基于多元数据的充电桩布置方法.pdf

上传人:v**** 文档编号:11452867 上传时间:2021-09-27 格式:PDF 页数:7 大小:514.49KB
收藏 版权申诉 举报 下载
基于多元数据的充电桩布置方法.pdf_第1页
第1页 / 共7页
基于多元数据的充电桩布置方法.pdf_第2页
第2页 / 共7页
基于多元数据的充电桩布置方法.pdf_第3页
第3页 / 共7页
文档描述:

《基于多元数据的充电桩布置方法.pdf》由会员分享,可在线阅读,更多相关《基于多元数据的充电桩布置方法.pdf(7页完成版)》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910300160.0 (22)申请日 2019.04.15 (71)申请人 同济大学 地址 200000 上海市杨浦区四平路1239号 (72)发明人 骆晓李晔叶浩楠 (74)专利代理机构 上海伯瑞杰知识产权代理有 限公司 31227 代理人 胡永宏 (51)Int.Cl. G08G 1/01(2006.01) (54)发明名称 一种基于多元数据的充电桩布置方法 (57)摘要 一种基于多元数据的充电桩布置方法, 包括 步骤: 接收浮动车数据, 收集浮动车出行的OD数 据,。

2、 得到出行起点分布数据A, 出行终点分布数据 B, 根据行车速度和距离, 得到道路车辆拥堵数据 C; 接收居民手机信令数据, 得到居民活动分布数 据D; 接收分时租赁汽车的出行数据E; 通过所述 出行起点分布数据A、 出行终点分布数据B、 道路 车辆拥堵数据C、 居民活动分布数据D、 分时租赁 汽车出行数据E, 得到充电桩总体需求分布模型 F。 权利要求书1页 说明书3页 附图2页 CN 110111564 A 2019.08.09 CN 110111564 A 1.一种基于多元数据的充电桩布置方法, 其特征在于, 包括以下步骤: 接收浮动车数据, 收集浮动车出行的OD数据, 得到出行起点分布。

3、数据A, 出行终点分布 数据B, 根据行车速度和距离, 得到道路车辆拥堵数据C; 接收居民手机信令数据, 得到居民活动分布数据D; 接收分时租赁汽车的出行数据E; 通过所述出行起点分布数据A、 出行终点分布数据B、 道路车辆拥堵数据C、 居民活动分 布数据D、 分时租赁汽车出行数据E, 得到充电桩总体需求分布模型F。 2.根据权利要求1所述的基于多元数据的充电桩布置方法, 其特征在于, 通过所述出行 起点分布数据A的数字表示、 出行终点分布数据B的数字表示、 道路车辆拥堵数据C的数字表 示、 居民活动分布数据D的数字表示、 分时租赁汽车出行数据E的数字表示, 将A、 B、 C、 D、 E分 别。

4、存在相同维度的二位数组中, 将所有分布数据加权累加, 得到充电桩总体需求分布模型 F, 即Fi,jaAi,j+bBi,j+cCi,j+dDi,j+eEi,j; 其中a、 b、 c、 d、 e为确定值。 3.根据权利要求1所述的基于多元数据的充电桩布置方法, 其特征在于, 通过分布模型 F和已确定充电桩站, 最小化充电需求。 4.根据权利要求3所述的基于多元数据的充电桩布置方法, 其特征在于, 利用cdq+二维 树状数组求解最小化充电需求问题, 对cdq+二维树状数组时间复杂度进行优化, 得出充电 桩需要部署的位置。 5.一种基于多元数据的充电桩布置系统, 其特征在于, 该系统包括: 数据接收模。

5、块, 用于接收浮动车数据, 收集浮动车出行的OD数据, 得到出行起点分布数 据A, 出行终点分布数据B, 根据行车速度和距离, 得到道路车辆拥堵数据C; 接收居民手机信 令数据, 得到居民活动分布数据D; 接收分时租赁汽车的出行数据E; 建立模型模块, 通过所述出行起点分布数据A、 出行终点分布数据B、 道路车辆拥堵数据 C、 居民活动分布数据D、 分时租赁汽车出行数据E, 得到充电桩总体需求分布模型F。 权利要求书 1/1 页 2 CN 110111564 A 2 一种基于多元数据的充电桩布置方法 技术领域 0001 本发明属于电动汽车技术领域, 特别涉及一种基于多元数据的充电桩布置方法。 。

6、背景技术 0002 充电桩设施对于现有的电动汽车的使用至关重要, 然而由于电动汽车的电池充电 时间长, 而公共充电桩资源却很有限, 长时间在外运行的电动汽车会出现何时前往何地充 电的路径规划问题。 同时对于如何布置充电桩, 在那些地点布置, 布置多少充电桩也是需要 重点考虑的问题。 0003 在已有的算法中, 有的对电动汽车的充电路径规划问题给出了基于 “Dijkstra+模 拟退火” 的路径规划算法, 保证在当前时间段内路径规划最短, 同时采用 “模糊+精确” 两段 式计算, 以缓解充电桩的排队问题。 另外, 对于充电桩布置算法中, 也有的构建了以规划期 内充电站的总成本净现值和顾客流失数量。

7、最小为目标的电动汽车充电站选址和充电桩配 置优化模型。 0004 在样本数据来源多元化之后, 数据的多样性对充电桩布置策略的优化问题, 成为 目前急需解决的问题。 0005 浮动车数据技术作为近年来快速发展的交通数据采集技术, 由于其数据的数据量 大, 时效性强, 准确性高, 和相对的客观性等优点, 在交通数据的采集中应用越来越广。 手机 数据的发展也为时代的发展提供很多信息, 其中手机信令, 作为大样本数据有条件提供整 个城市范围内居民的活动信息。 另外该类信息具有两个重要特点: 0006 第一是非自愿性。 手机信令数据, 最长隔1-2个小时, 基站会发信令确认这个手机 是否正常, 是一种被。

8、动参与的调查, 所以真实反映了居民活动的时空变化; 第二个是连续性 和动态性, 每个人每天从早到晚全部手机活动信令都将记录下来, 是个基本连续动态记录。 所以通过这个数据可以研究人的行为和空间环境之间相互作用的特征。 通过手机信令可以 研究居民时空特征, 间接反映建成环境和城市空间结构。 发明内容 0007 本发明的目的在于提供一种基于多元数据的充电桩布置方法, 目的在于通过多元 数据优化对于充电桩的布置规划设计。 0008 本发明的实施例之一, 一种基于多元数据的充电桩布置方法, 包括以下步骤: 0009 接收浮动车数据, 收集浮动车出行的OD数据, 得到出行起点分布数据A, 出行终点 分布。

9、数据B, 根据行车速度和距离, 得到道路车辆拥堵数据C; 0010 接收居民手机信令数据, 得到居民活动分布数据D; 0011 接收分时租赁汽车的出行数据E; 0012 通过所述出行起点分布数据A、 出行终点分布数据B、 道路车辆拥堵数据C、 居民活 动分布数据D、 分时租赁汽车出行数据E, 得到充电桩总体需求分布模型F; 0013 通过分布模型F, 确定充电桩站, 抽象模型为 “已知确定充电桩站” , 最小化充电需 说明书 1/3 页 3 CN 110111564 A 3 求; 0014 利用cdq+二维树状数组求解上述问题, 对cdq+二维树状数组时间复杂度进行优 化, 由于数据量较大, 。

10、磁盘和内存的发展使得存储空间的进展, 用空间换时间, 计算结果; 0015 得出最后的结果。 0016 本发明的有益效果包括: 0017 1.在布置充电桩时, 选取了浮动车数据、 手机信令数据、 分时租赁等多元数据, 无 论从自主性还多样性上, 对数据的准备度有所优势; 0018 2.对问题进行模型的抽象, 提出一种以二维cdq+二维树状数组作为决策手段的模 型, 是一种全新的解决该类问题的方式; 0019 3.使用多元的数据来提供整体需求, 对于整个需求的准确度大大提高。 附图说明 0020 通过参考附图阅读下文的详细描述, 本发明示例性实施方式的上述以及其他目 的、 特征和优点将变得易于理。

11、解。 在附图中, 以示例性而非限制性的方式示出了本发明的若 干实施方式, 其中: 0021 图1根据本发明具体实施例之一的充电桩布置方法流程图 0022 图2根据本发明实施例之一的数字地图栅格化例图。 0023 图3根据本发明实施例之一的充电桩总体需求分布F示意图。 0024 图4是根据本发明实施例之一中的模型抽象例图。 具体实施方式 0025 根据一个或者多个实施例, 如图1所示。 一种基于多元数据的充电桩布置方法, 基 于出租车浮动车数据、 手机信令数据、 分时租赁的出行数据, 以充电桩使用效率最大为效用 函数, 分别采集出租车浮动车数据、 手机信令数据、 分时租赁的出行数据, 包括以下步。

12、骤: 0026 (1)收集并处理浮动车的数据, 收集出行的始终点。 对于出租车的GPS数据进行研 究和处理, 以此来获得OD点信息, 得到出行起点分布A, 出行终点分布B。 收集行车过程中的 速度、 距离等, 得到每条道路的拥堵, 道路的车辆情况C; 0027 (2)收集并处理手机信令, 通过手机信令数据, 得到居民的活动分布D; 0028 (3)收集并得到分时租赁汽车的出行数据E; 0029 (4)通过所述出行起点分布数据A(数字表示)、 出行终点分布数据B(数字表示)、 道 路车辆拥堵数据C(数字表示)、 居民活动分布数据D(数字表示)、 分时租赁汽车出行数据E (数字表示), 将ABCD。

13、E分别存在相同维度的二位数组中, 将所有分布数据累加(加权累加)得 到充电桩总体需求分布模型F, 即 0030 Fi,jaAi,j+bBi,j+cCi,j+dDi,j+eEi,j; 其中abcde为确定值 0031 (5)通过分布模型F, 确定充电桩站, 抽象模型为 “已知确定充电桩站” , 最小化充电 需求, 即: 将分布F看作一个二位数组, 数组F中存放的值为充电需求, 若干个充电桩T看作一 个大小远远小于F数组的数组, 当充电桩部署在F的某个位置时, 能够减小该数组中的值, 结 果为最小化F数组的和。 0032 (6)利用cdq+二维树状数组求解上述最小化问题; 说明书 2/3 页 4 。

14、CN 110111564 A 4 0033 (7)对cdq+二维树状数组时间复杂度进行优化, 由于数据量较大, 磁盘和内存的发 展使得存储空间的进展, 用空间换时间, 计算结果; 0034 (8)利用上述步骤, 得出最后的充电桩应该部署的位置, 即对应数组T在数组F中下 表位置。 0035 其中, 对于步骤(5), 如图2所示, 以百度地图为底图, 用500*500m的栅格进行网格 化。 对于出租车浮动车数据、 手机信令数据、 分时租赁的出行数据, 分别利用上面的栅格化, 每个栅格都抽化为一个数字点, 则上面的地图可以得到一个二维表, 如表1所示: 0036 表1栅格化数据表 0037 CRR。

15、1RiRM C1Grid(1,1)Grid(1,i)Grid(1,M) CjGrid(j,1)Grid(j,i)Grid(j,M) CNGrid(N,1)Grid(N,i)Grid(N,M) 0038 上述每个数据分布都得到一个栅格化过后的数据表, 则总体分布模型F如图3所 示。 0039 对于步骤(6), cdq+二维树状数组模型假设包括: 0040 1, 假设已知确定充电桩 “站” 的数目K, 此数量为定值(充电桩 “站” 的意思为包含或 拥有多个充电桩的充电站); 0041 2, 假设每个充电站的充电站为Ki, 是可调整的参数; 0042 3, 假设每个充电站的影响范围确定, 影响范围为。

16、了便于计算area为一个正方形, 边长根据参考资料确定设为S; 0043 4, 每个充电站的影响需求的力度, 在范围S之内, 由影响因子alpha根据设立距离 逐渐减小; 0044 5, 假设每个充电桩可减小需求量, 在中心范围的影响力为M(单位记为m); 0045 6, 假设每个减小的需求量必须与整体分布F有映射关系map(F, m)。 0046 根据上述假设, 可以得到模型如图4所示。 每个正方形(灰色部分)可减小需求F表 中的值, 利用已知数量的正方形, 得到需求表F的最小值。 0047 值得说明的是, 虽然前述内容已经参考若干具体实施方式描述了本发明创造的精 神和原理, 但是应该理解, 本发明并不限于所公开的具体实施方式, 对各方面的划分也不意 味着这些方面中的特征不能组合, 这种划分仅是为了表述的方便。 本发明旨在涵盖所附权 利要求的精神和范围内所包括的各种修改和等同布置。 说明书 3/3 页 5 CN 110111564 A 5 图1 图2 说明书附图 1/2 页 6 CN 110111564 A 6 图3 图4 说明书附图 2/2 页 7 CN 110111564 A 7 。

展开阅读全文
内容关键字: 基于 多元 数据 充电 布置 方法
关于本文
本文标题:基于多元数据的充电桩布置方法.pdf
链接地址:https://www.zhuanlichaxun.net/pdf/11452867.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备2021068784号-1 
 


收起
展开