CN106643783A - 基于最短路径泰森多边形的电动汽车充电站搜索方法 - Google Patents

Abstract

本发明提供了一种基于最短路径泰森多边形的电动汽车充电站搜索方法，包括如下步骤：S1，获得所在区域可用的所有充电站的具体地理位置，以每个充电站所在的位置作为离散点，构建Delaunay三角形网络；S2，根据Delaunay三角网内所有三角形的外接圆，得到离散点的泰森多边形；S3，车联网系统根据上述泰森多边形和离散点信息搜索距离电动汽车最便捷的充电站所在位置并反馈给电动汽车，其中车联网系统实时收集车辆和充电站信息。本发明通过对区域内所有充电站站点供电服务区域进行泰森多边形剖分分析，得到距车辆最近的充电站推送给需求车辆，方便车辆及时进行充电。

Description

基于最短路径泰森多边形的电动汽车充电站搜索方法

技术领域

本发明属于车联网技术领域，尤其是涉及一种基于最短路径泰森多边形的电动汽车充电站搜索方法。

背景技术

随着新能源汽车的推广，需要建设足够覆盖面积的充电桩作为电动汽车能源的主要供给方式。泰森多边形是对空间平面的一种剖分，其特点是:1)任何一个多边形内的任何位置离该多边形内的离散点的距离最近，离相邻多边形内离散点的距离远，2)每个泰森多边形内仅含有一个离散点，3)位于泰森多边形边上的点到其两边的离散点的距离相等。

传统充电设施规划方式是以一定长度为半径,通过画圆的方式形成电动汽车充电站的服务范围，这种方式往往存在服务范围无法实现全面覆盖、覆盖范围存在重叠，或者所确定的服务范围相对与电动汽车来讲并非是最优的选择。这就造成用户搜寻最近设施的困难，无法最快定位距离用户最近的设施。泰森基于多边形方法，可以合理涵盖所有区域，实现全覆盖、不重叠，快速知道距离用户最近的充电设施。

电动汽车刚处于发展阶段，充电设施的选址规划远远达不到传统加油站的普及程度，目前只是在自贸区、大型停车场、医院的区域分布，加之本身续航等因素，基于最短路径的充电设施路径选取的重要意义日益凸显。传统路径选取需要建立模型分析，求解计算并分析灵敏度，不仅过程复杂，耗时费力，而且模型覆盖区域会出现空白或重叠的现象，结果的准确程度也是有待考证。

发明内容

有鉴于此，本发明旨在提出一种基于最短路径泰森多边形的电动汽车充电站搜索方法。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于最短路径泰森多边形的电动汽车充电站搜索方法，包括如下步骤：

S1，获得所在区域可用的所有充电站的具体地理位置，以每个充电站所在的位置作为离散点，构建Delaunay三角形网络；

S2，求得Delaunay三角网内所有三角形的外接圆，记录外接圆的圆心位置；依次连接离散点周围的Delaunay三角形外接圆的圆心，得到离散点的泰森多边形；

S3，车联网系统根据上述泰森多边形和离散点信息搜索距离电动汽车最便捷的充电站所在位置并反馈给电动汽车，其中车联网系统实时收集车辆和充电站信息。

进一步的，在步骤S3中搜索距离电动汽车最便捷的充电站的方法包括如下步骤：

S31，求得电动汽车所在位置A点到每个离散点的最短路径S1，S2，S3,……，取其中最短和次短的两条路径，并记下它们所对应的两个离散点P1、P2，将得到的这两条路线合成连通的一条路径为L；

S32，在L上找一个点P,使P点到两个控制点P1，P2的最短路程相等(即P为L的中点)，则P点是由P1、P2所控制的两个扩展泰森多边形的交点,点P作为两个多边形分界点，使得在PP1(PP2)上找不到一点B，使得B到其他控制点的最短路程小于B到P1(P2)的最短路程；

S33，车联网系统实时跟踪P1、P2充电设施的设备情况，用户可根据实际情况自由选择P1、P2，若用户点为C，点C若在PP1上，可以沿PP1到P1，此时到P1距离最短；若C在PP1上，但选择P2充电，则可以沿CP、PP2到P2，此时到P2的距离最短。

进一步的，步骤S2中，对于三角网边缘的泰森多边形，可作垂直平分线与图廓相交，与图廓一起构成泰森多边形。

进一步的，步骤S2中，车联网系统根据所得的泰森多边形，可得到各充电站通过泰森多边形得到的供电区域范围；车联网平台对供电区域范围的轮廓边界、外接圆圆心、半径信息进行记录。

进一步的，还包括步骤S4，在电动汽车未到达目标充电站地点前，如果目标点被占据，则车联网系统返回步骤S1，去除已被占用的离散点，根据记录供电区域范围的轮廓边界、外接圆圆心、半径信息重新构建Delaunay三角形网络。

进一步的，还包括步骤S4，在电动汽车未到达目标充电站地点前，如果目标点被占据，则车联网系统返回步骤S1，去除已被占用的离散点，重新构建Delaunay三角形网络。

相对于现有技术，本发明具有以下优势：

(1)依托车联网技术，通过GPS、RFID、传感器、摄像头图像处理装置、中心处理器等技术手段，车辆可以完成自身环境和状态信息的采集；通过互联网技术，所有的车辆可以将自身的各种信息、充电站离散点信息传输汇聚到中央处理器；通过计算机技术，这些大量的信息可以被分析和处理，重新计算泰森多边形，从而计算出不同车辆的最佳路线。

(2)当电动汽车行驶至某一点，因电池电量不足报警或其他原因需要进行充电服务。此时需要在地图上寻找充电站进行充电，通过对区域内所有充电站站点供电服务区域进行泰森多边形剖分分析，得到距车辆最近的充电站推送给需求车辆，方便车辆及时进行充电。基于泰森多边形对整体区域进行划分，可以达到无需测距的定位方法，降低路径选取难度。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例充电站选址点作为离散点，建立的散点集；

图2为本发明实施例构建的Delaunay三角形网络。

图3为本发明实施例的泰森多边形剖分图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

本发明基于最短路径泰森多边形的电动汽车充电站搜索方法，以天津机场自贸区为例进行说明，

步骤1，获得自贸区此时可用的所有充电站的具体地理位置，以每个充电站所在的位置作为离散点，如图1所示，构建Delaunay三角形网络，本实施例采用如下Lawson算法构建Delaunay三角形网络，如图2所示：

1)确定所有已建的充电设施的具体地理位置，并以散点的方式顺序标注在图中，所有散点构成点集V；

2)构建一个超级三角形，包含点集V内的所有散点，放入三角形链表；

3)将点集V中的散点依次插入，在三角形链表中找出其外接圆包含插入点的三角形(称为该点的影响三角形)，删除影响三角形的公共边，将插入点同影响三角形的全部顶点连接起来，从而完成一个点在Delaunay三角形链表中的插入；

4)根据优化准则对局部新形成的三角形进行优化，将形成的三角形放入Delaunay三角形链表；

5)循环执行上述第3)步，直到所有散点插入完毕。此时已构建完Delaunay三角网。

步骤2，求得Delaunay三角网内所有三角形的外接圆，记录外接圆的圆心位置；依次连接散点周围的Delaunay三角形外接圆的圆心，得到离散点的泰森多边形；其中，对于三角网边缘的泰森多边形，可作垂直平分线与图廓(及自贸区边界)相交，与图廓一起构成泰森多边形，如图3所示；根据所得的泰森多边形，可得到各充电站通过泰森多边形得到的供电区域范围；车联网平台对供电区域范围的轮廓边界、外接圆圆心、半径等信息进行记录，方便以后重新绘制泰森多边形，提高运行速度；构建泰森多边形的步骤具体为：

1)对离散点和Delaunay三角网中的三角形编号，记录每个三角形是由哪三个离散点构成；

2)找出与每个离散点相邻的所有三角形的编号，并记录下来，即只要在已构建的Delaunay三角网中找出具有一个相同顶点的所有三角形即可；

3)对与每个离散点相邻的三角形按顺时针或逆时针方向排序，以便下一步连接生成泰森多边形；假设离散点为o，找出以o为顶点的一个三角形，设为A；取三角形A除o以外的另一顶点，设为a，则另一个顶点也可找出，即为f；则下一个三角形必然是以of为边的，即为三角形F；三角形F的另一顶点为e，则下一三角形是以oe为边的；如此重复进行，直到回到oa边；

4)计算每个三角形的外接圆圆心，并记录之；

5)根据每个离散点的相邻三角形，连接这些相邻三角形的外接圆圆心，即得到泰森多边形。

6)将绘制区域的边界与实际边界进行对比，剪裁，保证结果的准确性。上述步骤6)将绘制区域的边界与实际边界进行对比剪裁的具体方法为：

61)将自贸区边界顶点和构建的泰森多边形最外层的顶点定向排序；

62)找出目标规划区域多边形和已构建泰森多边形的交叉点，并将这些点按顺序插入预先建立的用于存储裁剪结果的泰森多边形顶点链表。

63)选取任一个交点为起点，将其输出到62)的顶点链表中。

64)若该交点为出点(已构建的泰森多边形为被剪裁多边形，从被剪裁对象来看，由内到外穿出的交点称为出点，反之是入点，出点与入点成对出现)，便开始跟踪计算区域多边形的顶点，否则跟踪泰森多边形顶点。

65)跟踪泰森多边形，将顶点输出到结果多边形顶点链表中，直至遇到新的交点。

66)将新的交点输出到结果多边形的顶点链表中，如果在第64)步中跟踪的是泰森多边形，那么就跟踪计算区域多边形，反之类似。

67)重复第(6)、第(7)步，直至回到起点，形成一个结果多边形。

68)重复第(7)～(12)步，直至所有的交点都被访问过。

步骤3，车联网系统根据上述泰森多边形和离散点信息搜索距离电动汽车最便捷的充电站所在位置并反馈给电动汽车，其中车联网系统实时收集车辆和充电站信息；搜索最便捷的充电站的方法包括如下步骤：

1)求得电动汽车所在位置A点到每个离散点的最短路径S1，S2，S3,……，取其中最短和次短的两条路径，并记下它们所对应的两个离散点P1、P2，将得到的这两条路线合成连通的一条路径为L；

2)在L上找一个点P,使P点到两个控制点P1，P2的最短路程相等，即P为L的中点，则P点是由P1、P2所控制的两个扩展泰森多边形的交点；以P点为界，L的两段(可设为PP1，PP2)分属于这两个基于最短路径的扩展泰森多边形；使得在PP1、PP2上找不到一点B，使得B到其他控制点的最短路程小于B到P1、P2的最短路程；

3)车联网系统实时跟踪P1、P2充电设施的设备情况，用户可根据实际情况自由选择P1、P2，若用户点为C，点C若在PP1上，可以沿PP1到P1，此时到P1距离最短；若C在PP1上，但选择P2充电，则可以沿CP、PP2到P2，此时到P2的距离最短结合导航系统，判断电动汽车此时所在位置是否在PP1或PP2上，如果均不在，判断电动汽车此时所在位置所属的道路是否与PP1或PP2有交叉；如果在PP1上或者与PP1有交叉则选择P1所指的充电站为目的地行驶；否则选择P2所指的充电站为目的地行驶。

另外，在电动汽车未到达目标充电站地点前，如果目标点被占据，则车联网系统返回步骤1，去除已被占用的离散点，重新构建Delaunay三角形网络。

传统的泰森多边形是对空间不考虑实际路径的一种分割方式,使得其在很多领域的应用受到了限制,尤其是在城市规划和沿路径分析等方面表现更为突出。所以只依靠泰森多边形进行定位还达不到实际需求，电动汽车的发展速度快于充电设施建设速度，往往出现无桩可用的现象，这就需要重新生成泰森多边形，对路径重新规划，通过车联网系统进行解决。

本发明车联网系统，是指通过在车辆仪表台安装车载终端设备，实现对车辆所有工作情况和静、动态信息的采集、存储并发送。系统分为三大部分：车载终端、云计算处理平台、数据分析平台。车辆的运行往往涉及多项开关量、传感器模拟量、CAN信号数据等等，驾驶员在操作车辆运行过程中，产生的车辆数据不断回发到后台数据库，形成海量数据，由云计算处理平台实现对海量数据的“过滤清洗”，数据分析平台对数据进行报表式处理，供管理人员查看。

依托车联网技术，通过GPS、RFID、传感器、摄像头图像处理装置、中心处理器等技术手段，车辆可以完成自身环境和状态信息的采集；通过互联网技术，所有的车辆可以将自身的各种信息、充电站离散点信息传输汇聚到中央处理器；通过计算机技术，这些大量的信息可以被分析和处理，重新计算泰森多边形，从而计算出不同位置车辆搜索充电站的最佳路线。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.基于最短路径泰森多边形的电动汽车充电站搜索方法，其特征在于包括如下步骤：

S1，获得所在区域可用的所有充电站的具体地理位置，以每个充电站所在的位置作为离散点，构建Delaunay三角形网络；

S2，求得Delaunay三角网内所有三角形的外接圆，记录外接圆的圆心位置；依次连接散点周围的Delaunay三角形外接圆的圆心，得到离散点的泰森多边形；

S3，车联网系统根据上述泰森多边形和离散点信息搜索距离电动汽车最便捷的充电站所在位置并反馈给电动汽车，其中车联网系统实时收集车辆和充电站信息。

2.根据权利要求1所述的基于最短路径泰森多边形的电动汽车充电站搜索方法，其特征在于：在步骤S3中搜索距离电动汽车最便捷的充电站的方法包括如下步骤：

S31，求得电动汽车所在位置A点到每个离散点的最短路径S1，S2，S3,……，取其中最短和次短的两条路径，并记下它们所对应的两个离散点P1、P2，将得到的这两条路线合成连通的一条路径为L；

S32，在L上找一个点P,使P点到两个控制点P1，P2的最短路程相等，则P点是由P1、P2所控制的两个扩展泰森多边形的交点,点P作为两个多边形分界点，使得在PP1、PP2上找不到一点B，使得B到其他控制点的最短路程小于B到P1、P2的最短路程；

S33，车联网系统实时跟踪P1、P2充电设施的设备情况，用户可根据实际情况自由选择P1、P2，若用户点为C，点C若在PP1上，可以沿PP1到P1，此时到P1距离最短；若C在PP1上，但选择P2充电，则可以沿CP、PP2到P2，此时到P2的距离最短。

3.根据权利要求1所述的基于最短路径泰森多边形的电动汽车充电站搜索方法，其特征在于：步骤S2中，对于三角网边缘的泰森多边形，可作垂直平分线与图廓相交，与图廓一起构成泰森多边形。

4.根据权利要求1所述的基于最短路径泰森多边形的电动汽车充电站搜索方法，其特征在于：步骤S2中，车联网系统根据所得的泰森多边形，可得到各充电站通过泰森多边形得到的供电区域范围；车联网平台对供电区域范围的轮廓边界、外接圆圆心、半径信息进行记录。

5.根据权利要求4所述的基于最短路径泰森多边形的电动汽车充电站搜索方法，其特征在于：还包括步骤S4，在电动汽车未到达目标充电站地点前，如果目标点被占据，则车联网系统返回步骤S1，去除已被占用的离散点，根据记录供电区域范围的轮廓边界、外接圆圆心、半径信息重新构建Delaunay三角形网络。

6.根据权利要求1所述的基于最短路径泰森多边形的电动汽车充电站搜索方法，其特征在于：还包括步骤S4，在电动汽车未到达目标充电站地点前，如果目标点被占据，则车联网系统返回步骤S1，去除已被占用的离散点，重新构建Delaunay三角形网络。