CN116050681B - 一种电动汽车充电站布局方法、系统、存储介质及设备 - Google Patents
一种电动汽车充电站布局方法、系统、存储介质及设备 Download PDFInfo
- Publication number
- CN116050681B CN116050681B CN202310346182.7A CN202310346182A CN116050681B CN 116050681 B CN116050681 B CN 116050681B CN 202310346182 A CN202310346182 A CN 202310346182A CN 116050681 B CN116050681 B CN 116050681B
- Authority
- CN
- China
- Prior art keywords
- track
- electric vehicle
- electric
- cluster
- distance
- 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
- 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"
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及充电站布局的技术领域,公开了一种电动汽车充电站智慧布局方法,所述方法包括:对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记;对电动汽车行驶轨迹数据序列进行聚类处理;选取电动汽车停留概率超过预设置阈值的聚类簇作为电动汽车充电站布局区域并构建特征轨迹序列,基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布较低的轨迹点;选取距离标记轨迹点最近的充电站候选坐标点作为布局结果。本发明通过对行驶轨迹进行聚类处理,得到对应存在高比例停留点的特征轨迹序列,基于初始电量分布不同轨迹点的汽车剩余电量分布,在剩余电量分布较低的轨迹点附近建立电动汽车充电站。
Description
技术领域
本发明涉及充电站布局技术领域,特别是涉及一种电动汽车充电站布局方法、系统、存储介质及设备。
背景技术
随着电动汽车普及度的快速增加,电动汽车充电难、充电设施利用率低的问题愈发突出。一方面,现有的充电设施布局难以满足电动汽车充电需求;另一方面,大量闲置的充电桩无法给电动汽车用户带来方便。因此,目前的电动汽车充电站存在利用率低、布局不合理的问题。
中国专利(公开号为CN110543976A)公开了一种基于遗传算法的充电站布局优化方法,包括:(1)地图匹配,将充电需求对应在路网图中;(2)预测城市充电需求,确定充电热区;(3)调整充电热区,确定充电站候选区域;(4)确定充电站候选区域内的充电桩数量;(5)利用遗传算法实现最优布局。该专利在确定充电热区时,是根据充电需求进行筛选的,而在充电需求产生时,电动汽车往往处于电量即将耗尽的状态,并且在现实中,用户并不是等电量用完才进行充电,当汽车电量减少到一定程度,用户就会选择进行充电,所以根据电量即将耗尽的充电需求进行布局,并不符合用户习惯。
发明内容
本发明的目的是提供一种布局合理,选点精准的电动汽车充电站布局方法、系统、存储介质及设备。
为了实现上述目的,本发明提供了一种电动汽车充电站布局方法,包括如下步骤:
S1:采集区域内电动汽车行驶轨迹数据序列,并对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中电动汽车行驶状态包括正常行驶状态以及停留状态;
S2:利用改进的DBSCAN算法对电动汽车行驶轨迹数据序列进行聚类处理,得到若干聚类簇,其中每个聚类簇中包含若干轨迹类似的电动汽车行驶轨迹数据序列;所述步骤S2包括:
S21:对于任意两组电动汽车行驶轨迹数据序列,将其分别到水平方向和竖直方向,依次得到/>在水平方向的线段/>以及在竖直方向的线段/>,/>在水平方向的线段/>以及在竖直方向的线段/>,其中/>;
S22:计算和/>在右端点的距离/>和在左端点的距离,计算/>和/>在右端点的距离/>和在左端点的距离;
S23:计算得到电动汽车行驶轨迹数据序列之间的空间距离/>:
S24:计算得到电动汽车行驶轨迹数据序列集合中任意两组电动汽车行驶轨迹数据序列的空间距离,并对每组空间距离进行标准化处理,其中标准化处理公式为:
其中:
表示空间距离/>的标准化处理结果,并将/>作为电动汽车行驶轨迹数据序列/>的空间距离权重;
表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离均值;
表示表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离标准差;
S25:基于空间距离权重计算得到任意两组电动汽车行驶轨迹数据序列的轨迹距离,其中之间轨迹距离的计算公式为:
其中:
表示/>之间轨迹距离;
表示/>左端点到轨迹/>的欧式距离最小值,/>表示左端点到轨迹/>的欧式距离最小值;
表示/>右端点到轨迹/>的欧式距离最小值,/>表示/>右端点到轨迹/>的欧式距离最小值;
S26:设置邻域距离Eps;
S27:对于任意电动汽车行驶轨迹数据序列,将与/>之间轨迹距离小于邻域距离Eps的其余电动汽车行驶轨迹数据序列标记为/>的附属轨迹数据序列,统计任意电动汽车行驶轨迹数据序列/>的附属轨迹数据序列数目;
S28:将附属轨迹数据序列数目大于预设置MinPts的轨迹标记为聚类簇中心,基于聚类簇中心构建聚类簇,并将附属轨迹数据序列合并到对应聚类簇中心所在的聚类簇中,重复步骤S27-S28,得到M个聚类簇,并将未合并的轨迹数据序列合并到轨迹距离最近的聚类簇中心所构建的聚类簇中;
S3:基于电动汽车行驶状态计算每个聚类簇的电动汽车停留概率,选取电动汽车停留概率超过预设置阈值的聚类簇作为电动汽车充电站布局区域;包括:
S31:计算得到每个聚类簇的电动汽车停留概率,其中第m个聚类簇的电动汽车停留概率计算公式为:
其中:
表示第m个聚类簇中轨迹点的总数,/>;
表示第m个聚类簇中标记为停留状态的轨迹点数目;
表示第m个聚类簇的电动汽车停留概率;
S32:将超过预设置阈值的聚类簇作为电动汽车充电站布局区域,其中电动汽车充电站布局区域中包含若干电动汽车行驶轨迹数据序列;
S4:生成步骤S3所选取的聚类簇的特征轨迹序列,基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点;
S5:将步骤S4所标记的轨迹点的坐标进行地图匹配,在步骤S3得到的电动汽车充电站布局区域选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果。
作为优选方案,所述步骤S1中采集区域内电动汽车行驶轨迹数据序列,包括:
S11:设置电动汽车行驶轨迹采集时间范围,其中/>表示电动汽车行驶轨迹采集的初始时刻,/>表示电动汽车行驶轨迹采集的截止时刻;
S12:在步骤S11所设置的采集时间范围内,采集区域内电动汽车行驶轨迹数据序列,其中电动汽车行驶轨迹数据序列为包含若干轨迹点坐标的时序数据序列,所采集电动汽车行驶轨迹数据序列集合为:
其中:
表示电动汽车行驶轨迹数据序列集合,K表示data中电动汽车行驶轨迹数据序列的总数;
表示电动汽车行驶轨迹数据序列集合data中第k条电动汽车行驶轨迹数据序列;
表示电动汽车行驶轨迹数据序列/>中第i个轨迹点的位置坐标,/>,表示电动汽车行驶轨迹数据序列/>中轨迹点的总数,其中相邻轨迹点的采集时间间隔为/>。
作为优选方案,步骤S1中对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中所标记行驶状态包括正常行驶状态以及停留状态,电动汽车行驶状态标记流程为:
S13:计算得到电动汽车行驶轨迹数据序列中相邻轨迹点位置坐标/>,的距离/>,并计算得到序列的标准差作为距离标准差/>;
S14:计算得到电动汽车行驶轨迹数据序列中任意轨迹点位置坐标/>的距离密度函数值:
其中:
表示轨迹点索引的标准差,即数据序列/>的标准差;
表示轨迹点位置坐标/>与/>之间的距离;
表示自然常数;
表示轨迹点位置坐标/>的距离密度函数值;
S15:将距离密度函数值大于预设置密度阈值的轨迹点标记为停留状态,并将其余轨迹点标记为正常行驶状态。
作为优选方案,步骤S4中生成所选取聚类簇的特征轨迹序列,包括:
S41、计算所选取聚类簇中所包含电动汽车行驶轨迹数据序列的均值,得到所选取聚类簇对应的均值序列,将所述均值序列作为所选取聚类簇的特征轨迹序列,其中所述均值序列的序列长度为所选取聚类簇中所包含电动汽车行驶轨迹数据序列的长度均值,均值序列中任意第i个轨迹点位置坐标为电动汽车行驶轨迹数据序列中第i个轨迹点位置坐标均值。
作为优选方案,步骤S4中基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点,包括:
S42、构建电动汽车初始电量分布,其中电动汽车初始电量为的概率为,/>,G表示电动汽车初始电量的种类数,/>,/>表示初始电量/>出现的概率;
S43、对于任意特征轨迹序列,将特征轨迹序列的第一个轨迹点作为电动汽车起始点,最后一个轨迹点作为电动汽车终点,特征轨迹序列为电动汽车行驶轨迹,模拟生成若干组电动汽车初始电量,其中模拟生成的若干组电动汽车初始电量分布符合所构建的电动汽车初始电量分布,构建得到基于电动汽车初始电量分布的特征轨迹序列中不同轨迹点的电量分布模型:
其中:
表示特征轨迹序列的路径长度;
表示电动汽车到达特征轨迹序列中第s个轨迹点的所行驶路径长度;
表示单位时间间隔/>内电动汽车的平均耗电量,/>表示相邻轨迹点的采集时间间隔;
表示以/>为初始电量,到达特征轨迹序列中第s个轨迹点的电动车剩余电量;
S44、根据步骤S4得到的电量分布模型,得到不同轨迹点的剩余电量分布,标记剩余电量低于预设置正常行驶电量分布的轨迹点。
作为优选方案,步骤S5包括:
S51、将步骤S4所标记轨迹点的坐标进行地图匹配,并将步骤S3得到的电动汽车充电站布局区域中的轨迹点以及轨迹点邻近区域进行地图匹配;
S52、在地图匹配后的电动汽车充电站布局区域中选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果。
本发明还提供一种电动汽车充电站布局系统,包括:
轨迹采集及行驶状态标记模块,用于采集区域内电动汽车行驶轨迹数据序列,并对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中电动汽车行驶状态包括正常行驶状态以及停留状态;
聚类模块,用于改进的DBSCAN算法对电动汽车行驶轨迹数据序列进行聚类处理,得到若干聚类簇,其中每个聚类簇中包含若干轨迹类似的电动汽车行驶轨迹数据序列;具体执行以下步骤:
S21:对于任意两组电动汽车行驶轨迹数据序列,将其分别到水平方向和竖直方向,依次得到/>在水平方向的线段/>以及在竖直方向的线段/>,/>在水平方向的线段/>以及在竖直方向的线段/>,其中/>;
S22:计算和/>在右端点的距离/>和在左端点的距离,计算/>和/>在右端点的距离/>和在左端点的距离;
S23:计算得到电动汽车行驶轨迹数据序列之间的空间距离/>:
S24:计算得到电动汽车行驶轨迹数据序列集合中任意两组电动汽车行驶轨迹数据序列的空间距离,并对每组空间距离进行标准化处理,其中标准化处理公式为:
其中:
表示空间距离/>的标准化处理结果,并将/>作为电动汽车行驶轨迹数据序列/>的空间距离权重;
表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离均值;
表示表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离标准差;
S25:基于空间距离权重计算得到任意两组电动汽车行驶轨迹数据序列的轨迹距离,其中之间轨迹距离的计算公式为:
其中:
表示/>之间轨迹距离;
表示/>左端点到轨迹/>的欧式距离最小值,/>表示左端点到轨迹/>的欧式距离最小值;
表示/>右端点到轨迹/>的欧式距离最小值,/>表示/>右端点到轨迹/>的欧式距离最小值;
S26:设置邻域距离Eps;
S27:对于任意电动汽车行驶轨迹数据序列,将与/>之间轨迹距离小于邻域距离Eps的其余电动汽车行驶轨迹数据序列标记为/>的附属轨迹数据序列,统计任意电动汽车行驶轨迹数据序列/>的附属轨迹数据序列数目;
S28:将附属轨迹数据序列数目大于预设置MinPts的轨迹标记为聚类簇中心,基于聚类簇中心构建聚类簇,并将附属轨迹数据序列合并到对应聚类簇中心所在的聚类簇中,重复步骤S27-S28,得到M个聚类簇,并将未合并的轨迹数据序列合并到轨迹距离最近的聚类簇中心所构建的聚类簇中;
布局区域选取模块,用于基于电动汽车行驶状态计算每个聚类簇的电动汽车停留概率,选取电动汽车停留概率超过预设置阈值的聚类簇作为电动汽车充电站布局区域;具体执行以下步骤:
包括:
S31:计算得到每个聚类簇的电动汽车停留概率,其中第m个聚类簇的电动汽车停留概率计算公式为:
其中:
表示第m个聚类簇中轨迹点的总数,/>;
表示第m个聚类簇中标记为停留状态的轨迹点数目;
表示第m个聚类簇的电动汽车停留概率;
S32:将超过预设置阈值的聚类簇作为电动汽车充电站布局区域,其中电动汽车充电站布局区域中包含若干电动汽车行驶轨迹数据序列;
电量低轨迹点标记模块,用于生成布局区域选取模块所选取的聚类簇的特征轨迹序列,基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点;
布局模块,用于将电量低轨迹点标记模块所标记的轨迹点的坐标进行地图匹配,在布局区域选取模块得到的电动汽车充电站布局区域选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果并输出。
另外,本发明提供一种计算机存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述方法。
此外,本发明还提供一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述方法。
与现有技术相比,本发明的有益效果在于:
本发明通过分析车辆停留状态的轨迹数据特性,提取可支持车辆充电时长的停留点,对停留点进行地图匹配,并对车辆行驶轨迹进行聚类,选取停留点比例较高的聚类结果进行充电站布局,基于电动汽车初始电量分布得到电动汽车在不同轨迹点的电量,标记其中电量较少的轨迹点,并计算停留点到各标记轨迹点坐标的距离之和,选取距离之和最小的停留点作为充电站地点区域,提高充电站的使用效率以及停留点区域的利用率。本发明通过预测用户的停留点概率,在停留点概率高的区域布置充电站,使用户充分利用停留时间进行充电,符合用户习惯,提高效率,使充电站的布局合理、选点更精准。
附图说明
图1是本发明实施例的电动汽车充电站布局方法的流程图。
图2是本发明实施例的电动汽车充电站布局设备的结构示意图。
图中,1-电子设备;10-处理器;11-存储器;12-程序;13-通信接口。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明实施例提供一种电动汽车充电站布局方法。所述电动汽车充电站布局方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之,所述电动汽车充电站布局方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例一
如图1所示,本发明优选实施例的一种电动汽车充电站布局方法,包括如下步骤:
S1:采集区域内电动汽车行驶轨迹数据序列,并对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中电动汽车行驶状态包括正常行驶状态以及停留状态;
具体地,所述步骤S1中采集区域内电动汽车行驶轨迹数据序列,包括:
S11:设置电动汽车行驶轨迹采集时间范围,其中/>表示电动汽车行驶轨迹采集的初始时刻,/>表示电动汽车行驶轨迹采集的截止时刻;
S12:在步骤S11所设置的采集时间范围内,利用便携式GPS设备采集区域内电动汽车行驶轨迹数据序列,其中电动汽车行驶轨迹数据序列为包含若干轨迹点坐标的时序数据序列,所采集电动汽车行驶轨迹数据序列集合为:
其中:
表示电动汽车行驶轨迹数据序列集合,/>表示data中电动汽车行驶轨迹数据序列的总数;
表示电动汽车行驶轨迹数据序列集合data中第k条电动汽车行驶轨迹数据序列;在本发明实施例中,电动汽车行驶轨迹数据序列集合data中K条电动汽车行驶轨迹数据序列来源于不同的电动汽车;
表示电动汽车行驶轨迹数据序列/>中第i个轨迹点的位置坐标,/>,表示电动汽车行驶轨迹数据序列/>中轨迹点的总数,其中相邻轨迹点的采集时间间隔为/>。在本发明实施例中,将相邻轨迹点的采集时间间隔设置为1分钟。
步骤S1中对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中所标记行驶状态包括正常行驶状态以及停留状态,电动汽车行驶状态标记流程为:
S13:计算得到电动汽车行驶轨迹数据序列中相邻轨迹点位置坐标的距离/>,并计算得到序列的标准差作为距离标准差/>;在本发明实施例中,所述轨迹点位置坐标距离的计算公式为欧式距离计算公式;
S14:计算得到电动汽车行驶轨迹数据序列中任意轨迹点位置坐标/>的距离密度函数值:
其中:
表示轨迹点索引的标准差,即数据序列/>的标准差;
表示轨迹点位置坐标/>与/>之间的距离;
e表示自然常数;
表示轨迹点位置坐标/>的距离密度函数值;
S15:将距离密度函数值大于预设置密度阈值的轨迹点标记为停留状态,并将其余轨迹点标记为正常行驶状态。
在本发明具体实施例中,所述密度阈值的确定方法为:采用距离密度函数计算电动汽车行驶轨迹数据序列集合中所有电动汽车行驶轨迹数据序列的所有轨迹点密度,并利用Kmeans聚类算法对轨迹点密度进行聚类处理,计算每个聚类簇的轨迹点密度均值,并选取其中第/>大的轨迹点密度均值作为密度阈值。
S2:利用改进的DBSCAN算法对电动汽车行驶轨迹数据序列进行聚类处理,得到若干聚类簇,其中每个聚类簇中包含若干轨迹类似的电动汽车行驶轨迹数据序列;
本发明实施例的步骤S2利用改进的DBSCAN算法对电动汽车行驶轨迹数据序列进行聚类处理,得到若干聚类簇,其中改进的DBSCAN算法流程为:
S21:对于任意两组电动汽车行驶轨迹数据序列,将其分别到水平方向和竖直方向,依次得到/>在水平方向的线段/>以及在竖直方向的线段/>,/>在水平方向的线段/>以及在竖直方向的线段/>,其中/>;
S22:计算和/>在右端点的距离/>和在左端点的距离,计算/>和/>在右端点的距离/>和在左端点的距离;
S23:计算得到电动汽车行驶轨迹数据序列之间的空间距离/>:
S24:计算得到电动汽车行驶轨迹数据序列集合中任意两组电动汽车行驶轨迹数据序列的空间距离,并对每组空间距离进行标准化处理,其中标准化处理公式为:
其中:
表示空间距离/>的标准化处理结果,并将/>作为电动汽车行驶轨迹数据序列/>的空间距离权重;
表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离均值;
表示表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离标准差;
S25:基于空间距离权重计算得到任意两组电动汽车行驶轨迹数据序列的轨迹距离,其中之间轨迹距离的计算公式为:
其中:
表示/>之间轨迹距离;
表示/>左端点到轨迹/>的欧式距离最小值,/>表示左端点到轨迹/>的欧式距离最小值;
表示/>右端点到轨迹/>的欧式距离最小值,/>表示/>右端点到轨迹/>的欧式距离最小值;
S26:设置邻域距离Eps;
S27:对于任意电动汽车行驶轨迹数据序列,将与/>之间轨迹距离小于邻域距离Eps的其余电动汽车行驶轨迹数据序列标记为/>的附属轨迹数据序列,统计任意电动汽车行驶轨迹数据序列/>的附属轨迹数据序列数目;
S28:将附属轨迹数据序列数目大于预设置MinPts的轨迹标记为聚类簇中心,基于聚类簇中心构建聚类簇,并将附属轨迹数据序列合并到对应聚类簇中心所在的聚类簇中,重复步骤S27-S28,得到M个聚类簇,并将未合并的轨迹数据序列合并到轨迹距离最近的聚类簇中心所构建的聚类簇中。
S3:基于电动汽车行驶状态计算每个聚类簇的电动汽车停留概率,选取电动汽车停留概率超过预设置阈值的聚类簇作为电动汽车充电站布局区域;
本发明实施例中步骤S3中计算每个聚类簇的电动汽车停留概率,包括:
S31:计算得到每个聚类簇的电动汽车停留概率,其中第m个聚类簇的电动汽车停留概率计算公式为:
/>
其中:
表示第m个聚类簇中轨迹点的总数,/>;
表示第m个聚类簇中标记为停留状态的轨迹点数目;
表示第m个聚类簇的电动汽车停留概率;
S32:将超过预设置阈值的聚类簇作为电动汽车充电站布局区域,其中电动汽车充电站布局区域中包含若干电动汽车行驶轨迹数据序列。
本实施例的步骤S3构建表述结合距离的停留点距离密度函数,得到轨迹中不同轨迹点的距离密度函数,其中距离当前轨迹点越远的轨迹点距离密度权重越大,相邻轨迹点之间距离越接近,对应轨迹点的距离密度函数值越大,进而表示该轨迹点在一定时间内的移动距离越小,为停留点的概率越大,通过综合考虑邻近轨迹点并为其赋权,实现更为精准的停留点检测。并且,比较不同轨迹在不同方向的映射差值,得到轨迹在二维映射空间的空间距离权重,进而对不同轨迹两端的距离进行空间距离赋权,更为全面的比较轨迹间的距离,而不是仅比较轨迹端点,进而将轨迹距离接近的轨迹进行聚类处理。
S4:生成步骤S3所选取的聚类簇的特征轨迹序列,基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点;
步骤S4中生成所选取聚类簇的特征轨迹序列,包括:
S41、计算所选取聚类簇中所包含电动汽车行驶轨迹数据序列的均值,得到所选取聚类簇对应的均值序列,将所述均值序列作为所选取聚类簇的特征轨迹序列,其中所述均值序列的序列长度为所选取聚类簇中所包含电动汽车行驶轨迹数据序列的长度均值,均值序列中任意第i个轨迹点位置坐标为电动汽车行驶轨迹数据序列中第i个轨迹点位置坐标均值。
步骤S4中基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点,包括:
S42、构建电动汽车初始电量分布,其中电动汽车初始电量为的概率为,/>,/>表示电动汽车初始电量的种类数,/>,表示初始电量/>出现的概率;
S43、对于任意特征轨迹序列,将特征轨迹序列的第一个轨迹点作为电动汽车起始点,最后一个轨迹点作为电动汽车终点,特征轨迹序列为电动汽车行驶轨迹,模拟生成若干组电动汽车初始电量,其中模拟生成的若干组电动汽车初始电量分布符合所构建的电动汽车初始电量分布,构建得到基于电动汽车初始电量分布的特征轨迹序列中不同轨迹点的电量分布模型:
其中:
表示特征轨迹序列的路径长度;
表示电动汽车到达特征轨迹序列中第s个轨迹点的所行驶路径长度;/>
表示单位时间间隔/>内电动汽车的平均耗电量,/>表示相邻轨迹点的采集时间间隔;
表示以/>为初始电量,到达特征轨迹序列中第s个轨迹点的电动车剩余电量;
S44、根据步骤S4得到的电量分布模型,得到不同轨迹点的剩余电量分布,标记剩余电量低于预设置正常行驶电量分布的轨迹点。
本实施例的步骤S4通过构建结合初始电量分布的轨迹点电量分布模型,得到不同轨迹点的剩余电量分布,其中剩余电量低于预设置正常行驶电量分布的轨迹点表示电动汽车有可能在该轨迹点位置附近耗完电量,因此可以在附近建立电动汽车充电站,实现结合用户行为数据的电动汽车充电站智慧布局,其中用户行为数据表示电动汽车初始电量分布。
S5:将步骤S4所标记的轨迹点的坐标进行地图匹配,在步骤S3得到的电动汽车充电站布局区域选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果。
具体地,步骤S5选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果,包括:
S51、将步骤S4所标记轨迹点的坐标进行地图匹配,并将步骤S3得到的电动汽车充电站布局区域中的轨迹点以及轨迹点邻近区域进行地图匹配;
S52、在地图匹配后的电动汽车充电站布局区域中选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果。
本实施例通过分析车辆停留状态的轨迹数据特性,提取可支持车辆充电时长的停留点,对停留点进行地图匹配,并对车辆行驶轨迹进行聚类,选取停留点比例较高的聚类结果进行充电站布局,基于电动汽车初始电量分布得到电动汽车在不同轨迹点的电量,标记其中电量较少的轨迹点,并计算停留点到各标记轨迹点坐标的距离之和,选取距离之和最小的停留点作为充电站地点区域,提高充电站的使用效率以及停留点区域的利用率。本实施例通过预测用户的停留点概率,在停留点概率高的区域布置充电站,使用户充分利用停留时间进行充电,符合用户习惯,提高效率,使充电站的布局合理、选点更精准。本发明通过对行驶轨迹进行聚类处理,得到对应存在高比例停留点的特征轨迹序列,基于初始电量分布不同轨迹点的汽车剩余电量分布,在剩余电量分布较低的轨迹点附近建立电动汽车充电站。
实施例二
本实施例提供一种实现上述布局方法的电动汽车充电站布局系统,包括:
轨迹采集及行驶状态标记模块,用于采集区域内电动汽车行驶轨迹数据序列,并对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中电动汽车行驶状态包括正常行驶状态以及停留状态;具体地,请参见实施例一的布局方法的步骤S1;
聚类模块,用于改进的DBSCAN算法对电动汽车行驶轨迹数据序列进行聚类处理,得到若干聚类簇,其中每个聚类簇中包含若干轨迹类似的电动汽车行驶轨迹数据序列;具体地,请参见实施例一的布局方法的步骤S2;
布局区域选取模块,用于基于电动汽车行驶状态计算每个聚类簇的电动汽车停留概率,选取电动汽车停留概率超过预设置阈值的聚类簇作为电动汽车充电站布局区域;具体地,请参见实施例一的布局方法的步骤S3;
电量低轨迹点标记模块,用于生成布局区域选取模块所选取的聚类簇的特征轨迹序列,基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点;具体地,请参见实施例一的布局方法的步骤S4;
布局模块,用于将电量低轨迹点标记模块所标记的轨迹点的坐标进行地图匹配,在布局区域选取模块得到的电动汽车充电站布局区域选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果并输出,具体地,请参见实施例一的布局方法的步骤S5。
实施例三
本实施例提供一种计算机存储介质,该存储介质存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行实施例一所述的布局方法。
实施例四
如图2所示,本实施例提供一种电子设备,所述电子设备包括存储器11和处理器10,所述存储器11存储有计算机程序12,所述计算机程序12被所述处理器10执行时,使得所述处理器10执行实施例一所述的布局方法。
本实施例的设备还包括通信接口和总线。其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(Secure Digital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(用于实现电动汽车充电站智慧布局的程序12等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接,并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图2仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图2示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
采集区域内电动汽车行驶轨迹数据序列,并对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中电动汽车行驶状态包括正常行驶状态以及停留状态;
利用改进的DBSCAN算法对电动汽车行驶轨迹数据序列进行聚类处理,得到若干聚类簇,其中每个聚类簇中包含若干轨迹类似的电动汽车行驶轨迹数据序列;
基于电动汽车行驶状态计算每个聚类簇的电动汽车停留概率,选取电动汽车停留概率超过预设置阈值的聚类簇作为电动汽车充电站布局区域;
生成所选取聚类簇的特征轨迹序列,基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点。
具体地,所述处理器10对上述指令的具体实现方法可参考实施一相关步骤的描述,在此不赘述。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明实施一所述的方法。
综上,本发明实施例提供一种电动汽车充电站布局方法,该方法提出一种停留点检测方法,对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中所标记行驶状态包括正常行驶状态以及停留状态,电动汽车行驶状态标记流程为:计算得到电动汽车行驶轨迹数据序列中相邻轨迹点位置坐标/>的距离/>,并计算得到序列/>的标准差作为距离标准差/>;计算得到电动汽车行驶轨迹数据序列/>中任意轨迹点位置坐标/>的距离密度函数值:
其中:表示轨迹点索引的标准差,即数据序列/>的标准差;表示轨迹点位置坐标/>与/>之间的距离;e表示自然常数;/>表示轨迹点位置坐标/>的距离密度函数值;将距离密度函数值大于预设置密度阈值的轨迹点标记为停留状态,并将其余轨迹点标记为正常行驶状态。所述密度阈值的确定方法为:采用距离密度函数计算电动汽车行驶轨迹数据序列集合/>中所有电动汽车行驶轨迹数据序列的所有轨迹点密度,并利用Kmeans聚类算法对轨迹点密度进行聚类处理,计算每个聚类簇的轨迹点密度均值,并选取其中第/>大的轨迹点密度均值作为密度阈值。本方法对传统轨迹停留点检测算法进行改进,通过构建表述结合距离的停留点距离密度函数,得到轨迹中不同轨迹点的距离密度函数,其中距离当前轨迹点越远的轨迹点距离密度权重越大,相邻轨迹点之间距离越接近,对应轨迹点的距离密度函数值越大,进而表示该轨迹点在一定时间内的移动距离越小,为停留点的概率越大,通过综合考虑邻近轨迹点并为其赋权,实现更为精准的停留点检测。
同时,本方法对传统DBSCAN算法进行改进,通过比较不同轨迹在不同方向的映射差值,得到轨迹在二维映射空间的空间距离权重,进而对不同轨迹两端的距离进行空间距离赋权,更为全面的比较轨迹间的距离,而不是仅比较轨迹端点,进而将轨迹距离接近的轨迹进行聚类处理。进而计算所选取聚类簇中所包含电动汽车行驶轨迹数据序列的均值,得到所选取聚类簇对应的均值序列,将所述均值序列作为所选取聚类簇的特征轨迹序列。通过构建结合初始电量分布的轨迹点电量分布模型:
对于任意特征轨迹序列,将特征轨迹序列的第一个轨迹点作为电动汽车起始点,最后一个轨迹点作为电动汽车终点,特征轨迹序列为电动汽车行驶轨迹,模拟生成若干组电动汽车初始电量,其中模拟生成的若干组电动汽车初始电量分布符合所构建的电动汽车初始电量分布,构建得到基于电动汽车初始电量分布的特征轨迹序列中不同轨迹点的电量分布模型:
其中:表示特征轨迹序列的路径长度;/>表示电动汽车到达特征轨迹序列中第s个轨迹点的所行驶路径长度;/>表示单位时间间隔/>内电动汽车的平均耗电量,/>表示相邻轨迹点的采集时间间隔;/>表示以/>为初始电量,到达特征轨迹序列中第s个轨迹点的电动车剩余电量;根据所构建的模型得到不同轨迹点的剩余电量分布,其中剩余电量低于预设置正常行驶电量分布的轨迹点表示电动汽车有可能在该轨迹点位置附近耗完电量,因此可以在附近建立电动汽车充电站,实现结合用户行为数据的电动汽车充电站智慧布局,其中用户行为数据表示电动汽车初始电量分布。
另外,本发明实施例还提供实现上述布局方法的系统、存储介质和设备。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
Claims (9)
1.一种电动汽车充电站布局方法,其特征在于,包括如下步骤:
S1:采集区域内电动汽车行驶轨迹数据序列,并对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中电动汽车行驶状态包括正常行驶状态以及停留状态;
S2:利用改进的DBSCAN算法对电动汽车行驶轨迹数据序列进行聚类处理,得到若干聚类簇,其中每个聚类簇中包含若干轨迹类似的电动汽车行驶轨迹数据序列;所述步骤S2包括:
S21:对于任意两组电动汽车行驶轨迹数据序列,将其分别到水平方向和竖直方向,依次得到/>在水平方向的线段/>以及在竖直方向的线段/>,/>在水平方向的线段/>以及在竖直方向的线段/>,其中/>;
S22:计算和/>在右端点的距离/>和在左端点的距离,计算/>和/>在右端点的距离/>和在左端点的距离;
S23:计算得到电动汽车行驶轨迹数据序列之间的空间距离/>:
S24:计算得到电动汽车行驶轨迹数据序列集合中任意两组电动汽车行驶轨迹数据序列的空间距离,并对每组空间距离进行标准化处理,其中标准化处理公式为:
其中:
表示空间距离/>的标准化处理结果,并将/>作为电动汽车行驶轨迹数据序列/>的空间距离权重;
表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离均值;
表示表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离标准差;
S25:基于空间距离权重计算得到任意两组电动汽车行驶轨迹数据序列的轨迹距离,其中之间轨迹距离的计算公式为:
其中:
表示/>之间轨迹距离;
表示/>左端点到轨迹/>的欧式距离最小值,/>表示/>左端点到轨迹/>的欧式距离最小值;
表示/>右端点到轨迹/>的欧式距离最小值,/>表示/>右端点到轨迹/>的欧式距离最小值;
S26:设置邻域距离Eps;
S27:对于任意电动汽车行驶轨迹数据序列,将与/>之间轨迹距离小于邻域距离Eps的其余电动汽车行驶轨迹数据序列标记为/>的附属轨迹数据序列,统计任意电动汽车行驶轨迹数据序列/>的附属轨迹数据序列数目;
S28:将附属轨迹数据序列数目大于预设置MinPts的轨迹标记为聚类簇中心,基于聚类簇中心构建聚类簇,并将附属轨迹数据序列合并到对应聚类簇中心所在的聚类簇中,重复步骤S27-S28,得到M个聚类簇,并将未合并的轨迹数据序列合并到轨迹距离最近的聚类簇中心所构建的聚类簇中;
S3:基于电动汽车行驶状态计算每个聚类簇的电动汽车停留概率,选取电动汽车停留概率超过预设置阈值的聚类簇作为电动汽车充电站布局区域;步骤S3中计算每个聚类簇的电动汽车停留概率,包括:
S31:计算得到每个聚类簇的电动汽车停留概率,其中第m个聚类簇的电动汽车停留概率计算公式为:
其中:
表示第m个聚类簇中轨迹点的总数,/>;
表示第m个聚类簇中标记为停留状态的轨迹点数目;
表示第m个聚类簇的电动汽车停留概率;
S32:将超过预设置阈值的聚类簇作为电动汽车充电站布局区域,其中电动汽车充电站布局区域中包含若干电动汽车行驶轨迹数据序列;
S4:生成步骤S3所选取的聚类簇的特征轨迹序列,基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点;
S5:将步骤S4所标记的轨迹点的坐标进行地图匹配,在步骤S3得到的电动汽车充电站布局区域选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果。
2.根据权利要求1所述的一种电动汽车充电站布局方法,其特征在于,所述步骤S1中采集区域内电动汽车行驶轨迹数据序列,包括:
S11:设置电动汽车行驶轨迹采集时间范围,其中/>表示电动汽车行驶轨迹采集的初始时刻,/>表示电动汽车行驶轨迹采集的截止时刻;
S12:在步骤S11所设置的采集时间范围内,采集区域内电动汽车行驶轨迹数据序列,其中电动汽车行驶轨迹数据序列为包含若干轨迹点坐标的时序数据序列,所采集电动汽车行驶轨迹数据序列集合为:
其中:
表示电动汽车行驶轨迹数据序列集合,K表示data中电动汽车行驶轨迹数据序列的总数;
表示电动汽车行驶轨迹数据序列集合data中第k条电动汽车行驶轨迹数据序列;
表示电动汽车行驶轨迹数据序列/>中第i个轨迹点的位置坐标,/>,/>表示电动汽车行驶轨迹数据序列/>中轨迹点的总数,其中相邻轨迹点的采集时间间隔为/>。
3.根据权利要求2所述的一种电动汽车充电站布局方法,其特征在于,步骤S1中对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中所标记行驶状态包括正常行驶状态以及停留状态,电动汽车行驶状态标记流程为:
S13:计算得到电动汽车行驶轨迹数据序列中相邻轨迹点位置坐标/>,/>的距离/>,并计算得到序列的标准差作为距离标准差/>;
S14:计算得到电动汽车行驶轨迹数据序列中任意轨迹点位置坐标/>的距离密度函数值:
其中:
表示轨迹点索引的标准差,即数据序列/>的标准差;
表示轨迹点位置坐标/>与/>之间的距离;
表示自然常数;
表示轨迹点位置坐标/>的距离密度函数值;
S15:将距离密度函数值大于预设置密度阈值的轨迹点标记为停留状态,并将其余轨迹点标记为正常行驶状态。
4.根据权利要求1所述的一种电动汽车充电站布局方法,其特征在于,步骤S4中生成所选取聚类簇的特征轨迹序列,包括:
S41、计算所选取聚类簇中所包含电动汽车行驶轨迹数据序列的均值,得到所选取聚类簇对应的均值序列,将所述均值序列作为所选取聚类簇的特征轨迹序列,其中所述均值序列的序列长度为所选取聚类簇中所包含电动汽车行驶轨迹数据序列的长度均值,均值序列中任意第i个轨迹点位置坐标为电动汽车行驶轨迹数据序列中第i个轨迹点位置坐标均值。
5.根据权利要求4所述的一种电动汽车充电站布局方法,其特征在于,步骤S4中基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点,包括:
S42、构建电动汽车初始电量分布,其中电动汽车初始电量为的概率为/>,,G表示电动汽车初始电量的种类数,/>,/>表示初始电量出现的概率;
S43、对于任意特征轨迹序列,将特征轨迹序列的第一个轨迹点作为电动汽车起始点,最后一个轨迹点作为电动汽车终点,特征轨迹序列为电动汽车行驶轨迹,模拟生成若干组电动汽车初始电量,其中模拟生成的若干组电动汽车初始电量分布符合所构建的电动汽车初始电量分布,构建得到基于电动汽车初始电量分布的特征轨迹序列中不同轨迹点的电量分布模型:
其中:
表示特征轨迹序列的路径长度;
表示电动汽车到达特征轨迹序列中第s个轨迹点的所行驶路径长度;
表示单位时间间隔/>内电动汽车的平均耗电量,/>表示相邻轨迹点的采集时间间隔;
表示以/>为初始电量,到达特征轨迹序列中第s个轨迹点的电动车剩余电量;
S44、根据步骤S4得到的电量分布模型,得到不同轨迹点的剩余电量分布,标记剩余电量低于预设置正常行驶电量分布的轨迹点。
6.根据权利要求1所述的一种电动汽车充电站布局方法,其特征在于,步骤S5包括:
S51、将步骤S4所标记轨迹点的坐标进行地图匹配,并将步骤S3得到的电动汽车充电站布局区域中的轨迹点以及轨迹点邻近区域进行地图匹配;
S52、在地图匹配后的电动汽车充电站布局区域中选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果。
7.一种电动汽车充电站布局系统,其特征在于,包括:
轨迹采集及行驶状态标记模块,用于采集区域内电动汽车行驶轨迹数据序列,并对电动汽车行驶轨迹数据序列中的轨迹点进行电动汽车行驶状态标记,其中电动汽车行驶状态包括正常行驶状态以及停留状态;
聚类模块,用于改进的DBSCAN算法对电动汽车行驶轨迹数据序列进行聚类处理,得到若干聚类簇,其中每个聚类簇中包含若干轨迹类似的电动汽车行驶轨迹数据序列;具体执行以下步骤:
S21:对于任意两组电动汽车行驶轨迹数据序列,将其分别到水平方向和竖直方向,依次得到/>在水平方向的线段/>以及在竖直方向的线段/>,/>在水平方向的线段/>以及在竖直方向的线段/>,其中/>;
S22:计算和/>在右端点的距离/>和在左端点的距离,计算/>和/>在右端点的距离/>和在左端点的距离;
S23:计算得到电动汽车行驶轨迹数据序列之间的空间距离/>:
S24:计算得到电动汽车行驶轨迹数据序列集合中任意两组电动汽车行驶轨迹数据序列的空间距离,并对每组空间距离进行标准化处理,其中标准化处理公式为:
其中:
表示空间距离/>的标准化处理结果,并将/>作为电动汽车行驶轨迹数据序列/>的空间距离权重;
表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离均值;
表示表示电动汽车行驶轨迹数据序列集合/>中任意两组电动汽车行驶轨迹数据序列的空间距离标准差;
S25:基于空间距离权重计算得到任意两组电动汽车行驶轨迹数据序列的轨迹距离,其中之间轨迹距离的计算公式为:
其中:
表示/>之间轨迹距离;
表示/>左端点到轨迹/>的欧式距离最小值,/>表示/>左端点到轨迹/>的欧式距离最小值;
表示/>右端点到轨迹/>的欧式距离最小值,/>表示/>右端点到轨迹/>的欧式距离最小值;
S26:设置邻域距离Eps;
S27:对于任意电动汽车行驶轨迹数据序列,将与/>之间轨迹距离小于邻域距离Eps的其余电动汽车行驶轨迹数据序列标记为/>的附属轨迹数据序列,统计任意电动汽车行驶轨迹数据序列/>的附属轨迹数据序列数目;
S28:将附属轨迹数据序列数目大于预设置MinPts的轨迹标记为聚类簇中心,基于聚类簇中心构建聚类簇,并将附属轨迹数据序列合并到对应聚类簇中心所在的聚类簇中,重复步骤S27-S28,得到M个聚类簇,并将未合并的轨迹数据序列合并到轨迹距离最近的聚类簇中心所构建的聚类簇中;
布局区域选取模块,用于基于电动汽车行驶状态计算每个聚类簇的电动汽车停留概率,选取电动汽车停留概率超过预设置阈值的聚类簇作为电动汽车充电站布局区域;具体执行以下步骤:
S31:计算得到每个聚类簇的电动汽车停留概率,其中第m个聚类簇的电动汽车停留概率计算公式为:
其中:
表示第m个聚类簇中轨迹点的总数,/>;
表示第m个聚类簇中标记为停留状态的轨迹点数目;
表示第m个聚类簇的电动汽车停留概率;
S32:将超过预设置阈值的聚类簇作为电动汽车充电站布局区域,其中电动汽车充电站布局区域中包含若干电动汽车行驶轨迹数据序列;
电量低轨迹点标记模块,用于生成布局区域选取模块所选取的聚类簇的特征轨迹序列,基于电动汽车初始电量分布得到特征轨迹序列中不同轨迹点的电量分布,并标记电量分布低于正常行驶电量分布的轨迹点;
布局模块,用于将电量低轨迹点标记模块所标记的轨迹点的坐标进行地图匹配,在布局区域选取模块得到的电动汽车充电站布局区域选取充电站候选坐标点,计算候选坐标点到各标记轨迹点坐标的距离之和,选取距离之和最小的候选坐标点作为电动汽车充电站布局结果并输出。
8.一种计算机存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求 1~6 任意一项所述方法。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求 1~6任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310346182.7A CN116050681B (zh) | 2023-04-03 | 2023-04-03 | 一种电动汽车充电站布局方法、系统、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310346182.7A CN116050681B (zh) | 2023-04-03 | 2023-04-03 | 一种电动汽车充电站布局方法、系统、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116050681A CN116050681A (zh) | 2023-05-02 |
CN116050681B true CN116050681B (zh) | 2023-07-25 |
Family
ID=86133604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310346182.7A Active CN116050681B (zh) | 2023-04-03 | 2023-04-03 | 一种电动汽车充电站布局方法、系统、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050681B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693042A (zh) * | 2020-12-31 | 2022-07-01 | 奥动新能源汽车科技有限公司 | 换电站选址方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115344653A (zh) * | 2022-07-28 | 2022-11-15 | 国网湖北省电力有限公司电力科学研究院 | 一种基于用户行为的电动汽车充电站选址方法 |
-
2023
- 2023-04-03 CN CN202310346182.7A patent/CN116050681B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693042A (zh) * | 2020-12-31 | 2022-07-01 | 奥动新能源汽车科技有限公司 | 换电站选址方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116050681A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11545829B2 (en) | Power prediction system, power prediction device, power prediction method, program, and storage medium | |
CN103134505B (zh) | 路径规划系统及其方法 | |
CN102788584B (zh) | 道路坡度数据生成装置及生成方法、车辆用控制装置及车辆的能量消耗量预测装置 | |
CN107563534A (zh) | 一种充电桩推荐方法和装置 | |
WO2021189745A1 (zh) | 电动汽车充电设施的推荐方法、装置、计算机设备及存储介质 | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
Davidov et al. | Stochastic expansion planning of the electric-drive vehicle charging infrastructure | |
CN115829124A (zh) | 充电桩选址方法、装置、设备及存储介质 | |
CN113139139B (zh) | 用于确定上车点的方法、装置、电子设备和介质 | |
CN116050681B (zh) | 一种电动汽车充电站布局方法、系统、存储介质及设备 | |
CN112069782B (zh) | 文档模板生成方法、装置、电子设备及存储介质 | |
CN117314089A (zh) | 一种城市轨道和公交接驳薄弱区域识别方法 | |
CN113947231A (zh) | 充电站空闲度预测方法及装置 | |
CN117151368A (zh) | 换电调度方法、装置、电子设备及换电调度系统 | |
CN116166863A (zh) | 基于bim实现充电站布局的可视化展示方法及系统 | |
CN112132037B (zh) | 基于人工智能的人行道检测方法、装置、设备及介质 | |
CN114330888A (zh) | 订单处理方法、系统及电子设备 | |
EP3960530A1 (en) | Apparatus, method and computer program for determining a plurality of information of a location of a charging station | |
CN114973745A (zh) | 停车场推荐方法及汽车 | |
CN114971102A (zh) | 基于动态拼车的车辆调度方法及其相关产品 | |
CN116168562B (zh) | 基于发电企业的充电车辆快速识别方法及装置 | |
CN117294738B (zh) | 一种自动驾驶传感器优化部署与感知方法 | |
CN115049155B (zh) | 一种智慧园区停车决策优化方法及系统 | |
CN113639759B (zh) | 导航方法和导航装置 | |
CN116992220B (zh) | 一种低冗余用电数据智能采集方法 |
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 |