CN113029176B - 面向多层级体验的电动汽车最优充电路径规划方法 - Google Patents
面向多层级体验的电动汽车最优充电路径规划方法 Download PDFInfo
- Publication number
- CN113029176B CN113029176B CN202110293654.8A CN202110293654A CN113029176B CN 113029176 B CN113029176 B CN 113029176B CN 202110293654 A CN202110293654 A CN 202110293654A CN 113029176 B CN113029176 B CN 113029176B
- Authority
- CN
- China
- Prior art keywords
- charging
- index
- steps
- path
- following
- 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
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
- G01C21/3407—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
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种面向用户多层级体验度的电动汽车最优充电路径规划方法,依托多网数据融合技术,构建包括距离、时长、费用和拥堵情况的多层级体验度综合指标,调用地图应用程序接口API进行多条路径规划,结合充电桩状态、车桩距离及充电价格等实时信息建立面向用户的多层级体验度指标体系,为车主推荐最优充电站点及导航路径。发明有效解决了寻桩困难、排队等待和充电费用昂贵等实际问题。
Description
技术领域
本发明涉及对电动汽车,尤其是电动汽车充电路径规划的策略方法。
背景技术
随着电动汽车的普及,车主在充电时,常遇到找桩困难、排队时间久和费用高等情况。对此,业界提出了诸多有序充电控制策略,解决大规模车辆的充电调控问题。但是以用户为出发点,提出面向用户体验度的充电路径规划解决方案较为少见。
为用户提供良好体验度的充电路径推荐需要考虑多种因素,包括车辆能耗的准确估计、路径规划多维信息利用以及用户个性化需求的考虑等。随着智能网联汽车的发展,车网路的信息协同处理为多层次体验度指标的获取提供了基础。
但是,已有的技术一般都需要提供准确的车辆、道路和桩站参数,难以大规模推广应用,目前未见考虑全方位用户体验感的充电导航策略。
发明内容
鉴于此,本发明的目的在于提供一种面向用户多层级体验度的电动汽车最优充电路径规划方法,依托多网数据融合技术,提出了涉及距离、时长、费用和拥堵情况的多层级体验度综合指标,调用地图应用程序接口API进行多条路径规划,结合充电桩状态、车桩距离及充电价格等实时信息建立面向用户的多层级体验度指标体系,为车主推荐最优充电站点及导航路径。
为达到上述目的,本发明提供如下技术方案:
一种面向用户多层级体验度的电动汽车最优充电路径规划方法,该方法包含如下步骤:
S1:行驶过程中持续检测车辆是否发出充电需求预警,或车主是否主动提出充电请求,若有充电需求则转入S2。
S2:调用地图API规划行驶路径数条,沿各条初始行驶路径X公里进行可用充电桩搜索,X为系统设置的初始值,无法搜索足够数量充电桩则改变X=X+x,x根据城市基础设施建设水平而定,得到可用充电桩集合。
S3:对S2搜索到的可用充电桩集合进行可达性判断,得到可选充电桩集合,通过第三方接口调取可达桩的静态、实时数据;
S4:以当前位置作为起点,车主目的地为终点,通过分析所述地图API规划行驶路径的基础信息,得到基础距离,基础驾驶时长;
S5:遍历可选充电桩集合中的各桩,作为途径点,以当前位置作为起点,车主目的地为终点,获取多条途径各桩充电的推荐路径,对比各条路径信息与基础信息,计算得到距离指标、拥挤程度指标、时长指标和费用指标;
S6:根据多种推荐方式权重系数列表,权重系统包括:距离指标的权重因子wd、拥挤程度指标的权重因子wr、时长指标的权重因子wt、费用指标的权重因子wf,推荐方案包括:普通方案、省钱优先、快速优先、不堵优先、距离优先预警机个性化推荐方案,计算多种推荐方案下每条路径的多层级体验度指标,推荐指标最小者为最优路径。
S7:记录用户最终选择的推荐方式,并更新用户个性化权重系数。
本发明方法的效果:
本发明所涉及的一种面向用户多层级体验度的电动汽车最优充电路径规划方法,针对电动汽车用户充电困难的问题,融合“车-网-路”多源信息,提出兼顾充电价格、行驶距离、交通拥堵程度等的多层级用户体验度指标体系,建立面向用户体验度的充电策略推荐算法与模型,带来以下有益效果:
1、本发明兼顾了充电价格、行驶距离、交通拥堵程度等指标,能为用户提供更好的充电体验感。
2、本发明设计了个性化推荐方式的自调整方案,为用户提供个性化充电导航需求,并且可以随着用户使用次数增加不断调整个性化权重,持续提高用户体验度。
3、本发明有效解决了寻桩困难、排队等待和充电费用昂贵等实际问题。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1是本发明整体的方法流程图;
图2是高德API获取的推荐路径;
图3是可选充电站筛选流程;
图4是面向用户的多层级体验度指标流程图;
图5是三条候选的充电导航路径,(a)充电路径1;(b)充电路径2;(c)充电路径3。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下实施例结合附图对本发明作具体阐述。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
参见图1,本实施例提供的面向用户多层级体验度的电动汽车最优充电路径规划方法包含如下步骤:
S1:行驶过程中持续检测车辆是否发出充电需求预警,或车主是否主动提出充电请求,若有充电需求则转入S2。
本步骤中,所述充电需求预警指的是电池能量不足以到达车主目的地(即终点)时发出的警告,该警告一般是由车载终端、第三方APP或云平台下发指令等方式提供,同时,车主也可根据个人需求发出充电需求,同样通过以上方式提供。
以下参见图3,进行可选充电站筛选。
S2:调用地图API规划行驶路径数条,沿各条初始行驶路径X公里进行可用充电桩搜索,无法搜索足够数量充电桩则改变X=X+x,得到可用充电桩集合。
该步骤S2具体包括:
S21:在当前地图API推荐路径的沿途X公里范围内进行充电桩搜索。X为系统设置的初始值,可以设为5。
S22:对各个搜索到的充电桩进行信息解析判断其可用性,剔除正在建设、私人桩、专用桩等不可用站点。
S23:若X公里范围内无法搜集到Nmin个充电桩,且Nmin不低于3,则X=X+x,x根据城市基础设施建设水平而定,一般可以设x=1,重复步骤S21。
S3:对步骤S2搜索到的可用充电桩集合进行可达性判断,得到可选充电桩集合,通过第三方接口调取可达桩的静态、实时数据。具体包括:
S31:以当前位置作为起点,遍历S2所得的可用桩,设可用桩为终点,调用地图API获得路径导航。
S32:通过车载终端、第三方APP或云平台等可用途径,询问当前路径和电池系统状态下,该桩是否可到达。
S33:若可达则添加至可用充电桩集合,并通过企业接口调取可用桩的静态信息、实时信息,包括:地址、规则、数量、预约情况、充电费用、服务费用、停车场地费用等。
S4:以当前位置作为起点,车主目的地为终点,通过分析所述地图API规划行驶路径的基础信息,得到基础距离,基础驾驶时长。这里的当前位置,意指行车途中,系统调用本方法进行计算时的位置,后续步骤中此概念相同。所述的基础距离记为Db,基础驾驶时长记为tb。
以下结合参见图4,计算面向用户的多层级体验度指标。
S5:遍历可选充电桩集合中的各桩,作为途径点,以当前位置作为起点,车主目的地为终点,获取多条途径各桩充电的推荐路径,对比各条路径信息与基础信息,计算得到距离指标、拥挤程度指标、时长指标和费用指标。具体如下进行:
S51:遍历可选充电桩集合中的各桩,作为途径点,以当前位置作为起点,车主目的地作为终点不变,获取多条途径各桩充电的推荐路径。
S52:通过地图API获取行驶路径的信息,包括:API反馈信息中的各分段距离[D1,D2,…Di],充电路径总距离Dc=D1+D2+…+Di;各分段路况,以畅通、缓行、拥堵和严重拥堵描述;时长记为tc。
S53:计算距离指标Ed、拥挤程度指标Er、时长指标Et和费用指标Ef,计算方法如下:
Ed=Dc/Db
Er=Dr/Db
其中Dr=ε1·D1+ε2·D2+…+εi·Di,ε为道路拥堵情况的量化指标,畅通为1,缓行为1.2,拥堵为1.5,严重拥堵为2。
Et=tc/tb
Ef=(fc+fs+fp)/fb
其中fb为以市场电价购买充电量所需的费用,fc为充电费用,fs为服务费用,fp是停车费用。fc和fs根据充电电量、度电价格和度电服务费相关,fp根据停车时长和停车费标准计算。
S6:根据多种推荐方式权重系数列表,权重系统包括:距离指标的权重因子wd、拥挤程度指标的权重因子wr、时长指标的权重因子wt、费用指标的权重因子wf,推荐方案包括:普通方案、省钱优先、快速优先、不堵优先、距离优先以及个性化推荐方案,计算多种推荐方案下每条路径的多层级体验度指标,推荐指标最小者为最优路径。其中,各方案的四个权重系数由系统预先设定,个性化权重初始值为:a=0.25,b=0.25,c=0.25,d=0.25。
S61:根据多种推荐方案权重系数列表,由用户选中一种推荐方式,若首次使用本方法则采用普通方案,若非首次出行但用户未主动选择,则采用个性化推荐方案;
推荐方案权重系数列表如下:
其中,个性化权重初始值为:a=0.25,b=0.25,c=0.25,d=0.25。
S62:通过各因素加权求和求得多层级体验度指标I,计算方法为:
I=Ed·wd+Er·wr+Et·wt+Ef·wf
对多条推荐路径计算该指标;
S63:比较多条路径的多层级体验度指标I的大小,推荐I最小者为最优充电路径。
S7:记录用户最终选择的推荐方式,并更新用户个性化权重系数。
S71:若用户更换推荐方式,则重新选取对应的权重,重复S6
S72:更新个性化权重,设历史的用户个性化权重组合:最新选择的权重组合:/>则对两个权重组合进行累加:/> 并将该序列进行归一化,得到更新后的用户个性化权重系数。
以下在进一步的实施例中,给出一个具体的实际案例分析,车主在到达终点后,由于个人习惯或后续行程需求,期望在终点时荷电状态(State of charge,SOC)不可低于20%。车辆参数及用户需求如表1。通过高德地图API获得推荐路径规划(调用时间为2020年10月28日17:25,非工作日),调用静态地图API绘制得到图2,并根据S4记录基础路径信息;经过对比当前能量状态下的剩余续驶里程与行驶距离,发现本次出行需要在途中进行充电。根据S2、S3步骤,设置X=3,按照3的搜索流程建立候选充电桩/站集合,得到三个可用充电站点,具体信息如表2。按照S5所述,依次添加上述三个充电站点,得到三条备选的充电导航路径如5所示
根据S6进行各条备选路径的综合指标,在计算过程中对拥堵情况的映射按照《道路交通拥堵度评价方法》,以表3进行转换。本方法提供的多种推荐方式及其初始权重因子设置如表4,此处以普通方案所述的权重列表作为计算案例。计算结果如表5,可见第三种方案综合性能指标最优。为验证该推荐方案,驾驶该车型两辆SOC均在45%左右的电动汽车同时出发,EV1采用本次最优推荐方案,EV2由车主自行决定。最终,EV2在电量快耗尽时就近寻桩,耗时过久且过程曲折,到达目的地较晚,车主出行体验度不高。EV1采用本方案则在预测时间点到达终点,到达时SOC为21.3%,为车主提供了良好的出行体验。
最后,值得注意的是,本案例通过地图API调用算法所需信息及线下测试均在该特定时间段进行。由于路况、天气和驾驶习惯等因素的不可复现性,上述计算结果难以得到复现,但本方案在多数环境下均能实现最优的充电路径规划。
表1车辆参数及用户需求参数表
表2可选充电桩集合的信息
表3道路交通拥堵情况与ε对应表
表4不同推荐方式的初始权重因子设置
表5充电站点方案对比
由以上实施例可进一步看出,本方法通过构建包括距离、时长、费用和拥堵情况的多层级体验度综合指标,优化了选择充电站的多维度条件,为用户提供更适宜的充电导航路径。并且,通过构建多层级体验度综合指标,并引入用户自定义权重的方案,可提供适用于多场景的推进方案,并且通过不断调整个性化权重为车主提供优先级推进。本方案可适用于新车主,也适用于驾驶历史记录丰富的车主。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (7)
1.一种面向用户多层级体验度的电动汽车最优充电路径规划方法,其特征在于:包含如下步骤:
S1:行驶过程中持续检测车辆是否发出充电需求预警,或接收车主的主动充电请求,若有充电需求则转入S2;
S2:调用地图API规划行驶路径数条,沿各条初始行驶路径X公里进行可用充电桩搜索,X为系统设置的初始值,当无法搜索足够数量充电桩则改变X=X+x,x根据城市基础设施建设水平而定,得到可用充电桩集合;
S3:对所述可用充电桩集合进行可达性判断,得到可选充电桩集合,调取可达充电桩的静态、实时数据;
S4:以车辆当前位置作为起点,车主目的地为终点,通过分析所述地图API规划行驶路径的基础信息,得到基础距离Db,基础驾驶时长tb;
S5:遍历可选充电桩集合中的各桩,作为途径点,以车辆当前位置作为起点,车主目的地为终点,获取多条途径各桩充电的推荐路径,对比各条路径信息与所述基础信息,计算得到距离指标、拥挤程度指标、时长指标和费用指标;包括:
S51:遍历可选充电桩集合中的各桩,作为途经点,以当前位置作为起点,终点不变,获取多条途经各桩充电的行驶路径;
S52:通过地图API获取各条行驶路径的信息,包括:API反馈信息中的各分段路径的距离[D1,D2,…Di],充电路径总距离Dc=D1+D2+…+Di;各分段路况,以畅通、唤醒、拥堵和严重拥堵描述;时长记为tc;
S53:计算距离指标Ed、拥挤程度指标Er、时长指标Et和费用指标Ef,计算方法如下:
Ed=Dc/Db
Er=Dr/Db
其中Dr=ε1·D1+ε2·D2+…+εi·Di,ε为道路拥堵情况的量化指标;
Et=tc/tb
Ef=(fc+fs+fp)/fb
其中fb为以市场电价购买充电量所需的费用,fc为充电费用,fs为服务费用,fp是停车费用,fc和fs根据充电电量、度电价格和度电服务费计算,fp根据停车时长和停车费标准计算;
S6:包括:S61:根据多种推荐方式权重系数列表选择推荐方式,权重系数包括:距离指标的权重因子wd,拥挤程度指标的权重因子wr,时长指标的权重因子wt,费用指标的权重因子wf,推荐方案包括:普通方案、省钱优先、快速优先、不堵优先、距离优先以及个性化推荐方案;其中,各方案的四个权重系数由系统预先设定,个性化权重初始值为:a=0.25,b=0.25,c=0.25,d=0.25;
S62:通过各因素加权求和求得多层级体验度指标I,计算方法为:
I=Ed·wd+Er·wr+Et·wt+Ef·wf
对多条推荐路径计算该指标;
S63:计算多种推荐方案下每条路径的多层级体验度指标,推荐指标最小者为最优路径,推荐给用户,具体是比较多条路径的多层级体验度指标I的大小,推荐I最小者为最优充电路径;
S7:记录用户最终选择的推荐方案,并更新用户个性化权重系数,包括:
S71:若用户更换推荐方式,则重新选取对应方案的权重,重复S6;
S72:更新个性化权重因子,设历史的用户个性化权重组合:最新选择的权重组合:/>则对两个权重组合进行累加:/> 并将累加后的权重组合进行归一化,得到更新后的用户个性化权重系数。
2.根据权利要求1所述的面向用户多层级体验度的电动汽车最优充电路径规划方法,其特征在于:步骤S1中,所述充电需求预警是指电池能量不足以到达车主目的地时发出的警告,由车载终端、第三方APP或云平台下发指令方式提供。
3.根据权利要求1或2所述的面向用户多层级体验度的电动汽车最优充电路径规划方法,其特征在于:步骤S2包括:
S21:在当前地图API推荐路径的沿途X公里范围内进行充电桩搜索;
S22:对各个搜索到的充电桩进行信息解析判断其可用性,剔除正在建设、私人桩、专用桩不可用站点;
S23:若X公里范围内无法搜集到Nmin个充电桩,且Nmin不低于3,则X=X+x,重复S21。
4.根据权利要求1或2所述的面向用户多层级体验度的电动汽车最优充电路径规划方法,其特征在于:步骤S3包括:
S31:以车辆当前位置作为起点,遍历S2所得的可用桩,设各可用桩为终点,调用地图API获得路径导航;
S32:通过车载终端、第三方APP或云平台可用途径,询问当前路径和电池系统状态下,该桩是否可到达;
S33:若可达则添加至可用充电桩集合,并通过第三方接口调取可用桩的静态信息、实时信息,包括:地址、规则、数量、预约情况、充电费用、服务费用、停车场地费用。
5.根据权利要求1或2所述的面向用户多层级体验度的电动汽车最优充电路径规划方法,其特征在于:步骤S4中所述当前位置是指行车途中,系统调用本方法进行计算时的位置。
6.根据权利要求1所述的面向用户多层级体验度的电动汽车最优充电路径规划方法,其特征在于:道路拥堵情况的量化指标ε的设定为:畅通为1,缓行为1.2,拥堵为1.5,严重拥堵为2。
7.根据权利要求1所述的面向用户多层级体验度的电动汽车最优充电路径规划方法,其特征在于:步骤S61中,若车主首次使用本方法则优先推荐普通方案,若非首次使用但用户未主动选择,则采用个性化推荐方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293654.8A CN113029176B (zh) | 2021-03-19 | 2021-03-19 | 面向多层级体验的电动汽车最优充电路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293654.8A CN113029176B (zh) | 2021-03-19 | 2021-03-19 | 面向多层级体验的电动汽车最优充电路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113029176A CN113029176A (zh) | 2021-06-25 |
CN113029176B true CN113029176B (zh) | 2023-08-15 |
Family
ID=76471619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110293654.8A Active CN113029176B (zh) | 2021-03-19 | 2021-03-19 | 面向多层级体验的电动汽车最优充电路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113029176B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113320427B (zh) * | 2021-08-03 | 2021-11-02 | 车主邦(北京)科技有限公司 | 一种节能减排的充电导航方法及装置 |
CN114968450A (zh) * | 2022-04-12 | 2022-08-30 | 北京高德云信科技有限公司 | 信息服务方法、装置、电子设备 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10170293A (ja) * | 1996-12-05 | 1998-06-26 | Nissan Motor Co Ltd | 電気自動車の経路探索装置 |
CA2725982A1 (en) * | 2009-01-14 | 2009-07-22 | Tomtom International B.V. | Improvements relating to navigation apparatus used in-vehicle |
EP2226719A1 (en) * | 2009-03-05 | 2010-09-08 | France Telecom | User interface to render a user profile |
WO2014003151A2 (en) * | 2012-06-29 | 2014-01-03 | Mitsubishi Electric Corporation | Method for determining an optimal run-curve for a vehicle |
CN103512580A (zh) * | 2012-06-21 | 2014-01-15 | 日电(中国)有限公司 | 一种电动汽车路径规划方法及装置 |
CN104864883A (zh) * | 2015-05-22 | 2015-08-26 | 清华大学 | 基于云平台的电动汽车路径规划方法 |
CN105808590A (zh) * | 2014-12-31 | 2016-07-27 | 中国电信股份有限公司 | 搜索引擎实现方法、搜索方法以及装置 |
AU2017202531A1 (en) * | 2013-06-25 | 2017-05-11 | Facebook, Inc. | Human-like global positioning system (GPS) directions |
CN107323300A (zh) * | 2017-07-26 | 2017-11-07 | 河海大学 | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 |
CN107490386A (zh) * | 2017-08-29 | 2017-12-19 | 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 |
CN107655490A (zh) * | 2017-08-29 | 2018-02-02 | 重庆邮电大学 | 基于移动用户轨迹分段和最热搜索的热点路径发现方法 |
CN108362293A (zh) * | 2018-02-24 | 2018-08-03 | 中电福富信息科技有限公司 | 一种基于关键点技术的车辆轨迹匹配方法 |
CN108476259A (zh) * | 2015-12-29 | 2018-08-31 | 华为技术有限公司 | 基于用户行为的内容推荐的系统和方法 |
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 |
CN109000668A (zh) * | 2018-05-25 | 2018-12-14 | 上海汽车集团股份有限公司 | 基于车联网的实时智能导航方法 |
CN111220168A (zh) * | 2019-11-29 | 2020-06-02 | 安徽江淮汽车集团股份有限公司 | 一种电动汽车充电路径规划方法、装置和存储介质 |
WO2020108639A1 (zh) * | 2018-11-30 | 2020-06-04 | 宁德时代新能源科技股份有限公司 | 充电方法、装置、设备、介质、电池管理系统和充电桩 |
CN111532166A (zh) * | 2020-04-30 | 2020-08-14 | 重庆长安新能源汽车科技有限公司 | 一种电动汽车充电路径规划方法、装置、汽车及计算机存储介质 |
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 |
CN111707287A (zh) * | 2020-07-17 | 2020-09-25 | 重庆平创半导体研究院有限责任公司 | 一种电动汽车前往充电桩路线的综合智能推荐方法 |
CN112013841A (zh) * | 2020-08-26 | 2020-12-01 | 南京工业大学 | 一种室内动态环境下的语义slam服务机器人导航方法 |
-
2021
- 2021-03-19 CN CN202110293654.8A patent/CN113029176B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10170293A (ja) * | 1996-12-05 | 1998-06-26 | Nissan Motor Co Ltd | 電気自動車の経路探索装置 |
CA2725982A1 (en) * | 2009-01-14 | 2009-07-22 | Tomtom International B.V. | Improvements relating to navigation apparatus used in-vehicle |
EP2226719A1 (en) * | 2009-03-05 | 2010-09-08 | France Telecom | User interface to render a user profile |
CN103512580A (zh) * | 2012-06-21 | 2014-01-15 | 日电(中国)有限公司 | 一种电动汽车路径规划方法及装置 |
WO2014003151A2 (en) * | 2012-06-29 | 2014-01-03 | Mitsubishi Electric Corporation | Method for determining an optimal run-curve for a vehicle |
AU2017202531A1 (en) * | 2013-06-25 | 2017-05-11 | Facebook, Inc. | Human-like global positioning system (GPS) directions |
CN105808590A (zh) * | 2014-12-31 | 2016-07-27 | 中国电信股份有限公司 | 搜索引擎实现方法、搜索方法以及装置 |
CN104864883A (zh) * | 2015-05-22 | 2015-08-26 | 清华大学 | 基于云平台的电动汽车路径规划方法 |
CN108476259A (zh) * | 2015-12-29 | 2018-08-31 | 华为技术有限公司 | 基于用户行为的内容推荐的系统和方法 |
CN107323300A (zh) * | 2017-07-26 | 2017-11-07 | 河海大学 | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 |
CN107655490A (zh) * | 2017-08-29 | 2018-02-02 | 重庆邮电大学 | 基于移动用户轨迹分段和最热搜索的热点路径发现方法 |
CN107490386A (zh) * | 2017-08-29 | 2017-12-19 | 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 |
CN108362293A (zh) * | 2018-02-24 | 2018-08-03 | 中电福富信息科技有限公司 | 一种基于关键点技术的车辆轨迹匹配方法 |
CN109000668A (zh) * | 2018-05-25 | 2018-12-14 | 上海汽车集团股份有限公司 | 基于车联网的实时智能导航方法 |
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 |
WO2020108639A1 (zh) * | 2018-11-30 | 2020-06-04 | 宁德时代新能源科技股份有限公司 | 充电方法、装置、设备、介质、电池管理系统和充电桩 |
CN111220168A (zh) * | 2019-11-29 | 2020-06-02 | 安徽江淮汽车集团股份有限公司 | 一种电动汽车充电路径规划方法、装置和存储介质 |
CN111532166A (zh) * | 2020-04-30 | 2020-08-14 | 重庆长安新能源汽车科技有限公司 | 一种电动汽车充电路径规划方法、装置、汽车及计算机存储介质 |
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 |
CN111707287A (zh) * | 2020-07-17 | 2020-09-25 | 重庆平创半导体研究院有限责任公司 | 一种电动汽车前往充电桩路线的综合智能推荐方法 |
CN112013841A (zh) * | 2020-08-26 | 2020-12-01 | 南京工业大学 | 一种室内动态环境下的语义slam服务机器人导航方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113029176A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2501088C2 (ru) | Определение экономного маршрута транспортного средства | |
CN113029176B (zh) | 面向多层级体验的电动汽车最优充电路径规划方法 | |
CN110888908B (zh) | 一种可持续深度学习的充电站/桩推荐系统及推荐方法 | |
KR101341415B1 (ko) | 전기차량의 예약충전 시스템 | |
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 | |
CN111532166A (zh) | 一种电动汽车充电路径规划方法、装置、汽车及计算机存储介质 | |
WO2019042297A1 (zh) | 一种电动汽车最优路径和驾驶方式的规划方法及系统 | |
CN107180274B (zh) | 一种电动汽车充电设施规划典型场景选取和优化方法 | |
CN109886468B (zh) | 基于改进的自适应遗传算法的充电站规划方法 | |
CN108932561B (zh) | 一种考虑非线性充电函数的电动汽车充电路径选择方法 | |
Ye et al. | A method for driving route predictions based on hidden Markov model | |
CN113607177B (zh) | 一种考虑多源时空数据的电动汽车智能充电路径引导方法 | |
CN107730049B (zh) | 电动汽车快速充电最优位置选择方法 | |
CN104748753A (zh) | 一种在线导航方法和在线导航系统 | |
CN109636067B (zh) | 一种基于粒子群算法的电动汽车充电调度优化方法 | |
CN110986986A (zh) | 基于语音识别的电动汽车充电导航系统设计 | |
CN108182483A (zh) | 基于二次聚类的大规模电动汽车充电调度系统及其优化方法 | |
CN112507506B (zh) | 基于遗传算法的共享汽车定价规划模型的多目标优化方法 | |
CN114936666B (zh) | 基于车-站-平台系统的电动汽车充电导航方法及系统 | |
Luo et al. | Location and capacity model of charging station for electric vehicles based on commuting demand | |
CN109284891A (zh) | 基于时空索引的充电桩维修调度方法 | |
CN113379141B (zh) | 一种兼顾电网负载均衡性与用户体验的电动汽车充电路径优化方法 | |
CN112070300B (zh) | 一种基于多目标优化的电动汽车充电平台选取方法 | |
CN110674990B (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及系统 | |
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 |
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: 401133 room 208, 2 house, 39 Yonghe Road, Yu Zui Town, Jiangbei District, Chongqing Applicant after: Deep Blue Automotive Technology Co.,Ltd. Address before: 401133 room 208, 2 house, 39 Yonghe Road, Yu Zui Town, Jiangbei District, Chongqing Applicant before: CHONGQING CHANGAN NEW ENERGY AUTOMOBILE TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |