本发明专利技术公开了一种针对非线性充电速率电动汽车的最快路径导航方法，包括以下步骤：收集经纬度形式的路网点数据和充电桩数据，构建KD树，将充电桩匹配路网中距离最近的路网点，获取含有充电桩分布的路网数据集；使用优化的标签算法框架构建全充电桩网络；计算导航终点到任意充电桩之间的最优路线；使用迪杰斯特拉算法计算终点到每个充电桩的最短时间；枚举所有的充电桩，并使用引导路径生成算法计算起点到充电桩的最优路线；将进入充电网络的引导路径、充电网络中的导航路径以及离开充电网络的引导路径组合成起点到终点的导航路径。本发明专利技术还公开了实现上述导航方法的导航系统，以及上述导航方法或导航系统在电动汽车导航中的应用。
1、随着电池技术的不断发展，车载电池的密度不断提高，电动汽车的续航也逐渐追上燃油汽车，目前电动汽车产业已经成为我国经济发展的支柱。发展电动汽车，既是绿色经济的主要途径，也是国家保障能源安全的重要手段。
2、与电动汽车绿色的前景相对应的是，电动汽车往往存在充电慢、充电难的问题：电池技术和充电桩基建的双重限制，给远距离的出行带来了许多麻烦，使之使用场景仅局限于日常出行。不同于传统燃油汽车加油时间的忽略不计，电动汽车的充电速度往往很慢，以常见的300km左右续航的电动汽车为例，充满一次电量的时间约在8个小时左右。并且充电桩远远没有加油站普及，尤其是在三四线城市，用户往往需要额外考虑充电桩和始终点的相对位置，从而提前规划路线。
3、为了获取最佳的出行方案，人们需要统筹考虑电动汽车的续航里程、充电桩和起终点的相对位置和充电所花费的时间。然而，生活中并没有针对于电动汽车的较为精细的导航算法。随着城市道路建设的日益复杂，导航软件已经成为生活中不可或缺的一部分，与之相对应的导航算法也在过去的几十年内得到了飞速的发展。
4、对于电动汽车来说，导航算法的约束会更加复杂。电动汽车可能需要提前充满电以行驶一段没有充电桩的路程；充电的时间无法被忽略不计，甚至有可能占用了总时间的大部分。因此，有必要针对在道路上的运行时间和在充电桩的充电时间共同考虑。
>技术实现思路1、本专利技术的研究背景是，基于未有针对下游电动汽车导航算法的问题设计一个针对非线性充电速率电动汽车的最快路径导航方法、导航系统及应用。
2、在实际的导航过程中，需要导航算法具有快速响应的特性。基于这个问题，本专利技术提出首先利用优化的标签算法离线构造全充电桩网络，接着分别计算离开充电网络和进入充电网络的引导路径，最终实现电动车汽车导航。本专利技术使用了双向搜索、a*启发式优先队列、平衡树法、单调法以及剪枝技术等优化导航过程，基于此提出了“一种针对非线性充电速率电动汽车的最快路径导航方法、导航系统及应用”。
3、本专利技术中的一种针对非线性充电速率电动汽车的最快路径导航方法具体步骤包括如下：
4、步骤一、收集经纬度形式的路网点数据和充电桩数据，基于路网点数据构建kd树，并对于每一个充电桩匹配路网中距离最近的路网点，从而获取含有充电桩分布的路网数据集。
5、通过kd树对二维空间中的路网点进行存储，并能够对其进行快速检索；本专利技术中，所述路网点指的是路网中采样的关键位置点，例如道路交汇点，出口等；
6、步骤二、在步骤一得到的路网基础上使用优化的标签算法框架构建全充电桩网络，即计算任意充电桩之间的最优路线。在这个过程中使用双向搜索优化的迪杰斯特拉算法约束搜索空间，并且引入精心设计的启发函数作为a*启发式优先队列的权重，同时采用平衡树法和单调法消除被支配的解，即在所有的目标函数上都劣于其它解的解，这里的目标函数指的是到达同一个充电桩花费的时间和电量，在扩展标签(路径选择)时使用剪枝技术对扩展出来的标签进行优化，忽略已知不是最优解的标签。
7、所述双向搜索优化的迪杰斯特拉算法约束搜索空间是指在使用迪杰斯特拉算法进行最短路径搜索时，通过双向搜索来缩小搜索范围，从而优化算法效率。具体来说，将任意两个充电桩作为起点和目标点，分别开始从起点到目标点和从目标点到起点的双向搜索过程。在每个搜索方向中，根据当前充电桩的邻居充电桩更新距离信息。同时在每个搜索方向中检查当前方向被搜索到的充电桩是否已经被另外一个方向搜索过，如果被搜索过表明双向搜索相遇，即找到了一条从起点到目标点的路径。继续迭代这个过程，就可以找到最短路径。
8、在双向搜索优化的迪杰斯特拉算法中使用a*启发式优先队列，即使用优先队列作为扩展搜索路径的数据结构，启发式函数作为扩展标准。
9、所述平衡树法是指以标签中的时间作为键构造一棵平衡二叉树，因为平衡二叉树左右子树高度平衡的特性，可以通过二分查询确定当前查询的解是否被支配。
10、所述单调法是指根据优先队列的启发函数以及支配关系可以知道每次优先队列弹出的标签中时间必定是单调递减的，如果一个新的标签在时间上不比当前队列中的标签更优，则可以提前排除，该标签在未来不可能成为最优解，因此可以提前结束那些必然被支配的标签。
11、步骤三、使用步骤二构建全充电桩网络的方法，以导航终点为终点，枚举所有充电桩为起点，按照步骤二计算导航终点到任意充电桩之间的最优路线，即离开充电网络的引导路径。
12、步骤四、基于步骤三构造的导航终点到任意充电桩之间的最优路线使用迪杰斯特拉算法计算终点到每个充电桩的最短时间和最优路线。
13、步骤五、枚举所有的充电桩，并使用引导路径生成算法计算起点到每个充电桩的最优路线，即进入充电网络的引导路径。
14、由于步骤五的枚举复杂度比较高，可以使用贪心-随机混合策略进行近似处理计算进入充电网络的引导路径。
15、步骤六、将进入充电网络的引导路径、充电网络中的导航路径以及离开充电网络的引导路径组合成起点到终点的导航路径。
16、本专利技术中，所述步骤一的具体步骤包括：
17、步骤1.1、收集所有经纬度形式的路网点。计算所有路网点在经度和纬度上的值的方差，选择方差最大的维度，即数据最分散的维度，选出中位数所在的点作为分割超平面进行分割，并对分割后的两个超空间递归；接下来在剩余的维度中继续选择方差最大的维度。不断执行上述过程，直到某个超平面内的点只有一个，即超平面的根节点，就不再继续递归，最终完成kd树的构建。
18、步骤1.2、收集所有经纬度形式的充电桩数据。对于每一个充电桩，使用步骤1.1构造的kd树查找路网中距离最近的路网点，从而将每个充电桩匹配到路网数据集上最近的路网点。最终获取到含有充电桩分布的路网数据集。
19、本专利技术中，所述步骤二的具体步骤包括：
20、步骤2.1、枚举任意两个充电桩作为起点s和终点t。
21、步骤2.2、根据skyline理论，针对时间和电量两个优化目标进行优化时，当电量达到最优时对应的时间将会最大，同样当时间达到最优时对应的电量将会最大。以时间作为迪杰斯特拉算法权重计算得到起点到终点的最短时间(时间下界)和对应的电量消耗(电量上界)，同时以电量作为迪杰斯特拉算法权重计算电量消耗最小值(电量下界)和对应的花费时间(时间上界)。以时间作为权重为例，电量作为权重也是同样。初始化从起点到终点的时间数组，将起点设置为0，其余点都设置为无穷大。从未被访问的节点中选择到起点时间最短的点，通过这个选中的点更新其它点经过该点到起点的时间，如果通过这个选中的节点到达另一个节点的时间比当前记录的时间短，就更新那个节点的时间；不断重复上述过程直到找到从起点到终点的最短时间。
本文档来自技高网...
【技术保护点】
1.一种针对非线性充电速率电动汽车的最快路径导航方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的导航方法，其特征在于，所述步骤一包括如下步骤：
3.如权利要求1所述的导航方法，其特征在于，步骤二中，所述优化的标签算法框架包括使用双向搜索优化的迪杰斯特拉算法约束搜索空间，并引入启发函数作为A*启发式优先队列的权重，采用平衡树法和单调法消除被支配的解，并使用剪枝技术对路径选择进行优化。
4.如权利要求3所述的导航方法，其特征在于，使用双向搜索优化的迪杰斯特拉算法将任意两个充电桩作为起点和目标点，分别开始从起点到目标点和从目标点到起点的双向搜索过程；在每个搜索方向中，根据当前充电桩的邻居充电桩更新距离信息，同时在每个搜索方向中检查当前方向被搜索到的充电桩是否已经被另外一个方向搜索过，如果被搜索过表明双向搜索相遇，即找到了一条从起点到目标点的路径；继续迭代这个过程，找到最短路径；
5.如权利要求1所述的导航方法，其特征在于，步骤二进一步包括如下步骤：
6.如权利要求5所述的导航方法，其特征在于，步骤2.7中，如果当前标签中的r小于等于电量上界B的一半，就开始扩展新的标签，即对所有沿着d方向的以u作为起点，v作为终点的边euv，扩展新标签LABEL'{v,t+t(euv),r+r(euv),d}；如果新标签不满足步骤2.6中任何一个剪枝条件，就将其压入优先队列PQ中，否则剪枝丢弃掉。
7.如权利要求1所述的导航方法，其特征在于，步骤五进一步包括如下步骤：
8.如权利要求1所述的导航方法，其特征在于，步骤五中使用贪心-随机混合策略进行近似处理计算进入充电网络的引导路径，在每个节点上最多存储Q个标签，维护其中最快的标签和最省电的标签，剩余的Q-2个标签采用随机的方式存储。
9.一种实现如权利要求1-8之任一项所述导航方法的导航系统，其特征在于，所述导航系统包括：数据收集和预处理模块、全充电桩网络构建模块、导航路径计算模块、引导路径生成模块、路径组合模块；
10.如权利要求1-8之任一项所述的导航方法，或如权利要求9所述的导航系统在电动汽车导航中的应用。
...
【技术特征摘要】
1.一种针对非线性充电速率电动汽车的最快路径导航方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的导航方法，其特征在于，所述步骤一包括如下步骤：
3.如权利要求1所述的导航方法，其特征在于，步骤二中，所述优化的标签算法框架包括使用双向搜索优化的迪杰斯特拉算法约束搜索空间，并引入启发函数作为a*启发式优先队列的权重，采用平衡树法和单调法消除被支配的解，并使用剪枝技术对路径选择进行优化。
4.如权利要求3所述的导航方法，其特征在于，使用双向搜索优化的迪杰斯特拉算法将任意两个充电桩作为起点和目标点，分别开始从起点到目标点和从目标点到起点的双向搜索过程；在每个搜索方向中，根据当前充电桩的邻居充电桩更新距离信息，同时在每个搜索方向中检查当前方向被搜索到的充电桩是否已经被另外一个方向搜索过，如果被搜索过表明双向搜索相遇，即找到了一条从起点到目标点的路径；继续迭代这个过程，找到最短路径；
5.如权利要求1所述的导航方法，其特征在于，步骤二进一步包括如下步骤：
6.如权利要求...
【专利技术属性】
技术研发人员：余坤，袁智镕，程鹏，林学民，陈雷，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。