基于多源数据关联的新能源汽车调度方法与流程

技术特征：
1.一种基于多源数据关联的新能源汽车调度方法，其特征在于，所述调度优化方法包括以下步骤：s1、构建新能源汽车调度模型，定义汽车v
j
满足客户c
i
电量约束的两个场景，其中，场景一：汽车本身有足够的电量将客户c
i
送至目的地，表示为d(e
j
)≥d(c
i
，v
j
) d(c
i
，t
i
)
ꢀꢀꢀꢀꢀꢀꢀ
(1)其中d(e
j
)是电量e
j
可支持的行驶距离，d(c
i
，v
j
)是客户c
i
和汽车v
j
之间的距离，d(c
i
，t
i
)是客户c
i
的出发地和目的地t
i
之间的距离；场景二：在电量不足的情况下，去往目的地t
i
的途中存在充电桩，并且所需要的充电时间不超过客户可容忍的时间限制tl：e(t
i
)＝1
ꢀꢀꢀꢀꢀ
(2a)其中，e(t
i
)＝1表示去往的路上存在充电桩，k(cr)表示新能源汽车每单位时间的充电量可支持的行驶距离；以最大化总体的客户满意度为优化目标，定义两个层级进行度量客户满意度，一是请求接受率，二是客户等待时间，同时需要满足一定的约束条件求接受率，二是客户等待时间，同时需要满足一定的约束条件s.t.s.t.s.t.其中n和m分别表示客户数和新能源汽车数，x
ij
表示是否将汽车v
j
分配给客户c
i
，wt(c
i
，v
j
)是客户的等待时间，约束条件(6)和(7)保证最多只可以将一个请求分配给一个汽车和一个汽车分配给一个请求，客户的等待时间包括汽车v
j
到达客户c
i
位置的行驶时间以及可能的充电时间，由以下公式计算其中“na”表示对于不满足电量约束条件的客户
‑
汽车对，不将该汽车视为候选车辆，无需计算等待时间；
定义客户与新能源汽车之间的“逻辑距离”，“逻辑距离”的计算公式为公式(9)表示，如果汽车v
j
满足客户c
i
的电量约束，则逻辑距离取决于客户的等待时间wt(c
i
，v
j
)和车速s，否则，将逻辑距离设置为一个较大的惩罚值；s2、初始化设置，使用先来先服务方法构造调度结果π
fcfs
，然后设置初始信息素τ0为τ0＝(m
·
lnn)
‑1ꢀꢀꢀꢀꢀꢀ
(10)其中n和m分别为客户请求数和新能源汽车数，x
ij
表示是否将客户c
i
分配给汽车v
j
，ld(c
i
，v
j
)是客户c
i
和汽车v
j
之间的逻辑距离，min(n，m)表示n和m间的较小值，f1评估解可以满足的请求数，l是调度域的边长；s3、执行预选择策略，从初始的m辆新能源汽车中预选择出k
×
n辆，其中k是系数；s4、解构造之前，随机打乱客户的分配顺序，在构造的每一步中，应用局部剪枝策略，先计算出每个客户对应的候选汽车集，以及候选汽车分配给该客户的概率，然后，蚁群系统算法根据状态转移规则为相应的客户在其附近选择一辆合适的汽车；s5、对每个解中已分配的客户
‑
汽车对执行局部信息素更新规则；s6、适应值评估，评估蚁群系统算法中每只蚂蚁的适应值并记录最优解，综合考虑请求接受率和客户等待时间的优化目标，提出两层级的适应值函数：函数：其中，n和m分别表示客户数和新能源汽车数，x
ij
表示是否将汽车v
j
分配给客户c
i
，wt(c
i
，v
j
)是客户的等待时间，f1(s)是调度结果s中被满足的请求数，新能源汽车调度的首要任务就是最大化客户
‑
汽车之间的匹配成功率，f2(s)是所有被接受请求的总体等待时间，在评估两个调度结果时，首先比较两个调度结果的f1(s)，值较大的解更好；如果两个调度结果具有相同的f1(s)值，则比较两个调度结果的f2(s)，并且f2(s)值较大的解更好；s7、找出历史最优解，并执行全局信息素更新规则；s8、结束条件：当运行达到最大代数g时，蚁群系统算法终止；否则，转到步骤s4并继续进行优化。2.根据权利要求1所述的基于多源数据关联的新能源汽车调度方法，其特征在于，所述预选择策略的执行过程如下：对于第一个客户或请求，选择距其逻辑距离最短的k辆汽车，然后，从其余m
‑
k辆汽车中选择与第二个客户的距离最短的其他k辆汽车，以此类推，最终选择k
×
n辆汽车。3.根据权利要求2所述的基于多源数据关联的新能源汽车调度方法，其特征在于，所述局部剪枝策略的执行过程中，在为客户c
i
分配汽车时，只考虑在距离客户c
i
逻辑距离最短的
t辆汽车，用t
i
表示客户c
i
对应的候选汽车集，在应用预选择策略和局部剪枝策略之后，蚁群系统算法中蚂蚁在为客户c
i
分配汽车时，其候选汽车集为同时同时j∈t
i
，1≤j≤k
·
n}其中表示汽车v
j
未被分配，e
j
表示v
j
的剩余电量，d(e
j
)是剩余电量e
j
可以支持的行驶距离，d(c
i
，v
j
)是客户c
i
和汽车v
j
之间的距离，d(c
i
，t
i
)是客户c
i
的出发地和目的地t
i
之间的距离，e(t
i
)＝1表示去往的路上存在充电桩，k(cr)表示每单位时间充电量可支持的行驶距离，tl表示客户可以容忍的时间限制。

技术总结
本发明公开了一种基于多源数据关联的新能源汽车调度方法，首先在新能源汽车服务场景的基础上建立调度模型，与传统面向出租车调度的模型不同的是，该调度模型关联了汽车电量和充电设施等多源交通数据。为了求解所提出的调度模型，应用一种高效的蚁群系统算法。该算法在蚁群系统的基础上，集成预选择策略和局部剪枝策略，以降低在分配过程中所考虑的汽车数量，从而提高客户满意度和计算效率。经过在不同调度场景下的实验结果证明，与先来先服务方法和其他现有调度方法相比，该新能源汽车调度优化方法可以获得更高的客户满意度，并可以有效降低计算时间，是解决新能源汽车调度问题的有效方法。有效方法。有效方法。


技术研发人员：詹志辉 邓壮杰 梁迪 张军
受保护的技术使用者：华南理工大学
技术研发日：2021.08.30
技术公布日：2021/12/16