楊珍珍，高自友

(1.北京交通大學交通運輸學院交通系統(tǒng)科學與工程研究院,北京100044;2.北京掌行通信息技術有限公司,北京100085)

0 引言

在能源制約、環(huán)境污染的大背景下，大力發(fā)展新能源汽車成為解決眾多問題的突破口，也成為我國汽車產(chǎn)業(yè)結構轉型升級的必然選擇，發(fā)展新能源汽車已經(jīng)升級為國家戰(zhàn)略.為了引導消費者選擇新能源汽車，國家也頒布了一系列鼓勵政策.電動汽車是最常見的新能源汽車，但由于電動汽車充電不方便，很多人不愿意購買電動汽車.如何在資源有限的情況下，通過合理布局充電站，滿足更多人的需求，讓更多的人愿意購買和使用電動汽車，促進電動汽車行業(yè)的良性發(fā)展，具有重要的意義.

近年來，國內外學者對充電站選址相關問題進行了研究，例如，Zhu等建立了充電站選址總費用最小化的目標函數(shù)，并提出一種基于遺傳算法的求解算法[1].Dong等應用遺傳算法尋找公共充電樁選址的最優(yōu)選址方案[2].He等建立了用來分析插電式混合動力車在公共充電站、電價、目的地和路徑選擇之間相互作用的平衡建?？蚣?，并確定公共充電站的最佳分配方案[3].王露建立了考慮用戶需求、投資成本、土地區(qū)位、緊急充電里程限制，提出了基于改進遺傳算法的模型求解步驟[4].陳靜鵬等提出基于用戶需求的電動汽車充電樁規(guī)劃模型，考慮充電需求空間分布的影響，以電動汽車群體空駛成本最小化為目標，以充電站的周最大充電負荷確定建設容量，并選取建設成本最小和充電樁利用率最大的規(guī)劃方法，兼顧運營商和電動車用戶的利益[5].黃振森等提出考慮服務容量的充電站選址方案，并將服務容量延伸為充電樁的數(shù)量和用電配額兩方面，建立了充電站選址整數(shù)規(guī)劃模型，使充電站建設總成本最小化[6].董潔霜等考慮充電站建站費用與充電樁數(shù)量的非線性關系，建立建站費用與充電樁數(shù)量的關系模型，以總建站費用最小為目標，建立充電站選址模型[7].楊俊等提出一種基于分區(qū)充電需求系數(shù)的電動汽車充電設施選址定容方法，提出電動汽車負荷預測模型，根據(jù)各類電動汽車日能量需求及日最大接入數(shù)量，計算各類電動汽車充電設施的需求數(shù)量，對規(guī)劃區(qū)域進行區(qū)塊劃分，確定各區(qū)塊的充電系數(shù)，選出充電需求較高的區(qū)塊，再根據(jù)候選布點區(qū)塊及充電樁總數(shù)確定每個區(qū)塊的充電樁數(shù)量[8].劉洪等構建了以電站投資運營者與汽車用戶雙方綜合效益最大為目標的數(shù)學模型，提出高速公路中汽車行駛與充電選擇的動態(tài)模擬方法，利用混度粒子群優(yōu)化實現(xiàn)了求解流程與方法[9].邵賽等綜合考慮充電樁排隊時間和電動汽車里程約束，以最大化用戶總效用為目標，建立競爭環(huán)境中的充電站選址模型[10].王輝等以交通流量大、配電系統(tǒng)網(wǎng)絡損耗最小及節(jié)點電壓偏移最小為目標，建立充電站最優(yōu)規(guī)劃的一個多目標決策模型[11].You等基于最大化往返行程數(shù)建立充電站選址模型[12].Aboolian等考慮電價、吸引力和行駛費用優(yōu)化充電站位置[13].

在現(xiàn)有的電動汽車充電站選址研究中，考慮的因素主要包括用戶需求、交通影響、場地因素、經(jīng)濟因素、電網(wǎng)影響、服務網(wǎng)絡可靠度等多種因素，對于潛在用戶需求定位的研究目前還比較少，特別是在傳統(tǒng)數(shù)據(jù)采集手段很難獲取覆蓋全面的交通需求數(shù)據(jù)情況下，如何有效定位交通需求量大的位置，降低充電站選址的盲目性，避免充電站建立在需求量小的位置，仍然是需要解決的難點問題.隨著移動互聯(lián)網(wǎng)技術的飛速發(fā)展，位置數(shù)據(jù)獲取變得越來越容易，通過海量的位置數(shù)據(jù)能夠更加方便地挖掘潛在用戶的位置分布.此外，海量數(shù)據(jù)的出現(xiàn)引發(fā)了一種新的科研模式，即從數(shù)據(jù)中直接查找或挖掘所需要的信息，通過對數(shù)據(jù)的分析來獲得被研究對象的特征、模式和規(guī)律，進而實現(xiàn)對系統(tǒng)的管理和控制.因此，本文提出一種數(shù)據(jù)驅動的電動汽車充電站選址方法.

1 選址方法

數(shù)據(jù)驅動的電動汽車充電站選址方法是通過分析海量移動位置數(shù)據(jù)的分布規(guī)律，挖掘潛在的交通需求分布位置，為電動汽車充電站選址提供數(shù)據(jù)支撐.為了提高數(shù)據(jù)處理的效率，本文提出一種網(wǎng)格化的交通需求量統(tǒng)計方法“.網(wǎng)格化”又可稱為單元化，是一種系統(tǒng)劃分和組織的形式，目的是通過將系統(tǒng)“網(wǎng)格化”來降低系統(tǒng)的復雜性，從而實現(xiàn)管理水平的提升、控制效果的改善等[14].數(shù)據(jù)驅動的電動汽車充電站選址方法流程如圖1所示，具體步驟如下：

Step1 利用海量的移動位置數(shù)據(jù)，提取潛在的交通需求位置，包括出發(fā)點和目的地.

Step2 將分析區(qū)域劃分為等間隔大小的網(wǎng)格.

Step3 將交通需求位置與網(wǎng)格關聯(lián)，統(tǒng)計每個網(wǎng)格中的交通需求量.

Step4 選擇需求量大的網(wǎng)格作為電動汽車充電站選址的候選位置.

2 交通需求位置點提取方法

移動位置數(shù)據(jù)包括經(jīng)度、緯度、時間等信息，每條軌跡數(shù)據(jù)由若干個經(jīng)緯度點組成.(xi,yi,ti)表示軌跡Ω的第i個點，xi表示第i個點的經(jīng)度，yi表示第i個點的緯度，ti表示第i個點的時間，i=1,2,…,n，其中，n表示軌跡Ω的經(jīng)緯度點個數(shù).則軌跡Ω可以表示為

圖1 數(shù)據(jù)驅動的電動汽車充電站選址方法流程圖Fig.1Diagram of location method of electric vehicle charging station based on data driven

如果同一條軌跡在同一個位置停留時間超過設定閾值δ，例如30 min或60 min，則將軌跡從長時間停留的位置斷開變成2條軌跡.圖2(a)表示每個經(jīng)緯度點之間的時間間隔都小于設定閾值δ，軌跡不需要斷開，L表示原始軌跡的長度；圖2(b)表示經(jīng)緯度點(xi,yi,ti)和經(jīng)緯度點(xi+1,yi+1,ti+1)之間的時間間隔大于等于設定閾值δ，這種情況下，軌跡需要從第i個點斷開，其中L1和L2分別表示斷開后兩條軌跡的長度.

為了防止異常軌跡的干擾，將長度和時長小于設定閾值的軌跡剔除.用表示分段后軌跡的長度，用表示分段后軌跡的時長，用m表示分段后每段軌跡包含的經(jīng)緯度點總數(shù)，則軌跡保留的條件為

式中：Φ(·)表示利用經(jīng)緯度點計算軌跡長度的函數(shù)，i=1,2,…,m.通常情況下，可設定α=2km，β=5min.

經(jīng)過軌跡分段和異常軌跡過濾，每條軌跡的第1個經(jīng)緯度點表示出發(fā)點，最后1個經(jīng)緯度點表示目的地.

圖2 軌跡分段規(guī)則Fig.2 Rules of the trajectory segment

3 網(wǎng)格內交通需求量統(tǒng)計方法

為了快速統(tǒng)計網(wǎng)格內交通需求量，將交通需求位置點(出發(fā)點和目的地)的經(jīng)緯度轉換為網(wǎng)格編號，通過統(tǒng)計網(wǎng)格編號出現(xiàn)的次數(shù)，間接統(tǒng)計網(wǎng)格內的交通需求量.

網(wǎng)格劃分方法是按照一定間隔將分析區(qū)域劃分為大小相等的網(wǎng)格，用W表示網(wǎng)格劃分的間隔.當W=0.01°時表示分析區(qū)域按照0.01°的間隔劃分為若干等間隔的網(wǎng)格，經(jīng)度方向的0.01°約為900 m，緯度方向的0.01°約為1 100 m，每個網(wǎng)格為900 m×1 100 m的長方形網(wǎng)格，如圖3所示.

圖3 網(wǎng)格劃分示意圖Fig.3 Grid partition schematic diagram

定義(Xmin,Ymin)為分析區(qū)域的左下角經(jīng)緯度坐標，(Xmax,Ymax)為右上角經(jīng)緯度坐標.(Xi,Yi)是任意一條交通需求點位置的經(jīng)緯度坐標，則(Xi,Yi)所在網(wǎng)格的編號(gridCx,gridCy)的計算公式為

根據(jù)上述公式計算所有交通需求點所在網(wǎng)格，統(tǒng)計每個網(wǎng)格內的交通需求量.網(wǎng)格內交通需求量統(tǒng)計的C++程序代碼如表1所示.

表1 網(wǎng)格內交通需求量統(tǒng)計程序代碼Table 1 Code for traffic demand statistics in Grid

4 實證研究

4.1 數(shù)據(jù)說明

移動位置數(shù)據(jù)通過浮動車車載設備和手機客戶端采集，包含日期、時間、車輛ID、經(jīng)度、緯度、速度信息，如表2所示，其中，車輛ID經(jīng)過了數(shù)據(jù)脫敏處理.采集的數(shù)據(jù)為2015年9月北京的GPS數(shù)據(jù)，97.2%的GPS數(shù)據(jù)上傳間隔為1 s，表2是移動位置數(shù)據(jù)的部分樣例.

移動位置數(shù)據(jù)的軌跡特征分布如圖4所示.經(jīng)過軌跡分段處理，平均每天包含430 863條軌跡.其中，95%的軌跡長度在40 km以內(圖4(a))，95%的軌跡時長在90 min以內(圖4(b)).1天內有1條、2條和3條軌跡的車輛數(shù)分別占46%，26%和13%，有3條及以內軌跡條數(shù)的車輛數(shù)累計占了85%(圖4(c)).軌跡的到達時間整體比出發(fā)時間滯后(圖4(d))，符合實際先出發(fā)后到達的規(guī)律.此外，6:00-24:00的出行軌跡明顯多于凌晨(0:00-6:00).按照α=2km，β=5min的條件過濾異常軌跡，1天內有效軌跡為302 132條.

表2 移動位置數(shù)據(jù)樣例Table 2 The samples of location data

圖4 軌跡特征分布Fig.4 The characteristic distribution of trips

驗證所用的已有充電站數(shù)據(jù)來源于國家電網(wǎng)，包括充電站名稱、所屬區(qū)域、充電站地址、充電站位置經(jīng)度、充電站位置緯度、充電樁數(shù)量、用電量、使用次數(shù)等.

4.2 網(wǎng)格交通需求量統(tǒng)計結果

以北京市的平谷區(qū)、延慶縣、懷柔區(qū)和通州區(qū)為例進行實證研究.將4個區(qū)縣按照0.01°(約為900 m×1 100 m)的間隔劃分為若干網(wǎng)格，統(tǒng)計每個區(qū)縣的交通需求量.從交通需求量的分布熱力圖(圖5)可以看出，平谷區(qū)、延慶縣、懷柔區(qū)和通州區(qū)的交通需求均集中在區(qū)縣中心位置；周邊零散分布一些交通需求集中的網(wǎng)格，主要是鄉(xiāng)鎮(zhèn)聚集的位置.統(tǒng)計結果表明，網(wǎng)格交通流量能夠清晰的定位交通需求量大的位置，且通過網(wǎng)格內交通需求量的大小，能夠確定需求量大的位置.交通需求量大的位置作為潛在的充電樁選址位置，有效減少充電站選址的盲目性，避免充電站建立在需求量小的位置.

已有研究中，電動汽車充電站選址所需要的交通需求量多是假設[1,10]、模型計算[11]或模擬仿真[5]，還沒有研究利用實際的交通數(shù)據(jù)計算充電站選址所需的實際交通需求量，本文的研究基于海量移動位置數(shù)據(jù)提取潛在需求量大的位置，彌補了這塊空白.

4.3 交通需求量與已有充電樁關聯(lián)分析

為了驗證數(shù)據(jù)驅動的電動汽車充電站選址方法的有效性，將已有的充電站數(shù)據(jù)與交通需求量進行關聯(lián)分析.由于已有充電站只覆蓋了部分網(wǎng)格，因此，只提取有充電站數(shù)據(jù)的網(wǎng)格作為關聯(lián)分析對象.整體來看，隨著交通需求量的增加，直流樁使用次數(shù)(圖6(a))和直流樁用電量(圖6(b))整體呈上升趨勢.實際充電次數(shù)和用電量多的位置，交通需求量也大，說明本文提出的數(shù)據(jù)驅動的電動汽車充電站選址方法能夠有效定位充電需求量大的位置.

此外，部分網(wǎng)格的交通需求量高但直流樁使用次數(shù)和用電量低.通過實地調查發(fā)現(xiàn)，導致這種現(xiàn)象的主要原因是充電樁設置在收費高的停車場或充電樁位置隱蔽尋找困難.對于這些情況，需要根據(jù)本文提出的方法對已有充電樁的選址進行重新布局，提高充電樁的使用率.

圖5 網(wǎng)格交通需求量熱力圖Fig.5 Diagram of traffic demand in grid

分析表明：

(1)本文提出的數(shù)據(jù)驅動的電動汽車充電站選址方法能夠精確定位潛在交通需求量大的位置，為充電站的選址提供數(shù)據(jù)支持和決策依據(jù)；

(2)該方法還能夠為已有充電樁的選址優(yōu)化提供科學依據(jù).

圖6 交通需求量與已有充電樁關聯(lián)分析Fig.6 The relationship between traffic demand and existing charging piles

5 結論

本文提出了一種數(shù)據(jù)驅動的電動汽車充電站選址方法，該方法利用海量的移動位置數(shù)據(jù)提取潛在的交通需求位置點，并將交通需求位置點與網(wǎng)格化地圖進行關聯(lián)，計算每個網(wǎng)格中的交通需求量，需求量大的網(wǎng)格作為電動汽車充電站選址的候選位置.實證研究表明：①數(shù)據(jù)驅動的電動汽車充電站選址方法能夠精準定位潛在需求量大的位置，為充電站的選址提供數(shù)據(jù)支持和決策依據(jù)；②該方法還能夠為已有充電樁的位置優(yōu)化提供科學依據(jù).研究旨在為普及電動汽車，緩解能源壓力和環(huán)境污染做出貢獻.