考虑用户出行行为的用户出行能耗预测及路径推荐方法与流程

技术特征：
1.一种考虑用户出行行为的用户出行能耗预测及路径推荐方法，其特征在于，包括：将路段车速融入静态路网模型中建立动态交通模型，利用深度优先搜索算法根据所述动态交通模型和用户数据计算用户未来出行可行路径及其车速变化情况，根据所述用户未来出行可行路径的车速变化情况建立基于时空轨迹空间的路网时空出行链；根据所述路网时空出行链进行行驶工况分析，得到反映行驶工况和能耗影响因素的特征参数；基于所述特征参数所述神经网络计算用户的未来出行能耗，根据所述未来出行能耗得到所有可行路径的行程时间、行程距离和行程能耗；根据用户的偏好对所有可行路径进行打分，将分数最低的路径作为最优路径推荐给用户。2.根据权利要求1所述的方法，其特征在于，所述的将路段车速融入静态路网模型中建立动态交通模型，包括：将路网中的路段抽象化为静态路网模型中的边，各路段的属性参数抽象化为边的权值矩阵，将相连接的两个路段的交叉节点抽象化为静态路网模型中的顶点；根据所述静态路网模型建立能够体现路网车速动态变化的动态交通模型。3.根据权利要求2所述的方法，其特征在于，所述的将路段车速融入静态路网模型中建立动态交通模型，包括：所述动态交通模型的道路车速以6分钟为间隔变化，一天24小时的车速点共240个。4.根据权利要求3所述的方法，其特征在于，所述的利用深度优先搜索算法根据所述动态交通模型和用户数据计算用户未来出行可行路径的车速变化情况，包括：将用户未来出行地点输入动态交通模型，利用深度优先搜索算法对用户出行起点终点之间的路径进行遍历，获得用户未来出行的可行路径以及可行路径的行程距离，将用户的出行时间、可行路径和可行路径的行程距离输入动态交通模型，利用动态交通模型在动态交通约束下模拟用户未来出行，获得用户可行驶路径中各路段的行程时间以及各路段的车速变化数据。5.根据权利要求4所述的方法，其特征在于，所述的根据所述用户未来出行可行路径的车速变化情况建立基于时空轨迹空间的路网时空出行链，包括：设置用户的路网时空出行链包含时间参数和空间参数；在用户的路网时空出行链中，将用户每到达一个目的地作为一次出行，在动态交通的约束下实现对用户未来出行模拟，建立用户的路网时空出行链。6.根据权利要求1至5任一项所述的方法，其特征在于，所述的根据所述路网时空出行链进行行驶工况分析，得到反映行驶工况和能耗影响因素的特征参数，包括：在电动汽车用户纯电动模式下两次充电行为之间的行驶数据为基础，以行驶距离1km为间隔对行驶数据分段，将电动汽车的行驶数据分为多个行驶片段；选择电动汽车的行驶工况的特征参数包括：行程时间t
l
、平均速度v
mean
、最大速度v
max
、最小速度v
min
、速度标准差v
std
、平均加速度a
mean
、最大加速度a
max
、最小加速度a
min
、加速度标准差a
std
、加速比例p
a
，、减速比例p
a
‑
、怠速比例p
a0
和匀速比例p
a＝
；对电动汽车的行驶工况的特征参数进行标准化处理，并进行标准化处理后的行驶工况参数与电动汽车能耗之间的皮尔逊相关性分析；
对标准化处理后的行驶工况参数进行主成分分析，获得各行驶工况参数的特征值和贡献率，根据各行驶工况参数的特征值和贡献率对电动汽车的行驶工况的特征参数进行降维处理。7.根据权利要求6所述的方法，其特征在于，所述的基于所述特征参数所述神经网络计算用户的未来出行能耗，根据所述未来出行能耗得到所有可行路径的行程时间、行程距离和行程能耗，包括：以路段为单位，利用电动汽车经过路段时的车速点变化数据计算电动汽车经过该路段时的行驶工况特征参数；对神经网络进行训练和参数初始化，将电动汽车的行驶工况的特征参数输入到初始化后的神经网络，所述神经网络输出电动汽车的荷电状态soc变化量，根据所述电动汽车的soc变化量得到所有可行路径的行程时间、行程距离和行程能耗。8.根据权利要求7所述的方法，其特征在于，所述的根据用户的偏好对所有可行路径进行打分，将分数最低的路径作为最优路径推荐给用户，包括：综合考虑用户对行驶路径的需求，确定可行路径的评价指标参数包括行程时间、行程距离和行程能耗，对可行路径的评价指标参数进行标准化处理；根据用户的路径偏好来确定每种评价指标参数的权重，根据每种评价指标参数的权重对所有可行路径进行打分，将得分最低的路径确定为行程时间最短的路径，把得分最低的路径作为最优路径推荐给用户。9.根据权利要求8所述的方法，其特征在于，所述的根据用户的路径偏好来确定每种评价指标参数的权重，根据每种评价指标参数的权重对所有可行路径进行打分。

技术总结
本发明提供了考虑用户出行行为的用户出行能耗预测及路径推荐方法。包括：将路段车速融入静态路网模型中建立动态交通模型，利用深度优先搜索算法根据动态交通模型和用户数据计算用户未来出行可行路径及其车速变化情况，建立基于时空轨迹空间的路网时空出行链；根据路网时空出行链进行行驶工况分析得到反映行驶工况和能耗影响因素的特征参数；利用神经网络计算用户的未来出行可行路径的能耗；根据用户的偏好对可行路径进行打分，将分数最低的路径作为最优路径推荐给用户。本发明将静态路网模型转化为动态交通模型，将路网时空出行链应用在未来出行能耗计算与路径推荐中，基于不同用户的偏好，建立路径评价指标，作为最优路径推荐的依据。推荐的依据。推荐的依据。


技术研发人员：苏粟 贾泽瑞 李泽宁 李玉璟 张仁尊 韦存昊 汤小康 梁方 董刚 王陆飞
受保护的技术使用者：北京超充科技有限公司
技术研发日：2021.08.06
技术公布日：2021/11/4