CN113984079B - 电动车的路线规划方法、装置、电子设备和存储介质 - Google Patents
电动车的路线规划方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113984079B CN113984079B CN202111250344.4A CN202111250344A CN113984079B CN 113984079 B CN113984079 B CN 113984079B CN 202111250344 A CN202111250344 A CN 202111250344A CN 113984079 B CN113984079 B CN 113984079B
- Authority
- CN
- China
- Prior art keywords
- charging station
- electric vehicle
- target
- route
- candidate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000005265 energy consumption Methods 0.000 claims abstract description 97
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000010586 diagram Methods 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 10
- 238000005381 potential energy Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
-
- 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
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
-
- 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
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
- G01C21/3682—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities output of POI information on a road map
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Navigation (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请实施例提供一种路线规划方法、装置、电子设备和存储介质,通过获取电动车的电池信息和行程信息,根据出发地、目的地和用户偏好,规划出电动车的初始路线,根据电动车的车况数据和初始路线的道路交通数据,确定电动车在行驶过程中的电池能量消耗,根据初始路线、电池能量消耗和充电站分布图,确定目标充电站,根据目标充电站对初始路线进行调整,得到目标路线。通过综合考虑用户偏好、车况及道路交通情况,为用户推荐全程考虑充电站的路线,不仅使推荐的路线能够更加贴近用户的需求和偏好,还提高了推荐的充电站的可用性和可达性,从而提升了用户对电动车的使用体验。
Description
技术领域
本申请实施例涉及电动车技术领域,尤其涉及一种电动车的路线规划方法、装置、电子设备和存储介质。
背景技术
面对复杂的动态交通信息、陌生的城市环境,基于导航定位的路线规划在现代出行中发挥着重要作用。充电站作为电动车的能量补给站,是对电动车进行路线规划过程不能忽略的关键因素。
现有技术中,在对电动车进行路线规划时,通常只提供当前电量下的可达路线和充电站,并且,大多数据情况下,仅基于充电完成时间优先或距离优先原则,进行充电站的选取。
然而,由于实际电动车环境,如电动车自身情况、充电站情况、路线情况等的复杂性,在用户使用现有技术检索到的路线出行时,往往会出现较多问题,如路线绕远、充电站不可用或不可达等,从而影响用户的驾车体验。
发明内容
本申请实施例提供一种电动车的路线规划方法、装置、电子设备和存储介质,提高了电动车路线规划的准确性,提升了用户的驾车体验。
第一方面,本申请实施例提供一种电动车的路线规划方法,包括:
获取电动车的电池信息和行程信息,所述电池信息包括电池总电量和当前电池电量,所述行程信息包括出发地、目的地和用户偏好;
根据所述出发地、所述目的地和所述用户偏好,规划出所述电动车的初始路线;
根据所述电动车的车况数据和所述初始路线的道路交通数据,确定所述电动车在行驶过程中的电池能量消耗;
根据所述初始路线、所述电池能量消耗和充电站分布图,确定目标充电站;
根据所述目标充电站对所述初始路线进行调整,得到目标路线。
第二方面,本申请实施例提供一种电动车的路线规划装置,包括:
获取模块,用于获取电动车的电池信息和行程信息,所述电池信息包括电池总电量和当前电池电量,所述行程信息包括出发地、目的地和用户偏好;
处理模块,用于根据所述出发地、所述目的地和所述用户偏好,规划出所述电动车的初始路线;根据所述电动车的车况数据和所述初始路线的道路交通数据,确定所述电动车在行驶过程中的电池能量消耗;根据所述初始路线、所述电池能量消耗和充电站分布图,确定目标充电站;根据所述目标充电站对所述初始路线进行调整,得到目标路线。
第三方面,本申请实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一方面所述的电动车的路线规划方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的电动车的路线规划方法。
本申请实施例提供的电动车的路线规划方法、装置、电子设备和存储介质,通过获取电动车的电池信息和行程信息,电池信息包括电池总电量和当前电池电量,行程信息包括出发地、目的地和用户偏好,根据出发地、目的地和用户偏好,规划出电动车的初始路线,根据电动车的车况数据和初始路线的道路交通数据,确定电动车在行驶过程中的电池能量消耗,根据初始路线、电池能量消耗和充电站分布图,确定目标充电站,根据目标充电站对初始路线进行调整,得到目标路线。通过综合考虑用户偏好、车况及道路交通情况,为用户推荐全程考虑充电站的路线,不仅使推荐的路线能够更加贴近用户的需求和偏好,还提高了推荐的充电站的可用性和可达性,从而提升了用户对电动车的使用体验。
附图说明
图1为本申请实施例的应用场景示意图;
图2为本申请实施例一提供的电动车的路线规划方法的流程示意图;
图3a为本申请实施例一提供的一种路线规划示意图;
图3b为本申请实施例一提供的另一种路线规划示意图;
图4为本申请实施例二提供的筛选候选充电站的流程示意图;
图5为本申请实施例二提供的道路区间示意图;
图6为本申请实施例二提供的筛选候选充电站的流程示意图;
图7为本申请实施例四提供的电动车的路线规划装置的结构示意图;
图8为本申请实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。
本申请技术方案的主要思路:基于现有技术中存在的技术问题,本申请提供一种电动车的智能路线检索方案,首先,基于用户计划的出发地和目的地以及用户偏好,如道路选取偏好、驾驶习惯和期望途经地等,为用户进行初始路线的规划。然后,基于初始路线,通过全程计算电动车在行驶过程中的电池能量消耗,考虑电动车的电池荷电状态,并根据电池荷电状态对初始路线进行分区,再结合电动车的位置所在的道路区间的种别及预先设置的充电站推荐策略,确定为电动车推荐的目标充电站。最后,根据目标充电站对初始路线进行调整,得到包含目标充电站的规划路线。
本实施例中,当可选的充电站(候选充电站)有多个时,可以基于预先设置的充电站推荐策略,根据区域维度(电动车所在的区域与各候选充电站所在道路区域的关系)、基准点维度(各候选充电站到电动车所在区域的基准点的距离)及属性维度(各候选充电站的营业时间、忙闲状态、插口类型等属性)等几个方面对候选充电站进行筛选,从而筛选出最合理的目标充电站。解决了现有电动车的充电行程规划方法过于单一、规划精度低的问题,提升了用户的驾车体验。
本实施例中,可以由车载终端进行路线规划,也可以由服务器进行路线规划。示例性地,图1为本申请实施例的应用场景示意图,如图1所示,当车辆(电动车)与服务器通信连接,当车辆需要进行路线规划时,向服务器发送路线规划请求,服务器响应于路线规划请求,执行本申请的技术方案为车辆进行路线规划,并将得到规划路线反馈给车辆。
实施例一
图2为本申请实施例一提供的电动车的路线规划方法的流程示意图,本实施例的方法可以由本申请实施例所提供的电动车的路线规划装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于车载终端或图1所示的服务器中。如图2所示,本实施例的电动车的路线规划方法,包括:
S201、获取电动车的电池信息和行程信息。
本实施例中,行程信息和电池信息作为确定电动车的行驶路线及为电动车推荐充电站的关键数据,因此,在开始进行路线规划时,需要先进行电池信息和行程信息的获取。
其中,电池信息包括电池总电量和当前电池电量。电池总电量是电池的固有参数,与电池的充电能力有关,是指电池充满时的电量,即电池容量,不同型号的电池其电池总电量可能不同。当前电池电量是电池的状态参数,与电动车对电池电量的使用情况有关,是指电动车请求进行路线规划时电池的剩余电量,该电量可以是电池总电量(电动车刚充满电的情况),也可以小于电池总电量(电动车充满电后被使用了一段时间的情况,如在道路上行驶了一段时间)。
由于电池信息是车辆数据的一部分,因此,本实施例中,可以直接从存储车辆参数的位置,如数据库中进行读取,得到该电动车的电池信息。
行程信息包括出发地、目的地和用户偏好。出发地是指待规划路线的起始点,可以是电动车当前所在的位置,也可以不是电动车当前所在的位置。目的地是指待规划路线的终点。用户偏好可以包括用户(驾驶人员)的道路选取偏好(如倾向于走行程较短的路线,还是风景较好的路线等)、期望途经地(如希望途径某个景点或朋友的住所等)、驾驶习惯(如喜欢激烈驾驶,还是柔和驾驶等)等。
本实施例中,一方面,可以通过控制车辆中人机交互界面,如显示屏,弹出相应的对话框,便于用户进行出发地、目的地、期望途经地等信息的输入,另一方面,可以根据车辆积累的用户历史数据(以往驾驶过程中积累的路线数据、驾驶行为数据等),分析确定用户的驾驶习惯、道路选取偏好等,从而得到该电动车的行程信息。
S202、根据出发地、目的地和用户偏好,规划出电动车的初始路线。
本实施例中,在进行路线规划时,先在S201获取的行程信息的基础上,在不考虑电池电量及电池能量消耗的情况下,根据出发地、目的地和用户偏好,规划出电动车的初始路线。
本实施例中,可以采用现有的路线规划算法,规划得到电动车的初始路线。在一种可能的实施方式中,采用双向A*算法,从出发地和目的地开始分别进行A*搜索,在结合用户偏好的基础上,通过计算距离代价值,寻找从出发地到目的地距离代价值最低的路线,得到初始路线。
S203、根据电动车的车况数据和初始路线的道路交通数据,确定电动车在行驶过程中的电池能量消耗。
本实施例中,在确定出电动车的初始路线之后,需要进一步计算电动车在初始路线上行驶过程中的电池能量消耗,以为电动车推荐合适的充电站。本实施例中,根据电动车的车况数据和初始路线的道路交通数据,估算电动车在初始路线上行驶过程中的能量消耗情况,即电动车的电池能量消耗。
其中,电动车的车况数据可以包括电动车的车外温度和车载总量。车外温度可以在确定出初始路线后,根据电动车所要经过的路段或区域的天气状况确定。车载总量是电动车自身重量与车内乘客重量及车辆所载货物重量的和,可以通过电动车上安装的重量传感器进行获取。初始路线的道路交通数据,是反映初始路线的道路交通情况的数据,可以包括初始路线中不同路段的车速信息(平均车速、最高车速和最低车速)和坡度信息(坡度大小、斜坡长度和斜坡高度)等,其中,车速信息可以从道路信息网中获取,坡度信息可以从数据库中获取。
在一种可能的实施方式中,本实施例中,可先根据实际情况,如地域差异、道路种别、道路限速及坡度情况等,对初始路线进行分段,得到不同的道路分段,如加速路段、减速路段、匀速路段、上坡路段、下坡路段和平缓路段等,再根据不同道路分段对应的车速信息、坡度信息、车载总量和车外温度,计算电动车在各道路分段上行驶时的电池能量消耗。
示例性地,对于每一道路分段上的电池能量消耗,可以分别计算电动车在该道路分段上的基础能耗、动能消耗、势能消耗和附加能耗,再根据如下公式计算得到各道路分段的总能耗,即电池能量消耗:
ETotal=k1EBase+EKinetic+EPotential+EAuxiliary (1)
其中,ETotal表示电池能量消耗,EBase表示基础能耗,EKinetic表示动能消耗,EPotential表示势能消耗,EAuxiliary表示附加能耗,k1为驾驶员的驾驶柔和系数。下面将对上述各参数分别加以介绍。
(1)基础能耗EBase:
是电动车以一定速度行驶的能量消耗,EBase依赖于车辆的消耗速度曲线(Consumption Speed Curve,CSC),该曲线可以从车辆参数中进行获取。该曲线的影响因素主要为车辆的平均速度和外界温度,存储数值为能量消耗。
本实施例中,可通过如下公式确定EBase:
EBase=CSC(v,T) (2)
其中,v为车辆在该道路分段行驶时的平均速度,可根据从道路信息网得到速度信息确定(实时的),也可以从数据库中直接获取(非实时的,当无法获取到道路信息网中的速度信息时,如网络不佳时)。T为车辆在该道路分段行驶时车外温度。
相应地,在获取到CSC之后,可根据获取到的车辆在该道路分段的v和T,通过查询CSC,得到车辆在该道路分段行驶的EBase。
由公式(1)可知,基础能耗EBase可通过k1进行调整,k1与驾驶员的驾驶柔和程度(可根据驾驶员的驾驶习惯确定)之间存在对应关系,驾驶员的驾驶越柔和,k1的值越小,该对应关系可作为车辆参数,预先存储在车机中的。在计算ETotal时,可根据用户偏好中驾驶习惯,确定驾驶员的驾驶柔和程度,进而从车机中获取与该驾驶柔和程度对应的k1,并将其代入公式(1)中即可。
(2)动能消耗EKinetic:
电动车在行驶过程中,针对具有不同道路种别或驾驶条件等,会进行加速或减速行驶,从而带来由动能引起的能量的消耗(加速)或回收(减速)。本实施例中,通过如下公式计算电动车的动能消耗:
其中,k2为电动车的动能转换系数,由车辆参数决定,可直接从车机中获取。m为电动车整体质量,可根据车载重量进行计算。v2为变化后的速度(即电动车在该道路分段的末速度),v1为变化前的速度(即电动车在该道路分段的初速度)。若该道路分段为加速路段,则v2>v1,EKinetic>0,若该道路分段为减速路段,则v2<v1,EKinetic<0。
(3)势能消耗EPotential:
电动车在行驶过程中,由于道路坡度不同,会进行上坡行驶或下坡行驶,从而带来由势能引起的能量的消耗(上坡)或回收(下坡)。本实施例中,通过如下公式计算电动车的势能消耗:
EPotential=k3mgh=k3mgρl (4)
其中,k3为车辆的势能转换系数,由车辆参数决定,可直接从车机中获取。m为电动车整体质量,可根据车载重量进行计算。g为重力加速度,h为该道路分段的高度差(即斜坡高度)。ρ为该道路分段的坡度,l为该道路分段的长度(即斜坡长度)。本实施例中,可以根据斜坡长度或斜坡高度中的任意一种进行势能消耗EPotential的计算。若该道路分段为上坡路段,则h,ρ>0,EPotential>0,若该道路分段为下坡路段,则h,ρ<0,EPotential<0。
(4)附加能耗EAuxiliary:
电动车在行驶过程中,根据用户对电动车相关功能的使用情况,可能会存在空调能耗(由于使用空调产生的能量消耗)、电池温度能耗(由于电池温度较高产生的能量消耗)、舒适性能耗(由于使用音乐播放功能或座椅加热功能等产生的能量消耗)、车身网络能耗(由于使用网络产生的能量消耗)等。示例性地,本实施例中,可通过如下公式计算电动车的附加能耗:
EAuxiliary=EA1+EA2+EA3+EA4=eA1tA1+eA2tA2+eA3tA3+eA4tA4 (5)
其中,EA1、EA2、EA3、EA4分别表示空调能耗、电池温度能耗、舒适性能耗和车身网络能耗。eA1、eA2、eA3、eA4分别表示单位空调能耗(空调开启时,单位时间产生的能耗)、单位电池温度能耗(电池温度高于温度阈值时,单位时间产生的能耗)、单位舒适性能耗(舒适性功能开启时,单位时间产生的能耗,开启的舒适性功能不同,eA3的取值不同,如只使用座椅加热功能和只使用音乐播放功能时的eA3不同)和单位车身网络能耗(使用网络时,单位时间产生的能耗),eA1、eA2、eA3、eA4由车辆参数决定,可直接从车机中获取。tA1、tA2、tA3、tA4分别表示在该道路分段上的空调能耗时长(空调的开启时长)、电池能耗时长(电池温度高于温度阈值的时长)、舒适性能耗时长(舒适性功能的开启时长)、车身网络能耗(使用网络的时长)。
需要说明的是,电动车内消耗电池能量的附加功能越多,在计算附加能耗时需要考虑的因素就越多,上述公式(5)中仅以空调能耗、电池温度能耗、舒适性能耗和车身网络能耗作为一种举例,在实际计算过程可根据实际情况对公式(5)中的求和项进行适当增减,此处不做限制。另外,在计算附加能耗时,可结合车况数据、道路交通数据和用户历史数据等,推断需要考虑的附加能耗种类及附加能耗的作用时长,并推断结果进行附加能耗EAuxiliary。例如,若当前路段的车外温度较为适宜,则在该路段行驶过程中是不需要开空调的,则可通过EAuxiliary=EA2+EA3+EA4计算附加能耗(即EA1=0)。
本实施例中,可通过上述公开(1)-(5)分别计算出电动车在不同道路分段行驶过程中的电池能量消耗,从而得到电动车在初始路线行驶过程中的电池能量消耗情况。
S204、根据初始路线、电池能量消耗和充电站分布图,确定目标充电站。
本实施例中,在初始路线和电动车在初始路线上行驶过程中的电池能量消耗确定后,就可以结合充电站分布图,为用户推荐合适的充电站,为便于区分,这里将最终确定的要推荐给用户的充电站,叫做目标充电站。
其中,充电站分布图是一种事先绘制的描述各区域中充电站情况的地图,充电站分布图中不仅可以包括各充电站的位置信息,还可以包括各充电站的一些基本信息,如充电站的类型、营业时间、限制条件、开放状态、忙闲状态以及包括的充电桩的数量和可提供充电口类型等。另外,充电站分布图中还可以包括其他地理要素,如建筑物等信息。
可以理解的是,充电站分布图中的充电站信息是实时的和动态变化的,如当充电站A的营业时间发生变化时,充电分布图中充电站A的信息也会发生变动,从而保证最终确定的目标充电站是可用的,提高为用户推荐的充电站的准确性。
在一种可能的实施方式中,可以先根据初始路线和电动车在初始路线上行驶过程中的电池能量消耗,从充电站分布图中筛选出候选充电站,再根据电动车所在的位置及预先设置的充电站推荐策略,对候选充电站进行筛选,得到符合条件的目标充电站。
示例性地,在筛选候选充电站时,可以先以电动车的当前位置为基准点,根据当前电池电量和初始路线上的电池能量消耗,确定出初始路线上需要为用户推荐充电站的区域(可以为一个,也可以为多个),再根据预先设置候选充电站的筛选条件对初始路线上及初始路线周边的充电站进行筛选,得到候选充电站。
其中,充电站推荐策略主要是指从候选充电站中筛选目标充电站的策略,可以是距离优先策略、充电时间最短策略等,具体可根据不同的需求和使用场景进行设定,此处不做限制。
示例性地,若充电站推荐策略为距离优先策略,则在确定目标充电站推荐时,可以候选充电站中筛选出距离对应的基准点最近的候选充电站,作为目标充电站。如假设基准点为P1,则从候选充电站中筛选出距离P1最近的充电站,就可以得到目标充电站。
可选地,S204之前,本实施例中,可以先根据S201中获取到的当前电池电量和S203中计算得到的电池能量消耗,确定电动车是否能够到达目的地,假设对初始路线进行分段,得到道路分段一、道路分段二、道路分段三和道路分段四,通过S203计算得到的各道路分段的电池能量消耗分别为E1、E2、E3、E4,则本实施例中,假设当前电池电量为E0,则可以通过如下公式计算电动车到达目的地时的电池电量Eterminal:
Eterminal=E0-E1-E2-E3-E4 (6)
判断Eterminal是否大于Eterminal_min(Eterminal_min为电动车到达目的地时允许的最小电池电量,可以事先由用户进行设置),若Eterminal大于或等于Eterminal_min,则可以不进行充电站的推荐,因此,可以将初始路线直接推荐给用户;若Eterminal小于Eterminal_min,则需要为电动车推荐充电站,因此,需要执行S204-S205,在筛选出目标充电站的基础上,对初始路线进行调整,并将调整后的路线推荐给用户。
S205、根据目标充电站对初始路线进行调整,得到目标路线。
本实施例中,在筛选出目标充电站后,根据筛选出的目标充电站对初始路线进行调整,得到包括目标充电站的目标路线。
本实施例中,根据电动车电池容量及蓄电能力的不同以及路线长度的不同等,S204中筛选出的目标充电站可以为一个,也可以为多个。当目标充电站有多个时,可以结合充电站分布图或地图数据,先获取各目标充电站位置信息,根据位置信息,确定初始路线上各目标充电站的上一个行程点和下一个行程点,最后,以各目标充电站作为途经点,对上一个行程点和下一个行程点之间的路线进行重新规划,得到目标路线。
示例性地,图3a为本申请实施例一提供的一种路线规划示意图,如图3a所示,其中,上图中两条虚线之间的区域为需要推荐充电站的区域,A、B、C、D、E为根据候选充电站的筛选条件筛选出的候选充电站,假设P1该区域的基准点,则D为以P1为基准点对候选充电站进一步筛选后确定的目标充电站,S1和S2分别为初始路线上目标充电站D的上一个行程点和下一个行程点,通过对初始路线上S1和S2之间的路线进行重新规划,得到目标路线。
其中,行程点为出发地、目的地或用户期望的途经地,在确定出目标充电站之后,本实施例中,可以根据目标充电站的位置信息(可以从充电站分布图上获取)以及出发地、目标地和用户期望的途经地的位置信息,确定目标充电站的上一个行程点和下一个行程点。示例性地,图3b为本申请实施例一提供的另一种路线规划示意图,如图3b所示,若根据位置信息确定,目标充电站位于出发地和途径地之间,则目标充电站的上一个行程点为出发地,下一个行程点为途经地;若根据位置信息确定,目标充电站位于途径地和目的地之间,则目标充电站的上一个行程点为途经地,下一个行程点为目的地。
需要说明的是,若用户没有期望的途经地,则目标充电站的上一个行程点和下一个行程点分别为出发地和目的地。若用户期望的途经地有多个,根据目标充电站实际位置的不同,目标充电站的上一个行程点和下一个行程点可以均为途经地,例如,若目标充电站的位置位于途经地M和途经地N之间,则目标充电站的上一个行程点和下一个行程点分别为途经地M和途经地N。
本实施例中,通过获取电动车的电池信息和行程信息,电池信息包括电池总电量和当前电池电量,行程信息包括出发地、目的地和用户偏好,根据出发地、目的地和用户偏好,规划出电动车的初始路线,根据电动车的车况数据和初始路线的道路交通数据,确定电动车在行驶过程中的电池能量消耗,根据初始路线、电池能量消耗和充电站分布图,确定目标充电站,根据目标充电站对初始路线进行调整,得到目标路线。通过综合考虑用户偏好、车况及道路交通情况,为用户推荐全程考虑充电站的路线,不仅使推荐的路线能够更加贴近用户的需求和偏好,还提高了推荐的充电站的可用性和可达性,从而提升了用户对电动车的使用体验。
