申请/专利权人：武汉大学

申请日：2022-04-11

公开（公告）日：2024-04-09

公开（公告）号：CN114781141B

主分类号：G06F30/20

分类号：G06F30/20;G06Q10/0631;G06Q50/40;H02J3/32;G06F111/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明提出了一种基于动态交通流和用户心理的电动汽车出行引导方法。提出改进的累积前景理论方法，建立基于多参考点的评估用户出行心理预期效用模型，以对用户出行决策的价值进行量化；建立动态交通流模型，基于用户的心理预期效用模型，通过交通流状态和EV用户出行需求评估出行决策，由此建立考虑交通流状态和用户心理预期的出行引导策略，搭建基于动态交通流和用户心理的EV出行引导平台，以降低EV用户出行的拥堵概率和耗电量，提升用户的出行体验，同时减缓交流拥堵情况，并减小EV的充电负荷，同时实现电网和路网的优化。

主权项：1.一种基于动态交通流和用户心理的电动汽车出行引导方法，其特征在于，包括以下步骤：步骤1，引入充电桩的额定充电功率、电动汽车用户的出行决策相关参数以及每个电动汽车用户的交通配电网络相关参数；步骤1所述电动汽车用户的出行决策相关参数包括：每个电动汽车用户的目的地，每个电动汽车用户的早到参考时刻，每个电动汽车用户的偏好参考时刻，每个电动汽车用户的晚到参考时刻，每个电动汽车用户的初始SOC，每个电动汽车用户的到达时刻期望的SOC上限，每个电动汽车用户的到达时刻期望的SOC下限，每个电动汽车用户的离站时刻期望的SOC上限，每个电动汽车用户的离站时刻期望的SOC下限，每个电动汽车用户的预期离开充电站时间，和每个电动汽车用户的SOC时间权重系数；步骤1所述每个电动汽车用户的交通配电网络相关参数包括：配电网的拓扑及节点间关系,交通网的拓扑及节点间关系，配电网区域的日负荷数据，交通路段的载流量,交通路段的自由通行时间，当前时刻t时段交通流的状态；步骤2，根据每个电动汽车用户的早到参考时刻，每个电动汽车用户的偏好参考时刻，每个电动汽车用户的晚到参考时刻，每个电动汽车用户的初始SOC，每个电动汽车用户的到达时刻期望的SOC上限，每个电动汽车用户的到达时刻期望的SOC下限，每个电动汽车用户的离站时刻期望的SOC上限，每个电动汽车用户的离站时刻期望的SOC下限，每个电动汽车用户的预期离开充电站时间，和每个电动汽车用户的SOC时间权重系数，构建电动汽车用户心理预期效用模型；步骤2所述电动汽车用户心理预期效用模型由电动汽车用户时间价值函数模型、电动汽车用户SOC价值函数模型构成，则第g个电动汽车用户的心理预期效用模型，g∈G,G为引导时段内所有电动汽车用户，具体如下：Valueg＝Vtg+wgVsocg其中，Valueg表示第g个电动汽车用户心理预期效用值，Vtg表示第g个电动汽车用户时间价值函数模型，Vsocg表示第g个电动汽车用户SOC价值函数模型，wg为第g个电动汽车用户的SOC时间权重系数；所述电动汽车用户时间价值函数模型，第g个电动汽车用户的时间价值函数，具体定义如下： 式中：Vtg为第g个电动汽车用户的时间价值函数值，γ1为面对时间价值损失时的风险敏感系数，γ2为面对时间价值收益时的风险敏感系数，ti,jAg为第g个电动汽车用户从充电站i到目的地j的时间，tRming为第g个电动汽车用户的早到参考时刻，tRmaxg为第g个电动汽车用户的晚到参考时刻、tRPg为第g个电动汽车用户的偏好到达时间，且tRmingtRPgtRmaxg；所述电动汽车用户SOC价值函数模型，第g个电动汽车用户的SOC价值函数具体定义如下： 式中，为向下取整运算，μ1为面对SOC价值损失时的风险敏感系数，μ2为面对SOC价值收益时的风险敏感系数，VsocLg为第g个电动汽车用户的离站时刻的SOC价值函数，VsocAg为第g个电动汽车用户的到达时刻的SOC价值函数，SOCmaxLg为第g个电动汽车用户的离站时刻期望的SOC上限，SOCminLg为第g个电动汽车用户的离站时刻期望的SOC下限，SOCmaxAg为第g个电动汽车用户的到达时刻期望的SOC上限，SOCminAg为第g个电动汽车用户的到达时刻期望的SOC下限，SOCLg为电动汽车用户离站时的实际SOC，SOCAg为电动汽车用户抵达目的地时的实际SOC；SOCLg可以通过第g个电动汽车用户的初始SOC、第g个电动汽车用户的预期离开充电站时间、充电桩的额定充电功率计算得到；步骤2所述电动汽车用户心理预期效用模型，第g个电动汽车用户的心理预期效用函数具体如下：CPVg＝CPVtg+ωgCPVSOCg式中：CPVg为第g个电动汽车用户的心理预期效用值，n为第g个电动汽车用户不确定的出行备选方案数，πig为第g个电动汽车用户第i种出行备选方案可能发生的概率权重函数值；步骤3，基于步骤1中每个电动汽车用户的出行决策相关参数中的电动汽车用户的目的地，和步骤1中的交通网的拓扑及节点间关系、交通路段的载流量、交通路段的自由通行时间，当前时刻t时段交通流的状态，构建交通平衡配流模型；步骤3所述交通平衡配流模型包括：电动汽车用户出行O-D对的路径选择模型、路段和路径流量关联矩阵、电动汽车路段行驶时间、出行路径费用和出行路径选择条件；根据第gt个电动汽车用户的目的地和交通网的拓扑及节点间关系，可得引导时段t内所有电动汽车用户Gt出行O-D对的路径选择模型，gt∈Gt,Gt为引导时段t内所有电动汽车用户；假设在时段区间τ内，交通流各路段的估计通行费用和出行者的出行需求近似不变，在t时段，O-D需求配流完成时，某个O-D对之间所有被选用的路径满足以下关系： 其中，fk,trs是在当前时刻t时段交通流的状态中O-D对rs之间第k条路径上的流量，k∈Krs，Krs为O-D对rs之间存在的有效路径集合，qtrs为t时段内从r到s的全部交通需求，由时刻t内所有电动汽车用户Gt组成，即O-D量，进而保证t时刻内每一个O-D对r,s所对应的出行需求qrs都能得到满足；根据步骤1中的交通网的拓扑及节点间关系可得路段和路径流量关联矩阵：在t时刻路段流量xa,t与路径流量fk,trs可以通过关联矩阵δa,krs联系起来： δa,krs表示路段与路径之间的关联系数，路段a在连接O-D对rs的第k条路径上，则δa,krs＝1，否则δa,krs＝0；所述电动汽车用户路段行驶时间：根据交通路段的载流量、交通路段的自由通行时间、当前时刻t时刻交通流的状态可以确定t时刻电动汽车在路段a行驶的时间taxa,t计算公式如下： 其中，ta0是路段a的自由通行时间，xa,t为t时刻路段a上的流量，Ca是路段a的载流量；所述出行路径费用：t时刻出行路径费用估计值ck,trs如下所示: 所述出行路径选择条件：因此，在t时刻连接O-D对rs之间的路径k被用户选中的充要条件如下所示： 其中，cmrs为O-D对rs任意其他路径m的出行路径费用估计值；基于用户均衡的出行路径选择原则如下： 其中，μrs表示交通网络平衡状态下O-D对rs之间的最小出行费用，fkrs、ckrs表示O-D对rs之间第k条路径上的流量和出行费用；t时刻交通平衡配流模型下的交通流状态可描述为如下数学规划模型： 其中qtrs为t时刻内从r到s的全部交通需求，由时刻t内所有电动汽车用户Gt组成，Strs[ctrs]为t时刻O-D对rs之间的期望估计费用，xa,t为t时刻路段a上的流量，Ta,txa,t为t时刻电动汽车在路段a行驶的时间，taw为路段行驶时间，随t时刻路段流量xa,t变化，E[]表示期望；根据步骤1中的当前时刻t交通流的状态以及每个电动汽车用户的出行路径选择，可通过数学规划优化算法求解，获得t时刻交通平衡配流模型下的交通流状态；步骤4，计算用户心理预期效用值和用户心理预期效用阈值；根据步骤1中输入的当前的交通流状态和第g个电动汽车用户的出行决策相关参数，通过步骤2所述的用户心理预期效用模型和步骤3所述的交通平衡配流模型，计算第g个电动汽车用户当前出行决策下的心理预期效用值；根据步骤2中的用户心理预期效用模型，以及由步骤3得到当前交通平衡配流模型下的交通流状态，得到步骤2中第g个电动汽车用户的综合价值函数值，即为用户心理预期效用阈值，g∈Gt,Gt为当前时刻t时刻内所有电动汽车用户；步骤5，根据步骤1中输入的当前时刻t时刻交通流的状态和第g个电动汽车用户的出行相关参数，g∈Gt,Gt为当前时刻t时刻内所有电动汽车用户，步骤4中得到的用户心理预期效用值与用户心理预期效用阈值两者之间差值，若差值超出允许的最小范围，则对对应第g个电动汽车用户出行决策进行引导，得到引导后出行决策：当心理预期效用值CPVg大于心理预期效用阈值CPVsetg时，可按用户预设出行决策直接出行，无需接受引导；当CPVg小于心理预期效用阈值CPVsetg时，制定相应的出行引导策略：根据CPVg结果对出行决策进行引导：当SOC累积前景值CPVsocg＜SOC累积前景值阈值CPVsoc_setg，时间累积前景值CPVtg时间累积前景值阈值CPVt_setg时，将充电功率设至最大充电功率Pmax；当权重系数ωg＞1时，表征用户更重视SOC，推迟出发时刻至SOCLg满足CPVsocg＞CPVsoc_setg；当权重系数ωg＜1时，表征用户更重视时间，提前出发时间至当前时刻；当CPVsocg＜CPVsoc_setg，CPVtg＞CPVt_setg时，将充电功率设至充电桩可提供最大充电功率Pmax，并适当推迟出行时刻；当CPVsocg＞CPVsoc_setg，CPVtg＜CPVt_setg，可根据步骤1中的配电网区域的日负荷数据的峰谷情况，适当降低充电功率，并将出行时刻提前至当前时刻，根据重新确定的出行时刻和对应的交通流状态，根据步骤3中计算的t时刻交通平衡配流模型下的交通流状态，计算出行路径费用的估计值，以出行路径费用估计值最小为目标重新规划出行路径；可引导第g个电动汽车用户调整出行时刻，并调控对应电动汽车用户的当前时刻与出行时刻之间的充电功率，具体如下：在当前时刻，第g个电动汽车用户的SOC实时状态小于到达时刻期望的SOC上限则在当前时刻与出发时刻这一时间区间内，以最大功率Pmax进行充电；在当前时刻，第g个电动汽车用户的SOC实时状态大于到达时刻期望的SOC下限小于离站时刻期望的SOC上限则在当前时刻与出发时刻这一时间区间内，以0.5Pmax进行充电；在当前时刻，第g个电动汽车用户的SOC实时状态大于到达时刻期望的SOC上限说明SOC实时状态已达到到达时刻期望的SOC上限此时可以将其充电功率视作0；步骤6，根据步骤5得到的引导后出行决策，调整当前时刻t时刻内所有电动汽车用户Gt的出行相关参数，通过步骤2所述的用户心理预期效用模型和步骤3所述的交通平衡配流模型，再次评估引导后出行决策下用户的心理预期效用值，并构建用户新的出行决策下的动态交通平衡配流模型，根据步骤3中的当前交通平衡配流模型下的交通流状态，可得到各时刻间交通流的递推关系如下： 上式首先定义了t时刻下O-D对r,s对应的余流rtrs，fk,trs是在当前时刻t时段交通流的状态中O-D对rs之间第k条路径上的流量，k∈Krs，Krs为O-D对rs之间存在的有效路径集合；其次在考虑余流下t时刻O-D对r,s的交通需求qtrs的修正，qtrs为t时刻内从r到s的全部交通需求，由时刻t内所有电动汽车用户Gt组成，即O-D量，进而保证t时刻内每一个O-D对r,s所对应的出行需求qrs都能得到满足，qtrs,mod为修正后的交通需求，rt-1rs为t-1时刻下O-D对r,s对应的余流，tktrs为路径通行时间，τ为时段长度。

全文数据：

权利要求：

百度查询： 武汉大学 一种基于动态交通流和用户心理的电动汽车出行引导方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD