本發(fā)明涉及路徑規(guī)劃，特別涉及一種移動電源配送路徑的規(guī)劃方法、系統(tǒng)、設備和介質(zhì)。

背景技術：

1、隨著電動汽車(ev)的普及，配套的充電設施成為城市基礎設施的重要組成部分。然而，由于電動汽車的續(xù)駛里程限制、充電時間長以及充電設施分布不均等問題，電動汽車的充電問題成為制約其進一步發(fā)展的瓶頸之一。特別是在電動汽車充電的高峰時段和繁忙區(qū)域，充電設施的供需矛盾尤為突出。

2、目前，現(xiàn)有的移動電源配送策略大多基于靜態(tài)規(guī)劃，即根據(jù)歷史數(shù)據(jù)和經(jīng)驗預測進行充電站點的布局規(guī)劃。其具體過程包括：進行需求分析與預測，確定充電設施的目標區(qū)域和數(shù)量。通過地理信息系統(tǒng)(gis)等工具，結合交通網(wǎng)絡、電力供應等要素制定靜態(tài)的配送路線和布局規(guī)劃。配送階段采用直接配送方式，利用物流管理系統(tǒng)實時監(jiān)控配送進度，直至抵達目標配送點。

3、上述技術存在的缺陷是：無法響應動態(tài)變化的充電需求和交通狀況，導致規(guī)劃結果不夠優(yōu)化，充電效率低下。

技術實現(xiàn)思路

1、基于此，有必要針對上述技術問題，提供一種移動電源配送路徑的規(guī)劃方法、系統(tǒng)、設備和介質(zhì)。

2、本發(fā)明實施例提供一種移動電源配送路徑的規(guī)劃方法，包括：

3、獲取發(fā)起充電請求的電動汽車的歷史充電記錄和所處道路的實時交通數(shù)據(jù)，并收集該電動汽車附近移動電源的位置信息；

4、綜合發(fā)起充電請求的電動汽車的歷史充電記錄和當前道路位置信息，以確定該電動汽車的應急充電時刻；

5、將發(fā)起充電請求的電動汽車的應急充電時刻、其附近移動電源的位置以及實時交通數(shù)據(jù)進行結合分析，以確定該電動汽車的優(yōu)先級和移動電源送達的規(guī)定時間區(qū)間；

6、根據(jù)已確定的電動汽車優(yōu)先級和移動電源送達的規(guī)定時間區(qū)間，利用遺傳算法來初步確定移動電源的配送路線，通過floyd算法對初步確定的配送路線進行優(yōu)化更新，以得到移動電源配送路線的最優(yōu)解；

7、根據(jù)移動電源配送路線的最優(yōu)解，制定規(guī)劃策略，規(guī)劃策略包括車輛調(diào)度和具體的配送路徑。

8、可選地，獲取所處道路的實時交通數(shù)據(jù)，其具體包括：

9、通過路網(wǎng)結構獲取道路幾何信息、等級特性和交叉口布局；

10、實時采集反映道路通行狀況的交通流信息，交通流信息包括車流量、車速和交通密度；

11、根據(jù)交通流信息確定發(fā)起充電請求的電動汽車所處道路的實時交通數(shù)據(jù)。

12、可選地，收集該電動汽車附近移動電源的位置信息，具體包括：

13、通過訪問公開的地理信息數(shù)據(jù)庫，利用數(shù)據(jù)檢索和解析機制，收集發(fā)起充電請求的電動汽車周圍充電站的地理位置信息；

14、實時獲取充電站中各充電樁的當前狀態(tài)信息，實時更新發(fā)起充電請求的電動汽車周圍移動電源的信息。

15、可選地，確定該電動汽車的應急充電時刻，其具體包括：

16、根據(jù)發(fā)起充電請求的電動汽車當前行程的剩余電量soc進行判斷，當剩余電量soc小于設定閾值時，判定為需要充電；當soc值大于設定閾值且停車時長大于設定周期時，判定為存在潛在的充電需求；

17、將剩余電量soc輸入到行程能耗預測模型中，得到下一段行程的起始剩余電量；判斷下一行程的起始剩余電量是否小于0，當起始剩余電量小于0時判定其為需要充電，反之判定為不需要充電；

18、根據(jù)發(fā)起充電請求的電動汽車的歷史充電記錄和當前道路位置信息，預測行程所需電量，如果預測結果為剩余電量soc不足以完成行程，則需進行應急充電，將該時刻作為應急充電時刻。

19、可選地，確定該電動汽車的優(yōu)先級和移動電源送達的規(guī)定時間區(qū)間，其具體包括：

20、獲取兩個發(fā)起充電請求的電動汽車所對應的節(jié)點i和節(jié)點j；

21、根據(jù)車輛位置的經(jīng)緯度信息和兩個請求所在城市的城市街道信息，確定出節(jié)點i與節(jié)點j之間的運輸距離，并結合配送車輛正常的行駛速度，確定運輸時間；

22、以最短行駛路徑從節(jié)點i行駛到節(jié)點j，確定配送車輛l從節(jié)點i到節(jié)點j的行駛時間；配送車輛l在t'il時刻離開節(jié)點i，以行駛速度v(t'il)＝v(tm)行駛至tm時刻；配送車輛在[tm-1,tm]內(nèi)的行駛時間tm-1,m＝tm-t'il；配送車輛在tm時刻開始以v(tm+1)的速度前進，直至tm+1時刻，此時配送車輛在[tm,tm+1]內(nèi)的行駛時間tm,m+1＝tm+1-tm；

23、配送車輛在[tk-1,tk]時間區(qū)間的行駛時間用該時間段的行駛距離與該時間段的行駛速度之比來表示，表達式如下所示：

24、

25、其中，t為行駛時間，v為行駛速度，t為時刻，dij為節(jié)點i到節(jié)點j的行駛距離，t'il為配送車輛l離開節(jié)點i的時刻，ti-1,i為配送車輛在[ti-1,ti]內(nèi)的行駛時間，[ti-1,ti]為ti-1到ti的時間段，m和k為形式參數(shù)，i和j為節(jié)點的形式參數(shù)。

26、可選地，利用遺傳算法來初步確定移動電源的配送路線，其具體包括：

27、總運輸費用c0可表示為：

28、

29、p為配送點可使用的配送車輛數(shù)目，q為車輛l所配送的配送點數(shù)量，dij為節(jié)點i到節(jié)點j的距離，c為單位運輸成本；

30、每臺車上所配送的總配送量不超過配送車輛的最大載重量，車輛負載量約束具體公式為：

31、

32、gi為節(jié)點i的需求量，gl為配送該車輛l的載重量；

33、在配送過程中，一臺配送車輛給多個配送點進行配送，每個配送點只有一臺配送車輛進行配送，配送車輛約束具體公式為：

34、

35、配送車輛所配送的配送點數(shù)量小于總的配送點數(shù)量，配送點數(shù)量約束具體公式為：

36、

37、每臺配送車輛都必須從配送點出發(fā)每次配送活動結束后配送車輛必須回到配送點

38、其中，表示配送車輛l是否從節(jié)點i到節(jié)點j，表示配送車輛l是否從節(jié)點i到配送點集合，表示配送車輛l是否從節(jié)點j配送點集合，n＝{n+1,n+2,...,n+m}為用戶集合，l＝{1,2,...,l}為配送車輛集合，d＝{1,2,...,n}為配送點集合，g＝{n+m+1,...,n+m+g}為配送車輛充電中心集合。

39、可選地，通過floyd算法對初步確定的配送路線進行優(yōu)化更新，包括：

40、在每個配送區(qū)域內(nèi)，將每個網(wǎng)點、每個交叉路口分別作為一個節(jié)點，計算任意兩個節(jié)點之間路段的權重；

41、利用floyd算法確定任意兩個網(wǎng)點之間的最短路徑，再將最短路徑組合，形成多條配送路徑；

42、將每條配送路徑中所有路段的權重和按照從小到大的順序進行排列，選擇其中權重和最小的配送路徑為移動電源配送路線的最優(yōu)解。

43、本發(fā)明實施例還提供一種移動電源配送路徑的規(guī)劃系統(tǒng)，包括：

44、數(shù)據(jù)采集模塊，用于獲取發(fā)起充電請求的電動汽車的歷史充電記錄和所處道路的實時交通數(shù)據(jù)，并收集該電動汽車附近移動電源的位置信息；

45、用戶端服務模塊，用于綜合發(fā)起充電請求的電動汽車的歷史充電記錄和當前道路位置信息，以確定該電動汽車的應急充電時刻；

46、分析模塊，用于將發(fā)起充電請求的電動汽車的應急充電時刻、其附近移動電源的位置以及實時交通數(shù)據(jù)進行結合分析，以確定該電動汽車的優(yōu)先級和移動電源送達的規(guī)定時間區(qū)間；

47、路線模塊，用于根據(jù)已確定的電動汽車優(yōu)先級和移動電源送達的規(guī)定時間區(qū)間，利用遺傳算法來初步確定移動電源的配送路線，通過floyd算法對初步確定的配送路線進行優(yōu)化更新，以得到移動電源配送路線的最優(yōu)解；

48、路徑規(guī)劃模塊，用于根據(jù)移動電源配送路線的最優(yōu)解，制定規(guī)劃策略，規(guī)劃策略包括車輛調(diào)度和具體的配送路徑。

49、本發(fā)明實施例還提供一種計算機設備，包括存儲器和處理器，存儲器中存儲有計算機程序，處理器執(zhí)行計算機程序時實現(xiàn)移動電源配送路徑的規(guī)劃方法的步驟。

50、本發(fā)明實施例還提供一種存儲介質(zhì)，其上存儲有計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)移動電源配送路徑的規(guī)劃方法的步驟。

51、本發(fā)明實施例提供的上述一種移動電源配送路徑的規(guī)劃方法、系統(tǒng)、設備和介質(zhì)，與現(xiàn)有技術相比，其有益效果如下：

52、本發(fā)明通過綜合考慮發(fā)起充電請求的電動汽車的應急充電時刻、其周邊移動電源的具體位置以及實時的交通數(shù)據(jù)，實現(xiàn)了對動態(tài)變化的充電需求和復雜交通狀況的精準響應。為了高效滿足電動汽車的應急充電需求，首先依據(jù)電動汽車的優(yōu)先級和移動電源送達的預定時間范圍，運用遺傳算法初步規(guī)劃出移動電源的配送路線。在此基礎上，進一步采用floyd算法對初步規(guī)劃的配送路線進行深度優(yōu)化和迭代更新，力求找到配送路線的最優(yōu)解。

53、這不僅顯著提升了應急移動電源的配送效率，有效縮短了配送時間和成本，還極大地增強了電動汽車的充電可靠性和使用便捷性。通過智能化的配送路線規(guī)劃，使得電動汽車應急移動電源的配送過程更加自動化和智能化，為電動汽車用戶提供了更加貼心和高效的充電服務，推動了電動汽車行業(yè)的可持續(xù)發(fā)展。