实施例二
下面将一个具体的实施例对筛选候选充电站的方案加以介绍,图4为本申请实施例二提供的筛选候选充电站的流程示意图,本实施例的方法可以由本申请实施例所提供的电动车的路线规划装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于车载终端或图1所示的服务器中。在上述实施例一的基础上,如图4所示,本实施例中根据初始路线和电池能量消耗,从充电站分布图中筛选出候选充电站,包括:
S401、根据电池总电量、当前电池电量和电池能量消耗,确定电动车在行驶过程中的电池荷电状态。
为筛选出候选充电站,本实施例中,可以先根据电池总电量、当前电池电量以及S203中计算得到的电动车在行驶过程中的电池能量消耗,计算电动车在行驶过程中的电池荷电状态(state of charge,SOC)。
具体地,本实施例中,可以先根据当前电池电量和各道路分段的电池能量消耗,确定电动车在各道路分段的电池剩余电量,再根据电池总电量和电池剩余电量,计算电动车在行驶过程中的电池荷电状态。
示例性地,假设对初始路线进行分段,得到道路分段一、道路分段二、道路分段三和道路分段四,通过S203计算得到的各道路分段的电池能量消耗分别为E1、E2、E3、E4,假设当前电池电量为E0,则电动车通过道路分段一、道路分段二、道路分段三和道路分段四之后的电池剩余电量Esurplus分别为E0-E1、E0-E1-E2、E0-E1-E2-E3和E0-E1-E2-E3-E4。假设电池总电量为Ecapacity,则可通过如下公式计算电动车通过各道路分段后的电池荷电状态SOC:
SOC=Esurplus/Ecapacity×100% (7)
需要说明的是,上述道路分段的划分仅作为一种举例,在实际进行路线规划时,由于实际路况的复杂性和多样性,可能每几米或几十米就会形成一个道路分段,得到一系列的道路分段。相应地,通过分别计算各道路分段的电池荷电状态,就可以得到电动车在初始路线上行驶过程中电池荷电状态的变化情况。
S402、根据电池荷电状态和荷电状态阈值,对初始路线进行分区,得到至少一个道路区间。
本实施例中,将电池荷电状态作为用户推荐充电站的考量因素,因此,在计算出电动车行驶过程中荷电状态的变化情况后,基于预先设置的荷电状态阈值,对初始路线进行分区,得到至少一个道路区间,从而便于确定筛选候选充电站的位置。
其中,荷电状态阈值是对初始路线进行分区的依据,可根据实际情况进行设置和调整,此处不做限制。本实施例中,根据荷电状态阈值对初始路线进行划分时,可以先根据S401中计算得到的电动车在初始路线上行驶过程中的电池荷电状态,确定出荷电状态阈值在初始路线上对应的位置,进而根据确定的位置对初始路线进行分区,得到至少一个道路区间。
在一种可能的实施方式,可以将荷电状态阈值划分为安全SOC阈值(可以不进行充电站推荐的阈值)、尝试SOC阈值(尝试进行充电站添加的阈值)、必要SOC阈值(需要进行充电站添加的阈值)、紧急SOC阈值(必须进行充电站添加的阈值)。相应地,将初始路线划分为安全区间(SOC大于安全SOC阈值)、尝试区间(SOC介于安全SOC阈值和尝试SOC阈值之间)、必要区间(SOC介于尝试SOC阈值和必要SOC阈值之间)、第一紧急区间(SOC介于必要SOC阈值和紧急SOC阈值之间)和第二紧急区间(SOC小于紧急SOC阈值)。
示例性地,图5为本申请实施例二提供的道路区间示意图,如图5所示,其中,表示安全SOC阈值为80%,ACS_SOC、CCS_SOC和LOW_SOC分别表示尝试SOC阈值、必要SOC阈值、紧急SOC阈值,SectionA、SectionB、SectionC_1、SectionC_2和SectionC_3分别表示对初始路线进行划分得到的安全区间、尝试区间、必要区间、第一紧急区间和第二紧急区间。其中,ACS_SOC、CCS_SOC和LOW_SOC的具体数值可根据实际情况进行设定,如可以分别为50%、30%和10%,此处不做限制。
需要说明的是,本实施例中的划分得到的道路区间与实施例一中的道路分段不同,道路分段是计算电动车的电池能量消耗时,根据道路上车辆的速度及坡度等的变化,对初始路线进行划分得到的。而道路区间是在筛选候选充电站时,基于预设的荷电状态阈值,对初始路线进行划分得到的。
S403、基于至少一个道路区间,从充电站分布图中筛选出候选充电站。
本实施例,可以预先设置候选充电站的筛选条件,在S402划分出道路区间后,基于划分得到的道路区间进行候选充电站筛选,从而保证筛选出的候选充电站的可用性。
由于高速路上,电动车只有驶出高速路或服务区才能进行充电,因此,为进一步提高筛选出的候选充电站的可用性,本实施例中,需要先确定至少一个道路区间的道路种别,再根据道路种别,采用不同的筛选条件从充电站分布图中筛选出各道路区间的可用充电站,得到候选充电站。
本实施例中,将道路种别划分为高速路和非高速路,相应地,可以从地图上获取各道路区间的道路种别,若某道路区间的道路种别为高速路,则需要根据服务区和高速出口,从充电站分布图进行候选充电站的筛选,若某道路区间的道路种别为非高速路,则可以直接根据预设搜索范围,从充电站分布图中进行候选充电站的筛选。
示例性地,继续参照图5,对于非高速路,本实施例中可通过如下策略进行候选充电站的筛选:
a)若CCP_SOC(当前位置的电池荷电状态)大于或等于80%时,说明电量较大,无需选择充电站,即不在SectionA选择充电站。
b)若80%>CCP_SOC≥ACS_SOC:应向用户推荐SectionB中的充电站,并尝试推荐靠近ACS_SOC的充电站(优选SectionB中的充电站,如果SectionB中的充电站不适用(超出预设的范围或者没有营业),则应搜索SectionC_1中的充电站)。
c)若ACS_SOC>CCP_SOC≥CCS_SOC:应向用户推荐靠近CCS_SOC的充电站(优选SectionC_1中的充电站,若SectionC_1中的充电站不适用,则推荐CCS_SOC周边的的充电站)。
d)若CCP_SOC<CCS_SOC:需要尽快充电,应需要选择CCP_SOC附近的充电站。
e)选择半径:
SectionB:10km
SectionC_1:10km
CCS_SOC搜索半径:25公里。
CCP搜索半径:25公里。
可以理解的是,在正常非高速公路上搜索时,应过滤掉高速公路上的充电站。
示例性地,继续参照图5,对于高速路,本实施例中可通过如下策略进行候选充电站的筛选:
a)若CCP_SOC(当前位置的电池荷电状态)大于或等于80%,说明电量较大,无需选择充电站,即不在SectionA选择充电站。
b)若80%>CCP_SOC≥ACS_SOC:应向用户推荐SectionB中的充电站,并尝试推荐靠近ACS_SOC的充电站(优选SectionB中的充电站,如果SectionB中的充电站不适用(超出预设的范围或者没有营业),则应搜索SectionC_1中的充电站)。
c)若ACS_SOC>CCP_SOC≥CCS_SOC:应向用户推荐靠近CCS_SOC的充电站(优选SectionC_1中的充电站,若SectionC_1中的充电站不适用,则推荐SectionC_2中的充电站)。
d)若CCP_SOC<CCS_SOC:应选择截面图SectionC_2和SectionC_3中的充电站。
e)选择半径(SectionB、SectionC_1、SectionC_2和SectionC_3):
服务区、高速出口:10km。
本实施例中,通过根据电池总电量、当前电池电量和电池能量消耗,确定电动车在行驶过程中的电池荷电状态,根据电池荷电状态和荷电状态阈值,对初始路线进行分区,得到至少一个道路区间,基于至少一个道路区间,从充电站分布图中筛选出候选充电站。实现了对候选充电站的筛选,并提高了筛选出的候选充电站的可用性。
实施例三
下面将一个具体的实施例对筛选目标充电站的方案加以介绍,图6为本申请实施例二提供的筛选候选充电站的流程示意图,本实施例的方法可以由本申请实施例所提供的电动车的路线规划装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于车载终端或图1所示的服务器中。在上述实施例二的基础上,如图6所示,本实施例中基于预先设置的充电站推荐策略,根据电动车所在的位置,从候选充电站中筛选出目标充电站,包括:
S601、根据电动车所在的位置,确定电动车所在的目标道路区间。
本实施例中,采用充电站推荐策略从候选充电站中进行目标充电站的筛选,充电站推荐策略是基于电动车所在道路区间进行设定的权重赋值策略,用于根据电动车所在的位置,确定不同的候选充电站权重(用以表征候选充电站的推荐优先级,权重值越大,推荐优先级越高),实现对候选充电站的筛选的定量化,保证推荐出最合理的目标充电站。因此,本步骤中,需要先根据电动车所在的位置,计算当前位置的电池SOC,从而确定电动车所在的道路区间,即目标道路区间。示例性地,若电动车所在的位置电池荷电状态CCP_SOC介于80%与ACS_SOC之间,则可以确定目标道路区间为SectionB。
S602、基于目标道路区间,根据充电站推荐策略,确定各候选充电站的推荐权重。
本实施例中,在确定出目标道路区间后,需要进一步确定出各候选充电站的推荐权重,在一种可能的实施方式中,采用充电站推荐策略确定各候选充电站的推荐权重包括如下步骤:
(1)根据目标道路区间和各候选充电站所在的道路区间,确定各候选充电站的第一权重值。
为便于描述,这里可以将充电站推荐策略中确定候选充电站的第一权重值的策略叫做区域维度推荐策略。在区域维度推荐策略中,以任何一个道路区间作为目标道路区间,为不同的道路区间设置不同的区域权重,示例性地,表1为本申请实施例提供的目标道路区间与区域权重的对应关系。
表1
区域权重的具体数值可采用实施例中针对高速路和非高速路筛选候选充电站中类似的原则进行设定。例如,若目标道路区间为SectionB,则在设置区域权重时,则应使各道路区间的区间权重满足:x22>x23>x24>x25,从而保证SectionB中候选充电站具有较高的推荐优先级;若目标道路区间为SectionC_1,则应使各道路区间的区间权重满足:x33>x34>x35,从而保证SectionC_1中候选充电站具有较高的推荐优先级。示例性地,目标道路区间为SectionB时,SectionB、SectionC_1、SectionC_2和SectionC_3的区域权重可以分别设置为10000、1000、10和1。通过设置不同道路区间的区域权重具有较大的差距,从而可以突出区域权重的重要性。在一种可能的实施方式中,表1中x22=x12,x33=x23=x13,x44=x34=x24=x14,x55=x45=x35=x25=x15。
需要说明的是,由于在SectionA中不为用户推荐充电站,因此,可以不为SectionA设置区域权重。另外,由于在进行充电站推荐过程中,仅为用户推荐CCP_SOC所属区域或之后区域的充电站,因此,可以不为CCP_SOC所属区域之前的区域设置区域权重,例如,当目标道路区间为SectionC_1,则没有必要为SectionA和SectionB设置区域权重。
相应地,本实施方式中,在确定出电动车的目标道路区间后,进一步地,可以先确定各候选充电站所在的道路区间,再根据表1中的数据,将各候选充电站所在的道路区间的区域权重作为各候选充电站的第一区间权重。
(2)根据各候选充电站与目标基准点之间的距离,确定各候选充电站的第二权重值。
为便于描述,这里可以将充电站推荐策略中确定候选充电站的第二权重值的策略叫做基准点维度推荐策略。在基准点维度推荐策略中,为不同的道路区间设置不同的基准点,即预设基准点,例如,设置SectionB、SectionC_1、SectionC_2和SectionC_3的基准点分别为ACS_SOC、CCS_SOC、CCP_SOC和CCP_SOC(由于电动车在SectionA中不需要充电,故不为SectionA设置基准点),为不同的距离范围(候选充电站与预设基准点之间的距离)设置不同的距离权重。示例性地,表2为本申请实施例提供的距离范围与距离权重的对应关系。
表2
距离范围 | 距离权重 |
<2km | y1 |
2km~5km | y2 |
5km~15km | y3 |
>15km | y4 |
在设置距离权重时,应保证距离基准点越近,距离权重越大,即y1>y2>y3>y4,从而保证距离基准点较近的候选充电站具有较高的推荐优先级。该距离权重的设置原则对于SectionB、SectionC_1、SectionC_2和SectionC_3的候选充电站均适用。
相应地,本实施方式中,先根据确定的目标道路区间,确定目标基准点,进一步地,计算各候选充电站到目标基准点的距离,再根据表1中的数据,确定各候选充电站的第二权重值。其中,目标基准点是指目标道路区间的预设基准点,例如,若目标道路区间为SectionB,则目标基准点为ACS_SOC,相应地,在确定第二权重值时,就应分别计算各候选充电站到ACS_SOC距离;若目标道路区间SectionC_1,则目标基准点为CCS_SOC,相应地,在确定第二权重值时,就应分别计算各候选充电站到CCS_SOC距离。
(3)根据各候选充电站的目标属性的属性值,确定各候选充电站的第三权重值。
为便于描述,这里可以将充电站推荐策略中确定候选充电站的第三权重值的策略叫做属性维度推荐策略。在属性维度推荐策略中,设置了参与第三权重值确定的候选充电站的属性,即目标属性,以及目标属性的权重,示例性地,目标属性可以包括电动车到达各候选充电站的预计荷电状态值和预计到达时间、各候选充电站的开放状态、营业时间、忙闲状态、充电站类型、限制条件。
其中,各候选充电站的开放状态、营业时间、忙闲状态、充电站类型、限制条件可以从充电站分布图中进行获取。电动车到达各候选充电站的预计荷电状态值和预计到达时间,可根据电池信息和电动车当前的位置等,通过计算得到。具体地,可先确定电动车从当前位置到达候选充电站的线路,对预计荷电状态值的计算,可以先采用S203中的方法,计算电动车沿相应线路行驶过程的电池能量消耗,从而计算得到电动车到达相应候选充电站的剩余电池电量,进而计算得到电动车到达相应候选充电站的预计荷电状态值。对于预计到达时间的计算,可以先确定从当前位置到各达候选充电站距离,再获取各线路上的速度信息,根据电动车从当前位置行驶到达各候选充电站距离和速度,就可以计算得到电动车到达相应候选充电站所需要花费的时间,进而,结合当前的时间信息,就可以计算得到电动车到达相应候选充电站的预计到达时间。示例性地,表3为本申请实施例提供的候选充电站的目标属性类型及属性权重设置原则。
表3
需要说明的是,无论目标道路区间是SectionA、SectionB、SectionC_1、SectionC_2或SectionC_3,表3中的属性权重设置原则均适用。
示例性地,在属性维度推荐策略中可以将目标属性分为过滤项和排序项。并根据过滤项和排序项进行属性权重的设置。过滤项满足的充电站从基准点维度结果N个中直接排除。剩余列表内充电站使用属性进行排序
过滤项:包括A、E和H。可以将A、E和H的属性权重设置为0。
排序项:包括B、C、D、F和G。首先,根据B、C、D、F和G优先级顺序,为B、C、D、F和G设置基础权重。假设B、C、D、F和G之间的优先级顺序为:F>B>C>D>G,则可以将设置B、C、D、F和G的基础权重分别设置为:priority(F)=16,priority(B)=8,priority(C)=4,priority(D)=2,priority(G)=1。在设置排序项的基础权重时应保证高优先级目标属性的基础权重大于所有低优先级目标属性的基础权重之和,示例性地,由于F>B>C>D>G,则应保证priority(F)>priority(B)+priority(C)+priority(D)+priority(G),priority(B)>priority(C)+priority(D)+priority(G),以此类推。
