接入和出口模式将服务于所选UAM服务路线的确切两个垂直端口单次分配的轴辐网络问题的需求通常被假定为一个常数值（确定性规划）或一组具有概率的变量（随机规划）。然而，在本研究中，给定个人出行的总次数，我们考虑了地面交通方式和多式联运这可以由等式中的约束来限制（六）、p p pkd aked a e给定上述关系，可以计算多模式UAM服务的旅行时间和旅行成本。设cp，UAM模式，受垂直起降场位置决定的影响空气选择、旅客到垂直起降场的分配以及垂直起降场进出的模式选择。在接下来的部分中，介绍了不同模式之间竞争的提法。3.5. UAM运营理念及模式选择多模式UAM服务的操作概念已经在许多研究中定义[7，12，43]，并且可以描述为图1中所示的过程。3.第三章。在每个垂直起降场，tair表示行程p的总UAM服务成本和服务时间;ckd和tkd分别表示行程成本和行程时间c p和t p表示允许使用地面运输a的行程p进入或离开垂直起降场k的旅行成本和旅行时间。令ttw表示乘客在换乘、在垂直起降港等待以及上或下eVTOL所花费的时间;ttl是eVTOL起飞和降落所需的时间。等式应用公式（7）和（8）计算UAM服务的总旅行时间和旅行成本。乘客从/到地面运输转移的出口地点，乘客等待eVTOL飞机的区域，乘客上下飞机的登机和下机区域，eVTOL，以及用于飞机着陆的着陆和起飞垫（垂直起降垫）-p空气CPKd-k· xkd XXgpcpakedð7Þ和起飞。需要注意的是，如果旅客需要在垂直起降平台下机或登机，则不需要专门的登机和登机区。对于多模式UAM服务过程，p空气1/4kdttwttl·xpgp tpKd- k a k8拉克什 不ttw旅行者将首先使用地面交通工具到达他们的目的地垂直起降到达垂直起降机场后，旅客将经历一个转移过程到等候区，在那里他们可能会等待一段时间，然后通过相应的登机口登机。其中，可根据3.1节中讨论的成本计算方程和旅行速度假设，获得垂直起降场进出和空中旅行的旅行时间和旅行成本最后，XX2xC不KdeDZ. Wu和Y. 张工程7（2021）473479KDedX≤gX染色体组;8k;d-kKDppppppKDKDKD阿克埃德埃德地面地面KD阿克埃德埃德pXXg·cc x Xht·cc）AKeededed图3.第三章。UAM操作概念接地和离地区（TLOF）：着陆和起飞区。纯地面与纯地面之间的出行方式选择准则X Xxp ¼X Xhp;8p2P运输和UAM服务的定义。节省的旅行时间价值是美国交通部在计划确定通过减少旅行时间使旅行者受益的新行动时用于成本效益分析的主要标准[43]。时间价值与出行成本的比较是出行者选择出行方式的基本依据保存时间的值为计算为节省的时间乘以旅行者Kd- k edp p pkd aked a etp-PKdp- P Pg p t p -P Php tp·cp一DKe时间设cp和tp代表旅行成本和旅行时间，≥P Pcp·xPPgp cppPhp cp-cp;8p2P纯地面运输; cp 表示值旅行者的时间。如在Eq中的约束中所揭示的。（9）当节省的旅行时间价值小于额外费用时，用户不会选择使用UAM服务。zp2 f0; 1g;yk2 f 0; 1g;xp2 f0; 1g;gak2 f0; 1g;hed2 f0; 1gp空气— c接地≤c·t接地— t空气压缩机;8k;d2M;8p2P3.7. 一个大型网络问题的预处理程序传统的轴辐式问题已经被证明是3.6.按需UAM业务网络设计整数规划的目标函数是最小化所有用户的广义旅行成本，包括纯地面运输和多式联运UAM服务的成本。广义出行成本是货币化出行时间和出行成本的组合。基于以上讨论，UAM网络设计的IP完整公式如下（P1）：最小值X（tp·cpc p·zpX½ckdtkdttwttl·cp]·xp非确定性多项式（NP）-在许多参考文献[41，42，44P1数学模型将传统的轴辐式问题的建模结构与个体出行者的出行方式选择模型相结合，使得IP问题的求解更加困难然而，通过分析网络设计问题的性质和UAM行程特性，提出了一个附加约束，并与等式中的约束一起进行（9）大大缩小了IP问题的可行域。因此，虽然模型结构仍然比较复杂，比传统的轴辐式网络复杂，问题是，p2PppAKAK一个 kS.T.Kd-kpppppp阿克埃德埃德埃德所提出的UAM网络设计的lem大小可以显著减小，这使得解决大型UAM网络设计问题成为可能。预处理过程描述如下。P1中提出的数学模型的目标是：最小化UAM服务的系统广义成本旅行Xyk¼u;8k 2MKzp XXxp¼1;8p2P给出了使用纯地面交通的所有候选行程的时间和旅行成本，我们试图确定将切换到UAM服务的候选行程，P1的目标函数-即最小化所有行程的总广义成本相当于最大化节省的广义成本，如图所示KdXxpXX≤yk;8k2M;8p2P下图：X（ X X啪啪啪啪KDd2M;dKDKddkd2M;d一AKMaxp2Pkd-k一AK½ckdtkdttwttl·c-t·c-c]·xkd）1111X Xxp ¼X Xgp;8p2P100X Xgp. tp· c pcp x Xh p. tp·cpcp2xCKDKD一KeDKKAKDZ. Wu和Y. 张工程7（2021）473480pppKDAKðÞX≤gXg;8p;k;d;a;e2WppKDdk啪啪啪啪P.P. -cp;8p2P;8k;d2M≥≥p2PKDKDTWTLpp..ΣXpkdpdk我们从Eq得知。