武翔宇

（中汽信息科技（天津）有限公司,天津 300000）

主題詞：節(jié)能 路徑規(guī)劃 運(yùn)行分析 能耗最優(yōu)

1 前言

當(dāng)前環(huán)境和能源問(wèn)題日益嚴(yán)重，道路交通出行是能源消耗和污染的重要源頭，電動(dòng)汽車(chē)成為推動(dòng)交通節(jié)能減排的重要途徑。但是，純電動(dòng)汽車(chē)在使用中面臨如下4種情況：

（1）不同交通條件下行駛特性差異大；

（2）車(chē)輛運(yùn)行狀態(tài)和電池特性有很大關(guān)聯(lián)；

（3）駕駛者駕駛習(xí)慣以及充電習(xí)慣不同；

（4）充電設(shè)施部署較少，需要提前預(yù)估當(dāng)前電量能否支撐到達(dá)目的地。

針對(duì)這些問(wèn)題，本文研究結(jié)合天津市運(yùn)行的純電動(dòng)汽車(chē)數(shù)據(jù)、GPS軌跡信息以及維基世界地圖（Open Street Map，OSM）路網(wǎng)數(shù)據(jù)（表1），對(duì)道路擁堵?tīng)顩r的時(shí)變性、方向性，車(chē)輛運(yùn)行狀態(tài)電池特性，充電樁位置分布，制定路況模型和電動(dòng)汽車(chē)充放電模型，最終達(dá)到基于路況的節(jié)能動(dòng)態(tài)路徑規(guī)劃，以實(shí)現(xiàn)電耗最低、出行效率最高的目標(biāo)。

表1 數(shù)據(jù)類(lèi)別以及用途介紹

本文從路況獲取、電耗影響分析、路徑規(guī)劃3部分開(kāi)展研究。其中，路況獲取通過(guò)數(shù)據(jù)處理得到時(shí)變路況；電耗影響分析通過(guò)提取篩選特征、借助機(jī)器學(xué)習(xí)方法得到單位里程電動(dòng)汽車(chē)電耗的預(yù)測(cè)模型；路徑規(guī)劃模型，以耦合時(shí)間、溫度、路況等影響電耗為代價(jià)函數(shù)，憑借路徑規(guī)劃算法進(jìn)行純電動(dòng)汽車(chē)的路徑規(guī)劃（圖1）。

圖1 整體研究思路

2 道路狀況獲取

道路狀況獲取主要通過(guò)數(shù)據(jù)處理（如數(shù)據(jù)預(yù)處理、地圖網(wǎng)格化、路況計(jì)算匹配），分析得到時(shí)變路況。相同道路在不同時(shí)間段道路交通特性變化大，尤其在上班高峰以及平峰階段。

2.1 數(shù)據(jù)介紹以及預(yù)處理

首先，對(duì)獲取的車(chē)輛運(yùn)行數(shù)據(jù)、GPS軌跡信息以及OSM路網(wǎng)數(shù)據(jù)進(jìn)行清洗，主要包括：

（1）異常值、重復(fù)值、空值數(shù)據(jù)去除。

（2）不同行程開(kāi)始、結(jié)束連接處數(shù)據(jù)去除。例如：純電動(dòng)網(wǎng)約車(chē)在客人上車(chē)以及下車(chē)時(shí)會(huì)短暫停車(chē)并且發(fā)生加減速，這時(shí)會(huì)對(duì)路段阻抗計(jì)算產(chǎn)生干擾。針對(duì)這種情況會(huì)讀取車(chē)輛狀態(tài)、識(shí)別上車(chē)、下車(chē)停車(chē)點(diǎn)刪除停車(chē)以及鄰近點(diǎn)的數(shù)據(jù)。

（3）停車(chē)數(shù)據(jù)去除。由于實(shí)際用車(chē)過(guò)程中存在某點(diǎn)停車(chē)時(shí)間過(guò)長(zhǎng)，針對(duì)這部分?jǐn)?shù)據(jù)將軌跡點(diǎn)按照時(shí)間排列并計(jì)算軌跡點(diǎn)停留時(shí)間，最終通過(guò)閾值判斷是否去除。

（4）數(shù)據(jù)補(bǔ)充。增加天津市天氣數(shù)據(jù)。數(shù)據(jù)處理詳細(xì)流程見(jiàn)圖2。

圖2 數(shù)據(jù)處理流程

2.1.1 電動(dòng)汽車(chē)運(yùn)行數(shù)據(jù)處理

首先，將運(yùn)行數(shù)據(jù)投影到OSM路網(wǎng)結(jié)構(gòu)上。然后，分析車(chē)輛從某一個(gè)網(wǎng)格行駛一定距離到網(wǎng)格為片段進(jìn)行重構(gòu)，對(duì)重構(gòu)的片段采取切片處理[1]。最后，通過(guò)提取片段相同特征的數(shù)據(jù)，設(shè)計(jì)上下值并進(jìn)行歸一化處理，并選擇對(duì)應(yīng)的特征進(jìn)行訓(xùn)練。數(shù)據(jù)降維加快模型訓(xùn)練，防止數(shù)據(jù)過(guò)擬合（圖3、圖4）。

圖3 行車(chē)軌跡

圖4 軌跡投影到路網(wǎng)結(jié)構(gòu)

路徑重構(gòu)切片后結(jié)合當(dāng)前路徑的行駛里程和SOC構(gòu)建路況特征值（圖5、圖6）。

圖5 路徑4的行駛里程

圖6 路徑4的SOC變化

通過(guò)以上方法整合所有路徑的特征值，通過(guò)算法線(xiàn)性回歸、L1正則化、L2正則化、隨機(jī)森林[2]，選擇遞歸特征消除算法（Recursive Feature Elimination，RFE）結(jié)果大于0.3的特征進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果見(jiàn)表2。

表2 訓(xùn)練結(jié)果

2.1.2 GPS數(shù)據(jù)處理

對(duì)存在GPS偏差或者漂移的GPS觀(guān)測(cè)點(diǎn)，通過(guò)地圖匹配算法調(diào)整到路網(wǎng)上[3]，具體做法是：

（1）將路段生成40 m的緩沖區(qū)；

（2）篩選緩沖區(qū)內(nèi)的軌跡點(diǎn)；

（3）將位于緩沖區(qū)的車(chē)輛匹配到路段。

GPS數(shù)據(jù)處理示意見(jiàn)圖7。

圖7 GPS數(shù)據(jù)處理示意

將車(chē)輛的GPS數(shù)據(jù)篩選出子集數(shù)據(jù)、去0值、去空值、去孤立點(diǎn)、短空缺處差值處理，處理后結(jié)果如圖8所示。

圖8 基于維基地圖的數(shù)據(jù)處理后的GPS位置點(diǎn)

2.2 路網(wǎng)交通模型建立

通過(guò)道路平均時(shí)速和擁堵指數(shù)表征路網(wǎng)交通模型。本模型構(gòu)建的地圖路網(wǎng)數(shù)據(jù)經(jīng)過(guò)用戶(hù)可能面臨駕駛場(chǎng)景的測(cè)試，驗(yàn)證了模型包含的要素信息，精確地表達(dá)了路網(wǎng)厘米級(jí)三維表征，為車(chē)輛的預(yù)判和安全行駛提供了有效保障。

2.2.1 道路平均時(shí)速統(tǒng)計(jì)

根據(jù)已有路段平均時(shí)速計(jì)算，并且分方向、分時(shí)段統(tǒng)計(jì)道路平均速度。然后，將數(shù)據(jù)重構(gòu)切片，將車(chē)速為0的數(shù)據(jù)去掉，處理后結(jié)果參見(jiàn)表3和圖9。

表3 數(shù)據(jù)重構(gòu)切片

圖9 基于維基地圖的不同時(shí)刻劃分軌跡聚合

同一道路不同方向的交通狀況可能差異較大，需要對(duì)雙向車(chē)道的路段分方向分別計(jì)算。

構(gòu)建分方向的路段連接表。路段1、2是單向車(chē)道，車(chē)道編號(hào)只有一個(gè)。路段3、4是雙向車(chē)道，車(chē)道編號(hào)有2個(gè)，依次類(lèi)推4向車(chē)道編號(hào)就有4個(gè)車(chē)道編號(hào)，按照此規(guī)律計(jì)算車(chē)輛軌跡點(diǎn)坐標(biāo)差值確認(rèn)行車(chē)方向以及車(chē)輛，將數(shù)據(jù)投影到相應(yīng)路段。平均行程車(chē)速的計(jì)算公式如式（1）。

式中，Vthi表示車(chē)h在t時(shí)刻在路段i上的平均行程車(chē)速；Lthi表示車(chē)h在t時(shí)刻在路段i上的行駛距離；Tthi表示車(chē)h在t時(shí)刻在路段i上的行駛時(shí)間。

考慮到同一路段相鄰時(shí)刻交通狀況較為相似，優(yōu)先使用后一鄰近時(shí)刻的速度填充。如某路段全體時(shí)刻均無(wú)數(shù)據(jù)則計(jì)算該時(shí)刻相同等級(jí)道路速度的平均值以及方差，根據(jù)正態(tài)分布得到該路段的速度。

2.2.2 道路交通擁堵表征模型

道路擁堵指數(shù)是根據(jù)道路通信情況，設(shè)置的綜合反應(yīng)道路網(wǎng)暢通或擁堵的概念性數(shù)值，相當(dāng)于把擁堵情況數(shù)字化（圖10）。

圖10 道路交通擁堵表征

交通擁堵指數(shù)（Tralfic Rerformance Index,TPI）的計(jì)算公式：

式中，ITPI為交通擁堵指數(shù)；Vi為該路段自由流速；v為車(chē)輛運(yùn)行速度。

3 汽車(chē)充耗電模型

計(jì)算新能源汽車(chē)路段平均消耗電量時(shí)，首先將數(shù)據(jù)預(yù)處理，去掉空值、異常值數(shù)據(jù)。其次，針對(duì)不同狀態(tài)的車(chē)輛進(jìn)行分類(lèi)，包括啟動(dòng)狀態(tài)、行駛狀態(tài)、充電狀態(tài)，電流數(shù)據(jù)為正值表示能量輸出。統(tǒng)計(jì)相同路段不同車(chē)輛行駛的能耗信息計(jì)算出該路段平均電量消耗值[4]。車(chē)輛路段平均電耗計(jì)算過(guò)程示意如圖11，并以此為基礎(chǔ)得到天津市所有路段的平均電耗地圖。

圖11 車(chē)輛路段平均電耗計(jì)算

從充電吧等第3方充電樁企業(yè)得到天津市所有充電樁數(shù)據(jù)，將位置可視化展示在地圖上。

4 路徑規(guī)劃模型構(gòu)建

路徑規(guī)劃研究基于時(shí)間和能耗2個(gè)維度構(gòu)建，算法設(shè)計(jì)標(biāo)號(hào)修改和標(biāo)號(hào)設(shè)計(jì)算法相結(jié)合的兩階段動(dòng)態(tài)規(guī)算法，整體思路見(jiàn)圖12。

圖12 路徑規(guī)劃模型構(gòu)建思路

4.1 模型構(gòu)建

基于能耗混合整數(shù)規(guī)劃模型的構(gòu)建思路是汽車(chē)行駛電量在不同行駛路線(xiàn)下的消耗問(wèn)題，分析約束條件、建立模型。設(shè)計(jì)汽車(chē)電耗算法和優(yōu)化的規(guī)則。

模型1：從出發(fā)起點(diǎn)s到終點(diǎn)e的最低能耗模型，最小化總行程能耗如式（3）。

式中，Bse（Z）表示出發(fā)點(diǎn)s到終點(diǎn)e行程能耗；Zij表示路段ij平均電耗；bij表示路段ij的道路擁堵指數(shù)?；谀芎牡幕旌险麛?shù)規(guī)劃模型如式（4）。

模型2：確定出行起點(diǎn)到出行終點(diǎn)d的時(shí)間最短模型[5]，最小化總行程時(shí)間，如式（5）。

式中，T（c）表示出發(fā)點(diǎn)s到終點(diǎn)d的時(shí)間；tij表示路段ij的平均時(shí)間；bij表示路段ij的道路擁堵指數(shù)?；跁r(shí)間的混合整數(shù)規(guī)劃模型如式（6）。

4.2 算法設(shè)計(jì)

基于時(shí)間的混合整數(shù)規(guī)劃模型的構(gòu)建思路是汽車(chē)行駛時(shí)間在不同行駛路線(xiàn)下的消耗問(wèn)題,分析約束條件、建立模型。設(shè)計(jì)汽車(chē)耗時(shí)算法和優(yōu)化的規(guī)則。

算法1表示出行終點(diǎn)d到最近的充電節(jié)點(diǎn)的標(biāo)號(hào)設(shè)定算法[6]，詳細(xì)設(shè)計(jì)步驟如下：

第1步：初始化操作

設(shè)置節(jié)點(diǎn)初始標(biāo)號(hào)：

設(shè)置永久標(biāo)號(hào)集合：M={ }，臨時(shí)標(biāo)號(hào)集合N={r}，式中，er表示充電路段r；ei表示充電路段i；ej表示充電路段j；eL+eLj表示充電路段L+Lj。

第2步：標(biāo)號(hào)修改

選出節(jié)點(diǎn)：

搜索所有與節(jié)點(diǎn)L相連的節(jié)點(diǎn)，按下述條件修改標(biāo)號(hào)：

將節(jié)點(diǎn)L的標(biāo)號(hào)加入集合M，節(jié)點(diǎn)j加入集合N。

第3步：終止判斷若|N|=0，算法終止，否則返回第2步。

算法2：出行起點(diǎn)o到出行終點(diǎn)d出雙標(biāo)號(hào)雙準(zhǔn)則標(biāo)號(hào)修改算法，詳細(xì)設(shè)計(jì)步驟如下：

第1步：節(jié)點(diǎn)標(biāo)號(hào)初始化

設(shè)置節(jié)點(diǎn)初始標(biāo)號(hào)：

式中，Lr表示行駛路段r；Li表示行駛路段i；Lk表示行駛路段k；Lj表示行駛路段j。

設(shè)置初始標(biāo)號(hào)隊(duì)列：S：={r}

第2步：標(biāo)號(hào)修改

若fk+tij≤tk，ek+vij≤ej且至少有一個(gè)不取等號(hào)，則更新標(biāo)號(hào)：

若fk+tij≥tk，ek+vij≥ej,j則不需要更新標(biāo)號(hào)；

若是其它情況，則為節(jié)點(diǎn)j增加標(biāo)號(hào)，且將標(biāo)號(hào)j加入到隊(duì)列Q中式中，fk表示k路段消耗電量，tk表示k路段消耗時(shí)間

第3步：算法終止判斷若|S|=0算法終止，否則，返回第2步[7]。

5 實(shí)測(cè)結(jié)果

基于2個(gè)決策來(lái)判定，分別是在當(dāng)前電量狀態(tài)下能否到達(dá)目的地、在行駛途中的充電選擇（充電點(diǎn)和充電量），截取車(chē)輛數(shù)據(jù)（采集ID:2326）新能源汽車(chē)（早晚高峰、平日）的行駛數(shù)據(jù)[8]。其次，車(chē)輛行駛場(chǎng)景定義4種分別為：

場(chǎng)景1：充電+使用+行程結(jié)束；

場(chǎng)景2：充電+使用+充電+行程結(jié)束；

場(chǎng)景3：使用+行程結(jié)束；

場(chǎng)景4：使用+充電+行程結(jié)束。

最終得到求解行駛路徑特征值如表4，綜合優(yōu)化求解路徑如圖13。

圖13 基于維基地圖求解結(jié)果

表4 求解行駛路徑特征值

不同車(chē)輛（ID 2326、3824）在3個(gè)時(shí)段的優(yōu)化結(jié)果與實(shí)際路徑能耗對(duì)比如圖14、圖15。

圖14 ID2326優(yōu)化結(jié)果對(duì)比

圖15 ID3824優(yōu)化結(jié)果對(duì)比

通過(guò)結(jié)果優(yōu)化比較得出如下結(jié)論：

（1）2326號(hào)車(chē)輛在早高峰能耗節(jié)省15%，平峰能耗節(jié)省10%，晚高峰能耗節(jié)省36%。平均能耗優(yōu)化率23%。

（2）3824號(hào)車(chē)輛在早高峰能耗節(jié)省9.3%，平峰能耗節(jié)省10.1%，晚高峰能耗節(jié)省12.3%。平均能耗優(yōu)化率11.2%。

最終按照上述方法統(tǒng)計(jì)所有車(chē)輛的平均能耗優(yōu)化率，最終得到能耗優(yōu)化平均值10.2%。

6 總結(jié)與展望

本文確定基于交通信息影響下的電動(dòng)汽車(chē)路徑規(guī)劃研究路線(xiàn)，設(shè)計(jì)了基于定位數(shù)據(jù)以及電動(dòng)車(chē)運(yùn)行數(shù)據(jù)的預(yù)處理模型，通過(guò)網(wǎng)格劃分建立交通路網(wǎng)拓?fù)洌鳛楂@取路況及路徑規(guī)劃的數(shù)據(jù)基礎(chǔ)包括：建立電動(dòng)汽車(chē)能耗模型預(yù)測(cè)、建立電動(dòng)汽車(chē)路徑規(guī)劃模型。

主要?jiǎng)?chuàng)新點(diǎn)包括建模方面建立充電行駛階段路徑規(guī)劃模型、制定時(shí)間和電耗雙準(zhǔn)則優(yōu)化目標(biāo)。算法方面針對(duì)兩階段模型開(kāi)發(fā)出標(biāo)號(hào)修改與設(shè)定的兩階動(dòng)態(tài)算法，為路徑選擇和充電決策提供依據(jù)。