CN113386770B - 基于充电站数据共享的电动汽车充电路径动态规划方法 - Google Patents

Abstract

本发明公开一种基于充电站数据共享的电动汽车充电路径动态规划方法，包括：获取当前道路交通流信息及充电站数据，并依据流量预测模型对道路交通流进行预测；动态筛选出可能包含最优路径解的充电站；用户选择合适的路径规划方案后，采取相应的计算方法获得充电最优路径，并展示给用户；确认目的充电站，上传该用户选择的路径规划结果至服务器，服务器获取信息后，对该充电站数据进行更新。本发明通过动态预筛选策略，提高了运行效率,能够根据用户需求，提供当前最优充电方案规划，通过充电站数据的实时共享，对充电站进行调度，从而使得充电资源得到最大化利用。

Description

基于充电站数据共享的电动汽车充电路径动态规划方法

技术领域

本发明涉及电动汽车技术领域，尤其涉及电动汽车充电路径的动态规划算法，具体为一种基于充电站数据共享的电动汽车充电路径动态规划方法。

背景技术

随着全球气候变暖等问题的不断加剧，人们逐渐认识到化石燃料对环境的危害性，这促使人们去寻找可替代化石燃料的新的清洁能源。作为化石燃料消耗的主要途径之一，汽车行业的发展也面临着巨大的挑战和压力。作为应对策略之一，以电力作为动力来源的新能源汽车被视为汽车工业的未来。显然，新能源汽车的尾气排放量对环境造成的影响可以忽略不计，同时由于电力资源的可再生性，新能源车不会面临能源危机。然而，电动汽车的不断普及带来了新的问题，由于城市交通流量大、拥堵日益严重，精确的电动汽车充电路径规划对于提升城市交通资源的分配效率、优化道路交通的指挥调度具有重要意义。

经检索发现，公开号CN108773279B的中国专利于2018年11月9日公开了一种电动汽车充电路径规划方法，主要包括以下步骤：首先根据电动汽车历史行驶工况数据计算电动汽车在各类行驶工况下的平均能耗值；其次根据行驶途中各路段的实时行驶工况动态计算电动汽车经过各路段之后的动态剩余电量；根据互联网络所发布的实时交通信息及充电站运营监控系统发布的信息计算用户出行距离、出行时间及充电成本；采用蚁群算法以电池剩余电量为约束，出行距离、出行时间及充电成本三者之和最优为目标规划电动汽车充电路径。该专利考虑行驶过程中的实时动态能耗进行充电路径规划，但未考虑充电站的实时数据，无法基于道路实时路况和充电站可用充电站数据为用户提供直接的充电站选择方案。

公开号CN104184190A的中国专利于2014年12月3日公开了一种电动汽车动态充电路径规划方法，包括下述步骤：判断电动汽车是否需要充电；选取候选充电站；确定电动汽车充电路径。该专利申请利用互联网络进行动态交通信息发布和导航，通过对最优路径规划算法的研究，结合GIS技术来提供充电路径，但其未能结合车辆实时数据及充电站实时数据给予用户直接的充电站选择方案。

因此，需要提供一种电动汽车充电路径规划方法，能够结合车辆实时数据及充电站实时数据给予用户直接的充电站选择方案，为用户提供多角度的最优路径规划。

发明内容

为克服上述现有技术的不足，本发明提供一种基于充电站数据共享的电动汽车充电路径动态规划方法，能够结合车辆实时数据与充电站实时数据为用户提供多角度的最优路径规划，最大化地利用充电资源。

本发明是通过以下技术方案予以实现的：

基于充电站数据共享的电动汽车充电路径动态规划方法，包括：

获取最新道路交通数据，通过速度预测模型计算各街道的道路平均车速，所述道路平均车速作为能耗模型的输入，得到车辆行驶经过各街道的能耗，所述能耗为蚁群算法规划路径提供输入信息；

获取各充电站的位置信息，根据当前车辆所在位置与各充电站所在位置之间的距离预筛选符合预筛条件的充电站，作为包含最优解的充电站集合，所述预筛条件包括预设筛选数量、第一预设距离、第二预设距离和规划数量；

获取用户选择的路径规划模式，并从包含最优解的充电站集合中选择与所述路径规划模式相对应的路径规划方案：若当前车辆剩余电量很少且急需充电，则以节能为目标选择路径规划方案；若考虑经济性，则以具经济性为目标选择路径规划方案；若想要尽可能快地到达附近的充电站充电，则以省时为目标选择路径规划方案；

发送选择的路径规划方案及推荐的充电站；

接收用户确定的目标充电站，更新目标充电站预约信息，将预约人数加一，并上传当前车辆的路径规划结果；

基于当前车辆的路径规划结果，对目标充电站的充电桩数据进行更新。

上述技术方案中，首先根据最新的道路交通数据进行道路平均车速的预测，然后基于预测的道路平均车速结合能耗模型计算用户驾车经过各街道的能耗，以便于为蚁群算法规划路径提供输入信息，同时还获取充电站的位置信息并对各充电站进行预筛选，提高后续路径规划效率，减小路径规划计算量；当用户基于当前需求选择所需的路径规划模式后，根据用户车辆在各街道的驾驶能耗以及可能包含最优路径的充电站，提供对应的路径规划方案，以满足用户的节能、经济或省时需求，并推荐符合最优路径规划的充电站供用户选择，极大提升用户的充电体验；用户可直接选择符合其路径规划需求的最佳充电站，极大节省用户从发出充电需求到最终确定最佳充电站的时间，缩短电动汽车在寻求可用充电站上所花费的时间；同时，被选出的最优充电站的预约信息及充电桩数据均被及时更新，避免造成电动汽车排队等待充电或部分充电站使用率过低的问题，使充电资源得以最大化地利用。

具体地，所述最新道路交通数据包括各街道上车辆的速度信思或加速度信息。所述速度预测模型用于根据前一时间周期内的道路平均车速预测下一时间周期的道路平均车速，所述道路平均车速表示道路上所有车辆的行驶速度平均值。

进一步地，所述能耗模型用于计算车辆的驾驶能耗。所述能耗模型为

energy_i(t)＝P_i(t)/η_M(t)

其中，P_i(t)表示车辆的能源消耗值，依据目标函数(a)得到；η_M(t)表示电机在t时刻的效率，通过电机效率方程得到；

P_i(t)＝n_i(t)*T_i(t)/9550 (a)

其中，n_i(t)表示电动汽车的驱动电机转速，通过车辆动力变速器函数(b)得到；T_i(t).表示电机输出转矩，通过车辆的驱动力和驱动阻力的平衡方程(c)得到：

其中，T_i(t)·表示电机输出转矩；i₀表示电动车最终比；C_DA表示车辆i的正面面积空气阻力系数；f表示滚动阻力系数；η_r表示传输效率；m表示车辆的质量；g表示重力加速度；δ表示旋转质量系数；r表示车轮的半径；α表示道路坡度角。

进一步地，所述方法还包括：获取各充电站的充电桩信息，以便在获取最优规划路径后，结合各充电站的充电桩信息，向用户推荐最佳充电站。

进一步地，以节能为目标选择路径规划方案时，通过蚁群算法规划用户车辆到上述各个预筛选充电站的路径。

作为进一步的技术方案，所述预筛选还包括动态调整筛选条件：当第N-1个和第N个充电站各自离当前车辆的距离相差小于第一预设距离时，判断当前区域充电站分布密集，则将预设筛选数量逐个递增直至最末两个充电站到当前车辆的距离相差大于第一预设距离；若第N-1个和第N个充电站各自离当前车辆的距离相差大于第二预设距离时，判断当前区域充电站分布稀疏，则在保证充电站数量不小于规划数量的前提下，将预设筛选数量逐个递减直至最末两个充电站到当前车辆的距离相差小于第二预设距离。

上述技术方案中，如果判断得到当前进行预筛选的区域内充电站分布密集，则可增加预设筛选数量，使得在满足预筛选条件的情况下，能够提供更多的充电站用于用户的路径规划，既能够保证路径规划效率，又能够提高充电站的备选基数，增强路径规划的匹配度。同样，当判断得到当前进行预筛选的区域内充电站分布稀疏时，则可减少预设筛选数量，只要预设筛选数量大于或等于能够接受的规划数量即可，在保证规划路径与用户的匹配度的同时，也避免将不满足节能、省时或经济性需求的充电站筛选进来，造成备选充电站数量的不必要增加，降低路径规划效率。

具体地，市区充电站预筛选标准数量可设为10。

进一步地，所述预筛选可动态调整筛选条件，当第9和第10个最近的充电站离出发点直线距离相差小于300米时，可判断该区域充电站分布密集，筛选数量逐个递增直至最末两个充电站到出发点距离相差大于300米；若第9和第10个最近充电站离出发点直线距离相差大于5公里，可判断该区域充电站分布稀疏，在保证充电站数量不小于5个的前提下，筛选数量逐个递减直至最末两个充电站到出发点距离相差小于5公里。

作为进一步的技术方案，所述第一预设距离为250-350米；所述第二预设距离为4.5-5.5公里；所述规划数量不小于预设筛选数量的一半。该技术方案对第一预设距离、第二预设距离及预设筛选数量和规划数量的进一步限定，是结合现有城市交通状况、电动汽车单次充电量需求而设置的，该限定范围能够满足大多数电动汽车的充电需求，且至少能满足节能、省时或经济性需求中的至少一种。

作为进一步的技术方案，利用充电成本规划得到经济路径集合的步骤中，

所述充电成本C_c表示为：

C_c＝f*(E_i+E_d-E_q)

其中，f表示充电站充电价格，可通过充电站数据接口获取；E_i表示充电结束后的预期电量，默认为满电，可取值为主流轿车的电池容量50kw；E_d表示驾驶能耗，由蚁群算法计算得出；E_q表示当前剩余电量，由用户输入电量百分比换算而来。

进一步地，计算并比较车辆出发点到每个充电站的充电成本，即可规划出最经济的充电路径。

作为进一步的技术方案，计算驾驶能耗时，从距离当前车辆最近的充电站开始计算，若第N次计算得到的驾驶能耗大于当前车辆的剩余电量，则当前车辆的剩余电量不足以到达第N个充电站，放弃当前车辆到第N个充电站的路径，N小于或等于预设筛选数量。该技术方案可提高运算效率，并保证运算结果的准确性。

作为进一步的技术方案，利用行驶时间成本规划得到省时路径集合的步骤进一步包括：通过蚁群算法计算出到由车辆出发点到各个充电站的驾驶能耗E_d，筛除不可达的充电站，然后通过蚁群算法计算车辆行驶到各个充电站的行驶时间T_route，选出用时最短的路径。

作为进一步的技术方案，所述行驶时间成本T_route表示为：

T_route＝T_drive+T_wait+T_charge

其中，T_drive表示从当前车辆所在位置到充电站的路径行驶时间，T_wait表示充电站排队等待时间，T_charge表示充电时间。

作为进一步的技术方案，T_dirve表示为：

其中，V_i表示各个街道在接下来的一小时内的道路平均车速，D_i表示车辆行驶经过的街道长度。

作为进一步的技术方案，当充电站内有m个空余充电桩时，若有n辆车前往所述充电站，且n＜m，则等待时间T_wait为0；反之，若n＞m，且T_drive＜T_m，则等待时间T_wait为0；若都不满足，则预计等待时间为：

其中，T_wait表示充电站排队等待时间，m表示空余充电桩数量，n表示前往所述充电站的车辆数，T_m表示第m辆最先到达的车辆，T_j表示正在充电的车辆所需剩余充电时间。

作为进一步的技术方案，

其中，E_i表示电动汽车额定容量，E_q表示当前车辆的剩余电量，E_d表示驾驶能耗，P_e表示充电功率。该技术方案考虑到充电站现有的充电模式一般以大功率充到电动汽车容量的80％左右，然后换用小功率直到充满的情况，因此在计算充电时间时仅考虑充到80％的这段时间。

与现有技术相比，本发明的有益效果在于：

(1)本发明提供一种方法，首先根据最新的道路交通数据进行道路平均车速的预测，然后基于预测的道路平均车速结合能耗模型计算用户驾车经过各街道的能耗，以便于为蚁群算法规划路径提供输入信息，同时还获取充电站的位置信息并对各充电站进行预筛选，提高后续路径规划效率，减小路径规划计算量；当用户基于当前需求选择所需的路径规划模式后，根据用户车辆在各街道的驾驶能耗以及可能包含最优路径的充电站，提供对应的路径规划方案，以满足用户的节能、经济或省时需求，并推荐符合最优路径规划的充电站供用户选择，极大提升用户的充电体验；用户可直接选择符合其路径规划需求的最佳充电站，极大节省用户从发出充电需求到最终确定最佳充电站的时间，缩短电动汽车在寻求可用充电站上所花费的时间；同时，被选出的最优充电站的预约信息及充电桩数据均被及时更新，避免造成电动汽车排队等待充电或部分充电站使用率过低的问题，使充电资源得以最大化地利用。

(2)本发明采用充电站数据共享，根据用户的选择为用户规划不同的充电路径，计算出该路径所需驾驶能耗E_d、行驶时间T_drive、充电时间T_charge和停车等待时间T_wait，同时记录该车辆的目的充电站，服务器获取到这些信息后，对该充电站的充电桩数据进行更新。同样，当用户驶离充电站时，系统将更新充电站的剩余充电桩信息。当下一个用户进行最优路径规划时，就能避免前往排队人数多的充电站，从而缓解充电等待现象、减少电动汽车驾驶员充电等待时间，同时提高各个充电桩的利用率。

(3)本发明针对大量用户的并发充电需求，以及用户不同需求下的充电桩路径规划策略，以节能、经济和效率为优化目标，提出的基于充电站数据共享的电动汽车充电路径动态规划方法，实现了为每位用户提供当前所需的最优充电路径规划方案的技术效果。

附图说明

图1为根据本发明实施例的基于充电站数据共享的电动汽车充电路径动态规划方法的流程示意图。

图2为根据本发明实施例的预筛选策略的流程示意图。

具体实施方式

以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

本发明提供一种基于充电站数据共享的电动汽车充电路径动态规划方法，包括如下步骤：

步骤1，从服务器获取当前最新道路交通数据，通过流量预测模型计算各街道的道路平均速度等信息，这些信息作为能耗模型的输入，可得用户驾驶经过各街道的能耗，为蚁群算法规划路径提供输入信息，此外还要实时获取各充电站的位置、剩余充电桩等信息，为充电站预筛选及充电路径规划提供数据支撑；

步骤2，对充电站数据进行预筛选，获取到充电站的位置信息后，以距离用户所在位置最近的特定数量的充电站为筛选条件，筛选出可能包含三种方案最优解的充电站集合；

步骤3，针对用户在不同情况下对路径规划的需求，系统可提供三种路径规划方案，若用户剩余电量很少且急需充电，系统即提供最节能的路径规划方案；若首要考虑经济性，系统即提供最具经济性的路径规划方案；若用户想要尽可能快地到达附近的充电站充电，系统即提供最省时的路径规划方案，并将结果展示给用户；

步骤4用户确认目的充电站后，上传该用户选择的路径规划结果至服务器，服务器获取到这些信息后，对该充电站数据进行更新。

本发明的优选实施例中，所述市区充电站预筛选标准数量设为10。

本发明的优选实施例中，所述预筛选可动态调整筛选条件，例如，当第9和第10个最近的充电站离出发点直线距离相差小于300米时，可判断该区域充电站分布密集，筛选数量逐个递增直至最末两个充电站到出发点距离相差大于300米；若第9和第10个最近充电站离出发点直线距离相差大于5公里，可判断该区域充电站分布稀疏，在保证充电站数量不小于5个的前提下，筛选数量逐个递减直至最末两个充电站到出发点距离相差小于5公里。

本发明的优选实施例中，所述最节能的路径规划方案，通过蚁群算法规划到上述各个预筛选充电站的路径。

本发明的优选实施例中，所述最具经济性的路径规划方案中：

所述充电成本C_c表示为：

C_c＝f*(E_i+E_d-E_q)

其中，f表示充电站充电价格，可通过充电站数据接口获取；E_i表示充电结束后的预期电量，默认为满电，可取值为主流轿车的电池容量50kw；E_d表示驾驶能耗，由蚁群算法计算得出；E_q表示当前剩余电量，由用户输入电量百分比换算而来。可看出驾驶能耗E_d已经由充电成本C_c计算在内。

只要计算并比较出发点到每个充电站的充电成本C_c，即可规划出最经济的充电路径，为提高运算效率，保证运算结果的准确性，计算驾驶能耗时，从距离出发点最近的充电站开始计算，若驾驶能耗E_d大于当前剩余电量E_q，则当前剩余电量E_q不足以到达该充电站，应放弃该路径。

本发明的优选实施例中，所述最省时的路径规划方案中：

所述行驶时间成本T_route表示为：

T_route＝T_drive+T_wait+T_charge

其中，T_dirve表示从当前车辆所在位置到充电站的路径行驶时间，T_wait表示充电站排队等待时间，T_charge表示充电时间。

到达各个充电站的路径行驶时间T_dirve可表示为：

其中V_i表示各个街道在接下来的一小时内的道路平均车速，D_i表示车辆行驶经过的街道长度。

当充电站内有m个空余充电桩时，若有n辆车前往所述充电站，且n＜m，则等待时间T_wait为0；反之，若n＞m，且T_dirve＜T_m，则等待时间T_wait为0；若都不满足，则预计等待时间为：

其中，T_wait表示充电站排队等待时间，m表示空余充电桩数量，n表示前往所述充电站的车辆数，T_m表示第m辆最先到达的车辆，T_j表示正在充电的车辆所需剩余充电时间。

考虑到充电站现有的充电模式一般以大功率充到电动汽车容量的80％左右，然后换用小功率直到充满。因此本方法在计算充电时间时仅考虑充到80％的这段时间，车辆充电时间为：

其中T_charge表示车辆所需的充电时间，E_i表示电动汽车额定容量，E_q表示当前剩余电量，E_d表示驾驶能耗，P_e表示充电功率。

通过蚁群算法计算出由出发点到各个充电站的驾驶能耗E_d，筛除不可达的充电站，然后通过蚁群算法计算行驶到各个充电站的行驶时间T_route，选出用时最短的路径即可。

本发明提供的一种基于充电站数据共享的电动汽车充电路径动态规划方法，可通过基于数据共享的充电桩动态分配方法的步骤流程实现。本领域技术人员可以将基于充电站数据共享的电动汽车充电路径动态规划算法理解为所述基于充电站数据共享的电动汽车充电路径动态规划方法的优选例。

在具体实施中，本发明的目的之一在于，跟据用户的选择为用户规划不同的充电路径，同时记录该车辆的目的充电站，服务器获取到这些信息后，对该充电站的充电桩数据进行更新。同样，当用户驶离充电站时，系统将更新充电站的剩余充电桩信息。当下一个用户进行最优路径规划时，就能避免前往排队人数多的充电站，从而缓解充电等待现象、减少电动汽车驾驶员充电等待时间，同时提高各个充电桩的利用率。

在具体实施中，本发明的另一目的在于，针对大量用户的并发充电需求，以及不同状态下的充电桩选择策略，以节能、经济和效率为优化目标，提出了一种基于充电站数据共享的电动汽车充电路径动态规划算法，为每位用户提供当前最优充电路径规划。

如附图1所示，信息初始化阶段，从服务器获取当前最新道路交通数据，通过流量预测模型得到各街道道路平均速度等信息，并实时获取各充电站的位置、剩余充电桩等信息，然后，通过动态筛选策略筛选出可能包含三种方案最优解的充电站集合。在用户选择合适的路径规划方案后，采取相应的计算方法寻得目标最优路径。在用户确认目的充电站后，系统更新该充电站的信息，将预约人数加一，并上传该用户路径规划结果至服务器，服务器对该充电站的充电桩数据进行更新。

如附图2所示，为解决市区充电站过于密集时可能漏掉最优解以及郊区充电站太少而产生不必要的时间开销的问题，预筛选策略采用了动态调整筛选方式。信息初始化阶段结束后，首先获取距出发点最近的10座充电站信息，判断距离出发点最远的两个充电站的直线距离相差是否小于300米，若小于300米，可判断该区域充电站分布密集，将充电站数量递增直至距离出发点最远的两个充电站的直线距离相差不小于300米，否则进入下一判断。接下来判断充电站中离出发点最远的2个充电站的直线距离是否小于5000米，若小于5000米则结束筛选，否则，可判断该区域充电站分布稀疏，在剩余充电站数量大于5的前提下将充电站数量逐个递减，直至距离出发点最远的两个充电站的直线距离相差小于5000米，结束预筛选。

在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部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发明实施例技术方案。

Claims (9)

1.基于充电站数据共享的电动汽车充电路径动态规划方法，其特征在于，包括：

获取最新道路交通数据，通过速度预测模型计算各街道的道路平均车速，所述道路平均车速作为能耗模型的输入，得到车辆行驶经过各街道的能耗，所述能耗为蚁群算法规划路径提供输入信息；

获取各充电站的位置信息，根据当前车辆所在位置与各充电站所在位置之间的距离预筛选符合预筛条件的充电站，作为包含最优解的充电站集合，所述预筛条件包括预设筛选数量、第一预设距离、第二预设距离和规划数量；所述预筛选还包括动态调整筛选条件：当第N-1个和第N个充电站各自离当前车辆的距离相差小于第一预设距离时，判断当前区域充电站分布密集，则将预设筛选数量逐个递增直至最末两个充电站到当前车辆的距离相差大于第一预设距离；若第N-1个和第N个充电站各自离当前车辆的距离相差大于第二预设距离时，判断当前区域充电站分布稀疏，则在保证充电站数量不小于规划数量的前提下，将预设筛选数量逐个递减直至最末两个充电站到当前车辆的距离相差小于第二预设距离；

获取用户选择的路径规划模式，并从包含最优解的充电站集合中选择与所述路径规划模式相对应的路径规划方案：若当前车辆剩余电量很少且急需充电，则以节能为目标选择路径规划方案；若考虑经济性，则以具经济性为目标选择路径规划方案；若想要尽可能快地到达附近的充电站充电，则以省时为目标选择路径规划方案；

发送选择的路径规划方案及推荐的充电站；

接收用户确定的目标充电站，更新目标充电站预约信息，将预约人数加一，并上传当前车辆的路径规划结果；

基于当前车辆的路径规划结果，对目标充电站的充电桩数据进行更新。

2.根据权利要求1所述基于充电站数据共享的电动汽车充电路径动态规划方法，其特征在于，所述第一预设距离为250-350米；所述第二预设距离为4.5-5.5公里；所述规划数量不小于预设筛选数量的一半。

3.根据权利要求1所述基于充电站数据共享的电动汽车充电路径动态规划方法，其特征在于，利用充电成本规划得到经济路径集合的步骤中，

所述充电成本C_c表示为：

C_c＝f*(E_i+E_d-E_q)

其中，f表示充电站充电价格，E_i表示充电结束后的预期电量，E_d表示驾驶能耗，E_q表示当前剩余电量。

4.根据权利要求3所述基于充电站数据共享的电动汽车充电路径动态规划方法，其特征在于，计算驾驶能耗时，从距离当前车辆最近的充电站开始计算，若第N次计算得到的驾驶能耗大于当前车辆的剩余电量，则当前车辆的剩余电量不足以到达第N个充电站，放弃当前车辆到第N个充电站的路径，N小于或等于预设筛选数量。

5.根据权利要求1所述基于充电站数据共享的电动汽车充电路径动态规划方法，其特征在于，利用行驶时间成本规划得到省时路径集合的步骤进一步包括：通过蚁群算法计算出到由车辆出发点到各个充电站的驾驶能耗E_d，筛除不可达的充电站，然后通过蚁群算法计算车辆行驶到各个充电站的行驶时间T_route，选出用时最短的路径。

6.根据权利要求5所述基于充电站数据共享的电动汽车充电路径动态规划方法，其特征在于，所述行驶时间成本T_route表示为：

T_route＝T_drive+T_wait+T_charge

其中，T_drive表示从当前车辆所在位置到充电站的路径行驶时间，T_wait表示充电站排队等待时间，T_charge表示充电时间。

7.根据权利要求6所述基于充电站数据共享的电动汽车充电路径动态规划方法，其特征在于，

T_drive表示为：

其中，V_i表示各个街道在接下来的一小时内的道路平均车速，D_i表示车辆行驶经过的街道长度。

8.根据权利要求6所述基于充电站数据共享的电动汽车充电路径动态规划方法，其特征在于，

当充电站内有m个空余充电桩时，若有n辆车前往所述充电站，且n＜m，则等待时间T_wait为0；反之，若n＞m，且T_drive＜T_m，则等待时间T_wait为0；若都不满足，则预计等待时间为：

其中，T_wait表示充电站排队等待时间，m表示空余充电桩数量，n表示前往所述充电站的车辆数，T_m表示第m辆最先到达的车辆，T_j表示正在充电的车辆所需剩余充电时间。

9.根据权利要求6所述基于充电站数据共享的电动汽车充电路径动态规划方法，其特征在于，

其中，E_i表示电动汽车额定容量，E_q表示当前车辆的剩余电量，E_d表示驾驶能耗，P_e表示充电功率。