车辆的补能网络构建方法、装置与流程

本技术涉及智能运输系统，具体涉及一种车辆的补能网络构建方法、装置。

背景技术：

1、电动商用车凭借零排放、低能耗、运营成本低等突出优势，已广泛应用于干线物流、港口短驳、城市配送及矿区作业等场景，而相较于电动乘用车，电动商用车具有载重量大、行驶能耗高、运营线路固定、补能时段集中、对专用大功率充电桩依赖度高等显著特征，因此，为保障车辆续航安全并提升补能资源利用效率，对运输干线识别精度、充电站专用适配性、沿线补能节点分布合理性均提出更高要求。

2、在现有的技术中，通常直接以车辆的历史离散gps单点为分析单元，来识别局部停留热点与零散轨迹聚集区域，易造成干线识别碎片化、与真实车流分布偏差大，难以精准划分物流高频干线。因此，如何精准识别车辆的高频运输干线并在此基础上构建与其运营特征相匹配的专用补能网络，是本领域亟待解决的技术问题。

技术实现思路

1、有鉴于此，本技术致力于提供一种车辆的补能网络构建方法、装置。解决了现有技术中干线识别碎片化、与真实车流分布偏差大，难以精准划分物流高频干线的问题。

2、第一方面，本技术实施例提供了一种车辆的补能网络构建方法，包括：

3、获取目标车辆的历史行驶路线的数据集；

4、基于所述历史行驶路线数据集，计算目标车辆的历史行驶路线中的任意两条路线的路线综合相似度；

5、根据所述路线综合相似度，对所述目标车辆的历史行驶路线进行聚类，生成至少一个聚类簇；

6、根据所述至少一个聚类簇，构建所述目标车辆的补能网络。

7、可选地，所述基于所述历史行驶路线数据集，计算目标车辆的历史行驶路线中的任意两条路线的路线综合相似度，包括：

8、基于所述历史行驶路线数据集，计算目标车辆的历史行驶路线中的任意两条路线的空间路径重合度、行驶走向重合度以及运行时段匹配度；

9、根据所述空间路径重合度、所述行驶走向重合度以及所述运行时段匹配度，确定所述任意两条路线的路线综合相似度。

10、可选地，所述根据所述路线综合相似度，对所述目标车辆的历史行驶路线进行聚类，生成至少一个聚类簇，包括：

11、根据所述路线综合相似度，确定目标车辆的历史行驶路线中的核心路线、核心路线的边界路线以及噪声路线；

12、根据所述目标车辆的历史行驶路线中的核心路线、核心路线的边界路线，对所述目标车辆的历史行驶路线进行聚类，生成至少一个聚类簇，其中，一个聚类簇对应一条候选高频运输干线。

13、可选地，所述根据所述路线综合相似度，确定目标车辆的历史行驶路线中的核心路线、核心路线的边界路线以及噪声路线，包括：

14、根据所述路线综合相似度，确定目标车辆的历史行驶路线中的每一条路线的邻域相似路线数量，其中，所述邻域相似路线表征与所述每一条路线的路线综合相似度大于或等于邻域阈值的路线；

15、根据所述路线综合相似度、所述每一条路线的邻域相似路线数量和每一条路线的路线频次权重，确定所述目标车辆的历史行驶路线中的核心路线、核心路线的边界路线以及噪声路线，其中，所述每一条路线的路线频次权重为所述每一条路线的日均通行车辆数量，与目标车辆的历史行驶路线中的所有路线平均通行频次的比值。

16、可选地，当所述聚类簇存在至少两个时，上述第一方面所述的车辆的补能网络构建方法还包括：

17、计算任意两个聚类簇的路线综合相似度；

18、当所述任意两个聚类簇的路线综合相似度大于或等于邻域阈值时，将所述任意两个聚类簇进行合并；

19、计算合并后的每个聚类簇包含路线的总数量和总通行频次；

20、当合并后的第一聚类簇包含路线总数量小于预设总数量阈值，和/或第一聚类簇包含路线的总通行频次小于预设总通行频次阈值时，对所述合并后的第一聚类簇进行剔除。

21、可选地，所述根据所述至少一个聚类簇，构建所述目标车辆的补能网络，包括：

22、基于每个聚类簇包含路线的数据集，计算每个聚类簇的综合评分值；

23、根据所述每个聚类簇的综合评分值，确定聚类簇对应的候选高频运输干线的等级；

24、根据所述聚类簇对应的候选高频运输干线的等级，构建所述目标车辆的补能网络。

25、可选地，基于每个聚类簇包含路线的数据集，计算每个聚类簇的综合评分值，包括：

26、基于每个聚类簇包含路线的数据集，计算每个聚类簇的通行强度评分值、运输属性评分值以及路网适配性评分值评分值，其中，所述通行强度评分值用于表征聚类簇包含路线的车流量规模，所述运输属性评分值用于表征聚类簇包含路线的路线价值，所述路网适配性评分值用于表征聚类簇包含路线的路网质量；

27、根据所述每个聚类簇包含路线的通行强度评分值、运输属性评分值以及路网适配性评分值，确定每个聚类簇的综合评分值。

28、可选地，所述根据所述每个聚类簇的综合评分值，确定聚类簇对应的候选高频运输干线的等级，包括：

29、当聚类簇的综合评分值大于或等于第一综合评分阈值时，所述聚类簇对应的候选高频运输干线为一级高频干线；

30、当聚类簇的综合评分值大于或等于第二综合评分阈值，且小于所述第一综合评分阈值时，所述聚类簇对应的候选高频运输干线为二级高频干线；

31、当聚类簇的综合评分值小于所述第二综合评分阈值时，所述聚类簇对应的候选高频运输干线为低频零散干线。

32、可选地，所述根据所述聚类簇对应的候选高频运输干线的等级，构建所述目标车辆的补能网络，包括：

33、获取每个聚类簇对应的候选高频运输干线的当前充电站信息，所述当前充电站信息包括当前充电站的位置、充电能力、运营状态和数量；

34、将每个聚类簇对应的候选高频运输干线与当前充电站进行空间关联，构建所述目标车辆的补能网络；

35、根据所述聚类簇对应的候选高频运输干线的等级，确定所述聚类簇对应的候选高频运输干线的目标充电站信息；

36、根据所述聚类簇对应的候选高频运输干线的所述目标充电站信息，对所述聚类簇对应的候选高频运输干线中需要补能的位置对应的充电站信息进行标注，并形成补能网络数据集。

37、第二方面，本技术实施例提供一种车辆的补能网络构建装置，包括：数据获取模块，用于获取目标车辆的历史行驶路线的数据集；

38、计算模块，用于基于所述历史行驶路线数据集，计算目标车辆的历史行驶路线中的任意两条路线的路线综合相似度；

39、路线聚类模块，用于根据所述路线综合相似度，对所述目标车辆的历史行驶路线进行聚类，生成至少一个聚类簇；

40、补能网络构建模块，用于根据所述至少一个聚类簇，构建所述目标车辆的补能网络。

41、基于上述内容，本技术提供的一种车辆的补能网络构建方法，该方法通过获取目标车辆的历史行驶路线的数据集，基于历史行驶路线数据集，计算目标车辆的历史行驶路线中的任意两条路线的路线综合相似度，根据路线综合相似度，对目标车辆的历史行驶路线进行聚类，生成至少一个聚类簇，根据至少一个聚类簇，构建目标车辆的补能网络。本技术通过采用完整的历史行驶路线的数据集作为分析对象，通过计算任意两条历史路线之间的综合相似度，并对路线进行聚类，生成代表车辆高频运输干线的聚类簇。避免了直接以历史离散轨迹点为分析单元，来识别局部停留热点与零散轨迹聚集区域，因此，能够从车辆的历史行驶路线轨迹中更准确和完整地识别出高频运输干线，并据此构建与实际运营需求相匹配的车辆补能网络。