基于多源数据关联的新能源汽车调度方法技术

本发明专利技术公开了一种基于多源数据关联的新能源汽车调度方法，首先在新能源汽车服务场景的基础上建立调度模型，与传统面向出租车调度的模型不同的是，该调度模型关联了汽车电量和充电设施等多源交通数据。为了求解所提出的调度模型，应用一种高效的蚁群系统算法。该算法在蚁群系统的基础上，集成预选择策略和局部剪枝策略，以降低在分配过程中所考虑的汽车数量，从而提高客户满意度和计算效率。经过在不同调度场景下的实验结果证明，与先来先服务方法和其他现有调度方法相比，该新能源汽车调度优化方法可以获得更高的客户满意度，并可以有效降低计算时间，是解决新能源汽车调度问题的有效方法。有效方法。有效方法。

【技术实现步骤摘要】
基于多源数据关联的新能源汽车调度方法


[0001]本专利技术涉及智能交通和智能计算
，具体涉及一种基于多源数据关联的新能源汽车调度方法。

技术介绍

[0002]随着日益增长的出行需要与移动互联网技术的发展，网上打车服务已在当今日常生活中变得十分流行。同时，环保政策促使新能源汽车的兴起，使得面向新能源汽车的网上预约服务成为一种新趋势。与传统的燃油汽车不同，新能源汽车特别是电动汽车，主要依赖充电桩提供能量，有不同的充电模式，比如快速充电和常规充电。在实际的交通规划中，需要考虑诸如充电设施和电池特性等要素，为面向传统燃油汽车的规划和设计方法带来了新的挑战。比如，由于充电功率的限制，无论是快速充电还是常规充电都需要考虑充电时间。然而，燃油汽车的加油时间非常短，在实际运营中可以忽略不计。
[0003]汽车调度通常由一个中心化的服务平台执行，以便于车辆资源的统一管理。这种全局的调度模式为客户提供安全性和高效率之外，也给调度中心带来了沉重的计算负担，需要一种可靠的全局化调度方法来支持日常服务请求的分配。现有文献中的汽车调度方法主要面向传统燃油出租车。在为订单执行汽车的调度时，仅仅考虑了汽车和客户的位置。一些过去的工作基于一种先来先服务的方法，当一个请求带来时，调度系统其分配一辆最近或者最短行程时间的出租车，而不考虑该分配是否会影响后续的请求。先来先服务方法可以减少响应时间，但不能保证在全局层面上获得所有请求的最佳分配方案。在一个特定调度域内，调度系统可以同时处理小时间窗(例如5秒)内到达的请求。
[0004]作为一种重要的进化优化算法，蚁群优化以其适应能力和全局搜索能力而著称。作为一种蚁群优化的变体，蚁群系统最初由Dorigo和Gambardella提出来解决一种经典的组合优化问题—旅行商问题。许多研究表明，蚁群系统算法可以有效地求解现实世界的组合优化问题，比如云资源调度、车辆路由问题、出租车调度等。由于新能源汽车调度可以被建模为类似于出租车调度(即出租车
‑
乘客匹配)的组合优化问题，因此蚁群系统可以被应用于求解该问题。同时，由于其更为复杂的多源数据约束因素，新能源汽车调度相对传统的燃油出租车调度更具挑战性。因此，需要设计一种更为有效的蚁群系统算法。

技术实现思路

[0005]本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种基于多源数据关联的新能源汽车调度方法，在新能源汽车服务场景的基础上建立调度模型，该调度模型关联了汽车电量和充电设施等多源交通数据。同时，将蚁群系统算法应用到新能源汽车调度上，并集成预选择策略和局部剪枝策略，以降低蚁群系统算法运行时间，提高新能源汽车调度优化方法性能。
[0006]本专利技术的目的可以通过采取如下技术方案达到：
[0007]一种基于多源数据关联的新能源汽车调度方法，所述调度优化方法包括以下步
骤：
[0008]S1、构建新能源汽车调度模型，定义汽车v
j
满足客户c
i
电量约束的两个场景，其中，场景一：汽车本身有足够的电量将客户c
i
送至目的地，表示为
[0009]D(e
j
)≥d(c
i
,v
j
)+d(c
i
,t
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0010]其中D(e
j
)是电量e
j
可支持的行驶距离，d(c
i
,v
j
)是客户c
i
和汽车v
j
之间的距离，d(c
i
,t
i
)是客户c
i
的出发地和目的地t
i
之间的距离；
[0011]场景二：在电量不足的情况下，去往目的地t
i
的途中存在充电桩，并且所需要的充电时间不超过客户可容忍的时间限制tl：
[0012]E(t
i
)＝1
ꢀꢀꢀꢀ
(2a)
[0013][0014]其中，E(t
i
)＝1表示去往的路上存在充电桩，k(cr)表示新能源汽车每单位时间的充电量可支持的行驶距离；
[0015]以最大化总体的客户满意度为优化目标，定义两个层级进行度量客户满意度，一是请求接受率，二是客户等待时间，同时需要满足一定的约束条件
[0016][0017][0018]s.t.
[0019][0020][0021][0022]其中N和M分别表示客户数和新能源汽车数，x
ij
表示是否将汽车v
j
分配给客户c
i
，wt(c
i
,v
j
)是客户的等待时间，约束条件(6)和(7)保证最多只可以将一个请求分配给一个汽车和一个汽车分配给一个请求，客户的等待时间包括汽车v
j
到达客户c
i
位置的行驶时间以及可能的充电时间，由以下公式计算
[0023][0024]其中“NA”表示对于不满足电量约束条件的客户
‑
汽车对，不将该汽车视为候选车辆，无需计算等待时间；
[0025]定义客户与新能源汽车之间的“逻辑距离”，“逻辑距离”的计算公式为
[0026][0027]公式(9)表示，如果汽车v
j
满足客户c
i
的电量约束，则逻辑距离取决于客户的等待时间wt(c
i
,v
j
)和车速s，否则，将逻辑距离设置为一个较大的惩罚值；
[0028]S2、初始化设置，使用先来先服务方法构造调度结果π
FCFS
，然后设置初始信息素τ0为
[0029]τ0＝(M
·
Lnn)
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0030][0031]其中N和M分别为客户请求数和新能源汽车数，x
ij
表示是否将客户c
i
分配给汽车v
j
，ld(c
i
,v
j
)是客户c
i
和汽车v
j
之间的逻辑距离，min(N,M)表示N和M间的较小值，f1评估解可以满足的请求数，l是调度域的边长；
[0032]S3、执行预选择策略，从初始的M辆新能源汽车中预选择出K
×
N辆，其中K是系数；
[0033]S4、解构造之前，随机打乱客户的分配顺序，在构造的每一步中，应用局部剪枝策略，先计算出每个客户对应的候选汽车集，以及候选汽车分配给该客户的概率，然后，蚁群系统算法根据状态转移规则为相应的客户在其附近选择一辆合适的汽车；
[0034]S5、对每个解中已分配的客户
‑
汽车对执行局部信息素更新规则；
[0035]S6、适应值评估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据关联的新能源汽车调度方法，其特征在于，所述调度优化方法包括以下步骤：S1、构建新能源汽车调度模型，定义汽车v
j
满足客户c
i
电量约束的两个场景，其中，场景一：汽车本身有足够的电量将客户c
i
送至目的地，表示为D(e
j
)≥d(c
i
，v
j
)+d(c
i
，t
i
)
ꢀꢀꢀꢀꢀꢀꢀ
(1)其中D(e
j
)是电量e
j
可支持的行驶距离，d(c
i
，v
j
)是客户c
i
和汽车v
j
之间的距离，d(c
i
，t
i
)是客户c
i
的出发地和目的地t
i
之间的距离；场景二：在电量不足的情况下，去往目的地t
i
的途中存在充电桩，并且所需要的充电时间不超过客户可容忍的时间限制tl：E(t
i
)＝1
ꢀꢀꢀꢀꢀ
(2a)其中，E(t
i
)＝1表示去往的路上存在充电桩，k(cr)表示新能源汽车每单位时间的充电量可支持的行驶距离；以最大化总体的客户满意度为优化目标，定义两个层级进行度量客户满意度，一是请求接受率，二是客户等待时间，同时需要满足一定的约束条件求接受率，二是客户等待时间，同时需要满足一定的约束条件s.t.s.t.s.t.其中N和M分别表示客户数和新能源汽车数，x
ij
表示是否将汽车v
j
分配给客户c
i
，wt(c
i
，v
j
)是客户的等待时间，约束条件(6)和(7)保证最多只可以将一个请求分配给一个汽车和一个汽车分配给一个请求，客户的等待时间包括汽车v
j
到达客户c
i
位置的行驶时间以及可能的充电时间，由以下公式计算其中“NA”表示对于不满足电量约束条件的客户
‑
汽车对，不将该汽车视为候选车辆，无需计算等待时间；
定义客户与新能源汽车之间的“逻辑距离”，“逻辑距离”的计算公式为公式(9)表示，如果汽车v
j
满足客户c
i
的电量约束，则逻辑距离取决于客户的等待时间wt(c
i
，v
j
)和车速s，否则，将逻辑距离设置为一个较大的惩罚值；S2、初始化设置，使用先来先服务方法构造调度结果π
FCFS
，然后设置初始信息素τ0为τ0＝(M
·
Lnn)
‑1ꢀꢀꢀꢀꢀꢀ
(10)其中N和M分别为客户请求数和新能源汽车数，x
ij
表示是否将客户c
i
分配给汽车v
j
，ld(c
i
，v
j
)是客户c
i
和汽车v
...

【专利技术属性】
技术研发人员：詹志辉，邓壮杰，梁迪，张军，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：