CN110533901B - 一种无人驾驶车辆群组的充电调度方法和云管理服务器 - Google Patents

一种无人驾驶车辆群组的充电调度方法和云管理服务器 Download PDF

Info

Publication number
CN110533901B
CN110533901B CN201910805055.2A CN201910805055A CN110533901B CN 110533901 B CN110533901 B CN 110533901B CN 201910805055 A CN201910805055 A CN 201910805055A CN 110533901 B CN110533901 B CN 110533901B
Authority
CN
China
Prior art keywords
charging
vehicle
time
charging station
path
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.)
Active
Application number
CN201910805055.2A
Other languages
English (en)
Other versions
CN110533901A (zh
Inventor
柯志达
林春敏
肖苹苹
李鸿海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen King Long United Automotive Industry Co Ltd
Original Assignee
Xiamen King Long United Automotive Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen King Long United Automotive Industry Co Ltd filed Critical Xiamen King Long United Automotive Industry Co Ltd
Priority to CN201910805055.2A priority Critical patent/CN110533901B/zh
Publication of CN110533901A publication Critical patent/CN110533901A/zh
Priority to PCT/CN2019/128608 priority patent/WO2021036132A1/zh
Application granted granted Critical
Publication of CN110533901B publication Critical patent/CN110533901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • 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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/14—Plug-in electric vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Sustainable Energy (AREA)
  • Game Theory and Decision Science (AREA)
  • Sustainable Development (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Atmospheric Sciences (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种无人驾驶车辆群组的充电调度方法和云管理服务器,包括：数据准备流程，以设定无人驾驶车辆群组的运行地图信息和车辆信息；对标记为运营状态的车辆执行实时监控流程，获取车辆的当前状态信息并确定换电时机；对标记为充电状态的车辆执行充电安排流程，确定优选充电站，并引导车辆前往通过最短路径优选充电站充电。本发明利用大数据技术分析园区内每各路段的平均耗电量、通行时间，实时监控无人驾驶车辆的状态，提前规划充电计划，保证无人驾驶车辆能够安全到达充电站，减少充电等待时间，提高充电效率。

Description

一种无人驾驶车辆群组的充电调度方法和云管理服务器
技术领域
本发明涉及电动车辆充电调度领域，尤其涉及一种无人驾驶车辆群组的充电调度方法和云管理服务器。
背景技术
随着智能驾驶技术、电池技术的发展以及电池生产成本的降低、充电站的普及建设，纯电动无人驾驶车辆已投入到园区内的运营。如何规划无人驾驶车辆车队的充电计划成为实际上必须解决的问题。
通常采用人工监控每辆无人驾驶车辆的电量，根据经验判断是否需要充电和安排整个车队的充电计划。随着无人驾驶车辆车队的数量增多，采用人工方式会消耗大量人力资源。会产生、监控效率低、车辆充电拥挤、排队时间长、充电站使用效率低的问题。
申请号CN201610609436.X的中国发明专利公开了一种无人驾驶车辆的充电方法和装置。该方法根据无人驾驶车辆中电池的当前电量值确定所述电池是否需要进行充电；如果所述电池需要进行充电，则确定所述无人驾驶车辆的目标充电站；行驶到所述目标充电站，并通过所述目标充电站对所述电池进行充电；若检测到所述无人驾驶车辆中电池的电量值大于目标电量值，则停止充电并支付充电费用。该发明只针对单个无人驾驶车辆，根据无人驾驶车辆的电量来判断是否充电，没有考虑充电站的剩余充电点，可能造成充电拥挤，无法满足无人驾驶车辆车队的充电规划。
申请号CN201910017770.X的中国发明专利公开了一种基于粒子群算法的电动汽车充电调度优化方法。首先,当电动汽车的电量值较低时，用户需要先向服务器发送充电请求，服务器收到请求后会根据电动汽车电池的剩余能量以及空调状态，估算出可行驶的剩余里程数；接着，根据电动汽车的当前位置及周边充电站分布情况，同时要参考道路拥堵情况，选择出可到达的最优充电站，并为电动汽车的用户规划最优行驶路径。算法得到最优路径的过程中，可以有效的利用Metropolis接受准则避免解出局部最优点，找出全局最优点，从而得到电动汽车行驶路径的最优解。该发明针对单辆电动车，考虑电量、空调状态、交通拥堵等因素最后得出最优行驶路径。该发明无法实时监控电动车的状态，需要人工请求充电，会造成剩余电量无法到达指定充电站的问题，同时没有考虑充电站因素，无法满足无人驾驶车辆车队的充电规划。
发明内容
有鉴于现有技术的上述缺陷，本发明的目的是提供一种无人驾驶车辆群组的充电调度方法和云管理服务器，能通过云管理服务器的调度管理，及时做好无人驾驶车辆群组的车辆的充电计划，保证无人驾驶车辆能够到达充电站，减少充电等待时间，提高充电效率。
为实现上述目的，本发明提供了一种无人驾驶车辆群组的充电调度方法，包括：
获取无人驾驶车辆群组的运行路线信息；
获取无人驾驶车辆群组中车辆的实时状态信息；
以及获取充电站的充电等待时间；
建立最短路径的计算模型，所述最短路径的计算模型可根据运行路线信息和车辆的实时状态信息预测计算；得到当前车辆到某一充电站的最短路径和通过最短路径的行驶时间和电量消耗；
建立优选充电站的计算模型，所述优选充电站的计算模型可根据车辆的实时状态信息和充电站的充电等待时间计算，得到当前车辆的到充电站并完成充电的最小时间消耗，所述优选充电站为满足最小时间消耗的充电站；
无人驾驶车辆群组的车辆状态被标记为运营状态和充电状态；
对标记为运营状态的车辆，执行实时监控流程：获取车辆的实时状态信息，根据车辆的实时状态信息，通过最短路径的计算模型预测计算，得到车辆到达各充电站的最短路径和预测剩余电量；当所有预测剩余电量均小于设定的剩余电量阈值时，将车辆标记为充电状态；
对标记为充电状态的车辆，执行充电流程：通过优选充电站的计算模型确定优选充电站，并引导车辆通过所述最短路径前往优选充电站充电；当车辆重新投入运营，将车辆标记为运营状态。
进一步的，所述运行路线信息包括充电站信息和路段信息；所述实时状态信息包括车辆的实时剩余电量、实时位置信息和加权因子；
根据路段信息和加权因子，得到各路段的长度、行驶时间和电量消耗；
根据所述运行线路信息中各充电站及各路段的拓扑关系、车辆的实时位置信息，通过最短路径的计算模型计算，得到车辆前往某一充电站的最短路径，所述最短路径是最短长度路径、最短时间路径或最小电量消耗。
进一步的，所述最短长度路径的计算模型包括：
Figure BDA0002183398710000031
Figure BDA0002183398710000032
Figure BDA0002183398710000033
其中，LtSi为当前车辆到充电站Si的最短长度路径，ΔEtSi为当前车辆行驶完成该最短长度路径LtSi的电量消耗，TtSi为当前车辆行驶完成该最短长度路径LtSi的行驶时间；α3为当前车辆在路段Rj的位置比例参数，α3和路段Rj标识车辆的当前位置信息；Lj、TRj、ERj分别为路段Rj的路段长度、平均行驶时间和平均电量消耗，
Figure BDA0002183398710000041
分别为最短长度路径LtSi所经过的完整路段的路段长度之和，平均行驶时间之和和平均电量消耗之和。
进一步的，所述最短时间路径的计算模型包括：
Figure BDA0002183398710000042
Figure BDA0002183398710000043
Figure BDA0002183398710000044
其中，TtSi为当前车辆到充电站Si的最短行驶时间；LtSi为当前车辆到充电站Si的最短行驶时间的路径，即最短时间路径，ΔEtSi为当前车辆行驶完成该最短时间路径LtSi的电量消耗，α3为当前车辆在路段Rj的位置比例参数，α3和路段Rj标识车辆的当前位置信息；Lj、TRj、ERj分别为路段Rj的路段长度、平均行驶时间和平均电量消耗，
Figure BDA0002183398710000045
分别为最短时间路径LtSi所经过的完整路段的路段长度之和，平均行驶时间之和和平均电量消耗之和。
进一步的，所述最小电量消耗路径的计算模型包括：
Figure BDA0002183398710000046
Figure BDA0002183398710000051
Figure BDA0002183398710000052
其中，ΔEtSi为当前车辆到达充电站Si的最小电量消耗，LtSi为当前车辆根据该最小电量消耗得到的到充电站Si的最小电量消耗路径，TtSi为当前车辆行驶完成该最小电量消耗路径LtSi的行驶时间；α3为当前车辆在路段Rj的位置比例参数，α3和路段Rj标识车辆的当前位置信息；Lj、TRj、ERj分别为路段Rj的路段长度、平均行驶时间和平均电量消耗，
Figure BDA0002183398710000053
分别为最小电量消耗路径LtSi所经过的完整路段的路段长度之和，平均行驶时间之和和平均电量消耗之和。
进一步的，所述加权因子包括车型电池型号权重参数α1、α2；电池使用年限权重参数β1、β2；载客量权重参数m1、m2；空调状态权重参数k1、k2；环境权重参数e1、e2；
所述路段的平均电量消耗和平均行驶时间通过如下公式获得：
ERi＝α1*β1*m1*e1*(Eui+k1*Epi)/Li
TRi＝α2*β2*m2*e2*(Tui+k2*Tpi)/Li
其中，ERi和TRi为路段Ri的平均电量消耗和平均行驶时间；Eui为路径Ri不开空调时的额定平均电量消耗，Epi为路径Ri的开空调时的额定平均附加电量消耗，Tui为路径Ri的不开空调时的额定平均行驶时间，Tpi为路径Ri的开空调时的额定平均附加行驶时间。
进一步的，所述充电站包括多个充电点,所述充电站的充电等待时间为充电站的各充电点的最小充电等待时间；
所述优选充电站的计算模型：
Figure BDA0002183398710000061
VjCos＝min(VjTtSi+ΔVjSiCmkTwait+ΔVjSiCmkTc)
其中，ΔVjSiCmkTwait为预测的车辆Vj到充电站Si的充电点SiCmk的等待时间；VjTtSi为预测的车辆Vj到充电站Si的最短路径所需的行驶时间；ΔSiCmkTc为充电站Si的充电点SiCmk的剩余充电时间；VjCos为预测的车辆Vj到充电点并完成充电的最小时间消耗；ΔVjSiCmkTc为车辆Vj在充电点Si的预计充电时间；
达成VjCos条件的充电站为优选充电站。
进一步的，所述优选充电站是在备选充电站中选择，所述备选充电站满足条件：
ΔEtSi≤Et
其中，ΔEtSi为当前车辆到达充电站Si的电量消耗；Et为当前车辆的实时剩余电量。
进一步的，所述预测剩余电量通过以下公式获得：
ESi＝Et-ΔEtSi
其中，ESi为当前车辆行驶到充电站Si的预测剩余电量，Et为当前车辆的第实时剩余电量。
进一步的，所述充电调度方法还包括充电队列，当车辆被标记为充电状态时，所述车辆进入充电队列，并依照队列的先后顺序执行充电流程。
本发明还提供了一种云管理服务器，包括应用程序服务器、数据库服务器、Web服务器和通信服务器，
所述应用程序服务器用于执行充电调度程序，所述充电调度程序实现如上所述的无人驾驶车辆群组的充电调度方法；
所述数据库服务器用于提供存取服务，存取的信息包括：无人驾驶车辆群组的运行路线信息和调度信息，所述调度信息是根据所述充电调度方法得到的；
所述通信服务器用于建立所述云管理服务器和无人驾驶车辆、充电站的通信连接。
进一步的，还包括APP服务器，所述APP服务器用于提供智能终端APP的调用服务，用于推送调度信息。
本发明的无人驾驶车辆群组的充电调度方法，利用大数据技术分析园区内每段路的平均电量消耗、行驶时间，实时监控处于运营状态的无人驾驶车辆的当前状态信息，结合园区路段电量消耗、行驶时间及充电站的充电点的充电情况，提前做好充电计划，保证无人驾驶车辆能够到达充电站，减少充电等待时间，提高充电效率。
附图说明
图1是本发明的一个较佳实施例的无人驾驶车辆群组的充电调度流程图；
图2是运营监控流程图；
图3是充电安排流程图；
图4是本发明的无人驾驶车辆群组的充电调度系统的框图。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
现结合附图和具体实施方式对本发明进一步说明。
实施例一
如图1-图3所示，本发明公开了一种无人驾驶车辆群组的充电调度方法，在本实施例中，该无人驾驶车辆群组(或称无人驾驶车辆的车队)运营于一园区的规定路线，并在路线中设置有多个充电站，每个充电站设有若干个充电点，当无人驾驶车辆的剩余电量降到一定值时，就需要前往充电站进行充电。为方便管理，需要对该无人驾驶车辆群组进行充电调度管理，以合理安排无人驾驶车辆的充电时机，减少充电等待、避免缺电抛锚等问题。
该充电调度方法运行于云管理服务器中，包括以下步骤：
一、数据准备
步骤S101：路况信息准备
对无人驾驶车辆群组的运行地图进行识别分析，对运营车辆运行路线和前往充电站所需经过的路段进行相应编号，其中，路段编号为R1,R2,…,Rn，对应的路段长度为L1,L2,…,Ln；充电站编号为S1,S2,…,Sm，每个充电站包括若干个充电点，充电站Si的充电点编号为SiCm1,SiCm2,…,SiCmk。
步骤S102，车辆信息准备
通过物联网技术采集各路段在不同运营环境、载客量、空调状态、电池型号、电池使用年限下的电量消耗和行驶时间，并通过大数据统计计算获得各路段的平均电量消耗和平均行驶时间的计算模型。其中，
平均电量消耗可表示为：
ERi＝α1*β1*m1*e1*(Eui+k1*Epi)/Li
平均行驶时间可表示为：
TRi＝α2*β2*m2*e2*(Tui+k2*Tpi)/Li
其中α1、α2为车型电池型号权重参数；β1、β2为电池使用年限权重参数；m1、m2为载客量权重参数；k1、k2为空调状态权重参数(空调关闭时k1、k2值为0，开启时k1、k2值为1)；e1、e2为环境(天气、气温、交通)权重参数,Eui为路径Ri不开空调时的额定平均电量消耗，Epi为路径Ri的开空调时的额定平均附加电量消耗，Tui为路径Ri的不开空调时的额定平均行驶时间，Tpi为路径Ri的开空调时的额定平均附加行驶时间。
通过数据准备过程，我们完成了无人驾驶车辆群组运营和充电过程的基础数据准备和量化，以上基础数据存储于云管理服务器中，并根据车辆的运营数据进行不断更新。
在云管理服务器中，无人驾驶车辆群组的车辆设有一标识，用于标记车辆处于运营状态、充电状态或停驶状态，云管理服务器对标记为运营状态的车辆进行运营监控，对充电状态的车辆进行充电安排，车辆的状态转移图如图1所示。
二、运营监控
在本实施例的控制流程中，将运营中的无人驾驶车辆标记为运营状态，接受实时监控。
以当前车辆为例，云管理服务器获取当前车辆的实时剩余电量和当前位置信息，进而确定当前车辆进行充电的时机。
步骤S201：通过物联网技术实时获取当前车辆的实时剩余电量Et、空调状态kt、载客量mt、位置、电池使用年限、环境等,实时剩余电量Et＝SOCt*E，其中E为电池总能量，SOCt为剩余电量占电池总能量的百分比。
步骤S202：云管理服务器遍历计算车辆V到充电站Si的最短路径LtSi，得出最短路径LtSi所经过的路段，进而计算获得通过该最短路径LtSi所需的电量消耗ΔEtSi和行驶时间TtSi：
Figure BDA0002183398710000101
Figure BDA0002183398710000102
Figure BDA0002183398710000103
其中，α3为当前车辆在当前路段Rj的位置比例参数(车辆行驶在路段Rj的某个点)，Lj、TRj、ERj分别为路段Rj的路段长度、平均行驶时间和平均电量消耗，
Figure BDA0002183398710000104
分别为最短路径LtSi所经过的完整路段的路段长度之和，平均行驶时间之和和平均电量消耗之和。
在本实施例中，优先计算车辆V到充电站Si的最短路径LtSi，即最短长度路径，进而获得通过最短路径LtSi的行驶时间和电量消耗。在具体应用中，也可以优先计算车辆V到充电站Si的最短时间，该最短时间标记为TtSi，进而计算实现该最短时间下的最短时间路径LtSi和电量消耗ΔEtSi；或优先计算车辆V到充电站Si的最小电量消耗，该最小电量消耗标记为ΔEtSi，进而计算实现该最小电量消耗下的最小电量消耗路径LtSi和行驶时间TtSi。
步骤S203：计算当前车辆V行驶到充电站Si的剩余电量ESi：
ESi＝Et-ΔEtSi
步骤S204：设车辆V到达充电站进行充电时的剩余电量阀值为Ec；遍历所有ESi，如果所有ESi都小于或等于Ec，则车辆V需要充电，进入步骤S205：将车辆V标记为充电状态，进入充电安排流程；否则返回步骤S201，进行实时监控。
三、执行充电安排
当车辆处于充电状态时，云管理服务器确定优选充电站，并引导车辆前往优选充电站充电。
步骤S301：云管理服务器选取可到达的充电站为备选充电站，更新车辆到达备选充电站的最短路径、行驶时间：
Figure BDA0002183398710000111
Figure BDA0002183398710000112
其中值为∞表示当前车辆无法到达该充电站。
步骤S302：云管理服务器获取各充电站的剩余当前充电站Si的充电点SiCmk的剩余充电时间为ΔSiCmkTc，当充电点SiCmk为空闲状态没有安排车辆充电时，剩余充电时间ΔSiCmkTc＝0。
步骤S303：遍历充电点SiCmk，计算车辆Vi到充电点SiCmk的等待时间ΔVjSiCmkTwait：
Figure BDA0002183398710000113
其中，VjTtSi为车辆Vj到充电站Si最短路径所需的行驶时间。
步骤S304：计算车辆Vj到充电点的最小时间消耗VjCos：
VjCos＝min(VjTtSi+ΔVjSiCmkTc+ΔVjSiCmkTwait)
其中，ΔVjSiCmkTc为车辆Vj在充电点Si的预计充电时间。
步骤S305，选取该最小时间消耗VjCos所对应的充电点，即为优选充电点，云管理服务器推送信息给车辆Vj，引导车辆Vj前往优选充电站进行充电，云管理服务器会对车辆的充电过程进行实时监控。
车辆充电完成后，若车辆需要重新返回运营，则将车辆状态置于运营状态，重新进入步骤S201，接受运营监控。
本发明利用大数据技术分析园区内每各路段的平均电量消耗、平均行驶时间，实时监控运营中的无人驾驶车辆的当前状态信息，结合园区路段电量消耗、行驶时间及充电站的充电点忙闲充电情况，提前做好充电计划，确定优选充电站，保证无人驾驶车辆能够安全到达充电站，减少充电等待时间，提高充电效率。
实施例二
如图4所示，本发明还公开了一种云管理服务器10，云管理服务器10和无人驾驶车辆31、充电站32构成无人驾驶车辆群组的充电调度系统，该云管理服务器10包括业务服务器102(或称应用程序服务器)、数据库服务器103、Web服务器105和通讯服务器101；其中，应用程序服务器102通过各种协议把商业逻辑曝露给客户端程序。它提供了访问商业逻辑的途径以供客户端应用程序使用。运行在局域网中的一台或多台计算机和数据库管理系统软件共同构成了数据库服务器103，数据库服务器103为客户应用提供服务，这些服务包括查询、更新、事务管理、索引、高速缓存、查询优化、安全及多用户存取控制等，Web服务器105专门处理HTTP请求，允许管理员通过在PC终端42上以web浏览的方式访问。为实现多元化的管理手段，该服务器还提供APP服务器104，可将信息推送到管理员的智能终端的APP41中，为管理员提供随时随地的便捷管理服务。
充电调度程序运行于业务服务器102中，通过通信服务器101、无线网络20(移动通信网络)和无人驾驶车辆31、充电站32进行实时通信，实现云管理服务器10和无人驾驶车辆31、充电站32的信息交互，及时根据无人驾驶车辆31和充电站32的信息，执行无人驾驶车辆群组的充电调度方法，将需要充电的无人驾驶车辆31合理地安排到相应充电站32中，使无人驾驶车辆31的总的充电时间最短、效率最高，该充电调度程序将实时数据缓存于数据服务器103中，进而根据业务需要将运行数据存储于档案数据库和历史数据库，如将无人驾驶车辆群组的运行路线信息和每日的充电调度的执行情况存储于档案数据库中。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (12)

1.一种无人驾驶车辆群组的充电调度方法，用于云管理服务器的充电调度，其特征在于，包括：
获取无人驾驶车辆群组的运行路线信息；获取无人驾驶车辆群组中车辆的实时状态信息；以及获取充电站的充电等待时间；
建立最短路径的计算模型，所述最短路径的计算模型根据运行路线信息和车辆的实时状态信息预测计算；得到当前车辆到某一充电站的最短路径和通过最短路径的行驶时间和电量消耗；
建立优选充电站的计算模型，所述优选充电站的计算模型根据车辆的实时状态信息和充电站的充电等待时间计算，得到当前车辆的到充电站并完成充电的最小时间消耗，所述优选充电站为满足最小时间消耗的充电站；
无人驾驶车辆群组的车辆状态被标记为运营状态和充电状态；
对标记为运营状态的车辆，执行实时监控流程：获取车辆的实时状态信息，根据车辆的实时状态信息，通过最短路径的计算模型预测计算，得到车辆到达各充电站的最短路径和预测剩余电量；当所有预测剩余电量均小于设定的剩余电量阈值时，将车辆标记为充电状态；
对标记为充电状态的车辆，执行充电流程：通过优选充电站的计算模型确定优选充电站，并引导车辆通过所述最短路径前往优选充电站充电；当车辆重新投入运营，将车辆标记为运营状态。
2.如权利要求1所述的充电调度方法，其特征在于：所述运行路线信息包括充电站信息和路段信息；所述实时状态信息包括车辆的实时剩余电量、实时位置信息和加权因子；
根据路段信息和加权因子，得到各路段的长度、行驶时间和电量消耗；
根据所述运行线路信息中各充电站及各路段的拓扑关系、车辆的实时位置信息，通过最短路径的计算模型计算，得到车辆前往某一充电站的最短路径，所述最短路径是最短长度路径、最短时间路径或最小电量消耗路径。
3.如权利要求2所述的充电调度方法，其特征在于，所述最短长度路径的计算模型包括：
Figure FDA0002514615200000021
Figure FDA0002514615200000022
Figure FDA0002514615200000023
其中，LtSi为当前车辆到充电站Si的最短长度路径，ΔEtSi为当前车辆行驶完成该最短长度路径LtSi的电量消耗，TtSi为当前车辆行驶完成该最短长度路径LtSi的行驶时间；α3为当前车辆在路段Rj的位置比例参数，α3和路段Rj标识车辆的当前位置信息；Lj、TRj、ERj分别为路段Rj的路段长度、平均行驶时间和平均电量消耗，
Figure FDA0002514615200000024
分别为最短长度路径LtSi所经过的完整路段的路段长度之和，平均行驶时间之和和平均电量消耗之和。
4.如权利要求2所述的充电调度方法，其特征在于，所述最短时间路径的计算模型包括：
Figure FDA0002514615200000025
Figure FDA0002514615200000026
Figure FDA0002514615200000027
其中，TtSi为当前车辆到充电站Si的最短行驶时间；LtSi为当前车辆到充电站Si的最短行驶时间的路径，即最短时间路径，ΔEtSi为当前车辆行驶完成该最短时间路径LtSi的电量消耗，α3为当前车辆在路段Rj的位置比例参数，α3和路段Rj标识车辆的当前位置信息；Lj、TRj、ERj分别为路段Rj的路段长度、平均行驶时间和平均电量消耗，
Figure FDA0002514615200000031
分别为最短时间路径LtSi所经过的完整路段的路段长度之和，平均行驶时间之和和平均电量消耗之和。
5.如权利要求2所述的充电调度方法，其特征在于，所述最小电量消耗路径的计算模型包括：
Figure FDA0002514615200000032
Figure FDA0002514615200000033
Figure FDA0002514615200000034
其中，ΔEtSi为当前车辆到达充电站Si的最小电量消耗，LtSi为当前车辆根据该最小电量消耗得到的到充电站Si的最小电量消耗路径，TtSi为当前车辆行驶完成该最小电量消耗路径LtSi的行驶时间；α3为当前车辆在路段Rj的位置比例参数，α3和路段Rj标识车辆的当前位置信息；Lj、TRj、ERj分别为路段Rj的路段长度、平均行驶时间和平均电量消耗，
Figure FDA0002514615200000035
分别为最小电量消耗路径LtSi所经过的完整路段的路段长度之和，平均行驶时间之和和平均电量消耗之和。
6.如权利要求3-5任一项所述的充电调度方法，其特征在于，所述加权因子包括车型电池型号权重参数α1、α2；电池使用年限权重参数β1、β2；载客量权重参数m1、m2；空调状态权重参数k1、k2；环境权重参数e1、e2；
所述路段的平均电量消耗和平均行驶时间通过如下公式获得：
ERi＝α1*β1*m1*e1*(Eui+k1*Epi)/Li
TRi＝α2*β2*m2*e2*(Tui+k2*Tpi)/Li
其中，ERi和TRi为路段Ri的平均电量消耗和平均行驶时间；Eui为路径Ri不开空调时的额定平均电量消耗，Epi为路径Ri的开空调时的额定平均附加电量消耗，Tui为路径Ri的不开空调时的额定平均行驶时间，Tpi为路径Ri的开空调时的额定平均附加行驶时间，Li为路径Ri的长度。
7.如权利要求1所述的充电调度方法，其特征在于：所述充电站包括多个充电点,所述充电站的充电等待时间为充电站的各充电点的最小充电等待时间；
所述优选充电站的计算模型：
Figure FDA0002514615200000041
VjCos＝min(VjTtSi+ΔVjSiCmkTwait+ΔVjSiCmkTc)
其中，ΔVjSiCmkTwait为预测的车辆Vj到充电站Si的充电点SiCmk的等待时间；VjTtSi为预测的车辆Vj到充电站Si的最短路径所需的行驶时间；ΔSiCmkTc为充电站Si的充电点SiCmk的剩余充电时间；VjCos为预测的车辆Vj到充电点并完成充电的最小时间消耗；ΔVjSiCmkTc为车辆Vj在充电点Si的预计充电时间；
达成VjCos条件的充电站为优选充电站。
8.如权利要求7所述的充电调度方法，其特征在于：所述优选充电站是在备选充电站中选择，所述备选充电站满足条件：
ΔEtSi≤Et
其中，ΔEtSi为当前车辆到达充电站Si的电量消耗；Et为当前车辆的实时剩余电量。
9.如权利要求3或4所述的充电调度方法，其特征在于，所述预测剩余电量通过以下公式获得：
ESi＝Et-ΔEtSi
其中，ESi为当前车辆行驶到充电站Si的预测剩余电量，Et为当前车辆的第实时剩余电量。
10.如权利要求1所述的充电调度方法，其特征在于：所述充电调度方法还包括充电队列，当车辆被标记为充电状态时，所述车辆进入充电队列，并依照队列的先后顺序执行充电流程。
11.一种云管理服务器，其特征在于：包括应用程序服务器、数据库服务器、Web服务器和通信服务器，
所述应用程序服务器用于执行充电调度程序，所述充电调度程序实现权利要求1-10任一项所述的无人驾驶车辆群组的充电调度方法；
所述数据库服务器用于提供存取服务，存取的信息包括：无人驾驶车辆群组的运行路线信息和调度信息，所述调度信息是根据所述充电调度方法得到的；
所述通信服务器用于建立所述云管理服务器和无人驾驶车辆、充电站的通信连接。
12.如权利要求11所述的云管理服务器，其特征在于：还包括APP服务器，所述APP服务器用于提供智能终端APP的调用服务，用于推送调度信息。
CN201910805055.2A 2019-08-29 2019-08-29 一种无人驾驶车辆群组的充电调度方法和云管理服务器 Active CN110533901B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910805055.2A CN110533901B (zh) 2019-08-29 2019-08-29 一种无人驾驶车辆群组的充电调度方法和云管理服务器
PCT/CN2019/128608 WO2021036132A1 (zh) 2019-08-29 2019-12-26 一种无人驾驶车辆群组的充电调度方法和云管理服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910805055.2A CN110533901B (zh) 2019-08-29 2019-08-29 一种无人驾驶车辆群组的充电调度方法和云管理服务器

Publications (2)

Publication Number Publication Date
CN110533901A CN110533901A (zh) 2019-12-03
CN110533901B true CN110533901B (zh) 2020-09-11

Family

ID=68665041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910805055.2A Active CN110533901B (zh) 2019-08-29 2019-08-29 一种无人驾驶车辆群组的充电调度方法和云管理服务器

Country Status (2)

Country Link
CN (1) CN110533901B (zh)
WO (1) WO2021036132A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533901B (zh) * 2019-08-29 2020-09-11 厦门金龙联合汽车工业有限公司 一种无人驾驶车辆群组的充电调度方法和云管理服务器
US11203268B2 (en) * 2020-01-14 2021-12-21 GM Global Technology Operations LLC Method and apparatus for selecting a charging station
CN111462481B (zh) * 2020-03-03 2021-02-23 北京理工大学 包含多功能无人车的云大脑智能交通系统
CN112070973A (zh) * 2020-07-30 2020-12-11 中国汽车技术研究中心有限公司 一种智能电动平衡车系统及面向智慧园区短驳运行方法
CN113283750A (zh) * 2021-05-26 2021-08-20 广东工业大学 一种基于自动驾驶共享出租车的充电需求触发和处理方法
CN113386608B (zh) * 2021-06-30 2023-05-12 钟求明 基于自动驾驶汽车的充电统筹排序方法及智能充电站
CN113537883B (zh) * 2021-07-13 2023-09-08 长安大学 一种物流园区内车辆调配与监控的方法及相关装置
CN113942401B (zh) * 2021-10-29 2023-11-24 文远苏行(江苏)科技有限公司 充电站确定方法、装置、可移动载体及存储介质
CN114013338B (zh) * 2021-12-24 2023-06-23 东风悦享科技有限公司 一种无人清扫车的智能充电调度方法、系统
CN114118639B (zh) * 2022-01-29 2022-06-28 天津港第二集装箱码头有限公司 一种顺岸式边装卸自动化码头art动态调度方法
CN114454767A (zh) * 2022-02-24 2022-05-10 上海鲲华新能源科技有限公司 一种电动汽车充电站的能量管理方法
CN117035369B (zh) * 2023-10-08 2023-12-22 上海伯镭智能科技有限公司 一种无人驾驶车辆资源的智能调度方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105071529A (zh) * 2015-07-16 2015-11-18 厦门金龙联合汽车工业有限公司 一种基于车联网的远程充电系统
US10369893B2 (en) * 2017-08-07 2019-08-06 Cisco Technology, Inc. Intelligent vehicle control for wireless power transfer (WPT)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5516550B2 (ja) * 2011-05-09 2014-06-11 株式会社デンソー 車両用ナビゲーション装置
CN103236179B (zh) * 2012-12-18 2015-04-15 清华大学 一种计及交通信息与电网信息的电动汽车充电导航方法
CN106042963B (zh) * 2016-06-17 2019-02-05 广东顺德中山大学卡内基梅隆大学国际联合研究院 电气化交通网络和电力系统的协同优化方法与系统
DE102016219726A1 (de) * 2016-10-11 2018-04-12 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Steuerung des elektrischen Ladens einer Gruppe von Fahrzeugen
CN109213141B (zh) * 2017-07-05 2024-02-02 松下电器（美国）知识产权公司 自主行驶车、行驶控制装置和方法及记录程序的记录介质
CN108162771B (zh) * 2017-11-09 2020-11-10 贵州电网有限责任公司电力科学研究院 一种电动汽车智能充电导航方法
CN108688503B (zh) * 2018-06-20 2021-07-27 湘潭大学 计及输电阻塞的电动汽车用户充电选择辅助决策方法
CN109636067B (zh) * 2019-01-09 2021-10-15 浙江工业大学 一种基于粒子群算法的电动汽车充电调度优化方法
CN110116652A (zh) * 2019-05-24 2019-08-13 福建工程学院 一种电动汽车前往充电桩的推荐方法
CN110533901B (zh) * 2019-08-29 2020-09-11 厦门金龙联合汽车工业有限公司 一种无人驾驶车辆群组的充电调度方法和云管理服务器

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105071529A (zh) * 2015-07-16 2015-11-18 厦门金龙联合汽车工业有限公司 一种基于车联网的远程充电系统
US10369893B2 (en) * 2017-08-07 2019-08-06 Cisco Technology, Inc. Intelligent vehicle control for wireless power transfer (WPT)

Also Published As

Publication number Publication date
WO2021036132A1 (zh) 2021-03-04
CN110533901A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
CN110533901B (zh) 一种无人驾驶车辆群组的充电调度方法和云管理服务器
CN111371904B (zh) 云边端协同的高速公路云控系统及控制方法
Luo et al. A new framework of intelligent public transportation system based on the internet of things
CN108773279B (zh) 一种电动汽车充电路径规划方法及装置
CN108162771B (zh) 一种电动汽车智能充电导航方法
Yuan et al. p^ 2charging: Proactive partial charging for electric taxi systems
Miao et al. Autonomous connected electric vehicle (ACEV)-based car-sharing system modeling and optimal planning: A unified two-stage multi-objective optimization methodology
US10192448B2 (en) Method to control vehicle fleets to deliver on-demand transportation services
US9626823B2 (en) System and method of predicting future demand of a charging station
US20150294329A1 (en) System and method of predicting usage of a charging station
CN104346921B (zh) 基于位置信息的出租车信息通讯服务系统、终端和方法
CN110889601B (zh) 一种信息确定方法、装置、服务器及存储介质
CN107392336B (zh) 智能交通中基于预约的分布式电动汽车充电调度方法
Fiedler et al. The impact of ridesharing in mobility-on-demand systems: Simulation case study in Prague
CN106326992A (zh) 一种基于电量匹配的app预约租车系统及方法
US10112497B2 (en) System and method of monitoring usage of a charging station
CN110677445A (zh) 动态分配电池模组的方法和相应的服务器
CN113085655B (zh) 一种车载电动汽车综合服务系统
CN110599023B (zh) 一种电动车群组的换电调度方法和云管理服务器
JP7154831B2 (ja) 車両管理システムおよび車両管理方法
Sadreddini et al. Design of a decision-based multicriteria reservation system for the EV parking lot
Lu et al. Charging and relocating optimization for electric vehicle car-sharing: an event-based strategy improvement approach
Wang et al. En-route fast charging infrastructure planning and scheduling for battery electric bus systems
Dong et al. Dynamic vehicle allocation policies for shared autonomous electric fleets
Zhou et al. E-sharing: Data-driven online optimization of parking location placement for dockless electric bike sharing

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