CN107153893A - 一种基于城市停车数据的电动汽车充电站选址规划方法 - Google Patents
一种基于城市停车数据的电动汽车充电站选址规划方法 Download PDFInfo
- Publication number
- CN107153893A CN107153893A CN201710357396.9A CN201710357396A CN107153893A CN 107153893 A CN107153893 A CN 107153893A CN 201710357396 A CN201710357396 A CN 201710357396A CN 107153893 A CN107153893 A CN 107153893A
- Authority
- CN
- China
- Prior art keywords
- msub
- parking
- mrow
- parking lot
- charging station
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于城市停车数据的电动汽车充电站选址规划方法,包括如下步骤:(A)采集城市停车场信息;(B)统计每个停车场的车辆停靠信息;(C)计算停车场的停车强度;(D)确定充电站数量M;(E)以停车场的停车强度之和最大为优化目标构建约束问题,求解该约束问题,得到表征每个停车场是否设置有充电站的值,进而确定各充电站的地址。该方法利用了城市停车设施的有效空间与车辆停车时的闲置时间,对电动汽车进行充电,实现了充电站的较优选址。
Description
技术领域
本发明属于城市交通规划与优化领域,具体涉及一种基于城市停车数据的电动汽车充电站选址规划方法。
背景技术
电动汽车指以车载电源为动力,用电机驱动车轮行驶,符合道路交通、安全法规各项要求的车辆。由于对环境影响相对传统汽车较小,电动汽车的前景被广泛看好,但当前电动汽车在我国的发展仍然处于起步阶段,相关的技术标准尚不成熟。现阶段而言,电动的汽车续航里程段、充电时间长的缺点在短期内仍无法克服,这就要求必须在合理的位置恰当的布置充电站,以支持电动汽车的运行。
从我国电动汽车的实际发展来看,自2013年以来,电动汽车的保有量增长显著,特别是在东部沿海地区。一方面,是政策法规的推动,对推广电动汽车起到了重要的作用,城市中的新能源汽车保有量也得到了非常大的提高。另一方面,一系列具有我国自主知识产权、质高价美的电动汽车也是推动电动汽车快速增长的重要原因之一。根据我国据乘联会统计的数据显示,2016年1-12月的纯电动车销售24万辆,同比增长116%,占新能源汽车总销量的75%。其中,比亚迪、吉利、北汽稳居新销量榜的前三。
虽然电动汽车的增长非常迅速,然而,在实际的使用过程中,充电设施(充电站、充电桩等)的数量与设施的布局大大限制了电动汽车的使用率,很多电动汽车的拥有者在使用电动汽车前,均会考虑充电设施的便利情况。若充电并不方便,其往往会放弃使用电动汽车转而使用其他方式出行。
发明内容
发明目的:为解决上述问题,本发明公开了一种基于城市停车数据的电动汽车充电站选址规划方法,该方法利用了城市停车设施的有效空间与车辆停车时的闲置时间,对电动汽车进行充电,实现了充电站的较优选址。
技术方案:本发明采用如下技术方案:
一种基于城市停车数据的电动汽车充电站选址规划方法,包括如下步骤:
(A)采集城市停车场信息;所述停车场信息包括停车场的几何中心经纬度坐标(Lati,Loni)、停车位数量Ci;其中下标i为停车场序号,1≤i≤N,N为停车场总数;
(B)统计每个停车场的车辆停靠信息;
所述车辆停靠信息包括全日总停车的停车车次数Mi和全日总停车的时长Ti,其中为第i个停车场中第k辆次车辆的停车时长;
(C)计算停车场的停车强度;停车场的停车强度Indexi:
(D)确定充电站数量M;
(E)以停车场的停车强度之和最大为优化目标构建约束问题,所述约束问题为:
其中,γi用于表征第i个停车场是否设置有充电站,γi=1表示第i个停车场设置有充电站;dmin为充电站之间的最小允许距离;dij为第i个停车场与第j个停车场的几何中心之间的距离;求解该约束问题,得到γi的值,进而确定各停车场是否设置充电站。
由于路内停车场车辆停留时间较短,本发明中的停车场优选为路外停车场,包含了道路用地控制线以外专门开辟兴建的停车场、停车库或停车楼。
优选地,充电站数量M由下式确定:
其中Pc为城市的电动汽车的保有量规模、Cc为电动汽车的日均充电次数、Fc为电动汽车充电的高峰小时系数,即高峰小时电动汽车的充电需求占全日总充电需求的比值,Ca为单位小时内单个充电站所能满足的最大充电需求。
优选地,步骤(E)中应用遗传算法求解约束问题,得到γi的值,进而确定各充电站的地址。
优选地,dij为第i个停车场与第j个停车场的几何中心之间的欧氏距离。
有益效果:与现有技术相比,本发明具有如下优点:(1)本发明公开了一种基于城市停车数据的电动汽车充电站选址规划方法,摒弃了以往城市充电站选址过于随意,且充电站位置多位于城市偏远地区的问题,通过本发明方法获取与确定的充电站点位置均位于城市的停车场,一方面交通需求与充电需求很大,另一方面也利用了停车场的空间资源与车辆停靠的时间资源;(2)本发明所公开的充电站选址主要基于车辆的停车数据;未来随着城市的发展与变革,在出行的分布与车辆的停车信息发生变化后,可以在保留现有充电设施的基础上,单独考虑变化区域新的停车与充电需求,并对充电站的选址进行同步更新。
附图说明
图1为本发明公开的电动汽车充电站选址方法的流程图;
图2为实施例中的停车场位置图;
图3为实施例中的充电站的位置图。
具体实施方式
下面结合附图和具体实施方式,进一步阐明本发明。
如图1所示,本发明公开了一种基于城市停车数据的电动汽车充电站选址规划方法,包括以下步骤:
(A)采集城市停车场信息;
采集城市停车场信息,包括停车场地理坐标位置,即其几何中心经纬度坐标(Lati,Loni)、停车位数量Ci;其中下标i为停车场序号,1≤i≤N,N为停车场总数;
由于路内停车场车辆停留时间较短,本发明中的停车场为路外停车场,包含了道路用地控制线以外专门开辟兴建的停车场、停车库或停车楼,不包括路内停车场。
(B)统计每个停车场的车辆停靠信息;
车辆停靠信息包括全日总停车的停车车次数Mi和全日总停车的时长Ti,其中为第i个停车场中第k辆次车辆的停车时长;
(C)计算停车场的停车强度;
通过步骤(B)统计得到的车辆停靠信息,计算第i个停车场的停车强度Indexi:
(D)确定充电站数量M;
根据城市的充电需求,确定需要设在停车场处的充电站数量M。设置在停车场处的充电站数量M可由下式确定:
其中,Pc为城市的电动汽车的保有量规模、Cc为电动汽车的日均充电次数、Fc为电动汽车充电的高峰小时系数,为高峰小时电动汽车的充电需求占全日总充电需求的比值,Ca为单位小时内单个充电站所能满足的最大充电需求。
(E)充电站选址;
以停车场的停车强度之和最大为优化目标构建约束问题,所构建的约束问题为:
其中,γi用于表征第i个停车场是否设置有充电站,γi=1表示第i个停车场设置有充电站,如果γi=0,则在该停车场处将不设置有充电站;dmin为充电站之间的最小允许距离;dij为第i个停车场与第j个停车场的几何中心之间的欧氏距离。
根据第i个停车场与第j个停车场的几何中心经纬度(Lati,Loni)和(Latj,Lonj)可以计算出二者的长度,如下:
dij=R·Arccos[sin(Lati)sin(Latj)+cos(Lati)cos(Latj)cos(Loni-Lonj)]
其中R为地球的平均半径,一般的,可近似取R=6371km。
求解上述约束问题,得到γi的值,进而确定各停车场是否设置充电站,得到充电站的地址。
本实施例中,选取我国某城市的一个主要区域,验证本发明公开的方法。如附图2所示,该片区共有主要停车场10个,如附图2中的数字标注。本发明方法的主要步骤如下:
(A)采集城市停车场信息;
采集到的10个停车场信息,其中停车位数量如表1所示。
表1
(B)统计每个停车场的车辆停靠信息;
统计每个停车场的车辆停靠信息,
包括第i个停车场全日总停车的停车车次数Mi和全日总停车的时长Ti。该片区每个停车场的全日总停车的车辆数Mi如表2所示。
表2
该片区每个停车场的全日总停车的时长Ti如表3所示。
表3
(C)计算停车场的停车强度;
根据下式,计算每个停车场的停车强度Indexi:
计算后,该片区每个停车场的停车强度Indexi表4所示。
表4
(D)确定充电站数量M;
根据城市的充电需求,确定需要设在停车场处的充电站数量M。通过计算,该片区需要选址的充电站数量为M=2个;
(E)以停车场的停车强度之和最大为优化目标构建约束问题,本实施例应用遗传算法求解约束问题,得到表征每个停车场是否设置充电站的值,进而确定各充电站的地址。
通过求解,最终确定的两个充电站位于停车场2和停车场9处,分别如图3中标注的1和2两处。
Claims (5)
1.一种基于城市停车数据的电动汽车充电站选址规划方法,其特征在于,包括如下步骤:
(A)采集城市停车场信息;所述停车场信息包括停车场的几何中心经纬度坐标(Lati,Loni)、停车位数量Ci;其中下标i为停车场序号,1≤i≤N,N为停车场总数;
(B)统计每个停车场的车辆停靠信息;
所述车辆停靠信息包括全日总停车的停车车次数Mi和全日总停车的时长Ti,其中为第i个停车场中第k辆次车辆的停车时长;
(C)计算停车场的停车强度;停车场的停车强度Indexi:
(D)确定充电站数量M;
(E)以停车场的停车强度之和最大为优化目标构建约束问题,所述约束问题为:
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Index</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>&gamma;</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>M</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>N</mi>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>d</mi>
<mi>min</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&gamma;</mi>
<mi>j</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,γi用于表征第i个停车场是否设置有充电站,γi=1表示第i个停车场设置有充电站;dmin为充电站之间的最小允许距离;dij为第i个停车场与第j个停车场的几何中心之间的距离;
求解该约束问题,得到γi的值,进而确定各停车场是否设置充电站。
2.根据权利要求1所述的基于城市停车数据的电动汽车充电站选址规划方法,其特征在于,所述停车场为路外停车场。
3.根据权利要求1所述的基于城市停车数据的电动汽车充电站选址规划方法,其特征在于,充电站数量M由下式确定:
<mrow>
<mi>M</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mi>c</mi>
</msub>
<msub>
<mi>C</mi>
<mi>c</mi>
</msub>
<msub>
<mi>F</mi>
<mi>c</mi>
</msub>
</mrow>
<msub>
<mi>C</mi>
<mi>a</mi>
</msub>
</mfrac>
</mrow>
其中Pc为城市的电动汽车的保有量规模、Cc为电动汽车的日均充电次数、Fc为电动汽车充电的高峰小时系数,Ca为单位小时内单个充电站所能满足的最大充电需求。
4.根据权利要求1所述的基于城市停车数据的电动汽车充电站选址规划方法,其特征在于,步骤(E)中应用遗传算法求解约束问题,得到γi的值,进而确定各充电站的地址。
5.根据权利要求1所述的基于城市停车数据的电动汽车充电站选址规划方法,其特征在于,dij为第i个停车场与第j个停车场的几何中心之间的欧氏距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710357396.9A CN107153893B (zh) | 2017-05-19 | 2017-05-19 | 一种基于城市停车数据的电动汽车充电站选址规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710357396.9A CN107153893B (zh) | 2017-05-19 | 2017-05-19 | 一种基于城市停车数据的电动汽车充电站选址规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107153893A true CN107153893A (zh) | 2017-09-12 |
CN107153893B CN107153893B (zh) | 2020-06-30 |
Family
ID=59793669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710357396.9A Active CN107153893B (zh) | 2017-05-19 | 2017-05-19 | 一种基于城市停车数据的电动汽车充电站选址规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107153893B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108288110A (zh) * | 2018-01-18 | 2018-07-17 | 武汉理工大学 | 一种基于电动汽车真实行驶数据的充电桩优化布局方法 |
CN109800940A (zh) * | 2018-12-03 | 2019-05-24 | 北京掌行通信息技术有限公司 | 一种充电桩选址方法及装置 |
CN109840640A (zh) * | 2019-03-06 | 2019-06-04 | 清华大学 | 一种电动汽车充电桩的选址方法和系统 |
CN110046753A (zh) * | 2019-03-29 | 2019-07-23 | 江苏大学 | 一种电动汽车充电站最优建设数量和选址方案规划方法 |
CN110599074A (zh) * | 2019-07-18 | 2019-12-20 | 广州市交通规划研究院 | 一种电动汽车充电设施建设的选址方法 |
CN111126712A (zh) * | 2019-12-30 | 2020-05-08 | 长安大学 | 一种面向通勤廊道的停车充电换乘系统规划方法 |
CN111709662A (zh) * | 2020-06-23 | 2020-09-25 | 四川中电启明星信息技术有限公司 | 一种基于大数据的电动汽车充电场站定容方法 |
CN113196332A (zh) * | 2018-12-21 | 2021-07-30 | 西门子股份公司 | 确定交通基础设施的方法、用于执行方法的电子计算设备以及计算机程序和数据载体 |
CN113780851A (zh) * | 2021-09-16 | 2021-12-10 | 上海世脉信息科技有限公司 | 一种基于期望行驶成本的公交车辆停车场选址方法 |
CN115271268A (zh) * | 2022-09-27 | 2022-11-01 | 国网浙江省电力有限公司宁波供电公司 | 一种电动汽车充电站选址规划方法、装置及终端设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699950A (zh) * | 2013-09-07 | 2014-04-02 | 国家电网公司 | 一种考虑交通网络流量的电动汽车充电站规划方法 |
CN104933480A (zh) * | 2015-06-10 | 2015-09-23 | 江苏省城市规划设计研究院 | 一种基于停车供需调控系数的停车设施供应量预测方法 |
WO2016079419A1 (fr) * | 2014-11-20 | 2016-05-26 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede et systeme de gestion de la charge d'un parc de batteries |
-
2017
- 2017-05-19 CN CN201710357396.9A patent/CN107153893B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699950A (zh) * | 2013-09-07 | 2014-04-02 | 国家电网公司 | 一种考虑交通网络流量的电动汽车充电站规划方法 |
WO2016079419A1 (fr) * | 2014-11-20 | 2016-05-26 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede et systeme de gestion de la charge d'un parc de batteries |
CN104933480A (zh) * | 2015-06-10 | 2015-09-23 | 江苏省城市规划设计研究院 | 一种基于停车供需调控系数的停车设施供应量预测方法 |
Non-Patent Citations (2)
Title |
---|
李正恩: "基于交通行为的城市电动汽车充电网络规划与运营研究", 《中国优秀硕士学位论文全文数据库》 * |
王辉等: "考虑交通网络流量的电动汽车充电站规划", 《电力系统自动化》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108288110A (zh) * | 2018-01-18 | 2018-07-17 | 武汉理工大学 | 一种基于电动汽车真实行驶数据的充电桩优化布局方法 |
CN108288110B (zh) * | 2018-01-18 | 2021-11-02 | 武汉理工大学 | 一种基于电动汽车真实行驶数据的充电桩优化布局方法 |
CN109800940A (zh) * | 2018-12-03 | 2019-05-24 | 北京掌行通信息技术有限公司 | 一种充电桩选址方法及装置 |
CN109800940B (zh) * | 2018-12-03 | 2022-02-18 | 北京掌行通信息技术有限公司 | 一种充电桩选址方法及装置 |
CN113196332A (zh) * | 2018-12-21 | 2021-07-30 | 西门子股份公司 | 确定交通基础设施的方法、用于执行方法的电子计算设备以及计算机程序和数据载体 |
CN109840640A (zh) * | 2019-03-06 | 2019-06-04 | 清华大学 | 一种电动汽车充电桩的选址方法和系统 |
WO2020199558A1 (zh) * | 2019-03-29 | 2020-10-08 | 江苏大学 | 一种电动汽车充电站最优建设数量和选址方案规划方法 |
CN110046753B (zh) * | 2019-03-29 | 2020-08-28 | 江苏大学 | 一种电动汽车充电站最优建设数量和选址方案规划方法 |
CN110046753A (zh) * | 2019-03-29 | 2019-07-23 | 江苏大学 | 一种电动汽车充电站最优建设数量和选址方案规划方法 |
CN110599074A (zh) * | 2019-07-18 | 2019-12-20 | 广州市交通规划研究院 | 一种电动汽车充电设施建设的选址方法 |
CN111126712A (zh) * | 2019-12-30 | 2020-05-08 | 长安大学 | 一种面向通勤廊道的停车充电换乘系统规划方法 |
CN111126712B (zh) * | 2019-12-30 | 2023-09-01 | 长安大学 | 一种面向通勤廊道的停车充电换乘系统规划方法 |
CN111709662A (zh) * | 2020-06-23 | 2020-09-25 | 四川中电启明星信息技术有限公司 | 一种基于大数据的电动汽车充电场站定容方法 |
CN113780851A (zh) * | 2021-09-16 | 2021-12-10 | 上海世脉信息科技有限公司 | 一种基于期望行驶成本的公交车辆停车场选址方法 |
CN113780851B (zh) * | 2021-09-16 | 2024-04-26 | 上海世脉信息科技有限公司 | 一种基于期望行驶成本的公交车辆停车场选址方法 |
CN115271268A (zh) * | 2022-09-27 | 2022-11-01 | 国网浙江省电力有限公司宁波供电公司 | 一种电动汽车充电站选址规划方法、装置及终端设备 |
CN115271268B (zh) * | 2022-09-27 | 2023-01-13 | 国网浙江省电力有限公司宁波供电公司 | 一种电动汽车充电站选址规划方法、装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107153893B (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107153893A (zh) | 一种基于城市停车数据的电动汽车充电站选址规划方法 | |
CN107169605A (zh) | 基于车辆定位信息的城市电动汽车充电站选址方法 | |
CN103903475B (zh) | 一种面向城市级的智能泊车服务系统及泊车调度方法 | |
CN104200649B (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
CN102722767B (zh) | 电动汽车充换电站布点规划系统及方法 | |
CN110489799B (zh) | 交通拥堵仿真处理方法及相关装置 | |
CN103915869B (zh) | 一种基于移动设备的电动汽车智能充电系统及方法 | |
CN105825666A (zh) | 基于路面湿度检测的城市洒水车智能调度方法 | |
CN103295414A (zh) | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 | |
CN107871184A (zh) | 一种面向区域充电设施的电动汽车充电站的选址方法 | |
Paffumi et al. | European-wide study on big data for supporting road transport policy | |
CN105489056B (zh) | 一种基于od矩阵的停车需求预测方法 | |
CN105939885A (zh) | 用于使得能够对车辆充电的装置、方法和计算机程序 | |
CN105046983B (zh) | 一种基于车路协同的交通流量预测系统及方法 | |
CN106532686A (zh) | 基于电动汽车充电配置的片区配电网负荷预测方法 | |
CN109703389A (zh) | 基于新能源公交车的车桩网一体化充电调度装置及方法 | |
Luin et al. | Modeling the impact of road network configuration on vehicle energy consumption | |
CN104318081A (zh) | 一种城市重需求性公共自行车租赁点车辆配置方法 | |
CN108062591A (zh) | 电动汽车充电负荷时空分布预测方法 | |
CN112446609A (zh) | 一种基于大数据的充电场站建站方法及系统 | |
CN108133329B (zh) | 考虑充电反馈效应的电动汽车出行与充电需求分析方法 | |
Deshpande et al. | A breakeven cost analysis framework for electric road systems | |
Zhi et al. | Analysis on the development status of intelligent and connected vehicle test site | |
CN106130110A (zh) | 基于分层概率选择出行地的电动出租车充电站定容方法 | |
CN110245774A (zh) | 一种根据员工家庭住址进行班车线路优化的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |