城市按需空中交通的綜合網(wǎng)絡(luò)設(shè)計與需求預(yù)測

吳志強，張瑜*

? 2021 THE AUTHORS. Published by Elsevier LTD on behalf of Chinese Academy of Engineering and Higher Education Press Limited Company This is an open access article under the CC BY-NC-ND license(http://creativecommons.org/licenses/by-nc-nd/4.0/).

1. 引言

交通擁堵是影響全球交通可持續(xù)發(fā)展的首要問題。INRIX公司發(fā)布的一份報告顯示，2018年，美國人平均堵車97 h，耗費近870億美元，平均每個司機耗費1348美元[1]。與此同時，傳統(tǒng)道路的容量擴大帶來的積極效應(yīng)已經(jīng)被人口和車輛的增長以及城市擴張導(dǎo)致的車輛行駛里程（VMT）的增加所抵消。最近的研究集中在運用新興技術(shù)和概念，通過更有效地使用現(xiàn)有的道路系統(tǒng)來緩解擁堵。例如，自動駕駛和聯(lián)網(wǎng)車輛有望緩解交通擁堵、減少車輛行駛時間以及擴大現(xiàn)有道路系統(tǒng)的容量。交通運輸網(wǎng)絡(luò)公司（TNC）的共享交通及合并功能鼓勵客戶共享交通。包括共享自行車、電動摩托車和電動自行車在內(nèi)的可以使用人行道與自行車道的微型交通已經(jīng)得到了應(yīng)用，這有望減少VMT。政府機構(gòu)和研究團體意識到了開發(fā)利用低空空間的必要性和可能性，低空空間是目前尚未得到充分利用的寶貴資源。2017年，美國國家航空航天局（NASA）提出了城市空中交通（UAM）的概念，并呼吁對這種交通方式進行市場研究。從那時起，包括政府機構(gòu)、制造商和研究團隊在內(nèi)的不同單位都在這一交通方式上投入了大量精力。UAM概念可以追溯到20世紀(jì)60年代，當(dāng)時有幾家公司在美國的洛杉磯、舊金山、紐約和芝加哥等大都市地區(qū)用飛機提供點對點的通勤服務(wù)[2]。由于這些通勤服務(wù)的社區(qū)接納程度低、傷亡事故高發(fā)和財務(wù)問題嚴(yán)重等原因，這些運輸公司最終被迫大幅減少或終止運營這些通勤服務(wù)[3]，上述原因直到今天仍然限制著UAM的大規(guī)模發(fā)展。近年來提出的UAM概念是以新型的垂直起降電動飛行器（eVTOL）為基礎(chǔ)的。這種新型飛機目前處于成熟階段，集成了先進的自主和分布式電力推進技術(shù)，可以在低空空間提供更安全、更安靜、更高效的空中運輸服務(wù)。一些工業(yè)公司對此的預(yù)測相對樂觀，他們認(rèn)為其服務(wù)價格可以通過規(guī)模經(jīng)濟得到控制[4,5]，并且潛在的接納度很高。一些研究聲稱，考慮到不同的限制因素[6]，空中出租車和機場班車服務(wù)的年度營業(yè)額接近25億美元，而且只要有足夠的市場滲透[4]，其服務(wù)成本將與UberX不相上下。然而，公眾認(rèn)知、基礎(chǔ)設(shè)施的可用性和可達性、服務(wù)質(zhì)量和服務(wù)成本，以及許多其他因素，都可能對UAM的潛在需求產(chǎn)生極大的不確定性。因此，研究人員對UAM采用率的態(tài)度不那么樂觀，他們認(rèn)為從目前的地面模式切換到UAM服務(wù)的行程占比是有限的，因為UAM的維持需要高成本，另外基于站點的運營需要使用地面交通方式進出，而且當(dāng)天氣條件惡劣時，其可靠性較低。盡管各種不確定因素會影響UAM的普及率，但是政府當(dāng)局和學(xué)術(shù)界已達成共識，即UAM將克服地面交通模式的地理限制，為旅客提供一種機動性得到極大改善的交通方式[2]。例如，Antcliff等[7]以硅谷地區(qū)為例，證實了UAM服務(wù)能將旅客每日長途的“門到門”（DtD）的交通時間縮短至地面交通的三分之一。

人們已經(jīng)投入許多努力來促進新型UAM服務(wù)的發(fā)展。NASA和聯(lián)邦航空管理局（FAA）領(lǐng)導(dǎo)了市場可行性研究和UAM的推廣[6]。全球超過70家制造商，包括波音、空客和貝爾直升機，一直致力于設(shè)計更好的eVTOL飛機，截至2018年9月，已投資超過10億美元[8]。美國、中國、阿拉伯聯(lián)合酋長國、新加坡等地進行了各類飛機的試飛[9-11]。此外，世界各地還組織了一些備受矚目的活動，討論UAM應(yīng)用的問題和解決方案，如Uber Elevate峰會和洛杉磯市市長會議[8]。UAM的潛在市場包括但不僅限于救護車服務(wù)、空中出租車服務(wù)、機場接送服務(wù)、旅游、調(diào)查檢驗以及貨物運輸?shù)萚8]。

最近在UAM概念定義、潛在市場分析和應(yīng)用約束識別方面取得了重大進展[4,7,8,12,13]。UAM按需服務(wù)面臨的最大挑戰(zhàn)之一是需要建立一個分布良好的地面基礎(chǔ)設(shè)施，以支持eVTOL飛機的運營[4,12]。為了滿足UAM乘客的需求，主要的地面基礎(chǔ)設(shè)施是eVTOL飛機用來起降、上下客和繳費的垂直起降機場（或直升機機場）。城市地區(qū)的密集土地利用、飛機運營需求和社區(qū)接納度等因素嚴(yán)重限制了垂直起降機場的數(shù)量，使得只通過純航空運輸提供門到門的服務(wù)難以實現(xiàn)[8]。因此，UAM的網(wǎng)絡(luò)設(shè)計需要整合多種運輸方式：垂直起降機場進出的地面交通以及垂直起降機場之間的空中交通。這種多模態(tài)特性增加了UAM網(wǎng)絡(luò)設(shè)計的復(fù)雜性。此外，垂直起降場的數(shù)目和位置也會吸引不同級別的用戶。在UAM網(wǎng)絡(luò)設(shè)計中需要明確考慮供需的相互作用。本文主要研究UAM按需服務(wù)的網(wǎng)絡(luò)設(shè)計。本研究在考慮垂直起降機場位置和潛在的UAM交通需求之間的相互作用的同時，使用整數(shù)規(guī)劃和一種求解算法來確定垂直起降機場的最佳位置、用戶分配以及進出模式的選擇。我們還從供應(yīng)方面分析了UAM潛在需求的關(guān)鍵促進因素，以及UAM運營商的不同定價策略。一個基于美國佛羅里達州坦帕灣地區(qū)模擬分解交通需求數(shù)據(jù)的案例研究驗證了該模型的有效性。