然后,对于同一排序项中,可以再根据具体的属性值的不同,设置不同的参量权重。例如,对于目标属性D,可以根据为其属性值快充站和非快充站设置不同的参量权重,保证快充站参量权重大于非快充站参量权重即可。再如,对于目标属性B,可以按照预计荷电状态值是否大于ACS_SOC,并根据预计荷电状态值与ACS_SOC或CCS_SOC的差值,为其设置不同的参量权重,只要保证到达充电站时,预计荷电状态值大于ACS_SOC,ACS_SOC周边的充电站有更高优先级,预计荷电状态值小于ACS_SOC,CCS_SOC周边的充电站有更高优先级即可。参量权重的具体设置方式与表2中类似,此处不再赘述。
最后,采用通过基础权重与参量权重相乘的方式,确定各目标属性的属性权重,假设参量权重用z表示,则属性权重可以表示为z(:)×priority(:)。
相应地,本实施方式中,先确定各候选充电站的目标属性的属性值,再确定参量权重的基础上,采用上述赋值策略,计算各目标属性的属性权重,最后,对各目标属性的属性权重进行求和,得到各候选充电站的第三权重值。
(4)对第一权重值、第二权重值和第三权重值进行求和,得到各候选充电站的推荐权重。
示例性地,本实施方式中可通过如下公式计算推荐权重:
W=W1+W2+W3 (8)
其中,W表示推荐权重,W1、W2和W3分别表示第一权重值、第二权重值和第三权重值。可以理解的是,在计算推荐权重根据不同的需求,也可以为W1、W2和W3设置相应的系数k,从而对不同权重值的重要程度加以区分。
S603、将推荐权重最大的候选充电站确定为目标充电站。
本实施例中,在通过S602计算出所有候选充电站的推荐权重之后,筛选出推荐权重最大的候选充电站,并将该充电站作为目标充电站。
本实施例中,根据电动车所在的位置,确定电动车所在的目标道路区间,基于目标道路区间,根据充电站推荐策略,确定各候选充电站的推荐权重,将推荐权重最大的候选充电站确定为目标充电站,由于充电站推荐策略根据不同的因素和从不同的维度对候选充电站进行筛选,得到目标充电站,因此,提高了目标充电站的推荐精度,提升了用户对电动车的使用体验。
实施例四
图7为本申请实施例四提供的电动车的路线规划装置的结构示意图,如图7所示,本实施例中电动车的路线规划装置700包括:
获取模块710和处理模块720。
获取模块710,用于获取电动车的电池信息和行程信息,所述电池信息包括电池总电量和当前电池电量,所述行程信息包括出发地、目的地和用户偏好;
处理模块720,用于根据所述出发地、所述目的地和所述用户偏好,规划出所述电动车的初始路线;根据所述电动车的车况数据和所述初始路线的道路交通数据,确定所述电动车在行驶过程中的电池能量消耗;根据所述初始路线、所述电池能量消耗和充电站分布图,确定目标充电站;根据所述目标充电站对所述初始路线进行调整,得到目标路线。
可选地,处理模块720具体用于:
根据所述初始路线和所述电池能量消耗,从所述充电站分布图中筛选出候选充电站;
基于预先设置的充电站推荐策略,根据电动车所在的位置,从所述候选充电站中筛选出目标充电站。
可选地,处理模块720具体用于:
根据所述电池总电量、所述当前电池电量和所述电池能量消耗,确定所述电动车在行驶过程中的电池荷电状态;
根据所述电池荷电状态和荷电状态阈值,对所述初始路线进行分区,得到至少一个道路区间;
基于所述至少一个道路区间,从所述充电站分布图中筛选出候选充电站。
可选地,处理模块720具体用于:
确定所述至少一个道路区间的道路种别;
根据所述道路种别,分别从充电站分布图中筛选出各道路区间的可用充电站,得到所述候选充电站。
可选地,所述道路种别包括高速路和非高速路,处理模块720具体用于:
若待分析道路区间的道路种别为高速路,则根据待分析道路区间的服务区和高速出口,从充电站分布图中筛选出所述待分析道路区间的可用充电站;
若待分析道路区间的道路种别为非高速路,则根据预设搜索范围,从充电站分布图中筛选出所述待分析道路区间的可用充电站。
可选地,处理模块720具体用于:
根据电动车所在的位置,确定所述电动车所在的目标道路区间;
基于所述目标道路区间,根据所述充电站推荐策略,确定各候选充电站的推荐权重;
将推荐权重最大的候选充电站确定为所述目标充电站。
可选地,所述充电站推荐策略为候选充电站的权重赋值策略;处理模块720具体用于:
根据所述目标道路区间和各候选充电站所在的道路区间,确定各候选充电站的第一权重值;
根据各候选充电站与目标基准点之间的距离,确定各候选充电站的第二权重值;
根据各候选充电站的目标属性的属性值,确定各候选充电站的第三权重值;
对所述第一权重值、所述第二权重值和所述第三权重值进行求和,得到各候选充电站的推荐权重。
可选地,所述目标属性包括所述电动车到达各候选充电站的预计荷电状态值和预计到达时间、各候选充电站的开放状态、营业时间、忙闲状态、充电站类型、限制条件。
可选地,处理模块720具体用于:
获取所述目标充电站的位置信息;
根据所述位置信息,确定所述初始路线上所述目标充电站的上一个行程点和下一个行程点;
以所述目标充电站作为途经点,对所述上一个行程点和所述下一个行程点之间的路线进行重新规划,得到所述目标路线。
本实施例所提供的电动车的路线规划装置可执行上述方法实施例所提供的电动车的路线规划方法,具备执行方法相应的功能模块和有益效果。本实施例的实现原理和技术效果与上述方法实施例类似,此处不再一一赘述。
实施例五
图8为本申请实施例五提供的一种电子设备的结构示意图,如图8所示,该电子设备800包括存储器810、处理器820及存储在存储器上并可在处理器上运行的计算机程序;电子设备800的处理器820的数量可以是一个或多个,图8中以一个处理器820为例;电子设备800中的处理器820、存储器810可以通过总线或其他方式连接,图8中以通过总线连接为例。
存储器810作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请实施例中的获取模块710和处理模块720对应的程序指令/模块。处理器820通过运行存储在存储器810中的软件程序、指令以及模块,从而执行设备/终端/服务器的各种功能应用以及数据处理,即实现上述的电动车的路线规划方法。
存储器810可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器810可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器810可进一步包括相对于处理器820远程设置的存储器,这些远程存储器可以通过网格连接至设备/终端/服务器。上述网格的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例六
本申请实施例六还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在由计算机处理器执行时用于执行一种电动车的路线规划方法,该方法包括:
获取电动车的电池信息和行程信息,所述电池信息包括电池总电量和当前电池电量,所述行程信息包括出发地、目的地和用户偏好;
根据所述出发地、所述目的地和所述用户偏好,规划出所述电动车的初始路线;
根据所述电动车的车况数据和所述初始路线的道路交通数据,确定所述电动车在行驶过程中的电池能量消耗;
根据所述初始路线、所述电池能量消耗和充电站分布图,确定目标充电站;
根据所述目标充电站对所述初始路线进行调整,得到目标路线。
当然,本申请实施例所提供的一种包计算机可读存储介质,其计算机程序不限于如上所述的方法操作,还可以执行本申请任意实施例所提供的电动车的路线规划方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本申请可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网格设备等)执行本申请各个实施例所述的方法。
值得注意的是,上述电动车的路线规划装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (8)
1.一种电动车的路线规划方法,其特征在于,包括:
获取电动车的电池信息和行程信息,所述电池信息包括电池总电量和当前电池电量,所述行程信息包括出发地、目的地和用户偏好;
根据所述出发地、所述目的地和所述用户偏好,规划出所述电动车的初始路线;
根据所述电动车的车况数据和所述初始路线的道路交通数据,确定所述电动车在行驶过程中的电池能量消耗;
根据所述初始路线、所述电池能量消耗和充电站分布图,确定目标充电站;
根据所述目标充电站对所述初始路线进行调整,得到目标路线;
所述根据所述初始路线、所述电池能量消耗和充电站分布图,确定目标充电站,包括:
根据所述初始路线和所述电池能量消耗,从所述充电站分布图中筛选出候选充电站;
基于预先设置的充电站推荐策略,根据电动车所在的位置,从所述候选充电站中筛选出目标充电站;
所述根据所述初始路线和所述电池能量消耗,从所述充电站分布图中筛选出候选充电站,包括:
根据所述电池总电量、所述当前电池电量和所述电池能量消耗,确定所述电动车在行驶过程中的电池荷电状态;
根据所述电池荷电状态和荷电状态阈值,对所述初始路线进行分区,得到至少一个道路区间;
基于所述至少一个道路区间,从所述充电站分布图中筛选出候选充电站;
所述基于所述至少一个道路区间,从所述充电站分布图中筛选出候选充电站,包括:
根据电动车所在的位置,确定所述电动车所在的目标道路区间;
基于所述目标道路区间,根据所述充电站推荐策略,确定各候选充电站的推荐权重;
将推荐权重最大的候选充电站确定为所述目标充电站;
所述充电站推荐策略为候选充电站的权重赋值策略;所述基于所述目标道路区间,根据所述充电站推荐策略,确定各候选充电站的推荐权重,包括:
根据所述目标道路区间和各候选充电站所在的道路区间,确定各候选充电站的第一权重值;
根据各候选充电站与目标基准点之间的距离,确定各候选充电站的第二权重值;
根据各候选充电站的目标属性的属性值,确定各候选充电站的第三权重值;
对所述第一权重值、所述第二权重值和所述第三权重值进行求和,得到各候选充电站的推荐权重。
2.根据权利要求1所述的方法,其特征在于,所述基于所述至少一个道路区间,从所述充电站分布图中筛选出候选充电站,包括:
确定所述至少一个道路区间的道路种别;
根据所述道路种别,分别从充电站分布图中筛选出各道路区间的可用充电站,得到所述候选充电站。
3.根据权利要求2所述的方法,其特征在于,所述道路种别包括高速路和非高速路,所述根据所述道路种别,分别从充电站分布图中筛选出各道路区间的可用充电站,得到所述候选充电站,包括:
若待分析道路区间的道路种别为高速路,则根据待分析道路区间的服务区和高速出口,从充电站分布图中筛选出所述待分析道路区间的可用充电站;
若待分析道路区间的道路种别为非高速路,则根据预设搜索范围,从充电站分布图中筛选出所述待分析道路区间的可用充电站。
4.根据权利要求1所述的方法,其特征在于,所述目标属性包括所述电动车到达各候选充电站的预计荷电状态值和预计到达时间、各候选充电站的开放状态、营业时间、忙闲状态、充电站类型、限制条件。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标充电站对所述初始路线进行调整,得到目标路线,包括:
获取所述目标充电站的位置信息;
根据所述位置信息,确定所述初始路线上所述目标充电站的上一个行程点和下一个行程点;
以所述目标充电站作为途经点,对所述上一个行程点和所述下一个行程点之间的路线进行重新规划,得到所述目标路线。
6.一种电动车的路线规划装置,其特征在于,包括:
获取模块,用于获取电动车的电池信息和行程信息,所述电池信息包括电池总电量和当前电池电量,所述行程信息包括出发地、目的地和用户偏好;
处理模块,用于根据所述出发地、所述目的地和所述用户偏好,规划出所述电动车的初始路线;根据所述电动车的车况数据和所述初始路线的道路交通数据,确定所述电动车在行驶过程中的电池能量消耗;根据所述初始路线、所述电池能量消耗和充电站分布图,确定目标充电站;根据所述目标充电站对所述初始路线进行调整,得到目标路线;
所述处理模块具体用于,根据所述初始路线和所述电池能量消耗,从所述充电站分布图中筛选出候选充电站;
基于预先设置的充电站推荐策略,根据电动车所在的位置,从所述候选充电站中筛选出目标充电站;
所述处理模块具体用于,根据所述电池总电量、所述当前电池电量和所述电池能量消耗,确定所述电动车在行驶过程中的电池荷电状态;
根据所述电池荷电状态和荷电状态阈值,对所述初始路线进行分区,得到至少一个道路区间;
基于所述至少一个道路区间,从所述充电站分布图中筛选出候选充电站;
所述处理模块具体用于,根据电动车所在的位置,确定所述电动车所在的目标道路区间;
基于所述目标道路区间,根据所述充电站推荐策略,确定各候选充电站的推荐权重;
将推荐权重最大的候选充电站确定为所述目标充电站;
所述充电站推荐策略为候选充电站的权重赋值策略;所述处理模块具体用于:
根据所述目标道路区间和各候选充电站所在的道路区间,确定各候选充电站的第一权重值;
根据各候选充电站与目标基准点之间的距离,确定各候选充电站的第二权重值;
根据各候选充电站的目标属性的属性值,确定各候选充电站的第三权重值;
对所述第一权重值、所述第二权重值和所述第三权重值进行求和,得到各候选充电站的推荐权重。
7.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5中任一所述的电动车的路线规划方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的电动车的路线规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111250344.4A CN113984079B (zh) | 2021-10-26 | 2021-10-26 | 电动车的路线规划方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111250344.4A CN113984079B (zh) | 2021-10-26 | 2021-10-26 | 电动车的路线规划方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113984079A CN113984079A (zh) | 2022-01-28 |
CN113984079B true CN113984079B (zh) | 2024-04-19 |
Family
ID=79741902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111250344.4A Active CN113984079B (zh) | 2021-10-26 | 2021-10-26 | 电动车的路线规划方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113984079B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114572054A (zh) * | 2022-02-25 | 2022-06-03 | 智己汽车科技有限公司 | 车辆补电方法及设备 |
CN116007644A (zh) * | 2022-12-02 | 2023-04-25 | 浙江极氪智能科技有限公司 | 一种车辆行驶路线的规划方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106873552A (zh) * | 2017-02-06 | 2017-06-20 | 山东鲁能智能技术有限公司 | 群互联控制的电动汽车充电监控系统及方法 |
CN110174117A (zh) * | 2019-05-29 | 2019-08-27 | 国网浙江电动汽车服务有限公司 | 一种电动汽车充电路线规划方法 |
CN110379028A (zh) * | 2019-06-14 | 2019-10-25 | 平安科技(深圳)有限公司 | 基于路线推荐的打卡方法、装置、计算机设备及存储介质 |
CN113029182A (zh) * | 2021-04-23 | 2021-06-25 | 河南大学 | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11117475B2 (en) * | 2018-10-22 | 2021-09-14 | Woven Planet North America, Inc. | Systems and methods for efficient vehicle control |
-
2021
- 2021-10-26 CN CN202111250344.4A patent/CN113984079B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106873552A (zh) * | 2017-02-06 | 2017-06-20 | 山东鲁能智能技术有限公司 | 群互联控制的电动汽车充电监控系统及方法 |
CN110174117A (zh) * | 2019-05-29 | 2019-08-27 | 国网浙江电动汽车服务有限公司 | 一种电动汽车充电路线规划方法 |
CN110379028A (zh) * | 2019-06-14 | 2019-10-25 | 平安科技(深圳)有限公司 | 基于路线推荐的打卡方法、装置、计算机设备及存储介质 |
CN113029182A (zh) * | 2021-04-23 | 2021-06-25 | 河南大学 | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 |
Non-Patent Citations (1)
Title |
---|
新能源企业开展综合能源系统方案与建议;关晓晴;能源科技;第18卷(第12期);66-70 * |
Also Published As
Publication number | Publication date |
---|---|
CN113984079A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11650066B2 (en) | Systems and methods for variable energy routing and tracking | |
CN107103383B (zh) | 一种基于打车热点的动态拼车调度方法 | |
Vosooghi et al. | Shared autonomous electric vehicle service performance: Assessing the impact of charging infrastructure | |
Miao et al. | Autonomous connected electric vehicle (ACEV)-based car-sharing system modeling and optimal planning: A unified two-stage multi-objective optimization methodology | |
CN107289957B (zh) | 电动汽车行程规划方法及系统、计算机装置、计算机可读存储介质 | |
CN107490386B (zh) | 一种电动汽车最优路径和驾驶方式的规划方法及系统 | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
CN110816549B (zh) | 能源管理装置、模型管理方法以及计算机程序 | |
CN105160428B (zh) | 高速公路电动汽车快速充电站的规划方法 | |
CN112665600B (zh) | 路径规划方法及装置、计算机可读存储介质及处理器 | |
CN113984079B (zh) | 电动车的路线规划方法、装置、电子设备和存储介质 | |
JP7226439B2 (ja) | 配車装置、配車方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 | |
US9902392B2 (en) | Mobility information processing apparatus, mobility information processing method, and driving support system | |
US9643589B2 (en) | Vehicular information processing device | |
Jung et al. | Design and modeling of real-time shared-taxi dispatch algorithms | |
JP7008802B2 (ja) | 配車管理装置及び配車管理方法 | |
CN105513400A (zh) | 动态规划出行路径的方法 | |
CN106326992A (zh) | 一种基于电量匹配的app预约租车系统及方法 | |
CN111967811B (zh) | 面向城市交通环境的混合动力物流车路径规划方法及系统 | |
CN113306448A (zh) | 充电提示方法、装置、设备及存储介质 | |
Tan et al. | A stochastic flow capturing location and allocation model for siting electric vehicle charging stations | |
CN110084432A (zh) | 车辆行驶路线的推荐方法、系统及车辆 | |
Bi et al. | Influence of charging behaviour given charging infrastructure specification: A case study of Singapore | |
Qiao et al. | Vehicle powertrain connected route optimization for conventional, hybrid and plug-in electric vehicles | |
Zalesak et al. | Real time operation of high-capacity electric vehicle ridesharing fleets |
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 |
Address after: 110000 No. 861-6, shangshengou village, Hunnan District, Shenyang City, Liaoning Province Applicant after: Shenyang Meihang Technology Co.,Ltd. Address before: 110167 E06, international software park, No. 860-1, shangshengou, Hunnan New District, Shenyang City, Liaoning Province Applicant before: SHENYANG MXNAVI Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |