CN110599050B - 一种电动汽车与共享车位匹配方法和装置 - Google Patents

Abstract

本申请公开了一种电动汽车与共享车位匹配方法和装置，方法包括：基于蚁群算法和得到的电动汽车需求信息与共享车位信息对待匹配共享车位的电动汽车进行排序，计算得到第一满意值；对排序后的电动汽车进行重组排序，计算得到第二满意值；比较第一满意值和第二满意值，得到最佳满意值；当所有蚂蚁排序完成后，在得到的所有最佳满意值选出最优的最佳满意值；基于最优的最佳满意值更新信息素浓度；当蚁群算法达到收敛条件，输出最优的最佳满意值；基于最优的最佳满意值对应的电动汽车和共享车位匹配结果对电动汽车和共享车位进行匹配，解决了现有的基于传统蚁群算法对电动汽车与车位匹配优化容易陷入局部最优，导致电动汽车不能匹配到最佳车位的问题。

Description

一种电动汽车与共享车位匹配方法和装置

技术领域

本申请涉及汽车停车、充电过程的调度技术领域，尤其涉及一种电动汽车与共享车位匹配方法和装置。

背景技术

为了解决传统汽车带来的环境污染问题，越来越多的电动汽车产业迅速发展，随着大规模电动汽车的产生，大量电动汽车的充电给公共电网带来了一系列亟需解决的问题。电动汽车用户在微电网管理的停车场停车、充电的需求越来越多，基于微电网管理的停车场是未来发展趋势之一。

现有的技术中采用传统的蚁群算法对电动汽车与车位进行匹配优化，容易陷入局部最优，导致电动汽车不能匹配到最佳的车位。

发明内容

本申请提供了一种电动汽车与共享车位匹配方法和装置，用于解决现有的基于传统的蚁群算法对电动汽车与车位匹配优化容易陷入局部最优，导致电动汽车不能匹配到最佳车位的技术问题。

有鉴于此，本申请第一方面提供了一种电动汽车与共享车位匹配方法，包括：

A1、基于蚁群算法和得到的电动汽车需求信息与共享车位信息对待匹配共享车位的电动汽车进行排序；

所述电动汽车需求信息包括所述电动汽车进入所述共享车位的时间、所述电动汽车离开所述共享车位的时间和停车费；

所述共享车位信息包括共享车位闲置时间和车位租赁费；

A2、对所述排序后的电动汽车计算满意度，得到第一满意值；

A3、对所述排序后的电动汽车进行重组排序；

A4、对每次重组排序后的电动汽车计算满意度，得到第二满意值；

A5、比较所述第一满意值和所述第二满意值，得到最佳满意值；

A6、返回步骤A1，当所有蚂蚁排序完成后，在得到的所有最佳满意值选出最优的最佳满意值；

A7、基于所述最优的最佳满意值更新信息素浓度；

A8、重复步骤A1-A7，当所述蚁群算法达到收敛条件时，输出最优的最佳满意值；

A9、基于所述最优的最佳满意值对应的电动汽车和共享车位匹配结果对所述电动汽车和所述共享车位进行匹配。

可选的，步骤A1具体包括：

基于蚁群算法的状态转移概率和得到的电动汽车需求信息与共享车位信息对所述待匹配共享车位的电动汽车进行排序，所述状态转移概率公式为：

其中，

其中，

为状态转移概率，η_ij(m)为启发函数，m∈[1,2,…,M]，γ₁、γ₂为匹配合适度权重，s_kl＝1为第t个小时，第k辆电动汽车在第l个共享车位进行充电，s_kl＝0为第t个小时，第k辆电动汽车在第l个共享车位未进行充电，Time_arrive,j为第j辆电动汽车进入共享车位的时间，Time_left,i为第i辆电动汽车离开共享车位的时间，fee_i(m)、fee_j(m)分别为第m只蚂蚁获得第i、j个电动汽车的车位租赁费，i、j、l和k均为大于0的整数。

可选的，步骤A2具体包括：

基于所述排序后的电动汽车进入所述共享车位的时间、离开所述共享车位的时间和停车费与所述共享车位的闲置时间和车位租赁费进行第一次匹配，得到第一次匹配成功的电动汽车；

基于所述第一次匹配成功的电动汽车计算微电网的第一收益值；

基于所述第一收益值计算第m只蚂蚁获得的所述微电网的第一满意度；

计算所述第m只蚂蚁获得的电动汽车车主的第一满意度；

基于所述微电网的第一满意度和所述电动汽车车主的第一满意度计算满意度，得到第一满意值S₁，所述S₁计算公式为：

S₁＝w₁·sat_MG(m)+w₂·sat_COs(m)

其中，sat_MG(m)为微电网的第一满意度，sat_COs(m)为电动汽车车主的第一满意度，w₁为微电网的第一满意度的权重系数，w₂为电动汽车车主的第一满意度的权重系数。

可选的，步骤A3具体包括：

交换部分所述排序后电动汽车的顺序；

对所述交换后的电动汽车的排序进行前后交换，得到前后交换后的电动汽车排序。

可选的，步骤A4具体包括：

基于所述前后交换后的电动汽车进入所述共享车位的时间、离开所述共享车位的时间和停车费与所述共享车位的闲置时间和车位租赁费进行第二次匹配，得到第二次匹配成功的电动汽车；

基于所述第二次匹配成功的电动汽车计算所述微电网的第二收益值；

基于所述第二收益值计算所述第m只蚂蚁获得的所述微电网的第二满意度；

计算所述第m只蚂蚁获得的电动汽车车主的第二满意度；

基于所述微电网的第二满意度和所述电动汽车车主的第二满意度计算满意度，得到第二满意值S₂。

可选的，步骤A5具体包括：

比较所述第一满意值S₁和所述第二满意值S₂，得到最佳满意值，所述最佳满意值计算公式为：

其中，Sat(m)为第m只蚂蚁得到的最佳满意值。

可选的，步骤A6具体包括：

返回步骤A1，当M只蚂蚁排序完成后，得到M个最佳满意值Sat＝[Sat(1)，Sat(2)，…，Sat(m)，…，Sat(M)]；

在得到的所述M个最佳满意值选出最优的最佳满意值Sat_best，所述Sat_best计算公式为：

Sat_best＝max(Sat)。

可选的，步骤A7具体包括：

基于所述最优的最佳满意值Sat_best更新信息素浓度，所述更新信息素浓度公式为：

其中，Q为信息素浓度常数，

为第m只蚂蚁在车辆i与车辆j匹配后释放信息素浓度而增加的信息素浓度，Δτ_ij为所有蚂蚁在车辆i与车辆j匹配后释放信息素浓度而增加的信息素浓度，τ_ij(m+1)为更新后的信息素浓度。

可选的，步骤A8具体包括：

重复步骤A1-A7，当重复次数大于预先设置的迭代次数时或当最优的最佳满意值的大小不再改变时，输出最优的最佳满意值。

本申请第二方面提供了一种电动汽车与共享车位匹配装置，包括：

第一匹配模块，用于基于蚁群算法和得到的电动汽车需求信息与共享车位信息对待匹配共享车位的电动汽车进行排序；

所述电动汽车需求信息包括所述电动汽车进入所述共享车位的时间、所述电动汽车离开所述共享车位的时间和停车费；

所述共享车位信息包括共享车位闲置时间和车位租赁费；

第一满意值计算模块，用于对所述排序后的电动汽车计算满意度，得到第一满意值；

重组匹配模块，用于对所述排序后的电动汽车进行重组排序；

第二满意值计算模块，用于对每次重组排序后的电动汽车计算满意度，得到第二满意值；

第一比较模块，用于比较所述第一满意值和所述第二满意值，得到最佳满意值；

第二比较模块，用于触发第一满意值计算模块，当所有蚂蚁排序完成后，在得到的所有最佳满意值选出最优的最佳满意值；

更新模块，用于基于所述最优的最佳满意值更新信息素浓度；

收敛模块，用于触发第一匹配模块、第一满意值计算模块、重组匹配模块、第二满意值计算模块、第一比较模块、第二比较模块和更新模块，当所述蚁群算法达到收敛条件时，输出最优的最佳满意值；

第二匹配模块，用于基于所述最优的最佳满意值对应的电动汽车和共享车位匹配结果对所述电动汽车和所述共享车位进行匹配。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请中，提供了一种电动汽车与共享车位匹配方法，包括：A1、基于蚁群算法和得到的电动汽车需求信息与共享车位信息对待匹配共享车位的电动汽车进行排序；电动汽车需求信息包括电动汽车进入共享车位的时间、电动汽车离开共享车位的时间和停车费；共享车位信息包括共享车位闲置时间和车位租赁费；A2、对排序后的电动汽车计算满意度，得到第一满意值；A3、对排序后的电动汽车进行重组排序；A4、对每次重组排序后的电动汽车计算满意度，得到第二满意值；A5、比较第一满意值和第二满意值，得到最佳满意值；A6、返回步骤A1，当所有蚂蚁排序完成后，在得到的所有最佳满意值选出最优的最佳满意值；A7、基于最优的最佳满意值更新信息素浓度；A8、重复步骤A1-A7，当蚁群算法达到收敛条件时，输出最优的最佳满意值；A9、基于最优的最佳满意值对应的电动汽车和共享车位匹配结果对电动汽车和共享车位进行匹配。

本申请基于蚁群算法对待匹配共享车位的电动汽车进行排序，并对排序后的电动汽车进行重组排序，从而避免蚁群算法陷入局部最优的技术问题，通过比较第一满意值和第二满意值得到最佳满意值，并在所有蚂蚁获得的最佳满意值中选出最优的最佳满意值，基于最优的最佳满意值更新信息素浓度，有助于下一次迭代时的蚂蚁获得最佳的排序，从而获得最优的最佳满意值，得到最优的最佳满意值对应的匹配结果，该匹配结果为最佳匹配结果，基于最佳匹配结果对电动汽车和共享车位进行匹配，从而解决了现有的基于传统的蚁群算法对电动汽车与车位匹配优化容易陷入局部最优，导致大量电动汽车不能匹配到最佳车位的技术问题。

附图说明

图1为本申请提供的一种电动汽车与共享车位匹配方法的一个实施例的流程示意图；

图2为本申请提供的一种电动汽车与共享车位匹配方法的另一个实施例的流程示意图；

图3为本申请提供的一种电动汽车与共享车位匹配装置的一个实施例的结构示意图；

图4为本申请提供的一种电动汽车与共享车位匹配方法的应用例中改进蚁群算法的收敛曲线图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了便于理解，请参阅图1，本申请提供的一种电动汽车与共享车位匹配方法的一个实施例，包括：

步骤101、基于蚁群算法和得到的电动汽车需求信息与共享车位信息对待匹配共享车位的电动汽车进行排序。

需要说明的是，电动汽车需求信息包括电动汽车进入共享车位的时间、电动汽车离开共享车位的时间和停车费，共享车位信息包括共享车位闲置时间和车位租赁费，其中，共享车位可以是共享的私人车位，也可以是共享的停车场车位，以便最大化使用闲置的车位。

采用蚁群算法对待匹配共享车位的电动汽车进行排序，其中，每只蚂蚁都将对待匹配共享车位的所有电动汽车进行排序，由于每只蚂蚁的起点不一样，最终得到不同的排序结果。

步骤102、对排序后的电动汽车计算满意度，得到第一满意值。

需要说明的是，通过对排序后的电动汽车计算满意度，得到第一满意值，通过第一满意值可以得到此次排序的结果，满意值越高，表示此次排序的结果越好。不同的蚂蚁对电动汽车进行排序，得到不同的排序结果，计算得到的第一满意值也是不同的，满意值越高，表示该蚂蚁此次排序的结果越好。

步骤103、对排序后的电动汽车进行重组排序。

需要说明的是，基于传统的蚁群算法对电动汽车与车位匹配优化容易陷入局部最优，导致大量电动汽车不能匹配到车位，基于此，本实施例中对蚁群算法进行改进，将排序后的电动汽车进行重组排序，得到与重组排序前不一样的排序，从而避免陷入局部最优的情况。

步骤104、对每次重组排序后的电动汽车计算满意度，得到第二满意值。

需要说明的是，通过对每次重组排序后的电动汽车计算满意度，得到第二满意值，通过第二满意值可以得到此次重组排序的结果，满意值越高，表示此次重组排序的结果越好。

步骤105、比较第一满意值和第二满意值，得到最佳满意值。

需要说明的是，比较第一满意值和第二满意值，满意值较大的为最佳满意值。

步骤106、返回步骤101，当所有蚂蚁排序完成后，在得到的所有最佳满意值选出最优的最佳满意值。

需要说明的是，本申请实施例基于蚁群算法对待匹配共享车位的所有电动汽车进行排序，每只蚂蚁都会对待匹配共享车位的所有电动汽车进行排序，当前蚂蚁排序完成后，得到最佳满意值，下一只蚂蚁将重复步骤101，对待匹配共享车位的所有电动汽车进行排序，得到最佳满意值，当所有蚂蚁排序完成后，每只蚂蚁都会得到一个最佳满意值，通过比较所有的最佳满意值的大小，选出最优的最佳满意值，最优的最佳满意值对应的排序也是最佳的，最优的最佳满意值对应的电动汽车与共享车位的匹配结果也是最佳的。

步骤107、基于最优的最佳满意值更新信息素浓度。

需要说明的是，基于最优的最佳满意值来计算对应最优排序路径的信息素浓度增量，蚂蚁在对电动汽车进行排序时，在路径下留下的信息素浓度是会被挥发的，挥发后留下的信息素浓度会降低，基于信息素浓度增量和挥发后留下的信息素浓度来更新信息素浓度，以便于下一次迭代时的蚂蚁更快找到最佳排序。

步骤108、重复步骤101-107，当蚁群算法达到收敛条件时，输出最优的最佳满意值。

需要说明的是，每一次迭代，都会得到一个最优的最佳满意值，当蚁群算法达到收敛条件时，输出最后一次迭代的最优的最佳满意值。

步骤109、基于最优的最佳满意值对应的电动汽车和共享车位匹配结果对电动汽车和共享车位进行匹配。

需要说明的是，最优的最佳满意值对应的电动汽车和共享车位匹配也是最佳的，基于输出的最优的最佳满意值得到与之对应的电动汽车和共享车位的最佳匹配结果，根据该最佳匹配结果对电动汽车和共享车位进行匹配。

