CN108106626A - 一种基于行驶工况的电动汽车出行路径规划方法 - Google Patents

Abstract

一种基于行驶工况的电动汽车出行路径规划方法，包括以下步骤：步骤1、确定起点和终点，加载路网信息、各路段平均速度、各路段的上坡信息和路段拥堵信息，设定车辆默认初始速度v₀；系统自动检测当前电动汽车的剩余总能量；步骤2、根据起点、终点使用最短路径Dijkstra算法规划出最短路径L₀；步骤3、对L₀进行能耗分析，计算总能耗并判断能否到达，能耗分析分为：未来2公里能耗、剩余路段到终点能耗、上坡带来的额外能耗。本发明有效结合充电桩、道路路网信息，行驶过程考虑到动态计算的平均速度、道路坡度，较好的完成了电动汽车路径规划的过程，可较为正确地为用户规划路线。

Description

一种基于行驶工况的电动汽车出行路径规划方法

技术领域

本发明涉及到一种基于行驶工况的电动汽车出行路径规划方法。

技术背景

随着城市汽车保有量大幅提升，传统汽车污染物排放已成为城市空气污染的主要污染源，严重威胁着居民的身体健康，因此我国正在大力发展新能源汽车尤其是电动汽车。但现阶段电动汽车的发展仍受限于充换电站、充电桩等基础设施的不足，因此使用电动汽车出行，在路径规划时还需要考虑电动汽车的剩余电量是否足够达到目的地，是否需要在途中充电等问题。

发明内容

为了克服现有路径规划中未考虑到电动汽车剩余电量不足的情况的不足，以便能够为出行者规划合理的行程路线，本发明提供了一种基于行驶工况、考虑途中充电的电动汽车出行路径规划方法。

本发明所采用的技术方案是：

一种基于行驶工况的电动汽车出行路径规划方法，包括以下步骤：

步骤1、确定起点和终点，设定车辆默认初始速度v₀，同时加载路网信息、各路段平均速度、各路段的上坡信息(坡度，长度等)，以及路段拥堵信息；系统自动检测当前电动汽车的剩余总能量为e_total；

步骤2、根据起点、终点使用最短路径Dijkstra算法规划出最短路径L₀；

步骤3、对L₀进行能耗分析，计算总能耗E_sum并判断能否到达，能耗分析分为三部分：未来2公里能耗E₁、剩余路段到终点能耗E_rest和上坡带来的额外能耗E_extra；

所述能耗计算过程为：

(3.1)未来2公里能耗：以默认的初始速度v₀，从起点到终点进行分路段预测：基于平均速度剩余路程估算模型，首先获取车子当前平均速度启动时可采用默认初始速度v₀，行驶过程中可采用当前时刻前t_p秒的平均速度可确定当前速度对应的平均能耗将接下来的2公里通过平均速度模型估算能耗E₁：根据当前的室外温度T_out、平均速度根据基于平均速度的剩余电量模型得到平均能耗，与公里数相乘可得未来2公里能耗E₁；

(3.2)剩余路段到终点能耗：剩余路段通过GPS定位可定位到当前路径下各个路段的详细数据，包括路段的平均速度、路段长度以及路段的GPS信息。确定路段之后，算法中根据未来路径上各路段的平均速度及路段长度，基于平均速度模型得到每一小段道路的行驶能耗，结果计为∑(E₂+E₃+..+E_n)，表示当前位置行驶到终点的总能耗E_rest为：

E_rest＝∑(E₂+E₃+..+E_n)；

(3.3)上坡带来的额外能耗：对本次规划的路径中的所有路段进行GPS定位、计算及过滤，对包含上坡的路段进行额外分析，通过基于上坡的剩余电量模型估算出本次行程中需要经过上坡的数量、每个上坡的坡度，基于已有坡度模型计算出所需要的额外能耗，记为：∑(E_up1+E_up2+..+E_upn)，表示当前位置行驶到终点的总能耗E_extra为：

E_extra＝∑(E_up1+E_up2+..+E_upn)。

进一步，所述方法还包括以下步骤：

步骤4、判断当前电动汽车剩余的电量e_total与本次规划行程预计总耗能E_sum的大小，若e_total大于E_sum，表示电动汽车可顺利达到目的地，反之则说明无法到达目的地，此时会根据最短路径查找到距离当前最近的充电桩位置规划新的3条路径。

所述规划过程为：

(4.1)根据最短路径查找距离当前位置最近，最顺路的3个充电桩位置；

(4.2)根据路段平均速度和路段拥堵指数计算每条路径所花的时间；

(4.3)根据三条路径所花时间从少到多排序，返回L₁、L₂、L₃。

再进一步，所述方法还包括以下步骤：

步骤5、计算电动汽车到达终点后剩余电池电量e_remain，若小于最后一部分警戒电量E_low，则将本次目的地变更为距离用户目的地最近的一个充电站位置并引导先行前往充电，反之判断当前位置，若到达终点则结束，若未到达终点则根据当前位置继续路径规划。

进一步，在所述步骤1中，在实验开展之前已经将各相邻路段之间的行驶距离计算并保存到数据库中，实验中可直接根据道路编号查询即可使用对应数据；在所述步骤2中，算法描述中的Dijkstra算法采用广度优先算法计算出到达目的地的距离，同时加入拥堵指数条件，即在对应的边与边之间的直线上标注拥堵指数，当进行路段向外扩展选择时，首先选择道路拥堵指数小的路段，再选择其他的；

更进一步，本方法定时进行检测，实时检测系统的能耗情况。

推荐充电桩时并非只根据车辆最短距离原则判断，根据当前车辆的剩余电量，首先确定若干个可以到达的充电桩，确定其GPS位置，计算每个充电桩到达以上地点的距离，记录距离最小的点，对应记录下特定的充电桩。该距离表示车辆在行驶过程中，经过路程中距离特定充电桩最近的公里数。然后根据路段拥堵指数和平均速度计算前往每个点充电所需要花费的时间，并根据此时间排序。

本发明的技术构思为：各车主需要访问本系统，然后输入终点。路径规划时，系统通过GPS获取电动汽车当前位置、行驶速度以及自动检测当前电动汽车的剩余总电量，并将这些数据上传至服务器。后台服务器根据从数据库中拉取的路段预存信息，如路网信息、各路段平均速度、各路段上坡信息以及路段拥堵信息，加上系统上传的信息，利用最短路径Dijkstra算法规划出最短路径。之后对条规划路径进行能耗分析，判断是否能够正常到达终点。若电量不够则根据最短路径查找距离当前位置最近的3个充电桩位置并按远近排序，将三条规划的路径展示给车主，引导其先前往充电桩进行充电。在计算电动汽车到达终点时剩余电量e_remain时若低于E_low，如20％，则将本次目的地变更为距离用户目的地最近的一个充电桩位置并引导其先行前往，实现路径规划。通过以上过程，本算法可解决出行过程中因电量不足无法到达终点的情况，实现更为智能的基于剩余电量的动态路径规划。

在行驶途中，本算法会定时进行检测，比如1分钟为周期，实时检测电动汽车的能耗情况，实现更智能的基于电动汽车剩余电量的动态路径规划，为车主的出行减少担忧。

本发明的有益效果主要表现在：可根据路况和剩余电量找出前往目的地的最短路径，并且可以结合路上充电桩信息确保有足够的电量可到达目的地，减少对电动汽车出行后电量不足以到达目的地的担忧。

附图说明

图1为范围规划示意图。

图2为电池续航里程与温度的关系。

图3为本发明实现基于行驶工况的电动汽车出行路径规划方法的流程图。

图4为不同速度对应的平均能耗分布图。

图5为不同坡度对应的平均能耗分布图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图5，一种基于行驶工况的电动汽车出行路径规划方法，在路径规划中，系统通过GPS获取车辆位置与速度v₀，自动检测电动汽车剩余电量e_total并上传到后台服务器，系统后台根据剩余电量等信息对路径进行规划，若发现剩余电量不够到达目的地，则查找前进路上最顺路的充电桩位置，引导车主前往充电。规划出的路径可在系统界面上查看，所述路径规划方法包括以下步骤：

步骤1、确定起点和终点，设定本次规划范围，如图1所示。如确定起点为大观园，终点确定为丰台地震局，设定车辆默认初始速度为v₀,如50km/h，同时加载路网信息、各路段平均速度、各路段的上坡信息(坡度，长度等)，以及路段拥堵信息，形成一个GPS集合，如表1所示。

表1

其中，表1中的起点终点为所存储节点表格中的节点id，如表2。

序号	节点id	经度	纬度
				…	…	…	…
l	45127	116.370438	39.916461
				l+1	45128	116.370277	39.916219
…	…	…	…
				n	…	…	…

表2

步骤1所提到的路况信息还需要包括当前温度，根据经验数值，电动汽车在不同温度下行驶时的平均能耗差别较大，相同电量的电动汽车在不同温度下续航里程也差距很大，如图2为电动汽车在各个温度下的相对续航里程曲线。所以根据当前条件确定温度，后续步骤以此基础为参考。

步骤2、起点终点确定后，系统自动检测当前电动汽车的剩余总能量为e _total，根据最短路径Dijkstra算法，结合当前的道路路段长度，相邻路段的关联性规划出最短行驶路径L₀，文中划分的路段长度较大，除道路拐点之外一般路段长度在200～300米每段，避免路径规划算法一开始得到的可选方位过大。

步骤3、对L₀进行能耗分析，计算总能耗判断能否到达，能耗分析分为三部分：未来2公里能耗E₁、剩余路段到终点能耗E_rest、上坡带来的额外能耗E_extra。

其中能耗分析具体过程为：

(3.1)第一部分：未来2公里能耗计算实验：以默认初始速度v₀，如50km/h，从起点到终点进行分路段预测：基于平均速度剩余电量估算模型，如图4所示，首先获取车子当前平均速度当前默认初始速度为v₀，即50km/h，行驶过程中电动汽车会将实时的速度不断传输到服务器上记录下来，下一轮检测需要根据平均速度来预估未来2公里能耗时，自动根据当前时间点，查到当前时刻前t_p秒，比如30s的平均速度从而确定当前速度对应的平均能耗。进一步，将接下来的2公里通过平均速度模型估算出能耗E₁：根据当前的室外温度、平均速度，根据基于平均速度的剩余电量模型(图4)得到平均能耗，与公里数相乘可得电动汽车能耗E₁。

(3.2)第二部分：剩余路段到终点能耗计算实验：所规划的道路路径：大观园——菜户营南路辅路——康辛路——丰台地震局。根据剩余路段的路段端点，可从数据库中定位到路段编号，以上路径覆盖30多个直线路段，且路段均为直线路段。下一步根据以上30多个路段信息确定其路段的平均速度、路段长度以及路段的详细GPS位置信息。之后，算法中进行分段计算能耗：根据各路段的平均速度及路段长度，基于平均速度模型得到各段道路的行驶能耗，将各路段的预估行驶能耗相加后，结果计为∑(E₂+E₃+..+E_n)，通过以下公式表示当前位置行驶到终点的总能耗E_剩余为：

E_rest＝∑(E₂+E₃+..+E_n)

(3.3)第三部分：上坡带来的额外能耗计算实验：本次规划的路径中包含的上坡路段数量为0，无需根据图5计算能耗，对本次行程中所需要的额外能耗进行确定，记为：E_up1＝0；

(3.4)由以上三部分可得本次规划行程预计总耗能E_sum为：

E_sum＝E₁+∑(E₂+E₃+..+E_n)+E_up1

步骤4、经计算车辆剩余电量不足，即e_total<E_sum，故需要查找充电桩先进行充电，通过预存的充电桩位置信息可查询到最近的充电桩位置为三个：育菲园东里，十二中体育馆以及花乡花卉产业园区。

其中育菲园东里在前行路径边上，十二中体育馆位于前行路径左上方，距离前行路径约两公里，花乡花卉产业园区位于前行路径右下方，距离前行路径越好几公里，更加遥远。由此可得三条新的路径规划：L₁:大观园-育菲园东里-丰台地震局，L₂:大观园-十二中体育馆-丰台地震局，L₃:大观园-花乡花卉产业园区-丰台地震局。通过最短路径的计算可得前往育菲园东里最近也最为省时。

此时，系统会默认推荐L₁路径，引导车主前往充电桩进行充电后再继续行驶。

步骤5、由于中途推荐的充电桩距离终点较近，引导车主前往充电后抵达终点时剩余电量e_remain大于警戒电量E_low且足够行驶回该充电桩，故无需另行引导车主前往距离终点最近的充电桩。

本实施例中，路径全长约10公里左右，设定车辆默认初始速度为50km/h，确定电动汽车初始剩余电量为40％，室外温度为15摄氏度，定时检测时间间隔为1分钟。

本实施例中，对于步骤1所提到的路段的拥堵信息做如下处理：

1.首先对于试验路段，事先计算出所有的拥堵指数，其中不同时间段内的拥堵指数都记录下来，根据当时时间进行选择；

2.在Dijkstra算法中加入拥堵指数条件，即在对应的边与边之间的直线上标注拥堵指数，当进行路段向外扩展选择时，首先选择道路拥堵指数小的路段，再选择其他的。

本技术领域中的普通技术人员应当认识到，以上内容仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上实例的变化、变型都将落在本发明的权利要求书范围内。

Claims (7)

1.一种基于行驶工况的电动汽车出行路径规划方法，其特征在于：所述方法包括以下步骤：

步骤1、确定起点和终点，设定车辆默认初始速度v₀，同时加载路网信息、各路段平均速度、各路段的上坡信息，以及路段拥堵信息；系统自动检测当前电动汽车的剩余总能量为e_total；

步骤2、根据起点、终点使用最短路径Dijkstra算法规划出最短路径L₀；

步骤3、对L₀进行能耗分析，计算总能耗判断能否到达，能耗分析分为三部分：未来2公里能耗E₁、剩余路段到终点能耗E_rest和上坡带来的额外能耗E_extra；

所述能耗计算过程为：

(3.1)未来2公里能耗：以默认的初始速度v₀，从起点到终点进行分路段预测：基于平均速度剩余路程估算模型，首先获取车子当前平均速度启动时可采用v₀，行驶过程中可采用当前时刻前t_p秒的平均速度，可确定当前速度对应的平均能耗，将接下来的2公里通过平均速度模型估算能耗E₁：根据当前的室外温度、平均速度，根据基于平均速度的剩余电量模型得到平均能耗，与公里数相乘得未来2公里能耗E₁；

(3.2)剩余路段到终点能耗：剩余路段通过GPS定位可定位到当前路径下各个路段的详细数据，包括路段的平均速度、路段长度以及路段的GPS信息，确定路段之后，算法中根据未来路径上各路段的平均速度及路段长度，基于平均速度模型得到每一小段道路的行驶能耗，结果计为∑(E₂+E₃+..+E_n)，表示当前位置行驶到终点的总能耗E_rest为：

E_rest＝∑(E₂+E₃+..+E_n)；

(3.3)上坡带来的额外能耗：对本次规划的路径中的路段进行GPS定位、计算及过滤，对包含上坡的路段进行额外分析，通过基于上坡的剩余电量模型估算出本次行程中需要经过上坡的数量、每个上坡的坡度，基于已有坡度模型计算出所需要的额外能耗，记为：∑(E_up1+E_up2+..+E_upn)，表示当前位置行驶到终点的总能耗E_extra为：

E_extra＝∑(E_up1+E_up2+..+E_upn)；

(3.4)所得步骤(3.2)(3.3)，本次规划行程预计总耗能E_sum为

E_sum＝E₁+∑(E₂+E₃+..+E_n)+∑(E_up1+E_up2+..+E_upn)。

2.根据权利要求1所述一种基于行驶工况的电动汽车出行路径规划方法，其特征在于：所述方法还包括以下步骤：

步骤4、判断当前电动汽车剩余的电量e_total与本次规划行程预计总耗能E_sum的大小，若e_total大于E_sum，表示电动汽车可顺利达到目的地，反之则说明无法到达目的地，此时会根据最短路径查找到距离当前最近的充电桩位置规划新的3条路径；

所述规划过程为：

(4.1)根据最短路径查找距离当前位置最近，最顺路的3个充电桩位置；

(4.2)根据路段平均速度和路段拥堵指数计算每条路径所花的时间；

(4.3)根据三条路径所花时间从少到多排序，返回L₁、L₂、L₃。

3.根据权利要求2所述一种基于行驶工况的电动汽车出行路径规划方法，其特征在于：所述方法还包括以下步骤：

步骤5、计算电动汽车到达终点后剩余电池电量e_remain，若小于最后一部分警戒电量E_low，则将本次目的地变更为距离用户目的地最近的一个充电站位置并引导先行前往充电，反之判断当前位置，若到达终点则结束，若未到达终点则根据当前位置继续路径规划。

4.根据权利要求1或2所述一种基于行驶工况的电动汽车出行路径规划方法，其特征在于：在所述步骤1中，在实验开展之前已经将各相邻路段之间的行驶距离计算并保存到数据库中，实验中直接根据道路编号查询即可使用对应数据。

5.根据权利要求1或2所述基于行驶工况的电动汽车出行路径规划方法，其特征在于：定时进行检测，实时检测系统的能耗情况。

6.根据权利要求1或2所述基于行驶工况的电动汽车出行路径规划方法，其特征在于：在所述步骤2中，所述Dijkstra算法采用广度优先算法计算出到达目的地的距离，同时加入拥堵指数条件，即在对应的边与边之间的直线上标注拥堵指数，当进行路段向外扩展选择时，首先选择道路拥堵指数小的路段，再选择其他的。

7.根据权利要求2所述一种基于行驶工况的电动汽车出行路径规划方法，其特征在于：在所述步骤4中，推荐充电桩时并非只根据车辆最短距离原则判断，根据当前车辆的剩余电量，首先确定若干个可以到达的充电桩，确定其GPS位置，计算每个充电桩到达以上地点的距离，记录距离最小的3个点，对应记录下特定的充电桩；该距离表示车辆在行驶过程中，经过路程中距离特定充电桩最近的公里数；然后根据路段拥堵指数和平均速度计算前往每个点充电所需要花费的时间，并根据此时间排序。