CN112686441B - 基于交通均衡的电动汽车充电导航及路径选择方法 - Google Patents

基于交通均衡的电动汽车充电导航及路径选择方法 Download PDF

Info

Publication number
CN112686441B
CN112686441B CN202011582995.9A CN202011582995A CN112686441B CN 112686441 B CN112686441 B CN 112686441B CN 202011582995 A CN202011582995 A CN 202011582995A CN 112686441 B CN112686441 B CN 112686441B
Authority
CN
China
Prior art keywords
traffic
road
path
charging
time
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
CN202011582995.9A
Other languages
English (en)
Other versions
CN112686441A (zh
Inventor
钟嘉庆
杨妮
张晓辉
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.)
Yanshan University
Original Assignee
Yanshan University
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 Yanshan University filed Critical Yanshan University
Priority to CN202011582995.9A priority Critical patent/CN112686441B/zh
Publication of CN112686441A publication Critical patent/CN112686441A/zh
Application granted granted Critical
Publication of CN112686441B publication Critical patent/CN112686441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Navigation (AREA)

Abstract

本发明提供一种基于交通均衡的电动汽车充电导航及路径选择方法,具体步骤为:将交通路网中的交叉路口和路段抽象成图论中的点和线,建立交通路网的数学模型;将交通路网中所有路段阻抗积分的和作为交通均衡数学模型的目标函数,将交通道路网中与路段流量和路径流量相关的因素作为约束条件,建立交通均衡的数学模型;将车辆的最小出行路阻作为路径选择的目标函数,将电动汽车的荷电量约束和充电量约束作为路径选择的约束条件,建立路径选择的数学模型;应用迪克斯特拉算法求解最优路径,通过分支定价算法构建可用路径集,交通均衡问题和路径选择问题相互迭代求解出最优路径。本发明在保证个体路径选择最优的同时,提高了整个系统中车辆的出行效率。

Description

基于交通均衡的电动汽车充电导航及路径选择方法
技术领域
本发明涉及电动汽车路径优化领域,特别涉及一种基于交通均衡的电动汽车充电导航及路径选择方法。
背景技术
化石燃料的过度开采已经带来了一系列的环境问题,继而会引起一些政治、经济问题。减少汽油的使用量已引起许多国家的广泛关注。由于电动汽车对环境的影响小,人们普遍认为电动汽车是一种很有前途的城市交通工具。电动汽车的普及已成为缓解环境污染、实现可持续发展的有效途径。
电动汽车的有效充电导航可以促进电动汽车使用量的增长,所以关于电动汽车充电导航及路径选择策略的研究具有非凡的意义。在交通网络中,用户从出发点到目的地常常有多种路径选择。现有研究通常采用最短路径算法进行路径规划,此方法以行驶路径阻抗最小为目标,只考虑单一用户的最优选择,相同起讫点的电动汽车用户面临相同的最优路径,忽略了电动汽车用户决策间的相互影响,也忽略了交通网的拥堵特性。
车辆总倾向于选择最优的路径,因为道路通行时间与车流量相关,若都选择同一条路径,随着车流量的增加出行阻抗随之增大,该条路径因此不再是最优路径。这种拥堵效应的存在使得不同车辆在路径选择和充电决策中存在交互影响。车辆间交互影响,最终达到均衡状态(User Equilibrium,UE),即每个用户的通行时间都不能通过调整自身的路径选择而减少。当交通网络达到均衡时,每个O-D对间的各条被使用的路径具有相同且最小的通行时间,而未被选择路径的通行时间大于上述最小时间。考虑到车辆决策间的相互影响,本发明基于交通均衡的原则研究电动汽车的路径优化。
发明内容
针对现有技术存在的问题,本发明提供一种基于交通均衡的电动汽车充电导航及路径选择方法v,主要基于交通均衡的原则,通过考虑多车辆决策之间的相互影响,在保证个体路径选择最优的同时,提高了整个系统中车辆的出行效率。
本发明提供了一种基于交通均衡的电动汽车充电导航及路径选择方法,具体实施步骤如下:
S1、将交通路网中的交叉路口和路段抽象成图论中的点和线,用来表示交通路网中若干交叉路口和路段之间的关系,来建立交通路网的数学模型,具体的数学表达式为:
Figure BDA0002865596740000021
其中,
Figure BDA0002865596740000022
式中:GT为交通路网;N为GT中所有节点的集合,包括交叉路口、车辆的起讫点;A为GT中两节点之间路段的集合,即交通路网中路段的集合;aij为某一路段;W为路段权值的集合,即路段路阻,表示路段的量化属性,wij=∞表示在交通网中ni与nj之间不存在连接路段;
S2、建立包含电动汽车和燃油汽车的混合交通均衡数学模型:
S21、将交通路网中所有路段阻抗积分的和作为混合交通均衡数学模型的目标函数,将交通道路网中与路段流量和路径流量相关的因素作为约束条件;
S22、根据交通道路网中,特定路段上的行程时间取决于路段上的交通流,在充电站花费的时间取决于等待时间和充电时间,分别进行以下建模:
S221、通过路段上行驶时间taR与车流量xaR的函数来建立车辆在常规路段的数学模型,具体函数表达式为:
Figure BDA0002865596740000023
其中,
Figure BDA0002865596740000024
是路段交通流量为零时的自由通行时间,即路段长度除以最大限制速度得到的时间;xaR为路段交通流;caR称为路段容量,caR
Figure BDA0002865596740000025
时的交通流;
S222、通过决定充电时间的影响因素,充电量和充电站的额定功率,建立电动车辆在充电站充电时间的数学模型表达式为:
Figure BDA0002865596740000031
其中,
Figure BDA0002865596740000032
为充电时间,Fs为车辆在充电站s的充电量,Ps为车辆在充电站s的充电功率;
S223、通过决定在充电站停留时间的影响因素,充电时间和等待时间,建立电动车辆在充电站停留时间的数学模型的表达式为:
Figure BDA0002865596740000033
其中,充电时间
Figure BDA0002865596740000034
是一个常数,取决于充电量和充电站的额定功率;xaC为充电站道路上的交通流;caC为充电站的容量,参数J控制函数taC(xaC)的陡缓;
S23、根据步骤S22,当电动车辆在每个充电站的充电时间相同时,假设车辆的单位时间和费用的转化系数为α,则电动汽车和燃油车在交通路网中的交通均衡TE模型的表达式为:
Figure BDA0002865596740000035
其中,A表示道路路段的集合,aR表示某条路段,xaR为路段aR上的交通流;taR为路段上的通行时间;
S24、当交通路网交通均衡时,用
Figure BDA0002865596740000036
分别表示交通起止点O-D对(r,s)间燃油车GV和电动汽车EV最小的出行路阻,
Figure BDA0002865596740000037
分别表示O-D对(r,s)间燃油车GV和电动汽车EV在路段k的出行路阻,则交通道路网交通均衡时的条件表达式为:
Figure BDA0002865596740000038
Figure BDA0002865596740000039
Figure BDA00028655967400000310
Figure BDA00028655967400000311
其中,r、s、k分别为OD对的起点、终点以及之间的一条路径;
Figure BDA00028655967400000312
分别表示燃油车GV、电动汽车EV在OD对(r,s)之间选择路径k的交通流;
Figure BDA0002865596740000041
分别为OD对(r,s)之间燃油车GV、电动汽车EV的可用路径集;
S3、将车辆的最小出行路阻作为路径选择数学模型的目标函数,将电动汽车的荷电量约束和充电量约束作为路径选择数学模型的约束条件,则路径选择数学模型的具体表达式为;
Figure BDA0002865596740000042
其中,α为单位时间和费用的转化系数,taR(xaR)表示在路段aR上的通行时间,taC(xaC)为在充电站停留的时间;θs为充电电价,Fs为充电电量;
S4、基于上述步骤S1至S3建立的交通均衡的电动汽车充电导航及路径选择模型,具体求解方法的实施步骤为:
S41、设置交通路网的初始交通流为零,对每个O-D以求解最优路段为目标,获得初始路径集
Figure BDA0002865596740000043
Figure BDA0002865596740000044
以及每条路径的出行路阻;
S42、在步骤S41获得的路径集
Figure BDA0002865596740000045
Figure BDA0002865596740000046
下,求解该交通路网的交通均衡问题,获得路段的交通流量,从而获得每个路段的行驶路阻;
S43、在步骤S42获得的交通流量下,求解在该交通路网中的最优路径问题,设燃油汽车和电动汽车的最优路径分别为kg和ke,若路径kg和ke的出行路阻小于步骤S41所得的出行路阻,则将路径kg和ke加入到步骤S42中的路径集
Figure BDA0002865596740000047
Figure BDA0002865596740000048
中;
S44、重复步骤S43,直到新获得的最优路径kg和ke的更新后的出行路阻不再小于上一个出行路阻,则终止迭代;否则返回步骤S42;步骤S42和步骤S43交替迭代确定用户的最终行驶路径,从而保证个体路径选择最优的同时,提高了整个交通路网中车辆的出行效率。
可优选的是,在步骤S21中,所述的约束条件,其包括O-D对间各条路径上的流量之和是否等于该O-D对的出行需求、路段流量的非负性约束和路段流量与路径流量间的关系约束。
可优选的是,在步骤S23中的交通路网的交通均衡模型的表达式为交通网中所有路段阻抗积分和的形式;
路段流量与路径流量的关系约束表达式为:
Figure BDA0002865596740000049
其中,r、s、k分别为O-D对的起点、终点以及之间的一条路径;
Figure BDA00028655967400000410
分别表示燃油车GV、电动汽车EV在O-D对(r,s)之间选择路径k的交通流;
Figure BDA0002865596740000051
为0-1变量,路径k通过路段a时,
Figure BDA0002865596740000052
否则
Figure BDA0002865596740000053
路段流量的非负性约束表达式为:
Figure BDA0002865596740000054
Figure BDA0002865596740000055
其中,
Figure BDA0002865596740000056
分别为O-D对(r,s)之间燃油车GV、电动汽车EV的可用路径集;
Figure BDA0002865596740000057
分别为O-D对(r,s)之间燃油车GV、电动汽车EV的出行需求。
可优选的是,在步骤S222中充电站路段的数学模型中,当充电路段上的流量小于充电站容量时,充电等待时间为零;当充电路段上的流量大于充电站容量时,充电等待时间用基于排队论发展起来的戴维森函数来表示。
可优选的是,在步骤S3中,所述电动汽车的出行路阻,其包括行驶时间、等待时间、充电时间和充电花费,所述燃油汽车的出行路阻,其包括行驶时间。
可优选的是,在步骤S3路径选择数学模型的表达式中,表达式的第一项将车辆在路段上的行驶时间转换为对应的行驶路阻,第二项将电动汽车在充电站的等待时间和充电时间转换为对应的行驶路阻,第三项为电动汽车的充电阻抗;
电动汽车在充电站路段上充电量约束的表达式为:
0≤Fs≤EB
其中,EB为电池容量;
电动汽车在经过相邻两节点时必须满足的电量关系的表达式为:
Figure BDA0002865596740000058
其中,Sni为电动汽车在节点ni处的荷电量;lij为节点ni、nj间的距离;E100为电动汽车平均百公里能耗量;
电动汽车到达充电站的距离必须满足电动汽车的可达里程的关系式为:
Figure BDA0002865596740000059
其中,Bt(ni)为在节点ni处的剩余电量;lic表示该节点到充电站的距离;E100为电动汽车平均百公里能耗量。
本发明与现有技术相比,具有如下优点:
路径选择过程中,考虑多车辆决策之间的相互影响,在保证个体路径选择最优的同时,提高了整个系统中车辆的出行效率。
附图说明
图1为本发明基于交通均衡的电动汽车充电导航及路径选择方法的研究过程图;
图2为本发明基于交通均衡的电动汽车充电导航及路径选择方法中的交通路网拓扑示意图;
图3为本发明基于交通均衡的电动汽车充电导航及路径选择方法的流程图。
具体实施方式
为详尽本发明之技术内容、所达成目的及功效,以下将结合说明书附图进行详细说明。
基于交通均衡的电动汽车充电导航及路径选择方法,具体实施步骤如下:
S1、基于数学上图论的思想,将交通路网中的交叉路口和路段抽象成图论中的点和线,用来表示交通路网中若干交叉路口和路段之间的关系,来建立交通路网的数学模型,具体的数学表达式为:
Figure BDA0002865596740000061
其中,
Figure BDA0002865596740000062
式中:GT为交通路网;N为GT中所有节点的集合,包括交叉路口、车辆的起讫点;A为GT中两节点之间路段的集合,即交通路网中路段的集合;aij为某一路段;W为路段权值的集合,即路段路阻,表示路段的量化属性,wij=∞表示在交通网中ni与nj之间不存在连接路段。
S2、建立包含电动汽车和燃油汽车的混合交通均衡数学模型,当混合交通均衡数学模型到达均衡状态时,各车辆在可用路径集合上被合理分配:
S21、将交通路网中所有路段阻抗积分的和作为混合交通均衡数学模型的目标函数,将交通道路网中与路段流量和路径流量相关的因素作为约束条件。
S22、在交通道路网中,拥挤效应会动态地改变O-D对之间的最快路径,特定路段上的行程时间取决于路段上的交通流,在充电站花费的时间取决于等待时间和充电时间,分别进行以下建模:
S221、通过路段上行驶时间taR与车流量xaR的函数来建立常规路段的数学模型,具体函数表达式为:
Figure BDA0002865596740000071
其中,
Figure BDA0002865596740000072
是路段交通流量为零时的自由通行时间,即路段长度除以最大限制速度得到的时间;xaR为路段交通流;caR称为路段容量,caR
Figure BDA0002865596740000073
时的交通流,路段中交通流量越大,通行时间越长。
S222、通过决定充电时间的影响因素,充电量和充电站的额定功率,建立在充电站充电时间的数学模型表达式为:
Figure BDA0002865596740000074
其中,
Figure BDA0002865596740000075
为充电时间,Fs为车辆在充电站s的充电量,Ps为车辆在充电站s的充电功率;
S223、通过决定在充电站停留时间的影响因素,充电时间和等待时间,建立在充电站停留时间的数学模型的表达式为:
Figure BDA0002865596740000076
其中,充电时间
Figure BDA0002865596740000077
是一个常数,取决于充电量和充电站的额定功率;xaC为充电站道路上的交通流;caC为充电站的容量,参数J控制函数taC(xaC)的陡缓。
S23、根据步骤S22,当电动车辆在每个充电站的充电时间相同时,假设车辆的单位时间和费用的转化系数为α,则电动汽车和燃油车在交通路网中的交通均衡TE模型的表达式为:
Figure BDA0002865596740000081
其中,A表示道路路段的集合,aR表示某条路段,xaR为路段aR上的交通流;taR为路段上的通行时间;
交通均衡时,各车辆都不能通过使用另一条路径来降低自身的出行费用,OD对之间的所有路径上的GVs(EVs)的出行费用相等且不大于任何未使用路径上的出行费用,各路径上的出行费用相等时,出现一个稳定状态,达到交通均衡。
S24、当交通路网交通均衡时,用
Figure BDA0002865596740000082
分别表示交通起止点O-D对(r,s)间燃油车GV和电动汽车EV最小的出行路阻,
Figure BDA0002865596740000083
分别表示O-D对(r,s)间燃油车GV和电动汽车EV在路段k的出行路阻,则交通道路网交通均衡时的条件表达式为:
Figure BDA0002865596740000084
Figure BDA0002865596740000085
Figure BDA0002865596740000086
Figure BDA0002865596740000087
其中,r、s、k分别为OD对的起点、终点以及之间的一条路径;
Figure BDA0002865596740000088
分别表示燃油车GV、电动汽车EV在OD对(r,s)之间选择路径k的交通流;
Figure BDA0002865596740000089
分别为OD对(r,s)之间燃油车GV、电动汽车EV的可用路径集。
也就是说,当交通路网交通达到均衡时,每个OD对间的各条被使用的(有流量的)路径具有相同且最小的通行时间;而未被选择路径的通行时间大于上述最小时间。
根据KKT(Karush-Kuhn-Tucker)条件,上述模型最优解的必要条件就是交通均衡条件;由于目标函数是严格凸函数,均衡条件也是充分条件,二者是相互等价的。上述问题为非线性凸规划问题。
S3、建立交通道路网中路径选择的数学模型:将车辆的最小出行路阻作为路径选择数学模型的目标函数,将电动汽车的荷电量约束和充电量约束作为路径选择数学模型的约束条件,则路径选择数学模型的具体表达式为;
Figure BDA00028655967400000810
其中,α为单位时间和费用的转化系数,taR(xaR)表示在路段aR上的通行时间,taC(xaC)为在充电站停留的时间;θs为充电电价,Fs为充电电量。
S4、基于上述步骤S1至S3建立的交通均衡的电动汽车充电导航及路径选择模型,具体求解方法的实施步骤为:
S41、设置交通路网的初始交通流为零,对每个O-D以求解最优路段为目标,获得初始路径集
Figure BDA0002865596740000091
Figure BDA0002865596740000092
以及每条路径的出行路阻;
S42、在步骤S41获得的路径集
Figure BDA0002865596740000093
Figure BDA0002865596740000094
下,求解该交通路网的交通均衡问题,获得路段的交通流量,从而获得每个路段的行驶路阻;
S43、在步骤S42获得的交通流量下,求解在该交通路网中的最优路径问题,设燃油汽车和电动汽车的最优路径分别为kg和ke,若路径kg和ke的出行路阻小于步骤S41所得的出行路阻,则将路径kg和ke加入到步骤S42中的路径集
Figure BDA0002865596740000095
Figure BDA0002865596740000096
中;
S44、重复步骤S43,直到新获得的最优路径kg和ke的更新后的出行路阻不再小于上一个出行路阻,则终止迭代;否则返回步骤S42;步骤S42和步骤S43交替迭代确定用户的最终行驶路径,从而保证个体路径选择最优的同时,提高了整个交通路网中车辆的出行效率。
具体而言,步骤S4中,将交通均衡问题(UE)表述为非线性互补问题,可通过调用NLP求解器直接求解;应用迪克斯特拉(Dijkstra)算法求解最优路径问题,通过分支定价算法构建可用路径集,交通均衡问题和路径选择问题相互迭代求解出最优路径。
在步骤S21中的约束条件,其包括O-D对间各条路径上的流量之和是否等于该O-D对的出行需求、路段流量的非负性约束和路段流量与路径流量间的关系约束。
在步骤S23中的交通路网的交通均衡模型的表达式为交通网中所有路段阻抗积分和的形式,第一项为车辆在常规路段上的行驶影响因素,第二项为车辆在充电站路段上的行驶影响因素,其包括时间因素和充电因素;
路段流量与路径流量的关系约束表达式为:
Figure BDA0002865596740000097
其中,r、s、k分别为O-D对的起点、终点以及之间的一条路径;
Figure BDA0002865596740000098
分别表示燃油车GV、电动汽车EV在O-D对(r,s)之间选择路径k的交通流;
Figure BDA0002865596740000101
为0-1变量,路径k通过路段a时,
Figure BDA0002865596740000102
否则
Figure BDA0002865596740000103
路段流量的非负性约束表达式为:
Figure BDA0002865596740000104
Figure BDA0002865596740000105
其中,
Figure BDA0002865596740000106
分别为O-D对(r,s)之间燃油车GV、电动汽车EV的可用路径集;
Figure BDA0002865596740000107
分别为O-D对(r,s)之间燃油车GV、电动汽车EV的出行需求。
在步骤S222中充电站路段的数学模型中,当充电路段上的流量小于充电站容量时,充电等待时间为零;当充电路段上的流量大于充电站容量时,充电等待时间用基于排队论发展起来的戴维森函数来表示。
在步骤S3中,电动汽车的出行路阻,其包括行驶时间、等待时间、充电时间和充电花费,燃油汽车的出行路阻,其包括行驶时间。
在步骤S3路径选择数学模型的表达式中,表达式的第一项将车辆在路段上的行驶时间转换为对应的行驶路阻,第二项将电动汽车在充电站的等待时间和充电时间转换为对应的行驶路阻,第三项为电动汽车的充电阻抗;
电动汽车在充电站路段上充电量约束的表达式为:
0≤Fs≤EB
其中,EB为电池容量;
电动汽车在经过相邻两节点时必须满足的电量关系的表达式为:
Figure BDA0002865596740000108
其中,Sni为电动汽车在节点ni处的荷电量;lij为节点ni、nj间的距离;E100为电动汽车平均百公里能耗量;
电动汽车到达充电站的距离必须满足电动汽车的可达里程的关系式为:
Figure BDA0002865596740000109
其中,Bt(ni)为在节点ni处的剩余电量;lic表示该节点到充电站的距离;E100为电动汽车平均百公里能耗量。
以下结合实施例对本发明一种基于交通均衡的电动汽车充电导航及路径选择方法做进一步描述:
S1、基于数学上图论的思想,将交通路网中的交叉路口和路段抽象成图论中的点和线,用来表示交通路网中若干交叉路口和路段之间的关系,如图1所示,采用图论分析方法来建立交通路网的数学模型,具体的数学表达式为:
Figure BDA0002865596740000111
其中,
Figure BDA0002865596740000112
式中:GT为交通路网;N为GT中所有节点的集合,包括交叉路口、车辆的起讫点;A为GT中两节点之间路段的集合,即交通路网中路段的集合;aij为某一路段;W为路段权值的集合,即路段路阻,表示路段的量化属性,wij=∞表示在交通网中ni与nj之间不存在连接路段。
将交通路网中的充电站(CS)用两节点双链路的模型表示,入口处节点为I,出口处节点为E,充电路线为I—CS—E、不充电路线为旁路路段I—E,I—E的行程时间为零。这样,具有充电站的交通网可以一致地描述为只有节点和路段的传统图形。为了模拟不同电动汽车电池容量和SOC以及不同额定功率的充电器引起的不同充电需求,通过使用多个充电线路进行扩展。每一条充电线路服务于一组聚合的电动汽车,这些电动汽车充电功率相同。
S2、建立包含电动汽车和燃油汽车的混合交通均衡数学模型,当混合交通均衡数学模型到达均衡状态时,各车辆在可用路径集合上被合理分配:
S21、将交通路网中所有路段阻抗积分的和作为混合交通均衡数学模型的目标函数,将O-D对间各条路径上的流量之和是否等于该O-D对的出行需求、路段流量的非负性约束和路段流量与路径流量间的关系约束作为约束条件。
S22、在交通道路网中,拥挤效应会动态地改变O-D对之间的最快路径,特定路段上的行程时间取决于路段上的交通流,在充电站花费的时间取决于等待时间和充电时间,分别进行以下建模:
S221、通过路段上行驶时间taR与车流量xaR的函数来建立车辆在常规路段的数学模型,具体函数表达式为:
Figure BDA0002865596740000121
其中,
Figure BDA0002865596740000122
是路段交通流量为零时的自由通行时间,即路段长度除以最大限制速度得到的时间;xaR为路段交通流;caR称为路段容量,caR
Figure BDA0002865596740000123
时的交通流,路段中交通流量越大,通行时间越长。
S222、通过决定充电时间的影响因素,充电量和充电站的额定功率,建立电动车辆在充电站充电时间的数学模型表达式为:
Figure BDA0002865596740000124
其中,
Figure BDA0002865596740000125
为充电时间,Fs为车辆在充电站s的充电量,Ps为车辆在充电站s的充电功率;
S223、通过决定在充电站停留时间的影响因素,充电时间和等待时间,建立电动车辆在充电站停留时间的数学模型的表达式为:
Figure BDA0002865596740000126
其中,充电时间
Figure BDA0002865596740000127
是一个常数,取决于充电量和充电站的额定功率;xaC为充电站道路上的交通流;caC为充电站的容量,参数J控制函数taC(xaC)的陡缓。
S23、根据步骤S22,当电动车辆在每个充电站的充电时间相同时,假设车辆的单位时间和费用的转化系数为α,则电动汽车和燃油车在交通路网中的交通均衡TE模型的表达式为:
Figure BDA0002865596740000128
其中,A表示道路路段的集合,aR表示某条路段,xaR为路段aR上的交通流;taR为路段上的通行时间。
上述表达式为交通系统中所有路段阻抗的积分和,由变分不等式推导而来;
路段流量与路径流量的关系约束表达式为:
Figure BDA0002865596740000129
其中,r、s、k分别为O-D对的起点、终点以及之间的一条路径;
Figure BDA0002865596740000131
分别表示燃油车GV、电动汽车EV在O-D对(r,s)之间选择路径k的交通流;
Figure BDA0002865596740000132
为0-1变量,路径k通过路段a时,
Figure BDA0002865596740000133
否则
Figure BDA0002865596740000134
燃油汽车和电动汽车的出行需求约束表达式为:
Figure BDA0002865596740000135
Figure BDA0002865596740000136
其中,
Figure BDA0002865596740000137
分别为O-D对(r,s)之间燃油车GV、电动汽车EV的可用路径集;
Figure BDA0002865596740000138
分别为O-D对(r,s)之间燃油车GV、电动汽车EV的出行需求。
交通均衡时,各车辆都不能通过使用另一条路径来降低自身的出行费用,OD对之间的所有路径上的GVs(EVs)的出行费用相等且不大于任何未使用路径上的出行费用,各路径上的出行费用相等时,出现一个稳定状态,达到交通均衡。
S24、当交通路网交通均衡时,用
Figure BDA0002865596740000139
分别表示交通起止点O-D对(r,s)间燃油车GV和电动汽车EV最小的出行路阻,
Figure BDA00028655967400001310
分别表示O-D对(r,s)间燃油车GV和电动汽车EV在路段k的出行路阻,则交通道路网交通均衡时的条件表达式为:
Figure BDA00028655967400001311
Figure BDA00028655967400001312
Figure BDA00028655967400001313
Figure BDA00028655967400001314
其中,r、s、k分别为OD对的起点、终点以及之间的一条路径;
Figure BDA00028655967400001315
分别表示燃油车GV、电动汽车EV在OD对(r,s)之间选择路径k的交通流;
Figure BDA00028655967400001316
分别为OD对(r,s)之间燃油车GV、电动汽车EV的可用路径集。
也就是说,当交通路网交通达到均衡时,每个OD对间的各条被使用的(有流量的)路径具有相同且最小的通行时间;而未被选择路径的通行时间大于上述最小时间。
S3、建立交通道路网中路径选择的数学模型:将车辆的最小出行路阻作为路径选择数学模型的目标函数,将电动汽车的荷电量约束和充电量约束作为路径选择数学模型的约束条件,则路径选择数学模型的具体表达式为;
Figure BDA0002865596740000141
其中,α为单位时间和费用的转化系数,taR(xaR)表示在路段aR上的通行时间,taC(xaC)为在充电站停留的时间;θs为充电电价,Fs为充电电量;
电动汽车在充电站路段上充电量约束的表达式为:
0≤Fs≤EB
其中,EB为电池容量;
电动汽车在经过相邻两节点时必须满足的电量关系的表达式为:
Figure BDA0002865596740000142
其中,Sni为电动汽车在节点ni处的荷电量;lij为节点ni、nj间的距离;E100为电动汽车平均百公里能耗量;
电动汽车到达充电站的距离必须满足电动汽车的可达里程的关系式为:
Figure BDA0002865596740000143
其中,Bt(ni)为在节点ni处的剩余电量;lic表示该节点到充电站的距离;E100为电动汽车平均百公里能耗量。
S4、如图3所示,基于交通均衡的电动汽车充电导航及路径选择模型求解方法的具体实施步骤为:
S41、基于上述步骤S1至S3建立的交通均衡的电动汽车充电导航及路径选择模型,具体求解方法的实施步骤为:
S41、设置交通路网的初始交通流为零,对每个O-D以求解最优路段为目标,获得初始路径集
Figure BDA0002865596740000144
Figure BDA0002865596740000145
以及每条路径的出行路阻;
S42、在步骤S41获得的路径集
Figure BDA0002865596740000146
Figure BDA0002865596740000147
下,求解该交通路网的交通均衡问题,获得路段的交通流量,从而获得每个路段的行驶路阻;
S43、在步骤S42获得的交通流量下,求解在该交通路网中的最优路径问题,设燃油汽车和电动汽车的最优路径分别为kg和ke,若路径kg和ke的出行路阻小于步骤S41所得的出行路阻,则将路径kg和ke加入到步骤S42中的路径集
Figure BDA0002865596740000148
Figure BDA0002865596740000149
中;
S44、重复步骤S43,直到新获得的最优路径kg和ke的更新后的出行路阻不再小于上一个出行路阻,则终止迭代;否则返回步骤S42;步骤S42和步骤S43交替迭代确定用户的最终行驶路径,从而保证个体路径选择最优的同时,提高了整个交通路网中车辆的出行效率。
其中,步骤S42为交通流量的分配,即在给定的路段集合下考虑全系统的出行效率最高,其结果体现了路段选择对道路拥堵的影响;步骤S43为路段生成,即用户根据道路路阻情况选择路段的过程;步骤S42和步骤S43交替迭代确定用户的最终行驶路径。
本方法的优化变量为车辆的路径选择,考虑交通网中的流量路径流量约束、O-D对间的出行需求约束以及用户荷电量等约束,交通均衡问题(UE)表述为非线性互补问题,可通过调用NLP求解器直接求解;应用迪克斯特拉(Dijkstra)算法求解最优路径问题,通过分支定价算法构建可用路径集,交通均衡问题和路径选择问题相互迭代求解出最优路径。
以上所述的实施例仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。

Claims (6)

1.一种基于交通均衡的电动汽车充电导航及路径选择方法,其特征在于,具体实施步骤如下:
S1、将交通路网中的交叉路口和路段抽象成图论中的点和线,用来表示交通路网中若干交叉路口和路段之间的关系,来建立交通路网的数学模型,具体的数学表达式为:
Figure FDA0003505237910000011
其中,
Figure FDA0003505237910000012
式中:GT为交通路网;N为GT中所有节点的集合,包括交叉路口、车辆的起讫点;A为GT中两节点之间路段的集合,即交通路网中路段的集合;aij为某一路段;W为路段权值的集合,即路段路阻,表示路段的量化属性,wij=∞表示在交通网中ni与nj之间不存在连接路段;
S2、建立包含电动汽车和燃油汽车的混合交通均衡数学模型:
S21、将交通路网中所有路段阻抗积分的和作为混合交通均衡数学模型的目标函数,将交通道路网中与路段流量和路径流量相关的因素作为约束条件;
S22、根据交通道路网中,特定路段上的行程时间取决于路段上的交通流,以及在充电站花费的时间取决于等待时间和充电时间,分别进行以下数学建模:
S221、通过路段上的行驶时间taR与路段交通流xaR的函数来建立车辆在常规路段的数学模型,具体函数表达式为:
Figure FDA0003505237910000013
其中,
Figure FDA0003505237910000014
是路段交通流量为零时的自由通行时间,即路段长度除以最大限制速度得到的时间;xaR为路段交通流;caR称为路段容量,caR
Figure FDA0003505237910000015
时的交通流;
S222、通过决定充电时间的影响因素,充电量和充电站的额定功率,建立电动车辆在充电站充电时间的数学模型表达式为:
Figure FDA0003505237910000021
其中,
Figure FDA0003505237910000022
为充电时间,Fs为车辆在充电站s的充电量,Ps为车辆在充电站s的充电功率;
S223、通过决定在充电站停留时间的影响因素,充电时间和等待时间,建立电动车辆在充电站停留时间的数学模型的表达式为:
Figure FDA0003505237910000023
其中,充电时间
Figure FDA0003505237910000024
是一个常数,取决于充电量和充电站的额定功率;xaC为充电站道路上的交通流;caC为充电站的容量,参数J控制函数taC(xaC)的陡缓;
S23、根据步骤S22,当电动车辆在每个充电站的充电时间相同时,假设车辆的单位时间和费用的转化系数为α,则电动汽车和燃油车在交通路网中的交通均衡TE模型的表达式为:
Figure FDA0003505237910000025
其中,A表示道路路段的集合,aR表示某条路段,xaR为路段aR上的交通流;taR为路段上的通行时间;
S24、当交通路网交通均衡时,用
Figure FDA0003505237910000026
分别表示交通起止点O-D对(r,s)间燃油车GV和电动汽车EV最小的出行路阻,
Figure FDA0003505237910000027
分别表示O-D对(r,s)间燃油车GV和电动汽车EV在路段k的出行路阻,则交通道路网交通均衡时的条件表达式为:
Figure FDA0003505237910000028
Figure FDA0003505237910000029
Figure FDA00035052379100000210
Figure FDA00035052379100000211
其中,r、s、k分别为O-D对的起点、终点以及之间的一条路径;
Figure FDA00035052379100000212
分别表示燃油车GV、电动汽车EV在O-D对(r,s)之间选择路径k的交通流;
Figure FDA00035052379100000213
分别为O-D对(r,s)之间燃油车GV、电动汽车EV的可用路径集;
S3、将车辆的最小出行路阻作为路径选择数学模型的目标函数,将电动汽车的荷电量约束和充电量约束作为路径选择数学模型的约束条件,则路径选择数学模型的具体表达式为;
Figure FDA0003505237910000031
其中,α为单位时间和费用的转化系数,taR(xaR)表示在路段aR上的通行时间,taC(xaC)为在充电站停留的时间;θs为充电电价,Fs为充电电量;
S4、基于上述步骤S1至S3建立的交通均衡的电动汽车充电导航及路径选择模型,具体求解方法的实施步骤为:
S41、设置交通路网的初始交通流为零,对每个O-D以求解最优路段为目标,获得初始路径集
Figure FDA0003505237910000032
Figure FDA0003505237910000033
以及每条路径的出行路阻;
S42、在步骤S41获得的路径集
Figure FDA0003505237910000034
Figure FDA0003505237910000035
下,求解该交通路网的交通均衡问题,获得路段的交通流量,从而获得每个路段的行驶路阻;
S43、在步骤S42获得的交通流量下,求解在该交通路网中的最优路径问题,设燃油汽车和电动汽车的最优路径分别为kg和ke,若路径kg和ke的出行路阻小于步骤S41所得的出行路阻,则将路径kg和ke加入到步骤S42中的路径集
Figure FDA0003505237910000036
Figure FDA0003505237910000037
中;
S44、重复步骤S43,直到新获得的最优路径kg和ke的更新后的出行路阻不再小于上一个出行路阻,则终止迭代;否则返回步骤S42;步骤S42和步骤S43交替迭代确定用户的最终行驶路径,从而保证个体路径选择最优的同时,提高了整个交通路网中车辆的出行效率。
2.根据权利要求1所述的基于交通均衡的电动汽车充电导航及路径选择方法,其特征在于,在步骤S21中,所述的约束条件,其包括O-D对间各条路径上的流量之和是否等于该O-D对的出行需求、路段流量的非负性约束和路段流量与路径流量间的关系约束。
3.根据权利要求2所述的基于交通均衡的电动汽车充电导航及路径选择方法,其特征在于,在步骤S23中的交通路网的交通均衡模型的表达式为交通网中所有路段阻抗积分和的形式;
路段流量与路径流量的关系约束表达式为:
Figure FDA0003505237910000038
其中,r、s、k分别为O-D对的起点、终点以及之间的一条路径;
Figure FDA0003505237910000039
分别表示燃油车GV、电动汽车EV在O-D对(r,s)之间选择路径k的交通流;
Figure FDA0003505237910000041
为0-1变量,路径k通过路段a时,
Figure FDA0003505237910000042
否则
Figure FDA0003505237910000043
路段流量的非负性约束表达式为:
Figure FDA0003505237910000044
Figure FDA0003505237910000045
其中,
Figure FDA0003505237910000046
分别为O-D对(r,s)之间燃油车GV、电动汽车EV的可用路径集;
Figure FDA0003505237910000047
分别为O-D对(r,s)之间燃油车GV、电动汽车EV的出行需求。
4.根据权利要求1所述的基于交通均衡的电动汽车充电导航及路径选择方法,其特征在于,在步骤S222充电站的数学模型中,当充电路段上的流量小于充电站容量时,充电等待时间为零;当充电路段上的流量大于充电站容量时,充电等待时间用基于排队论发展起来的戴维森函数来表示。
5.根据权利要求1所述的基于交通均衡的电动汽车充电导航及路径选择方法,其特征在于,在步骤S3中,所述电动汽车的出行路阻,其包括行驶时间、等待时间、充电时间和充电花费,所述燃油汽车的出行路阻,其包括行驶时间。
6.根据权利要求1或者5所述的基于交通均衡的电动汽车充电导航及路径选择方法,其特征在于,在步骤S3路径选择数学模型的表达式中,表达式的第一项将车辆在路段上的行驶时间转换为对应的行驶路阻,第二项将电动汽车在充电站的等待时间和充电时间转换为对应的行驶路阻,第三项为电动汽车的充电阻抗;
电动汽车在充电站路段上充电量约束的表达式为:
0≤Fs≤EB
其中,EB为电池容量;
电动汽车在经过相邻两节点时必须满足的电量关系的表达式为:
Figure FDA0003505237910000048
其中,
Figure FDA0003505237910000049
为电动汽车在节点ni处的荷电量;lij为节点ni、nj间的距离;E100为电动汽车平均百公里能耗量;
电动汽车到达充电站的距离必须满足电动汽车的可达里程的关系式为:
Figure FDA0003505237910000051
其中,Bt(ni)为在节点ni处的剩余电量;lic表示该节点到充电站的距离;E100为电动汽车平均百公里能耗量。
CN202011582995.9A 2020-12-28 2020-12-28 基于交通均衡的电动汽车充电导航及路径选择方法 Active CN112686441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011582995.9A CN112686441B (zh) 2020-12-28 2020-12-28 基于交通均衡的电动汽车充电导航及路径选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011582995.9A CN112686441B (zh) 2020-12-28 2020-12-28 基于交通均衡的电动汽车充电导航及路径选择方法

Publications (2)

Publication Number Publication Date
CN112686441A CN112686441A (zh) 2021-04-20
CN112686441B true CN112686441B (zh) 2022-03-25

Family

ID=75454049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011582995.9A Active CN112686441B (zh) 2020-12-28 2020-12-28 基于交通均衡的电动汽车充电导航及路径选择方法

Country Status (1)

Country Link
CN (1) CN112686441B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255135A (zh) * 2021-05-28 2021-08-13 西安交通大学 一种基于交通均衡的电动汽车快速充电负荷模拟方法
CN113326641B (zh) * 2021-08-03 2021-12-14 腾讯科技(深圳)有限公司 路径规划方法、装置、计算机设备及存储介质
CN114936666B (zh) * 2022-03-24 2024-05-10 国网河北省电力有限公司营销服务中心 基于车-站-平台系统的电动汽车充电导航方法及系统
CN117275229B (zh) * 2023-09-25 2024-07-12 广州市城市规划勘测设计研究院有限公司 一种交通路径溯源方法、装置、设备及存储介质
CN117236652A (zh) * 2023-11-13 2023-12-15 国网吉林省电力有限公司经济技术研究院 兼容电动汽车通行和充电的配电网容量评估方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288193A (zh) * 2011-07-06 2011-12-21 东南大学 一种基于历史数据的机动车出行路径的确定方法
CN107798867A (zh) * 2017-10-12 2018-03-13 上海交通大学 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法
CN108681795A (zh) * 2018-05-23 2018-10-19 华南理工大学 城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法
CN108981736A (zh) * 2018-05-28 2018-12-11 国网江苏省电力有限公司电力科学研究院 一种基于用户出行规律的电动汽车充电路径优化方法
CN110458332A (zh) * 2019-07-18 2019-11-15 天津大学 一种基于负荷空间转移的电动汽车快速充电需求调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288193A (zh) * 2011-07-06 2011-12-21 东南大学 一种基于历史数据的机动车出行路径的确定方法
CN107798867A (zh) * 2017-10-12 2018-03-13 上海交通大学 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法
CN108681795A (zh) * 2018-05-23 2018-10-19 华南理工大学 城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法
CN108981736A (zh) * 2018-05-28 2018-12-11 国网江苏省电力有限公司电力科学研究院 一种基于用户出行规律的电动汽车充电路径优化方法
CN110458332A (zh) * 2019-07-18 2019-11-15 天津大学 一种基于负荷空间转移的电动汽车快速充电需求调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
考虑电动物流车充电时空因素的城市配送路径优化研究;侯宇硕;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190415;C034-295 *

Also Published As

Publication number Publication date
CN112686441A (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
CN112686441B (zh) 基于交通均衡的电动汽车充电导航及路径选择方法
Luo et al. Charging scheduling strategy for different electric vehicles with optimization for convenience of drivers, performance of transport system and distribution network
CN110458332B (zh) 一种基于负荷空间转移的电动汽车快速充电需求调度方法
Luo et al. Optimal charging scheduling for large-scale EV (electric vehicle) deployment based on the interaction of the smart-grid and intelligent-transport systems
CN110222907B (zh) 电动汽车充电站规划方法及终端设备
CN113029182B (zh) 一种考虑无线充电和动态能耗的电动汽车路径规划方法
CN106965688A (zh) 一种电网和交通网协同环境下的电动汽车充电方法
CN111267667B (zh) 一种电动汽车高速公路智能充电方法及系统
CN110826841A (zh) 考虑用户充电体验和配电网运行风险的充电站规划方法
CN106042963A (zh) 电气化交通网络和电力系统的协同优化方法与系统
CN110388932A (zh) 一种电动汽车充电导航方法
CN112330025B (zh) 用于城市电动汽车的时空充电负荷的预测方法
CN111609867B (zh) 一种电动汽车路径规划方法
CN113255135A (zh) 一种基于交通均衡的电动汽车快速充电负荷模拟方法
CN111582581B (zh) 考虑随机交通流量偏移的电动汽车换电站鲁棒选址方法
CN110059937A (zh) 一种集成电动汽车全轨迹空间的负荷建模方法
Bang et al. Congestion-aware routing, rebalancing, and charging scheduling for electric autonomous mobility-on-demand system
Wang et al. Optimal charging strategy for intercity travels of battery electric vehicles
CN115204442A (zh) 一种电网-充电运营商协同运行优化方法及系统
CN114896743A (zh) 计及用户决策随机性的能源-交通耦合建模方法及系统
CN114842641A (zh) 面向省域的多模式链式交通分配方法
Li et al. A user-based charge and subsidy scheme for single OD network mobility management
CN117973730A (zh) 一种基于充电需求时空分布预测的充电站规划方法
CN115640974A (zh) 一种公路沿线充电设施布局规划方法
CN117091616A (zh) 一种电动汽车充电导航与调度方法

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
GR01 Patent grant
GR01 Patent grant