现有的技术中采用传统的蚁群算法对电动汽车与车位进行匹配优化，容易陷入局部最优，导致电动汽车不能匹配到最佳的车位。

本实施例基于蚁群算法对待匹配共享车位的电动汽车进行排序，并对排序后的电动汽车进行重组排序，从而避免蚁群算法陷入局部最优的技术问题，通过比较第一满意值和第二满意值得到最佳满意值，并在所有蚂蚁获得的最佳满意值中选出最优的最佳满意值，基于最优的最佳满意值更新信息素浓度，有助于下一次迭代时的蚂蚁获得最佳的排序，从而获得最优的最佳满意值，得到最优的最佳满意值对应的匹配结果，该匹配结果为最佳匹配结果，基于最佳匹配结果对电动汽车和共享车位进行匹配，从而解决了现有的基于传统的蚁群算法对电动汽车与车位匹配优化容易陷入局部最优，导致大量电动汽车不能匹配到最佳车位的技术问题。

以上为对本申请实施例提供的一种电动汽车与共享车位匹配方法的一个实施例的详细描述，以下将对本申请实施例提供的一种电动汽车与共享车位匹配方法的另一个实施例进行详细的描述。

为了便于理解，请参阅图2，本申请提供的一种电动汽车与共享车位匹配方法的另一个实施例的流程示意图，包括：

步骤201、基于蚁群算法和得到的电动汽车需求信息与共享车位信息对待匹配共享车位的电动汽车进行排序。

需要说明的是，电动汽车需求信息包括电动汽车进入共享车位的时间、电动汽车离开共享车位的时间和停车费，共享车位信息包括共享车位闲置时间和车位租赁费。

电动汽车需要匹配共享车位时，可以在微电网提交电动汽车进入共享车位的时间、电动汽车离开共享车位的时间和停车费等信息，微电网将基于蚁群算法的状态转移概率对待匹配共享车位的电动汽车进行排序，状态转移概率公式为：

其中，

其中，

为状态转移概率，η_ij(m)为启发函数，表示第m只蚂蚁从车辆i匹配到车辆j的匹配合适度，当车辆i与车辆j匹配成功时，第m只蚂蚁在车辆i和车辆j留下的信息素浓度为τ_ij(m)，m∈[1,2,…,M]，进行初始匹配时，蚂蚁被放置在不同的车辆里，各车辆的初始信息素浓度相同，均为τ₀，allowed_m为第m只蚂蚁待匹配电动汽车集合，α为信息素因子，β为启发函数因子，γ₁、γ₂是常数，为匹配合适度权重，Time_arrive,j为第j辆电动汽车进入共享车位的时间，Time_left,i为第i辆电动汽车离开共享车位的时间，s_kl＝1为第t个小时，第k辆电动汽车在第l个共享车位进行充电，s_kl＝0为第t个小时，第k辆电动汽车在第l个共享车位未进行充电，i、j、l和k为大于0的整数，fee_i(m)、fee_j(m)分别为第m只蚂蚁获得第i、j个电动汽车的车位租赁费。

状态转移概率是由启发函数和信息素浓度决定的，设置每只蚂蚁选择路径或选择下一辆电动汽车的初始信息素浓度都是相同的，每只蚂蚁基于轮盘赌的方法，在具有不同状态转移概率的电动汽车中选择下一辆电动汽车，被选中的电动汽车将不在该蚂蚁之后的选择范围内。

步骤202、基于排序后的电动汽车进入共享车位的时间、离开共享车位的时间和停车费与共享车位的闲置时间和车位租赁费进行第一次匹配，得到第一次匹配成功的电动汽车。

需要说明的是，微电网基于排序后的电动汽车的顺序依次对电动汽车匹配共享车位，若电动汽车进入共享车位的时间、离开共享车位的时间在共享车位闲置时间的区间内，并且电动汽车提供的停车费不低于共享车位的车位租赁费，则电动汽车与共享车位达成协议，匹配成功，得到第一次匹配成功的电动汽车，反之，匹配失败。

步骤203、基于第一次匹配成功的电动汽车计算微电网的第一收益值。

需要说明的是，微电网对第一次匹配成功的电动汽车(Shared ElectricVehicles，SEVs)进行需求侧管理，优化电动汽车需求响应，计算得到微电网的第一收益值benefit_DSM，假设一共有K辆电动汽车匹配成功，第一收益值benefit_DSM的计算公式为：

其中，Obj为微电网向电力市场缴纳的电费，Cost_base,k为第k辆电动汽车向微电网缴纳的电费，k∈[1,2,…,K]，Cost_base,k的计算公式为：

其中，fee_ele,k为第k辆电动汽车向微电网缴纳的电度电费，fee_base,k为第k辆电动汽车向微电网缴纳的基本电费，Pri_t为电力市场在一天内的第t个小时的实时电价，t∈[1,24]，Bill_base为微电网向电力市场缴纳的基本电费，P_t,k为第k辆电动汽车在对应共享车位第t个小时的充电功率，通过计算电动汽车的电池额定容量与初始电量的差值除以充电时长得到平均充电功率P_ave,k，设充电桩的额定充电功率为P_max，若P_ave,k＜P_max，则P_t,k＝P_ave,k；若P_ave,k≥P_max，则P_t,k＝P_max。

Obj的计算公式为：

其中，Bill_ener为微电网向电力市场缴纳的电度电费，Load_other为除电动汽车之外的微电网管理的其他负载在一天内产生的负荷，P_opt,k为微电网对第k辆电动汽车充电过程进行优化后的充电功率，P_opt,k＝[P_{opt_1,k},P_{opt_2,k},…,P_{opt_t,k},…,P_{opt_24,k}]，P_{opt_t,k}为在第t个小时，微电网对第k辆电动汽车充电过程进行优化后的充电功率，P_min为电动汽车的最低充电功率，P_max为电动汽车的最高充电功率，电动汽车在充电过程中，其充电功率处于规定范围内，使其充电电容不高于电池的额定容量，不低于电池的最低容量范围，P_min的值可以根据实际情况进行设置。

微电网可以对电动汽车的充电过程进行优化，可以通过内点法优化公式(5)，使得微电网向电力市场缴纳的电费Obj取得最小值，从而使微电网的第一收益值benefit_DSM最大化。

为了鼓励电动汽车车主参与微电网进行共享车位匹配，匹配成功的电动汽车车主可以从微电网的收益中得到一部分收益profit_k，profit_k的计算公式为：

其中，profit_k为第k辆电动汽车车主获得的收益，Time_arrive,k为第k辆电动汽车进入共享车位的时间，Time_left,k为第k辆电动汽车离开共享车位的时间，η为匹配成功的电动汽车车主的收益占总收益的比例，η的取值可以根据实际情况进行设置。

步骤204、基于第一收益值计算第m只蚂蚁获得的微电网的第一满意度。

需要说明的是，微电网可以计算第m只蚂蚁获得的微电网的第一满意度，从而对第m只蚂蚁的匹配情况进行微电网满意度评估，微电网的第一满意度计算公式如下：

其中，sat_MG(m)为第m只蚂蚁获得的微电网的第一满意度，benefit_DSM(m)为第m只蚂蚁排序完电动汽车后，微电网获得的第一收益值，计算公式如式(3)所示，

为所有匹配成功的电动汽车向微电网缴纳的总电费。

步骤205、计算第m只蚂蚁获得的电动汽车车主的第一满意度。

需要说明的是，微电网可以计算第m只蚂蚁获得的电动汽车车主的第一满意度，从而对第m只蚂蚁的匹配情况进行电动汽车车主满意度评估，电动汽车车主的第一满意度计算公式如下：

其中，sat_COs(m)为第m只蚂蚁获得电动汽车车主的第一满意度，Num_SMEVS(m)为第m只蚂蚁获得第一次匹配成功的电动汽车的车辆数，Num_COs(m)为参加匹配的电动汽车的总车辆数。

步骤206、基于微电网的第一满意度和电动汽车车主的第一满意度计算满意度，得到第一满意值S₁。

需要说明的是，第一满意值S₁的计算公式为：

S₁＝w₁·sat_MG(m)+w₂·sat_COs(m) (9)

其中，w₁为微电网的第一满意度sat_MG(m)的权重系数，w₂为电动汽车车主的第一满意度sat_COs(m)的权重系数，w₁、w₂的取值可以根据实际情况进行相应的设置。

通过计算得到的第一满意值S₁可以得到此次排序的结果，第一满意值S₁越高，表示此次排序的结果越好。

步骤207，对排序后的电动汽车进行重组排序。

需要说明的是，基于传统的蚁群算法对电动汽车与车位进行匹配优化，容易陷入局部最优，导致电动汽车不能匹配到最佳的车位，基于此，本实施例中对排序后的电动汽车进行重组排序，可以通过交换部分排序后电动汽车的顺序，然后对交换后的电动汽车的顺序进行前后交换，从而完成了对排序后的电动汽车的重组排序，例如，假设排序后的电动汽车一共有5辆，可以将排在第1位的电动汽车与排的第4位的电动汽车进行交换，交换后初始排在第1位的电动汽车排在第4位，初始排在第4位的电动汽车排在第1位，其他的排序保持不变，然后对交换后的电动汽车的顺序进行前后交换，可以将排在第5位的电动汽车与排在第1位的电动汽车进行前后交换，也可以将排在第5位的电动汽车与排在第4位的电动汽车进行前后交换，最终得到重组排序后的电动汽车排序与重组排序前的电动汽车排序是不一样的。

步骤208，对每次重组排序后的电动汽车计算满意度，得到第二满意值S₂。

需要说明的是，微电网基于重组排序后的电动汽车的顺序依次基于重组排序后的电动汽车进入共享车位的时间、离开共享车位的时间和停车费与共享车位的闲置时间和车位租赁费进行第二次匹配，得到第二次匹配成功的电动汽车；

基于第二次匹配成功的电动汽车计算微电网的第二收益值，微电网的第二收益值的计算方法与步骤203中的微电网的第一收益值的计算方法一致，在此不再赘述；为了鼓励电动汽车车主参与微电网进行共享车位匹配，匹配成功的电动汽车车主可以从微电网的收益中得到一部分收益；

基于第二收益值计算第m只蚂蚁获得的微电网的第二满意度，微电网的第二满意度的计算方法与步骤204中的微电网的第一满意度的计算方法一致，在此不再赘述；

计算第m只蚂蚁获得的电动汽车车主的第二满意度，电动汽车车主的第二满意度的计算方法与步骤205中的电动汽车车主的第一满意度的计算方法一致，在此不再赘述；

基于微电网的第二满意度和电动汽车车主的第二满意度计算满意度，得到第二满意值S₂，第二满意值S₂的计算方法与步骤206中的第一满意值S₁的计算方法一致，在此不再赘述。

通过计算得到的第二满意值S₂可以得到此次重组排序的结果，第二满意值S₂越高，表示此次重组排序的结果越好。

步骤209、比较第一满意值S₁和第二满意值S₂，得到最佳满意值。

需要说明的是，最佳满意值的计算公式为：

其中，Sat(m)为第m只蚂蚁对电动汽车排序后，得到的第m个最佳满意值。

若第一满意值S₁大于第二满意值S₂，说明重组排序前的排序结果比重组排序后的排序结果要好，则第一满意值S₁为最佳满意值；若第一满意值S₁小于第二满意值S₂，说明重组排序后的排序结果比重组排序前的排序结果要好，则第二满意值S₂为最佳满意值。

步骤210、返回步骤201，当所有蚂蚁排序完成后，在得到的所有最佳满意值选出最优的最佳满意值。

需要说明的是，本申请实施例基于蚁群算法对待匹配共享车位的所有电动汽车进行排序，每只蚂蚁都会对待匹配共享车位的所有电动汽车进行排序，当前蚂蚁排序完成后，得到最佳满意值，下一只蚂蚁将重复步骤201，对待匹配共享车位的所有电动汽车进行排序，得到最佳满意值，当M只蚂蚁排序完成后，得到M个最佳满意值Sat＝[Sat(1)，Sat(2)，…，Sat(m)，…，Sat(M)]。

在得到的M个最佳满意值选出最优的最佳满意值Sat_best，Sat_best计算公式为：

Sat_best＝max(Sat) (11)

每一次迭代，都会选出最优的最佳满意值，最优的最佳满意值对应的排序也是最佳的，最优的最佳满意值对应的电动汽车与共享车位的匹配结果也是最佳的。

步骤211、基于最优的最佳满意值更新信息素浓度。

需要说明的是，由于每只蚂蚁利用轮盘赌的方法，在具有不同状态转移概率的电动汽车中选择下一辆电动汽车，获得最终的排序，而排序会影响微电网的满意度和电动汽车车主的满意度。微电网在得到的M个最佳满意值选出最优的最佳满意值Sat_best，基于最优的最佳满意值Sat_best进行信息素浓度更新，以便于下一次迭代中的蚂蚁能够快速找到最佳排序，信息素浓度更新公式为：

其中，Q为信息素浓度常数，

为第m只蚂蚁在车辆i与车辆j匹配后释放信息素浓度而增加的信息素浓度，即信息素浓度增量，Δτ_ij为所有蚂蚁在车辆i与车辆j匹配后释放信息素浓度而增加的信息素浓度，即信息素浓度总增量，ρ表示信息素浓度挥发程度，τ_ij(m+1)为更新后的信息素浓度。

在蚂蚁运动过程中，蚂蚁在路径留下的信息素浓度是会被挥发的，则挥发后留下的信息素浓度会降低。每只蚂蚁基于最优的最佳满意值得到对应的最优排序路径，将会利用蚁周系统模型来计算蚂蚁路径的信息素浓度增量，信息素浓度更新值是被挥发后的信息素浓度及信息素浓度增量所影响的，基于信息素浓度增量和挥发后留下的信息素浓度来更新信息素浓度，以便于下一次迭代时的蚂蚁更快找到最佳排序，以便得到最佳匹配结果。

步骤212、重复步骤201-211，当蚁群算法达到收敛条件时，输出最优的最佳满意值。

需要说明的是，判断蚁群算法是否达到收敛条件，可以通过判断当前迭代次数是否达到预设的最大迭代次数，若达到最大迭代次数，则蚁群算法达到收敛条件，输出最后一次迭代的最优的最佳满意值；也可以通过最优的最佳满意值来判断蚁群算法是否达到收敛条件，若最优的最佳满意值的大小不再改变，则蚁群算法达到收敛条件，输出该最优的最佳满意值。

步骤213、基于最优的最佳满意值对应的电动汽车和共享车位匹配结果对电动汽车和共享车位进行匹配。

需要说明的是，最优的最佳满意值对应的电动汽车和共享车位的匹配结果也是最佳的，基于输出的最优的最佳满意值得到与之对应的电动汽车和共享车位的最佳匹配结果，微电网根据该最佳匹配结果对电动汽车和共享车位进行匹配。

以上为对本申请实施例提供的一种电动汽车与共享车位匹配方法的另一个实施例的详细描述，本申请实施例还提供了一种电动汽车与共享车位匹配方法的应用例，本应用例是针对实施例二的应用说明，以下将结合一具体的应用例验证本申请实施例得到满意度为最佳。本应用例采用20个共享车位，52辆电动汽车进行匹配，权重系数w₁取值为80，权重系数w₂取值为20，本例子中对比了先到先得的撮合机制、价高者得的撮合机制和本申请实施例二中的基于改进蚁群算法的匹配方法的最终匹配结果，其结果如表1所示，改进蚁群算法的收敛曲线如图4所示。

从表1可知，采用先到先得的撮合机制对52辆电动汽车和20个共享车位进行匹配，最终匹配成功的电动汽车有32辆，采用价高者先的撮合机制对52辆电动汽车和20个共享车位进行匹配，最终匹配成功的电动汽车有28辆，基于改进蚁群算法对52辆电动汽车和20个共享车位进行匹配，最终匹配成功的电动汽车有31辆，采用先到先得的撮合机制对52辆电动汽车和20个共享车位进行匹配，最终获得的满意值为7.6，采用价高者先的撮合机制对52辆电动汽车和20个共享车位进行匹配，最终获得的满意值为8.4，基于改进蚁群算法对52辆电动汽车和20个共享车位进行匹配，最终获得的满意值为11.0，由此可见，本申请实施例中的基于改进蚁群算法对电动汽车和共享车位进行匹配，获得的满意值为最高；并且基于改进蚁群算法对电动汽车和共享车位进行匹配，微电网的总收益最高。

从图4可知，当迭代次数达到20次以后，满意值的大小不再改变，说明改进后的蚁群算法已经收敛。

表1各匹配方法的对比

以上为对本申请实施例提供的一种电动汽车与共享车位匹配方法的应用例的应用说明，以下将对本申请实施例提供的一种电动汽车与共享车位匹配装置的一个实施例进行详细的描述。

为了便于理解，请参阅图3，本申请提供的一种电动汽车与共享车位匹配装置的一个实施例，包括：

第一匹配模块301，用于基于蚁群算法和得到的电动汽车需求信息与共享车位信息对待匹配共享车位的电动汽车进行排序。

电动汽车需求信息包括电动汽车进入共享车位的时间、电动汽车离开共享车位的时间和停车费；共享车位信息包括共享车位闲置时间和车位租赁费。

第一满意值计算模块302，用于对排序后的电动汽车计算满意度，得到第一满意值。

重组匹配模块303，用于对排序后的电动汽车进行重组排序。

第二满意值计算模块304，用于对每次重组排序后的电动汽车计算满意度，得到第二满意值。

第一比较模块305，用于比较第一满意值和第二满意值，得到最佳满意值。

第二比较模块306，用于触发第一匹配模块301，当所有蚂蚁排序完成后，在得到的所有最佳满意值选出最优的最佳满意值。

更新模块307，用于基于最优的最佳满意值更新信息素浓度。

收敛模块308，用于触发第一匹配模块301、第一满意值计算模块302、重组匹配模块303、第二满意值计算模块304、第一比较模块305、第二比较模块306和更新模块307，当蚁群算法达到收敛条件时，输出最优的最佳满意值。

第二匹配模块309，用于基于最优的最佳满意值对应的电动汽车和共享车位匹配结果对电动汽车和共享车位进行匹配。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以通过一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (3)

1.一种电动汽车与共享车位匹配方法，其特征在于，包括以下步骤：

A1、基于蚁群算法和得到的电动汽车需求信息与共享车位信息对待匹配共享车位的电动汽车进行排序；

所述电动汽车需求信息包括所述电动汽车进入所述共享车位的时间、所述电动汽车离开所述共享车位的时间和停车费；

所述共享车位信息包括共享车位闲置时间和车位租赁费；

A2、对所述排序后的电动汽车计算满意度，得到第一满意值；

A3、对所述排序后的电动汽车进行重组排序；

A4、对每次重组排序后的电动汽车计算满意度，得到第二满意值；

A5、比较所述第一满意值和所述第二满意值，得到最佳满意值；

A6、返回步骤A1，当所有蚂蚁排序完成后，在得到的所有最佳满意值选出最优的最佳满意值；

A7、基于所述最优的最佳满意值更新信息素浓度；

A8、重复步骤A1-A7，当所述蚁群算法达到收敛条件时，输出最优的最佳满意值；

A9、基于所述最优的最佳满意值对应的电动汽车和共享车位匹配结果对所述电动汽车和所述共享车位进行匹配；

步骤A1具体包括：

基于蚁群算法的状态转移概率和得到的电动汽车需求信息与共享车位信息对所述待匹配共享车位的电动汽车进行排序，所述状态转移概率公式为：

其中，

其中，

为状态转移概率，η_ij(m)为启发函数，m∈[1,2,…,M]，γ₁、γ₂为匹配合适度权重，s_kl＝1为第t个小时，第k辆电动汽车在第l个共享车位进行充电，s_kl＝0为第t个小时，第k辆电动汽车在第l个共享车位未进行充电，Time_arrive,j为第j辆电动汽车进入共享车位的时间，Time_left,i为第i辆电动汽车离开共享车位的时间，fee_i(m)、fee_j(m)分别为第m只蚂蚁获得第i、j个电动汽车的车位租赁费，i、j、l和k均为大于0的整数；

步骤A2具体包括：

基于所述排序后的电动汽车进入所述共享车位的时间、离开所述共享车位的时间和停车费与所述共享车位的闲置时间和车位租赁费进行第一次匹配，得到第一次匹配成功的电动汽车；

基于所述第一次匹配成功的电动汽车计算微电网的第一收益值；

基于所述第一收益值计算第m只蚂蚁获得的所述微电网的第一满意度；

计算所述第m只蚂蚁获得的电动汽车车主的第一满意度；

基于所述微电网的第一满意度和所述电动汽车车主的第一满意度计算满意度，得到第一满意值S₁，所述S₁计算公式为：

S₁＝w₁·sat_MG(m)+w₂·sat_COs(m)

其中，sat_MG(m)为微电网的第一满意度，sat_COs(m)为电动汽车车主的第一满意度，w₁为微电网的第一满意度的权重系数，w₂为电动汽车车主的第一满意度的权重系数；

步骤A3具体包括：

交换部分所述排序后电动汽车的顺序；

对所述交换后的电动汽车的排序进行前后交换，得到前后交换后的电动汽车排序；

步骤A4具体包括：

基于所述前后交换后的电动汽车进入所述共享车位的时间、离开所述共享车位的时间和停车费与所述共享车位的闲置时间和车位租赁费进行第二次匹配，得到第二次匹配成功的电动汽车；

基于所述第二次匹配成功的电动汽车计算所述微电网的第二收益值；

基于所述第二收益值计算所述第m只蚂蚁获得的所述微电网的第二满意度；

计算所述第m只蚂蚁获得的电动汽车车主的第二满意度；

基于所述微电网的第二满意度和所述电动汽车车主的第二满意度计算满意度，得到第二满意值S₂；

步骤A5具体包括：

比较所述第一满意值S₁和所述第二满意值S₂，得到最佳满意值，所述最佳满意值计算公式为：

其中，Sat(m)为第m只蚂蚁得到的最佳满意值；

步骤A6具体包括：

返回步骤A1，当M只蚂蚁排序完成后，得到M个最佳满意值Sat＝[Sat(1)，Sat(2)，…，Sat(m)，…，Sat(M)]；

在得到的所述M个最佳满意值选出最优的最佳满意值Sat_best，所述Sat_best计算公式为：

Sat_best＝max(Sat)；

步骤A7具体包括：

基于所述最优的最佳满意值Sat_best更新信息素浓度，所述更新信息素浓度公式为：

其中，Q为信息素浓度常数，

为第m只蚂蚁在车辆i与车辆j匹配后释放信息素浓度而增加的信息素浓度，Δτ_ij为所有蚂蚁在车辆i与车辆j匹配后释放信息素浓度而增加的信息素浓度，ρ表示信息素浓度挥发程度，τ_ij(m+1)为更新后的信息素浓度。

2.根据权利要求1所述的电动汽车与共享车位匹配方法，其特征在于，步骤A8具体包括：

重复步骤A1-A7，当重复次数大于预先设置的迭代次数时或当最优的最佳满意值的大小不再改变时，输出最优的最佳满意值。

3.一种电动汽车与共享车位匹配装置，其特征在于，应用于权利要求1或2所述的电动汽车与共享车位匹配方法，所述装置包括：

第一匹配模块，用于基于蚁群算法和得到的电动汽车需求信息与共享车位信息对待匹配共享车位的电动汽车进行排序；

所述电动汽车需求信息包括所述电动汽车进入所述共享车位的时间、所述电动汽车离开所述共享车位的时间和停车费；

所述共享车位信息包括共享车位闲置时间和车位租赁费；

第一满意值计算模块，用于对所述排序后的电动汽车计算满意度，得到第一满意值；

重组匹配模块，用于对所述排序后的电动汽车进行重组排序；

第二满意值计算模块，用于对每次重组排序后的电动汽车计算满意度，得到第二满意值；

第一比较模块，用于比较所述第一满意值和所述第二满意值，得到最佳满意值；

第二比较模块，用于触发第一满意值计算模块，当所有蚂蚁排序完成后，在得到的所有最佳满意值选出最优的最佳满意值；

更新模块，用于基于所述最优的最佳满意值更新信息素浓度；

收敛模块，用于触发第一匹配模块、第一满意值计算模块、重组匹配模块、第二满意值计算模块、第一比较模块、第二比较模块和更新模块，当所述蚁群算法达到收敛条件时，输出最优的最佳满意值；

第二匹配模块，用于基于所述最优的最佳满意值对应的电动汽车和共享车位匹配结果对所述电动汽车和所述共享车位进行匹配。

Images