CN114925882B - 新能源充电桩分布评价方法及装置 - Google Patents

新能源充电桩分布评价方法及装置 Download PDF

Info

Publication number
CN114925882B
CN114925882B CN202210391470.XA CN202210391470A CN114925882B CN 114925882 B CN114925882 B CN 114925882B CN 202210391470 A CN202210391470 A CN 202210391470A CN 114925882 B CN114925882 B CN 114925882B
Authority
CN
China
Prior art keywords
charging
evaluation
representing
data set
grid
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
CN202210391470.XA
Other languages
English (en)
Other versions
CN114925882A (zh
Inventor
黄洁
王姣娥
高阳
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.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
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 Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN202210391470.XA priority Critical patent/CN114925882B/zh
Publication of CN114925882A publication Critical patent/CN114925882A/zh
Application granted granted Critical
Publication of CN114925882B publication Critical patent/CN114925882B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及数据分析技术领域，是关于一种新能源充电桩分布评价方法及装置，方法包括：确定目标区域，并将目标区域按照预设的最小单元尺度划分为多个评价网格；获取目标区域内的待评价的新能源充电桩的分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；基于交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果。通过该技术方案，大幅提升了充电设施分布评价的准确性。

Description

新能源充电桩分布评价方法及装置
技术领域
本发明涉及数据分析技术领域，尤其涉及一种新能源充电桩分布评价方法及装置。
背景技术
新能源充电桩布局是城市新型基础设施和智慧交通系统建设的关键。空间可达性测度是对服务设施空间配置是否合理进行度量的有效方法之一，结合空间可达性指标，能够更直观、全面地评价新能源充电桩的网络结构、分布区位、分布均衡性、服务质量以及服务可持续性。现有研究中尚缺乏对城市内部精细尺度的充新能源电桩服务范围、可达性及空间格局的研究。
发明内容
为克服相关技术中存在的问题，本发明提供一种新能源充电桩分布评价方法及装置，以对新能源充电桩的空间可达性进行评价，从而解决现有技术中对新能源充电设施建设的自发性和盲目性，进而建立提升城市新型基础设施布点的合理性。
根据本发明实施例的第一方面，提供一种新能源充电桩分布评价方法，所述方法包括：
确定目标区域，并将所述目标区域按照预设的最小单元尺度划分为多个评价网格；
获取所述目标区域内的待评价的新能源充电桩的分布位置数据、其他各类活动设施分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；
基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果。
在一个实施例中，优选地，所述出行链过程包括驾车找桩步骤、步行活动步骤、步行返回步骤和驾车返回步骤，其中，驾车找桩步骤和驾车返回步骤的路线为对称路线，步行活动步骤和步行返回步骤的路线为对称路线。
在一个实施例中，优选地，所述方法还包括：
基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以评价网格的中心点作为终点，根据累计机会算法，计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会，以获得步行活动可达性评价结果；
根据所述充电可达性评价结果和所述步行活动可达性评价结果，对充电桩的空间可达性进行分析。
在一个实施例中，优选地，基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果，包括：
根据出行时间确定出行的第一距离衰减率，采用以下第一计算公式计算所述出行的第一距离衰减率：
Figure 710740DEST_PATH_IMAGE001
其中，f (α∙ t i,j )表示遵循高斯分布函数的所述第一距离衰减率；γ表示初始衰减率；t 0 表示不发生衰减的初始时间，即第一预设时间阈值；t i,j 表示从评价网格i到达目的充电站点j的出行时间；β表示衰减系数；α表示平均交通拥堵系数；
建立每个充电站点空间阻隔Ai范围内的第一服务区，并查找落入所述第一服务区内所有评价网格i的新能源车辆；
建立每个评价网格i空间阻隔Ai范围内的第二服务区，并查找所述第二服务区内所有位置的充电站点j；
根据所述第一距离衰减率，采用以下第二计算公式计算充电站点的服务能力：
Figure 537882DEST_PATH_IMAGE002
其中，R j 表示所述充电站点的服务能力，m表示评价网格的总数量，n表示充电桩的总数量，S j 表示平均每个充电站点可供使用的充电桩数量，P i 表示落入所述第一服务区内所有评价网格i的新能源车辆的数量，f (α∙ t i,j )表示所述第一距离衰减率；
根据所述充电站点的服务能力采用以下第三计算公式计算评价网格i的空间可达性，以获得充电可达性评价结果：
Figure 197402DEST_PATH_IMAGE003
其中，PA i 表示评价网格i的空间可达性，即第i个评价网格的出行车辆可达充电桩的数量。
在一个实施例中，优选地，基于所述交通网络数据集和起终点数据集，采用三次函数的距离衰减率，以充电站点作为起点，以所述充电站点附近的其他各类设施点作为终点，根据累计机会算法，计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会，以获得步行活动可达性评价结果，包括：
根据步行时间，采用以下第四计算公式计算所述步行的第二距离衰减率：
Figure 310851DEST_PATH_IMAGE004
其中，
Figure 767241DEST_PATH_IMAGE005
表示所述步行的第二距离衰减率；
Figure 522707DEST_PATH_IMAGE006
表示从充电站点i步行到达目的活动点j所耗用的时间，
Figure 584204DEST_PATH_IMAGE007
表示不发生距离衰减的初始阈值，即第二预设时间阈值；
采用以下第五计算公式计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会：
Figure 399713DEST_PATH_IMAGE008
其中，
Figure 812240DEST_PATH_IMAGE009
表示从评价网格i到达设施点j的累计机会；O j 表示第二服务区内设施点j的数量，
Figure 496031DEST_PATH_IMAGE010
表示所述步行的第二距离衰减率；
根据所述累计机会，采用以下第六计算公式计算其他各类设施点的累计机会可达性：
Figure 677614DEST_PATH_IMAGE011
其中，
Figure 867287DEST_PATH_IMAGE012
表示设施点j的累计机会可达性，M表示设施j的权重矩阵，
Figure 298268DEST_PATH_IMAGE013
表示从评价网格i到达设施点j的累计机会。
根据本发明实施例的第二方面，提供一种新能源充电桩分布评价装置，所述装置包括：
划分模块，用于确定目标区域，并将所述目标区域按照预设的最小单元尺度划分为多个评价网格；
获取模块，用于获取所述目标区域内的待评价的新能源充电桩的分布位置数据、其他各类活动设施分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；
第一计算模块，用于基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果。
在一个实施例中，优选地，所述装置还包括：
第二计算模块，用于基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以评价网格的中心点作为终点，根据累计机会算法，计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会，以获得步行活动可达性评价结果；
分析模块，用于根据所述充电可达性评价结果和所述步行活动可达性评价结果，对充电桩的空间可达性进行分析。
在一个实施例中，优选地，所述第一计算模块包括：
第一计算单元，用于根据出行时间确定出行的第一距离衰减率，采用以下第一计算公式计算所述出行的第一距离衰减率：
Figure 864378DEST_PATH_IMAGE001
其中，f (α∙ t i,j )表示遵循高斯分布函数的所述第一距离衰减率；γ表示初始衰减率；t 0 表示不发生衰减的初始时间，即第一预设时间阈值；t i,j 表示从评价网格i到达目的充电站点j的出行时间；β表示衰减系数；α表示平均交通拥堵系数；
第一查找单元，用于建立每个充电站点空间阻隔Ai范围内的第一服务区，并查找落入所述第一服务区内所有评价网格i的新能源车辆；
第二查找单元，用于建立每个评价网格i空间阻隔Ai范围内的第二服务区，并查找所述第二服务区内所有位置的充电站点j；
第二计算单元，用于根据所述第一距离衰减率，采用以下第二计算公式计算充电站点的服务能力：
Figure 572571DEST_PATH_IMAGE014
其中，R j 表示所述充电站点的服务能力，m表示评价网格的总数量，n表示充电桩的总数量，S j 表示平均每个充电站点可供使用的充电桩数量，P i 表示落入所述第一服务区内所有评价网格i的新能源车辆的数量，f (α∙ t i,j )表示所述第一距离衰减率；
第三计算单元，用于根据所述充电站点的服务能力采用以下第三计算公式计算评价网格i的空间可达性，以获得充电可达性评价结果：
Figure 933146DEST_PATH_IMAGE015
其中，PA i 表示评价网格i的空间可达性，即第i个评价网格的出行车辆可达充电桩的数量。
在一个实施例中，优选地，所述第二计算模块用于：
根据步行时间，采用以下第四计算公式计算所述步行的第二距离衰减率：
Figure 851423DEST_PATH_IMAGE016
其中，
Figure 221225DEST_PATH_IMAGE005
表示所述步行的第二距离衰减率；
Figure 111820DEST_PATH_IMAGE017
表示从充电站点i步行到达目的活动点j所耗用的时间，
Figure 564667DEST_PATH_IMAGE007
表示不发生距离衰减的初始阈值，即第二预设时间阈值；
采用以下第五计算公式计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会：
Figure 173503DEST_PATH_IMAGE008
其中，
Figure 878154DEST_PATH_IMAGE013
表示从评价网格i到达设施点j的累计机会；O j 表示第二服务区内设施点j的数量，
Figure 888835DEST_PATH_IMAGE010
表示所述步行的第二距离衰减率；
根据所述累计机会，采用以下第六计算公式计算其他各类设施点的累计机会可达性：
Figure 856791DEST_PATH_IMAGE011
其中，
Figure 359448DEST_PATH_IMAGE012
表示设施点j的累计机会可达性，M表示设施j的权重矩阵，
Figure 71052DEST_PATH_IMAGE009
表示从评价网格i到达设施点j的累计机会。
根据本发明实施例的第三方面，提供一种新能源充电桩分布评价装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
确定目标区域，并将所述目标区域按照预设的最小单元尺度划分为多个评价网格；
获取所述目标区域内的待评价的新能源充电桩的分布位置数据、其他各类活动设施分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；
基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果。
基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以评价网格的中心点作为终点，根据累计机会算法，计算出行链过程中步行活动步骤可达其他各类设施的数量，以获得步行活动可达性评价结果。
根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如第一方面的实施例中任一项所述方法的步骤。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明实施例中，通过对居民充电活动时出行步骤的划分，设定不同距离衰减系统，分析计算不同出行阶段的充电行为可达性评价结果，并对可达性评价结果作解释，大幅提升了充电设施分布评价的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种新能源充电桩分布评价方法的流程图。
图2是根据一示例性实施例示出的另一种新能源充电桩分布评价方法的流程图。
图3是根据一示例性实施例示出的出行链示意图。
图4A是根据一示例性实施例示出的车辆行驶可达性效用衰减示意图。
图4B是根据一示例性实施例示出的步行可达性效用衰减示意图。
图5A是根据一示例性实施例示出充电可达性的分布评价示意图。
图5B是根据一示例性实施例示出步行活动可达性的分布评价示意图。
图6是根据一示例性实施例示出的一种新能源充电桩分布评价装置的框图。
图7是根据一示例性实施例示出的另一种新能源充电桩分布评价装置的框图。
图8是根据一示例性实施例示出的一种新能源充电桩分布评价装置中第一计算模块的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种新能源充电桩分布评价方法的流程图。
如图1所示，根据本发明实施例的第一方面，提供一种新能源充电桩分布评价方法，所述方法包括：
步骤S101，确定目标区域，并将所述目标区域按照预设的最小单元尺度划分为多个评价网格；确定目标区域是指确定待评价的研究区域（比如想评价北京，就确定北京为评价区域）。具体地，可以采用ArcGIS软件“创建渔网”工具，在参数设置中确定需要评价的最小单元尺度（比如100m*100m），即生成评价网格。
步骤S102，获取所述目标区域内的待评价的新能源充电桩的分布位置数据、其他各类活动设施分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；
其中，可以采用高德开放平台API的数据接口，采集所确定的研究区域内特定兴趣点数据，即获取待评价充电桩的位置数据，并写入表格。交通网络数据采集自openstreetmap开放平台，数据清洗后，保留四级路网，利用ArcGIS中网络分析工具，生成网络数据集。路网的速度＝高德地图交通拥堵系数与道路限速的乘积。
步骤S103，基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果。在一个实施例中，优选地，所述出行链过程包括驾车找桩步骤、步行活动步骤、步行返回步骤和驾车返回步骤，其中，驾车找桩步骤和驾车返回步骤的路线为对称路线，步行活动步骤和步行返回步骤的路线为对称路线。
起终点即出发点和到达点，按照所处出行链中顺序，出发点分别是：研究区域内的各个评价网格中心点、充电桩位置点、其他各类设施兴趣点位置、充电桩位置点、评价网格中心点。
在一个实施例中，优选地，基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果，包括：
根据出行时间确定出行的第一距离衰减率，采用以下第一计算公式计算所述出行的第一距离衰减率：
Figure 936240DEST_PATH_IMAGE001
其中，f (α∙ t i,j )表示遵循高斯分布函数的所述第一距离衰减率；γ表示初始衰减率；t 0 表示不发生衰减的初始时间，即第一预设时间阈值；t i,j 表示从评价网格i到达目的充电站点j的出行时间；β表示衰减系数；α表示平均交通拥堵系数；
建立每个充电站点空间阻隔Ai范围内的第一服务区，并查找落入所述第一服务区内所有评价网格i的新能源车辆；
其中，空间阻隔是指克服空间阻隔的难易程度，把节点与克服阻隔的边界间赋予可达性的数值，阻隔越小，可达性范围越大。空间阻隔模型表达为：
Figure 606255DEST_PATH_IMAGE018
。
其中：C i,j 是指从设施点 i 到达目的点 j 的出行时间，J 为目的点总数。
距离衰减规律反映了人们克服空间阻隔，到达设施的可能性随其距离增加而减小，从而导致设施需求的空间差异性，一般使用频率越高的设施就近布置的要求越迫切。
建立每个评价网格i空间阻隔Ai范围内的第二服务区，并查找所述第二服务区内所有位置的充电站点j；
根据所述第一距离衰减率，采用以下第二计算公式计算充电站点的服务能力：
Figure 376634DEST_PATH_IMAGE002
其中，R j 表示所述充电站点的服务能力，m表示评价网格的总数量，n表示充电桩的总数量，S j 表示平均每个充电站点可供使用的充电桩数量，P i 表示落入所述第一服务区内所有评价网格i的新能源车辆的数量，f (α∙ t i,j )表示所述第一距离衰减率；
根据所述充电站点的服务能力采用以下第三计算公式计算评价网格i的空间可达性，以获得充电可达性评价结果：
Figure 32875DEST_PATH_IMAGE003
其中，PA i 表示评价网格i的空间可达性，即第i个评价网格的出行车辆可达充电桩的数量。
空间可达性PA i 表示为考虑供给能力与需求数量，经过距离衰减后，第 i 个评价网格的出行车辆对服务区内充电桩的可达数量。PA i 越大表明该网格i的可达性越好，服务区内车辆去充电站点的时空障碍越低。
图2是根据一示例性实施例示出的另一种新能源充电桩分布评价方法的流程图。
如图2所示，根据本发明实施例的第一方面，提供一种新能源充电桩分布评价方法，所述方法包括：
如图2所示，在一个实施例中，优选地，所述方法还包括：
步骤S201，基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以评价网格的中心点作为终点，根据累计机会算法，计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会，以获得步行活动可达性评价结果；
步骤S202，根据所述充电可达性评价结果和所述步行活动可达性评价结果，对充电桩的空间可达性进行分析。
在一个实施例中，优选地，上述步骤S201包括：
根据步行时间，采用以下第四计算公式计算所述步行的第二距离衰减率：
Figure 18148DEST_PATH_IMAGE016
其中，
Figure 859065DEST_PATH_IMAGE005
表示所述步行的第二距离衰减率；
Figure 929789DEST_PATH_IMAGE017
表示从充电站点i步行到达目的活动点j所耗用的时间，
Figure 638988DEST_PATH_IMAGE007
表示不发生距离衰减的初始阈值，即第二预设时间阈值；
采用以下第五计算公式计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会：
Figure 478768DEST_PATH_IMAGE008
其中，
Figure 959428DEST_PATH_IMAGE013
表示从评价网格i到达设施点j的累计机会；O j 表示第二服务区内设施点j的数量，
Figure 783028DEST_PATH_IMAGE010
表示所述步行的第二距离衰减率；
根据所述累计机会，采用以下第六计算公式计算其他各类设施点的累计机会可达性：
Figure 640125DEST_PATH_IMAGE011
其中，
Figure 334412DEST_PATH_IMAGE012
表示设施点j的累计机会可达性，M表示设施j的权重矩阵，
Figure 392498DEST_PATH_IMAGE009
表示从评价网格i到达设施点j的累计机会。
Figure 437814DEST_PATH_IMAGE019
越大表明该网格i的作为车主出行目的地的机会越大。
在该实施例中，将各类不同属性的设施点位置分布数据按数量汇总到评价网格内，每个评价网格对充电桩的需求按照网格内汇总到的各类设施点数量加权，以充电站为出发点，采用累计机会法，以三次函数拟合的衰减函数确定阈值，同时考虑充电桩的供给与出行目的需求，对各类设施点所在的网格中心点为终点，进行可达性机会查找，按距离衰减进行可达机会点累加，可以得到最后的累计机会可达性，累计机会可达性越高的区域代表了居民对该地充电站点的出行意愿越强。
下面以一个具体实施例，详细说明本发明的上述技术方案。
实例研究区域为北京市六环以内，集聚了全市75.9%的人口和71.5%的充电站点。新能源车有充电和换电两种能用补给方式，因换电站建设成本高、普及难等原因，普及规模远不及充电模式。因此，实例研究针对北京六环内充电桩。
车辆保有量、充电桩建成数量来自北京市交通发展年度报告、市政平台e充网；社会经济统计数据来源于北京市统计年鉴。充电站点位置（2862个）、居住小区（2.65万个）、企业公司（1.08万个）、餐饮娱乐（5.76万个）与科教文卫设施（4.97万个）的POI数据调用自高德地图API。其中，充电站点位置与国家电网、特来电等主流充电平台数据进行了核对。分级路网数据来源于OpenStreetMap，并用ArcGIS进行了拓扑检查。人口数据来源worldpop，时间为2020年。所有数据均汇集到1公里网格。
新能源汽车充电出行链的全部过程包括驾车找桩、步行活动、步行返回、驾车返回四个步骤，如图3所示。驾车找桩步骤主要由充电站点的服务能力和辐射范围决定。从每个网格出发，驾车出行在一定时间内能够找到的充电桩数量越多，该网格的驾车搜寻充电站点可达性越高。因此，针对这一步骤的出行特性，本发明采用考虑距离衰减函数的两步移动搜索法。步行活动步骤中主要用充电站点周边步行可达的活动点数量决定。考虑到车主对不同类型的活动点的出行意愿不同，这一步骤采用加权处理后的累积机会模型进行可达性分析。由于图3中的步骤3、步骤4可以看做一组折返路线，无需重复分析。由此，构建了驾车找桩、步行活动、步行返回、驾车返回全过程出行链，并基于出行链进行两个出行视角的可达性分析。
空间阻隔是指克服空间阻隔的难易程度，一般采用可用距离、出行时间或出行费用表示空间阻隔，把节点与克服阻隔的边界间赋予可达性的数值，阻隔越小，可达性范围越大。空间阻隔模型表达为：
Figure 364182DEST_PATH_IMAGE020
。
其中：C i,j 是指从设施点i到达目的点j的出行时间，J为目的点总数。该模型主要反映交通网络的通勤因素，考虑的变量较少，但可以简洁直观的测定可达性，并以此划出设施的服务区。
距离衰减规律反映了人们克服空间阻隔，到达设施的可能性随其距离增加而减小，从而导致设施需求的空间差异性，许多学者基于不同设施和不同出行目的距离衰减函数进行了较多的拟合计算，一般使用频率越高的设施就近布置的要求越迫切。且大量的研究发现初始5分钟出行时间内，出行意愿不随距离衰减。即在5分钟内，衰减率保存为1，而5分钟之后开始进衰减。在驾车找桩步骤中，采用基于高斯分布的衰减函数，可以较好的拟合城市内尺度的出行情况。
Figure 912975DEST_PATH_IMAGE021
（1）
公式中，f (α×t i,j )为遵循高斯分布的衰减率；γ为初始衰减率；t 0 为不发生衰减的初始时间；t i,j 为从公里网格点i到达目的充电站点j的出行时间；β为衰减系数；α为需要考虑的平均交通拥堵系数。考虑到拥堵等实际情况，道路通行速度往往小于道路限速。北京市2020高峰时段交通拥堵延迟指数为1.796倍，北京市小汽车33%的出行行为发生在高峰时段，高峰时段平均车速为2.71分钟/km，小汽车次均行驶里程为16.1km，计算可得平均出行时间为31分钟，依此建立约束模型，计算衰减系数β。结果显示在β=0.00105下，经过31分钟后出行概率衰减到0.5以下，如图4A所示。
对于采用非机动车出行的步行活动步骤的距离衰减函数，同设定在5分钟行程内，衰减率保存为1。而5分钟之后开始进衰减，采用现有研究中的三次曲线函数进行拟合，对5分钟以上的非机动出行按距离衰减公式计算，即:
Figure 1016DEST_PATH_IMAGE022
（2）
其中，
Figure 923842DEST_PATH_IMAGE006
为采用非机动出行到达活动目的点所耗用的时间，单位为分钟。非机动出行衰减函数参考社区生活圈概念，在5分钟内满足其基本生活需要的范围内不发生概率意愿衰减；超过5分钟后基本日常出行活动数量快速衰减，这个区间主要出行活动为获取工作、教育、医疗、文化、大型绿地等设施，衰减速率由快变慢；超过15分钟后衰减加速，如图4B所示。
驾车找桩步骤中采用考虑距离衰减的两步移动搜索方法对可达性进行计算，这种方法可以同时考虑与位置拓扑和距离有关的资源供给与需求。该方法先后以供给和需求两地为中心，进行两次移动搜索。具体包括：
第一步：建立每个充电站点j空间阻隔Ai范围内的服务区，查找落入服务区内所有位置i的车辆，并求这些位置的车辆总和。充电站点j的充电桩数量与这些位置的车辆数与距离衰减函数（1）相乘后的比值，即为每个充电站点的服务能力
Figure 122742DEST_PATH_IMAGE023
。
其中，m为六环内公里网格数，总计2345个；t i,j 为出行点到机会点的出行时间；n为充电站点数量，总计2862个； S j 为平均每个充电站点可供使用的充电桩数量；P i 为每个网格的新能源车数量，由北京市新能源车人均拥有量与网格人口相乘得到；f (α∙ t i,j )为衰减函数，参数由（1）确定。根据北京市人口数量与新能源汽车保有量，估算1km网格的新能源汽车数量P i 。全市充电站点在去除无效点后，数量为4007个，其中六环内2862个。
考虑到区域供电系统的承受能力，60-90kW的充电站点贡献了约94%的充电电量和充电次数，充电站点间服务供给能力差异较小。根据北京市充电桩总量，采用平均数50.5分配每个充电站点的供给能力S j 。
第二步：建立每个千米网格i 空间阻隔Ai范围内的服务区，查找服务区内所有位置的充电站点j，将所有充电站点提供的服务R j 相加，即为千米网格i点的可达性
Figure 57200DEST_PATH_IMAGE024
。
空间可达性PA i 表示为考虑供给能力与需求数量，经过距离衰减后，第 i 个网格的出行车辆对服务区内充电桩的可达数量。PA i 越大表明该网格i的可达性越好，服务区内车辆去充电站点的时空障碍越低，则各个评价网格的可达性如图5A所示，其表示不同区域的单个新能源车辆能分配到的充电桩的数量。
累计机会法是基于需求点出发搜索一定距离范围内的公共服务设施可利用数量或品质好坏，其主要优势在于考虑了设施的服务半径差异，承认城市居民对不同类型设施的实际出行意愿差异。
基于第一性原理，对充电中的车主行为提出2个基本假设：①充电过程中，车主不会待在原位等待充电完成，而是会就近选择兴趣点目标开展活动。②充电完成后的某一时间点，车主一定会返回原位置取车，且这一折返路线对称。
步行活动步骤中，车主在充电期间，进行的日常活动可以分为两种情况讨论：①从网格出发后返回原网格继续进行活动，在日常活动后取车完成充电，包括返回居住区休息（第二天取车）、返回工作地工作（下班取车），返回各类服务设施休闲等。②从任意一个起始点（一般是从居住区出发）达到目的地周围的充电站后，前往目的地点进行一天的活动（工作和休闲），在结束行程后取车返回。路线①和路线②，均以出行目的点为终点，后返回充电站点。因此采用累计机会法计算充电桩出发可达的各类设施点数量，以此作为可达性的评价指标。
日常出行的目的地设施种类丰富，根据北京市出行目的频率统计，确定了6类主要活动目的，即个人事务、居住休憩、休闲娱乐、工作、购物、餐饮。研究中默认不同类型设施的服务半径与居民的实际出行意愿范围相符。参照《城市居住区规划设计标准》颁发的不同等级生活圈标准和研究经验，对充电设施到达目的活动设施的半径进行了阈值设定。
Figure 316143DEST_PATH_IMAGE025
为累计机会，其计算公式为
Figure 70473DEST_PATH_IMAGE026
。
公式中，
Figure 214009DEST_PATH_IMAGE013
为网格点i到达设施j累计机会；O j 为服务区内设施j的机会（数量）；
Figure 737394DEST_PATH_IMAGE027
是个二元变量；当地点i到设施j的成本 C i,j 小于设定阈值时，
Figure 698397DEST_PATH_IMAGE027
取值为1，当大于设定阈值时，按距离衰减算法（2）递减。最后对充电设施到达不同设施点j的累计机会进行标准化处理和加权计算，可以得到标准化的累计机会可达性，表示为
Figure 674443DEST_PATH_IMAGE012
。根据设施j的权重矩阵M（δ 1，δ 2，δ 3，δ 4，δ 5，δ 6），和OA i =（OA 1,i ，OA 2,i ，OA 3,i ，OA 4,i ，OA 5,i ，OA 6,i ）计算公式为
Figure 215146DEST_PATH_IMAGE028
。
Figure 514409DEST_PATH_IMAGE029
越大表明该网格i的作为车主出行目的地的机会越大，其结果如图5B所示。
图6是根据一示例性实施例示出的一种新能源充电桩分布评价装置的框图。
如图6所示，根据本发明实施例的第二方面，提供一种新能源充电桩分布评价装置，所述装置包括：
划分模块61，用于确定目标区域，并将所述目标区域按照预设的最小单元尺度划分为多个评价网格；
获取模块62，用于获取所述目标区域内的待评价的新能源充电桩的分布位置数据、其他各类活动设施分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；
第一计算模块63，用于基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果。
图7是根据一示例性实施例示出的另一种新能源充电桩分布评价装置的框图。
如图7所示，在一个实施例中，优选地，所述装置还包括：
第二计算模块71，用于基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以评价网格的中心点作为终点，根据累计机会算法，计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会，以获得步行活动可达性评价结果；
分析模块72，用于根据所述充电可达性评价结果和所述步行活动可达性评价结果，对充电桩的空间可达性进行分析。
图8是根据一示例性实施例示出的一种新能源充电桩分布评价装置中第一计算模块的框图。
如图8所示，在一个实施例中，优选地，所述第一计算模块63包括：
第一计算单元81，用于根据出行时间确定出行的第一距离衰减率，采用以下第一计算公式计算所述出行的第一距离衰减率：
Figure 849576DEST_PATH_IMAGE001
其中，f (α∙ t i,j )表示遵循高斯分布函数的所述第一距离衰减率；γ表示初始衰减率；t 0 表示不发生衰减的初始时间，即第一预设时间阈值；t i,j 表示从评价网格i到达目的充电站点j的出行时间；β表示衰减系数；α表示平均交通拥堵系数；
第一查找单元82，用于建立每个充电站点空间阻隔Ai范围内的第一服务区，并查找落入所述第一服务区内所有评价网格i的新能源车辆；
第二查找单元83，用于建立每个评价网格i空间阻隔Ai范围内的第二服务区，并查找所述第二服务区内所有位置的充电站点j；
第二计算单元84，用于根据所述第一距离衰减率，采用以下第二计算公式计算充电站点的服务能力：
Figure 109656DEST_PATH_IMAGE030
其中，R j 表示所述充电站点的服务能力，m表示评价网格的总数量，n表示充电桩的总数量，S j 表示平均每个充电站点可供使用的充电桩数量，P i 表示落入所述第一服务区内所有评价网格i的新能源车辆的数量，f (α∙ t i,j )表示所述第一距离衰减率；
第三计算单元85，用于根据所述充电站点的服务能力采用以下第三计算公式计算评价网格i的空间可达性，以获得充电可达性评价结果：
Figure 188470DEST_PATH_IMAGE031
其中，PA i 表示评价网格i的空间可达性，即第i个评价网格的出行车辆可达充电桩的数量。
在一个实施例中，优选地，所述第二计算模块71用于：
根据步行时间，采用以下第四计算公式计算所述步行的第二距离衰减率：
Figure 686448DEST_PATH_IMAGE016
其中，
Figure 599040DEST_PATH_IMAGE005
表示所述步行的第二距离衰减率；
Figure 815258DEST_PATH_IMAGE006
表示从充电站点i步行到达目的活动点j所耗用的时间，
Figure 228921DEST_PATH_IMAGE007
表示不发生距离衰减的初始阈值，即第二预设时间阈值；
采用以下第五计算公式计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会：
Figure 581405DEST_PATH_IMAGE008
其中，
Figure 179746DEST_PATH_IMAGE013
表示从评价网格i到达设施点j的累计机会；O j 表示第二服务区内设施点j的数量，
Figure 555363DEST_PATH_IMAGE032
表示所述步行的第二距离衰减率；
根据所述累计机会，采用以下第六计算公式计算其他各类设施点的累计机会可达性：
Figure 975981DEST_PATH_IMAGE011
其中，
Figure 979709DEST_PATH_IMAGE012
表示设施点j的累计机会可达性，M表示设施j的权重矩阵，
Figure 827579DEST_PATH_IMAGE013
表示从评价网格i到达设施点j的累计机会。
根据本发明实施例的第三方面，提供一种新能源充电桩分布评价装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
确定目标区域，并将所述目标区域按照预设的最小单元尺度划分为多个评价网格；
获取所述目标区域内的待评价的新能源充电桩的分布位置数据、其他各类活动设施分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；
基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果。
基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以评价网格的中心点作为终点，根据累计机会算法，计算出行链过程中步行活动步骤可达其他各类设施的数量，以获得步行活动可达性评价结果。
根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如第一方面的实施例中任一项所述方法的步骤。
进一步可以理解的是，本发明中“多个”是指两个或两个以上，其它量词与之类似。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
进一步可以理解的是，术语“第一”、“第二”等用于描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开，并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。
进一步可以理解的是，本发明实施例中尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (5)

1.一种新能源充电桩分布评价方法，其特征在于，所述方法包括：
确定目标区域，并将所述目标区域按照预设的最小单元尺度划分为多个评价网格；
获取所述目标区域内的待评价的新能源充电桩的分布位置数据、其他各类设施分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；
基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以第一评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果；
所述出行链过程包括驾车找桩步骤、步行活动步骤、步行返回步骤和驾车返回步骤，其中，驾车找桩步骤和驾车返回步骤的路线为对称路线，步行活动步骤和步行返回步骤的路线为对称路线；
基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以第二评价网格的中心点作为终点，根据累计机会算法，计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会，以获得步行活动可达性评价结果；
根据所述充电可达性评价结果和所述步行活动可达性评价结果，对充电桩的空间可达性进行分析；
基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以第一评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果，包括：
根据出行时间确定出行的第一距离衰减率，采用以下第一计算公式计算所述出行的第一距离衰减率：
Figure FDA0003953234190000021
其中，f(a·ti，j)表示遵循高斯分布函数的所述第一距离衰减率；γ表示初始衰减率；t0表示不发生衰减的初始时间，即第一预设时间阈值；ti，j表示从第一评价网格i到达充电站点j的出行时间；β表示衰减系数；α表示平均交通拥堵系数；
建立每个充电站点j在空间阻隔Ai范围内的第一服务区，并查找落入所述第一服务区内所有第一评价网格i的新能源车辆；
建立每个第一评价网格i在空间阻隔Ai范围内的第二服务区，并查找所述第二服务区内所有位置的充电站点j；
根据所述第一距离衰减率，采用以下第二计算公式计算充电站点的服务能力：
Figure FDA0003953234190000022
其中，Rj表示所述充电站点的服务能力，m表示第一评价网格的总数量，n表示充电桩的总数量，Sj表示平均每个充电站点可供使用的充电桩数量，Pi表示落入所述第一服务区内所有第一评价网格i的新能源车辆的数量，f(a·ti，j)表示所述第一距离衰减率；
根据所述充电站点的服务能力采用以下第三计算公式计算第一评价网格i的空间可达性，以获得充电可达性评价结果：
Figure FDA0003953234190000023
其中，PAi表示第一评价网格i的空间可达性，即第i个第一评价网格的出行车辆可达充电桩的数量。
2.根据权利要求1所述的方法，其特征在于，基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以第二评价网格的中心点作为终点，根据累计机会算法，计算出行链过程中步行活动步骤可达其他各类设施的数量，以获得步行活动可达性评价结果，包括：
根据步行时间，采用以下第四计算公式计算所述步行的第二距离衰减率：
Figure FDA0003953234190000031
其中，f(α·tp，q)表示所述步行的第二距离衰减率；tp，q表示从充电站点p步行到达第二评价网格q所耗用的时间，t0′表示不发生距离衰减的初始阈值，即第二预设时间阈值；
采用以下第五计算公式计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会：
Figure FDA0003953234190000032
其中，OAq，p表示从第二评价网格q到达充电站点p的累计机会；Op表示第二服务区内充电站点p的数量，f(α·tp，q)表示所述步行的第二距离衰减率；
根据所述累计机会，采用以下第六计算公式计算其他各类设施点的累计机会可达性：
PAq＝M×OAq，p
其中，PAq表示第二评价网格q的累计机会可达性，M表示第二评价网格q内设施k的权重矩阵，OAq，p表示从第二评价网格q到达充电站点p的累计机会。
3.一种新能源充电桩分布评价装置，其特征在于，所述装置包括：
划分模块，用于确定目标区域，并将所述目标区域按照预设的最小单元尺度划分为多个评价网格；
获取模块，用于获取所述目标区域内的待评价的新能源充电桩的分布位置数据、其他各类活动设施分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；
第一计算模块，用于基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以第一评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果；
第二计算模块，用于基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以第二评价网格的中心点作为终点，根据累计机会算法，计算出行链过程中步行活动步骤可达其他各类设施的数量，以获得步行活动可达性评价结果；
分析模块，用于根据所述充电可达性评价结果和所述步行活动可达性评价结果，对充电桩的空间可达性进行分析；
所述第一计算模块包括：
第一计算单元，用于根据出行时间确定出行的第一距离衰减率，采用以下第一计算公式计算所述出行的第一距离衰减率：
Figure FDA0003953234190000041
其中，f(a·ti，j)表示遵循高斯分布函数的所述第一距离衰减率；γ表示初始衰减率；t0表示不发生衰减的初始时间，即第一预设时间阈值；ti，j表示从第一评价网格i到达充电站点j的出行时间；β表示衰减系数；α表示平均交通拥堵系数；
第一查找单元，用于建立每个充电站点j在空间阻隔Ai范围内的第一服务区，并查找落入所述第一服务区内所有第一评价网格i的新能源车辆；
第二查找单元，用于建立每个第一评价网格i在空间阻隔Ai′范围内的第二服务区，并查找所述第二服务区内所有位置的充电站点j；
第二计算单元，用于根据所述第一距离衰减率，采用以下第二计算公式计算充电站点的服务能力：
Figure FDA0003953234190000051
其中，Rj表示所述充电站点的服务能力，m表示第一评价网格的总数量，n表示充电桩的总数量，Sj表示平均每个充电站点可供使用的充电桩数量，Pi表示落入所述第一服务区内所有第一评价网格i的新能源车辆的数量，f(a·ti，j)表示所述第一距离衰减率；
第三计算单元，用于根据所述充电站点的服务能力采用以下第三计算公式计算第一评价网格i的空间可达性，以获得充电可达性评价结果：
Figure FDA0003953234190000052
其中，PAi表示第一评价网格i的空间可达性，即第i个第一评价网格的出行车辆可达充电桩的数量。
4.根据权利要求3所述的装置，其特征在于，所述第二计算模块用于：
根据步行时间，采用以下第四计算公式计算所述步行的第二距离衰减率：
Figure FDA0003953234190000053
其中，f(α·tp，q)表示所述步行的第二距离衰减率；tp，q表示从充电站点p步行到达第二评价网格q所耗用的时间，t0′表示不发生距离衰减的初始阈值，即第二预设时间阈值；
采用以下第五计算公式计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会：
Figure FDA0003953234190000061
其中，OAq，p表示从第二评价网格q到达充电站点p的累计机会；Op表示第二服务区内充电站点p的数量，f(α·tp，q)表示所述步行的第二距离衰减率；
根据所述累计机会，采用以下第六计算公式计算其他各类设施点的累计机会可达性：
PAq＝M×OAq，p
其中，PAq表示第二评价网格q的累计机会可达性，M表示第二评价网格q内设施k的权重矩阵，OAq，p表示从第二评价网格q到达充电站点p的累计机会。
5.一种新能源充电桩分布评价装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
确定目标区域，并将所述目标区域按照预设的最小单元尺度划分为多个评价网格；
获取所述目标区域内的待评价的新能源充电桩的分布位置数据、其他各类活动设施分布位置数据和交通网络数据，并创建对应的交通网络数据集和起终点数据集；
基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以第一评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果；
所述出行链过程包括驾车找桩步骤、步行活动步骤、步行返回步骤和驾车返回步骤，其中，驾车找桩步骤和驾车返回步骤的路线为对称路线，步行活动步骤和步行返回步骤的路线为对称路线；
基于所述交通网络数据集和起终点数据集，采用三次函数拟合的距离衰减率，以充电站点作为起点，以第二评价网格的中心点作为终点，根据累计机会算法，计算所述出行链过程中步行活动步骤到达其他各类设施点的累计机会，以获得步行活动可达性评价结果；
根据所述充电可达性评价结果和所述步行活动可达性评价结果，对充电桩的空间可达性进行分析；
基于所述交通网络数据集和起终点数据集，采用高斯分布函数的距离衰减率，以第一评价网格的中心点作为起点，以充电站点作为终点，根据两步移动搜索算法，计算出行链过程中驾车找桩步骤可达充电桩的数量，以获得充电可达性评价结果，包括：
根据出行时间确定出行的第一距离衰减率，采用以下第一计算公式计算所述出行的第一距离衰减率：
Figure FDA0003953234190000071
其中，f(a·ti，j)表示遵循高斯分布函数的所述第一距离衰减率；γ表示初始衰减率；t0表示不发生衰减的初始时间，即第一预设时间阈值；ti，j表示从第一评价网格i到达充电站点j的出行时间；β表示衰减系数；α表示平均交通拥堵系数；
建立每个充电站点j在空间阻隔Ai范围内的第一服务区，并查找落入所述第一服务区内所有第一评价网格i的新能源车辆；
建立每个第一评价网格i在空间阻隔Ai范围内的第二服务区，并查找所述第二服务区内所有位置的充电站点j；
根据所述第一距离衰减率，采用以下第二计算公式计算充电站点的服务能力：
Figure FDA0003953234190000081
其中，Rj表示所述充电站点的服务能力，m表示第一评价网格的总数量，n表示充电桩的总数量，Sj表示平均每个充电站点可供使用的充电桩数量，Pi表示落入所述第一服务区内所有第一评价网格i的新能源车辆的数量，f(a·ti，j)表示所述第一距离衰减率；
根据所述充电站点的服务能力采用以下第三计算公式计算第一评价网格i的空间可达性，以获得充电可达性评价结果：
Figure FDA0003953234190000082
其中，PAi表示第一评价网格i的空间可达性，即第i个第一评价网格的出行车辆可达充电桩的数量。
CN202210391470.XA 2022-04-14 2022-04-14 新能源充电桩分布评价方法及装置 Active CN114925882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210391470.XA CN114925882B (zh) 2022-04-14 2022-04-14 新能源充电桩分布评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210391470.XA CN114925882B (zh) 2022-04-14 2022-04-14 新能源充电桩分布评价方法及装置

Publications (2)

Publication Number Publication Date
CN114925882A CN114925882A (zh) 2022-08-19
CN114925882B true CN114925882B (zh) 2023-04-07

Family

ID=82807100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210391470.XA Active CN114925882B (zh) 2022-04-14 2022-04-14 新能源充电桩分布评价方法及装置

Country Status (1)

Country Link
CN (1) CN114925882B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2020100703A4 (en) * 2020-05-05 2020-06-11 Li, Xiaolan Miss A method of spatial accessibility evaluation of urban facility services based on GIS
CN112071410A (zh) * 2020-07-24 2020-12-11 中国科学院城市环境研究所 一种城市医疗服务可达性测度方法及设备、存储介质
CN113222327A (zh) * 2021-03-24 2021-08-06 上海元卓信息科技有限公司 一种基于服务能力的地块可达性分析方法
CN114021795A (zh) * 2021-10-27 2022-02-08 北京交通大学 一种考虑电动汽车充电需求的充电站规划方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111385753B (zh) * 2019-10-24 2022-01-04 南京瑞栖智能交通技术产业研究院有限公司 一种基于手机信令数据的医疗设施可达性评估方法
CN111178619B (zh) * 2019-12-25 2023-11-07 东南大学 一种考虑分布式电源和充电站联合规划的多目标优化方法
CN113793680A (zh) * 2021-09-16 2021-12-14 福州大学 基于多模式高斯距离衰减函数改进的两步移动搜索方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2020100703A4 (en) * 2020-05-05 2020-06-11 Li, Xiaolan Miss A method of spatial accessibility evaluation of urban facility services based on GIS
CN112071410A (zh) * 2020-07-24 2020-12-11 中国科学院城市环境研究所 一种城市医疗服务可达性测度方法及设备、存储介质
CN113222327A (zh) * 2021-03-24 2021-08-06 上海元卓信息科技有限公司 一种基于服务能力的地块可达性分析方法
CN114021795A (zh) * 2021-10-27 2022-02-08 北京交通大学 一种考虑电动汽车充电需求的充电站规划方法及系统

Also Published As

Publication number Publication date
CN114925882A (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN105809962A (zh) 一种基于手机数据的交通出行方式划分的方法
CN105426997A (zh) 城市公共自行车智能调度与运用管理系统及其实现方法
CN101807222A (zh) 基于站点的城市公交线网优化配置方法
CN109579861A (zh) 一种基于强化学习的路径导航方法及系统
CN110175713B (zh) 分时租赁汽车用户出行目的预测方法
Duan et al. Bi-level programming model for resource-shared parking lots allocation
CN103679286A (zh) 路径优化方法及装置
CN114723480B (zh) 一种针对乡村旅游的客流量预测方法及货物调度系统
CN114092176A (zh) 一种基于公交车的城市通勤班车规划方法
CN111489039B (zh) 共享单车总量预测方法及系统
CN108876075A (zh) 城市轨道交通站点地区宜步行性评价方法
CN114548811A (zh) 一种机场可达性的检测方法、装置、电子设备及存储介质
CN117196197A (zh) 一种公共交通站点布局优化方法
Poudel et al. Evccs: Realistic simulation framework for electric vehicle commute and charge
CN110222884A (zh) 基于poi数据和客流量的车站可达性评估方法
CN110674990A (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
McArdle et al. City-scale traffic simulation from digital footprints
Hasnine et al. Mode shift impacts of optimal time-dependent congestion pricing in large networks: A simulation-based case study in the greater toronto area
Mahmoudi et al. Spatial-temporal prediction of electric vehicle charging demand in realistic urban transportation system of a mid-sized city in brazil
CN114925882B (zh) 新能源充电桩分布评价方法及装置
CN113343358B (zh) 一种考虑道路信息的电动汽车充电负荷时空分布建模方法
CN111861192A (zh) 一种电动汽车充电站的选址方法及装置
CN113947245B (zh) 一种基于订单累积量的多乘客多司机共乘匹配方法及系统
AU2021102010A4 (en) Method for Evaluating Accessibility of Electric Vehicle Charging Station
Zhang et al. Electric vehicle charging demand forecasting based on city grid attribute classification

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