[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112082566A - 电动汽车路径规划方法、装置、终端及存储介质 - Google Patents

电动汽车路径规划方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN112082566A
CN112082566A CN202010894310.8A CN202010894310A CN112082566A CN 112082566 A CN112082566 A CN 112082566A CN 202010894310 A CN202010894310 A CN 202010894310A CN 112082566 A CN112082566 A CN 112082566A
Authority
CN
China
Prior art keywords
node
vehicle
target
charging
path
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.)
Granted
Application number
CN202010894310.8A
Other languages
English (en)
Other versions
CN112082566B (zh
Inventor
杨再跃
姚灿棋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern University of Science and Technology
Original Assignee
Southern University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southern University of Science and Technology filed Critical Southern University of Science and Technology
Priority to CN202010894310.8A priority Critical patent/CN112082566B/zh
Publication of CN112082566A publication Critical patent/CN112082566A/zh
Application granted granted Critical
Publication of CN112082566B publication Critical patent/CN112082566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469—Fuel consumption; Energy use; Emission aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请适用于新能源技术领域，提供一种电动汽车路径规划方法、装置、终端及存储介质，其中方法包括：获取电动汽车的起点节点、终点节点及物流需求节点，并确定每一电动汽车的至少一条行驶路径；对每一行驶路径，获取每一电动汽车在不同的目标节点的充电量、每一目标节点的车辆充电速率和车辆充电价格、每一电动汽车在行驶路径中相邻两节点之间的行驶时间及每一电动汽车的用车费用；根据充电量、车辆充电速率、车辆充电价格、行驶时间及用车费用，从行驶路径中获取与目标运营成本对应的目标行驶路径。该方案通过合理的路径规划降低物流配送车队的运营成本，提升整体效益。

Description

电动汽车路径规划方法、装置、终端及存储介质
技术领域
本申请属于新能源技术领域，尤其涉及一种电动汽车路径规划方法、装置、终端及存储介质。
背景技术
在环境保护与资源保护日益受到重视的今天，电动汽车替代燃油汽车逐渐成为一种趋势。随着电动汽车技术的成熟，在物流运输领域，一些公司都将物流配送车队电动化，以节省成本及提升物流配送的便捷度。
但伴随物流行业的发展，物流网点分布密集，存在物流需求的用户也分布于四面八方。在物品的配送、派发或取件过程中，往往需要大量的人力、车力、时间、用电成本等投入。
现有的物流模式往往是分配人员就近划分片区进行片区式物流任务分派，物流人员根据物流任务单自由进行收件、取件、配送等等工作的开展，缺乏科学合理有序的路径规划，导致物流配送车队的运营成本很高，但整体效益降低的问题。
发明内容
本申请实施例提供了一种电动汽车路径规划方法、装置、终端及存储介质，以解决现有技术中由于缺乏科学合理有序的路径规划，导致物流配送车队的运营成本很高，但整体效益降低的问题。
本申请实施例的第一方面提供了一种电动汽车路径规划方法，包括：
获取电动汽车的起点节点、电动汽车的终点节点及物流需求节点，并确定每一所述电动汽车由所述起点节点至所述终点节点并途径所述物流需求节点中目标节点的至少一条行驶路径；
对每一所述行驶路径，获取每一所述电动汽车在不同的所述目标节点的充电量、每一所述目标节点的车辆充电速率和车辆充电价格、每一所述电动汽车在所述行驶路径中相邻两节点之间的行驶时间及每一所述电动汽车的用车费用；
根据所述充电量、所述车辆充电速率、所述车辆充电价格、所述行驶时间及所述用车费用，从所述行驶路径中获取与目标运营成本对应的目标行驶路径。
本申请实施例的第二方面提供了一种电动汽车路径规划装置，包括：
第一获取模块，用于获取电动汽车的起点节点、电动汽车的终点节点及物流需求节点，并确定每一所述电动汽车由所述起点节点至所述终点节点并途径所述物流需求节点中目标节点的至少一条行驶路径；
第二获取模块，用于对每一所述行驶路径，获取每一所述电动汽车在不同的所述目标节点的充电量、每一所述目标节点的车辆充电速率和车辆充电价格、每一所述电动汽车在所述行驶路径中相邻两节点之间的行驶时间及每一所述电动汽车的用车费用；
第三获取模块，用于根据所述充电量、所述车辆充电速率、所述车辆充电价格、所述行驶时间及所述用车费用，从所述行驶路径中获取与目标运营成本对应的目标行驶路径。
本申请实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读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实现如第一方面所述方法的步骤。
本申请的第五方面提供了一种计算机程序产品，当所述计算机程序产品在终端上运行时，使得所述终端执行上述第一方面所述方法的步骤。
由上可见，本申请实施例中，通过确定每一电动汽车由起点节点至终点节点并途径物流需求节点中目标节点的至少一条行驶路径，对每一行驶路径，获取每一电动汽车在不同的目标节点的充电量、每一目标节点的车辆充电速率和车辆充电价格、每一电动汽车在行驶路径中相邻两节点之间的行驶时间及每一电动汽车的用车费用，进而根据该充电量、车辆充电速率、车辆充电价格、行驶时间及用车费用，从行驶路径中获取与目标运营成本对应的目标行驶路径，实现对物流场景中电动汽车的行驶路径进行有序科学的规划，且该路径规划过程充分考虑电动物流汽车在运营中的各种影响因素，通过合理的路径规划降低物流配送车队的运营成本，提升整体效益。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种电动汽车路径规划方法的流程图一；
图2是本申请实施例提供的一种电动汽车路径规划方法的流程图二；
图3是本申请实施例提供的一种电动汽车路径规划装置的结构图；
图4是本申请实施例提供的一种终端的结构图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中，本申请实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，所述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中，描述了包括显示器和触摸敏感表面的终端。然而，应当理解的是，终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
应理解，本实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
参见图1，图1是本申请实施例提供的一种电动汽车路径规划方法的流程图一。如图1所示，一种电动汽车路径规划方法，该方法包括以下步骤：
步骤101，获取电动汽车的起点节点、电动汽车的终点节点及物流需求节点，并确定每一电动汽车由起点节点至终点节点并途径物流需求节点中目标节点的至少一条行驶路径。
其中，该起点节点与该终点节点具体为电动汽车的存放仓库，或者为其他指定地点。具体地，所有的电动汽车均由该起点节点出发，并返回至终点节点。
可选地，该起点节点与该终点节点可以是同一个地点。
物流需求节点具体为存在物流需求的节点，可以是用户所在节点或者是仓储节点等等，存在的物流需求例如为寄件(去取件)的需求、收件(被派件)的需求等等。
每一电动汽车由起点节点至终点节点的过程中，可以途径不同的物流需求节点，去该些物流需求节点满足对应的物流需求。而不同的电动汽车可能会在一趟路途中完成不同的物流订单，因此会存在不同的路径规划的可能性。因此，每一电动汽车都可能会有由起点节点至终点节点且途径物流需求节点中目标节点的至少一条行驶路径。
作为一具体的实施方式，该获取电动汽车的起点节点、电动汽车的终点节点及物流需求节点，并确定每一电动汽车由起点节点至终点节点并途径物流需求节点中目标节点的至少一条行驶路径，包括：
构建包括道路节点集合的物理运输网络；基于物理运输网络，从道路节点集合中选取目标道路节点作为电动汽车的起点节点、电动汽车的终点节点及物流需求节点；基于起点节点、终点节点及物流需求节点，结合物理运输网络，构建有向无环图；根据有向无环图，确定每一电动汽车由起点节点至终点节点并途径物流需求节点中目标节点的至少一条行驶路径。
道路节点集合具体可以是实际道路的交叉点的集合。物理运输网络具体为基于实际存在的运输道路得到的路网。
目标道路节点的选取可以是将电动汽车的起点节点、电动汽车的终点节点及物流需求节点的位置与道路节点的位置进行映射得到。
有向无环图指的是一个无回路的有向图。该有向无环图具体是指由起点节点至终点节点的有向无回路的图。
具体实施过程中，首先构建一个由G(V，E)表示的物理运输网络，其中V是道路节点的集合，E是有向弧的集合。为了减少路网的规模，仅仅考虑电动汽车车队的仓库节点和产生物流需求的节点，重新构建了有向无环图G′(V′，E′)，其中，V′为物流需求节点和仓库节点的集合，E′为有向弧的集合。其中，属于G的节点是实际地理上的点，而属于G′的节点为仓库节点和产生物流需求的节点，其中G图为一个全连通图。并且G的邻接矩阵为上三角矩阵，因为物流节点的访问次序受到给定物流订单时间的限制，订单时间较早的请求将在较晚的请求之前得到处理。
具体地，在一个实施方式中，可以将E′表示为{(i,j)|i,j∈V′}，通过经典的最短路径算法(如Dijkstra的算法)来计算从节点i至节点j的距离，以构造有向无环图G′。
步骤102，对每一行驶路径，获取每一电动汽车在不同的目标节点的充电量、每一目标节点的车辆充电速率和车辆充电价格、每一电动汽车在行驶路径中相邻两节点之间的行驶时间及每一电动汽车的用车费用。
不同的电动汽车可能需要在行驶路径中的某个节点处进行充电。在对行驶路径进行规划时，需要从每一可能的行驶路径中进行节点的电动汽车充电量、车辆充电速率、车辆充电价格及电动汽车在行驶路径中相邻两节点之间的行驶时间及每一电动汽车的用车费用等因素进行考量，以在后续步骤中基于该些因素规划出电动汽车的最佳的行驶路径。
步骤103，根据该充电量、车辆充电速率、车辆充电价格、行驶时间及用车费用，从行驶路径中获取与目标运营成本对应的目标行驶路径。
具体地，在根据该充电量、车辆充电速率、车辆充电价格、行驶时间及用车费用，从行驶路径中获取与目标运营成本对应的目标行驶路径时，具体可以是以某一影响因素作为主要考量因素，并赋予其他因素以不同的考量权重，选取一个满足该主要考量因素的考量标准并能够实现其他因素的不同权重的考量的一个行驶路径作为最后的目标行驶路径。或者以其他方式进行目标行驶路径的选取。
该目标运营成本可以包括电动汽车的充电成本、运行时间成本、车辆使用费用等成本。
本申请实施例中，通过确定每一电动汽车由起点节点至终点节点并途径物流需求节点中目标节点的至少一条行驶路径，对每一行驶路径，获取每一电动汽车在不同的目标节点的充电量、每一目标节点的车辆充电速率和车辆充电价格、每一电动汽车在行驶路径中相邻两节点之间的行驶时间及每一电动汽车的用车费用，进而根据该充电量、车辆充电速率、车辆充电价格、行驶时间及用车费用，从行驶路径中获取与目标运营成本对应的目标行驶路径，实现对物流场景中电动汽车的行驶路径进行有序科学的规划，且该路径规划过程充分考虑电动物流汽车在运营中的各种影响因素，通过合理的路径规划降低物流配送车队的运营成本，进而提升整体效益。
本申请实施例中还提供了一种电动汽车路径规划方法的不同实施方式。
参见图2，图2是本申请实施例提供的一种电动汽车路径规划方法的流程图二。如图2所示，一种电动汽车路径规划方法，该方法包括以下步骤：
步骤201，获取电动汽车的起点节点、电动汽车的终点节点及物流需求节点，并确定每一电动汽车由起点节点至终点节点并途径物流需求节点中目标节点的至少一条行驶路径。
该步骤的实现方式与前述实施例中步骤101的实现方式相同，此处不再赘述。
步骤202，对每一行驶路径，获取每一电动汽车在不同的目标节点的充电量、每一目标节点的车辆充电速率和车辆充电价格、每一电动汽车在行驶路径中相邻两节点之间的行驶时间及每一电动汽车的用车费用。
该步骤的实现方式与前述实施例中步骤102的实现方式相同，此处不再赘述。
在步骤202之后，需要根据该充电量、车辆充电速率、车辆充电价格、行驶时间及用车费用，从行驶路径中获取与目标运营成本对应的目标行驶路径。该过程的具体实现如下：
步骤203，根据该充电量、车辆充电速率、行驶时间及用车费用，从行驶路径中获取满足目标物流调度需求的初步行驶路径。
目标物流调度需求具体可以是满足所有物流需求节点的物流需求下的车辆调度需求。其中，本实施例中，一个物流需求节点只需有电动汽车访问一次满足物流需求即可。进一步地，该目标物流调度需求还可以是在满足所有物流需求节点的物流需求下且能够使车辆运行成本处于较低成本范围内的车辆调度需求。
该初步行驶路径具体为先满足目标物流调度需求的行驶路径。这里，在进行路径规划时，先选取出满足一部分条件的行驶路径，再进一步对该行驶路径进行持续优化规划，以最终实现目标实现路径的确定。
该步骤203在具体实现过程中，可以基于图G′建立多个电动汽车的联合路径规划和充电策略的网络流模型。
目标函数，如下式所示，通过四个恒定的权衡参数ω1、ω2、ω3及ω4来调节各项指标内容的重要性。在最小化总充电成本、充电时间、行驶时间和电动汽车使用费用的同时，最大化完成物流需求的收益。
Figure BDA0002657947220000091
其中，
Figure BDA0002657947220000092
为第k个电动汽车由节点i至节点j的行驶路径；
Figure BDA0002657947220000093
为第k个电动汽车在节点i的充电量；V′为包括起点节点、终点节点及物流需求节点的节点集合，V′＝{v1,...,vn}；
Figure BDA0002657947220000094
为电动汽车在节点i的充电量；gi为节点i的车辆充电速率；pi为节点i的车辆充电价格；Tij为由节点i至节点j的行驶时间；ci为节点i对应的费用，其中当节点i为起点节点时，ci取值为所述起点节点的用车支出费用，当节点i为物流需求节点时，ci取值为在节点i的物流收费的负值。
为了满足充电系统和运输系统的限制条件，可以定义道路网络电动汽车流量守恒约束，电池能量约束和拾取时间约束定义为(1a)-(1f)。约束(1a)表明所有电动汽车都受到电动汽车流量守恒约束，即进入物流需求节点的电动汽车必须从同一物流需求节点驶出，并且所有电动汽车在起始仓库出发，最后返回到结束仓库。
Figure BDA0002657947220000095
其中，bi为节点i的车辆离开数量与车辆进入数量的差值。
此外，约束(1b)规定了每个客户最多只能由物流车队服务一次。其中，如果服务成本高于得到的收益，则车队可能无法满足某些节点的物流需求。
Figure BDA0002657947220000101
在约束(1c)中给出了物流需求节点的提货时间ti，即电动汽车到达节点i的时间；同时也给出了电动汽车的充电时间
Figure BDA0002657947220000102
该限制条件指出电动汽车到达物流需求节点的时间不应晚于每个物流需求节点的规定提货时间。
Figure BDA0002657947220000103
其中，gi为节点i的车辆充电速率，具体为单位电量所需的充电时间；tj为电动汽车到达节点j的时间。
公式(1d)刻画了电动汽车的电池能量动态特性，其中eij表示图G′中边沿ij的电能消耗量，即电动汽车由节点i至节点j的消耗电量。eij＝εdij，其中ε是能耗率，dij是从节点i至节点j的行进距离。
Figure BDA0002657947220000104
约束(1e)和(1f)对第k个电动汽车，当前的电池电能储备
Figure BDA0002657947220000105
以及在节点i的充电量
Figure BDA0002657947220000106
施加上下限。当电动汽车到达终点节点时，一般不需要充电，故此时的充电率
Figure BDA0002657947220000107
可以取值为0。
Figure BDA0002657947220000108
Figure BDA0002657947220000109
上述过程实现求解电动汽车联合路径规划和充电策略，实现根据该充电量、车辆充电速率、行驶时间及用车费用，从行驶路径中获取满足目标物流调度需求的初步行驶路径的过程。
但上述路径规划过程，存在二元变量和连续变量的耦合，使得目标函数的直接求解十分困难，消耗大量的计算资源和计算时间。为了得到一个更为实际的联合路径规划和充电策略的调度方案，这里通过对模型进行适当转化，把电动汽车的路径规划和充电问题解偶为两个子问题，从而降低求解此问题的时间复杂度。具体为，在路径规划问题上，先只考虑和路径相关的目标函数项，限制条件，其他和充电相关的目标函数项，限制条件则都放在充电策略里进行决策。
由于所有电动汽车最开始都位于起点仓库节点，并在完成物流需求后返回终点仓库节点，因此电动汽车可以视为总流量为K的车辆流。因此，我们可以使用两指标(ij)车辆流量模型对问题进行重新建模，从而减少了三指标(ijk)模型所需的变量数量。
具体地，作为一可选的实施方式，该根据充电量、车辆充电速率、行驶时间及用车费用，从行驶路径中获取满足目标物流调度需求的初步行驶路径，包括：
根据充电量、车辆充电速率、行驶时间及用车费用，依据如下目标函数及约束条件，从行驶路径中获取满足目标物流调度需求的初步行驶路径：
Figure BDA0002657947220000111
Figure BDA0002657947220000112
Figure BDA0002657947220000113
Figure BDA0002657947220000114
其中，V′为包括起点节点、终点节点及物流需求节点的节点集合，V′＝{v1,...,vn}，v1为起点节点，vn为终点节点；xij表示电动汽车由节点i至节点j的行驶路径；xij∈[0,1]为由xij∈{0,1}进行线性松弛后的取值区间，其中当xij取值为0时表示不选取由节点i至节点j的路径作为初步行驶路径，当xij取值为1时表示选取由节点i至节点j的路径作为初步行驶路径；ri为电动汽车在节点i的充电量；Tij为由节点i至节点j的行驶时间；ci为节点i对应的费用，其中当节点i为起点节点时，ci取值为所述起点节点的用车支出费用，当节点i为物流需求节点时，ci取值为在节点i的物流收费的负值；bi为节点i的车辆离开数量与车辆进入数量的差值；|K|为电动汽车的总数量；R为物流需求节点的集合；tj为电动汽车到达节点j的时间；gi为节点i的车辆充电速率，giri为电动汽车在节点i的充电时长；ti为电动汽车到达节点i的时间；ω3、ω4为设定的权衡参数。
gi为具体为节点i中单位电量所需的充电时间。
其中，节点i属于包含起点节点、行驶路径中各物流需求节点的节点集合中的节点；节点j为属于包含行驶路径中各物流需求节点及终点节点的节点集合中的节点。
该过程中，对目标函数进行线性松弛，通过把二元变量xij∈{0,1}，松弛到连续的[0,1]区间，实现把路径规划的混合整数规划问题转化为连续的优化问题。
下面对该过程进行原理阐述。
由于路径规划问题的线性松弛总是精确的，也就是说，线性松弛得到的解和原混合整数规划问题的解是相同的。
具体地，在从上述约束条件中我们可以看到，公式(2a)-(2b)是最小成本流问题的标准形式，对于该问题，线性松弛是精确的。至于额外的约束(2c)，我们能够证明它不会破坏线性松弛的准确性。
其中，ti，i∈R是给定的参数，而不是决策变量。可以重新定义约束(2c)，如下：
0≥(Tij+giri-(tj-ti))xij；
如果Tij+giri-(tj-ti)＜0，则为了满足限制条件，决策变量xij必须为0，意味着当Tij+giri-(tj-ti)＜0，可以移除此约束；
如果Tij+giri-(tj-ti)≥0，无论xij是什么取值，约束都能被满足。也就是说，此约束对于二元决策变量是无效的。
通过以上分析，即便将决策变量xij放宽为连续变量，也可以保持原问题线性松弛的准确性。
进一步地，不同地，作为一可选的实施方式，该根据充电量、车辆充电速率、行驶时间及用车费用，从行驶路径中获取满足目标物流调度需求的初步行驶路径，包括：
根据充电量、车辆充电速率、行驶时间及用车费用，依据如下目标函数及约束条件，从行驶路径中获取满足目标物流调度需求的初步行驶路径：
Figure BDA0002657947220000131
其中，V′为包括起点节点、终点节点及物流需求节点的节点集合，V′＝{v1,...,vn}，v1为起点节点，vn为终点节点；xij表示电动汽车由节点i至节点j的行驶路径；xij∈[0,1]为由xij∈{0,1}进行线性松弛后的取值区间，其中当xij取值为0时表示不选取由节点i至节点j的路径作为初步行驶路径，当xij取值为1时表示选取由节点i至节点j的路径作为初步行驶路径；ri为电动汽车在节点i的充电量；Tij为由节点i至节点j的行驶时间；ci为节点i对应的费用，其中当节点i为起点节点时，ci取值为所述起点节点的用车支出费用，当节点i为物流需求节点时，ci取值为在节点i的物流收费的负值；bi为节点i的车辆离开数量与车辆进入数量的差值；|K|为电动汽车的总数量；R为物流需求节点的集合；tj为电动汽车到达节点j的时间；gi为节点i的车辆充电速率；eij为电动汽车由节点i至节点j的消耗电量；gieij为在满足电动汽车由节点i至节点j的消耗电量时电动汽车在节点i的充电时长；ti为电动汽车到达节点i的时间；ω3、ω4为设定的权衡参数。
其中，节点i属于包含起点节点、行驶路径中各物流需求节点的节点集合中的节点；节点j为属于包含行驶路径中各物流需求节点及终点节点的节点集合中的节点。
gi为具体为节点i中单位电量所需的充电时间。
即，该过程中，除了采用前述实施方式中的线性松弛处理，还在线性松弛处理基础上进一步进行消除限制条件里面的双线性项的操作。
线性松弛后，约束(2c)中仍然存在一个双线性项rixij。为了减轻计算负担，用eij代替ri，从而消除了耦合双线性。eij是电动汽车由节点i至节点j的所需的消耗电量。因此，这意味着我们总是充电足够的能量以便到达下一个请求节点。
然后将约束条件(2c)重新表述为公式(2d)。
Figure BDA0002657947220000141
用(2d)代替(2c)，我们可以将路径规划的求解进一步进行精确的线性松弛，从而大大降低路径规划问题的计算复杂度。实现在计算资源和计算时间尽可能少的情况下，给电动物流车设计最优的路径规划策略，来降低物流配送车队的运行成本和电动汽车的充电成本。
步骤204，基于初步行驶路径，结合充电价格，从充电量中获取满足目标充电成本的目标充电量。
这里，根据求解问题的拆解，在前述路径规划问题求解后得到的初步行驶路径基础上，进一步对该初步行驶路径进行充电成本控制，以得到获取满足目标充电成本的目标充电量，进而实现将目标充电量下的初步行驶路径确定为与目标运营成本对应的目标行驶路径。
该满足目标充电成本的目标充电量具体可以是在哪些节点是否充电，以及充多少电；例如目标充电量为0，则表示不再当前节点充电也能满足达到下一节点的用电需求，当目标充电量大于0时，则表示可以在当前节点进行充电，充电电量则为目标充电量的大小，实现充电策略的优化。
作为一具体的实施方式，其中，该基于初步行驶路径，结合充电价格，从充电量中获取满足目标充电成本的目标充电量，包括：
用集合P＝{P1，...,Pk}表示初步行驶路径的集合，其中Pk＝{v1，Rk，vn}；Pk为第k个电动汽车的初步行驶路径，Rk为第k个电动汽车的初步行驶路径中目标节点的集合；
根据充电价格，依据如下目标函数及约束条件，从充电量中获取满足目标充电成本的目标充电量：
Figure BDA0002657947220000151
Figure BDA0002657947220000152
Figure BDA0002657947220000153
Figure BDA0002657947220000154
其中，ω1、ω2为设定的权衡参数；pi为节点i的车辆充电价格；Ej为电动汽车在节点j的电量，Ei为电动汽车在节点i的电量；Ek,max为第k个电动汽车的最大电量值。
该过程用于实现最优的电动物流车充电策略。下面接续前述实施方式对该过程进行说明。
在目标函数及限定条件经过线性松弛和双线性项消除后，电动汽车的路径规划问题可以通过单纯形法快速得到最优解。给定最优的路径规划策略，把最小化充电时间和成本问题，建模为电动汽车的充电问题。
电池和充电约束(3a-3c)类似于(1d-1f)，其中每个电动汽车具有路径规划阶段得到的路线Pk。显然，该最小化充电时间和成本问题也是线性规划问题，可以很快解决。
综上所述，利用所提出的优化算法，可以在多项式时间内获得电动汽车路径规划和充电问题的调度策略。该算法可以在短时间内得到接近最优的调度策略，使得应用此算法到实际场景成为可能。
