朱家軒

摘要：如今越來(lái)越多的人興趣購(gòu)買電動(dòng)汽車，可能是因?yàn)殡娏Ρ绕秃筒裼捅阋?，這也是其中一個(gè)原因。汽車共享和乘車共享服務(wù)，自動(dòng)駕駛汽車，電動(dòng)汽車快速電池更換站，飛行汽車和Hyperloop等新技術(shù)肯定會(huì)對(duì)電動(dòng)汽車的使用產(chǎn)生影響。為了解決上述問(wèn)題，我們?cè)O(shè)計(jì)了一個(gè)灰色預(yù)測(cè)模型，一個(gè)線性擬合模型，一個(gè)高斯曲面模型和一個(gè)兩階段啟發(fā)式算法來(lái)充分說(shuō)明這個(gè)難題。在整個(gè)建模過(guò)程中，我們充分考慮了模型的有效性，可行性和成本效益。

關(guān)鍵詞：高斯分布；隨機(jī)數(shù)生成模型

引言

如今客戶還將轉(zhuǎn)向電動(dòng)汽車以解決環(huán)境問(wèn)題和政策。幾個(gè)國(guó)家都看到了電動(dòng)汽車采用快速增長(zhǎng)潛力的早期跡象。本文以美國(guó)為例，分析了充電站的最終網(wǎng)絡(luò)（站點(diǎn)的數(shù)量，它們將在哪里定位，站點(diǎn)的充電器數(shù)量，以及農(nóng)村地區(qū)，郊區(qū)和城市地區(qū)的需求差異，以及充電站網(wǎng)絡(luò)隨時(shí)間的增長(zhǎng)和演變。

本文研究了幾個(gè)國(guó)家之間的地理，人口密度分布和財(cái)富分布的差異，并試圖創(chuàng)建一個(gè)分類系統(tǒng)，幫助一個(gè)國(guó)家確定他們應(yīng)該遵循的一般增長(zhǎng)模型，以便他們成功地從所有電動(dòng)汽車的汽油和柴油車輛。

1數(shù)據(jù)分析

1.1問(wèn)題分析

特斯拉目前提供兩種類型的充電站。一個(gè)被稱為目的地充電站，設(shè)計(jì)用于一次充電幾小時(shí)甚至一夜。另一個(gè)是增壓站，專為較長(zhǎng)的公路旅行而設(shè)計(jì)，可在短至30分鐘的充電時(shí)間內(nèi)提供長(zhǎng)達(dá)170英里的行程。這些車站是許多特斯拉車主使用的家用電器，這些車主擁有個(gè)人車庫(kù)或帶動(dòng)力的車道。

由于這兩種充電器具有不同的功能，功率和價(jià)格，因此增壓站和目標(biāo)站的總數(shù)需要不同。因此要做的第一件事就是按功能，功率和價(jià)格對(duì)兩個(gè)充電器進(jìn)行分類。而且，財(cái)富分配，人口密度分布，基礎(chǔ)設(shè)施建設(shè)，城市，郊區(qū)和農(nóng)村地區(qū)的交通建設(shè)差異很大，導(dǎo)致這些不同地區(qū)的充電站分布不均。

另一個(gè)問(wèn)題是，我們發(fā)現(xiàn)近年來(lái)汽車總量的增長(zhǎng)速度遠(yuǎn)低于電動(dòng)汽車的增長(zhǎng)率，因此我們首先假設(shè)美國(guó)有望轉(zhuǎn)向全電動(dòng)汽車。我們搜索總量的數(shù)量過(guò)去幾年互聯(lián)網(wǎng)上的汽車和電動(dòng)汽車，并試圖估計(jì)未來(lái)的數(shù)字。因此問(wèn)題轉(zhuǎn)變?yōu)殡妱?dòng)汽車的數(shù)量是否可以趕上整車的數(shù)量。如果將來(lái)，估計(jì)的電動(dòng)汽車數(shù)量與汽車總數(shù)相等甚至更大，那么我們可以說(shuō)美國(guó)有望轉(zhuǎn)向全電動(dòng)汽車。

因此，估計(jì)未來(lái)汽車和電動(dòng)汽車總數(shù)的最佳方法是使用灰色預(yù)測(cè)模型和線性擬合模型。第一個(gè)模型用于預(yù)測(cè)電動(dòng)汽車數(shù)量的變化，第二個(gè)模型用于預(yù)測(cè)未來(lái)美國(guó)汽車總數(shù)。

1.2充電器差異分析

從互聯(lián)網(wǎng)上搜索直流充電器和交流充電器的屬性和參數(shù)對(duì)這兩個(gè)充電器進(jìn)行分類。

2.1線性擬合模型和灰色預(yù)測(cè)模型

本文搜索了近年來(lái)美國(guó)汽車總數(shù)，然后設(shè)計(jì)一個(gè)線性擬合模型來(lái)預(yù)測(cè)未來(lái)的數(shù)量。并且搜集了美國(guó)的電動(dòng)汽車數(shù)量，設(shè)計(jì)一個(gè)灰色預(yù)測(cè)模型來(lái)預(yù)測(cè)未來(lái)的電動(dòng)汽車數(shù)量。

然后我們使用MATLAB生成這兩個(gè)模型，結(jié)果可以從圖1中看出。紅線表示汽車總量的趨勢(shì)，藍(lán)線表示電動(dòng)汽車的趨勢(shì)。從圖表中我們可以看出，隨著電動(dòng)汽車數(shù)量呈指數(shù)增長(zhǎng)，未來(lái)20年汽車總數(shù)將出現(xiàn)緩慢下滑。從圖中可以很容易地看出，電動(dòng)汽車的數(shù)量將在不久的將來(lái)趕上整車的數(shù)量，因此特斯拉有望在美國(guó)實(shí)現(xiàn)汽車的全電動(dòng)改造。因此得到了完全轉(zhuǎn)換發(fā)生的確切年份------ 2031年來(lái)自MATLAB。

2.2高斯分布和隨機(jī)數(shù)生成模型

首先，我們需要量化美國(guó)所需的充電站總數(shù)（包括增壓和目的地充電）。我們讓美國(guó)的充電站總數(shù)為Ncharge，由公式計(jì)算：

為簡(jiǎn)單起見(jiàn)，本文設(shè)η= 0.01，并且由于常規(guī)充電站通常有6個(gè)充電器，n = 6。每個(gè)充電器的功率是不同的，為了均勻性，本文假設(shè)β= 1。從網(wǎng)站上地?cái)?shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)美國(guó)約有740萬(wàn)輛汽車，因此N = 740萬(wàn)。通過(guò)計(jì)算，Ncharge = 25694。

然后可以使用高斯分布和隨機(jī)數(shù)生成模型來(lái)確定城市，郊區(qū)和農(nóng)村地區(qū)的充電站分布。分配應(yīng)依賴于財(cái)富分配（GDP分布），人口密度分布和道路系統(tǒng)。因此，在互聯(lián)網(wǎng)上挖掘了一些相關(guān)信息，并進(jìn)行了一定的分析。

通過(guò)從獲得的參數(shù)，在MATLAB中建立了高斯分布和隨機(jī)數(shù)生成模型。對(duì)模型進(jìn)行分析，本文得出城市，郊區(qū)和農(nóng)村地區(qū)充電站的分配比例應(yīng)分別為64%，23%和13%，以優(yōu)化充電站系統(tǒng)，在此條件下，充電站覆蓋面積最大。

3結(jié)論

本文搜索了近年來(lái)美國(guó)汽車和電動(dòng)汽車的總數(shù)。然后通過(guò)使用線性擬合模型和灰色預(yù)測(cè)模型來(lái)預(yù)測(cè)汽車和電動(dòng)汽車總數(shù)的趨勢(shì)。經(jīng)過(guò)分析發(fā)現(xiàn)，在2031年，電動(dòng)汽車的數(shù)量將超過(guò)汽車總數(shù)，因此可以得出結(jié)論，特斯拉有望在美國(guó)完全轉(zhuǎn)向全電動(dòng)汽車。接下來(lái)，我們使用公式計(jì)算充電站的總數(shù)。我們還設(shè)計(jì)了高斯分布和隨機(jī)數(shù)生成模型來(lái)解決城市，郊區(qū)和農(nóng)村地區(qū)充電器的分配比例，應(yīng)該是64：23：13。

參考文獻(xiàn)

[1]范文超，李曉宇，魏凱，陳興林.基于改進(jìn)的高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].計(jì)算機(jī)科學(xué).2015（05）

[2]劉靜，王玲.混合高斯模型背景法的一種改進(jìn)算法[J].計(jì)算機(jī)工程與應(yīng)用.2010（13）

[3]邢錦江，馮允成.基于環(huán)境噪聲的真隨機(jī)數(shù)的產(chǎn)生[J].計(jì)算機(jī)工程.2006（03）.