CN113658422B - 一种无人驾驶电动汽车最优调度方法 - Google Patents
一种无人驾驶电动汽车最优调度方法 Download PDFInfo
- Publication number
- CN113658422B CN113658422B CN202110845298.6A CN202110845298A CN113658422B CN 113658422 B CN113658422 B CN 113658422B CN 202110845298 A CN202110845298 A CN 202110845298A CN 113658422 B CN113658422 B CN 113658422B
- Authority
- CN
- China
- Prior art keywords
- user
- vehicle
- available
- vehicles
- time
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种无人驾驶电动汽车最优调度方法,属于无人驾驶电动汽车领域。本发明方法为:用户发出用车请求,云平台接收到用车请求后,搜索用户附近的空车;根据空车到用户的行驶时间,确定用户的可用车辆数量;可用车辆预选择用户,然后可用车辆从云平台获取预选择用户的目的地,进行动力电池电量判断,当电量充足时,可用车辆博弈选择最优用户。本发明在多位用户同时用车情况下,通过博弈对有用车需求的乘客和可用车辆进行分配,节约用户乘车时间,提高交通出行效率。
Description
技术领域
本发明属于无人驾驶电动汽车领域,具体涉及一种无人驾驶电动汽车最优调度方法。
背景技术
无人驾驶技术日益成熟,无人驾驶电动汽车会逐步进入人们日常交通出行中,比如将现有的出租车用无人驾驶电动汽车替代。当出行高峰期时,传统的出租车模式是即招即停,会造成道路拥挤,出租车利用率低下。对于无人驾驶电动汽车的调度,现有方法是从距离用户最近的停车场派遣车辆提供服务,也存在无人驾驶电动汽车停车场分布密度低和建设成本较高等问题。现在一些出租车公司也推出了网上预约叫车模式,当平台接收到用户的用车订单后,通常是根据用户的出发地点为用户匹配最近的车辆。当多位用户同时发出用车请求时,如果不对用户和车辆进行有效分配,那么用户等待用车的时间就会变得更长。
发明内容
针对现有技术中存在不足,本发明提供了一种无人驾驶电动汽车最优调度方法,解决同区域、多用户同时发出用车请求时,用户与可调度车辆分配问题。
本发明是通过以下技术手段实现上述技术目的的。
一种无人驾驶电动汽车最优调度方法,包括步骤:
S1,用户发出用车请求,云平台接收到用车请求后,搜索用户附近的空车;
S2,根据空车到用户的行驶时间,确定用户的可用车辆数量;
S3,可用车辆预选择用户,然后可用车辆从云平台获取预选择用户的目的地,进行动力电池电量判断,当电量充足时,可用车辆博弈选择最优用户。
上述技术方案中,所述动力电池电量判断,应满足条件:SOCi·Ci-LECij-LEDij>0,其中:SOCi为云平台接受到用户请求时可用车辆Ni的SOC值,Ci为可用车辆Ni的额定电池容量,LECij为可用车辆Ni到达用户Mj的耗电量,LEDij为可用车辆Ni到达用户位置的耗电量。
上述技术方案中,所述车辆博弈选择最优用户的具体过程为:
第一层根据每个可用车辆服务时间最短的原则进行分配:每个用户Mj建立有序列表有序列表按照排序,确定可用车辆Ni在有序列表中的位置p,根据可用车辆Ni在有序列表中的位置计算出下一次迭代时可用车辆到最终目的地的时间γi r+1=(tpj-tp-1j)δpj+γi r,每个可用车辆Ni在迭代中选择服务时间最短的策略,并更新策略集Si,使得区域范围内的每一辆可用车辆服务总时间最短:其中tij为可用车辆Ni到用户Mj所需时间,Δt为用户位置到达目的地时间,i、k为车辆序号,tkj为车辆Nk到用户Mj所需时间,Δit、Δkt分别为车辆Ni、Nk到达用户Mj目的地的时间,为可用车辆Ni服务用户Mj的时间,为区域范围内可用车辆服务总时间最小值;
第一层更新得到的策略集传递给各可用车辆,用户随机确定可用车辆,更新用户Mj有序列表,计算判断是否减少,若是,选择使服务总时间减少的用户,否则继续判断车辆博弈策略集是否改变,若发生改变,云平台更新博弈状态,可用车辆重新上传策略集。
LEDij=SOCij·Ci
TCi·Ci≥SOCi·Ci-∑(LECij+LEDij·Ci)xij
其中SOCij表示可用车辆Ni到达用户Mj所需SOC值,TCi为可用车辆Ni到达目的地所消耗电量百分比。
上述技术方案中,所述0表示可用车辆Ni不能去接送用户Mj,所述1表示可用车辆Ni去接送用户Mj。
上述技术方案中,搜索用户附近的空车,具体为:将用户的出发位置经纬度坐标转化为二进制,按照偶数位放经度、奇数位放纬度的原则,将经度和纬度的二进制进行重新编码,并转换为十进制数,查询Geohash编码表base 32,得到最终结果;云平台通过识别字符串前缀进行搜索,根据与用户字符串公共前缀长度大小确定附近空车。
上述技术方案还包括:博弈在有限次迭代中收敛达到均衡状态。
上述技术方案中,所述云平台与用户、可用车辆进行通讯,可用车辆之间通过V2V车车通讯***进行通讯。
本发明的有益效果为:本发明根据用户的出发位置和无人驾驶电动汽车动力电池电量确定能够提供服务的可用车辆;在多位用户同时用车情况下,通过博弈对有用车需求的乘客和可用车辆进行分配,节约用户乘车时间,提高交通出行效率。本发明能在用车高峰时间和密集区域能提高用车效率,减少用户等待时间;同时也能避免由多辆所述可用车辆临时停靠带来的交通拥堵。
附图说明
图1为本发明所述无人驾驶电动汽车最优调度方法基于的信息传递***示意图;
图2为本发明实施案例具体应用场景示意图;
图3为本发明所述无人驾驶电动汽车最优调度方法流程图;
图4为发明所述车辆博弈流程图;
图中:1-云平台,2-用户,3-车辆。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图1所示,无人驾驶电动汽车最优调度方法基于的信息传递***,包括云平台1和V2V车车通讯***;云平台1接收用户2的出发位置、用户最大等待时间和目的地,搜索出发地附近的可用车辆,V2V车车通讯***将每个可用车辆的博弈状态发送至其他可用车辆,使得车辆3服务用户2的时间最短;所有可用车辆均与云平台1进行通信。
如图3所示,具体实施过程为:
①通过图2所示的街区范围,假设在用车高峰期,3位用户同时向云平台1发送用车请求,其中,所述用车请求包括用户出发位置P、用户最长等待时间Δj和目的地,用户出发位置是随机分布的;云平台1接收到用车请求后,云平台1的服务器搜索到街区内的空车。以用户A为例,说明服务器寻找用户A附近空车辆的过程。假设用户A的出发位置用经纬度坐标表示为(31.193,121.439),分别将经度和纬度转化为二进制。地球的纬度区间是[-90,90],把这个区间分为两部分,即[-90,0)和[0,90];31.193位于(0,90],右区间,记为1;然后继续把(0,90]分为[0,45),[45,90]两个区间;31.193位于左区间,记为0;一直划分下去,得到如下表格:
根据纬度得到的二进制是101011000101110,同样的方法得到经度产生的二进制是110101100101101。按照偶数位放经度、奇数位放纬度的原则,将经度和纬度的二进制进行重新编码,即11100 11001 11100 00011 00111 10110,将其转换为十进制数是28 25 283 7 22。通过查询Geohash编码表base 32,得到最终结果wtw37q。字符串的长度代表划分区域的大小,提高字符串的长度,划分的精度就越高,这样可以将用户A附近的区域划分为一个个矩形。云平台1寻找用户A附近的空车时,通过识别字符串前缀进行搜索,越接近用户A的车辆与用户A字符串公共前缀越长。
②但并不是搜索到的所有附近空车都可以服务用户A,云平台1的服务器通过道路车辆数据,计算出平均车流速度(为现有技术),根据空车到用户A的距离计算出行驶时间tAj(为现有技术),当满足条件tAj<Δj,该空车成为可用车辆,用户A的可用车辆数量NA≥1;若用户A附近的空车皆不满足tAj<Δj,用户客户端发出提示,提醒用户是否要延长等待时间,若是,则继续判断是否满足条件,直到满足条件为止;若否,则结束服务。同样,用户B和用户C通过同样的方法找到可用车辆,且NB≥1、NC≥1。因此,用户A、B、C附近区域内的所有可用车辆数量N=NA+NB+NC>M(M为空车所在区域范围内的用户总数),即图2所示的5辆车。为提高该区域内用车效率,对这5辆车进行分配调度。
③寻找到可用车辆后,先对可用车辆进行预分配,即可用车辆预选择用户。云平台1进一步检索车辆和用户A出发地的字符串前缀,前缀重复越长,说明该车辆离用户A越近;云平台1发出指令,让车辆选择最近的用户服务。
④可用车辆从云平台1获取预选择用户目的地,进一步进行动力电池电量判断;判断电量充足应满足条件:SOCi·Ci-LECij-LEDij>0,其中SOCi为云平台1接受到用户请求时可用车辆Ni的SOC值,Ci为可用车辆Ni的额定电池容量,LECij为可用车辆Ni到达用户Mj的耗电量,LEDij为可用车辆Ni到达用户位置的耗电量。通过电量判断,可用车辆是否继续服务预选择用户;若电量充足,则可用车辆服务预选择的用户;若电量不满足条件,云平台1推荐离该车辆第二近的用户进行服务,重复以上过程。
可用车辆确定服务对象后,根据地图的路径规划和道路车流速度,计算当前位置到用户位置再到目的地的最短时间(为现有技术)。
⑤车辆首次确定服务用户对象后,建立图2所示的5辆可用车辆Ni的策略集Si,表示为其中Mi为可用车辆到达目的地最短时间的集合,j为用户序号;xij为0-1变量,0表示可用车辆Ni不能去接送用户Mj,1表示可用车辆Ni去接送用户Mj;0-1变量决策变量应满足如下要求:
LEDij=SOCij·Ci,TCi·Ci≥SOCi·Ci-∑(LECij+LEDij·Ci)xij
其中SOCij表示可用车辆Ni到达用户Mj所需SOC值,TCi为可用车辆Ni到达目的地所消耗电量百分比。
⑥博弈分为两层,第一层根据每个可用车辆服务时间最短的原则进行分配。
每个用户Mj建立一个有序列表,包括可用车辆Ni到用户Mj所需时间tij、用户位置到达目的地时间Δt,则有序列表为有序列表按照排序,确定可用车辆Ni在有序列表中的位置p,其中i、k为车辆序号,tkj为可用车辆Nk到用户Mj所需时间,Δit、Δkt分别为车辆Ni、Nk到达用户Mj目的地的时间;根据可用车辆Ni在有序列表中的位置计算出下一次迭代时可用车辆到最终目的地的时间γi r+1=(tpj-tp-1j)δpj+γi r,其中tp-1j、tpj分别为位于有序列表p-1、p处可用车辆Ni到用户位置再到目的地的最短时间,δpj为0-1变量,当tpj-tp-1j≤0时,δpj=1,反之δpj=0;每个可用车辆Ni在迭代中选择服务时间最短的策略,并更新策略集Si(由⑤得到),使得图2所示范围内的每一辆可用车辆服务总时间最短:其中为可用车辆Ni服务用户Mj的时间,为区域范围内可用车辆服务总时间最小值。
根据每个可用车辆服务时间最短的原则进行分配,会忽略了用户被分配到多辆可用车辆的情况,第二层博弈循环用于解决这个问题。
⑦第二层博弈循环以区域范围内可用车辆服务总时间最小为目标。
第一层循环更新的策略集通过V2V通信技术传递给各可用车辆,可用车辆知道其他参与者的策略,匹配到多辆可用车辆的用户随机确定可用车辆;同时更新用户Mj有序列表,计算可用车辆服务总时间最小值判断是否减少;若是,则可用车辆选择用户对象发生改变,即选择使服务总时间减少的用户;否则继续判断车辆博弈策略集是否改变,若发生改变,云平台更新博弈状态且可用车辆重新上传策略集;可用车辆不断地更新和上传自己的策略集,直到博弈达到均衡状态,使得这个时间段内用车效率提高。
⑧博弈策略在有限次迭代中收敛而达到均衡状态,可用车辆决策变量为0-1变量且用户数量是有限的。在每次迭代中,除非服务总时间随新策略集减少,否则可用车辆不会改变其策略集。博弈过程中所有其他参与者的策略集都是已知的,因此可用车辆可以找到最优策略,从而得到最短的服务总时间。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (6)
1.一种无人驾驶电动汽车最优调度方法,其特征在于,包括步骤:
S1,用户发出用车请求,云平台接收到用车请求后,搜索用户附近的空车;
S2,根据空车到用户的行驶时间,确定用户的可用车辆数量;
S3,可用车辆预选择用户,然后可用车辆从云平台获取预选择用户的目的地,进行动力电池电量判断,当电量充足时,可用车辆博弈选择最优用户;
所述车辆博弈选择最优用户的具体过程为:
第一层根据每个可用车辆服务时间最短的原则进行分配:每个用户Mj建立有序列表有序列表按照排序,确定可用车辆Ni在有序列表中的位置p,根据可用车辆Ni在有序列表中的位置计算出下一次迭代时可用车辆到最终目的地的时间γi r+1=(tpj-tp-1j)δpj+γi r,每个可用车辆Ni在迭代中选择服务时间最短的策略,并更新策略集Si,使得区域范围内的每一辆可用车辆服务总时间最短:其中tij为可用车辆Ni到用户Mj所需时间,Δt为用户位置到达目的地时间,i、k为车辆序号,tkj为车辆Nk到用户Mj所需时间,Δit、Δkt分别为车辆Ni、Nk到达用户Mj目的地的时间,为可用车辆Ni服务用户Mj的时间,为区域范围内r+1次迭代车辆服务总时间最小值,tp-1j、tpj分别为位于有序列表p-1和p处可用车辆Ni到用户位置再到目的地的最短时间,δpj为0-1变量,当tpj-tp-1j≤0时,δpj=1,反之δpj=0;
第一层更新得到的策略集传递给各可用车辆,用户随机确定可用车辆,更新用户Mj有序列表,计算判断是否减少,若是,选择使服务总时间减少的用户,否则继续判断车辆博弈策略集是否改变,若发生改变,云平台更新博弈状态,可用车辆重新上传策略集;
LEDij=SOCij·Ci
TCi·Ci≥SOCi·Ci-∑(LECij+LEDij·Ci)xij
其中SOCij表示可用车辆Ni到达用户Mj所需SOC值,TCi为可用车辆Ni到达目的地所消耗电量百分比,SOCi为云平台接受到用户请求时可用车辆Ni的SOC值,Ci为可用车辆Ni的额定电池容量,LECij为可用车辆Ni到达用户Mj的耗电量,LEDij为可用车辆Ni到达用户位置的耗电量。
2.根据权利要求1所述的无人驾驶电动汽车最优调度方法,其特征在于,所述动力电池电量判断,应满足条件:SOCi·Ci-LECij-LEDij>0。
3.根据权利要求1所述的无人驾驶电动汽车最优调度方法,其特征在于,所述0-1变量中的0表示可用车辆Ni不能去接送用户Mj,所述0-1变量中的1表示可用车辆Ni去接送用户Mj。
4.根据权利要求1所述的无人驾驶电动汽车最优调度方法,其特征在于,搜索用户附近的空车,具体为:将用户的出发位置经纬度坐标转化为二进制,按照偶数位放经度、奇数位放纬度的原则,将经度和纬度的二进制进行重新编码,并转换为十进制数,查询Geohash编码表base 32,得到最终结果;云平台通过识别字符串前缀进行搜索,根据与用户字符串公共前缀长度大小确定附近空车。
5.根据权利要求1所述的无人驾驶电动汽车最优调度方法,其特征在于,还包括:博弈在有限次迭代中收敛达到均衡状态。
6.根据权利要求1所述的无人驾驶电动汽车最优调度方法,其特征在于,所述云平台与用户、可用车辆进行通讯,可用车辆之间通过V2V车车通讯***进行通讯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110845298.6A CN113658422B (zh) | 2021-07-26 | 2021-07-26 | 一种无人驾驶电动汽车最优调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110845298.6A CN113658422B (zh) | 2021-07-26 | 2021-07-26 | 一种无人驾驶电动汽车最优调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113658422A CN113658422A (zh) | 2021-11-16 |
CN113658422B true CN113658422B (zh) | 2022-07-22 |
Family
ID=78490269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110845298.6A Active CN113658422B (zh) | 2021-07-26 | 2021-07-26 | 一种无人驾驶电动汽车最优调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113658422B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2008202871B2 (en) * | 2008-06-30 | 2014-04-03 | Autonomous Solutions, Inc. | Vehicle dispatching method and system |
CN102073970A (zh) * | 2010-12-22 | 2011-05-25 | 宁波诺丁汉大学 | 针对分散经营个体出租车的调度方法 |
CN107168797A (zh) * | 2017-05-12 | 2017-09-15 | 中国人民解放军信息工程大学 | 云环境下基于动态博弈的资源调度方法 |
CN108596464B (zh) * | 2018-04-17 | 2022-04-22 | 南京邮电大学 | 基于动态非合作博弈的电动汽车与云储能经济调度方法 |
US11631333B2 (en) * | 2019-02-26 | 2023-04-18 | Beijing Didi Infinity Technology And Development Co., Ltd. | Multi-agent reinforcement learning for order-dispatching via order-vehicle distribution matching |
CN109920252B (zh) * | 2019-04-24 | 2020-06-19 | 燕山大学 | 一种电气交通互联***的协调优化方法及*** |
-
2021
- 2021-07-26 CN CN202110845298.6A patent/CN113658422B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113658422A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108390421B (zh) | 计及用户满意度的电动汽车双尺度充电引导方法及*** | |
CN107103383B (zh) | 一种基于打车热点的动态拼车调度方法 | |
CN109934391B (zh) | 一种纯电动公交车辆的智能调度方法 | |
CN105070044B (zh) | 一种基于乘客预约的定制公交合乘车辆动态调度方法 | |
CN107101643B (zh) | 一种拼车匹配方法 | |
RU2501088C2 (ru) | Определение экономного маршрута транспортного средства | |
WO2022242579A1 (zh) | 兼容储能充电桩的电动运载工具电量路径规划方法 | |
Zhu et al. | Joint transportation and charging scheduling in public vehicle systems—A game theoretic approach | |
CN107464413B (zh) | 实时单处理方法及服务器 | |
US20170043671A1 (en) | Control system for electric vehicle service network | |
CN109657820B (zh) | 一种可预约的出租车匹配方法 | |
Lai et al. | Distributed public vehicle system based on fog nodes and vehicular sensing | |
CN113505962B (zh) | 一种考虑完整行程的电动汽车导航与充电预约方法 | |
US9074904B1 (en) | Method for solving carpool matching problem and carpool server using the same | |
CN112561249B (zh) | 面向实时需求的城市定制公交调度方法 | |
CN112729324B (zh) | 基于互助出行***的电动汽车充电引导和路径规划方法 | |
CN112418610A (zh) | 基于soc信息与路网电网信息融合的充电优化方法 | |
CN113386770B (zh) | 基于充电站数据共享的电动汽车充电路径动态规划方法 | |
El-Fedany et al. | A smart coordination system integrates MCS to minimize EV trip duration and manage the EV charging, mainly at peak times | |
Hakeem et al. | On-The-Fly Curbside Parking Assignment. | |
CN113658422B (zh) | 一种无人驾驶电动汽车最优调度方法 | |
CN113379159A (zh) | 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法 | |
CN106096793A (zh) | 基于拥塞感知的周期性优化的电动汽车充电决策方法 | |
CN116629567B (zh) | 考虑动态需求的需求响应公交与共享电单车耦合优化方法 | |
CN106682759B (zh) | 针对电动出租车的电池供应***及网络优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |