本發(fā)明屬于智慧城市中電動(dòng)汽車充電策略的技術(shù)領(lǐng)域，具體涉及基于充電車位調(diào)度策略與充電專車調(diào)度策略。

背景技術(shù)：

現(xiàn)在，由于科技的進(jìn)步，環(huán)境的需求以及可預(yù)見的化石燃料的短缺，電動(dòng)汽車又開始逐漸增多。由于幾個(gè)經(jīng)濟(jì)和環(huán)境的原因，電動(dòng)汽車很有可能在未來的汽車市場(chǎng)中占據(jù)顯著的位置。全球變暖的問題就是導(dǎo)致電動(dòng)汽車大規(guī)模應(yīng)用的一個(gè)環(huán)境原因。世界各國(guó)對(duì)這類問題的關(guān)注不斷增多與化石燃料價(jià)格越來越不穩(wěn)定的趨勢(shì)導(dǎo)致了政策制定者尋找手段來降低這類能量的消耗，從而減少向大氣層排放的溫室氣體。因此，沒有排氣管是電動(dòng)汽車最具吸引力的特點(diǎn)，尤其是在高密度的城市區(qū)域，可以對(duì)空氣質(zhì)量的改善作出巨大的貢獻(xiàn)。

目前對(duì)電動(dòng)汽車的相關(guān)研究包括電動(dòng)汽車基礎(chǔ)設(shè)施靜態(tài)和動(dòng)態(tài)部署、電動(dòng)汽車電池再利用、多電池同時(shí)充電、電池充電量的控制以及電動(dòng)汽車模型預(yù)測(cè)控制等等，而對(duì)于電動(dòng)汽車充電調(diào)度方向上的研究尚少，且國(guó)內(nèi)的電動(dòng)汽車還存在以下問題：

家用充電樁普及難，部分小區(qū)物業(yè)不允許安裝充電樁，且充電樁對(duì)電線和電閘要求都不低，很多小區(qū)的供電電閘和電線無法承受。

公用充電樁難找，在自己不熟悉的地方找充電樁及其困難，在成都這樣的二線城市還有更多的問題，例如充電基礎(chǔ)設(shè)施不夠完善，分布不均，成都現(xiàn)有的充電樁大多分布在南邊，在北部城區(qū)充電困難。車主缺乏對(duì)電動(dòng)汽車的認(rèn)識(shí)，電動(dòng)汽車的專用充電停車位經(jīng)常被燃油汽車所占據(jù)。高速路服務(wù)區(qū)沒有充電樁，電動(dòng)汽車無法跑長(zhǎng)途。

成都市經(jīng)信委根據(jù)目前成都市內(nèi)電動(dòng)汽車充電難問題提出，到2020年將市內(nèi)充電樁數(shù)量從目前的3000個(gè)擴(kuò)充至90000個(gè)，對(duì)企業(yè)投資充電站最高補(bǔ)貼500萬元，并對(duì)新建小區(qū)進(jìn)行預(yù)留充電位置的規(guī)定。積極地尋求解決問題，不過在近期內(nèi)，電動(dòng)汽車充電難的問題還會(huì)一直存在并影響著市民的生活質(zhì)量。

由于目前國(guó)內(nèi)電動(dòng)汽車相關(guān)基礎(chǔ)設(shè)施還不夠齊全，大部分國(guó)產(chǎn)電動(dòng)汽車最大續(xù)航里程較短，容易出現(xiàn)頻繁前往充電站(可能距離較遠(yuǎn))甚至在行駛過程中電量耗盡的情況。對(duì)電動(dòng)汽車充電調(diào)度機(jī)制的研究可以有效地利用現(xiàn)有交通設(shè)施、減少交通負(fù)荷和環(huán)境污染、保證交通安全、提高運(yùn)輸效率。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明采用仿wsns的網(wǎng)絡(luò)模型。為了更精確地模擬真實(shí)城市中的電動(dòng)汽車充電情況并加強(qiáng)研究的實(shí)用性，本發(fā)明采用的網(wǎng)絡(luò)模型基于四川省成都市市區(qū)(繞城高速內(nèi))的真實(shí)道路情況來建模，所有道路的分布情況，長(zhǎng)度，阻塞程度均以真實(shí)數(shù)據(jù)為準(zhǔn)。網(wǎng)絡(luò)中分布著基站(調(diào)度中心)，可移動(dòng)的傳感器節(jié)點(diǎn)(即城市中的電動(dòng)汽車)，固定部署的充電樁和預(yù)先設(shè)定好路徑的充電專車(移動(dòng)充電專車)。并假設(shè)網(wǎng)絡(luò)滿足如下條件：1)所有普通傳感器節(jié)點(diǎn)都隨機(jī)在網(wǎng)絡(luò)中任意位置出現(xiàn)，并在網(wǎng)絡(luò)中選擇某隨機(jī)位置為節(jié)點(diǎn)移動(dòng)的目的地，在正常模式下，節(jié)點(diǎn)根據(jù)數(shù)據(jù)預(yù)處理算法得到最優(yōu)路徑，并沿著該路徑朝著目的地移動(dòng)。2)所有普通傳感器節(jié)點(diǎn)可以使用gps輔助設(shè)備進(jìn)行定位，調(diào)度系統(tǒng)可以獲取任意傳感器節(jié)點(diǎn)的當(dāng)前位置和目的位置。3)普通傳感器節(jié)點(diǎn)在移動(dòng)的過程中會(huì)隨機(jī)地出現(xiàn)充電車位調(diào)度需求或充電專車調(diào)度需求，出現(xiàn)充電需求后向基站發(fā)出請(qǐng)求，進(jìn)入充電模式。在完成充電之后再重新回到正常模式。4)假設(shè)普通傳感器節(jié)點(diǎn)和充電專車的能量都相對(duì)充足，即普通傳感器節(jié)點(diǎn)會(huì)有充電需求，充電專車在每輪充電之后都會(huì)回到基站補(bǔ)充能量，但二者皆不會(huì)在移動(dòng)的過程中能量耗盡。5)假設(shè)充電樁充電和充電專車充電的時(shí)間為某固定時(shí)間t。

在本發(fā)明中主要探討了2個(gè)問題：充電樁選取策略，充電專車(充電專車)運(yùn)動(dòng)路徑問題。

問題1是在wsns內(nèi)，如何進(jìn)行充電樁分配策略的問題，需要滿足以下條件：

(1)使盡可能多的移動(dòng)節(jié)點(diǎn)(待充電汽車)分配到充電樁

(2)在滿足(1)的條件下，使所有分配到充電樁的移動(dòng)節(jié)點(diǎn)前往充電樁進(jìn)行充電的路程損耗時(shí)間最短。

在真實(shí)場(chǎng)景中，有可能可用充電樁的數(shù)量小于需要充電的移動(dòng)節(jié)點(diǎn)的數(shù)量，在此條件下，將所有的可用充電樁都分配給部分移動(dòng)節(jié)點(diǎn)的情況下使所有分配到充電樁的移動(dòng)節(jié)點(diǎn)前往充電樁進(jìn)行充電的路程損耗時(shí)間最短使本發(fā)明的一個(gè)重要研究點(diǎn)。

問題2討論在網(wǎng)絡(luò)分區(qū)的情況下充電專車的運(yùn)動(dòng)路徑問題。如何合理規(guī)劃充電專車的路徑使得充電專車能夠完成對(duì)所有移動(dòng)節(jié)點(diǎn)的充電，且移動(dòng)節(jié)點(diǎn)對(duì)本次充電的等待時(shí)間能夠達(dá)到一個(gè)盡量高的整體滿意度。

本發(fā)明提出了充電車位調(diào)度算法方案和充電專車調(diào)度算法方案來分別解決以上兩個(gè)問題。通過實(shí)驗(yàn)證明了本發(fā)明提出的用二分圖最大權(quán)值匹配算法相較于傳統(tǒng)貪心算法，可以有效地降低真實(shí)路程損耗時(shí)間與平均最優(yōu)調(diào)度差。而采用模擬退火相比于傳統(tǒng)貪心算法，可以有效地降低等待系數(shù)和，在提升用戶滿意度上具有較優(yōu)的性能，且對(duì)尾部?jī)?yōu)化后的模擬退火算法運(yùn)行時(shí)間只是略高于傳統(tǒng)貪心算法。

附圖說明

圖1為本發(fā)明流程圖。

圖2為本發(fā)明的充電車位調(diào)度算法性能對(duì)比圖。

圖3為本發(fā)明的充電專車調(diào)度算法性能對(duì)比圖。

具體實(shí)施方式

1)網(wǎng)絡(luò)初始化

建立無向圖g＝{v，e}，v表示頂點(diǎn)(即路口)的集合，e表示邊(即道路的集合)，采用鄰接矩陣和邊集相結(jié)合的方式來對(duì)圖進(jìn)行存儲(chǔ)。道路集e＝{e0,e1,…,em-1}，用邊集的方式存儲(chǔ)，每條道路包括以下數(shù)據(jù)：道路的兩個(gè)路口號(hào)碼v0、v1，道路的長(zhǎng)度d，道路的阻塞指數(shù)λ(0<＝λ<＝1，λ為0時(shí)表示道路完全通暢，λ為1時(shí)表示道路完全堵塞)，道路的限速v，道路的預(yù)計(jì)通行時(shí)間t。

t＝d/[(1-λ)*v](0<＝λ<1)

路口集v＝{v0,v1,…,vn-1}，用一個(gè)大小為n²的二維矩陣t[n][n]來進(jìn)行存放，存儲(chǔ)內(nèi)容為之前的道路集e中的道路預(yù)計(jì)通行時(shí)間t。例如t[i][j]表示從路口vi到路口vj所需要的預(yù)計(jì)通行時(shí)間。在初始狀態(tài)下，若路口vi與路口vj不相鄰，則t[i][j]用∞表示。雖然初始狀態(tài)下，鄰接矩陣顯然是一個(gè)稀疏矩陣(通常情況下，一個(gè)路口最多有4條道路與之相連)，采用鄰接矩陣的存儲(chǔ)方式看起來有點(diǎn)浪費(fèi)存儲(chǔ)，但是該矩陣可以作為之后迭代用的基礎(chǔ)，且單個(gè)城市的路口個(gè)數(shù)并不是一個(gè)特別大的數(shù)，o(n²)的空間復(fù)雜度也可以接受，所以這里采用鄰接矩陣的方式來進(jìn)行存儲(chǔ)。

選擇用道路的預(yù)計(jì)通行時(shí)間t來作為考察標(biāo)準(zhǔn)，而不是道路長(zhǎng)度d，主要是基于以下兩點(diǎn)考慮：

1.人們駕車出行時(shí)或等待充電時(shí)，更專注的是路上所需的時(shí)間或充電專車抵達(dá)所需的時(shí)間，而不是路程或者充電專車過來充電的行駛距離。

2.道路的阻塞情況是實(shí)時(shí)變動(dòng)的，甚至有可能出現(xiàn)道路完全堵死的情況。用道路的預(yù)計(jì)通行時(shí)間作為評(píng)判標(biāo)準(zhǔn)，可以根據(jù)道路的阻塞指數(shù)λ，對(duì)道路的預(yù)計(jì)通行時(shí)間t進(jìn)行實(shí)時(shí)更新，可以適應(yīng)真實(shí)城市場(chǎng)景中路況的動(dòng)態(tài)性。

圖中的任意一點(diǎn)p用3元組(i,j,ρ)來表示，即位于第i個(gè)路口與第j個(gè)路口之間的道路上(i≠j，且i與j相鄰)位于與路口i距離為ρ*d(0<＝ρ<＝1,d為i，j之間道路的長(zhǎng)度)的位置。

2)數(shù)據(jù)預(yù)處理

由于在充電調(diào)度的過程中，有大量的對(duì)各待充電汽車之間的距離，待充電汽車與充電樁之間的距離，待充電汽車與充電專車之間的距離等計(jì)算。如果每次需要用到距離時(shí)才進(jìn)行運(yùn)算會(huì)導(dǎo)致有大量的重復(fù)計(jì)算發(fā)生，算法效率低下。所以本發(fā)明在調(diào)度算法之前先對(duì)當(dāng)前無向圖的基礎(chǔ)數(shù)據(jù)進(jìn)行預(yù)處理操作，從而能讓之后對(duì)任何距離的計(jì)算都能在o(1)時(shí)間內(nèi)完成。(注：本算法中使用的距離如無特殊說明指的是時(shí)間上的距離)

首先用floyd-warshall算法對(duì)初始的二維鄰接矩陣t[n][n]進(jìn)行迭代處理，以得到無向圖中任意兩個(gè)頂點(diǎn)之間的最小距離。在網(wǎng)絡(luò)模型的構(gòu)建時(shí)，已得到初始矩陣t[n][n]，矩陣t中t[i][j]表示頂點(diǎn)vi到頂點(diǎn)vj的距離，如果頂點(diǎn)vi與頂點(diǎn)vj不相鄰，則t[i][j]＝∞(用一個(gè)足夠大的數(shù)inf來表示)。接下來對(duì)矩陣t進(jìn)行n次更新。在進(jìn)行第1次更新時(shí)，如果t[i][j]>t[i][0]+t[j][0](t[i][0]+t[j][0]表示從頂點(diǎn)vi經(jīng)過頂點(diǎn)v0到頂點(diǎn)vj的距離，上述不等式成立即表示當(dāng)前存儲(chǔ)的頂點(diǎn)vi與頂點(diǎn)vj之間的最小距離比頂點(diǎn)vi經(jīng)過頂點(diǎn)v0再到頂點(diǎn)vj的距離要大)，則將t[i][j]更新為t[i][0]+t[j][0]。同理，在第k次更新時(shí)，如果t[i][j]>t[i][k-1]+t[j][k-1],則將t[i][j]更新為t[i][k-1]+t[j][k-1]。在迭代n次之后完成處理，當(dāng)前的二維矩陣t[n][n]中存儲(chǔ)的為任意兩個(gè)頂點(diǎn)之間的最小距離。

有了經(jīng)過初始化之后的二維矩陣t，就可以在o(1)時(shí)間內(nèi)求出圖中任意兩點(diǎn)間的距離。例如求點(diǎn)p1(x1,y1,ρ1)與點(diǎn)p2(x2,y2,ρ2)(x1<＝y(tǒng)1，x2<＝y(tǒng)2)之間的最小距離tmin可以用如下方法,當(dāng)x1＝x2且y1＝y(tǒng)2時(shí)，即兩個(gè)頂點(diǎn)在同一條邊上：

tmin＝|ρ1-ρ2|*t[x1][y1]

如果兩個(gè)頂點(diǎn)不在同一條邊上，則有：

txx＝t[x1][x2]+ρ1*t[x1][y1]+ρ2*t[x2][y2]

txy＝t[x1][y2]+ρ1*t[x1][y1]+(1-ρ2)*t[x2][y2]

tyx＝t[y1][x2]+(1-ρ1)*t[x1][y1]+ρ2*t[x2][y2]

tyy＝t[y1][y2]+(1-ρ1)*t[x1][y1]+(1-ρ2)*t[x2][y2]

tmin＝min(txx，txy，tyx，tyy)

3)充電車位調(diào)度算法預(yù)優(yōu)化。

在真實(shí)城市中，電動(dòng)汽車前往充電站或充電樁進(jìn)行充電是最常規(guī)也是最便捷的充電手段。本算法主要用于調(diào)配需要充電的電動(dòng)汽車前往最適合的充電樁進(jìn)行充電，從而達(dá)到盡快滿足所有發(fā)出請(qǐng)求的電動(dòng)汽車的充電需求，并減少電動(dòng)汽車在路程上的損耗的目標(biāo)。本算法最重要的指標(biāo)是所有待充電汽車各自分別前往充電樁進(jìn)行充電的路程損耗時(shí)間的期望值，算法目的是盡量使這個(gè)期望值更低。

由于某處充電站或充電樁通常會(huì)有多個(gè)充電樁，且有的充電樁可以同時(shí)為多臺(tái)電動(dòng)汽車充電，所以在本章節(jié)中為待充電汽車分配的是實(shí)際的充電車位，而不是充電樁本身。

通常類似場(chǎng)景下，都是以車輛當(dāng)前位置前往充電樁的時(shí)間或距離作為評(píng)估標(biāo)準(zhǔn)。本發(fā)明采用真實(shí)路程損耗時(shí)間作為評(píng)估標(biāo)準(zhǔn)，即車主在發(fā)起充電請(qǐng)求時(shí)提供目的地，真實(shí)路程損耗時(shí)間為電動(dòng)汽車在前往目的地址的過程中前往充電樁進(jìn)行充電一次的最小時(shí)間減去電動(dòng)汽車直接前往目的地址的時(shí)間。

假設(shè)某電動(dòng)汽車在a點(diǎn)發(fā)出充電請(qǐng)求，其目的地為b點(diǎn)，c1與c2為兩個(gè)有空余車位的充電樁。假設(shè)此時(shí)同時(shí)需要調(diào)度的待充電汽車只有此電動(dòng)汽車一輛。若根據(jù)通常的調(diào)度規(guī)則，以電動(dòng)汽車當(dāng)前位置到充電樁的時(shí)間或距離來調(diào)度的話，電動(dòng)汽車到充電樁c1的距離遠(yuǎn)遠(yuǎn)小于到充電樁c2的距離，所以會(huì)調(diào)度前往充電樁c1進(jìn)行充電。但實(shí)際情況是，電動(dòng)汽車若前往充電樁c1進(jìn)行充電后再前往目的地b，會(huì)繞一段路，實(shí)際的路程損耗時(shí)間較大，而前往充電樁c2進(jìn)行充電的話，看似距離更遠(yuǎn)，但由于充電樁c2正好位于電動(dòng)汽車從a前往b的路徑之上，正好順路，幾乎沒有路程損耗時(shí)間，電動(dòng)汽車前往充電樁c2進(jìn)行充電明顯是更優(yōu)的選擇。

因此，在本算法中，考察電動(dòng)汽車與充電樁的距離時(shí)，采用真實(shí)路程損耗時(shí)間作為后續(xù)算法的評(píng)判基礎(chǔ)。例如，發(fā)出充電請(qǐng)求的電動(dòng)汽車位于a點(diǎn)，目的地是b點(diǎn)，可分配的充電車位位于ci點(diǎn)(有多個(gè))，t(a,b)表示從點(diǎn)a到點(diǎn)b所需要的時(shí)間，那么電動(dòng)汽車分別前往每個(gè)充電車位所需要的真實(shí)路程損耗時(shí)間為：ttrue＝t(a,ci)+t(ci,b)-t(a,b)。

通常類似場(chǎng)景下，電動(dòng)汽車一提出充電需求便進(jìn)行調(diào)度。本發(fā)明采用延遲調(diào)度機(jī)制，即在電動(dòng)汽車提出充電需求后，等待一段車主可接受的時(shí)間η(如1-2min)之后再將這段時(shí)間內(nèi)提出需求的所有電動(dòng)汽車進(jìn)行集體調(diào)度。

按通常的調(diào)度規(guī)則，為n輛電動(dòng)汽車調(diào)度的路程損耗時(shí)間期望為(toi為第i輛車的真實(shí)路程損耗時(shí)間)：如果采用延遲調(diào)度機(jī)制，則為n輛電動(dòng)汽車調(diào)度的路程損耗時(shí)間期望為tdi為第i輛車的真實(shí)路程損耗時(shí)間)：

η為一個(gè)很小的時(shí)間，若通過延遲調(diào)度機(jī)制能讓調(diào)度的總路程損耗時(shí)間大幅降低，即使∑tdi相比∑toi，明顯降低，則能大幅提高算法效率。在最壞的情況下，延遲調(diào)度和即時(shí)調(diào)度的結(jié)果一樣，延遲調(diào)度也只比即時(shí)調(diào)度的總路程損耗時(shí)間略多一些。

假設(shè)1號(hào)電動(dòng)汽車在地點(diǎn)a發(fā)出充電請(qǐng)求，目的地是地點(diǎn)b，稍后2號(hào)電動(dòng)汽車在地點(diǎn)c發(fā)出充電請(qǐng)求，目的地是地點(diǎn)d。位于e1和e2處的充電樁都有且僅有一個(gè)充電車位。如果采用即時(shí)調(diào)度的話，1號(hào)電動(dòng)汽車發(fā)出請(qǐng)求后，根據(jù)真實(shí)路程損耗時(shí)間調(diào)度到充電樁e2處進(jìn)行充電，稍后2號(hào)電動(dòng)汽車再發(fā)出充電請(qǐng)求，而此時(shí)可用的充電車位僅剩下位于充電樁e1處的充電車位，只能調(diào)度2號(hào)電動(dòng)汽車前往充電樁e1處進(jìn)行充電，但這樣的話，雖然1號(hào)電動(dòng)汽車的充電需求得到了最優(yōu)的解決，但2號(hào)電動(dòng)汽車會(huì)繞很遠(yuǎn)的路去充電樁e1進(jìn)行充電，從而導(dǎo)致兩輛電動(dòng)汽車的平均路程損耗時(shí)間較大。而如果采用延遲調(diào)度機(jī)制的話，兩輛電動(dòng)汽車發(fā)出充電請(qǐng)求后，各自等待一段時(shí)間再進(jìn)行集體調(diào)度，調(diào)度1號(hào)電動(dòng)汽車前往充電樁e1，2號(hào)電動(dòng)汽車前往充電樁e2進(jìn)行充電，可以使兩輛電動(dòng)汽車的平均路程損耗時(shí)間降低。

將一批發(fā)出充電請(qǐng)求的電動(dòng)汽車統(tǒng)一進(jìn)行集體調(diào)度的話，相比一有電動(dòng)汽車提出充電請(qǐng)求就馬上為其分配充電車位的話，雖然會(huì)增加少量的等待調(diào)度時(shí)間，但更容易得到總體上的最優(yōu)解決方案。

4)充電車位調(diào)度策略

①構(gòu)造二分圖和初始子圖

將n輛待充電汽車分配m個(gè)充電車位的問題轉(zhuǎn)化為有權(quán)二分圖的最小權(quán)值匹配問題。這里以n<＝m的情況為例，即每輛待充電汽車都能分配到一個(gè)充電車位的情況。分別計(jì)算出每輛待充電汽車前往每個(gè)充電車位的真實(shí)路程損耗時(shí)間v＝{v1，v2，...vn}，其中vi＝{ti1，ti2，...tim}(1<＝i<＝n)。tij為第i輛待充電汽車前往第j個(gè)充電車位所需要的路程損耗時(shí)間，vi為第i輛待充電汽車分別前往每個(gè)充電車位所需要的路程損耗時(shí)間的集合。建立二分圖g＝{x，y，e}，x，y為兩個(gè)頂點(diǎn)集合，x＝{x1，x2，...xn}，y＝{y1，y2，...ym}。xi到y(tǒng)j的邊權(quán)值為-tij(1<＝i<＝n，1<＝j(luò)<＝m)，e為上述所有邊的集合，eij＝-tij。

完成二分圖構(gòu)建之后，為每個(gè)頂點(diǎn)設(shè)定一個(gè)頂點(diǎn)篩選值，a＝{a1，a2，...an}為x頂點(diǎn)集合的頂點(diǎn)篩選值，b＝{b1，b2，...bm}為y頂點(diǎn)集合的頂點(diǎn)篩選值。在算法進(jìn)行的任何時(shí)刻都必須保證ai+bj>＝-tij。在為頂點(diǎn)篩選值設(shè)定初值時(shí)，為保證頂點(diǎn)篩選值初始值符合條件，ai＝max{-ti1，-ti2，...-tim}，bi＝0，同時(shí)為y集合的頂點(diǎn)再設(shè)定一個(gè)輔助篩選量c＝{c1，c2，...cm}，ci初始值為inf(一個(gè)足夠大的正整數(shù))。

構(gòu)建二分圖g的子圖g`＝{x，y，e`}，x與y兩個(gè)頂點(diǎn)集合不變，依次將頂點(diǎn)xi中大于或等于篩選值ai的邊篩選出來放入子圖的邊集e`中，接下來在子圖g`中尋找一個(gè)最大匹配(匹配的意思為找到一個(gè)邊的集合，且任意兩條邊都沒有公共頂點(diǎn))，此時(shí)為子圖g`包含匹配邊數(shù)最大的情況。設(shè)已匹配的邊集為m，則有|m|<＝|x|<＝|y|(n<＝m)。已匹配邊集m的初始化過程為，從x集合的第一個(gè)頂點(diǎn)開始，依次將每個(gè)頂點(diǎn)其所在的邊中選擇權(quán)值最大且邊的另一個(gè)頂點(diǎn)不是已匹配邊集m中任意一條邊的頂點(diǎn)的邊加入到m中，若某頂點(diǎn)沒有任何符合條件的邊，則先跳過此頂點(diǎn)。

②尋找增廣路徑

増廣路為從一個(gè)尚未匹配的頂點(diǎn)出發(fā)走交錯(cuò)路(從一個(gè)尚未匹配的頂點(diǎn)出發(fā)，依次經(jīng)過未匹配邊-匹配邊-未匹配邊......形成的路徑)，如果在走交錯(cuò)路的最終抵達(dá)了任意一個(gè)除出發(fā)頂點(diǎn)以外的未匹配頂點(diǎn)，則這條交錯(cuò)路就被稱作増廣路。對(duì)增廣路徑進(jìn)行取反操作，即將所有第奇數(shù)條邊(未匹配邊)加入到已匹配邊集m中，把所有第偶數(shù)條邊(匹配邊)從已匹配邊集m中刪除，得到的新匹配邊集m`，相比于原匹配邊集m，匹配邊數(shù)要多一條，即|m`|＝|m|+1。每次尋找到一條增廣路徑就可新增一個(gè)未匹配頂點(diǎn)，算法是通過進(jìn)行多次循環(huán)將x集合中的所有頂點(diǎn)都成為匹配邊集m中一條邊的頂點(diǎn)，則完成匹配。當(dāng)然，子圖g`也有可能無法讓所有x集合中的頂點(diǎn)都成為已匹配點(diǎn)，即子圖g`的最大匹配的邊數(shù)也小于x集合的頂點(diǎn)數(shù)(|m|<|x|)。為了能讓某未匹配頂點(diǎn)能夠匹配，需要放寬篩選的條件，將原圖g中的一條或多條邊添加到子圖g`中，從而能根據(jù)該未匹配點(diǎn)找到増廣路并將該未匹配點(diǎn)變?yōu)橐哑ヅ潼c(diǎn)。再如此循環(huán)，直到所有x集合中的頂點(diǎn)都成為已匹配點(diǎn)為止，此時(shí)|m|＝|x|。

例如，對(duì)于x集合某個(gè)頂點(diǎn)來說，找不到任何一條從它出發(fā)的増廣路，則無法將以其為端點(diǎn)的任何一條邊加入到邊集m中，該頂點(diǎn)將永遠(yuǎn)無法成為已匹配頂點(diǎn)。此時(shí)可以從該頂點(diǎn)出發(fā)，用尋找交錯(cuò)路的方法來構(gòu)建一棵交錯(cuò)樹，其葉子頂點(diǎn)均在x集合中。此時(shí)將交錯(cuò)樹中的所有在x集合中的頂點(diǎn)的篩選值ai全部減少某個(gè)值f，交錯(cuò)樹中所有在y集合中的頂點(diǎn)的篩選值bj全部增加同一個(gè)值f。這樣的話，對(duì)于x端在交錯(cuò)樹中而y端不在交錯(cuò)樹中的邊[i,j]來說，它的ai+bj的值會(huì)減少，從而它將有可能被添加到子圖g`中。

f的取值需要用到輔助y集合頂點(diǎn)的輔助篩選量集合c。在每次對(duì)某個(gè)頂點(diǎn)尋找增廣路徑之前，先將集合中所有輔助篩選量cj都重置為inf(對(duì)于同一個(gè)頂點(diǎn)來說，只有第一次尋找增廣路徑前才進(jìn)行重置)。然后在上述用bfs尋找増廣路徑的過程中，會(huì)依次對(duì)每條邊進(jìn)行檢查，此時(shí)，如果某條邊[i,j]不在子圖g`中，則修改cj，使cj＝min(cj，ai+bj+-eij)。在修改篩選值時(shí)，取所有不在交錯(cuò)樹中的y頂點(diǎn)的輔助篩選量中的最小值為f，同時(shí)將這些頂點(diǎn)的輔助篩選量都減去f。

修改篩選值之后，將所有符合新篩選值條件的邊加入到子圖g`中(即eij<xi)，再繼續(xù)對(duì)該未匹配頂點(diǎn)尋找增廣路徑，若依舊不能找到增廣路徑，則繼續(xù)修改篩選值，添加新的邊，直到能找到增廣路徑為止。在本例中，由于原圖是完全二分圖，所以最壞的情況下，將所有以該頂點(diǎn)為端點(diǎn)的邊都加入到子圖g`中時(shí)，也必定能存在增廣路徑。若能夠找到增廣路徑，則繼續(xù)對(duì)下一個(gè)x集合中的未匹配頂點(diǎn)進(jìn)行上述操作，直到所有頂點(diǎn)都完成匹配為止。

當(dāng)x集合中的所有頂點(diǎn)都已匹配之后，根據(jù)已匹配邊集m來進(jìn)行充電車位調(diào)度。若m集合中存在邊[i,j]，則為號(hào)碼為i的電動(dòng)汽車分配號(hào)碼為j的充電車位。

5)充電專車調(diào)度算法

在進(jìn)行算法之前，將用戶用車的緊急程度分為幾個(gè)等級(jí)，為每一個(gè)等級(jí)設(shè)定一個(gè)超時(shí)懲罰時(shí)間dt和懲罰系數(shù)μ。使用戶可根據(jù)自身需要充電的緊迫程度來選擇不同充電緊急等級(jí)。

①首先，由于各種充電專車都是從充電站出發(fā)且最終返回充電站的，所以按充電站的位置對(duì)城市進(jìn)行分區(qū)，每個(gè)充電站分配的具體區(qū)域大小跟充電站的規(guī)模(即擁有充電專車的數(shù)量)以及區(qū)域的車流量來決定。

②接來下是算法所需數(shù)據(jù)的初始化過程。每隔一定時(shí)間間隔t，充電站檢測(cè)一次自己區(qū)域內(nèi)的所有充電需求，包括每輛待充電的位置p＝{p1，p2，...，pn}和它們的充電緊急程度e＝{e1，e2，...，en}。根據(jù)位置集合p算出二維上三角矩陣d[n+1][n+1]。其中d0i表示充電站到第i輛電動(dòng)汽車位置所需的時(shí)間，dij表示第i輛電動(dòng)汽車位置到第j輛電動(dòng)汽車位置所需的時(shí)間(0<i<j<＝n)。令初始溫度為一足夠大的數(shù)t0和每個(gè)t值的迭代次數(shù)l。再用貪心算法得到初始解狀態(tài)s，即從充電站開始，找到離充電站最近的i號(hào)待充電汽車放到充電隊(duì)列中，再找離i號(hào)待充電汽車最近的第j號(hào)待充電汽車放到充電隊(duì)列中，依次類推，已經(jīng)加入到充電隊(duì)列的待充電汽車不再進(jìn)行計(jì)算，直到所有的待充電汽車都加入到充電隊(duì)列位置，由此得到的n個(gè)待充電汽車的號(hào)碼所組成的有序隊(duì)列即初始狀態(tài)解s，如s＝{3,1,2}，則表示有3輛待充電汽車，充電專車從充電站出發(fā)，先前往3號(hào)待充電汽車處為其充電，再依次前往1號(hào)和2號(hào)待充電汽車處進(jìn)行充電，最后再返回充電站。

③對(duì)于每個(gè)溫度t開始進(jìn)行l(wèi)次循環(huán)，每次循環(huán)隨機(jī)產(chǎn)生一個(gè)新解，本發(fā)明采用隨機(jī)交換法產(chǎn)生新解，即將原解s中排在第i位的電動(dòng)汽車與第j位的電動(dòng)汽車交換次序(i，j為小于等于n的隨機(jī)正整數(shù))得到新解s`。解的評(píng)價(jià)函數(shù)為：

c(s)＝k*(∑max(0,ti-dti)*μi)

其中，ti，dti和μi分別為第i輛待充電汽車需要等待的時(shí)間，充電緊急程度對(duì)應(yīng)的超時(shí)等待時(shí)間和超時(shí)懲罰因子，k為常數(shù)系數(shù)。c(s)越小則表示算法性能越好。若c(s`)<c(s)，則接受新解s`作為當(dāng)前解。若c(s`)>c(s)，則以exp[-(c(s`)-c(s))/t]的概率來接受新解。接受新解的話s＝s`，否則s不變，繼續(xù)下一次循環(huán)。

在當(dāng)前溫度進(jìn)行完l次循環(huán)后，開始降溫，本發(fā)明采用線性降溫函數(shù)，設(shè)降溫總次數(shù)為k次，則第k次的溫度t＝(k-k)/k*t0。再對(duì)新溫度進(jìn)行l(wèi)次循環(huán)。直到達(dá)到算法終止條件或t降為0為止。

為了優(yōu)化算法效率，盡可能在不影響精度的情況下減少迭代次數(shù)，本發(fā)明采用閾值終止條件，即通過實(shí)驗(yàn)找到一個(gè)實(shí)驗(yàn)結(jié)果基本收斂時(shí)的溫度，并在此溫度下中止算法，減少算法運(yùn)行時(shí)間。

6)性能評(píng)價(jià)

對(duì)于充電車位調(diào)度算法和充電專車調(diào)度算法，本發(fā)明分別采取不同的評(píng)價(jià)指標(biāo)。充電車位調(diào)度算法的評(píng)價(jià)指標(biāo)如下：電動(dòng)汽車平均真實(shí)路程損耗時(shí)間，電動(dòng)汽車平均最優(yōu)調(diào)度差。充電專車調(diào)度算法的評(píng)價(jià)指標(biāo)如下：算法的運(yùn)行時(shí)間，電動(dòng)汽車平均等待時(shí)間，電動(dòng)汽車等待系數(shù)和。

如圖2所示，采用二分圖最大權(quán)值匹配相比于傳統(tǒng)的貪心算法，可以有效地降低待充電汽車的真實(shí)路程損耗時(shí)間以及平均最優(yōu)調(diào)度差，性能具有顯著提升。

如圖3所示，模擬退火算法相比于貪心算法，可以明顯降低等待系數(shù)和，且進(jìn)行尾部?jī)?yōu)化后，等待系數(shù)和只是略高一些。如圖3所示，尾部?jī)?yōu)化的模擬退火算法得到的待充電汽車平均等待時(shí)間略大于模擬退火算法，而貪心算法可以取得明顯更低的待充電汽車平均等待時(shí)間。但是等待系數(shù)和能比平均等待時(shí)間更好的反應(yīng)出用戶的滿意程度，相較而言，尾部?jī)?yōu)化的模擬退火算法能取得更好的性能。