CN103935259B - 基于耗电量的电动汽车最优路径查找方法 - Google Patents
基于耗电量的电动汽车最优路径查找方法 Download PDFInfo
- Publication number
- CN103935259B CN103935259B CN201410125833.0A CN201410125833A CN103935259B CN 103935259 B CN103935259 B CN 103935259B CN 201410125833 A CN201410125833 A CN 201410125833A CN 103935259 B CN103935259 B CN 103935259B
- Authority
- CN
- China
- Prior art keywords
- current
- consumption
- path
- class
- battery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Abstract
本发明提出了一种基于耗电量的电动汽车最优路径查找方法,属于电动汽车行驶技术领域。该方法根据起点、终点和蓄电池剩余电量即第一蓄电池电量,计算从起点到终点之间的耗电量最小的路径即第一类路径,该最小的耗电量为第一类耗电量;比较第一蓄电池电量与第一类耗电量,根据比较结果确定最优路径。本发明针对电动汽车续航里程较差的现状,提出了以起讫点之间耗电量最少为指标的路径搜索方案。同时,本发明采用实时通信技术获取路况信息,因此能够获得更为贴近实际的最优路径。
Description
技术领域
本发明属于电动汽车行驶技术领域,涉及一种查找电动汽车最优路径的方法。
背景技术
在环境保护和占领产业制高点的双重需求之下,发展新能源汽车已经成为中国乃至全球未来的产业方向。纯电动车省去了油箱、发动机、变速器、冷却系统和排气系统,相比传统汽车的内燃汽油发动机动力系统,电动机和控制器的成本更低,且纯电动车能量转换效率更高。因电动车的能量来源——电,来自大型发电机组,其效率是小型汽油发动机甚至混合动力发动机所无法比拟的,而且纯电动汽车使用成本在下降,因此纯电动汽车是重要的发展方向。纯电动车的缺点是存在着电动汽车保有量偏少、电池成组技术不成熟、跨区域的充换电服务网络尚未形成等诸多制约。
新能源汽车产业已被国家列为战略性新兴产业,得到了国家和政府的大力支持。经过一段时期的积极实践,我国一些新能源汽车的示范推广工作也渐入佳境,取得了喜人成绩。借鉴这些试点的成功经验,不仅可以坚定我们对发展新能源汽车的信心,还对节能减排、保障能源安全、促进我国汽车产业的跨越式发展意义深远。
YuichiKobayashi,NoboruKiyama等发表的论文ARouteSearchMethodforElectricVehiclesinConsiderationofRangeandLocationsofChargingStations(2011IEEEIntelligentVehiclesSymposiumBaden-Baden,Germany,June5-9,2011)提出了考虑充电站范围和位置的电动汽车路径搜索方法,在此论文中,是以计算两点间最短路径的经典算法,即迪杰斯特拉(Dijkstra)算法为基础,在搜索起点和终点路径时以最短时间为指标。其中时间包括起点到充电站,充电站之间,充电站到终点的行驶时间以及充电时间。在计算时,此文将电动汽车单位电量可以行驶的距离设为定值,但由于不同道路有不同工况,这必定是一个变动的数值,行驶距离与电量并非是线性关系,这和实际情况有很大的偏差;在计算时,考虑在充电站为满充,而这在很大程度上是不现实的,因为充电时间很长;采取日本地图作为路网模型验证计算,将加油站理解为充电站,但我们知道,这更是与现实情况有着很大的不符。
J.Zhang,H.Kawasaki和Y.Kawai的论文“TouristRouteSearchSystemBasedonWebInformationandtheVisibilityofScenicSights”(2ndInternationalSymposiumonUniversalCommunication,p.p.154-161,2008)等提出了基于网络信息和景点观赏的旅游路径搜索,此论文中是站在旅游观光角度来查找路径,以使得旅游者可以在一条路径上能经过尽可能多的景点,因此在路径查找时,以查找经过更多景点的路径为指标。
