CN107490386A - 一种电动汽车最优路径和驾驶方式的规划方法及系统 - Google Patents
一种电动汽车最优路径和驾驶方式的规划方法及系统 Download PDFInfo
- Publication number
- CN107490386A CN107490386A CN201710754825.6A CN201710754825A CN107490386A CN 107490386 A CN107490386 A CN 107490386A CN 201710754825 A CN201710754825 A CN 201710754825A CN 107490386 A CN107490386 A CN 107490386A
- Authority
- CN
- China
- Prior art keywords
- path
- electric automobile
- feasible
- drive manner
- evaluation index
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种电动汽车最优路径和驾驶方式的规划方法及系统,该方法包括步骤:基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集;获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标;所述用户权重系数为用户预设的或者根据用户驾驶习惯自动获取的系数;基于计算的评估指标,进行最优路径和驾驶方式规划。本发明可以根据用户的需求指标,计算对应偏重的评估指标,从而筛选获得最优的可行路径以及驾驶方式即驾驶模式和空调模式的组合,可以充分利用电动汽车的车辆特性,得到最优路径规划和驾驶方式规划结果,优化结果好,可广泛应用于电动汽车的控制领域中。
Description
技术领域
本发明涉及电动汽车的控制领域,特别是涉及一种电动汽车最优路径和驾驶方式的规划方法及系统。
背景技术
电动汽车续驶里程有限,对于长距离行驶或低电量时继续行驶,需要在路径规划时考虑充电需求,以消除用户的里程焦虑,同时也要考虑行驶路况的影响。另外,电动汽车的驾驶方式包括驾驶模式和空调模式,驾驶方式会影响电动汽车耗电量,从而对电动汽车续驶里程有重要影响,合适的驾驶方式规划可以延长车辆续驶里程。现有技术中,已经一部分有根据汽车的行驶路径的充电站数量来进行汽车行驶路径规划的方法,但是这些方法,重点在于满足电动汽车的充电要求,并没有综合考虑行驶过程中,路径、驾驶方式对电动汽车的用电影响,较为单一,无法充分利用电动汽车的各种车辆特性,优化结果不理想。
发明内容
为了解决上述的技术问题,本发明的目的是提供一种电动汽车最优路径和驾驶方式的规划方法,本发明的另一目的是提供一种电动汽车最优路径和驾驶方式的规划系统。
本发明解决其技术问题所采用的技术方案是:
一种电动汽车最优路径和驾驶方式的规划方法,包括步骤:
基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集;
获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标;所述用户权重系数为用户预设的或者根据用户驾驶习惯自动获取的系数;
基于计算的评估指标,进行最优路径和驾驶方式规划;
所述驾驶方式指电动汽车的驾驶模式和空调模式的组合。
进一步,所述基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集的步骤,具体包括:
获取电动汽车的驾驶起点和驾驶终点,确定路径搜索范围;
获取路径搜索范围内的道路拓扑结构,搜索获得从驾驶起点到达驾驶终点的多个连接路径;
针对每个连接路径,基于不同驾驶方式,进行可到达性分析后,获得可行的连接路径作为可行路径;
计算所有可行路径的质量评估参数;
扩大路径搜索范围后,重新搜索可行路径,最后计算新的质量评估参数,直到满足搜索结束条件后,根据获得的可行路径,得到电动汽车在不同驾驶方式下的可行路径集以及充电模式集;
所述充电模式集由与每个可行路径对应的充电位置和充电量组成。
进一步,所述针对每个连接路径,基于不同驾驶方式,进行可到达性分析后,获得可行的连接路径作为可行路径的步骤,具体包括:
针对每个连接路径,根据路况预测和道路等级,获得连接路径的不同路径的典型工况;
估算获得电动汽车在不同驾驶方式下的每个路径的行驶能耗;
基于电动汽车的电池能量模型,预测每个路径终点的SOC值;
针对经过充电站的路径,按照预设的充电策略确定充电后的SOC值;
根据每个连接路径终点的SOC值判断是否是可行路径,进而获取可行的连接路径作为可行路径。
进一步,所述估算获得电动汽车在不同驾驶方式下的每个路径的行驶能耗的步骤,是根据下式估算获得行驶能耗的:
上式中,Modedrv表示驾驶模式,ModeAC表示空调模式,E表示行驶能耗,d表示电动汽车的总行驶里程,pi表示典型工况i的概率,ECi表示典型行驶i的单位里程能耗,vair表示风速,Text表示环境温度,Tint表示电动汽车的内部温度, xrain,snow表示雨雪状况,PAC表示空调平均能耗,vi表示电动汽车在典型工况i的平均车速。
进一步,所述根据每个连接路径终点的SOC值判断是否是可行路径,进而获取可行的连接路径作为可行路径的步骤,其具体为:
根据每个连接路径终点的SOC值,获取在到达终点后,电动汽车的SOC值足以供电动汽车到达最近的充电站的连接路径作为可行路径。
进一步,所述搜索结束条件为新的质量评估参数与原最优质量评估参数相差在一定阈值范围内,所述质量评估参数为行驶时间、行驶距离或行驶用电量。
进一步,所述获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标的步骤,其具体为:
