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

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

一种基于城市停车数据的电动汽车充电站选址规划方法

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(Lat_i,Lon_i)、停车位数量C_i；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M_i和全日总停车的时长T_i，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Index_i：

(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，γ_i用于表征第i个停车场是否设置有充电站，γ_i＝1表示第i个停车场设置有充电站；d_min为充电站之间的最小允许距离；d_ij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γ_i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P_c为城市的电动汽车的保有量规模、C_c为电动汽车的日均充电次数、F_c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，C_a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γ_i的值，进而确定各充电站的地址。

优选地，d_ij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(Lat_i,Lon_i)、停车位数量C_i；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M_i和全日总停车的时长T_i，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Index_i：

(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，P_c为城市的电动汽车的保有量规模、C_c为电动汽车的日均充电次数、F_c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，C_a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，γ_i用于表征第i个停车场是否设置有充电站，γ_i＝1表示第i个停车场设置有充电站,如果γ_i＝0，则在该停车场处将不设置有充电站；d_min为充电站之间的最小允许距离；d_ij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(Lat_i,Lon_i)和(Lat_j,Lon_j)可以计算出二者的长度，如下：

d_ij＝R·Arccos[sin(Lat_i)sin(Lat_j)+cos(Lat_i)cos(Lat_j)cos(Lon_i-Lon_j)]

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γ_i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M_i和全日总停车的时长T_i。该片区每个停车场的全日总停车的车辆数M_i如表2所示。

表2

该片区每个停车场的全日总停车的时长T_i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Index_i：

计算后，该片区每个停车场的停车强度Index_i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(Lat_i,Lon_i)、停车位数量C_i；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M_i和全日总停车的时长T_i，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Index_i：

(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>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>&amp;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>&amp;gamma;</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>&amp;gamma;</mi> <mi>j</mi> </msub> <mo>&amp;Element;</mo> <mo>{</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>}</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>r</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>&amp;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>&amp;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>&amp;GreaterEqual;</mo> <msub> <mi>&amp;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>&amp;lambda;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>&amp;gamma;</mi> <mi>i</mi> </msub> <msub> <mi>&amp;gamma;</mi> <mi>j</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>

其中，γ_i用于表征第i个停车场是否设置有充电站，γ_i＝1表示第i个停车场设置有充电站；d_min为充电站之间的最小允许距离；d_ij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γ_i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P_c为城市的电动汽车的保有量规模、C_c为电动汽车的日均充电次数、F_c为电动汽车充电的高峰小时系数，C_a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γ_i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，d_ij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。