CN114444758A - 一种基于最小化带权曼哈顿距离的充电站布点规划方法 - Google Patents

Abstract

本发明公开了一种基于最小化带权曼哈顿距离的充电站布点规划方法，包括收集与清理平台中的车辆及相关数据；建立布点规划计算模型；调用模型计算规划建议结果；展示模型计算结果。本发明提供的一种基于最小化带权曼哈顿距离的充电站布点规划方法，可以科学的对备选站点的布点规划进行分析，为各个备选站点提供推荐等级度，能够有效的协助企业或者政府对备选站点地址是否启用提供判断依据。

Description

一种基于最小化带权曼哈顿距离的充电站布点规划方法

技术领域

本发明涉及充电站技术领域，具体为说，是涉及一种基于最小化带权曼哈顿距离的充电站布点规划方法。

背景技术

新能源汽车作为国家产业与战略重点，近年来得到了大力的发展，增长趋势迅猛。在现有的新能源汽车与充电设施公共服务管理平台中，有大量充电汽车的位置信息、充电信息、电价信息、充电站信息。在电动车保有量持续高涨的今天，新增充电站或者充电桩成为了必然的工作。然而，备选站点地址有限，站点布点选址是否合理成为了目前急需进行的工作。

发明内容

为了克服现有的技术的不足,本发明提供一种基于最小化带权曼哈顿距离的充电站布点规划方法。

本发明技术方案如下所述：

本发明提供一种基于最小化带权曼哈顿距离的充电站布点规划方法，包括：

步骤S1：收集与清理平台中的车辆及相关数据，具体为：对平台中的轨迹数据、充电记录以及现存的充电站档案数据进行加工并提取收集；

步骤S2：建立布点规划计算模型，具体为：搭建布点规划的计算模型，对计算模型进行网格划分、优化目标及模型求解；

步骤S3：调用模型计算规划建议结果，具体为：通过应用程序确定计算要求和范围，并提供必要参数后发送指令调用模型计算出具体规划建议结果；

步骤S4：展示模型计算结果。

根据上述方案的本发明，在步骤S1中，电价数据和备选站点数据通过用户录入的方式收集。

根据上述方案的本发明，步骤S1具体包括以下步骤：

步骤S11：收集与清理网格与权重数据；

步骤S12：收集充电站档案数据，包括已有站点数据和备选站点数据；

步骤S13：收集充电需求数据；

步骤S14：收集充电电价数据，充电电价数据包括峰时段电价数据、平时段电价数据及谷时段电价数据。

进一步的，所述网格与权重数据包括编号、经度、纬度、权重、所在区域。

进一步的，所述充电站档案数据包括站点编号、名称、经度、纬度、充电桩规模、备选类型、所在区域。

进一步的，所述已有站点数据读取当前站点数据生成，并更新站点的所在区域；所述备选站点数据由用户自行录入，***根据坐标计算站点的所在区域。

根据上述方案的本发明，所述充电需求数据是每辆电动汽车测得的充电信息，包括序号、开始时间、结束时间、充电量、日期、所在区域。

根据上述方案的本发明，步骤S2具体包括以下步骤：

步骤S21：划分网格为m×n个，具体为：将区域均匀划分为m×n个网格，将区域各时刻总的电动汽车充电需求数据以计算权重划分至每个网格；

步骤S22：优化目标，具体为：通过最小化曼哈顿距离法优化充电行驶成本；

步骤S23：模型求解。

根据上述方案的本发明，步骤S3具体包括以下步骤：

步骤S31：确定默认计算入参，具体为：通过应用传入调用参数，调用计算模型计算，参数包括调用唯一标识、区域、区域需求；

步骤S32：模型开始计算，具体为：计算模型根据传入参数，提取步骤S31准备的对应数据，使用计算模型开始计算结果；

步骤S33：模型计算结果入库，并通知应用，具体为：计算模型计算完结后将计算记录存档，保存计算结果供应用查询。

根据上述方案的本发明，步骤S4具体包括以下步骤：

步骤S41：提取并筛选计算模型计算结果，具体为：通过应用选择已计算过的区域，接收到请求后准备结果数据；

步骤S42：在地图上展示备选站点的建议度及相关数据，具体为：将准备好的结果数据展示于地图标记上，通过地图接口的功能展示具体结果。

本发明的有益效果在于：

本发明结合平台中的车辆及其他相关数据，基于备选站点坐标，提供一种基于最小化带权曼哈顿距离的充电站布点规划方法，可以科学的对备选站点的布点规划进行分析，为各个备选站点提供推荐等级度，能够有效的协助企业或者政府对备选站点地址是否启用提供判断依据。

附图说明

图1为本发明的流程示意图；

图2为本发明中收集与清理平台中的车辆及相关数据的流程示意图；

图3为本发明中建立布点规划计算模型的流程示意图；

图4为本发明中调用模型计算规划建议结果的流程示意图；

图5为本发明中展示模型计算结果的流程示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

需要说明的是，本发明的说明书和权利要求书中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

请参阅图1，本发明提供一种基于最小化带权曼哈顿距离的充电站布点规划方法，包括以下步骤：

步骤S1：收集与清理平台中的车辆及相关数据，具体为：对平台中的轨迹数据(由汽车行驶过程中上报的实时经纬度坐标数据组成的轨迹点)、充电记录以及现存的充电站档案数据进行加工并提取收集；其中，部分数据，如电价数据和备选站点数据通过用户录入的方式收集。

请参阅图2，在本实施例中，步骤S1具体包括以下步骤：

步骤S11：收集与清理网格(将地图平面化，按设置距离切分为多个正方形网格)与权重数据(落在网格里的坐标点占整个区域的占比)。网格与权重数据包括编号、经度、纬度、权重、所在区域。其中，经度、纬度由前台配置网格大小分配；权重由汽车轨迹数据统计按网格内出现数量计算百分比作为权重、区域使用地图的GEO数据(GEO数据指各种地理位置数据)划分。

网格与权重数据的展示形式如下：

步骤S12：收集充电站档案数据，包括已有站点数据和备选站点数据。充电站档案数据包括站点编号、名称、经度、纬度、充电桩规模、备选类型、所在区域。已有站点数据读取当前站点数据生成，并更新站点的所在区域；备选站点数据由用户自行录入，***根据坐标计算站点的所在区域。

充电站档案数据的展示形式如下：

编号	站点	经度	纬度	充电桩规模	备选类型	所在区域
							1	站点A	102.526342	24.4240865	5	已有	区域1
2	站点B	102.553603	24.451671	8	已有	区域1
							3	备选C	102.586676	24.215867	12	备选	区域1
4	备选D	102.481676	24.218367	12	备选	区域1

步骤S13：收集充电需求数据。充电需求数据是每辆电动汽车测得的充电信息，包括序号、开始时间、结束时间、充电量、日期、所在区域；其中，所在区域可以通过充电桩的坐标计算得到。

充电需求数据的展示形式如下：

编号	开始时间	结束时间	充电时间	充电电量	日期	所在区域
							1	0	0	1	32.07	1	区域1
2	0	0	1	72.78	1	区域1

步骤S14：收集充电电价数据，充电电价数据包括峰时段电价数据、平时段电价数据及谷时段电价数据。充电电价数据通过前台电价管理配置获取，所有站点的电价都读取前台电价管理配置作为输入数据。

充电电价数据的展示形式如下：

编号	电站编号	峰时段	平时段	谷时段
					1	1001	1.3	1.1	1.0
2	1002	1.3	1.1	1.0

步骤S2：建立布点规划计算模型，具体为：搭建布点规划的计算模型，对计算模型进行网格划分、优化目标及模型求解。

请参阅图3，在本实施例中，步骤S2具体包括以下步骤：

步骤S21：划分网格为m×n个，具体为：将区域均匀划分为m×n个网格，将区域各时刻总的电动汽车充电需求数据以计算权重划分至每个网格。

步骤S22：优化目标，具体为：通过最小化曼哈顿距离法优化充电行驶成本。优化目标为最小化充电行驶成本，即所有电动汽车行驶到该充电站的成本。假设单位路程的行驶成本为优化目标，那么最小化的目标可以修改为最小化行驶路程。

在二维坐标系中，从P1位置(x1,y1)到P2位置(x2,y2)的曼哈顿距离定义如下：d(P1,P2)＝∣x1-x2∣+∣y1-y2∣。

考虑到道路是纵横交错，任意两点之间的行驶路程不会刚好是两点之间的线段长度，所以用曼哈顿距离会更贴合我们的目标。

对于经纬度来说，给定的P1经纬度(Lo1,La1)和P2经纬度(Lo2,La2)之间的行驶距离可以表示为：dr(P1,P2)＝FJ(Lo1-Lo2)+FW(La1-La2)。其中，FJ(Lo1-Lo2)表示两个经度之间的弧长度(地球是球面)，FW(La1-La2)表示两个纬度之间的弧长度。

假设在限定的区域中存在k个网格，对于第i个网格记做Ci，其网格的权重记做Wi，经纬度记做(Loi，Lai)，那么总体的优化目标为寻找地图上的点P(Lop,Lap)，使得点P到所有网格的带权曼哈顿距离最小。

考虑到FJ和FW分别是经度和纬度的线性函数，最小化目标可以分别对经度和纬度进行求解，公式如下：

步骤S23：模型求解，模型求解的过程具体如下：

给定n个一维空间下的点，求使∑∣xi-a∣最小的点a。针对该问题我们有明确的答案：a的取值就是n个点的中位数。

1)假设n个点已排序，选择第k个点计算距离，则有：

同理，选择第k+1个点计算距离，则有：

为了知道当k逐渐变大时，距离的变化趋势，对第k个点和第k+1个点之间的距离做差，则有：

由于已经将n个点排序，所以x_k-x_k+1始终小于等于0，当k小于等于n/2时，2k-n小于等于0，从而上式大于等于0；当k大于等于n/2时，2k-n大于等于0，从而上式小于等于0。这表明随着k逐渐增大，距离先变小再变大，在k＝n/2时取得最小值。具体为，当n＝2k为偶数时，上式在k和k+1位置处相等并取得最小值；当n＝2k+1为奇数时，上式在k+1位置处取得最小值，此时即是中位数。将奇偶两种情况统一考虑，在k+1也即n/2+1位置处可以获得距离最小值。

2)假设使距离最小的点不是给定的n个点，则最优位置可以是数轴上的任意位置。很显然的，首先可以将n个数确定范围之外的区间都排除掉，也即最优点既不可能小于n个点中的最小值也不可能大于n个点中的最大值，这样剩余需要考虑的最优点就可能是n个点之间的小区间。通过曼哈顿距离在这段区间上的变化趋势，选择任意一段区间x_k<c₁<c₂<x_k+1，重新计算，计算公式如下：

从上面的公式我们可以看出，当k小于等于n/2时，距离公式满足d(xk)>d(c1)>d(c2)>d(xk+1)；当k大于等于n/2时，d(xk)<d(c1)<d(c2)<d(xk+1)，也就是说在整个连续空间上，距离先减后增。从而，当n＝2k为偶数时，区间[xn/2,xn/2+1]之间的任意数均可以取得最小值，当取(xn/2+xn/2+1)/2时，即表示中位数；当n＝2k+1为奇数时，距离在k+1位置处取得最小值，此时还是中位数。

通过对离散和连续两种情况的考虑，可以得到结论：使上述公式取最小值的元素为中位数，且通过统一选择排序之后的第n/2+1个元素，奇偶均如此。

3)每个点除了坐标xi还都附带一个权重wi，求使∑wi∣xi-a∣最小的点a。在上面的证明中，分为离散和连续两种情况考虑，在此直接考虑n个点确定的连续区间。假设给n个点已排序，给定点c满足xk≤c<xk+1，则有：

通过上述推导可知，影响距离变化的因素只是受制于权重，更确切地说是受制于前半部分权重和与后半部分权重和的差值。当

d(c)>d(x_k+1)，此时距离在连续区间上逐渐变小；当

时，d(c)<d(x_k+1)，距离在连续区间上又开始逐渐变大。因此，使距离最小的位置k满足

并且

含义就是前半部分权重和原本小于后半部分权重和，加上下一个位置的权重之后大小关系发生转变的位置。针对带权曼哈顿距离，只需将n个点排序，然后累加权重直到左侧权重大于右侧权重停止，此时就是使距离最小的位置。特别地，当n个点的权重均为正，且和为1时，分界点就是累加之后权重之和超过0.5的位置，这个位置被称为带权中位数。

由于经度和纬度相互独立，可以对经度求解带权中位数，即为推荐充电站的经度；对纬度求解带权中位数，即为推荐充电站的纬度。

需要说明的是，其中由于纬度弧FW(La1-La2)对应的圆半径就是地球半径R，而经度弧FJ(Lo1-Lo2)对应的圆半径依赖于所处的纬度。虽然经度弧与纬度弧的计算方式不同，但是不影响带权中位数计算。

步骤S3：调用模型计算规划建议结果，具体为：通过应用程序确定计算要求和范围，并提供必要参数后发送指令调用模型计算出具体规划建议结果。

请参阅图4，在本实施例中，步骤S3具体包括以下步骤：

步骤S31：确定默认计算入参，具体为：通过应用传入调用参数，调用计算模型计算，参数包括调用唯一标识、区域、区域需求。

步骤S32：模型开始计算，具体为：计算模型根据传入参数，提取步骤S31准备的对应数据，使用计算模型开始计算结果。

步骤S33：模型计算结果入库，并通知应用，具体为：计算模型计算完结后将计算记录存档，保存计算结果供应用查询。

步骤S4：展示模型计算结果。

请参阅图5，在本实施例中，步骤S4具体包括以下步骤：

步骤S41：提取并筛选计算模型计算结果，具体为：通过应用选择已计算过的区域，接收到请求后准备结果数据。

步骤S42：在地图上展示备选站点的建议度及相关数据，具体为：将准备好的结果数据展示于地图标记上，通过地图接口的功能展示具体结果。

通过上述的方法步骤，本发明可以科学的对备选站点的布点规划进行分析，为各个备选站点提供推荐等级度，能够有效的协助企业或者政府对备选站点地址是否启用提供判断依据。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

根据本实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

在一些可能的实施方式中，本发明提供一种计算装置可以包括至少一个处理单元、以及至少一个存储单元。其中，存储单元存储有程序代码，当程序代码被处理单元执行时，使得处理单元执行本说明书上述描述的根据本发明各种示例性实施方式的基于最小化带权曼哈顿距离的充电站布点规划方法中的步骤。例如，处理单元可以执行如图1所示的基于最小化带权曼哈顿距离的充电站布点规划方法流程。

在一些可能的实施方式中，本发明提供一种计算机可读介质，该存储有计算机可执行指令，计算机可执行指令用于执行本说明书上述描述的根据本发明各种示例性实施方式的一种基于最小化带权曼哈顿距离的充电站布点规划方法中的步骤。

可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

上面结合附图对本发明专利进行了示例性的描述，显然本发明专利的实现并不受上述方式的限制，只要采用了本发明专利的方法构思和技术方案进行的各种改进，或未经改进将本发明专利的构思和技术方案直接应用于其它场合的，均在本发明的保护范围内。

Claims (10)

1.一种基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，包括：

步骤S1：收集与清理平台中的车辆及相关数据，具体为：对平台中的轨迹数据、充电记录以及现存的充电站档案数据进行加工并提取收集；

步骤S2：建立布点规划计算模型，具体为：搭建布点规划的计算模型，对计算模型进行网格划分、优化目标及模型求解；

步骤S3：调用模型计算规划建议结果，具体为：通过应用程序确定计算要求和范围，并提供必要参数后发送指令调用模型计算出具体规划建议结果；

步骤S4：展示模型计算结果。

2.根据权利要求1所述的基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，在步骤S1中，电价数据和备选站点数据通过用户录入的方式收集。

3.根据权利要求1所述的基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，步骤S1具体包括以下步骤：

步骤S11：收集与清理网格与权重数据；

步骤S12：收集充电站档案数据，包括已有站点数据和备选站点数据；

步骤S13：收集充电需求数据；

步骤S14：收集充电电价数据，充电电价数据包括峰时段电价数据、平时段电价数据及谷时段电价数据。

4.根据权利要求3所述的基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，所述网格与权重数据包括编号、经度、纬度、权重、所在区域。

5.根据权利要求3所述的基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，所述充电站档案数据包括站点编号、名称、经度、纬度、充电桩规模、备选类型、所在区域。

6.根据权利要求3所述的基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，所述已有站点数据读取当前站点数据生成，并更新站点的所在区域；所述备选站点数据由用户自行录入，***根据坐标计算站点的所在区域。

7.根据权利要求3所述的基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，所述充电需求数据是每辆电动汽车测得的充电信息，包括序号、开始时间、结束时间、充电量、日期、所在区域。

8.根据权利要求1所述的基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，步骤S2具体包括以下步骤：

步骤S21：划分网格为m×n个，具体为：将区域均匀划分为m×n个网格，将区域各时刻总的电动汽车充电需求数据以计算权重划分至每个网格；

步骤S22：优化目标，具体为：通过最小化曼哈顿距离法优化充电行驶成本；

步骤S23：模型求解。

9.根据权利要求1所述的基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，步骤S3具体包括以下步骤：

步骤S31：确定默认计算入参，具体为：通过应用传入调用参数，调用计算模型计算，参数包括调用唯一标识、区域、区域需求；

步骤S32：模型开始计算，具体为：计算模型根据传入参数，提取步骤S31准备的对应数据，使用计算模型开始计算结果；

步骤S33：模型计算结果入库，并通知应用，具体为：计算模型计算完结后将计算记录存档，保存计算结果供应用查询。

10.根据权利要求1所述的基于最小化带权曼哈顿距离的充电站布点规划方法，其特征在于，步骤S4具体包括以下步骤：

步骤S41：提取并筛选计算模型计算结果，具体为：通过应用选择已计算过的区域，接收到请求后准备结果数据；

步骤S42：在地图上展示备选站点的建议度及相关数据，具体为：将准备好的结果数据展示于地图标记上，通过地图接口的功能展示具体结果。

Images