（9）如果节省的时间的价值小于附加成本（即，Xyk¼u;8k2MKP Pxp1/40）。因此，xkd的行程必须为0，可以为Kd-kX Xxp ≤1;8μp;k;d≤ 2W排除然后，我们可以定义集合W1：W1¼。p;k;d;a;e tp-≥ckd 阿利茨edKDKd阿克埃德12寸X X其中，W1中的mp;k;d;a;e表示候选行程p，其中k和d为d2M;dd2M;d分别为原点和目的地垂直端口;a和e是垂直端口访问和出口模式，分别;和xp可以采取X Xxp ¼X Xgp;8mmp;k;d2W值为1。此外，还可以通过k dak提出另一个约束条件观察UAM服务过程。在不失一般性的情况下，从起点i到目的地j的旅程，使用UAM服务，通过两个X Xxp ¼X Xhp;8p;k;d;a;e2W给定的垂直端口k和d可以由图2和3示出。4（a）和（b）。给定任意两个垂直端口k;d，无论选择哪个垂直端口作为原点垂直端口，空中行程距离都是恒定的。因此，用户将始终选择行程距离较短的行程路线，为任何给定的垂直端口（i！国王！d！在这种情况下为j），kdedk dedp p pkd aked a e而行程距离较长的行程（i！ d！ 国王！ 在这种情况下，j）zpp是不可行的否则，垂直起降通道和出口的直线距离的组合甚至会比起点和终点之间的直线距离更长。这种关系可以用等式中的约束来表示（十三）、2 f0; 1g;yk2 f 0; 1g;xkd2 f0; 1g;gak2 f0; 1g;hed2 f0;1g;p;k;d;a;e2W15kd≥ddk · xdk;p;k;d2W1134. 数值研究其中dp表示行程p通过垂直起降场的行程距离KD国王！ D.然后，我们可以将集合W定义为：W/n;k;d;a;e/n ≤dp;p;k;d2W114这样，我们可以进一步缩小原始模型P1的可行域，并且P1可以由以下数学模型（P2）代替：最大X（XX½c拉克莱特 阿勒特tKd（XXgptp·cpcpXhptp·cpcp）为了证明所提出的方法的有效性，进行了数值研究的基础上，从TBRPM ， 这 已 被 用 来 预 测 未 来 的 交 通 需 求 佛 罗 里 达 州 交 通 部（FDOT）第七区（D7）和大都市规划组织（MPO）模拟的出行需求数据。TBRPM的研究区域与FDOT D7管辖区相对应，包括希尔斯堡、皮内拉斯、帕斯科、赫南多和柑橘县，如图所示。 5（a）.4.1. 数据描述S.T.AKAK一个 k阿克埃德埃德埃德来自TBRPM的出行需求数据是在包裹级别，并侧重于每个旅行者的出行，因为TBRPM在典型的工作日运行了24小时的模拟该数据提供了研究区域内所有预测出行的OD坐标其他资料，如家庭收入、家务工人人数、旅行方式、旅行目的和过境证持有人，也可提供。旅行被过滤，那些超过10英里的驾驶距离和30分钟的旅行时间被保留，假设旅行短于这个阈值将是eVTOL航班的吸引力。因此，266734次旅行仍然是潜在的UAM旅行。这些行程的描述性统计数字载于表3。如图所示，这些行程的行程时间和行程距离分布不均匀，并且有相当数量的行程具有极长的行程时间（41.74分钟）或长的行程距离（29.46英里）。总共有100个候选垂直起降地点是通过使用GIS工具遵循上述过程选择根据TBRPM输入数据中每户的家庭收入和工人数量，获得了每个旅行者的平均年工资;相应的分布如图6（a）所示。这个分布与整个佛罗里达州的分布非常接近[47]，每个旅行者的时间价值可以通过除以一年的一般工作时间（2080小时）来计算，分布如图所示。 6（b）. 使用的其他参数见图4。任意起点和终点对以及两个候选垂直端口的相对位置。在数值研究中的模型估计，表4.KDXKD2xDþ≤yk;8p;k;d2WKDZ. Wu和Y. 张工程7（2021）473481图五. (a)TBRPM的研究区域和（b）选定的垂直起降位置和UAM行程分布的优化结果。资料来源：Esri、Here、Delorme、USGS、Intermap、INCREMENT P、NRCan、EsriJapan、METI、Esri中国（香港）、Esri韩国、Esri（泰国）、MapmyIndia、NGCC、©OpenStreetMap贡献者和GIS用户社区。表3候选行程的描述性统计。统计旅行时间（分钟）旅行距离（英里）是说38.4825.95标准偏差8.797.41最小值30.0010.00第25百分位32.4020.52第50百分位35.8024.4475百分位41.7429.46最大值179.85103.104.2. 结果分析在64位Windows 10操作环境下，在3.60 GHz戴尔计算机上使用Python和Guideline v9.0求解器求解整数规划，该计算机具有16 GB随机存取存储器（RAM）。预处理耗时2 h 34 min，数学模型耗时245 s（约4 min）获得最优值。图5（b）中说明了30个垂直起降场的识别位置和相应的UAM行程。总之，预处理导致1124名旅行者成为潜在的UAM服务用户，优化结果表明，最终选择了532名旅行者，约占266734次旅行的0.20%，节省了9783美元的广义成本。 表5中总结了每个选定垂直起降场的需求，表6中总结了垂直起降场进入和出口模式的选择。如图所示，垂直起降场的需求分布不均匀，在当前参数设置中，最高为65，最低为13。对UAM服务的需求主要集中在沿海地区。对于垂直起降进出模式的选择，驾驶个人车辆是