中观对微观：好的中观校准可以节省微观仿真的需要。 系列二。
2018年5月：Laura Oriol尔分享了她在交通信号灯和主要-次要优先路口改变通行量参数的技巧。
MFC和电池消耗模型
2022年4月 — 技术注解#68
作者：Geline Canayon
Aimsun产品专家
微观自由流加速模型（MFC）准确而稳定地捕捉了基于发动机参数的车辆加速动态，同时也考虑了环境条件和驾驶员行为。 这允许更准确地计算排放和燃料消耗，而这些都是受车辆动力学影响的统计数据。 虽然MFC给计算带来了复杂性，但对仿真的运行时间影响很小，因为它使用预先建立的不同欧洲汽车类别的变速和加速曲线来确定车辆的加速度。 该模型包括汽油、柴油和电动发动机。 在内燃机的情况下，首先，档位是由车辆的速度和驾驶方式决定的。 第二，发动机的加速度是根据档位和速度从加速度曲线上取的。 最后，考虑到滚动阻力和阻力，计算车辆的加速度。 在电动发动机的情况下，只有一条速度-加速度曲线，阻力也应用其中。 此外，对于所有的发动机类型，一个驾驶风格系数被应用于计算当前的加速度。
当看到图片1中欧洲汽车类别A的加速度时，Gipps模型可能倾向于高估高速时的加速度，TWOPAS稍好，但与MFC模型的计算结果相比，仍然可能高估了加速度。 这并不是说前两种模型在典型的建模中是不足够的，而是在做环境研究时，通过使用先进的加速模型，如MFC，可以更精确地计算出排放和油耗的统计数据。
电池消耗模型使用MFC模型来获得发动机的电机/发电机动力系统数据，以获得瞬时电池充电水平。 它还考虑了车辆运行中涉及的不同过程的效率：电机/发电机、再生制动和变速器，并收集了车内温度的影响，因为它将影响加热/冷却车辆车厢所需的附属设备的功率。 首先，它根据车辆的速度确定发动机的加速度，其次，考虑到阻力，计算车辆的加速度。
MFC和电池消耗模型的输入
汽车
车辆类别是由车辆类型定义的，在车队组成里用百分比定义不同发动机类型。 目前只支持小汽车类别。
该类别取自车辆类型的重量参数分布。 按发动机类型划分的欧洲汽车类别的分布情况详见Aimsun Next用户手册。
下面的视频展示了自由流动条件下，汽油和电动车的Gipps模型和欧洲汽车类别的MFC模型的车辆性能。
司机行为
间隙激进性参数定义了某车辆类型的换档和驾驶风格。 可接受的数值是在-1.00和1.00之间。
下面的视频显示了在仿真过程中，间隙激进性参数的影响。
道路条件
坡度是由一个路段的各个分段来定义的。 这对车辆的发动机阻力有影响。
天气和温度是在场景参数也中定义的。 天气在MFC模型中使用，温度被电池消耗模型使用。 车内温度会影响到车内加热或冷却所需的功率。
以下视频显示了晴天与雪天对司机行为的影响。
燃料消耗
内燃机车辆的燃料消耗是由车辆类型来定义的。
下面的视频显示了MFC中不同欧洲汽车类别的油耗（以及各自的油箱容量）。
电池消耗
车辆类型的电池消耗量受车辆内部加热或冷却所需的电力附属设备功率影响。
下面的视频显示了MFC中每个欧洲汽车类别的电池消耗量（以及各自的电池容量）。
能源消耗
对于内燃机汽车和电动汽车，可以修改初始燃料或电池水平的百分比分布。 这设置了仿真开始时车辆的燃料或电池水平。
激活MFC和电池消耗模型
MFC模型必须在车辆类型和实验层面上被激活。 注意，MFC与TWOPAS模型不兼容，所以如果车辆类型激活了TWOPAS，MFC模型将不能作为选项。
车辆类型：
实验：
MFC和电池消耗模型的输出
燃料和电池消耗的统计数据是针对整个网络、每个路段和转弯以及子路径而产生的。 视图模式可用于可视化网络中的燃料或电池消耗。
在汽车层面，当前的燃料水平或充电状态，当前的燃料或电池消耗，以及总的燃料或电池消耗，都是仿真车辆动态属性中的统计数据。
视图模式可用于按发动机类型或当前的充电状态标记车辆，如以下例子所示。
需要记住的是：
- MFC模型与TWOPAS模型不兼容。
- MFC只适用于小汽车类别。 它目前不包括卡车、公共汽车和摩托车。
- MFC模型只在车辆处于自由流动的条件下适用。
相关论文
- Introducing Electrified Vehicle Dynamics in Traffic Simulation. He, Y., Makridis, M., Mattas, K., Fontaras, G., Ciuffo, B., & Xu, H. (2020). Transportation Research Record, 2674(9), 776–791. https://doi.org/10.1177/0361198120931842
- MFC Free-Flow Model: Introducing Vehicle Dynamics in Microsimulation. Makridis, M., Fontaras, G., Ciuffo, B., & Mattas, K. (2019). Transportation Research Record, 2673(4), 762–777. https://doi.org/10.1177/0361198119838515