获取用户权重系数后,根据下式,计算不同驾驶方式下的每个可行路径的评估指标:
Index=k1×总时间+k2×总费用+k3×电池寿命衰减+k4×到达终点后的行驶能力
上式中,Index表示评估指标,k1、k2、k3、k4均为用户权重参数。
进一步,所述总时间是指可行路径从起点到终点的行驶时间、充电等待时间和充电时间之和,所述总费用为可行路径从起点到终点的充电站预约等待费用、充电费用和道路通行费用之和再减去到达终点时剩余电量的价值后所得到的费用;
所述电池寿命衰减通过下式计算获得:k31×深度放电区间总放电电量+k32×直流充电电量;其中,k31和k32为预设的权重参数;
所述到达终点后的行驶能力是根据电动汽车在终点的SOC划分的多个级别,一级代表到达终点后的行驶能力最强,依次递减。
进一步,所述基于计算的评估指标,进行最优路径和驾驶方式规划的步骤,具体包括:
基于计算的评估指标,筛选获得每种驾驶方式下的评估指标最小的可行路径作为推荐路径;
获取电动汽车当前驾驶方式下的推荐路径作为初选的最优路径;同时,比对所有驾驶模式下的推荐路径,获得评估指标最小的推荐路径作为最优的可行路径后,向用户推荐该最优的可行路径和对应的驾驶方式。
本发明解决其技术问题所采用的另一技术方案是:
一种电动汽车最优路径和驾驶方式的规划系统,包括处理器和存储设备,所述存储设备存储有多条指令,所述指令由处理器加载并执行以下步骤:
基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集;
获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标;所述用户权重系数为用户预设的或者根据用户驾驶习惯自动获取的系数;
基于计算的评估指标,进行最优路径和驾驶方式规划;
所述驾驶方式指电动汽车的驾驶模式和空调模式的组合。
进一步,所述基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集的步骤,具体包括:
获取电动汽车的驾驶起点和驾驶终点,确定路径搜索范围;
获取路径搜索范围内的道路拓扑结构,搜索获得从驾驶起点到达驾驶终点的多个连接路径;
针对每个连接路径,基于不同驾驶方式,进行可到达性分析后,获得可行的连接路径作为可行路径;
计算所有可行路径的质量评估参数;
扩大路径搜索范围后,重新搜索可行路径,最后计算新的质量评估参数,直到满足搜索结束条件后,根据获得的可行路径,得到电动汽车在不同驾驶方式下的可行路径集以及充电模式集;
所述充电模式集由与每个可行路径对应的充电位置和充电量组成。
进一步,所述基于计算的评估指标,进行最优路径和驾驶方式规划的步骤,具体包括:
基于计算的评估指标,筛选获得每种驾驶方式下的评估指标最小的可行路径作为推荐路径;
获取电动汽车当前驾驶方式下的推荐路径作为初选的最优路径;同时,比对所有驾驶模式下的推荐路径,获得评估指标最小的推荐路径作为最优的可行路径后,向用户推荐该最优的可行路径和对应的驾驶方式。
本发明的有益效果是:本发明的一种电动汽车最优路径和驾驶方式的规划方法,包括步骤:基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集;获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标;所述用户权重系数为用户预设的或者根据用户驾驶习惯自动获取的系数;基于计算的评估指标,进行最优路径和驾驶方式规划。本方法可以根据用户的需求指标,计算对应偏重的评估指标,从而筛选获得最优的可行路径以及驾驶方式即驾驶模式和空调模式的组合,可以充分利用电动汽车的车辆特性,得到最优路径规划和驾驶方式规划结果,优化结果好。
附图说明
图1是本发明的电动汽车最优路径和驾驶方式的规划方法的流程图;
图2是本发明详细实施例中的原理框图。
具体实施方式
参照图1,本发明实施例提供了一种电动汽车最优路径和驾驶方式的规划方法,包括步骤:
基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集;
获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标;所述用户权重系数为用户预设的或者根据用户驾驶习惯自动获取的系数;
基于计算的评估指标,进行最优路径和驾驶方式规划;
所述驾驶方式指电动汽车的驾驶模式和空调模式的组合。
进一步作为优选的实施方式,所述基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集的步骤,具体包括:
获取电动汽车的驾驶起点和驾驶终点,确定路径搜索范围;
获取路径搜索范围内的道路拓扑结构,搜索获得从驾驶起点到达驾驶终点的多个连接路径;
针对每个连接路径,基于不同驾驶方式,进行可到达性分析后,获得可行的连接路径作为可行路径;
计算所有可行路径的质量评估参数;
扩大路径搜索范围后,重新搜索可行路径,最后计算新的质量评估参数,直到满足搜索结束条件后,根据获得的可行路径,得到电动汽车在不同驾驶方式下的可行路径集以及充电模式集;
所述充电模式集由与每个可行路径对应的充电位置和充电量组成。
进一步作为优选的实施方式,所述针对每个连接路径,基于不同驾驶方式,进行可到达性分析后,获得可行的连接路径作为可行路径的步骤,具体包括:
针对每个连接路径,根据路况预测和道路等级,获得连接路径的不同路径的典型工况;
根据典型工况、环境参数,估算获得电动汽车在不同驾驶方式下的每个路径的行驶能耗;
基于电动汽车的电池能量模型,结合每个路径的行驶能耗,预测每个路径终点的SOC值;
针对经过充电站的路径,按照预设的充电策略确定充电后的SOC值;根据每个连接路径终点的SOC值判断是否是可行路径,进而获取可行的连接路径作为可行路径。
电池能量模型包括电池健康状态、荷电状态、温度、环境因素等,通过电池能量模型可以估算电池的总可用能量、不进入深度放电区间的可用能量。电池的总可用能量和不进入深度放电区间的可用能量根据事先确定的MAP查表得到。根据电池能量模型,结合每个路径的行驶能耗,可以计算每个路径的SOC值。
进一步作为优选的实施方式,所述估算获得电动汽车在不同驾驶方式下的每个路径的行驶能耗的步骤,是根据下式估算获得行驶能耗的:
上式中,Modedrv表示驾驶模式,ModeAC表示空调模式,E表示行驶能耗, d表示电动汽车的总行驶里程,pi表示典型工况i的概率,ECi表示典型行驶i 的单位里程能耗,vair表示风速,Text表示环境温度,Tint表示电动汽车的内部温度,xrain,snow表示雨雪状况,PAC表示空调平均能耗,vi表示电动汽车在典型工况 i的平均车速,表示总行驶时间。
进一步作为优选的实施方式,所述根据每个连接路径终点的SOC值判断是否是可行路径,进而获取可行的连接路径作为可行路径的步骤,其具体为:
根据每个连接路径终点的SOC值,获取在到达终点后,电动汽车的SOC值足以供电动汽车到达最近的充电站的连接路径作为可行路径。
进一步作为优选的实施方式,所述搜索结束条件为新的质量评估参数与原最优质量评估参数相差在一定阈值范围内,所述质量评估参数为行驶时间、行驶距离或行驶用电量。
进一步作为优选的实施方式,所述获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标的步骤,其具体为:
获取用户权重系数后,根据下式,计算不同驾驶方式下的每个可行路径的评估指标:
Index=k1×总时间+k2×总费用+k3×电池寿命衰减+k4×到达终点后的行驶能力
上式中,Index表示评估指标,k1、k2、k3、k4均为用户权重参数。
进一步作为优选的实施方式,所述总时间是指可行路径从起点到终点的行驶时间、充电等待时间和充电时间之和,所述总费用为可行路径从起点到终点的充电站预约等待费用、充电费用和道路通行费用之和再减去到达终点时剩余电量的价值后所得到的费用;
所述电池寿命衰减通过下式计算获得:k31×深度放电区间总放电电量+k32×直流充电电量;其中,k31和k32为预设的权重参数;
所述到达终点后的行驶能力是根据电动汽车在终点的SOC划分的多个级别,一级代表到达终点后的行驶能力最强,依次递减。
进一步作为优选的实施方式,所述基于计算的评估指标,进行最优路径和驾驶方式规划的步骤,具体包括:
基于计算的评估指标,筛选获得每种驾驶方式下的评估指标最小的可行路径作为推荐路径;
获取电动汽车当前驾驶方式下的推荐路径作为初选的最优路径;同时,比对所有驾驶模式下的推荐路径,获得评估指标最小的推荐路径作为最优的可行路径后,向用户推荐该最优的可行路径和对应的驾驶方式。
本发明解决其技术问题所采用的另一技术方案是:
一种电动汽车最优路径和驾驶方式的规划系统,包括处理器和存储设备,所述存储设备存储有多条指令,所述指令由处理器加载并执行以下步骤:
基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集;
获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标;所述用户权重系数为用户预设的或者根据用户驾驶习惯自动获取的系数;
基于计算的评估指标,进行最优路径和驾驶方式规划;
所述驾驶方式指电动汽车的驾驶模式和空调模式的组合。
进一步作为优选的实施方式,所述基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集的步骤,具体包括:
获取电动汽车的驾驶起点和驾驶终点,确定路径搜索范围;
获取路径搜索范围内的道路拓扑结构,搜索获得从驾驶起点到达驾驶终点的多个连接路径;
针对每个连接路径,基于不同驾驶方式,进行可到达性分析后,获得可行的连接路径作为可行路径;
计算所有可行路径的质量评估参数;
扩大路径搜索范围后,重新搜索可行路径,最后计算新的质量评估参数,直到满足搜索结束条件后,根据获得的可行路径,得到电动汽车在不同驾驶方式下的可行路径集以及充电模式集;
所述充电模式集由与每个可行路径对应的充电位置和充电量组成。
进一步作为优选的实施方式,所述基于计算的评估指标,进行最优路径和驾驶方式规划的步骤,具体包括:
基于计算的评估指标,筛选获得每种驾驶方式下的评估指标最小的可行路径作为推荐路径;
获取电动汽车当前驾驶方式下的推荐路径作为初选的最优路径;同时,比对所有驾驶模式下的推荐路径,获得评估指标最小的推荐路径作为最优的可行路径后,向用户推荐该最优的可行路径和对应的驾驶方式。
以下结合一详细实施例对本发明做进一步说明。
本实施例的电动汽车具有三种驾驶模式,包括正常模式、经济模式、运动模式等模式。空调系统具有舒适模式、节能模式、最小能耗模式。驾驶方式的组合如下表1所示:
表1电动汽车的驾驶方式
道路的典型工况可根据道路等级和拥堵程度的组合进行等级划分,划分如下表2所示:
表2典型工况等级划分表格
道路等级\拥堵程序 | 拥堵 | 一般 | 畅通 |
高速公路 | 中速工况 | 中高速工况 | 高速工况 |
快速路 | 中低速工况 | 中速工况 | 中高速工况 |
一般主干路 | 低速工况 | 中低速工况 | 中速工况 |
支路 | 低速工况 | 中低速工况 | 中低速工况 |
各个等级的工况的速度范围如下:
低速工况:平均行驶车速小于20km/h。
中低速工况:平均行驶车速小于20~40km/h。
中速工况:平均行驶车速小于40~60km/h。
中高速工况:平均行驶车速60~90km/h。
高速工况:平均行驶车速大于90km/h。
对于每个路径,可以获取其在一段时间内的交通数据,从而预测获得每个路径的典型工况。
图2是本实施例的原理框图,图2中,充电站交互表示,从充电桩获取的充电站信息,包括充电站可用信息、预约信息、费用信息等。预约信息可以是通过电动汽车导航系统与充电站预约。
本发明具体执行步骤如下:
第一步:可行方案规划
1)获取电动汽车的驾驶起点和驾驶终点,确定路径搜索范围。根据道路拓扑结构,寻找路径搜索范围内,起点到达终点的方式。在一般导航路径规划的基础上,特别考虑经过充电站的路径,搜索获得从驾驶起点到达驾驶终点的多个连接路径。连接路径可以表示为“起点-充电站1-充电站2……充电站n-终点-不同行驶方向上的最近充电站”。
2)针对步骤1的路径,基于不同驾驶方式,即基于不同驾驶模式和空调模式的组合进行可达性分析,获得可行的连接路径作为可行路径。可达性分析的详细过程如下:
2.1)针对每个连接路径,根据路况预测和道路等级,获得连接路径的不同路径的典型工况;
2.2)获取环境参数后,根据步骤2.1)获得的典型工况,分析给定驾驶模式和空调模式(驾驶方式)下的每一路径的行驶能耗;
2.3)根据电动汽车的电池能量模型,基于当前SOC值和每一路径的行驶能耗,预测每一路径的SOC值;并根据以下步骤,获得该连接路径对应的充电位置和充电量组成,即获得该连接路径的充电模式:
2.3.1)遇到充电站时,如果当前SOC较高(如大于80%)且足以到达规划路径终点或下一个充电站,则不充电;
2.3.2)非连接终点之前的最后一个充电站,进行充电时的操作为:快充则充到自动结束;慢充可以选择充到恒流阶段结束或充满;
2.3.3)到达终点之前的最后一个终点站:根据达到终点后达到设定目标SOC 为目标进行充电。步骤2.3.1)~2.3.3),体现了本方法中预设的充电策略。
2.4)如果可以达到终点且剩余电能足以到达最近的充电站,则路径可行。获取在到达终点后,电动汽车的SOC值足以供电动汽车到达最近的充电站的连接路径作为可行路径。
3)计算的行驶时间作为质量评估参数,用于评价搜索范围的质量;也可以计算行驶距离或行驶用电量作为质量评估参数。
4)扩大搜索范围。在扩大的范围内,重新搜索可行路径,若搜索到的新可行路径的质量评估参数与之前已搜索到的最优可行路径的评估参数相差在一定阈值范围内则停止搜索。例如,计算新获取所有可行路径的行驶时间,如果与前一搜索范围的最优可行路径的行驶时间相差在一定阈值内(例如5%),则搜索结束。
第一步结果:不同驾驶方式下的可行方案集合{Route}ij和充电模式集,其中i代表驾驶模式(1为运动模式,2是正常模式,3是经济模式),j代表空调模式(1是舒适模式,2是节能模式,3是最低能耗模式),包括多个可行路径。充电模式集包括每个可行路径对应的充电位置和充电量等信息。
第二步:建立评估指标
Index=k1×总时间+k2×总费用+k3×电池寿命衰减+k4×到达终点后的行驶能力
k1、k2、k3、k4均为用户权重参数,可以是根据用户输入的数据设定的,也可以是根据用户的历史驾驶数据自学习得到的。
总时间指:从起点到终点的时间,即行驶时间、充电等待时间、充电时间之和;
总费用指:从起点到终点的费用=从起点到终点的充电站预约等待费用+充电费用(由充电电量、充电时间计算获得)-到达终点剩余电量的价值(根据剩余电量与电费计算获得,目的地是家庭或特殊充电优惠单位,则此价值较低)+ 道路通行费用;
电池寿命衰减计算公式:k31×深度放电区间总放电电量+k32×直流充电电量;其中,k31和k32为预设的权重参数;
到达终点后的行驶能力是根据电动汽车在终点的SOC划分的多个级别。分为以下级别:四级:能到达最近充电站,三级:能到达所有方向的最近充电站,二级:能在SOC健康区间内到达所有方向的最近充电站,即深度放电区间放电量为0;一级:达到用户设定的SOC,如果用户设定SOC比二级对应的SOC更低,则将二级对应的SOC上调一定幅度作为一级的SOC目标值。
此外,在进行可到达性分析时,用户也可将某一指标设为必须达到的约束条件,如到达终点后的行驶能力必须达到一级。
第三步,最优方案推荐
1)获取不同驾驶方式下的可行路径集以及对应的充电模式集;
2)基于1)的方案集合,分别计算每一种可行路径的评估指标。
3)获取每种驾驶方式下的评估指标最小的出行方案,作为对应驾驶模式下的推荐路径;
4)比较不同驾驶模式下的推荐路径,获得评估指标最小的驾驶模式、空调模式和出行方案组合。
5)推荐两种结果供用户选取:第一种是当前驾驶方式(驾驶模式和空调模式组合)下的推荐方案;第二种即步骤4)的结果,输出该最优结果最为最优的可行路径,并输出对应的驾驶方式,建议用户更换驾驶模式和空调模式。
6)按照用户确定的驾驶模式和空调模式下的推荐方案提供导航服务。
本发明综合考虑道路工况和电动汽车的车辆特性,可以根据用户的需求指标,例如总时间最短、电池的用电量最低等,计算对应偏重的评估指标,从而筛选获得最优的可行路径以及驾驶方式即驾驶模式和空调模式的组合,综合考虑道路工况、驾驶方式对电动汽车的用电影响,可以充分利用电动汽车的车辆特性,得到最优路径规划和驾驶方式规划结果,优化结果好。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种电动汽车最优路径和驾驶方式的规划方法,其特征在于,包括步骤:
基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集;
获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标;所述用户权重系数为用户预设的或者根据用户驾驶习惯自动获取的系数;
基于计算的评估指标,进行最优路径和驾驶方式规划;
所述驾驶方式指电动汽车的驾驶模式和空调模式的组合。
2.根据权利要求1所述的电动汽车最优路径和驾驶方式的规划方法,其特征在于,所述基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集的步骤,具体包括:
获取电动汽车的驾驶起点和驾驶终点,确定路径搜索范围;
获取路径搜索范围内的道路拓扑结构,搜索获得从驾驶起点到达驾驶终点的多个连接路径;
针对每个连接路径,基于不同驾驶方式,进行可到达性分析后,获得可行的连接路径作为可行路径;
计算所有可行路径的质量评估参数;
扩大路径搜索范围后,重新搜索可行路径,最后计算新的质量评估参数,直到满足搜索结束条件后,根据获得的可行路径,得到电动汽车在不同驾驶方式下的可行路径集以及充电模式集;
所述充电模式集由与每个可行路径对应的充电位置和充电量组成。
3.根据权利要求2所述的电动汽车最优路径和驾驶方式的规划方法,其特征在于,所述针对每个连接路径,基于不同驾驶方式,进行可到达性分析后,获得可行的连接路径作为可行路径的步骤,具体包括:
针对每个连接路径,根据路况预测和道路等级,获得连接路径的不同路径的典型工况;
估算获得电动汽车在不同驾驶方式下的每个路径的行驶能耗;
基于电动汽车的电池能量模型,预测每个路径终点的SOC值;
针对经过充电站的路径,按照预设的充电策略确定充电后的SOC值;
根据每个连接路径终点的SOC值判断是否是可行路径,进而获取可行的连接路径作为可行路径。
4.根据权利要求2所述的电动汽车最优路径和驾驶方式的规划方法,其特征在于,所述搜索结束条件为新的质量评估参数与原最优质量评估参数相差在一定阈值范围内,所述质量评估参数为行驶时间、行驶距离或行驶用电量。
5.根据权利要求1所述的电动汽车最优路径和驾驶方式的规划方法,其特征在于,所述获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标的步骤,其具体为:
获取用户权重系数后,根据下式,计算不同驾驶方式下的每个可行路径的评估指标:
Index=k1×总时间+k2×总费用+k3×电池寿命衰减+k4×到达终点后的行驶能力上式中,Index表示评估指标,k1、k2、k3、k4均为用户权重参数。
6.根据权利要求5所述的电动汽车最优路径和驾驶方式的规划方法,其特征在于,所述总时间是指可行路径从起点到终点的行驶时间、充电等待时间和充电时间之和,所述总费用为可行路径从起点到终点的充电站预约等待费用、充电费用和道路通行费用之和再减去到达终点时剩余电量的价值后所得到的费用;
所述电池寿命衰减通过下式计算获得:k31×深度放电区间总放电电量+k32×直流充电电量;其中,k31和k32为预设的权重参数;
所述到达终点后的行驶能力是根据电动汽车在终点的SOC划分的多个级别,一级代表到达终点后的行驶能力最强,依次递减。
7.根据权利要求1所述的电动汽车最优路径和驾驶方式的规划方法,其特征在于,所述基于计算的评估指标,进行最优路径和驾驶方式规划的步骤,具体包括:
基于计算的评估指标,筛选获得每种驾驶方式下的评估指标最小的可行路径作为推荐路径;
获取电动汽车当前驾驶方式下的推荐路径作为初选的最优路径;同时,比对所有驾驶模式下的推荐路径,获得评估指标最小的推荐路径作为最优的可行路径后,向用户推荐该最优的可行路径和对应的驾驶方式。
8.一种电动汽车最优路径和驾驶方式的规划系统,其特征在于,包括处理器和存储设备,所述存储设备存储有多条指令,所述指令由处理器加载并执行以下步骤:
基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集;
获取用户权重系数后,计算不同驾驶方式下的每个可行路径的评估指标;所述用户权重系数为用户预设的或者根据用户驾驶习惯自动获取的系数;
基于计算的评估指标,进行最优路径和驾驶方式规划;
所述驾驶方式指电动汽车的驾驶模式和空调模式的组合。
9.根据权利要求8所述的电动汽车最优路径和驾驶方式的规划系统,其特征在于,所述基于可到达性分析,筛选获得电动汽车在不同驾驶方式下的可行路径集以及对应的充电模式集的步骤,具体包括:
获取电动汽车的驾驶起点和驾驶终点,确定路径搜索范围;
获取路径搜索范围内的道路拓扑结构,搜索获得从驾驶起点到达驾驶终点的多个连接路径;
针对每个连接路径,基于不同驾驶方式,进行可到达性分析后,获得可行的连接路径作为可行路径;
计算所有可行路径的质量评估参数;
扩大路径搜索范围后,重新搜索可行路径,最后计算新的质量评估参数,直到满足搜索结束条件后,根据获得的可行路径,得到电动汽车在不同驾驶方式下的可行路径集以及充电模式集;
所述充电模式集由与每个可行路径对应的充电位置和充电量组成。
10.根据权利要求8所述的电动汽车最优路径和驾驶方式的规划系统,其特征在于,所述基于计算的评估指标,进行最优路径和驾驶方式规划的步骤,具体包括:
基于计算的评估指标,筛选获得每种驾驶方式下的评估指标最小的可行路径作为推荐路径;
获取电动汽车当前驾驶方式下的推荐路径作为初选的最优路径;同时,比对所有驾驶模式下的推荐路径,获得评估指标最小的推荐路径作为最优的可行路径后,向用户推荐该最优的可行路径和对应的驾驶方式。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710754825.6A CN107490386B (zh) | 2017-08-29 | 2017-08-29 | 一种电动汽车最优路径和驾驶方式的规划方法及系统 |
PCT/CN2018/102813 WO2019042297A1 (zh) | 2017-08-29 | 2018-08-29 | 一种电动汽车最优路径和驾驶方式的规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710754825.6A CN107490386B (zh) | 2017-08-29 | 2017-08-29 | 一种电动汽车最优路径和驾驶方式的规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107490386A true CN107490386A (zh) | 2017-12-19 |
CN107490386B CN107490386B (zh) | 2021-04-13 |
Family
ID=60645771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710754825.6A Active CN107490386B (zh) | 2017-08-29 | 2017-08-29 | 一种电动汽车最优路径和驾驶方式的规划方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107490386B (zh) |
WO (1) | WO2019042297A1 (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133329A (zh) * | 2017-12-29 | 2018-06-08 | 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 |
CN108515862A (zh) * | 2018-03-26 | 2018-09-11 | 唐天才 | 一种用于电动汽车的数据智能管理系统 |
CN108875998A (zh) * | 2018-04-20 | 2018-11-23 | 北京智行者科技有限公司 | 一种自动驾驶车辆规划方法和系统 |
WO2019042297A1 (zh) * | 2017-08-29 | 2019-03-07 | 广州小鹏汽车科技有限公司 | 一种电动汽车最优路径和驾驶方式的规划方法及系统 |
CN109598367A (zh) * | 2018-11-14 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 多路径处理方法及装置 |
CN109829573A (zh) * | 2019-01-15 | 2019-05-31 | 宁波洁程汽车科技有限公司 | 一种融合用户驾驶习惯的智能路径规划方法 |
CN109948835A (zh) * | 2019-02-28 | 2019-06-28 | 江苏理工学院 | 一种基于人工神经网络的最优路径及计算路径时间的方法 |
CN110083164A (zh) * | 2019-05-20 | 2019-08-02 | 北京百度网讯科技有限公司 | 控制方法及系统、电子设备、服务器、计算机可读介质 |
CN110733382A (zh) * | 2019-11-08 | 2020-01-31 | 合肥科尚电子科技有限公司 | 一种车载设备用电源智能管理系统 |
CN110920460A (zh) * | 2018-09-20 | 2020-03-27 | 本田技研工业株式会社 | 电动汽车的充电支持装置 |
CN111044067A (zh) * | 2019-12-05 | 2020-04-21 | 国网北京市电力公司 | 路径确定方法及装置 |
CN111609867A (zh) * | 2020-06-19 | 2020-09-01 | 北京交通大学 | 一种电动汽车路径规划方法 |
CN111753377A (zh) * | 2020-07-06 | 2020-10-09 | 吉林大学 | 基于道路信息的纯电动汽车能耗最优路径规划方法 |
CN112224089A (zh) * | 2020-11-06 | 2021-01-15 | 恒大新能源汽车投资控股集团有限公司 | 基于能耗的行程规划方法、装置、电子设备及存储介质 |
CN113029176A (zh) * | 2021-03-19 | 2021-06-25 | 重庆长安新能源汽车科技有限公司 | 面向多层级体验的电动汽车最优充电路径规划方法 |
CN114677778A (zh) * | 2020-12-24 | 2022-06-28 | 九号智能(常州)科技有限公司 | 车辆剩余里程的估算方法、装置、电子设备及存储介质 |
CN114910792A (zh) * | 2022-04-08 | 2022-08-16 | 中国第一汽车股份有限公司 | 一种动力电池充电深度评价、装置、终端及存储介质 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840624B (zh) * | 2019-01-08 | 2020-10-30 | 浙江工业大学 | 一种基于狄克斯特拉算法的电动汽车充电调度优化方法 |
CN110457416A (zh) * | 2019-07-31 | 2019-11-15 | 摩比科技(深圳)有限公司 | 一种推荐公交出行路线的方法及设备 |
CN112577502A (zh) * | 2019-09-30 | 2021-03-30 | 华为技术有限公司 | 一种行驶规划的方法及装置 |
TWI816146B (zh) * | 2021-06-28 | 2023-09-21 | 拓連科技股份有限公司 | 電動車之路線管理方法及系統 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102959358A (zh) * | 2010-07-30 | 2013-03-06 | 日产自动车株式会社 | 车辆的电力消耗量计算装置、信息提供装置及信息提供方法 |
CN103158717A (zh) * | 2011-12-09 | 2013-06-19 | 现代自动车株式会社 | 用于电动车eco驾驶的系统和方法 |
CN103158704A (zh) * | 2011-12-12 | 2013-06-19 | 现代自动车株式会社 | 用于车辆的驾驶模式引导系统及其方法 |
CN103364006A (zh) * | 2012-04-03 | 2013-10-23 | 福特全球技术公司 | 用于确定车辆路径的系统和方法 |
CN103575285A (zh) * | 2012-08-09 | 2014-02-12 | 本田技研工业株式会社 | 路径搜索装置 |
CN104280039A (zh) * | 2013-07-11 | 2015-01-14 | 现代自动车株式会社 | 用于提供电动车的驾驶信息的系统和方法 |
CN104424511A (zh) * | 2013-09-06 | 2015-03-18 | 现代自动车株式会社 | 用于提供电动车辆的驾驶路线信息的方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107490386B (zh) * | 2017-08-29 | 2021-04-13 | 广州小鹏汽车科技有限公司 | 一种电动汽车最优路径和驾驶方式的规划方法及系统 |
-
2017
- 2017-08-29 CN CN201710754825.6A patent/CN107490386B/zh active Active
-
2018
- 2018-08-29 WO PCT/CN2018/102813 patent/WO2019042297A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102959358A (zh) * | 2010-07-30 | 2013-03-06 | 日产自动车株式会社 | 车辆的电力消耗量计算装置、信息提供装置及信息提供方法 |
CN103158717A (zh) * | 2011-12-09 | 2013-06-19 | 现代自动车株式会社 | 用于电动车eco驾驶的系统和方法 |
CN103158704A (zh) * | 2011-12-12 | 2013-06-19 | 现代自动车株式会社 | 用于车辆的驾驶模式引导系统及其方法 |
CN103364006A (zh) * | 2012-04-03 | 2013-10-23 | 福特全球技术公司 | 用于确定车辆路径的系统和方法 |
CN103575285A (zh) * | 2012-08-09 | 2014-02-12 | 本田技研工业株式会社 | 路径搜索装置 |
CN104280039A (zh) * | 2013-07-11 | 2015-01-14 | 现代自动车株式会社 | 用于提供电动车的驾驶信息的系统和方法 |
CN104424511A (zh) * | 2013-09-06 | 2015-03-18 | 现代自动车株式会社 | 用于提供电动车辆的驾驶路线信息的方法和系统 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019042297A1 (zh) * | 2017-08-29 | 2019-03-07 | 广州小鹏汽车科技有限公司 | 一种电动汽车最优路径和驾驶方式的规划方法及系统 |
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 |
CN108133329A (zh) * | 2017-12-29 | 2018-06-08 | 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 |
CN108515862A (zh) * | 2018-03-26 | 2018-09-11 | 唐天才 | 一种用于电动汽车的数据智能管理系统 |
CN108875998A (zh) * | 2018-04-20 | 2018-11-23 | 北京智行者科技有限公司 | 一种自动驾驶车辆规划方法和系统 |
CN110920460A (zh) * | 2018-09-20 | 2020-03-27 | 本田技研工业株式会社 | 电动汽车的充电支持装置 |
CN109598367A (zh) * | 2018-11-14 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 多路径处理方法及装置 |
CN109598367B (zh) * | 2018-11-14 | 2023-05-09 | 创新先进技术有限公司 | 多路径处理方法及装置 |
CN109829573A (zh) * | 2019-01-15 | 2019-05-31 | 宁波洁程汽车科技有限公司 | 一种融合用户驾驶习惯的智能路径规划方法 |
CN109948835A (zh) * | 2019-02-28 | 2019-06-28 | 江苏理工学院 | 一种基于人工神经网络的最优路径及计算路径时间的方法 |
CN110083164A (zh) * | 2019-05-20 | 2019-08-02 | 北京百度网讯科技有限公司 | 控制方法及系统、电子设备、服务器、计算机可读介质 |
CN110083164B (zh) * | 2019-05-20 | 2022-05-13 | 阿波罗智联(北京)科技有限公司 | 控制方法及系统、电子设备、服务器、计算机可读介质 |
CN110733382A (zh) * | 2019-11-08 | 2020-01-31 | 合肥科尚电子科技有限公司 | 一种车载设备用电源智能管理系统 |
CN111044067A (zh) * | 2019-12-05 | 2020-04-21 | 国网北京市电力公司 | 路径确定方法及装置 |
CN111609867A (zh) * | 2020-06-19 | 2020-09-01 | 北京交通大学 | 一种电动汽车路径规划方法 |
CN111753377A (zh) * | 2020-07-06 | 2020-10-09 | 吉林大学 | 基于道路信息的纯电动汽车能耗最优路径规划方法 |
CN111753377B (zh) * | 2020-07-06 | 2022-09-30 | 吉林大学 | 基于道路信息的纯电动汽车能耗最优路径规划方法 |
CN112224089A (zh) * | 2020-11-06 | 2021-01-15 | 恒大新能源汽车投资控股集团有限公司 | 基于能耗的行程规划方法、装置、电子设备及存储介质 |
CN114677778A (zh) * | 2020-12-24 | 2022-06-28 | 九号智能(常州)科技有限公司 | 车辆剩余里程的估算方法、装置、电子设备及存储介质 |
CN113029176A (zh) * | 2021-03-19 | 2021-06-25 | 重庆长安新能源汽车科技有限公司 | 面向多层级体验的电动汽车最优充电路径规划方法 |
CN113029176B (zh) * | 2021-03-19 | 2023-08-15 | 深蓝汽车科技有限公司 | 面向多层级体验的电动汽车最优充电路径规划方法 |
CN114910792A (zh) * | 2022-04-08 | 2022-08-16 | 中国第一汽车股份有限公司 | 一种动力电池充电深度评价、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019042297A1 (zh) | 2019-03-07 |
CN107490386B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107490386A (zh) | 一种电动汽车最优路径和驾驶方式的规划方法及系统 | |
US10668824B2 (en) | Method for calculating a setpoint for managing the fuel and electricity consumption of a hybrid motor vehicle | |
CN102589562B (zh) | 使用用于路线模拟的车辆状态信息的导航系统和方法 | |
CN104864883B (zh) | 基于云平台的电动汽车路径规划方法 | |
CN103292820B (zh) | 向用户提供移动体的精确续航范围的设备和方法 | |
CN109693576B (zh) | 一种基于模拟退火算法的电动汽车充电调度优化方法 | |
CN106326992A (zh) | 一种基于电量匹配的app预约租车系统及方法 | |
CN112950128B (zh) | 一种基于大数据融合的智能物流运输系统及方法 | |
CN102959358A (zh) | 车辆的电力消耗量计算装置、信息提供装置及信息提供方法 | |
CN107627872A (zh) | 基于电动汽车出行模式的电池充电控制方法和系统 | |
US20190344777A1 (en) | Method for optimising the energy consumption of a hybrid vehicle | |
CN111891130B (zh) | 一种车辆运行方法和装置 | |
CN109840624B (zh) | 一种基于狄克斯特拉算法的电动汽车充电调度优化方法 | |
CN107730049B (zh) | 电动汽车快速充电最优位置选择方法 | |
US11312359B2 (en) | Method for calculating a management setpoint for managing the fuel and electric power consumption of a hybrid motor vehicle | |
CN104062588A (zh) | 用于估计电动汽车的剩余电量的设备和方法 | |
CN104748753A (zh) | 一种在线导航方法和在线导航系统 | |
CN115485681A (zh) | 用于管理速度配置文件的系统和方法 | |
WO2023012229A1 (en) | Methods and systems for predicting an energy consumption of a vehicle for its travel along a defined route and for routing | |
CN114802189A (zh) | 车辆的能耗控制方法、装置、车辆及存储介质 | |
CN115689083A (zh) | 一种预见性能量管理方法、装置、电子设备及存储介质 | |
CN109409571A (zh) | 一种电动汽车充电需求预测方法及装置 | |
CN112734089A (zh) | 智能网联环境下的智能车辆路径诱导方法、系统、设备及存储介质 | |
CN116968767A (zh) | 基于多维数据融合的新能源汽车充电路径规划方法及系统 | |
CN110015127A (zh) | 电动车的充电站搜寻方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province Applicant after: GUANGZHOU XPENG AUTOMOBILE TECHNOLOGY Co.,Ltd. Address before: Room 333, Guangzhou, China Applicant before: GUANGZHOU XPENG AUTOMOBILE TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |