CN112308309A - 一种基于路径优化的电动汽车充电智能导引方法 - Google Patents
一种基于路径优化的电动汽车充电智能导引方法 Download PDFInfo
- Publication number
- CN112308309A CN112308309A CN202011169305.7A CN202011169305A CN112308309A CN 112308309 A CN112308309 A CN 112308309A CN 202011169305 A CN202011169305 A CN 202011169305A CN 112308309 A CN112308309 A CN 112308309A
- Authority
- CN
- China
- Prior art keywords
- charging station
- charging
- distribution network
- traffic
- electric vehicle
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000000452 restraining effect Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种基于路径优化的电动汽车充电智能导引方法。对于电动汽车充电三个属性进行了分析,分别是交通网、充电站和配电网。利用这三个属性对电动汽车的充电行为调度问题进行优化求解。通过建立优化目标函数,求解目标函数最优解实现调度的最优化。本发明能够有效地改善交通拥堵率和配电网端的供电压力。
Description
技术领域
本发明属于电力、通讯工程技术领域,具体涉及一种基于路径优化的电动汽车充电智能导引方法。
背景技术
目前,电动汽车的大量发展会造成电网运行冲击和车辆运行调度困难。在一般充电调度方法中,对电动汽车的行驶路线考虑欠佳,以至于最后的调度效果差,交通端和点网端都没有明显的改善。如果电动汽车的充电调度仅仅考虑电网运行条件,却忽略了交通网和充电站的合理运行,就缺失了智能引导的严谨性。不足以反应充电行为带来的问题,也不能真正解决问题。
针对这一问题,提出一种基于充电路径规划的电动汽车智能充电智能导引方法,解决电动汽车充电的调度问题。本发明从电动汽车充电需求的角度分析了电网运行条件,提出了一种从电动车辆、交通网、充电站和配电网几个方面优化充电路径的方法。该方法通过建立多目标优化函数与约束条件进行求解,从而获得最优路径规划。通过仿真模拟可以得出结论,本发明提出的方法可以有效缓解充电引导压力。
发明内容
本发明的目的在于提供一种基于路径优化的电动汽车充电智能导引方法,通过建立目标函数,基于路径优化对电动汽车的充电进行了智能引导,能够有效地改善交通拥堵率和配电网端的供电压力。
为实现上述目的,本发明的技术方案是:一种基于路径优化的电动汽车充电智能导引方法,包括如下步骤:
步骤A、建立优化目标函数:
建立优化目标函数,引入三个必要的属性求解目标函数:
Y=min(ω1yt+ω2yc+ω3yp)
式中,yt、yc、yP分别代表目标函数的三个属性,ω1、ω2、ω3代表目标函数对应属性的权重值;
步骤B、调度属性分析:
在充电站附近的交通疏通程度可根据电动汽车的通过时间判断:
其中tr{a,b}(i)代表不同时刻车辆通过路段(a,b)的时间,t{a,b}(i)代表不考虑其他因素,只考虑交通的情况下,车辆通过(a,b)路段的通过时间;
电动汽车可根据到达最优充电站的距离进行规划路径,不同路径到达不同的充电站j,需要的时间tj不同,对不同时间tj进行估值设为N(j,tj),充电站最优车辆数量为每个充电站在不存在排队等待的条件下的充电车辆数量,即NG(j,tj),充电站指标yc为两者的比值:
约束充电站的负荷供应,保证配电网的正常运行,设优化目标属性为自然充电站负荷估计值L(j,tj)和最优充电站负荷估计值LG(j,tj)的比值,即:
步骤C、建立速度约束条件:
对充电站附近的交通情况进行约束:在充电站的预定距离范围内,电动汽车的行驶速度为路段限速的30%以下则为拥堵严重,设在这些路径内电动汽车禁止通行,选择其他合适的路径;否则,行驶速度为限速的30%以上,电动汽车可以正常通行,在范围内的路径可以作为推荐路径,设定行驶速度为:
v(a,b)≥30%vmax{a,b}
其中,vmax(a,b)为对应路段限速;
步骤D、建立剩余里程约束条件:
设Mr(i)为电动汽车的剩余里程,ME(i)为续航里程,为保证合理性,当电动汽车i的剩余里程低于该电动汽车的电池剩余续航的30%时,电动汽车需要充电:
Mr(i)≤0.3ME(i)
步骤E、建立规划路径约束条件:
电动汽车的剩余里程需要小于规划充电站的路径长度Md(i):
Mr(i)≤Md(i)
步骤F、建立配电网约束条件:
为保证配电网的正常运行,设置电网的网损率和电压偏移率在正常的范围内,设置网损率为:
Ploss(k,t)<0.72%
电压偏移率为:
Vshift(k,t)<0.72%
步骤G、权重系数设定:
设初始权重系数:交通高峰或者充电高峰时段,加大交通网或配电网的权重系数,降低配电网和充电站的权重:ω1∶ω2∶ω3=7∶2∶1;交通高峰和充电高峰重合时段,配电网正常运行时,加大交通网的权重系数ω1∶ω2∶ω3=7∶1∶2;配电网的电压偏移达到上限时,加大配电网权重系数:ω1∶ω2∶ω3=1∶1∶8;
步骤H、引导流程确定:
通过上述步骤,求解最优目标函数,更新交通、充电站和配电网的信息,再根据约束条件求解电动汽车行驶路径,推荐最优充电站,然后判断充电站是否在电动汽车剩余里程范围内,若在,则更新车辆信息;若不在,则重新规划路径,再次筛选充电站。
相较于现有技术,本发明具有以下有益效果:
1、本发明针对电动汽车充电行为造成的对交通网拥堵增加和配电网压力增大的问题,提出了一种基于路径优化的电动汽车充电智能引导方法,有效地减小了交通网端的拥堵率以及配电网的运行压力。
2、建立合理的优化目标函数,从优化函数的三个属性进行分析,分别考虑交通、电网和充电站约束条件,在约束条件下求得目标函数最优解,得到最优智能引导路径,高效地降低了拥堵率。
附图说明
图1为本发明电动汽车智能引导方法流程示意图。
图2为本发明一实例电动汽车调度结果。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
电动汽车充电的智能引导的关键因素有交通网和配电网,在实现交通和电网的正常运行下,智能引导才有意义。本发明对于电动汽车充电三个属性进行了分析,分别是交通网、充电站和配电网。利用这三个属性对电动汽车的充电行为调度问题进行优化求解。通过建立优化目标函数,求解目标函数最优解实现调度的最优化。
如图1所示,本发明提供了一种基于路径优化的电动汽车充电智能导引方法,包括如下步骤:
步骤A、建立优化目标函数:
建立优化目标函数,引入三个必要的属性求解目标函数:
Y=min(ω1yt+ω2yc+ω3yp)
式中,yt、yc、yP分别代表目标函数的三个属性,ω1、ω2、ω3代表目标函数对应属性的权重值;
步骤B、调度属性分析:
调度的合理性判断之一为电动汽车到达充电站的时间长短。若电动汽车可以更快地到达充电站,说明交通网是疏通的。在充电站附近的交通疏通程度可根据电动汽车的通过时间判断:
其中tr{a,b}(i)代表不同时刻车辆通过路段(a,b)的时间,t{a,b}(i)代表不考虑其他因素,只考虑交通的情况下,车辆通过(a,b)路段的通过时间;
充电站存在充电排队等待,车主充电时间较长的问题,因此充电站的电动汽车的数量需要控制。电动汽车可根据到达最优充电站的距离进行规划路径,不同路径到达不同的充电站j,需要的时间tj不同,对不同时间tj进行估值设为N(j,tj),充电站最优车辆数量为每个充电站在不存在排队等待的条件下的充电车辆数量,即NG(j,tj),充电站指标yc为两者的比值:
除此之外,配电网的性能是最重要的调度属性。必须保证配电网的正常运行调度方案才有意义。约束充电站的负荷供应,保证配电网的正常运行,设优化目标属性为自然充电站负荷估计值L(j,tj)和最优充电站负荷估计值LG(j,tj)的比值,即:
步骤C、建立速度约束条件:
为了得到目标函数的解,需要对函数设定约束条件。针对不同的目标函数,设定特定的约束条件。对充电站附近的交通情况进行约束:在充电站的预定距离范围内,电动汽车的行驶速度为路段限速的30%以下则为拥堵严重,设在这些路径内电动汽车禁止通行,选择其他合适的路径;否则,行驶速度为限速的30%以上,电动汽车可以正常通行,在范围内的路径可以作为推荐路径,设定行驶速度为:
v(a,b)≥30%vmax{a,b}
其中,vmax(a,b)为对应路段限速;
步骤D、建立剩余里程约束条件:
设Mr(i)为电动汽车的剩余里程,ME(i)为续航里程,为保证合理性,当电动汽车i的剩余里程低于该电动汽车的电池剩余续航的30%时,电动汽车需要充电:
Mr(i)≤0.3ME(i)
步骤E、建立规划路径约束条件:
电动汽车的剩余里程需要小于规划充电站的路径长度Md(i):
Mr(i)≤Md(i)
步骤F、建立配电网约束条件:
为保证配电网的正常运行,设置电网的网损率和电压偏移率在正常的范围内,设置网损率为:
Ploss(k,t)<0.72%
电压偏移率为:
Vshift(k,t)<0.72%
步骤G、权重系数设定:
设初始权重系数:交通高峰或者充电高峰时段,加大交通网或配电网的权重系数,降低配电网和充电站的权重:ω1∶ω2∶ω3=7∶2∶1;交通高峰和充电高峰重合时段,配电网正常运行时,加大交通网的权重系数ω1∶ω2∶ω3=7∶1∶2;配电网的电压偏移达到上限时,加大配电网权重系数:ω1∶ω2∶ω3=1∶1∶8;
步骤H、引导流程确定:
通过上述步骤,求解最优目标函数,更新交通、充电站和配电网的信息,再根据约束条件求解电动汽车行驶路径,推荐最优充电站,然后判断充电站是否在电动汽车剩余里程范围内,若在,则更新车辆信息;若不在,则重新规划路径,再次筛选充电站。
实例1:
对一天之内7点到9点的充电高峰期进行充电调度,得到充电调度结果如图2所示。
选择北京某地区的交通网为仿真对象。根据市民的一般出行规律和充电规律,将出行时间和充电时间结合考虑。
本申请根据出行规律的不同在***中引入不同数量的电动汽车。高峰时段为每5分钟2500辆,车辆的耗电量为15~20kwh,快速充电功率为25~60khw。
仿真的结果选择交通拥堵率和充电站电动汽车充电数量为评价参数。为实现充电合理调度,应尽可能减少在充电站附近的交通拥堵率:
其中Nc(T)表示t时刻拥堵道路条数,拥堵率Rc(t)是拥堵道路条数和总条数的比值。可以知道,拥堵率越大,说明电动汽车充电调度越差。要实现合理的充电调度,需要对充电站附近的交通进行计算。通过模拟仿真,得到高峰期的拥堵情况。另外,优化结果和不使用本申请调度方案的自然拥堵率对比,形成结果。
如图2所示,在高峰期的7:00至9:00期间,不使用本发明的智能引导方案时,自然拥堵率最大达到了7.98%,最低达到了2.31%,平均值为5.62%。通过本文的引导充电方案优化拥堵率,可以看到拥堵率有了大幅度的降低。优化之后的拥堵率最高为1.31%,最低为0.并且大部分时间拥堵率为0,说明交通非常顺畅。优化以后的拥堵率平均值为0.24%。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (1)
1.一种基于路径优化的电动汽车充电智能导引方法,其特征在于,包括如下步骤:
步骤A、建立优化目标函数:
建立优化目标函数,引入三个必要的属性求解目标函数:
Y=min(ω1yt+ω2yc+ω3yp)
式中,yt、yc、yP分别代表目标函数的三个属性,ω1、ω2、ω3代表目标函数对应属性的权重值;
步骤B、调度属性分析:
在充电站附近的交通疏通程度可根据电动汽车的通过时间判断:
其中tr{a,b}(i)代表不同时刻车辆通过路段(a,b)的时间,t{a,b}(i)代表不考虑其他因素,只考虑交通的情况下,车辆通过(a,b)路段的通过时间;
电动汽车可根据到达最优充电站的距离进行规划路径,不同路径到达不同的充电站j,需要的时间tj不同,对不同时间tj进行估值设为N(j,tj),充电站最优车辆数量为每个充电站在不存在排队等待的条件下的充电车辆数量,即NG(j,tj),充电站指标yc为两者的比值:
约束充电站的负荷供应,保证配电网的正常运行,设优化目标属性为自然充电站负荷估计值L(j,tj)和最优充电站负荷估计值LG(j,tj)的比值,即:
步骤C、建立速度约束条件:
对充电站附近的交通情况进行约束:在充电站的预定距离范围内,电动汽车的行驶速度为路段限速的30%以下则为拥堵严重,设在这些路径内电动汽车禁止通行,选择其他合适的路径;否则,行驶速度为限速的30%以上,电动汽车可以正常通行,在范围内的路径可以作为推荐路径,设定行驶速度为:
v(a,b)≥30%vmax{a,b}
其中,vmax(a,b)为对应路段限速;
步骤D、建立剩余里程约束条件:
设Mr(i)为电动汽车的剩余里程,ME(i)为续航里程,为保证合理性,当电动汽车i的剩余里程低于该电动汽车的电池剩余续航的30%时,电动汽车需要充电:
Mr(i)≤0.3ME(i)
步骤E、建立规划路径约束条件:
电动汽车的剩余里程需要小于规划充电站的路径长度Md(i):
Mr(i)≤Md(i)
步骤F、建立配电网约束条件:
为保证配电网的正常运行,设置电网的网损率和电压偏移率在正常的范围内,设置网损率为:
Ploss(k,t)<0.72%
电压偏移率为:
Vshift(k,t)<0.72%
步骤G、权重系数设定:
设初始权重系数:交通高峰或者充电高峰时段,加大交通网或配电网的权重系数,降低配电网和充电站的权重:ω1∶ω2∶ω3=7∶2∶1;交通高峰和充电高峰重合时段,配电网正常运行时,加大交通网的权重系数ω1∶ω2∶ω3=7∶1∶2;配电网的电压偏移达到上限时,加大配电网权重系数:ω1∶ω2∶ω3=1∶1∶8;
步骤H、引导流程确定:
通过上述步骤,求解最优目标函数,更新交通、充电站和配电网的信息,再根据约束条件求解电动汽车行驶路径,推荐最优充电站,然后判断充电站是否在电动汽车剩余里程范围内,若在,则更新车辆信息;若不在,则重新规划路径,再次筛选充电站。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169305.7A CN112308309A (zh) | 2020-10-28 | 2020-10-28 | 一种基于路径优化的电动汽车充电智能导引方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169305.7A CN112308309A (zh) | 2020-10-28 | 2020-10-28 | 一种基于路径优化的电动汽车充电智能导引方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308309A true CN112308309A (zh) | 2021-02-02 |
Family
ID=74332111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011169305.7A Pending CN112308309A (zh) | 2020-10-28 | 2020-10-28 | 一种基于路径优化的电动汽车充电智能导引方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308309A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393109A (zh) * | 2021-06-07 | 2021-09-14 | 杭州电子科技大学 | 电动汽车充电负荷计算方法 |
CN114117703A (zh) * | 2021-11-30 | 2022-03-01 | 南方电网能源发展研究院有限责任公司 | 基于交通网络和配电网络耦合的充电站配置方法、装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512580A (zh) * | 2012-06-21 | 2014-01-15 | 日电(中国)有限公司 | 一种电动汽车路径规划方法及装置 |
CN108944531A (zh) * | 2018-07-24 | 2018-12-07 | 河海大学常州校区 | 一种电动汽车有序充电控制方法 |
CN110059869A (zh) * | 2019-04-04 | 2019-07-26 | 国网江苏省电力有限公司无锡供电分公司 | 一种基于交通流量的充电站与配电网协调规划方法 |
CN110570050A (zh) * | 2019-09-25 | 2019-12-13 | 国网浙江省电力有限公司经济技术研究院 | 一种计及路-网-车的电动汽车充电引导方法 |
US20200072627A1 (en) * | 2018-09-04 | 2020-03-05 | Zf Friedrichshafen Ag | Device, method and system for route planing for an electric vehicle |
-
2020
- 2020-10-28 CN CN202011169305.7A patent/CN112308309A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512580A (zh) * | 2012-06-21 | 2014-01-15 | 日电(中国)有限公司 | 一种电动汽车路径规划方法及装置 |
CN108944531A (zh) * | 2018-07-24 | 2018-12-07 | 河海大学常州校区 | 一种电动汽车有序充电控制方法 |
US20200072627A1 (en) * | 2018-09-04 | 2020-03-05 | Zf Friedrichshafen Ag | Device, method and system for route planing for an electric vehicle |
CN110059869A (zh) * | 2019-04-04 | 2019-07-26 | 国网江苏省电力有限公司无锡供电分公司 | 一种基于交通流量的充电站与配电网协调规划方法 |
CN110570050A (zh) * | 2019-09-25 | 2019-12-13 | 国网浙江省电力有限公司经济技术研究院 | 一种计及路-网-车的电动汽车充电引导方法 |
Non-Patent Citations (2)
Title |
---|
熊信银 等: "《电气工程基础》", 30 September 2005, 华中科技大学出版社 * |
邢强 等: "基于实时交通信息的电动汽车路径规划和充电导航策略", 《中国电机工程学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393109A (zh) * | 2021-06-07 | 2021-09-14 | 杭州电子科技大学 | 电动汽车充电负荷计算方法 |
CN114117703A (zh) * | 2021-11-30 | 2022-03-01 | 南方电网能源发展研究院有限责任公司 | 基于交通网络和配电网络耦合的充电站配置方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458332B (zh) | 一种基于负荷空间转移的电动汽车快速充电需求调度方法 | |
CN107490386B (zh) | 一种电动汽车最优路径和驾驶方式的规划方法及*** | |
CN112193116B (zh) | 一种考虑奖励机制的电动汽车充电优化引导策略 | |
CN111340289B (zh) | 一种基于遗传算法的公交发车与车速调整优化方法及*** | |
CN103292820B (zh) | 向用户提供移动体的精确续航范围的设备和方法 | |
CN112308309A (zh) | 一种基于路径优化的电动汽车充电智能导引方法 | |
CN107187442A (zh) | 基于工况预测的插电式混合动力电动汽车能量管理*** | |
CN112330013B (zh) | 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 | |
CN112115385B (zh) | 一种考虑充电时间的单向共享汽车***选址优化方法 | |
CN112446538B (zh) | 一种基于个性化避险的最优路径获取方法 | |
CN109229107A (zh) | 优化驾驶员和车辆性能的*** | |
CN114936666B (zh) | 基于车-站-平台***的电动汽车充电导航方法及*** | |
CN113442791B (zh) | 一种电动汽车电能补充方法 | |
CN113688561A (zh) | 一种基于神经网络的高速公路施工区最优预警距离确定方法 | |
CN108389419B (zh) | 一种车辆动态路径诱导方法 | |
CN117764340A (zh) | 一种新能源电动汽车充电引导分级调控方法 | |
CN112734089A (zh) | 智能网联环境下的智能车辆路径诱导方法、***、设备及存储介质 | |
CN116968767A (zh) | 基于多维数据融合的新能源汽车充电路径规划方法及*** | |
CN115424432B (zh) | 一种基于多源数据的高速公路异常事件下的上游分流方法 | |
CN112330025B (zh) | 用于城市电动汽车的时空充电负荷的预测方法 | |
CN115663867A (zh) | 基于智能充电网络***的电动汽车充电调度方法 | |
CN113642796B (zh) | 基于历史数据的动态共享电动自动驾驶车辆路径规划方法 | |
CN115545303A (zh) | 计及多源信息和决策修正的电动汽车充电站负荷预测方法 | |
CN112632374B (zh) | 一种考虑定制公交的居民出行方式选择分析方法 | |
CN110428628B (zh) | 道路交通诱导方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210202 |