孙小慧,刘锴等发表的考虑时空间限制的电动汽车充电站布局模型(地理科学进展,第31卷第6期)提出的考虑时空间限制的电动汽车充电站布局模型是从另一种角度为出发点的线路优化,论文中假定驾驶电动汽车用户沿着起讫点之间的最短路径行驶,若电池电量不足以支持用户往返,则产生充电需求。在选择充电站时,以充电时间、等待时间、充电站到终点的行驶时间最短为指标,从而得出电动汽车在路网中需求较多的点,得出充电站布局。但在论文中不考虑交通状况,而假定汽车以相同速度行驶;不考虑不同的交通状况对汽车行驶消耗电量的影响,论文的立足点仍然是以用户按照最短路径行驶。
以上论文都提出了针对燃油汽车或者电动汽车行驶的路径优化,但都未以电动汽车出行消耗电量最少为指标;然而,由于电动汽车的续航能力差,容易因为被过快消耗电量而需进行频繁充电。在查找路径时,也没有考虑道路交通状况的影响,假定汽车行驶速度或单位电量行驶里程是恒定的,而实际情况是电动汽车在不同速度下电机效率耗电量有不同的关系。因此,以消耗电量最小为目标的电动汽车最优路径查找技术具有突出的应用价值和研究意义。
发明内容
本发明的目的在于提供一种以消耗电量最小为目标的电动汽车最优路径的查找方法。
为了达到上述目的,本发明的解决方案是:
一种基于耗电量的电动汽车最优路径查找方法,根据起点、终点和蓄电池剩余电量即第一蓄电池电量,计算从起点到终点之间的耗电量最小的路径即第一类路径,所述最小的耗电量为第一类耗电量;比较第一蓄电池电量与第一类耗电量,根据比较结果确定最优路径。
所述根据比较结果确定最优路径包括:
(1)当第一蓄电池电量大于或等于第一类耗电量时,提示用户第一类路径为最优路径;
(2)当第一蓄电池电量小于第一类耗电量时,继续选择包含充电站在内的最优路径。
所述步骤(2)包括:
(21)搜索从汽车当前位置到设定范围内的每个充电站消耗的最少电量即第二类耗电量;将第一蓄电池电量与所有第二类耗电量进行比较,选择所有第二类耗电量小于或者等于第一蓄电池电量的充电站即第一类充电站以及对应的第二类耗电量进行存储,并转入步骤(22);若所有第二类耗电量均大于第一蓄电池电量,则提示用户;
(22)计算从汽车当前位置到达每个第一类充电站并充电所需的时间,即第一类时间;分别输出第二类耗电量最小的路径即第二类路径和第一类时间最小的路径即第三类路径,再计算并输出从第二类路径对应的充电站到达终点消耗的最少电量即第三类耗电量的途径及第三类耗电量,以及从第三类路径对应的充电站到达终点消耗的最少电量即第四类耗电量的途径及第四类耗电量,以供用户选择。
所述方法在所述步骤(22)之后还还包括:充电完成后,采集当前蓄电池电量即第二蓄电池电量,比较第二蓄电池电量与所选的第二类路径或者第三类路径对应的第三类耗电量或者第四类耗电量;当第二蓄电池电量大于或等于所选的第二类路径或者第三类路径对应的第三类耗电量或者第四类耗电量时,提示用户选择所述步骤(22)中所选的从第二类充电站或者第三类充电站到达终点的路径即第四类路径;当第二蓄电池电量小于所述第四类耗电量时,转入所述步骤(2)。
所述步骤(21)中设定范围如此界定:根据当前蓄电池电量计算能够行驶的最大里程,设定以当前车辆所在位置为圆心,以所述最大里程为半径所得的圆的范围为设定范围。
所述计算第一类耗电量采用迪杰斯特拉算法。
所述计算第二类耗电量采用迪杰斯特拉算法。
所述计算第三类耗电量、第四类耗电量均采用迪杰斯特拉算法。
所述查找方法中所需的所有道路信息均采用实时通信技术获取。
所述实时通信技术为car-to-x通信技术。
由于采用上述方案,本发明的有益效果是:本发明针对电动汽车续航里程较差的现状,提出了以起讫点之间耗电量最少为指标的路径搜索方案。在需要充电时,选择到行驶和排队充电时间最短的充电站或者到耗电量最小的充电站进行充电,充电结束后仍然按照充电站与终点之间耗电量最少的路径进行行驶,从而让用户以一种更为保险的方式到达终点,而不必因为汽车没有电绕道很远去充电或者四处搜索充电站,摆脱了因汽车过快消耗电量而需要频繁充电的困扰。此外,本发明充分考虑了不同路况下电动汽车的不同行驶速度以及此时的行驶里程与耗电量的关系,从而使得耗电量的计算更为准确,所选的路径更加接近真实最优路径。
附图说明
图1为本发明实施例中基于耗电量的电动汽车最优充电路径的查找方法的流程图;
图2为本发明实施例中验证本实施的查找方法所采用的电动汽车的行驶速度与单位电量行驶里程的关系;
图3为验证本发明实施例建立的路网模型。
附图中:1、第一节点;2、第二节点;3、第三节点;4、第四节点;5、第五节点;6、第六节点;7、第七节点;8、第八节点;9、第九节点;10、第十节点;11、第十一节点;12、第十二节点;13、第十三节点;14、第十四节点;15、第十五节点;16、第十六节点;17、第十七节点;18、第十八节点;19、第十九节点;20、第二十节点;21、第二十一节点;22、第二十二节点;23、第二十三节点;24、第二十四节点;25、第二十五节点。
具体实施方式
以下结合附图所示实施例对本发明作进一步的说明。
本发明提出了一种基于耗电量的电动汽车最优路径查找方法。该方法直面电动汽车蓄电池续航能力不足的现状,充分考虑蓄电池电量不足的情况,当起点到终点有多种不同的路径可供选择时,将查找消耗电量最少的路径作为目标;随后综合考虑路网的道路工况,电动汽车电机在不同行驶速度下效率,电动汽车是否需要充电、需要几次充电以及在哪里充电等因素,查找一条最为省电、经济、保险的行驶路径。
本发明电动汽车最优路径查找方法包括以下步骤:
(1)遍历所有从起点到终点的路径需要消耗的电量,并确定耗电量最少的一条路径,然后将当前电动汽车蓄电池电量与该最少耗电量进行比较。若当前蓄电池电量大于或者等于该最少耗电量,则表明对应路径不仅是最优路径,而且该电动汽车在当前蓄电池电量的支持下可以到达终点,此时该方法提示用户选择该路径,此后进入步骤(5);若当前蓄电池电量小于该最少耗电量,则表明以当前蓄电池电量无法支撑电动汽车到达终点,此时需要对电动汽车进行充电,需要考虑包括充电在内的路径,因此转入步骤(2);
(2)计算从电动汽车当前位置到达设定范围内的每个充电站消耗的最少电量,比较当前电动汽车蓄电池电量与从当前位置到达每个充电站消耗的最少电量,若当前电动汽车蓄电池电量大于从当前位置到达某个或者某些充电站消耗的最少电量,则存储到达这些充电站消耗的最少电量,并转入步骤(3);若当前电动汽车蓄电池电量小于所有的从当前位置到达每个充电站消耗的最少电量,表明在当前电动汽车蓄电池电量的支撑下不能达到任何充电站,因此该方法提示用户采用其他方式。其中,该设定范围如此界定:根据当前蓄电池电量计算能够行驶的最大里程,设定以当前车辆所在位置为圆心,以该最大里程为半径所得的圆的范围为设定范围。
(3)对于步骤(2)的第一种情况选定的电动汽车能够到达的充电站,计算从汽车当前位置到达这些充电站并充电所需要的时间;该方法给出本步骤(3)中所有计算所得的时间中最少的时间所对应的路径以及步骤(2)中计算得到的到达每个充电站消耗的最少电量中最少的耗电量所对应的路径,同时输出从这两条路径的充电站到达终点耗电量最少的路径以及所需消耗的电量,以供用户选用采用其中哪条路径,此后转入步骤(4)。其中,本步骤(3)中的时间为从电动汽车当前位置到达充电站的时间,在充电站排队等待的时间和充电过程所需的时间。
(4)检测用户充电完成后,检测当前蓄电池电量,并比较当前蓄电池电量与步骤(3)中得出的从该充电站到终点消耗的最少电量。若前者大于或者等于后者,说明在当前蓄电池电量的支撑下电动汽车可以到达终点,提示用户可以按照该路径行驶,此后进入步骤(5);若前者小于后者,说明当前蓄电池电量还是不足以支撑电动汽车到达终点,因此还需要继续选择当前电动汽车所在位置与终点之间的充电站对蓄电池进行电量补充,后续选择经过充电站的方法与选择第一个充电站的方法相同,因此转入步骤(2)。
(5)判断是否到达终点;若否,则继续按照所选路径行驶;若是,则该方法结束。
图1所示为该方法的流程图。该方法中,所有的道路信息均采用实时通信技术car-to-x采集,所有最小量的计算方法均采用迪杰斯特拉算法。
为了对本发明的方法进行验证,首先根据路况和特定的车型建立路网模型,再选择如下参考车型:2011款nissan(日产)leaf纯电动汽车。采用其调查数据,其中电机参数为:额定功率为80kw,扭矩为280NM,电池容量为24kwh,经美国环境保护署能耗评定在综合工况下续航里程为120km,在新欧洲循环工况(NewEuropeanDrivingCycle)下行驶距离为为200km。
此款车型在四种不同的实际道路工况,即拥堵工况、一般城市工况、理想工况和高速公路工况下进行测试,得到在实际行驶过程中,电动汽车车速与单位电量可行驶距离(或电动机平均效率E)的数据关系如下:
拥堵工况(早/晚高峰期间)下,行驶速度为0<V<10km/h,电机平均效率为E=3.2km/kwh;一般城市工况下,行驶速度为10km/h<V<40km/h,电机平均效率为E=7km/kwh;理想工况(巡航状态)下,行驶速度为40km/h<V<80km/h,电机平均效率为E=9.25km/kwh;高速公路工况下,行驶速度为80km/h<V<120km/h,电机平均效率为E=4.6km/kwh。
根据实验台台架测得电机转速、转矩与电功率,由电机转速与汽车行驶速度之间关系式v=0.377*r*n/(ig*i0)可得出相应电机转速下汽车车速,根据汽车功率平衡方程式可得对应速度下汽车消耗的电功率,参考Nissan测试数据,经过拟合可以得到曲线图如图2所示。
以上单位电量可行驶距离是根据测试得到的平均值,并且未考虑汽车加减速带来的功率损耗。在最优路径算法中,采用的是在不同道路工况下的平均值,进而得到耗电量最少的一条路径。