本文的其余部分組織如下：第2部分總結(jié)了關(guān)于垂直起降機場位置識別和影響用戶使用UAM服務(wù)的因素；第3部分中討論本研究的關(guān)鍵假設(shè)和建?？蚣埽坏?部分給出了坦帕灣地區(qū)的數(shù)值研究；第5部分總結(jié)了研究成果，并對未來的研究方向進行了探討。

2. 文獻綜述

2.1. UAM的認(rèn)知、接納和采用

從車輛認(rèn)證和運營監(jiān)管到潛在市場識別過程，公眾的認(rèn)知、接納和采用是UAM服務(wù)成功的最關(guān)鍵因素之一。NASA和FAA已經(jīng)通過各種示范項目，如美國交通部（DOT）集成試點計劃（IPP），以了解eVTOL運行對社區(qū)的干擾[14]。各行業(yè)多次提及且強調(diào)了社區(qū)參與對于UAM服務(wù)成功的重要性[15]。在學(xué)術(shù)領(lǐng)域，研究人員在近期的研究中使用了調(diào)查工具和計量經(jīng)濟學(xué)建模預(yù)測UAM的需求，研究人員還研究了與傳統(tǒng)地面交通競爭下的短期UAM市場規(guī)模，以及與地面自動駕駛汽車和傳統(tǒng)交通競爭下的長期UAM市場規(guī)模。這些調(diào)查分布在美國的五個主要城市，重點關(guān)注有一定收入和通勤時間的群體[16-19]。意向調(diào)查也用于了解公眾對美國UAM服務(wù)的認(rèn)知、擔(dān)憂和所期望的運營模式[20]。作者發(fā)現(xiàn)，大多數(shù)受訪者認(rèn)為UAM優(yōu)點在于節(jié)省時間，而他們最主要的擔(dān)憂是UAM的安全問題。Eker等[21]采用雙變量有序probit模型來識別人口特征和以往的出行行為會如何影響公眾對使用UAM服務(wù)的優(yōu)點和擔(dān)憂的認(rèn)知。年齡、性別、收入水平、教育背景和日常駕駛習(xí)慣等諸多因素都與其有顯著的相關(guān)性。Al Haddad等[22]利用因子分析和離散選擇模型估計了影響公眾采用UAM服務(wù)的時間范圍。一般而言，大部分受訪者對在五年內(nèi)采用這項服務(wù)持積極態(tài)度，只有3.17%的受訪者表示不會使用這項服務(wù)，21.27%的受訪者表示不確定。在影響采用UAM服務(wù)的因素中，安全是最重要的，其次是成本、行程時間、準(zhǔn)時性和運行特性。

Fu等[23]研究了在與私家車、公共交通和自動駕駛出租車服務(wù)等模式的競爭下，公眾采用UAM服務(wù)的可能性[23]。他們通過對幾個基于市場細分的多項logit模型分析發(fā)現(xiàn)，安全性、出行時間和出行成本是影響公眾選擇UAM的最關(guān)鍵的因素。與選擇其他地面交通方式的用戶相比，UAM用戶可以節(jié)省最多的時間。另一項研究對1980—2017年的52項研究中的城市模式選擇因素進行了綜合分析，以確定UAM的需求和接受驅(qū)動因素[24]。作者根據(jù)不同用戶群體的需求，提出了服務(wù)成本、舒適性和靈活性三種不同的UAM運行理念。

最后，一系列研究總結(jié)了為達到如下目的所做的努力，即通過擴展現(xiàn)有的多代理交通仿真（MATSim）框架，整合UAM服務(wù)到現(xiàn)存的交通體系中，以開發(fā)一個仿真工具[25-28]。雖然擴展的仿真框架的出行方式選擇行為是通過應(yīng)用離散選擇模型實現(xiàn)的，但仿真工具能夠識別不同的車輛設(shè)計場景（即速度和容量）及運行配置如何影響UAM服務(wù)的需求。該仿真工具被用于測試美國南達科他州蘇福爾斯和瑞士蘇黎世的案例研究。在模擬過程中，每個城市的UAM運行網(wǎng)絡(luò)（即垂直起降機場的位置）被設(shè)定為給定的輸入。

2.2. UAM網(wǎng)絡(luò)設(shè)計

設(shè)計良好的地面基礎(chǔ)設(shè)施系統(tǒng)是UAM運行的基礎(chǔ)。為了建立這樣一個系統(tǒng)，必須確定垂直起降機場建設(shè)的最佳位置，以滿足用戶的潛在需求，并支持eVTOL飛機的運營。設(shè)置垂直起降機場應(yīng)首先考慮到附近土地使用的自然限制和eVTOL飛機的操作要求。Antcliff等[7]以加利福尼亞州硅谷為例，通過分析現(xiàn)有基礎(chǔ)設(shè)施和飛機運行規(guī)律的特點來說明如何實現(xiàn)這些目標(biāo)。Vascik和Hansman [13]建議將垂直起降機場與不同類型的現(xiàn)有基礎(chǔ)設(shè)施并存，以提高垂直起降機場的可用性，并減少UAM的最初或最后1 mile距離。為了確定垂直起降機場地點，需要考慮需求分布因素。Lim和Hwang [29]使用k-means聚類算法確定了韓國首爾的垂直起降機場的位置。每個確定的集群都包含相互共存的出行需求，集群的中心被認(rèn)為是垂直起降機場的合理位置。Fadhil[30]通過考慮影響研究區(qū)域內(nèi)通勤需求的因素和現(xiàn)有的基礎(chǔ)設(shè)施，采用了一種基于地理信息系統(tǒng)（GIS）的方法給垂直起降機場選址。在該研究中，研究人員根據(jù)專家判斷為各因素分配了不同的權(quán)重，并確定了不同位置被選擇為垂直起降機場的概率。人們可以從提供垂直起降機場的最佳選址和分析UAM的運行特性角度進行模型優(yōu)化，為UAM網(wǎng)絡(luò)設(shè)計提供更多的見解。Daskilewicz等[31]在考慮研究區(qū)域內(nèi)出行需求的情況下，提出了以最小化系統(tǒng)出行時間為目標(biāo)的整數(shù)規(guī)劃。但是，其發(fā)表的論文中沒有給出數(shù)學(xué)模型的公式，而且作者無法找到最優(yōu)解。Rath和Chow [32]提出了另一個模型，他們將傳統(tǒng)樞紐選址問題的建模結(jié)構(gòu)應(yīng)用于從紐約市中心到紐約和新澤西地區(qū)三個機場的垂直起降機場選址，而這原本是使用出租車服務(wù)的[32]。他們模型的一個缺點是只應(yīng)用了經(jīng)典的建模結(jié)構(gòu)，而沒有結(jié)合UAM服務(wù)的運行特性。一些研究調(diào)查了UAM用戶的付費意愿。如參考文獻[33]所述，根據(jù)一項調(diào)查，UAM服務(wù)用戶愿意支付美國和德國出租車價格的2～2.5倍，以換取減少50%的出行時間。其他的研究中也表明用戶愿意為UAM服務(wù)支付更多的費用以節(jié)省出行時間[4,23]。

針對現(xiàn)有文獻的不足，我們提出將模式競爭納入建模結(jié)構(gòu)，明確地解決UAM網(wǎng)絡(luò)設(shè)計問題。具體來說，考慮一個地區(qū)的不同旅行需求，同時考慮UAM服務(wù)吸引的需求與垂直起降機場地點之間的相互作用，我們將按需分配的UAM網(wǎng)絡(luò)設(shè)計問題轉(zhuǎn)化為具有特定約束的p中值軸輻式網(wǎng)絡(luò)問題，以反映個體在地面運輸和多式聯(lián)運服務(wù)之間的選擇。我們還提出了一種減少決策變量可行域的預(yù)處理方法，大大減少了計算時間，使問題易于處理并使UAM網(wǎng)絡(luò)設(shè)計具有可擴展性。此外，本文還進行了敏感性分析，以證明關(guān)鍵因素，如UAM的進出時間以及UAM服務(wù)的定價對網(wǎng)絡(luò)設(shè)計結(jié)果的影響。研究結(jié)果為城市決策者和UAM運營商提供了深入的規(guī)劃和管理建議。

3. 問題公式化

對于eVTOL按需分配服務(wù)，考慮到城市區(qū)域的出行需求，該研究確定了垂直起降機場的位置、從地面交通轉(zhuǎn)向UAM的出行需求、各個垂直起降機場的旅客分配以及垂直起降機場進出地面模式的選擇。在網(wǎng)絡(luò)設(shè)計的數(shù)學(xué)模型中，目標(biāo)是使全體旅客的廣義出行成本最小化，其中包括那些選擇使用多式聯(lián)運服務(wù)的旅客和那些繼續(xù)使用現(xiàn)有地面交通網(wǎng)絡(luò)的旅客。但是，該模型允許每個出行者選擇廣義成本最低的最佳出行方式。

3.1. 假設(shè)

此項研究針對UAM網(wǎng)絡(luò)設(shè)計做出了以下假設(shè)：

（1）相比于純地面交通，如果城市空中交通節(jié)省的旅行時間少于多式聯(lián)運，那么旅客將在純地面運輸和多式聯(lián)運之間進行選擇，而不會選擇城市空中交通。

（2）在此項研究中，純地面交通僅包括駕駛私人車輛、使用公共交通以及使用TNC或出租車公司提供的出租車服務(wù)?？捎糜谶M出垂直升降機場的出行方式包括駕駛私家車、乘坐公共汽車、步行、乘坐出租車、使用共享單車和電動車等。

（3）這項研究沒有考慮乘客在垂直升降機場的轉(zhuǎn)運問題，也就是說，一次旅行僅通過兩個垂直升降機場，一個靠近旅客的始發(fā)地，而另一個接近目的地。

（4）對于多式聯(lián)運的情況，此項研究不考慮交通擁堵問題，并且假定步行、騎自行車、騎電動車、乘坐公共汽車和飛機的速度恒定，駕駛私人車輛或乘坐出租車的速度與相應(yīng)地面旅行的平均速度相同。

（5）航空交通的費用由基本固定成本和可變成本組成，可變成本與航線距離呈線性關(guān)系。地面運輸?shù)某杀救Q于所選的出行方式（有關(guān)每種出行方式的成本構(gòu)成和相應(yīng)的參數(shù)設(shè)置，請參見表1）。

表1 不同運輸方式的定價方式

（6）此項研究沒有考慮到由于垂直升降機場的容量限制或電動垂直起降機的短缺而給旅客帶來的額外等待時間。

（7）此項研究也沒有考慮旅客乘坐私人電動垂直起降機或者公共電動垂直起降機時不同的票價。

對于假設(shè)（1），如文獻[23]所述，節(jié)省的旅行時間和額外的旅行成本是影響旅客選擇城市空中交通決定的最重要因素。在假設(shè)（2）中，只有使用三種主要交通方式的旅客才被視為是潛在的城市空中交通旅客，因為步行、自行車和電動車主要用于短途旅行。實際上，可用于垂直升降機場進出的選擇是中短途的出行方式。假設(shè)（3）的提出是因為轉(zhuǎn)運將增加更多的等待時間，給旅客的出行帶來不便，從而會降低多式聯(lián)運對城市旅行的吸引力。但是，如果考慮區(qū)域空中交通，轉(zhuǎn)運就是可行的。在假設(shè)（4）中，步行、騎自行車、騎電動車和乘坐飛機的平均行駛速度是恒定的這一假設(shè)是合理的，因為這些出行方式通常不會遇到擁堵問題，并且它們的速度取決于車輛配置或現(xiàn)有的服務(wù)數(shù)據(jù)[4,34,35]。如果在未來的研究中考慮到行駛時間的不確定性，則可以減少關(guān)于擁堵對地面車輛行駛的影響的假設(shè)。TNC目前的定價方案由基本固定成本加上可變成本組成[36]，該方案在假設(shè)（5）中用于城市空中交通。參考文獻[4]中所做的預(yù)測表明基本成本和可變成本與UberBlack服務(wù)的行程相匹配[4]。如果在實際中結(jié)合了許多其他因素（如一天中的時間、旅行時間和預(yù)訂費），就可以放寬此定價策略，并且可以遵循與TNC類似的收費算法，該算法將在后續(xù)進行研究。對于地面旅行，公交服務(wù)的成本取決于用戶是否持有公交通行證。UberX的定價方案簡化了租用服務(wù)的成本[36]。對于共享自行車和電動車，其服務(wù)成本的定價方案來自坦帕灣的現(xiàn)有運營商[37,38]。駕駛私人車輛的成本包括汽油成本和停車成本。單位汽油成本可以視為確定值，但停車成本視情況而定。如表2所示，本研究假設(shè)停車成本取決于出行目的、人口密度和停車類型[39]。應(yīng)當(dāng)指出的是，私人車輛的擁有成本并未包括在內(nèi)，因為當(dāng)旅客為特定行程做出模式選擇決定時，他們并未考慮該成本。垂直升降機場的容量限制了可以降落和起飛的電動垂直起降機的數(shù)量。如果容量有限，乘客可能需要等待。另外，如果運營商無法提供足夠的電動垂直起降機，則會延誤乘客的行程。假設(shè)（6）表明，我們僅假設(shè)在垂直升降機場間的航行時間恒定，而沒有考慮這些不確定性。假設(shè)（7）表明，在這項研究中，我們沒有區(qū)分每位旅客空中交通的票價，該票價在實際情況中由于電動垂直起降機的使用率不同而有所不同，類似于Uber和Uber Pool。參照近期的情況，如果要求飛行員操作電動垂直起降機，則將有相當(dāng)大的固定成本，而且票價變動會受到限制。最后，我們將努力為新興的城市空中交通開發(fā)一個規(guī)劃及評估工具，其可以用于計算基于不同使用率的不同票價，并可以分析其對交通網(wǎng)絡(luò)設(shè)計的影響。

3.2. 建模方法

城市空中交通按需服務(wù)的建模過程如圖1所示。建模結(jié)構(gòu)中初始輸入項有三個主要的來源。第一個來源包括研究區(qū)域的激光雷達數(shù)據(jù)和土地使用信息以及管制政策。具體來說，在開發(fā)三維（3D）地圖時，激光雷達數(shù)據(jù)可用于提取研究區(qū)域的海拔信息，土地使用信息是識別垂直建筑可用地面區(qū)域的基礎(chǔ)，而管制政策指出了飛機的運行限制。GIS用于整合上述輸入以識別垂直升降機場的位置（有關(guān)GIS工具的詳細信息請參見第3.3節(jié)）。坦帕灣區(qū)域規(guī)劃模型（TBRPM）的模擬輸出是輸入的另一個主要來源，它可以提供旅客旅行需求數(shù)據(jù)，如出發(fā)地和目的地（OD）、旅行時間和地面交通方式（關(guān)于TBRPM及其輸出的說明請參見第4節(jié)）。最后輸入的是旅客的社會人口統(tǒng)計信息，該信息表示了旅客時空分布。垂直升降機場的位置、旅行需求和時空分布一起作為網(wǎng)絡(luò)設(shè)計模型的輸入。在使用商業(yè)求解器解決優(yōu)化問題之前，本研究使用了預(yù)處理技術(shù)來減少網(wǎng)絡(luò)設(shè)計模型的可行區(qū)域。最后，本研究得到了垂直升降機場的最佳位置、對城市空中交通服務(wù)的需求量、到達垂直升降機場乘坐城市空中交通的旅客數(shù)量以及旅客進出垂直升降機場的模式選擇信息。

本研究沒有考慮TBRPM和網(wǎng)絡(luò)設(shè)計模型之間的任何交互作用。在一個工作日對TBRPM進行一次模擬，以獲取研究區(qū)域的出行數(shù)據(jù)，并假設(shè)旅客對于地面交通和航空交通之間的選擇行為不會影響TBRPM的輸出，因為預(yù)計轉(zhuǎn)移到城市空中交通的需求僅占總需求的極小一部分。本研究在第5節(jié)中討論了由新興城市空中交通引起的需求，并提出了未來的研究方向。

3.3. 使用GIS工具確定垂直升降機場

在將提出的模型應(yīng)用于特定的城市空中交通網(wǎng)絡(luò)設(shè)計之前，必須確定垂直升降機場位置，這些位置受到各種自然和法規(guī)的限制。我們獲取了佛羅里達州的激光雷達數(shù)據(jù)，并將坦帕灣地區(qū)的數(shù)據(jù)處理為該地區(qū)的3D地圖。然后，我們根據(jù)現(xiàn)有的土地使用限制和飛機運行要求，應(yīng)用GIS工具來確定候選位置。根據(jù)土地使用限制，本研究僅考慮那些被認(rèn)為適合作為垂直升降機場的區(qū)域，如商業(yè)區(qū)和工業(yè)區(qū)、空地和公共場所。住宅區(qū)（包括市區(qū)的住宅建筑）和保護區(qū)被排除在外，以減輕垂直升降機場對社區(qū)的影響?？紤]到直升機的運行特性，飛機的運行要求主要是針對直升機停機坪設(shè)計的FAA法規(guī)。確定候選垂直升降機場位置的具體步驟如下。

表2 不同情況下的停車費用

圖1. 按需城市空中交通網(wǎng)絡(luò)設(shè)計模型。TBRPM：坦帕灣區(qū)域規(guī)劃模型；OD：起點和終點。

（1）收集激光雷達數(shù)據(jù)并繪制研究區(qū)域的3D地圖。激光雷達數(shù)據(jù)可從參考文獻資料[40]獲取。美國國家海洋和大氣管理局（NOAA）提供了美國沿海地區(qū)的海拔數(shù)據(jù)。

（2）將研究區(qū)域的地圖作為基礎(chǔ)地圖導(dǎo)入到GIS工具中，地圖的基本組成元素是土地。

（3）將研究區(qū)域的土地圖層添加到基礎(chǔ)地圖中，過濾出符合條件的土地利用區(qū)域，然后將其與地塊級別的基礎(chǔ)地圖進行合并。

（4）然后添加另一層，從一側(cè)到另一側(cè)將研究區(qū)域劃分為500 ft（1 ft = 0.3048 m）的六邊形。六邊形的尺寸根據(jù)FAA法規(guī)進行選擇（FAA法規(guī)為直升機停機坪的設(shè)計提供了說明）。其假定每個六邊形可為一個電動垂直起降機提供足夠的區(qū)域面積。如果FAA制定了有關(guān)電動垂直起降機的新法規(guī)，則應(yīng)根據(jù)新法規(guī)進行規(guī)劃。

（5）將六邊形圖層與土地利用區(qū)域圖層組合在一起。如果在符合土地使用區(qū)域的地塊中未包含六邊形，則會將其刪除，并且不會用做垂直升降機場的候選位置。

（6）確定屋頂空間足夠大的市區(qū)高層建筑。對于沒有高層建筑的郊區(qū)，會解析出最大高度為20 ft的六邊形。如果最大高度小于或等于20 ft，則認(rèn)為不存在可以安置垂直升降機場的建筑物或其他結(jié)構(gòu)。

（7）將相鄰的合格六邊形合并為一個垂直升降機場，以避免產(chǎn)生過多的候選對象。

3.4. 城市空中交通軸輻式網(wǎng)絡(luò)設(shè)計

對于多式聯(lián)運，N為代表城市或郊區(qū)旅客出行的起點（O）和終點（D）的一組節(jié)點。P表示一組OD對，M表示一組垂直升降機場的候選位置，F(xiàn)表示一組可用于垂直升降機場出入的出行模式。對于任何的OD對，旅客都可以通過純地面運輸或垂直升降機場的多式聯(lián)運直接往返，而垂直升降機場就是交通樞紐。圖2說明了城市空中交通的運輸網(wǎng)絡(luò)。

這樣的網(wǎng)絡(luò)類似于航空研究領(lǐng)域廣泛研究的軸輻式網(wǎng)絡(luò)，在該網(wǎng)絡(luò)中，任何兩個機場之間的流量都不是為所有成對節(jié)點提供直接傳輸，而是通過稱為“轉(zhuǎn)運點”的指定轉(zhuǎn)運節(jié)點進行傳輸[41,42]。因此，我們借用了p中值軸輻式網(wǎng)絡(luò)問題的建模結(jié)構(gòu)。城市空中交通網(wǎng)絡(luò)設(shè)計問題的決策變量為?a,e∈F，以上變量都為二進制。如果選擇位置k(k∈M)作為垂直升降機場，則yk的值為1；如果行程p是通過純地面運輸，則zp的值為1；如果行程p是通過多式聯(lián)運進行的，則的值為1，乘客從k至d通過兩個垂直升降機場k和d；如果行程p使用模式a到達垂直升降機場k，則的值為1；如果行程p使用模式e從垂直升降機場離開，則的值為1。注意，每個行程p包含一對OD節(jié)點(i,j), ?i, j∈N。

如前所述，由于各種限制，規(guī)劃建立的垂直升降機場的數(shù)量將受到限制。u為計劃的垂直升降機場數(shù)量，可得：

為了到達目的地，每個旅客都必須在純地面交通和多式聯(lián)運之間做出選擇。所以：

除非選擇k作為垂直升降機場，否則站點k不能位于路線i→k→d→j中。因此：

圖2. 城市空中交通軸輻式網(wǎng)絡(luò)。

通常，將單一分配的軸輻式網(wǎng)絡(luò)問題的需求假定為一個恒定值（確定性編程）或一組具有概率的變量（隨機編程）。在這項研究中，基于個人出行的總數(shù)量，我們考慮了地面運輸模式與多式聯(lián)運模式之間的競爭，該競爭受垂直升降機場位置、垂直升降機場的數(shù)量以及旅客進出垂直升降機場的模式選擇的影響。在以下部分中，將介紹不同模式之間的競爭關(guān)系。

3.5. 城市空中交通的操作概念和模式選擇

許多研究已經(jīng)定義了多式聯(lián)運的操作概念[7,12,43]，可以將其繪制為圖3所示的過程。在每個垂直升降機場，都有旅客乘坐地面交通可到達的進出站點、候機區(qū)、供乘客上下飛機的登機區(qū)和離場區(qū)以及飛機的著陸區(qū)和起飛區(qū)。如果要求旅客在垂直升降機場登機或下機，則不需要特定的登機和離場區(qū)。多式聯(lián)運服務(wù)流程是，旅客將首先使用地面交通工具到達指定的垂直升降機場。到達后，旅客將前往等候區(qū)，在等候區(qū)等待一段時間后才能登上相應(yīng)的登機口。飛機從垂直升降機場起飛，并在到達一定高度后航行至另一個垂直升降機場。飛機降落在目的地所在的垂直升降機場平臺之后，旅客便又會經(jīng)歷類似的過程，然后再通過地面交通工具到達目的地。

多式聯(lián)運的旅行時間不僅取決于航行過程和飛行時間，還取決于進出時間。因此，本研究還對旅客對垂直升降機場進出模式的選擇進行了建模。本研究假設(shè)旅客僅選擇一種交通方式進出垂直升降機場。等式（4）和（5）表明，如果一次旅行涉及多式聯(lián)運，則必須選擇地面交通模式以便捷地進入始發(fā)垂直升降機場和離開垂直升降機場。

需要確保旅客進出方式的選擇將適用于所選航空旅行的兩個垂直升降機場，這可以通過方程式（6）進行限制。

基于上述關(guān)系，我們可以計算出多式聯(lián)運的旅行時間和旅行費用。令表示行程p的航空旅行總服務(wù)成本和服務(wù)時間；ckd和tkd分別代表旅客通過電動垂直起降機往來兩個垂直升降機場之間的旅行成本和旅行時間；表示旅客通過地面運輸a出入行程p的垂直升降機場k所需要的旅行成本和旅行時間。ttw代表旅客在轉(zhuǎn)移、在機場等待以及登機下機的時間；ttl是電動垂直起降機起飛和降落所需的時間。等式（7）和（8）用于計算城市空中交通的總旅行時間和總旅行成本。

圖3. 城市空中交通操作概念。TLOF：著陸區(qū)和起飛區(qū)。

可以根據(jù)3.1節(jié)中討論的成本計算公式和行進速度假設(shè)獲取進出垂直升降機場的旅行時間和旅行成本。最后，本研究定義了純地面交通和空中交通之間的模式選擇標(biāo)準(zhǔn)。美國交通運輸部計劃通過減少旅行花費的時間確定有利于旅客的新措施，節(jié)省的旅行時間是用于成本效益分析的主要標(biāo)準(zhǔn)[43]。時間價值與旅行成本之間的比較是旅客從不同模式中進行選擇的基本判斷標(biāo)準(zhǔn)。用節(jié)省的時間乘以旅客的時間價值可以計算出節(jié)省的時間價值。用分別表示純地面運輸?shù)穆眯谐杀竞吐眯袝r間；γp代表旅行p中旅客的時間價值。如方程式（9）所示，當(dāng)節(jié)省的旅行時間的價值少于額外費用時，用戶將不會選擇城市空中交通。

3.6. 城市空中交通服務(wù)網(wǎng)絡(luò)設(shè)計的數(shù)學(xué)模型

整數(shù)項目的目標(biāo)是最大限度地降低旅客的一般旅行費用，包括純地面交通和多式聯(lián)運的費用。廣義旅行費用是貨幣化的旅行時間和旅行費用的總和?；谝陨嫌懻?，用于城市空中交通網(wǎng)絡(luò)設(shè)計的整數(shù)編程（IP）的完整公式如下（P1）：

3.7. 大型網(wǎng)絡(luò)問題的預(yù)處理程序

在許多參考文獻中，傳統(tǒng)的軸輻式問題已被證明是非確定性多項式（NP）[41,42,44-46]，這說明該問題無法用多項式解決。結(jié)合傳統(tǒng)的軸輻式問題的建模結(jié)構(gòu)和單個旅客的模式選擇建模來創(chuàng)建所提出的數(shù)學(xué)模型P1，這會使得解決IP問題更難。然而，通過分析網(wǎng)絡(luò)設(shè)計問題的性質(zhì)和城市空中交通的特性，我們提出了一個附加條件，并與等式（9）中的條件一起進行了預(yù)處理，這大大減少了IP問題的可行域。因此，盡管本研究的建模結(jié)構(gòu)仍然比傳統(tǒng)的軸輻式網(wǎng)絡(luò)復(fù)雜，但是可以顯著減少所提出的城市空中交通網(wǎng)絡(luò)設(shè)計的問題，從而有可能解決大型城市空中交通網(wǎng)絡(luò)設(shè)計的問題。預(yù)處理過程描述如下。

P1中提出的數(shù)學(xué)模型的目的是通過城市空中交通將系統(tǒng)的總成本降至最低。我們給出了使用純地面交通工具進行候選旅程的旅行時間和旅行成本，而且嘗試了可能會轉(zhuǎn)變?yōu)橥ㄟ^空中交通進行的候選行程，P1的目標(biāo)函數(shù)（即使所有行程的廣義總成本最小化）等效于最大化節(jié)省廣義成本，如下所示：

從等式（9）我們可以得知，如果節(jié)省的時間價值少于附加費用（即旅客將不會適用空中交通。那么，我們可以排除為0的旅行。我們可以定義W1：

式中，p分別代表候選旅行；k代表起點垂直升降機場；d代表終點垂直升降機場；a,e代表垂直升降機場進出模式的取值可以為1。

另外，可以通過觀察城市空中交通過程來提出另一個限制條件。在保證一般性的情況下，任何通過給定的垂直升降機場k到d，即從起點i到終點j的空中交通都可以通過圖4（a）、（b）表示。

給定任意兩個垂直升降機場(k,d)，不管選擇哪個作為出發(fā)機場，空中旅行的距離都是恒定的。因此，對于任何給定的垂直升降機場（本研究為i→k→d→j），旅客總會選擇行程距離較短的行程路線，而行程距離較長的行程（本研究為i→d→k→j）是不可行的。否則，進出垂直升降機場的直線距離甚至?xí)绕瘘c和終點之間的直線距離更長。這種關(guān)系可以通過等式（13）來表達。

然后，我們可以定義W：

我們可以進一步縮小原始模型P1的可行區(qū)域，并且可以用以下數(shù)學(xué)模型（P2）代替P1：

圖4. 起點和終點與兩個候選垂直升降機場的相對位置。

4. 數(shù)值研究

為了證明所提出的方法有效，我們在TBRPM模擬的出行需求數(shù)據(jù)的基礎(chǔ)上進行了數(shù)值研究，該數(shù)據(jù)已被佛羅里達州交通運輸局（FDOT）第七區(qū)（D7）和城市規(guī)劃組織（MPO）用于預(yù)測未來的出行需求。如圖5（a）所示，TBRPM的研究區(qū)域與FDOTD7管轄區(qū)域相對應(yīng)，包括Hillsborough、Pinellas、Pasco、Hernando和Citrus。

4.1. 數(shù)據(jù)描述

來自TBRPM的旅行需求數(shù)據(jù)是區(qū)域分配水平的，其聚焦于每個旅行者的旅途，這是TBRPM在一個工作日運行24 h模擬的結(jié)果。數(shù)據(jù)提供了研究區(qū)域中所有預(yù)測旅行的OD坐標(biāo)及其相應(yīng)的網(wǎng)絡(luò)旅行時間和旅行距離。它還提供其他信息，如家庭收入、家庭工作者人數(shù)、出行方式、出行目的和過境通行證持有人。對以上行程進行過濾，選擇出行距離超過10 mile、出行時間超過30 min的行程（因為假設(shè)了在短于該閾值的行程中，人們不會選擇eVTOL出行方式）。結(jié)果仍有266 734次旅行作為潛在的UAM旅行。表3列出了這些行程的統(tǒng)計數(shù)據(jù)。如表所示，這些行程的出行時間和出行距離分布不均勻，并且時間較長（≥41.74 min）或行程較長（≥29.46 mile）。

表3 潛在旅行的統(tǒng)計信息

利用GIS工具，總共選擇了100個候選的垂直起降機場地點。根據(jù)TBRPM輸入數(shù)據(jù)中的家庭收入和每個家庭的工作者人數(shù)，得到了每個出行者的年平均工資，對應(yīng)的分布如圖6（a）所示。這種分布非常接近整個Florida的分布[47]，每個出行者的時間價值可以通過除以一年的一般工作時間（2080 h）來計算，據(jù)此得到如圖6（b）所示的分布圖。表4列出了用于數(shù)值研究中模型評估的其他參數(shù)。

表4 數(shù)值研究中參數(shù)的取值

圖5. TBRPM研究區(qū)域（a）和選定的垂直升降機場位置（b）以及UAM行程分布的優(yōu)化結(jié)果。資料來源：Esri、Here、Delorme、USGS、Intermap、INCREMENT P、NRCan、Esri Japan、METI、Esri China (Hong Kong)、Esri Korea、Esri (Thailand)、MapmyIndia、NGCC、?OpenStreetMap貢獻者，以及GIS用戶社區(qū)。

圖6. 研究區(qū)域旅行者的平均工資分布（a）和時間分布值（b）。

4.2. 結(jié)果分析

在64位Windows 10操作環(huán)境下，使用Python和Gurobi v9.0求解器在3.60 GHz、16 GB RAM的Dell計算機上求解該整數(shù)程序。預(yù)處理耗時2小時34分鐘，數(shù)學(xué)模型耗時245 s（約4 min）得到最優(yōu)值。30個垂直起降機場的位置和相應(yīng)的UAM行程如圖5（b）所示。預(yù)處理結(jié)果表明1124名旅行者將成為UAM服務(wù)的用戶，優(yōu)化結(jié)果表明，最終用戶數(shù)量為532人，約為266 734次旅行的0.20%，總體成本節(jié)省了9783美元。表5總結(jié)了每個選定的垂直起降機場的需求，表6總結(jié)了垂直起降機場進出模式的選擇。如表所示，垂直起降機場的需求分布不均勻，在當(dāng)前參數(shù)設(shè)置下，最高的需求量為65，最低的需求量為13。對UAM服務(wù)的需求主要集中在沿海地區(qū)。在進出機場的交通方式選擇上，駕駛個人車輛是進入垂直起降機場的主要選擇，駕駛個人車輛和使用出租服務(wù)是離開垂直機場的主要選擇。如果UAM用戶繼續(xù)使用地面運輸，則需檢測他們的旅行時間和距離分布，以驗證所設(shè)定的UAM服務(wù)（30 min和10 mile）的閾值是否合理。如圖7和圖8所示，UAM用戶的平均出行距離在約為30 mile，UAM用戶的平均出行時間約為50 min，這說明閾值的選擇是合理的。

表5 通過每個選定垂直升降機場的旅行次數(shù)

表6 進出機場的交通方式選擇

本研究分析了多模式UAM行程的特征，結(jié)果如圖9至圖12所示。如圖9所示，UAM的行程大部分在10～40 mile，最長約60 mile。從圖10可以看出，大多數(shù)用戶使用UAM服務(wù)可以節(jié)省8～40 min，最長節(jié)省時間超過120 min，這說明UAM服務(wù)具有顯著的時間節(jié)約效益。我們計算了多模式UAM行程各部分的時間消耗與總服務(wù)時間的比值，其分布如圖11所示。圖中，飛行行程時間平均占自動升降機服務(wù)總時間的30%，這表明通過擴大垂直起降機場的位置以改善垂直起降機場的可達性，可以進一步提高自動升降機的服務(wù)效率。在出行目的方面，從圖12中可以看出，使用UAM服務(wù)的主要出行目的以家庭出行和工作出行為主。

圖7. 使用純地面運輸時，UAM用戶的行程距離分布。

圖8. 使用純地面運輸時，UAM用戶的行程時間分布。

圖9. 多模式UAM行程距離分布。

圖10. UAM節(jié)省時間的分布。

圖11. UAM運行各部分服務(wù)時間占總服務(wù)時間的比例。

圖12. 使用UAM服務(wù)的出行目的統(tǒng)計圖。

4.3. 靈敏度分析

圖13. 不同數(shù)量的垂直起降機場下的廣義節(jié)約成本和UAM飛行次數(shù)。

圖14. 不同數(shù)量的垂直起降機場下的垂直起降機場的進出時間。

圖15. 不同數(shù)量的垂直起降機場下進入垂直起降機場的方式選擇。

為了了解一些關(guān)鍵參數(shù)的變化如何影響出行者出行方式的選擇和UAM服務(wù)的性能，本研究進行了敏感性分析。每一次敏感性分析中，只有一個參數(shù)取值不同，如表4所示，其他參數(shù)取值保持不變。第一個變化的參數(shù)是垂直升降機場的數(shù)量，結(jié)果如圖13至圖17所示。垂直升降機場的數(shù)量會顯著影響用戶對垂直升降機場的可達性，進而影響用戶對UAM服務(wù)的使用，如圖14所示，即使總是存在一些“異常”旅行，隨著可用的垂直起降機場數(shù)量的增加，垂直起降機場進出時間占UAM服務(wù)總時間的比例下降，這表明用戶對垂直起降機場的可達性增加。因此，我們可以預(yù)測，改進的可達性將提高UAM的使用率，如圖13所示。隨著垂直起降機場數(shù)目由10個增加至100個，UAM的用戶增加約900人，約占總行程的0.34%；當(dāng)垂直起降機場數(shù)量超過80個時，這種效應(yīng)就會減緩，這表明UAM的采用也受到其他因素的限制。UAM用戶數(shù)量的增加也表明系統(tǒng)廣義節(jié)約成本的增加。此外，垂直起降機場的可用性增加導(dǎo)致大多數(shù)垂直起降機場的需求下降，而少數(shù)垂直起降機場的需求總是極高或極低（圖17）；當(dāng)垂直起降機場數(shù)量為60個時，需求分布最均勻。如圖15和圖16所示，增加垂直起降機場的可達性并不利于增加非機動車出行方式（如滑板車、自行車和步行）的采用。個人車輛始終是進入機場通道的首選，在離開垂直起降機場的方式選擇中，用戶最喜歡租車服務(wù)，其次是開私家車。此外，有大量用戶選擇乘坐巴士離開垂直起降機場。測試的第二個參數(shù)是在垂直起降機場的乘客轉(zhuǎn)移時間（圖18至圖20）。中轉(zhuǎn)時間代表了垂直起降機場運營管理的效率，而中轉(zhuǎn)時間的增加抵消了UAM航空旅行節(jié)省時間的優(yōu)勢。所選行程的總體UAM服務(wù)時間隨著換乘時間的增加而增加（圖19），純地面行程所替代的行程時間分布更不均勻，長行程所占比例更高（圖20）。這表明，在較短的旅行時間中，較長的換乘時間使UAM服務(wù)的效率和競爭力低于純地面運輸。對于采用UAM，圖18顯示，當(dāng)換乘時間從2 min增加到10 min時，超過600名旅客轉(zhuǎn)而使用純地面交通，超過了總需求的0.2%，廣義節(jié)約成本增加了約900美元。

圖16. 不同數(shù)量垂直起降機場下離開垂直起降機場的方式選擇。

圖17. 不同數(shù)量垂直起降機場下的垂直起降機場需求分布變化。

圖18. 不同行程時間的系統(tǒng)行程時間和UAM的使用變化。

圖19. UAM行程時間分布變化。

圖20. UAM用戶繼續(xù)使用地面交通方式行程時間的分布變化情況。

本研究對UAM定價方案如何影響用戶對UAM的需求和UAM的系統(tǒng)性能，以及UAM運營商的創(chuàng)收進行了測試。我們在垂直起降機場數(shù)量不變的情況下，測試不同的UAM航空旅行價格對其產(chǎn)生的影響。其敏感度分析結(jié)果見圖21和圖22。

圖21. 不同定價方案的廣義節(jié)約成本和UAM的需求變化。

圖22. 不同定價策略下的UAM運營商的總收入變化。

如圖21所示，當(dāng)垂直起降機場數(shù)量固定時，UAM的需求量對航空旅行價格極為敏感。當(dāng)基本成本為10美元，單位空中旅行的成本為1美元時，需求量高達5000，但當(dāng)基本成本為30美元，單位空中旅行成本為2美元時，需求量降至600以下。采用具有較低基本成本時，UAM需求量對單位空中旅行成本的增加更為敏感。例如，當(dāng)單位空中旅行成本從1美元增加到2美元時，采用基本成本為10美元的UAM服務(wù)時，UAM的需求量從5500減少到2100；對于基本成本為30美元的情況，該變化從大約2000減少到600以下。廣義節(jié)約成本的變化趨勢與上述類似。

另一個重要的因素是UAM運營商的創(chuàng)收。如圖22所示，當(dāng)垂直起降機場數(shù)量固定時，UAM運營商的總收入將隨著單位成本或基本成本的增加而下降。這說明增加的單位航空旅行成本會減少用戶對UAM的需求，而損失的收入無法通過向客戶收取高額費用進行補償。當(dāng)服務(wù)需求提高時，會產(chǎn)生與車隊規(guī)模需求、運營和管理相關(guān)的額外運營成本，從而抵消收入。未來仍需要收集更多信息并進行分析以了解這些參數(shù)對UAM運營商利潤的影響，即收入和成本之間的差異。

圖23. 不同單位飛行成本和垂直起降機場數(shù)量下UAM的需求數(shù)量。

圖24. 不同單位飛行成本和垂直起降機場數(shù)量下的廣義節(jié)約成本。

圖25. 不同單位飛行成本和垂直起降機場數(shù)量下的總收入情況。

最后，本文還探討了基礎(chǔ)設(shè)施供應(yīng)和定價策略的長期綜合效應(yīng)。圖23至圖25對系統(tǒng)旅行時間、航空旅行總收入和UAM的需求差異進行了分析（基本成本為30美元不變，改變不同的垂直機場數(shù)量和不同的單位空中旅行成本）變化情況總體而言，相對于垂直起降機場的數(shù)量，UAM的需求、總體節(jié)約成本和總收入的變化對單位空中旅行成本更為敏感。邊際效益隨著垂直起降機場數(shù)量的增加和單位飛行成本的增加而減小。

5. 結(jié)論

本研究探討按需UAM服務(wù)的網(wǎng)絡(luò)設(shè)計。本文結(jié)合傳統(tǒng)的軸輻問題的建模結(jié)構(gòu)和個人出行方式選擇模型，建立了確定性IP模型。通過分析網(wǎng)絡(luò)設(shè)計問題的本質(zhì)和UAM行程特性，本文提出了一個附加約束，并與其他約束一起進行了預(yù)處理，以大大減少IP問題的可行域。優(yōu)化結(jié)果表明，由于引入了UAM服務(wù)和不同垂直起降機場需求的不均勻分布，人們可以節(jié)省大量時間。本文進行了敏感性分析，以研究與UAM需求量和UAM服務(wù)性能的供應(yīng)方面有關(guān)的關(guān)鍵因素的影響。據(jù)分析，雖然增加垂直起降機場的數(shù)量可以提高垂直起降機場的可達性，從而提高UAM的需求量，但案例研究表明，當(dāng)垂直起降機場的數(shù)量超過80時，邊際效益變得不顯著。此外，地面模式到UAM之間轉(zhuǎn)換時間的增加極大地阻止了旅客從地面交通轉(zhuǎn)換到UAM并降低了UAM的服務(wù)性能。此外，研究還測試了不同的定價方案，并分析了其對UAM需求量和創(chuàng)收的重大影響。對垂直起落架數(shù)量和定價策略影響的綜合分析表明，從系統(tǒng)性能到創(chuàng)收，價格的影響比任何其他因素都大。本文所提出的建模方式和敏感性分析可以讓城市管理者和UAM運營商更好地了解新興的按需UAM，并可以在基礎(chǔ)設(shè)施要求和定價策略方面為未來的UAM服務(wù)提供指導(dǎo)。

本研究側(cè)重于未來UAM服務(wù)的基礎(chǔ)設(shè)施需求。為了將這種新模式整合到現(xiàn)有的交通系統(tǒng)中，許多研究問題仍有待解決。由于引入UAM會使系統(tǒng)性能提高，因此導(dǎo)致的誘導(dǎo)需求包括緩解交通擁堵而引起的地面交通需求和改進的機動性引起的UAM服務(wù)需求。本研究未考慮上述誘導(dǎo)需求，因為垂直起降機場的位置不受誘導(dǎo)需求的影響。對于第一類誘導(dǎo)需求，由于案例研究中由其他出行方式轉(zhuǎn)換到UAM服務(wù)的次數(shù)非常有限，緩解擁堵的作用很小，誘導(dǎo)需求可以忽略不計。對于第二種類型，如果誘導(dǎo)需求遵循研究中使用的每日行程的相同地理分布，則起降機場的最佳位置相同。在未來的研究中，隨著UAM市場滲透率的提高，應(yīng)考慮誘導(dǎo)需求的因素。處理這一問題的一種方法是修改框架以實現(xiàn)TBRPM模型和網(wǎng)絡(luò)設(shè)計模型之間的交互。根據(jù)網(wǎng)絡(luò)設(shè)計模型得到的網(wǎng)絡(luò)配置，可以將UAM服務(wù)作為一種新的運輸模式編碼到TBRPM中。整個模型將以TBRPM的需求輸出作為網(wǎng)絡(luò)設(shè)計模型的輸入迭代運行，直到UAM需求和網(wǎng)絡(luò)配置保持相對穩(wěn)定。然后，通過與沒有相互作用的模型結(jié)果進行比較，可以得到誘導(dǎo)需求。

本研究可以在以下幾個方面進行改進和擴展。在本研究中，在計算使用地面運輸?shù)拇怪逼鸾禉C場進出時間時，沒有考慮交通擁堵的因素。未來需考慮隨機性的影響，因此未來的研究方向是提出更可靠的UAM網(wǎng)絡(luò)設(shè)計。此外，在本次研究中我們假設(shè)有足夠的eVTOL來滿足每個垂直起降機場的乘客需求，并沒有研究車隊的規(guī)劃。此外，由于沒有區(qū)分在不同的情況下的票價，例如，若乘客選擇單獨旅行，則會支付更高的票價；如果乘客愿意與其他乘客合乘，則票價會更低。一項正在進行的研究正在解決UAM服務(wù)的運營管理問題，并從規(guī)劃和戰(zhàn)術(shù)操作的角度解決重新定位eVTOL車輛的需求。在該研究中，eVTOL以不同的占有率建模，乘客根據(jù)他們的行程距離和eVTOL占有率支付服務(wù)費用。該研究也在探索eVTOL的充電調(diào)度，以確保UAM的持續(xù)服務(wù)。通過這一持續(xù)的努力，最終的目的是為新興的UAM開發(fā)一個計劃和評估工具，并利用該工具獲取UAM服務(wù)的特點和性能方案分析，從而為利益相關(guān)者提供指導(dǎo)。

Disclaimer

The contents of this report reflect the views of the authors, who are responsible for the facts and the accuracy of the information presented herein. This document is disseminated in the interest of information exchange. The report is funded, partially or entirely, by a grant from the US DOT’s University Transportation Centers Program. However, the US Government assumes no liability for the contents or use thereof.

Compliance with ethics guidelines

Zhiqiang Wu and Yu Zhang declare that they have no conflict of interest or financial conflicts to disclose.