CN104864883A - 基于云平台的电动汽车路径规划方法 - Google Patents

Abstract

本发明公开了一种基于云平台的电动汽车路径规划方法，包括：通过云平台实时收集充电桩全网充电桩的部署情况、以及电动汽车的行驶数据，并基于车辆导航系统对车辆行驶路径数据进行计算，根据充电桩使用的饱和度为电动汽车提前规划好合理的行驶路径，例如行驶时间最短路径、行驶距离最短路径和云平台推荐路径，其中，云平台推荐路径是基于增加时间较少、绕行距离较短并且尽量使用低饱和度充电桩而选择的，然后云平台将这些路径发送给用户，用户根据个人需求选择一条路径之后，通过云平台对相应充电桩进行预约。本发明的方法能够为电动汽车规划合理的行车路径，降低电动汽车寻找充电桩的难度，使得全网的充电桩利用率得到有效均衡。

Description

基于云平台的电动汽车路径规划方法

技术领域

本发明涉及电动汽车和计算机通信技术领域，特别涉及一种基于云平台的电动汽车路径规划方法。

背景技术

随着路径规划理论研究的深入，现有的导航系统已经能够很好的计算出最短距离路径、最短时间路径，从而为汽车出行规划行车路线。对于使用汽油、柴油的传统燃料汽车，现有导航系统的路线规划可以很好的满足需求。因为汽油、柴油加油站的部署非常普遍，汽车的加油过程也非常方便，而且汽车一次加油的续驶距离较长，所以使用这种传统燃料的汽车在油量告罄前不难找到加油站，加油过程也不需要很长的排队时间，导航系统在规划路线时通常不必考虑加油问题。

但是，目前电动汽车的普及率较低，充电桩部署较少，充电不够便利，并且电动汽车单次充电耗时较长，充满电后的续驶距离反而比较短，充电桩信息以及电动汽车的行驶数据没有得到有效的收集和利用，容易出现部分充电桩排队过多的现象，以上原因使得电动汽车的充电问题得到突显，严重影响电动汽车的用户体验，限制了电动汽车的发展。对于电动汽车而言，如果能够通过云平台收集充电桩部署情况、电动汽车行驶数据，在导航系统计算行驶路径时为电动汽车的充电提前做好规划和预约，就能大大降低电动汽车寻找充电桩的难度，并且合理均衡各个充电桩的使用率，减少排队现象。

发明内容

本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本发明的目的在于提出一种基于云平台的电动汽车路径规划方法，该方法能够为电动汽车规划合理的行车路径，降低电动汽车寻找充电桩的难度，使得全网的充电桩利用率得到有效均衡。

为达到上述目的，本发明的实施例提出了一种基于云平台的电动汽车路径规划方法，包括以下步骤：S1：云平台根据车辆的当前位置、目的地及动力电池的当前电量进行路径规划，并得到行驶时间最短的路径和行驶距离最短的路径；S2：判断所述行驶时间最短的路径和行驶距离最短的路径上是否存在相邻的充电桩之间的距离大于所述车辆在满电情况下的最大行驶距离，如果否，则执行步骤S3；S3：判断所述车辆通过所述行驶时间最短的路径或行驶距离最短的路径是否需要充电，如果否，则执行步骤S4；S4：估算以所述行驶时间最短的路径或所述行驶距离最短的路径到达所述目的地后的剩余电量，并判断所述剩余电量对应的行驶距离内是否存在充电桩，如果是，则执行步骤S5；S5：将所述行驶时间最短的路径和行驶距离最短的路径提供给用户。

根据本发明实施例的基于云平台的电动汽车路径规划方法，通过云平台收集充电桩部署情况、电动汽车行驶数据，基于现有导航系统对行驶路径数据进行计算，根据充电桩使用的饱和度为电动汽车的充电提前做好路径规划，电动汽车用户选择一条喜欢的路径之后，通过云平台对充电桩进行预约。其中，云平台在计算路径规划时，尽量选择一条增加时间较少、绕行距离较短、而且尽量使用低饱和度充电桩的路径。因此，该方法能够为电动汽车规划合理的行车路径，降低电动汽车寻找充电桩的难度，使得全网的充电桩利用率得到有效均衡。

另外，根据本发明上述实施例的基于云平台的电动汽车路径规划方法还可以具有如下附加的技术特征：

在本发明的一个实施例中，在所述步骤S3之后，还包括：S6：如果判断所述车辆通过所述行驶时间最短路径或行驶距离最短路径需要充电，则进一步判断所述动力电池的当前电量对应的行驶距离内是否存在充电桩，如果是，则执行步骤S7；S7：判断所述车辆在满电情况下的最大行驶距是否大于当前充电桩与所述目的地之间的距离，如果是，则执行步骤S8；S8：对所述行驶时间最短的路径、行驶距离最短的路径和云平台推荐路径进行更新，并将更新后路径提供给用户；S9：用户从所述更新后的路径中选择需求的路径，并通过云平台预约对应的充电桩，预约成功后，云平台更新充电桩预约信息数据库。

在本发明的一个实施例中，在所述S7之后，还包括：S10：如果所述车辆在满电情况下的最大行驶距小于当前充电桩与所述目的地之间的距离，则进一步判断从所述当前充电桩行驶至剩余电量下降至预定值时对应地点附近是否存在充电桩，如果是，则对所述行驶时间最短的路径、行驶距离最短的路径及云平台推荐路径进行更新，并将更新后的路径提供给用户。

在本发明的一个实施例中，在所述步骤S4中，还包括：如果所述剩余电量对应的行驶距离内不存在充电桩，则执行所述步骤S6。

在本发明的一个实施例中，在所述步骤S6之后，还包括：如果所述动力电池的当前电量对应的行驶距离内是不存在充电桩，则向用户发出报警。

在本发明的一个实施例中，根据云平台推荐度计算得到所述云平台推荐路径。

在本发明的一个实施例中，所述云平台推荐度的计算公式为：

Z＝K1(P+G)+K2(1/(S1-S0))+K3(1/(L1-L0+1))+K4(1/(|E1－20％|+1))，

其中，G为表示最大可容忍的排队时间，K1、K2、K3、K4分别表示时间、路程、充电桩饱和度和合理的充电时机在云平台推荐度Z中所占的权重，P为每个充电桩的每一时刻T的饱和度参数，S1为某一路径所需的总时间，L1为某一路径需要行驶的总距离，E1为电动汽车到达充电桩时的剩余电量。

在一些实例中，还包括：设置一个调节系数G1，其中，G1的大小为最大可容忍的总时间增加；设置一个调节系数G2，G2的大小为最大可容忍的总路程增加；根据G、G1、G2以及电动汽车到达目的地的剩余电量r决定是否将该充电桩标记为可用充电桩。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的基于云平台的电动汽车路径规划方法的流程图；

图2是根据本发明另一个实施例的基于云平台的电动汽车路径规划方法的流程图；

图3是根据本发明一个实施例的基于云平台的电动汽车路径规划方法的原理框图；

图4是根据本发明一个具体实施例的基于云平台的电动汽车路径规划方法的路线规划示意图；以及

图5是根据本发明一个具体实施例的基于云平台的电动汽车路径规划方法的云平台推荐度计算过程示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。

下面参照附图描述根据本发明实施例的基于云平台的电动汽车路径规划方法。

图1为根据本发明一个实施例的基于云平台的电动汽车路径规划方法的流程图。图2是根据本发明另一个实施例的基于云平台的电动汽车路径规划方法的流程图。结合图1和图2所示，该方法包括以下步骤：

步骤S1：云平台根据车辆的当前位置、目的地及动力电池的当前电量进行路径规划，并得到行驶时间最短的路径和行驶距离最短的路径。

具体地说，在具体实施过程中，在步骤S1之前，为保证云平台的有效工作，需要预先对充电桩的预约制度、充电桩的空间时间等基本概念进行约束和定义，具体如下：

1.定义充电桩的预约制度：

所有充电桩的使用都必须预约，其中，使用云平台的电动汽车可以通过云平台进行预约，未使用云平台的电动汽车也要在到达充电桩时进行现场预约。

电动汽车必须在预约中声明充电时长t0，并且先收到的预约拥有更高的优先级。

电动汽车在申请某一时刻T的预约时，如果充电桩在时刻T后的某一时段t内没有预约，且t0<t，则充电桩接受该电动汽车的预约；(注意：T为到达充电桩的时刻，某电动汽车到达不同充电桩的时刻T是不同的)。

预约可以取消，但是，根据取消预约的提前量不同，设置不同的惩罚，以规范电动汽车用户的预约行为，防止随意预约。(取消预约的时间越晚，惩罚越严重。)

2.定义充电桩的空闲时间：

只有当两次预约之间的时间间隔大于t0时，足以完成一次充电，才认为充电桩空闲，否则仍算作预约时间。

步骤S2：判断行驶时间最短的路径和行驶距离最短的路径上是否存在相邻的充电桩之间的距离大于车辆在满电情况下的最大行驶距离，如果否，则执行步骤S3。

在一些示例中，结合图2所示，该步骤可以概述为：接收电动汽车路径规划请求，判断请求的目的地是否充电桩部署极少，以至于电动汽车无法通过的区域。进一步地，根据当前电动汽车电池续航能力、充电桩的分布情况，在导航系统中设置“禁区”，在“禁区”内没有充电桩可以使用，而电动汽车电池满电的续航能力不足以穿越。并且根据当前出发位置A、目的地B，利用导航系统获取行驶时间最短的路径S0和行驶距离最短的路径L0。则“禁区”即行驶时间最短的路径S0和行驶距离最短的路径L0上存在相邻的充电桩之间的距离大于车辆在满电情况下的最大行驶距离，即车辆无法穿越而过，也无法充电。

因此，当导航系统给出的行驶时间最短的路径S0和行驶距离最短的路径L0经过禁区时，向用户发出报警。

步骤S3：判断车辆通过行驶时间最短的路径或行驶距离最短的路径是否需要充电，如果否，则执行步骤S4。具体地说，即针对行驶时间最短的路径S0和行驶距离最短的路径L0分别计算所需电量，并对比当前剩余电量E0，初步判断电动汽车的本次出行是否需要充电，如果S0、L0都不需要，则进入步骤S4，如果S0、L0中至少有一条路径需要，则进入步骤S6。

步骤S4：估算以行驶时间最短的路径或行驶距离最短的路径到达目的地后的剩余电量，并判断剩余电量对应的行驶距离内是否存在充电桩，如果是，则执行步骤S5。具体地说，分别计算经过S0、L0到达目的地B之后的剩余电量r，并判断剩余电量r对应的行驶距离是否足够电动汽车到达距离该目的地B最近的充电桩，如果是，则执行步骤S5。

进一步地，在步骤S4之后，还包括：如果剩余电量对应的行驶距离内不存在充电桩，则执行步骤S6。

步骤S5：将行驶时间最短的路径和行驶距离最短的路径提供给用户。具体地说，即在上述步骤S4中，当S0、L0到达目的地B之后的剩余电量r都可以让电动汽车到达距离该目的地B最近的充电桩，则更新行驶时间最短的路径S＝S0、行驶距离最短的路径L＝L0，并向用户输出行驶时间最短的路径S0、行驶距离最短的路径L0。

如果S0、L0中至少有一条路径不可以，则本次行驶中途可能需要充电，进入步骤S6。

进一步地，在本发明的一个实施例中，在步骤S3之后，还包括：

步骤S6：如果判断车辆通过行驶时间最短路径或行驶距离最短路径需要充电，则进一步判断动力电池的当前电量对应的行驶距离内是否存在充电桩，如果是，则执行步骤S7。换言之，即判断当前电量E0能否保证到达最近充电桩，如果能，则执行步骤S7，否则，则向云平台发出求助请求。

进一步地，在步骤S6之后，还包括：如果动力电池的当前电量对应的行驶距离内是不存在充电桩，则向用户发出报警。

步骤S7：判断车辆在满电情况下的最大行驶距是否大于当前充电桩与目的地之间的距离，如果是，则执行步骤S8。换言之，该步骤也即判断是否存在可用充电桩，如果存在则执行步骤S8，如果否，则执行步骤S10。

步骤S8，对行驶时间最短的路径、行驶距离最短的路径和云平台推荐路径进行更新，并将更新后路径提供给用户，并执行步骤S9。具体地说，如果存在可用充电桩，则说明一次充电后能够到达目的地B，则更新驶时间最短的路径S0、行驶距离最短的路径L0和云平台推荐路径C，并将更新后的路径提供给用户，并执行步骤S9。如果不存在可用充电桩，则说明需要两次以上充电才能到达目的地B，则执行步骤S10。

其中，在上述示例中，例如根据云平台推荐度计算得到所述云平台推荐路径。具体地说，为了得到云平台推荐度Z，需要预先设置调节系数G，权重系数K1、K2、K3、K4，并根据充电需求和充电桩预约情况计算一个变量P，还要设置三个中间变量S1、L1、E1。G的大小为最大可容忍的排队时间；K1、K2、K3、K4制约了时间、路程、充电桩饱和度和合理的充电时机在Z中所占的权重，权重值的合理分配需要大量的实验数据，因此可以在本方法部署后收集和计算，本发明的实施例暂不对这些具体参数值进行强制规定。其中，P为每个充电桩的每一时刻T的饱和度参数；S1为某一路径所需的总时间，它等于行驶时间、充电的排队等待时间、实际充电时间三者之和；L1为某一路径需要行驶的总距离，它等于充电之前行驶距离和充电之后行驶距离两者之和；E1为电动汽车到达充电桩时的剩余电量。对于饱和度P：若T时刻没有预约，P＝充电桩在时刻T之后的最大空闲时间；若T时刻已有预约，P＝－1(充电桩在时刻T之后、下一次空闲时间开始之前的预约时间)。

那么，云平台推荐度Z的计算公式为：

Z＝K1(P+G)+K2(1/(S1-S0))+K3(1/(L1-L0+1))+K4(1/(|E1－20％|+1))。

进一步地，设置一个调节系数G1，G1的大小为最大可容忍的总时间增加。

设置一个调节系数G2，G2的大小为最大可容忍的总路程增加。

然后，根据G、G1、G2以及到达目的地B的剩余电量r决定是否将该充电桩标记为可用充电桩。

步骤S9：用户从更新后的路径中选择需求的路径，并通过云平台预约对应的充电桩，预约成功后，云平台更新充电桩预约信息数据库。具体地说，用户选择好偏爱的路径后，通过云平台对相应的充电桩进行预约。预约成功后，充电桩将该预约信息上传到云平台的充电桩预约信息数据库，供其它充电汽车的在进行路径规划时计算该充电桩的饱和度参数P。

进一步地，在本发明的一个实施例中，在步骤S7之后，还包括：

步骤S10：如果车辆在满电情况下的最大行驶距小于当前充电桩与目的地之间的距离，则进一步判断从当前充电桩行驶至剩余电量下降至预定值时对应地点附近是否存在充电桩，如果是，则对行驶时间最短的路径、行驶距离最短的路径及云平台推荐路径进行更新，并将更新后的路径提供给用户。其中，预定值例如为20％。

作为具体的示例，例如该步骤可概述为：首先计算第一次充电的路径。在计算第二次充电路径时，首先预估当前电量在减少到20％(预定值)时的行驶距离，最远能够行驶到行驶时间最短的路径S0上的M0位置(对应地点)，或者最远能够行驶到行驶距离最短的路径L0上的N0位置(对应地点)。

对于从M0出发，电量再次消耗10％能够到达的所有充电桩，标记为可用路径，计算并更新最短时间路径S、最短距离路径L、云平台推荐路径C。

对于从N0出发，电量再次消耗10％能够到达的所有未标记可用的充电桩，计算并更新最短时间路径S、最短距离路径L、云平台推荐路径C，进而向用户输出最短时间路径S、最短距离路径L、云平台推荐路径C。然后用户选择好偏爱的路径后，通过云平台对相应的充电桩进行预约。预约成功后，充电桩将该预约信息上传到云平台的充电桩预约信息数据库，供其它充电汽车的在进行路径规划时计算该充电桩的饱和度参数P。

其中，在该过程中，云平台推荐路径C的计算方法与步骤S8中描述的过程相同。

最后，待路径规划接收后，根据用户选择的路径对电动汽车进行导航。

综上，结合图3所示，本发明实施例的基于云平台的电动汽车路径规划方法的原理可以概述如下：云平台实时收集充电桩和电动汽车的基本信息，作为路径规划的源数据。对于充电桩来说，云平台实时接收电动汽车的充电预约，不断收集和更新全网所有充电桩的预约信息，掌握充电桩在不同时刻的使用状态。对于电动汽车来说，云平台针对某一电动汽车的某一次出行需求，收集该电动汽车当前位置、目的地地址、当前剩余电量E0、需要的充电时长t0、电动汽车电池单位电量的续航能力等基本信息。云平台利用现有的导航系统为该电动汽车寻找可选的出行路径，相对于不考虑充电的原始最短时间路径S0或原始最短距离路径L0，尽量选择一条增加时间较少、绕行距离较短、而且尽量使用低饱和度充电桩的路径。计算电动汽车通过每条路径到达目的地时的剩余的电量r，预估r能否保证电动汽车到达最近的充电桩，如果能，则证明是一条可选路径。通过对多条可选路径的比较，最终给出最短时间路径S、最短距离路径L、云平台推荐路径C三条路径，供用户选择。最后根据用户选择的路径，对相应的充电桩进行预约，并更新云平台内相应充电桩的预约数据。从而，降低了电动汽车寻找充电桩的难度，同时均衡全网内各充电桩的利用率。

为了更好地理解本发明实施例的基于云平台的电动汽车路径规划方法。以下结合图4，以一个具体的例子来对本发明实施例的基于云平台的电动汽车路径规划方法做进一步描述。

在该示例中，该方法的流程可以概述如下：

1、路径规划请求。

假设某电动汽车在A点发出一次路径规划请求，目的地B点，a、b、c、d、e为路径附近的充电桩，如图4所示。

2、原始路径计算。

利用导航系统计算原始最短时间路径S0、原始最短距离路径L0

3、是否存在禁区。

根据当前电动汽车电池续航能力、充电桩的分布情况，在导航系统中设置禁区，在禁区内没有充电桩可以使用，而电动汽车电池满电的续航能力不足以穿越。

在本示例中，原始最短时间路径S0、原始最短距离路径L0没有经过禁区，存在该电动汽车可用路径。

需要说明的是，对于原始最短时间路径S0、原始最短距离路径L0经过禁区时，是否存在一条绕过禁区的可用路径，代价如何，本发明再次不作赘述。

4、是否需要充电。

针对原始最短时间路径S0、原始最短距离路径L0分别计算所需电量，对比当前剩余电量E0，得知本次行驶需要充电。

5、获得可用充电桩。

对于当前电量E0能够到达的所有充电桩b、c、d、e，根据电动汽车到达该充电桩的时刻T，从云平台的全网充电桩预约信息数据库中提取预约数据，计算充电桩的饱和度P，此时P+G>0，可知充电桩b、c、d、e的排队时间均在可容忍的范围内。

分别对充电桩b、c、d、e选择并计算。具体包括：总时间S1＝行驶时间+充电的排队等待时间+实际充电时间，总距离L1＝充电之前行驶距离+充电之后行驶距离，剩余电量e＝到达目的地之后的剩余电量。

假设在充电桩b、c、d、e充电后，剩余电量e都足够电动汽车到达距离目的地B最近的充电桩a，故将经过充电桩b、c、d、e的路径均标记为可用路径。

6、获得推荐路径。

计算各路径参数，获取最短时间路径S、最短距离路径L和云平台推荐路径C。

对于经过充电桩b、c、d、e的路径，直接利用现有导航系统计算出相应的时间、距离，即可获得最短时间路径S、最短距离路径L。通过计算充电桩b、c、d、e的云平台推荐度Z，来获得云平台推荐路径C。

为了说明云平台推荐度Z的应用效果，在本示例中对数据做尽可能简单的假设。对于等式云平台推荐度Z＝K1(P+G)+K2(1/(S1-S0))+K3(1/(L1-L0+1))+K4(1/(|E1－20％|+1))中，等式右端的四项，经过合理设置K1、K2、K3、K4，可以保证每一项的最大可能取值和最小可能取值之差为9，此时右端四项对Z的权重相等，本示例中直观简单的取值有利于解释本发明路径规划的合理性。不妨假设右端四项的取值均为1到10的自然数，同时命名右端四项为充电桩推荐度(K1(P+G))、时间推荐度(K2(1/(S1-S0)))、路程推荐度(K3(1/(L1-L0+1)))、充电时机推荐度(K4(1/(|E1－20％|+1)))，相应的云平台推荐度Z为4到40的自然数，命名为总推荐度，例如图5所示。

在该示例中，对于充电桩a、b、c、d、e，云平台推荐度Z相应各部分的取值如表1所示；

表1

其中，a在原始最短时间路径S0上，充电桩饱和度较低，但当前电量E0不足以到达该充电桩，故本组数据仅用于对照。b在原始最短时间路径S0上，充电桩饱和度较低，但到达b时，电动汽车剩余电量E1较高。c在原始最短距离路径L0上，充电时机比较适宜，但该充电桩饱和度稍高，同时导致路程总耗时较高。d在原始最短时间路径S0附近，充电桩饱和度较低，充电时机比较适宜，但路程稍远。e在目的地B相反的方向上，路程稍远，时间稍长，充电桩饱和度较低，但到达e时，电动汽车剩余电量E1较高。

从上表1中，可以清楚得看出：根据时间代价，经过b的路径为最短时间路径S；根据路程代价，经过c的路径为最短距离路径L；综合考虑总代价，根据云平台推荐度Z，经过d的路径为云平台推荐路径C。

7、充电桩预约。

假设用户选择云平台推荐路径C，通过云平台对充电桩d进行预约。预约成功后，充电桩d将该预约信息上传到云平台的充电桩预约信息数据库，供其它充电汽车的在进行路径规划时计算该充电桩的饱和度参数P。

8、线路导航。

使用云平台推荐路径C对用户进行导航。

若一次充电后仍不能到达目的地，对于二次充电不应在此时提前计算，而应该等到一次充电完成后再重新进行路径选择和计算。因为通过驶离出发地、到达充电桩、开始充电、充电完成几个步骤需要较长时间。期间可能发生人为变更目的地、堵车等意外事件的影响。并且，由于驾驶习惯的个人差异，完成一次充电的时间也不尽相同。所以，此时提前计算二次充电路径会存在较大误差，特别是云平台推荐路径C。

综上，本发明实施例给出的云平台推荐路径C充分权衡了路径用时、路径长度、和充电时机，以使用户得到很好的用户体验。同时通过对充电桩饱和度的考量，饱和度较低的充电桩优先得到推荐，达到了全局优化的目的。

进一步地，结合本发明部署后的实验数据，对于等式云平台推荐度Z＝K1(P+G)+K2(1/(S1-S0))+K3(1/(L1-L0+1))+K4(1/(|E1－20％|+1))中，等式右端的四项，可以进一步调整K1、K2、K3、K4的值来改变各影响因素所占的权重，继续优化云平台推荐度Z。

根据本发明实施例的基于云平台的电动汽车路径规划方法，通过云平台收集充电桩部署情况、电动汽车行驶数据，基于现有导航系统对行驶路径数据进行计算，根据充电桩使用的饱和度为电动汽车的充电提前做好路径规划，电动汽车用户选择一条喜欢的路径之后，通过云平台对充电桩进行预约。其中，云平台在计算路径规划时，尽量选择一条增加时间较少、绕行距离较短、而且尽量使用低饱和度充电桩的路径。因此，该方法能够为电动汽车规划合理的行车路径，降低电动汽车寻找充电桩的难度，使得全网的充电桩利用率得到有效均衡。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于云平台的电动汽车路径规划方法，其特征在于，包括以下步骤：

S1：云平台根据车辆的当前位置、目的地及动力电池的当前电量进行路径规划，并得到行驶时间最短的路径和行驶距离最短的路径；

S2：判断所述行驶时间最短的路径和行驶距离最短的路径上是否存在相邻的充电桩之间的距离大于所述车辆在满电情况下的最大行驶距离，如果否，则执行步骤S3；

S3：判断所述车辆通过所述行驶时间最短的路径或行驶距离最短的路径是否需要充电，如果否，则执行步骤S4；

S4：估算以所述行驶时间最短的路径或所述行驶距离最短的路径到达所述目的地后的剩余电量，并判断所述剩余电量对应的行驶距离内是否存在充电桩，如果是，则执行步骤S5；

S5：将所述行驶时间最短的路径和行驶距离最短的路径提供给用户。

2.根据权利要求1所述的基于云平台的电动汽车路径规划方法，其特征在于，在所述步骤S3之后，还包括：

S6：如果判断所述车辆通过所述行驶时间最短路径或行驶距离最短路径需要充电，则进一步判断所述动力电池的当前电量对应的行驶距离内是否存在充电桩，如果是，则执行步骤S7；

S7：判断所述车辆在满电情况下的最大行驶距是否大于当前充电桩与所述目的地之间的距离，如果是，则执行步骤S8；

S8：对所述行驶时间最短的路径、行驶距离最短的路径和云平台推荐路径进行更新，并将更新后路径提供给用户；

S9：用户从所述更新后的路径中选择需求的路径，并通过云平台预约对应的充电桩，预约成功后，云平台更新充电桩预约信息数据库。

3.根据权利要求2所述的基于云平台的电动汽车路径规划方法，其特征在于，在所述S7之后，还包括：

S10：如果所述车辆在满电情况下的最大行驶距小于当前充电桩与所述目的地之间的距离，则进一步判断从所述当前充电桩行驶至剩余电量下降至预定值时对应地点附近是否存在充电桩，如果是，则对所述行驶时间最短的路径、行驶距离最短的路径及云平台推荐路径进行更新，并将更新后的路径提供给用户。

4.根据权利要求1所述的基于云平台的电动汽车路径规划方法，其特征在于，在所述步骤S4中，还包括：

如果所述剩余电量对应的行驶距离内不存在充电桩，则执行所述步骤S6。

5.根据权利要求2所述的基于云平台的电动汽车路径规划方法，其特征在于，在所述步骤S6之后，还包括：

如果所述动力电池的当前电量对应的行驶距离内不存在充电桩，则向用户发出报警。

6.根据权利要求2所述的基于云平台的电动汽车路径规划方法，其特征在于，根据云平台推荐度计算得到所述云平台推荐路径。

7.根据权利要求6所述的基于云平台的电动汽车路径规划方法，其特征在于，所述云平台推荐度的计算公式为：

Z＝K1(P+G)+K2(1/(S1-S0))+K3(1/(L1-L0+1))+K4(1/(|E1－20％|+1))，

其中，G为表示最大可容忍的排队时间，K1、K2、K3、K4分别表示时间、路程、充电桩饱和度和合理的充电时机在云平台推荐度Z中所占的权重，P为每个充电桩的每一时刻T的饱和度参数，S1为某一路径所需的总时间，L1为某一路径需要行驶的总距离，E1为电动汽车到达充电桩时的剩余电量。

8.根据权利要求7所述的基于云平台的电动汽车路径规划方法，其特征在于，还包括：

设置一个调节系数G1，其中，G1的大小为最大可容忍的总时间增加；

设置一个调节系数G2，G2的大小为最大可容忍的总路程增加；

根据G、G1、G2以及电动汽车到达目的地的剩余电量r决定是否将该充电桩标记为可用充电桩。