该路网模型采用由Berman和Simchi-Levi提出的路网模型,如图3所示为该路网模型的结构示意图。在模型中共有25个节点,这些节点表示各个路段交点或者充电站,其中第四节点4,第八节点8,第十三节点13,第十四节点14,第十九节点19,第二十四节点24为充电站节点,第一节点1、第二节点2、第三节点3、第五节点5、第六节点6、第七节点7、第九节点9、第十节点10、第十一节点11、第十二节点12、第十五节点15、第十六节点16、第十七节点17、第十八节点18、第二十节点20、第二十一节点21、第二十二节点22、第二十三节点23、第二十五节点25均为路段交点,各节点之间的距离也存储于该路网模型中。
在图3中,根据汽车流量不同划分有三种同时存在的不同等级的交通工况,在不同的交通工况下电动汽车有不同的行驶速度,在不同的行驶速度下,汽车单位电量行驶里程不同。不同的交通工况用路径的粗细程度来表示,线型越粗则表示道路拥堵越严重。在处于上下班高峰期时,最粗的线型表示拥堵工况,此时电动汽车的速度在3km/kwh和10km/kwh之间,消耗的平均电量为3.2km/kwh。中等线型表示一般城市工况,电动汽车行驶速度在15km/kwh和35km/kwh之间,消耗的平均电量为7km/kwh。普通线型表示理想工况,电动汽车行驶速度在50km/kwh和80km/kwh之间,消耗的平均电量为9.25km/kwh。
当电动汽车行驶时间处于上下班高峰期(工作日早上7-9时,中午12-13时,下午17-19时),在运算时,按照上述道路工况分配。当电动汽车行驶时间处于平峰时段除上下班高峰期以外的时段,其行驶速度则相应有所提高,粗线型可以用一般城市工况计算,中等线型可以用理想工况计算,而普通线型可以用高速公路工况计算,电动汽车行驶速度在90km/kwh和120km/kwh之间,消耗的平均电量为4.6km/kwh。
根据该路网模型进行模拟测试。选取第五节点5为出发点,第十九节点19为终点,出发时间为早上8点钟,即高峰时段,电动汽车剩余电量分别为0.4kwh、5kwh、10kwh。在当前电动汽车蓄电池的电量为0.4kwh时,根据该方法,结果为提示用户现在电量过低,不足以到达任何一个充电站,属于步骤(1)中的第二种情况。在当前电动汽车蓄电池的电量为5kwh时,根据该方法,当前电动汽车蓄电池的电量不足以支持其运行到终点,需要到充电站补充电量;该方法首先输出了当前蓄电池电量可以到达的充电站以及充电时间,然后输出到这些充电站的最小耗电量的路径和所需时间最少的路径,最后输出由上述路径的充电站到达终点所需的电量,供用户选择路径和参考充电量。充电完成后,蓄电池的现有电量为10kw,该方法输出从该充电站到终点的最优路径。在当前电动汽车蓄电池的电量为10kwh时,根据该方法,得出当前电动汽车的蓄电池电量能够支持其到达终点,该方法输出耗电量最少的路径。
本发明针对电动汽车续航里程较差的现状,提出了以起讫点之间电量消耗最少为指标的路径搜索方案。在需要充电时,选择到行驶和排队充电时间最短的充电站进行充电,充电结束后仍然按照充电站与终点之间电量消耗最少的路径进行行驶,从而让用户以一种更为保险的方式到达终点,而不必因为汽车没有电绕道很远去充电或者四处搜索充电站,摆脱了因汽车过快消耗电量而需要频繁充电的困扰。此外,本发明充分考虑了不同路况下电动汽车的不同行驶速度以及此时的行驶里程与耗电量的关系,从而使得耗电量的计算更为准确,所选的路径更加接近真实最优路径。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于这里的实施例,本领域技术人员根据本发明的揭示,不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (8)
1.一种基于耗电量的电动汽车最优路径查找方法,其特征在于:根据起点、终点和蓄电池剩余电量即第一蓄电池电量,计算从起点到终点之间的耗电量最小的路径即第一类路径,所述最小的耗电量为第一类耗电量;比较第一蓄电池电量与第一类耗电量,根据比较结果确定最优路径;
所述根据比较结果确定最优路径包括:
(1)当第一蓄电池电量大于或等于第一类耗电量时,提示用户第一类路径为最优路径;
(2)当第一蓄电池电量小于第一类耗电量时,继续选择包含充电站在内的最优路径;所述步骤(2)包括:
(21)搜索从汽车当前位置到设定范围内的每个充电站消耗的最少电量即第二类耗电量;将第一蓄电池电量与所有第二类耗电量进行比较,选择所有第二类耗电量小于或者等于第一蓄电池电量的充电站即第一类充电站以及对应的第二类耗电量进行存储,并转入步骤(22);若所有第二类耗电量均大于第一蓄电池电量,则提示用户;
(22)计算从汽车当前位置到达每个第一类充电站并充电所需的时间,即第一类时间;分别输出第二类耗电量最小的路径即第二类路径和第一类时间最小的路径即第三类路径,再计算并输出从第二类路径对应的充电站到达终点消耗的最少电量即第三类耗电量的途径及第三类耗电量,以及从第三类路径对应的充电站到达终点消耗的最少电量即第四类耗电量的途径及第四类耗电量,以供用户选择。
2.根据权利要求1所述的基于耗电量的电动汽车最优路径查找方法,其特征在于:所述方法在所述步骤(22)之后还还包括:充电完成后,采集当前蓄电池电量即第二蓄电池电量,比较第二蓄电池电量与所选的第二类路径或者第三类路径对应的第三类耗电量或者第四类耗电量;当第二蓄电池电量大于或等于所选的第二类路径或者第三类路径对应的第三类耗电量或者第四类耗电量时,提示用户选择所述步骤(22)中所选的从第二类充电站或者第三类充电站到达终点的路径即第四类路径;当第二蓄电池电量小于所述第四类耗电量时,转入所述步骤(2)。
3.根据权利要求1所述的基于耗电量的电动汽车最优路径查找方法,其特征在于:所述步骤(21)中设定范围如此界定:根据当前蓄电池电量计算能够行驶的最大里程,设定以当前车辆所在位置为圆心,以所述最大里程为半径所得的圆的范围为设定范围。
4.根据权利要求1所述的基于耗电量的电动汽车最优路径查找方法,其特征在于:所述计算第一类耗电量采用迪杰斯特拉算法。
5.根据权利要求1所述的基于耗电量的电动汽车最优路径查找方法,其特征在于:所述计算第二类耗电量采用迪杰斯特拉算法。
6.根据权利要求1所述的基于耗电量的电动汽车最优路径查找方法,其特征在于:所述计算第三类耗电量、第四类耗电量均采用迪杰斯特拉算法。
7.根据权利要求1所述的基于耗电量的电动汽车最优路径查找方法,其特征在于:所述查找方法中所需的所有道路信息均采用实时通信技术获取。
8.根据权利要求7所述的基于耗电量的电动汽车最优路径查找方法,其特征在于:所述实时通信技术为car-to-x通信技术。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410125833.0A CN103935259B (zh) | 2014-03-31 | 2014-03-31 | 基于耗电量的电动汽车最优路径查找方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410125833.0A CN103935259B (zh) | 2014-03-31 | 2014-03-31 | 基于耗电量的电动汽车最优路径查找方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103935259A CN103935259A (zh) | 2014-07-23 |
CN103935259B true CN103935259B (zh) | 2016-04-06 |
Family
ID=51183241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410125833.0A Active CN103935259B (zh) | 2014-03-31 | 2014-03-31 | 基于耗电量的电动汽车最优路径查找方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103935259B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014214806A1 (de) * | 2014-07-29 | 2016-02-04 | Bayerische Motoren Werke Aktiengesellschaft | Laden an Ladestationen zur Reichweitenverlängerung |
CN104442825B (zh) * | 2014-11-28 | 2017-10-17 | 上海交通大学 | 一种电动汽车剩余行驶里程的预测方法和系统 |
CN105043399A (zh) * | 2015-06-18 | 2015-11-11 | 安徽师范大学 | 基于充电桩位置的电动汽车的导航方法及其导航装置 |
CN106585383B (zh) * | 2015-10-16 | 2020-06-23 | 北京新能源汽车股份有限公司 | 电动汽车控制方法和装置 |
CN105711592B (zh) * | 2016-04-27 | 2017-12-08 | 蔚来汽车有限公司 | 用于电动汽车的自适应驾驶行为调节方法 |
CN106643768A (zh) * | 2016-12-22 | 2017-05-10 | 安徽杰瑞信息科技有限公司 | 一种新能源汽车充电站云管理平台 |
CN107289957B (zh) * | 2017-06-01 | 2020-03-17 | 珠海小可乐科技有限公司 | 电动汽车行程规划方法及系统、计算机装置、计算机可读存储介质 |
CN107525515B (zh) * | 2017-09-15 | 2018-03-30 | 爱驰汽车有限公司 | 应用于新能源汽车的充电设备搜索方法、系统及电子设备 |
CN109709976B (zh) * | 2017-10-26 | 2022-04-05 | 杭州海康机器人技术有限公司 | 一种可飞行区域确定方法、装置、无人机及存储介质 |
CN107985096A (zh) * | 2017-11-28 | 2018-05-04 | 于志超 | 一种电动车物流系统中电动车的充电提示方法及装置 |
CN108133329B (zh) * | 2017-12-29 | 2021-06-08 | 天津大学 | 考虑充电反馈效应的电动汽车出行与充电需求分析方法 |
CN108199100B (zh) * | 2018-01-08 | 2021-12-24 | 哈尔滨工程大学 | 智能交通中电动汽车长途运行充电规划方法 |
CN108932561B (zh) * | 2018-06-22 | 2021-07-30 | 华北电力大学 | 一种考虑非线性充电函数的电动汽车充电路径选择方法 |
CN108891286B (zh) * | 2018-07-09 | 2020-12-15 | 深圳市易成自动驾驶技术有限公司 | 车辆最优充电方法、装置及计算机可读存储介质 |
CN110179598B (zh) * | 2018-10-30 | 2022-04-01 | 深圳前海诶加无障碍生态产业发展有限公司 | 应用于智能代步轮椅的监测方法、智能代步轮椅 |
CN111361449B (zh) * | 2018-12-25 | 2021-10-22 | 比亚迪股份有限公司 | 一种电动汽车及其充电控制方法与系统 |
CN110111564B (zh) * | 2019-04-15 | 2021-09-07 | 同济大学 | 一种基于多元数据的充电桩布置方法 |
CN110375757A (zh) * | 2019-06-27 | 2019-10-25 | 金龙联合汽车工业(苏州)有限公司 | 基于大数据的新能源汽车智能辅助行车路线规划方法 |
CN110598908B (zh) * | 2019-08-20 | 2022-07-08 | 广州智湾科技有限公司 | 基于多任务多车辆的路径规划方法 |
CN112053553A (zh) * | 2019-12-30 | 2020-12-08 | 李明霞 | 用户路线可行性分析系统及方法 |
CN111768155B (zh) * | 2020-06-30 | 2024-03-26 | 上海木木聚枞机器人科技有限公司 | 一种调度控制方法、智能移动设备、服务器和存储介质 |
CN113406500B (zh) * | 2021-06-29 | 2022-06-14 | 同济大学 | 一种动力锂电池的剩余电量估计方法 |
CN114518750B (zh) * | 2021-12-15 | 2023-08-15 | 电子科技大学 | 一种基于阿米巴运动机制的路径规划方法 |
CN115102260B (zh) * | 2022-07-26 | 2022-11-29 | 深圳市鸿锡科技有限公司 | 一种双向低电压直流到交流逆变器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102709984A (zh) * | 2012-06-13 | 2012-10-03 | 清华大学 | 一种基于智能交通系统的电动汽车充电路径规划方法 |
WO2012160665A1 (ja) * | 2011-05-25 | 2012-11-29 | トヨタ自動車株式会社 | 充電支援装置 |
CN103512580A (zh) * | 2012-06-21 | 2014-01-15 | 日电(中国)有限公司 | 一种电动汽车路径规划方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182492B (zh) * | 2010-02-22 | 2017-09-22 | 丰田自动车株式会社 | 信息提供装置 |
-
2014
- 2014-03-31 CN CN201410125833.0A patent/CN103935259B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012160665A1 (ja) * | 2011-05-25 | 2012-11-29 | トヨタ自動車株式会社 | 充電支援装置 |
CN102709984A (zh) * | 2012-06-13 | 2012-10-03 | 清华大学 | 一种基于智能交通系统的电动汽车充电路径规划方法 |
CN103512580A (zh) * | 2012-06-21 | 2014-01-15 | 日电(中国)有限公司 | 一种电动汽车路径规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103935259A (zh) | 2014-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103935259B (zh) | 基于耗电量的电动汽车最优路径查找方法 | |
CN106197459B (zh) | 考虑航程及充电站位置的电动汽车路径寻优方法 | |
Gao et al. | Evaluation of electric vehicle component performance over eco-driving cycles | |
CN110135632B (zh) | 基于路径信息的phev自适应最优能量管理方法 | |
He et al. | An energy optimization strategy for power-split drivetrain plug-in hybrid electric vehicles | |
CN101981412B (zh) | 导航系统和具备该系统的混合动力车以及其路径搜索方法 | |
Raykin et al. | Impacts of driving patterns on tank-to-wheel energy use of plug-in hybrid electric vehicles | |
CN108973979A (zh) | 混动车辆预测性功率控制系统方案 | |
Fotouhi et al. | A review on the applications of driving data and traffic information for vehicles׳ energy conservation | |
CN104620274B (zh) | 消耗电力量推断装置 | |
CN102439396B (zh) | 电力驱动式车辆 | |
Hou et al. | Energy management of plug-in hybrid electric vehicles with unknown trip length | |
CN103569126A (zh) | 为混合动力车辆选择操作模式的方法 | |
CN102582439A (zh) | 用于显示车辆里程的方法和设备 | |
CN103707878A (zh) | 基于行程规划的混合动力控制方法及系统 | |
CN109186623A (zh) | 一种可行驶范围动态显示方法及其系统 | |
Das et al. | Eco-routing navigation systems in electric vehicles: A comprehensive survey | |
Restrepo et al. | Performance testing of electric vehicles on operating conditions in Bogotá DC, Colombia | |
CN110015127A (zh) | 电动车的充电站搜寻方法 | |
Abdul-Hak et al. | Predictive intelligent battery management system to enhance the performance of electric vehicle | |
CN105365589A (zh) | 一种电动公交车储能装置的容量测算方法 | |
Xiao et al. | A power consumption and total cost of ownership analysis of extended range system for a logistics van | |
Donateo et al. | Impact of hybrid and electric mobility in a medium-sized historic city | |
Hrazdira et al. | Optimal real-time navigation system: Application to a hybrid electrical vehicle | |
Ribar et al. | Road slope introduction in vehicle route modelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |