本发明涉及的是一种智能交通中电动汽车的最优行驶规划方法。
背景技术：
随着全球金融危机、生态环境恶化与能源、资源枯竭等问题的加剧，大力研究和利用电动汽车相关技术及促进产业发展已成为世界汽车工业竞争的一个新焦点。美国、日本、德国等世界主要汽车制造强国纷纷加入抢占电动汽车技术和市场制高点的行列。电动汽车产销量均有明显提升，其中电动乘用车占九成以上。美国、欧盟、中国、日本仍然在全球电动汽车市场中位居前列。美国的通用、福特、特斯拉公司，日本的丰田、日产及本田公司，欧洲的宝马、奔驰、雪铁龙公司等都在电动汽车的研制与开发上呈现出很强的实力。我国的比亚迪，特斯拉、三菱、日产、大众等企业的电动车的销量也位居前列。目前混合动力汽车的销量及其比例均远远高于电动汽车，但随着纯电动车的技术和充电基础设施的完善，纯电动汽车也已经逐渐产业化，特别是小型的电动乘用车的发展迅速。但由于电动乘用车的充满电的里程数较低，充电站的数量少且服务能力较差，所以，耗电情况在电动汽车的路线行驶中起到至关重要的作用。
中投顾问在《2016-2020年中国电动汽车产业投资分析及前景预测报告》中表示，截至2014年底，我国共建设完成充电站723个、充电桩2.8万个，其中，国家电网公司建成充换电站618座，充电桩2.4万个，充电桩数量远远低于新能源汽车的销量增长。而2014年我国新能源汽车产销量已达8.39万辆，充电设施供需之间的矛盾日益突出。但在2015年，全国计划建成的充电站数量达到了1549个，而计划建成充电桩的数量更是达到了24万个，相比于2014年，有了近10倍的增长。但我国的充电站建设仍然存在很多问题，例如服务能力较差等。所以，在未必合理的资源分配中，电动汽车的充电调度变得十分重要，尤其是电动汽车的长途运行时的调度更为重要。
技术实现要素：
本发明的目的在于提供一种能为电动汽车在电量不足以到达目的地又急于去目的地的情况下提供最优行驶方案的智能交通中电动汽车长途运行充电规划方法。
本发明的目的是这样实现的：
步骤一：实时读取电动汽车的必要信息；
步骤二：在蜂窝网全网覆盖下，读取合理规划区域的全部充电站的信息；
步骤三：判断电动汽车是否能在合理规划下，无里程焦虑地找到充电站；
步骤四：被判断为寻找充电站命令时，此时为第一次寻找充电站，只规划可去的充电站；
步骤五：判断是否需要第二次寻找充电站，如果不需要则直接驶向目的地；如果需要则挑选未扫描过的、可到达的、距离目的地更近的充电站，将它们作为潜在充电站；
步骤六：多次充电时，判断是否能到达充电站的方法按照步骤三进行，不断迭加寻找充电站的方法，第一次寻找按照步骤四进行，第二次之后的寻找按照步骤五进行，直到给出行驶方案；
步骤七：当在最小级中找到可达目的地的方案时，保留迭代次数为最小次数加一的所有方案；
步骤八：预计出单位时间内进入充电站的电动汽车的个数和平均每辆车的服务时间，利用排队论的方法推测出充电站当前的充电分布；
步骤九：利用泊松过程和指数分布计算各个充电站可能的等待时间；
步骤十，以行驶时间和整个旅途中的总时间作协调曲线优化；
步骤十一：根据用户的需求对路线进行挑选，或者为用户做出推荐路线。
本发明还可以包括：
1、所述排队论的方法是按照行驶时间-等待时间-充电时间-行驶时间-……的规则排列。
2、所述无里程焦虑地找到充电站是指电动汽车的剩余电量能够支撑其行驶到目的地后仍能到达附近最近的充电站。
本发明提出了一种在智能城市交通中电动汽车低电量远距离行驶的最佳行驶策略，其中包括路径寻找和充电方案。在路径寻找中，将出发点，目的点和充电站视为路径中所有的经过点，然后采取两段式寻找，提取出所有可能路径。第一段寻找中，结合路况信息设置不同路段的权重，然后通过迪杰斯特拉算法给出任意两点的最短距离；第二段寻找时根据电池电量的容量极限，从出发点开始，迭代寻找可到达的充电站，给出到达目的地的方案，其中迭代次数可规划。给出路径后，求出每条路径的充电时间和行驶时间。在充电方案中，我们通过排队论预计出各个充电站的等待车辆数和预计排队时间和电动汽车到达充电站时的新增排队时间，最终预计出在可达充电站的排队时间，将其和寻找路径中的时间合并，即得出充电时间和行程时间，通过协调曲线法规划出合理的路线。
电动汽车的充电方式有两种，一是在家充电，二是在充电站充电。在家充电由于速度慢效率低等条件影响，不适合在外使用。不同于燃油汽车，电动汽车充电时间更长，其等待时间更长，可供电动汽车充电的充电站更少。所以充电预约就变得非常重要。如今电动汽车的电池效率远不如燃油机，在很多城市电动汽车的充电站的普及程度不高，这就使得充电汽车在到达目的地后，必须提前规划出到达目的地之后的电量，如果电量不足以支撑电动汽车到达附近最近的充电站，那么设计的系统将会毫无意义。
当电动汽车电量较低时，本系统将驱使电动汽车自动进行路线规划，过程为寻找路径-充电-寻找路径-目的地，其中充电-寻找路径可以重复多次，最终找出若干条合理路径，并给出充电建议。在整个过程中可以解决电动汽车的“里程焦虑”，即使电池容量很差的电动汽车也不必担心半路抛锚。本发明是在能量合理下提出的电动汽车的充电调度方案，每一次寻找路径时都要计算能量的合理性，在能量允许的范围内选择路径和充电站并根据能量的可靠性判断是否可达目的地。
本发明的特点主要体现在：
1、步骤一中阐述的电动汽车信息和整个路线推荐系统作出结合，使得系统可以实时对电动汽车的电量进行监控，如果电动汽车的电量有“里程焦虑”的危险，则提醒电动汽车并引导电动汽车去合适的路线充电。
2、步骤二中读取的充电站信息并不必取实时信息，只需读取充电站的基本信息即可，所有的排队情况，系统都会通过模拟预测实现充电等待时间的规划。
3、步骤三中在判断剩余电量能否到达目的地后，规划并未停止，而是继续规划电动汽车到达附近的充电站充电。这样做可以避免在到达目的地后，电动汽车的剩余电量不足以到达任意一个充电站，防止在路上抛锚。
4、步骤四中第一次寻找充电站中选择所有能到达的充电站，这样是为了避免找不到充电站。在电动汽车的剩余电量范围内，选择所有的可到充电站。
5、步骤五中判断一次是否需要寻找下一次充电站，且每次充电不一定要充满。当需要第二次充电时，选择充电站时要选择离目的地更近的可达充电站，同时只能选择未扫描过的充电站，这样可以排除掉绕远，原地不动等无意义的路径。
5、步骤六中的寻找充电站方法第一次遵从步骤四，其余方法按照步骤五的方式进行一级一级地寻找。
6、步骤七中的方案并不是以路线划分的，而是根据到达的充电站不同而划分的不同路线，其中每条路线都用迪杰斯特拉算法找出最短路径，使得到达任意充电站都只有一条最优路线，这样使得寻找路线简化为寻找充电站。其迭代次数为最小次数加一是为了清除掉充电站过多的无用路线。
7、步骤八中是对合理区域里的全部充电站进行规划，先通过排队论预测出以充电站等待车辆为变量的概率，然后用这些概率按比例分配给所有的充电站，将充电站车辆数较多的情况分配给热区的充电站，对于相对的小概率事件进行一定程度上的忽略。并且系统的服务时间按照分布的情况进行求均值。
8、步骤九中的两车的间隔时间计算时与充电站的等待时间相联系。并通过内部的时间计算预测出到达对应充电站时充电站的等待时间。
9、步骤十中设定能量因素为最小限度规划，将对能量的讨论转化为对充电时间规划。使得其特征因素变为消耗时间和消耗电量价格，对两因素进行规划更准确。这里使用曲线规划法把所有的方案给出。
10、步骤十一中给了用户充分的自由度，系统也提供给了用户推荐供客户选择。
本发明在电动汽车充电寻找中具有以下的特点和优势，本发明介绍的充电方案适用于电动汽车的应急充电方案和长途旅行方案，即电动汽车电量不足以到达目的地又急于去目的地的情况。本发明在寻找潜在充电站采用了非常合理的规划方法，先遍历后筛选的方式保证了过程中不会遗失充电站，同时通过排队论对充电站的分析，充分考虑了充电站的等待情况。最后根据各个方案的行驶时间和整个旅途中的总时间作协调曲线优化，根据用户需求给出合理的行驶方案。系统也可以给用户适宜的推荐。
附图说明
图1为本发明的流程图。
图2为本发明的基本模型图。
图3为迪杰斯特拉算法的流程图。
图4为第一次寻找充电站的示意图。
图5为寻找潜在充电站的示意图。
图6为寻找路径的示意图。
图7为路径选择示意图。
图8为协调曲线法示意图。
具体实施方式
本发明的智能交通中电动汽车长途运行充电规划方法包括如下步骤：
步骤一：取电动汽车的剩余电量(电量必须满足电动汽车能到达任意一个充电站)，单位距离行驶所消耗的电量等必要信息。
步骤二：假设蜂窝网全网覆盖下，读取合理规划区域的全部充电站的信息，包括站内充电情况，等待情况和充电设施的利用情况。
步骤三：判断电动汽车的剩余电量能否支撑其行驶到目的地后仍能到达附近最近的充电站。如果判断结果为“能”，即直接驶向目的地即可；如果判断为“否”，则驶向充电站。
步骤四：判断为“否”时，第一次寻找充电站。第一次时电动汽车可行驶到可达的任意一充电站充电，假设充满。然后判断电动汽车是否可以按照步骤三的规则到达目的地。判断为“是”时，给出行驶的完整路径；判断为“否”时，继续寻找充电站。
步骤五：第二次寻找充电站，假设电动汽车的电量充满。挑选可行性的潜在充电站，以消除不合理的路径。潜在充电站遵循两点，前几级寻找充电站过程中扫描到的充电站不考虑；距目的地距离比出发地到目的地距离更大的充电站不考虑。其余所有能量范围可达的充电站均为潜在充电站。
步骤六：多次充电时，判断是否能到达充电站的方法遵从步骤三，不断迭加寻找充电站的方法，第一次寻找遵从步骤四，第二次之后的寻找遵从步骤五，只要能够依据步骤三找到充电站，即以出发地，充电站，目的地的顺序给出行驶方案。
步骤七：当在最小级中找到可达目的地的方案时，保留迭代次数为最小次数加一的所有方案。并将方案按照行驶时间-等待时间-充电时间-行驶时间-……的规则排列。
步骤八：预计出单位时间内进入充电站的电动汽车的个数和平均每辆车的服务时间，利用排队论的方法推测出充电站停留的车辆数及可能服务的时间分布。假设城市热区的充电站可能有着较多的等待车辆。
步骤九：计算各个充电站可能的等待时间。假设充电站的车辆来源符合泊松过程，则根据指数分布推测出电动汽车行驶到充电站时，电动汽车的等待时间。整合所有的信息给出电动汽车每条路线中经过的充电站可能的充电等待时间。
步骤十：以行驶时间和整个旅途中的总时间作多目标优化，采用协调曲线法挑选出待选的路线。
步骤十一：根据用户的需求对路线进行挑选，本发明也可以为用户做出一些行驶推荐。
下面举例对本发明做更详细的描述。
步骤一：系统首先读取发送请求的电动汽车的剩余电量。电动汽车在订阅系统时应给出单位距离行驶所消耗的电量和电池的最大容量。本系统附有电量监控功能，实时计算当前位置到各个充电站的距离和电动汽车的当前电量，在电动汽车的剩余电量不足以到达任何一个充电站时，本系统会推荐电动汽车去附近任意一充电站，避免电动汽车在路上抛锚，发生里程焦虑。
步骤二：在蜂窝网的全网覆盖下，电动汽车可以发送请求给任意充电站，也可以随时接收到各个充电站的信息。在智能城市交通中，本系统可以读取地图信息，实时获取所有充电站的调度情况，包括充电车辆数和充电桩闲置情况和充电站的充电速率等。在电动汽车将目的地发送给本系统时，系统可将地图抽象为图2模式，即由出发地，目的地，充电站的多点分布。
步骤三：抽象出的任意两点之间用迪杰斯特拉算法求出。迪杰斯特拉算法即为不断地寻找周围的临点，更新起点到各个临点的距离，每次都取最小距离，不取扫描过的点，到达终点时计算出最短的路径，并将其规划出来，如图3。判断电动汽车的剩余电量能否支撑其行驶到目的地后仍能到达附近最近的充电站，需要满足两个条件，第一个条件是电动汽车的剩余电量能到达目的地，设E0为电动汽车的剩余电量，k为电动汽车的耗电速率，l0为电动汽车从出发点到目的点的距离，l代表距离，0代表无需充电时的状态。此时剩余电量应满足：
第二个条件是到达充电站后仍然可以在附近找到充电站，即在内有充电站。当满足以上两个条件时，电动汽车没有了在路上抛锚的危险，则无需进行充电，不过到达目的地时，应及时前去充电，此时应该就近充电，即判断结果为“能”。如果两个条件中有一个条件不能满足，判断结果为否，电动汽车应该进行充电规划。
步骤四：当判断为“否”时，电动汽车需要中途充电。此时进行第一次寻找充电站，本系统为长途运行充电调度系统，由于现在很多充电桩不能保证电池会很快充满，所以等到电池完全充满则耗时过长，这里只需保证电动汽车能开到下一个充电站或能到达目的地且电量能够支撑其到达任意充电站即可。当到达第一个充电站时，需要选择所有可到达的充电站，如图4所示。在第一次充电过程中需要满足以下三个条件。第一个条件是电动汽车选择的充电站必须可达，即满足
即为去其中某一充电站的最短路径，{n1}代表路径编号，即为电动汽车从出发点到可达充电站的路径编号。n1代表可达充电站编号，最高值为可达充电站的数量，以最快到达的充电站的编号为1，直到扫描出全部的可达充电站。第二个条件是充电的最高上限不得超过电动汽车电池的最大容量。设电池的最大容量为E，充电速率为ma，当a取0时，代表在慢速充电桩充电；当a取1时，代表在快速充电桩充电。为第一次充电中第n1个充电桩(快速充电桩或慢速充电桩)的预计充电等待时间，a的取值规则都是一样的，n1同样代表充电站编号。即电动汽车剩余电量与充电电量之和不得超过电池最大容量。
第三个条件是充电后的电动汽车能到达目的地或另一个充电站。如果电动汽车仅一次充电就能到达，则需满足在内有充电站，其中代表经过{n1}路径后，从充电站出发到目的地的最短距离。如果不能则需要第二次充电，在内有充电站即可进行二次充电。此时电动汽车的总用时为其中为{n1}路径用时，设电动汽车的速度恒定，可根据其行驶路程获得路径时间。是在充电站的等待时间，其角标和之前的意义一样。为充电时间，这个数值由本系统控制，以便对整个路径过程规划。此时电动汽车的耗费电量成本为pa为单位公里的耗电价格，本系统假设充电价格和行驶路程是线性的。
然后判断电动汽车是否可以按照步骤三的规则到达目的地。判断为“是”时，给出行驶的完整路径，其路径记录为{出发地，充电站1，目的地}，同时给出所消耗时间，即为出发地到充电站1的时间、充电站1等待时间、充电站1充电时间、充电站1到目的地的时间，然后将完整路径添加到最终的候选方案中。判断为“否”时，继续进行第二次寻找充电站。
步骤五：当电动汽车需要两次充电时，如果扫描所有的充电站，则会多出很多不可能合理的方案，这样会增加很多计算量。所以采取寻找潜在充电站的方法，将搜索范围缩小，这样可以有效地减小计算量，又不至于错过任何更合理的可行方案。潜在充电站寻找方法如图5所示，首先标出电动汽车从第一次到达的充电站(也就是电动汽车第二阶段路径寻找的起始点)，规划在电动汽车的里程范围内所有可达充电站，并计算出起始点到目的地的距离。然后再这些充电站内寻找潜在充电站，计算出这些充电站到到目的地的距离，去掉行驶后距离目的地更远的方案。只有在第二次之后的充电站寻找才使用潜在充电站寻找方案，因为第一次寻找时可能由于电量过低而找不到充电站，从第二次开始如果找不到比目的地近的充电站，说明目的地时该电动汽车不可达的，这在充电站建设不足的地方是在所难免的，如果发生这样的情况，任何规划都是没有意义的，只能说明此路线不适合电动汽车。当需要两次充电时，需满足的条件和一次充电是一样的。首先规划处所有潜在充电站的可达范围：
然后计算出所有可达充电站距离目的地的距离，然后筛选出所有不合理的充电站。其中{n1,n2}代表路径编号，n2代表第二次寻找到的潜在充电站的编号，路径编号的解释为第一次充电从起点到第n1充电站的路径，然后再到n2充电站的路径。还应满足充电后的最大电量不得超过电池最大容量。
如果电动汽车在内有充电站，则电动汽车只需要两次充电即可，如果没有充电站，则需要多次充电。此时充电站的总用时为总花费为然后判断电动汽车是否可以按照步骤三的规则到达目的地。判断为“是”时，给出行驶的完整路径，其路径记录为{出发地，充电站1，充电站2，目的地}，同时给出所消耗时间，即为出发地到充电站1的时间、充电站1等待时间、充电站1充电时间、充电站1到充电站2的时间、充电站2的等待时间，充电站2的充电时间、充电站2到目的地的时间，然后将完整路径添加到最终的候选方案中。判断为“否”时，继续进行第三次寻找充电站。
步骤六：当需要多次充电时，则按照上述步骤的方法寻找路径及路径经过的充电站，重复步骤五的寻找路径方法，逐次规划出各段路程的最短路径，然后把他们连接成一条可用路径，如图6所示。当最后一次寻找充电站时，先确定能到达的所有充电站的范围，即：
同时还要保证充电后电量不能大于电池最大容量，即：
并保证在内有充电站。其总用时为总花费为{n1,n2,……,nm}为路径编号，代表着电动汽车经过n1到nm充电站的路径，其中m代表充电次数。
步骤七：随着逐级递增式寻找充电站，一定会在某一级中找到一条可通往目的地的路线。如图7所示，当路径寻找中找到充电站(用黑色圆圈表示)，则继续下一级寻找，当路径寻找中找到目的地(用白色圆圈表示)时，则给出这一级中全部的方案。然后再向下寻找一级，这样是为了不错过更好的方案，由于充电时间的可变性，可能会出现经过更多的充电站却更优的方案，我们要做的就是把全部可能的路线进行筛选。当筛选出全部可行路径时，本系统给出每条路径的最短充电时间。
步骤八：为了实现充电预约，本系统应提前预测出每条路径经过的充电站的等待时间。充电预约的核心思想是预测各个充电站的充电等待车辆数和平均服务时间来规划出初始等待时间，再预测出电动汽车到达充电站的新增服务时间。设在充电站接受电动汽车充电的情况属于随机过程，电动汽车进入充电站的个数分布符合泊松定理，设单位时间内进入充电站的电动汽车的个数为λ。服务时间符合负指数分布，设平均每辆车的服务时间为μ。此时的充电站有0辆车的概率为：
其中k表示工作的充电桩个数，n表示充电桩个数，ρ1＝λ/μ，ρ＝λ/nμ。以此可以推出各个充电站的等待车辆概率。
如果ρ＞1，即预计进入充电站的流量速度大于离开充电站的流量速度，则充电站车辆数从0开始递增；反之，则是一个先增后减的函数。按比例规划出各个充电站的逗留车辆数，并将逗留车辆数较多的情况设置在热点区域的充电站。
步骤九：假设电动汽车出发至某充电站，从出发地到充电站需要一小段时间，在这个时间内，电动汽车可能会有进入和离开。在充电站内的电动汽车的服务时间不可能为完整的充电时间，经过分析检验。服务时间应该符合以下分布：
根据电动汽车的到达时间判断到达时的电动汽车是否充完。然后对行驶路程中新进入的电动汽车进行服务时间划定。前后到达充电站的两个电动汽车之间的时间间隔符合均值为1/λ的指数分布。即为：
根据概率算出再有车辆到达充电站的时间。在此步骤中需要做一个充电等待时间分析。初始车辆数与平均服务时间之积为初始等待时间，在电动汽车第一段路程的消耗时间后，来的车符合公式(11)的规律，离开的车遵循平均服务时间。最终预测出充电等待时间。
步骤十：最终每条路径都会根据实际情况得出总体花费时间和最低花费价格两个因素。本系统采用了顾客选择的方式对两个因素进行规划。这里采用协调曲线法对所有方案进行筛选。如图8所示，以时间成本为横轴，价格成本为纵轴，将所有的方案点在坐标轴画出，根据实际情况做一条所有分布点的外包络线，所有的可行方案都在这条线上。如果得出的数据并不符合理想的规律，则提取靠近X轴或Y轴的所有点，将它们视为可取点。
步骤十一：根据用户订阅的方式给出适合用户的方案。当用户要求最快时间到达，则给出最小时间的方案；当用户要求要求最低成本时，则给出最低成本的方案；如果顾客要求最佳方案，我们则给出时间和花销尽可能最佳的方案。设f1(x)为时间成本，f2(x)为价格成本。为最小时间的方案，为最低成本的方案。
F(x)为目标函数。将包络线上的所有点或极相近的点列出，算出它们的目标函数，目标函数越小，说明方案越优。