步骤205，将目标充电量下的初步行驶路径，确定为与目标运营成本对应的目标行驶路径。
其中，该目标运营成本包含目标充电成本及目标物流调度需求成本。该过程实现对与目标运营成本对应的目标行驶路径的获取。
本申请实施例中，通过确定每一电动汽车由起点节点至终点节点并途径物流需求节点中目标节点的至少一条行驶路径，对每一行驶路径，获取每一电动汽车在不同的目标节点的充电量、每一目标节点的车辆充电速率和车辆充电价格、每一电动汽车在行驶路径中相邻两节点之间的行驶时间及每一电动汽车的用车费用，根据该充电量、车辆充电速率、行驶时间及用车费用，从行驶路径中获取满足目标物流调度需求的初步行驶路径，基于初步行驶路径，结合充电价格，从充电量中获取满足目标充电成本的目标充电量，将目标充电量下的初步行驶路径，确定为与目标运营成本对应的目标行驶路径，实现对物流场景中电动汽车的行驶路径进行有序科学的规划，且该路径规划过程充分考虑电动物流汽车在运营中的各种影响因素，通过合理的路径规划降低物流配送车队的运营成本，进而提升整体效益，且减少路径规划的计算速度。
参见图3，图3是本申请实施例提供的一种电动汽车路径规划装置的结构图，为了便于说明，仅示出了与本申请实施例相关的部分。
电动汽车路径规划装置300包括：
第一获取模块301，用于获取电动汽车的起点节点、电动汽车的终点节点及物流需求节点，并确定每一电动汽车由起点节点至终点节点并途径物流需求节点中目标节点的至少一条行驶路径；
第二获取模块302，用于对每一行驶路径，获取每一电动汽车在不同的目标节点的充电量、每一目标节点的车辆充电速率和车辆充电价格、每一电动汽车在行驶路径中相邻两节点之间的行驶时间及每一电动汽车的用车费用；
第三获取模块303，用于根据充电量、车辆充电速率、车辆充电价格、行驶时间及用车费用，从行驶路径中获取与目标运营成本对应的目标行驶路径。
其中，第一获取模块301，具体用于：
构建包括道路节点集合的物理运输网络；
基于物理运输网络，从道路节点集合中选取目标道路节点作为电动汽车的起点节点、电动汽车的终点节点及物流需求节点；
基于起点节点、终点节点及物流需求节点，结合物理运输网络，构建有向无环图；
根据有向无环图，确定每一电动汽车由起点节点至终点节点并途径物流需求节点中目标节点的至少一条行驶路径。
其中，第三获取模块303，包括：
第一获取子模块，用于根据充电量、车辆充电速率、行驶时间及用车费用，从行驶路径中获取满足目标物流调度需求的初步行驶路径；
第二获取子模块，用于基于初步行驶路径，结合充电价格，从充电量中获取满足目标充电成本的目标充电量；
确定子模块，用于将目标充电量下的初步行驶路径，确定为与目标运营成本对应的目标行驶路径。
其中，第一获取子模块，具体用于：
根据充电量、车辆充电速率、行驶时间及用车费用，依据如下目标函数及约束条件，从行驶路径中获取满足目标物流调度需求的初步行驶路径：
Figure BDA0002657947220000171
其中，V′为包括起点节点、终点节点及物流需求节点的节点集合，V′＝{v1,...,vn}，v1为起点节点，vn为终点节点；xij表示电动汽车由节点i至节点j的行驶路径；xij∈[0,1]为由xij∈{0,1}进行线性松弛后的取值区间，其中当xij取值为0时表示不选取由节点i至节点j的路径作为初步行驶路径，当xij取值为1时表示选取由节点i至节点j的路径作为初步行驶路径；ri为电动汽车在节点i的充电量；Tij为由节点i至节点j的行驶时间；ci为节点i对应的费用，其中当节点i为起点节点时，ci取值为所述起点节点的用车支出费用，当节点i为物流需求节点时，ci取值为在节点i的物流收费的负值；bi为节点i的车辆离开数量与车辆进入数量的差值；|K|为电动汽车的总数量；R为物流需求节点的集合；tj为电动汽车到达节点j的时间；gi为节点i的车辆充电速率，giri为电动汽车在节点i的充电时长；ti为电动汽车到达节点i的时间；ω3、ω4为设定的权衡参数。
其中，该第一获取子模块，还具体用于：
根据充电量、车辆充电速率、行驶时间及用车费用，依据如下目标函数及约束条件，从行驶路径中获取满足目标物流调度需求的初步行驶路径：
Figure BDA0002657947220000181
其中，V′为包括起点节点、终点节点及物流需求节点的节点集合，V′＝{v1,...,vn}，v1为起点节点，vn为终点节点；xij表示电动汽车由节点i至节点j的行驶路径；xij∈[0,1]为由xij∈{0,1}进行线性松弛后的取值区间，其中当xij取值为0时表示不选取由节点i至节点j的路径作为初步行驶路径，当xij取值为1时表示选取由节点i至节点j的路径作为初步行驶路径；ri为电动汽车在节点i的充电量；Tij为由节点i至节点j的行驶时间；ci为节点i对应的费用，其中当节点i为起点节点时，ci取值为所述起点节点的用车支出费用，当节点i为物流需求节点时，ci取值为在节点i的物流收费的负值；bi为节点i的车辆离开数量与车辆进入数量的差值；|K|为电动汽车的总数量；R为物流需求节点的集合；tj为电动汽车到达节点j的时间；gi为节点i的车辆充电速率；eij为电动汽车由节点i至节点j的消耗电量；gieij为在满足电动汽车由节点i至节点j的消耗电量时电动汽车在节点i的充电时长；ti为电动汽车到达节点i的时间；ω3、ω4为设定的权衡参数。
其中，第二获取子模块，具体用于：
用集合P＝{P1，...,Pk}表示初步行驶路径的集合，其中Pk＝{v1，Rk，vn}；Pk为第k个电动汽车的初步行驶路径，Rk为第k个电动汽车的初步行驶路径中目标节点的集合；
根据充电价格，依据如下目标函数及约束条件，从充电量中获取满足目标充电成本的目标充电量：
Figure BDA0002657947220000191
其中，ω1、ω2为设定的权衡参数；pi为节点i的车辆充电价格；Ej为电动汽车在节点j的电量，Ei为电动汽车在节点i的电量；Ek,max为第k个电动汽车的最大电量值。
本申请实施例提供的电动汽车路径规划装置能够实现上述电动汽车路径规划方法的实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
图4是本申请实施例提供的一种终端的结构图。如该图所示，该实施例的终端4包括：至少一个处理器40(图4中仅示出一个)、存储器41以及存储在存储器41中并可在至少一个处理器40上运行的计算机程序42，处理器40执行计算机程序42时实现上述任意各个方法实施例中的步骤。
终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端4可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端4的示例，并不构成对终端4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端还可以包括输入输出设备、网络接入设备、总线等。
处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器41可以是终端4的内部存储单元，例如终端4的硬盘或内存。存储器41也可以是终端4的外部存储设备，例如终端4上配备的插接式硬盘，智能存储卡(Smart MediaCard，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器41还可以既包括终端4的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序以及终端所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将该装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，该模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
该作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序产品来实现，当计算机程序产品在终端上运行时，使得所述终端执行时实现可实现上述各个方法实施例中的步骤。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种电动汽车路径规划方法，其特征在于，包括：
获取电动汽车的起点节点、电动汽车的终点节点及物流需求节点，并确定每一所述电动汽车由所述起点节点至所述终点节点并途径所述物流需求节点中目标节点的至少一条行驶路径；
对每一所述行驶路径，获取每一所述电动汽车在不同的所述目标节点的充电量、每一所述目标节点的车辆充电速率和车辆充电价格、每一所述电动汽车在所述行驶路径中相邻两节点之间的行驶时间及每一所述电动汽车的用车费用；
根据所述充电量、所述车辆充电速率、所述车辆充电价格、所述行驶时间及所述用车费用，从所述行驶路径中获取与目标运营成本对应的目标行驶路径。
2.根据权利要求1所述的电动汽车路径规划方法，其特征在于，所述获取电动汽车的起点节点、电动汽车的终点节点及物流需求节点，并确定每一所述电动汽车由所述起点节点至所述终点节点并途径所述物流需求节点中目标节点的至少一条行驶路径，包括：
构建包括道路节点集合的物理运输网络；
基于所述物理运输网络，从所述道路节点集合中选取目标道路节点作为电动汽车的起点节点、电动汽车的终点节点及物流需求节点；
基于所述起点节点、所述终点节点及所述物流需求节点，结合所述物理运输网络，构建有向无环图；
根据所述有向无环图，确定每一所述电动汽车由所述起点节点至所述终点节点并途径所述物流需求节点中目标节点的至少一条行驶路径。
3.根据权利要求1所述的电动汽车路径规划方法，其特征在于，所述根据所述充电量、所述车辆充电速率、所述车辆充电价格、所述行驶时间及所述用车费用，从所述行驶路径中获取与目标运营成本对应的目标行驶路径，包括：
根据所述充电量、所述车辆充电速率、所述行驶时间及所述用车费用，从所述行驶路径中获取满足目标物流调度需求的初步行驶路径；
基于所述初步行驶路径，结合所述充电价格，从所述充电量中获取满足目标充电成本的目标充电量；
将所述目标充电量下的所述初步行驶路径，确定为与所述目标运营成本对应的目标行驶路径。
4.根据权利要求3所述的电动汽车路径规划方法，其特征在于，所述根据所述充电量、所述车辆充电速率、所述行驶时间及所述用车费用，从所述行驶路径中获取满足目标物流调度需求的初步行驶路径，包括：
根据所述充电量、所述车辆充电速率、所述行驶时间及所述用车费用，依据如下目标函数及约束条件，从所述行驶路径中获取满足目标物流调度需求的初步行驶路径：
Figure FDA0002657947210000021
其中，V′为包括所述起点节点、所述终点节点及所述物流需求节点的节点集合，V′＝{v1,...,vn}，v1为所述起点节点，vn为所述终点节点；xij表示电动汽车由节点i至节点j的行驶路径；xij∈[0,1]为由xij∈{0,1}进行线性松弛后的取值区间，其中当xij取值为0时表示不选取由节点i至节点j的路径作为初步行驶路径，当xij取值为1时表示选取由节点i至节点j的路径作为初步行驶路径；ri为电动汽车在节点i的充电量；Tij为由节点i至节点j的行驶时间；ci为节点i对应的费用，其中当节点i为起点节点时，ci取值为所述起点节点的用车支出费用，当节点i为物流需求节点时，ci取值为在节点i的物流收费的负值；bi为节点i的车辆离开数量与车辆进入数量的差值；|K|为所述电动汽车的总数量；R为物流需求节点的集合；tj为电动汽车到达节点j的时间；gi为节点i的车辆充电速率，giri为电动汽车在节点i的充电时长；ti为电动汽车到达节点i的时间；ω3、ω4为设定的权衡参数。
5.根据权利要求3所述的电动汽车路径规划方法，其特征在于，所述根据所述充电量、所述车辆充电速率、所述行驶时间及所述用车费用，从所述行驶路径中获取满足目标物流调度需求的初步行驶路径，包括：
根据所述充电量、所述车辆充电速率、所述行驶时间及所述用车费用，依据如下目标函数及约束条件，从所述行驶路径中获取满足目标物流调度需求的初步行驶路径：
Figure FDA0002657947210000031
其中，V′为包括所述起点节点、所述终点节点及所述物流需求节点的节点集合，V′＝{v1,...,vn}，v1为所述起点节点，vn为所述终点节点；xij表示电动汽车由节点i至节点j的行驶路径；xij∈[0,1]为由xij∈{0,1}进行线性松弛后的取值区间，其中当xij取值为0时表示不选取由节点i至节点j的路径作为初步行驶路径，当xij取值为1时表示选取由节点i至节点j的路径作为初步行驶路径；ri为电动汽车在节点i的充电量；Tij为由节点i至节点j的行驶时间；ci为节点i对应的费用，其中当节点i为起点节点时，ci取值为所述起点节点的用车支出费用，当节点i为物流需求节点时，ci取值为在节点i的物流收费的负值；bi为节点i的车辆离开数量与车辆进入数量的差值；|K|为所述电动汽车的总数量；R为物流需求节点的集合；tj为电动汽车到达节点j的时间；gi为节点i的车辆充电速率；eij为电动汽车由节点i至节点j的消耗电量；gieij为在满足电动汽车由节点i至节点j的消耗电量时电动汽车在节点i的充电时长；ti为电动汽车到达节点i的时间；ω3、ω4为设定的权衡参数。
6.根据权利要求5所述的电动汽车路径规划方法，其特征在于，所述基于所述初步行驶路径，结合所述充电价格，从所述充电量中获取满足目标充电成本的目标充电量，包括：
用集合P＝{P1，...,Pk}表示所述初步行驶路径的集合，其中Pk＝{v1，Rk，vn}；Pk为第k个电动汽车的初步行驶路径，Rk为第k个电动汽车的初步行驶路径中目标节点的集合；
根据所述充电价格，依据如下目标函数及约束条件，从所述充电量中获取满足目标充电成本的目标充电量：
Figure FDA0002657947210000041
其中，ω1、ω2为设定的权衡参数；pi为节点i的车辆充电价格；Ej为电动汽车在节点j的电量，Ei为电动汽车在节点i的电量；Ek,max为第k个电动汽车的最大电量值。
7.一种电动汽车路径规划装置，其特征在于，包括：
第一获取模块，用于获取电动汽车的起点节点、电动汽车的终点节点及物流需求节点，并确定每一所述电动汽车由所述起点节点至所述终点节点并途径所述物流需求节点中目标节点的至少一条行驶路径；
第二获取模块，用于对每一所述行驶路径，获取每一所述电动汽车在不同的所述目标节点的充电量、每一所述目标节点的车辆充电速率和车辆充电价格、每一所述电动汽车在所述行驶路径中相邻两节点之间的行驶时间及每一所述电动汽车的用车费用；
第三获取模块，用于根据所述充电量、所述车辆充电速率、所述车辆充电价格、所述行驶时间及所述用车费用，从所述行驶路径中获取与目标运营成本对应的目标行驶路径。
8.根据权利要求7所述的电动汽车路径规划装置，其特征在于，所述第一获取模块，具体用于：
构建包括道路节点集合的物理运输网络；
基于所述物理运输网络，从所述道路节点集合中选取目标道路节点作为电动汽车的起点节点、电动汽车的终点节点及物流需求节点；
基于所述起点节点、所述终点节点及所述物流需求节点，结合所述物理运输网络，构建有向无环图；
根据所述有向无环图，确定每一所述电动汽车由所述起点节点至所述终点节点并途径所述物流需求节点中目标节点的至少一条行驶路径。
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
CN202010894310.8A 2020-08-31 2020-08-31 电动汽车路径规划方法、装置、终端及存储介质 Active CN112082566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010894310.8A CN112082566B (zh) 2020-08-31 2020-08-31 电动汽车路径规划方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010894310.8A CN112082566B (zh) 2020-08-31 2020-08-31 电动汽车路径规划方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN112082566A true CN112082566A (zh) 2020-12-15
CN112082566B CN112082566B (zh) 2022-07-26

Family

ID=73729715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010894310.8A Active CN112082566B (zh) 2020-08-31 2020-08-31 电动汽车路径规划方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN112082566B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631295A (zh) * 2020-12-17 2021-04-09 北京汽车研究总院有限公司 路径规划方法、装置及车辆
CN112926766A (zh) * 2021-01-25 2021-06-08 上海泰聚数据技术有限公司 一种物流运输线路排程决策方法、装置和存储介质
CN114274815A (zh) * 2021-12-31 2022-04-05 珠海格力电器股份有限公司 一种充电方法、装置、设备、系统和可读存储介质
CN117029851A (zh) * 2023-07-31 2023-11-10 赛马物联科技(宁夏)有限公司 一种货运车辆驾驶辅助系统及方法
CN117196458A (zh) * 2023-09-04 2023-12-08 深圳云天励飞技术股份有限公司 新能源车路线规划方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011122926A (ja) * 2009-12-10 2011-06-23 Clarion Co Ltd 経路計画装置、経路計画システムおよび経路計画方法
CN104732289A (zh) * 2015-03-20 2015-06-24 深圳支付界科技有限公司 一种配送路径规划方法及系统
CN104864881A (zh) * 2014-02-25 2015-08-26 福特全球技术公司 用于提供具有推荐充电的导航路线的方法和设备
CN108955711A (zh) * 2018-08-24 2018-12-07 广东工业大学 一种应用于电动汽车智能充放电的导航方法
CN108981736A (zh) * 2018-05-28 2018-12-11 国网江苏省电力有限公司电力科学研究院 一种基于用户出行规律的电动汽车充电路径优化方法
CN110689200A (zh) * 2019-09-30 2020-01-14 杭州电子科技大学 一种电动汽车长途运输中的充电路径导航方法
CN110880054A (zh) * 2019-11-27 2020-03-13 国网四川省电力公司天府新区供电公司 一种电动网约车充换电路径的规划方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011122926A (ja) * 2009-12-10 2011-06-23 Clarion Co Ltd 経路計画装置、経路計画システムおよび経路計画方法
CN104864881A (zh) * 2014-02-25 2015-08-26 福特全球技术公司 用于提供具有推荐充电的导航路线的方法和设备
CN104732289A (zh) * 2015-03-20 2015-06-24 深圳支付界科技有限公司 一种配送路径规划方法及系统
CN108981736A (zh) * 2018-05-28 2018-12-11 国网江苏省电力有限公司电力科学研究院 一种基于用户出行规律的电动汽车充电路径优化方法
CN108955711A (zh) * 2018-08-24 2018-12-07 广东工业大学 一种应用于电动汽车智能充放电的导航方法
CN110689200A (zh) * 2019-09-30 2020-01-14 杭州电子科技大学 一种电动汽车长途运输中的充电路径导航方法
CN110880054A (zh) * 2019-11-27 2020-03-13 国网四川省电力公司天府新区供电公司 一种电动网约车充换电路径的规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
常磊等: "考虑多方式换乘的公交网络最优路径算法", 《浙江大学学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631295A (zh) * 2020-12-17 2021-04-09 北京汽车研究总院有限公司 路径规划方法、装置及车辆
CN112926766A (zh) * 2021-01-25 2021-06-08 上海泰聚数据技术有限公司 一种物流运输线路排程决策方法、装置和存储介质
CN112926766B (zh) * 2021-01-25 2024-08-20 上海泰聚数据技术有限公司 一种物流运输线路排程决策方法、装置和存储介质
CN114274815A (zh) * 2021-12-31 2022-04-05 珠海格力电器股份有限公司 一种充电方法、装置、设备、系统和可读存储介质
CN117029851A (zh) * 2023-07-31 2023-11-10 赛马物联科技(宁夏)有限公司 一种货运车辆驾驶辅助系统及方法
CN117196458A (zh) * 2023-09-04 2023-12-08 深圳云天励飞技术股份有限公司 新能源车路线规划方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112082566B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
CN112082566B (zh) 电动汽车路径规划方法、装置、终端及存储介质
CN110645983B (zh) 用于无人车的路径规划方法、装置和系统
Kong et al. Shared subway shuttle bus route planning based on transport data analytics
Maschler et al. Geometric properties of the kernel, nucleolus, and related solution concepts
Wu et al. The multi-depot electric vehicle scheduling problem with power grid characteristics
Kang et al. Autonomous electric vehicle sharing system design
Bent et al. A two-stage hybrid local search for the vehicle routing problem with time windows
Namboothiri et al. Planning local container drayage operations given a port access appointment system
Robu et al. An online mechanism for multi-unit demand and its application to plug-in hybrid electric vehicle charging
CN111366160A (zh) 路径规划方法、路径规划装置及终端设备
Savelsbergh et al. Challenges and opportunities in crowdsourced delivery planning and operations
Cokyasar et al. Time-constrained capacitated vehicle routing problem in urban e-commerce delivery
CN115409439A (zh) 基于改进蚁群算法的多车型供应链调度方法及电子设备
US20130060712A1 (en) Bulk Distribution Method
Wang et al. The mobile production vehicle routing problem: Using 3D printing in last mile distribution
Nguyen Fair cost sharing auction mechanisms in last mile ridesharing
Cataldo-Díaz et al. Mathematical models for the electric vehicle routing problem with time windows considering different aspects of the charging process
CN113554493B (zh) 交互下单方法、装置、电子设备和计算机可读介质
CN111667105B (zh) 一种带时间窗的智能优化配送云系统
Chawal et al. A design and analysis of computer experiments based mixed integer linear programming approach for optimizing a system of electric vehicle charging stations
CN113792951A (zh) 物流配送方法、装置、存储介质和电子设备
CN115099865A (zh) 一种数据处理方法和装置
CN112950239B (zh) 用于生成用户信息的方法、装置、设备和计算机可读介质
CN110008970A (zh) 一种地址信息生成方法和装置
Haferkamp Design of multi-optional pickup time offers in ride-sharing systems

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