本發(fā)明創(chuàng)造針對(duì)目前汽車導(dǎo)航系統(tǒng)的路徑規(guī)劃方法大多數(shù)僅考慮最小化路徑距離或通行時(shí)間，缺乏對(duì)電動(dòng)汽車?yán)m(xù)航里程和充電的考慮的問題。提出一種適用于城市道路的新能源汽車智能充電路徑規(guī)劃方法。

背景技術(shù)：

1、電動(dòng)汽車作為一種清潔、可持續(xù)的交通方式，吸引了全球范圍內(nèi)的廣泛關(guān)注和研究。隨著氣候變化、空氣污染和能源安全等問題日益嚴(yán)峻，新能源汽車已經(jīng)成為減少溫室氣體排放、改善城市空氣質(zhì)量以及減少對(duì)有限化石燃料依賴的重要解決方案。目前，電動(dòng)汽車是新能源汽車的主要發(fā)展方向，一些國家已表示希望在不久的將來禁止內(nèi)燃機(jī)汽車。因此，對(duì)電動(dòng)汽車的相關(guān)研究具有重要意義。為了解決電動(dòng)汽車?yán)m(xù)航里程的問題，各種類型的充電設(shè)施也紛紛涌現(xiàn)。除了大型快速充電站之外，家用充電槍、停車場(chǎng)充電樁等設(shè)備也成為電動(dòng)汽車補(bǔ)充能源的重要途徑。除了硬件方面，基于車聯(lián)網(wǎng)的軟件應(yīng)用也為車主提供了一些信息服務(wù)，例如高精度電子地圖、充電站信息和準(zhǔn)確的道路導(dǎo)航。

2、然而，電動(dòng)汽車市場(chǎng)仍然面臨著一系列挑戰(zhàn)，包括充電基礎(chǔ)設(shè)施的不足、電池壽命與電池技術(shù)的限制等問題。這些問題帶來的里程焦慮和充電麻煩等問題，影響了用戶的出行體驗(yàn)，阻礙了電動(dòng)汽車的發(fā)展。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)存在的問題，本發(fā)明提供一種適用于城市道路的新能源汽車智能充電路徑規(guī)劃方法，首先針對(duì)原始道路網(wǎng)絡(luò)進(jìn)行優(yōu)化，刪除非充電節(jié)點(diǎn)和無法到達(dá)的點(diǎn)和邊，得到起點(diǎn)、各個(gè)充電站和終點(diǎn)的兩兩間的最短路徑圖；初始化蟻群算法的參數(shù)和信息素的值并考慮充電站的位置、靠近終點(diǎn)的程度、功率，計(jì)算每個(gè)點(diǎn)之間的啟發(fā)式因子；計(jì)算終點(diǎn)和每一個(gè)充電站被選擇的概率權(quán)重，每只螞蟻從起點(diǎn)出發(fā)，根據(jù)偽隨機(jī)比例規(guī)則選擇下一節(jié)點(diǎn)；對(duì)于到達(dá)終點(diǎn)的每一條路徑，計(jì)算最優(yōu)充電時(shí)間，獲取到達(dá)終點(diǎn)的總時(shí)間，根據(jù)總時(shí)間進(jìn)行全局和局部的信息素更新；算法收斂后，使用總時(shí)間最短的結(jié)果作為最終的電動(dòng)汽車充電路徑。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明創(chuàng)造采用的技術(shù)方案為：

3、適用于城市道路的新能源汽車智能充電路徑規(guī)劃方法，其步驟為：

4、步驟1)、針對(duì)原始道路網(wǎng)絡(luò)進(jìn)行優(yōu)化，刪除非充電節(jié)點(diǎn)和無法到達(dá)的點(diǎn)和邊，得到起點(diǎn)、各個(gè)充電站和終點(diǎn)的兩兩間的最短路徑圖；

5、1.1)刪除非充電節(jié)點(diǎn)：找到起點(diǎn)、各個(gè)充電站和終點(diǎn)兩兩間的最短權(quán)值后，刪除其他路徑。并且刪除中間的非充電節(jié)點(diǎn)，得到了各個(gè)點(diǎn)能直接到達(dá)的邊。最后，得到了點(diǎn)集v中只有起點(diǎn)、終點(diǎn)和充電點(diǎn)，邊集e中只有它們之間最短權(quán)值的邊的拓?fù)鋱D。

6、1.2)刪除無法到達(dá)的邊：當(dāng)電動(dòng)汽車從起點(diǎn)出發(fā)時(shí)，若有起點(diǎn)r0到某一充電站vi的耗電量c(r0,vi)大于初始電量e0，則在邊集e中去除起點(diǎn)與該充電站的邊e(r0,vi)。公式如下：

7、

8、當(dāng)電動(dòng)汽車從任意充電站vi出發(fā)時(shí)，若有該充電站vi到任意點(diǎn)vj的耗電量c(vi,vj)大于最大電量em，表示就算充滿電也無法到達(dá)，則在邊集中去除vi與vj的邊。公式如下：

9、

10、1.3)刪除無法到達(dá)的點(diǎn)：刪除一些邊后，發(fā)現(xiàn)有一些點(diǎn)無法到達(dá)或者經(jīng)過終點(diǎn)才能達(dá)到，那么就直接刪除該點(diǎn)和連接該點(diǎn)的邊。

11、步驟2)、初始化蟻群算法的參數(shù)和信息素的值；

12、2.1)初始化參數(shù)：對(duì)相關(guān)參數(shù)進(jìn)行初始化，包括螞蟻數(shù)量、信息素重要程度因子、啟發(fā)函數(shù)重要程度因子、信息素?fù)]發(fā)因子、信息素常量、迭代次數(shù)；

13、2.2)初始化信息素濃度：t＝0時(shí)刻，將螞蟻放置于電動(dòng)汽車的起點(diǎn)，并且初始化每條邊的信息素濃度。公式如下：

14、

15、其中，τ0為從點(diǎn)vi到vj的初始信息素濃度。

16、步驟3)、考慮充電站的位置、功率和靠近終點(diǎn)的程度，計(jì)算每個(gè)點(diǎn)之間的啟發(fā)式因子；

17、3.1)計(jì)算充電站偏離值：為了使螞蟻選擇不偏離行駛方向上的充電站，使用dev(vi,vj)表示從點(diǎn)vi經(jīng)過vj到終點(diǎn)的偏離值。公式如下：

18、

19、其中,dev(vi,vj)表示當(dāng)前點(diǎn)vi到vj的時(shí)間tr(vi,vj)加上vj到終點(diǎn)的時(shí)間tr(vj,ve)減去當(dāng)前點(diǎn)vi到終點(diǎn)的時(shí)間tr(vi,ve)的差值+1分之1，范圍為(0,1]。表示從當(dāng)前點(diǎn)出發(fā)，若選擇下一個(gè)點(diǎn)為vj，電動(dòng)汽車要多花費(fèi)路徑時(shí)間的程度。該值越大表示經(jīng)過vj的路程時(shí)間所多花的時(shí)間越小。該值為1時(shí)，表示vj正好在當(dāng)前點(diǎn)到終點(diǎn)的最短路徑上，不會(huì)多花時(shí)間。

20、3.2)計(jì)算充電站靠近終點(diǎn)的程度：為了使能盡可能的向終點(diǎn)靠近。使用dend(vi,vj)表示向終點(diǎn)靠近的程度。公式如下：

21、

22、其中，dend(vi,vj)表示點(diǎn)vi到終點(diǎn)ve的時(shí)間減去點(diǎn)vj到終點(diǎn)的時(shí)間之后，再與點(diǎn)vi到終點(diǎn)的時(shí)間的比值。取值范圍為[-inf,1]。將dend(vi,vj)映射到區(qū)間(0,1]，使用dend(vi,vj)表示。公式如下：

23、

24、3.3)計(jì)算啟發(fā)式因子：通過以上信息和充電站的功率信息，我們得到每個(gè)點(diǎn)之間的啟發(fā)式因子。ηvi,vj為從點(diǎn)vi到vj的啟發(fā)式因子。公式如下：

25、

26、其中，點(diǎn)p(vj)表示充電站vi的充電功率。根據(jù)點(diǎn)vi經(jīng)過vj到終點(diǎn)的偏離值dev(vi,vj)、vj的充電功率p(vj)和靠近終點(diǎn)的程度dend(vi,vj)來考慮vj點(diǎn)被選擇的概率。目的是讓螞蟻選擇不偏離最短路徑，充電功率盡可能大且向終點(diǎn)盡可能靠近的點(diǎn)。a，b，c分別表示充電站位置重要性因子、充電站功率重要性因子和靠近終點(diǎn)程度的重要性因子。j(vi)表示從點(diǎn)vi出發(fā)能行駛到的點(diǎn)集。表示t時(shí)刻從點(diǎn)vi到達(dá)j(vi)中所有點(diǎn)(除了終點(diǎn))的啟發(fā)式因子的最大值。目的是讓終點(diǎn)也有一定的啟發(fā)值。

27、步驟4)、計(jì)算終點(diǎn)和每一個(gè)充電站被選擇的概率權(quán)重，每只螞蟻從起點(diǎn)出發(fā)，根據(jù)偽隨機(jī)比例規(guī)則選擇下一節(jié)點(diǎn)；

28、4.1)計(jì)算概率權(quán)重：每只螞蟻根據(jù)啟發(fā)式因子和信息素濃度來判斷選擇哪一條邊。t時(shí)刻第k只螞蟻從vi開始，選擇下一節(jié)點(diǎn)為vj的概率權(quán)重為公式如下：

29、

30、其中，jk(vi)表示螞蟻k未去過且從點(diǎn)vi能到達(dá)的點(diǎn)集。能到達(dá)點(diǎn)的含義為螞蟻在點(diǎn)vi充滿電的電量能行駛到的點(diǎn)。是從點(diǎn)vi到vj的信息素濃度。是從點(diǎn)vi到vj的啟發(fā)式因子。參數(shù)α和β分別表示的是信息素和啟發(fā)式因子的相對(duì)重要性。m為當(dāng)前經(jīng)過的充電站數(shù)。n為電動(dòng)汽車希望的充電次數(shù)。當(dāng)超過希望的充電次數(shù)時(shí)，終點(diǎn)被選擇的概率權(quán)重增加。

31、4.2)當(dāng)隨機(jī)數(shù)q≤偽隨機(jī)因子q0時(shí)，螞蟻直接選擇使概率權(quán)重最大的下一節(jié)點(diǎn)vj。公式如下：

32、

33、4.3)當(dāng)隨機(jī)數(shù)q>q0時(shí),根據(jù)螞蟻k從點(diǎn)vi到vj的概率選擇下一節(jié)點(diǎn)。公式如下：

34、

35、步驟5)、對(duì)于到達(dá)終點(diǎn)的每一條路徑，計(jì)算最優(yōu)充電時(shí)間，獲取到達(dá)終點(diǎn)的總時(shí)間，根據(jù)總時(shí)間進(jìn)行全局和局部的信息素更新。

36、5.1)得到充電時(shí)間和總時(shí)間：每只螞蟻通過上述步驟得到一條從起點(diǎn)到達(dá)終點(diǎn)的路徑。使用無導(dǎo)數(shù)優(yōu)化方法或動(dòng)態(tài)規(guī)劃算法得到每條路徑的最優(yōu)充電時(shí)間。根據(jù)路徑和充電時(shí)間，計(jì)算使用該路徑和充電方法下的起止點(diǎn)之間花費(fèi)的總時(shí)間。

37、5.2)螞蟻k在完成一次搜索之后，進(jìn)行局部信息素濃度的更新。公式如下：

38、

39、其中，ξ為局部信息素的揮發(fā)因子，為螞蟻k在邊上釋放的信息素增量。公式如下：

40、

41、其中，q為信息素常量，t表示該螞蟻到終點(diǎn)所花費(fèi)的總時(shí)間。

42、5.3)當(dāng)整個(gè)蟻群完成一次搜索后，進(jìn)行全局信息素濃度的更新。公式如下：

43、

44、其中，ρ為全局信息素的蒸發(fā)率，為全局最優(yōu)路徑在邊上釋放的信息素增量。公式如下：

45、

46、其中，tbest表示通過全局最優(yōu)路徑到終點(diǎn)所花費(fèi)的時(shí)間。

47、步驟6)、重復(fù)步驟4)到步驟5)，直到算法收斂，使用總時(shí)間最短的結(jié)果作為最終的電動(dòng)汽車充電路徑。

48、本發(fā)明創(chuàng)造的有益效果為：

49、本發(fā)明針對(duì)現(xiàn)有問題，提出一種適用于城市道路的新能源汽車智能充電路徑規(guī)劃方法。本方法首先針對(duì)原始道路網(wǎng)絡(luò)進(jìn)行優(yōu)化，刪除非充電節(jié)點(diǎn)和無法到達(dá)的點(diǎn)和邊，得到起點(diǎn)、各個(gè)充電站和終點(diǎn)的兩兩間的最短路徑圖；初始化蟻群算法的參數(shù)和信息素的值并考慮、功率和靠近終點(diǎn)的程度，計(jì)算每個(gè)點(diǎn)之間的啟發(fā)式因子；計(jì)算終點(diǎn)和每一個(gè)充電站被選擇的概率權(quán)重，每只螞蟻從起點(diǎn)出發(fā)，根據(jù)偽隨機(jī)比例規(guī)則選擇下一節(jié)點(diǎn)；對(duì)于到達(dá)終點(diǎn)的每一條路徑，計(jì)算最優(yōu)充電時(shí)間，獲取到達(dá)終點(diǎn)的總時(shí)間，根據(jù)總時(shí)間進(jìn)行全局和局部的信息素更新；算法收斂后，使用總時(shí)間最短的結(jié)果作為最終的電動(dòng)汽車充電路徑。本發(fā)明通過上述方法，提供了一種適用于城市道路的新能源汽車智能充電路徑規(guī)劃方法，有效解決的電動(dòng)汽車的里程焦慮問題，并為用戶選擇合適的充電站，降低行程時(shí)間。