趙雅蘭，張大波，李鴻堯

（遼寧大學(xué) 信息學(xué)院，遼寧 沈陽 110031）

0 引 言

在科技發(fā)展和綠色經(jīng)濟的推動下，我國的電動汽車行業(yè)如雨后春筍進入高速發(fā)展時期。電動汽車有效解決了日漸枯竭的自然資源與經(jīng)濟可持續(xù)發(fā)展之間的矛盾。電動汽車逐漸走進千家萬戶的同時，電動汽車充電所引發(fā)的“里程焦慮”（range anxiety）問題也逐漸顯露出來。本文基于物聯(lián)網(wǎng)技術(shù)并運用博弈論中的蓋爾-沙普利算法（Gale-Shapley algorithm, GS）為電動汽車用戶與汽車充電站提供最佳的選擇方案，在保證充電站吞吐量的同時，解決車主“里程焦慮”的痛點。

1 國內(nèi)電動汽車發(fā)展現(xiàn)狀

1.1 電動汽車充電現(xiàn)狀

數(shù)據(jù)表明，我國電動汽車的銷售量從2010年的不足1萬輛一躍增長到2020年的136.7萬輛，2020年的電動汽車銷售量占全球電動汽車銷售量的41%。我國新能源汽車市場呈現(xiàn)良好的發(fā)展態(tài)勢。2019年電動汽車的平均續(xù)航里程為362千米，現(xiàn)在也有超長續(xù)航的電動汽車亮相于大眾視野，例如，2020年比亞迪公司推出的“比亞迪漢EV”最長續(xù)航里程可達605千米。而電動汽車平均充滿電的時間需要花費2小時，“比亞迪漢EV”充電至電池的80%，也需要0.42個小時。相較于傳統(tǒng)的燃油汽車幾分鐘加油時間可以續(xù)航600多千米來說，電動汽車確實有著明顯的短板。而就目前的充電樁數(shù)量和普及程度來看，與電動汽車配套的基礎(chǔ)設(shè)施建設(shè)尚屬不完善階段。

1.2 現(xiàn)階段存在的問題

由于電動汽車存在充電相對較慢的技術(shù)壁壘和當下基礎(chǔ)設(shè)施建設(shè)不完善的現(xiàn)狀，電動汽車用戶都會在自己的電動汽車電量低于某一閾值時產(chǎn)生對電車電量耗盡的恐懼，稱為“里程焦慮”。而反觀充電站，其在運營過程中，會有大量的電動汽車進行充電，由于沒有加油站那樣高效的吞吐量，電動汽車的充電站常常會有眾多車主排長隊等候充電，這對于駕駛員以及充電站附近的交通來說都是難以忍受的。

現(xiàn)階段，有很多的充電站或充電樁沒有連接物聯(lián)網(wǎng)，駕駛員無法得知這些充電站的基本信息。而對于一些已經(jīng)聯(lián)網(wǎng)的充電站，雖然可以實時顯示站中充電樁的使用情況，但也有可能發(fā)生在駕駛員將電動汽車開到充電站時充電樁都被其他車輛占用的情況，駕駛員若想在此充電站充電則要花費很長的時間排隊等候。即便有了預(yù)約系統(tǒng)，可能會出現(xiàn)充電站中有空閑的充電樁，但由于充電樁已被預(yù)約，急需充電的汽車充不上電的情況。

2 解決方案

針對以上問題提出電動汽車選擇充電站的推薦系統(tǒng)，該系統(tǒng)將更多的充電站（充電樁）和電動汽車進行信息整合，采用窄帶物聯(lián)網(wǎng)技術(shù)（Narrow Band-Internet of Things, NB-IoT）進行聯(lián)網(wǎng)，獲取充電站中充電樁的使用情況、站中預(yù)約汽車數(shù)量的實時情況和電動汽車電池使用情況的數(shù)據(jù)等。這些數(shù)據(jù)上傳到云端后，根據(jù)用戶的選擇、當前電池電量可以承載的里程、是否順路等情況得出各個電動汽車選擇充電站的偏好，根據(jù)當下充電站可以承載的充電數(shù)量、完成預(yù)約充電的時間，以及電動汽車可以到達充電站且上一輛電車正好完成充電等因素得出充電站選擇汽車的偏好。在云端將兩方的偏好用GS算法進行計算，可以得到既能使電動汽車最快充上電，也能使充電站實現(xiàn)利用率最大化的一種分配方案，并將該方案實時傳送到電動汽車的應(yīng)用程序和充電站的管理系統(tǒng)中。

3 系統(tǒng)架構(gòu)

本文提出的電動汽車充電推薦系統(tǒng)的體系架構(gòu)如圖1所示。

圖1 電動汽車充電推薦系統(tǒng)體系架構(gòu)

該體系架構(gòu)由安裝在汽車和充電站的NB-IoT、用于傳輸數(shù)據(jù)和實現(xiàn)推薦算法的業(yè)務(wù)處理云主機以及用來接收信息實現(xiàn)人機交互的充電站、電動汽車和各手機終端三個部分組成。

3.1 NB-IoT終端

在電動汽車、充電站中和充電樁上安裝物聯(lián)網(wǎng)的微控制器，可以進行汽車的數(shù)據(jù)采集、數(shù)據(jù)的基本運算以及數(shù)據(jù)通信。其中的數(shù)據(jù)的傳送采用NB-IoT技術(shù)，具有低功耗、覆蓋廣、速度快、成本低等優(yōu)點，非常適合這個場景。

3.2 基站和云服務(wù)器

NB-IoT基站是基于NB-IoT協(xié)議用于信息中轉(zhuǎn)的信息傳送系統(tǒng)。汽車和充電站將實時的狀態(tài)信息傳送到附近的基站，基站通過NB-IoT網(wǎng)絡(luò)將信息傳送到業(yè)務(wù)處理云主機，在云端的服務(wù)主機通過優(yōu)化的GS算法，得出在電動汽車可以快速排隊的同時也能實現(xiàn)充電樁高效利用的最優(yōu)解，將這個最優(yōu)解記錄下來，并將輸出結(jié)果通過NB-IoT網(wǎng)絡(luò)傳到之前需要預(yù)約的車輛、充電站或者其他人機交互終端的附近基站。

3.3 人機交互各終端

人機交互各終端通過接收云端的業(yè)務(wù)處理主機傳送來的數(shù)據(jù)，進行數(shù)據(jù)的展示。此時云主機可以對外提供數(shù)據(jù)獲取接口，各個應(yīng)用程序在獲得數(shù)據(jù)后，可通過瀏覽器、APP、小程序或車載應(yīng)用等完成人機頁面的互動。

4 推薦系統(tǒng)中GS算法的應(yīng)用分析與系統(tǒng)實現(xiàn)

根據(jù)電動汽車對于充電站的偏好和電動汽車目前的車況，通過云主機獲得當前電動汽車對各個充電站的喜愛度偏好排行。而對于充電站，依照當前的路況信息、本充電站當前所承載的充電壓力以及可以完成預(yù)約充電的時間等條件獲得充電站選擇汽車的偏好排名。在云端的處理服務(wù)器，合理處理兩類偏好，計算得到最佳的汽車充電方案。目前得到的電動汽車和充電站偏好如表1所示。

表1 充電站與電動汽車充電偏好順序表

根據(jù)表1，應(yīng)用GS算法進行計算：

算法第一輪：CS1充電站沒有收到預(yù)約，EV1向CS3發(fā)出預(yù)約，EV2、EV3向CS2發(fā)出預(yù)約、EV4向CS4發(fā)出預(yù)約，由于EV3＞EV2，所以電動汽車EV2輪空。

算法第二輪，EV2向CS4發(fā)出預(yù)約，CS4的喜愛偏好中EV2＞EV4，故電動汽車EV4輪空。

算法第三輪，EV4向CS3發(fā)出預(yù)約，CS3的喜愛偏好中EV1＞EV4，故EV4繼續(xù)輪空。

算法第四輪，EV4向CS2發(fā)出預(yù)約，CS2的喜愛偏好中EV3＞EV4，故EV4再次輪空。

算法第五輪，EV4向CS1發(fā)出預(yù)約，CS1之前沒有收到過預(yù)約，故EV4與CS1配對成功。

至此，充電站和電動汽車匹配完畢。通過此算法的運算，如果有些車輛沒有預(yù)約到合適自己的充電站，在之后的匹配過程中，沒有得到預(yù)約最優(yōu)解的車輛會再次進入分配系統(tǒng)，按照算法第一輪的邏輯進行運算，直至全部電動汽車都預(yù)約到合適的充電站為止。

5 實驗

5.1 實驗比較對象

5.1.1 就近原則充電方案

就近原則充電方案是指在電動汽車需要充電的時候去離自己最近的充電站充電。

5.1.2 喜愛原則充電方案

每一個充電汽車車主會提前標記自己喜歡的充電站，喜歡的充電站可能是離車主家比較近，抑或是在某一個充電站充值了會員。喜歡原則充電方案即汽車車主去自己喜歡的充電站進行充電。

5.2 實驗環(huán)境

本實驗通過jdk1.7環(huán)境，模擬完成充電汽車進入充電站、汽車排隊等候充電、完成一次充電周期和汽車駛離充電站等任務(wù)。由于充電汽車位置的隨機性，充電汽車的位置信息和喜好偏向信息通過java中的Math.random()方法來實現(xiàn)，獲得隨機數(shù)據(jù)。

在實驗過程中，測試100輪數(shù)據(jù)，每一輪測試生成不同的100輛充電汽車的位置信息和汽車對于充電站的偏好信息，按照就近原則充電方案、喜愛原則充電方案、GS算法充電方案，得到每一組算法的排隊峰值、總充電時間、運行總里程以及進入汽車喜歡的充電站的總輛數(shù)數(shù)據(jù)，并畫出折線圖。

5.3 實驗數(shù)據(jù)

在測試的程序中，模擬5個充電站，充電站之間距離10個單位長度，每個充電站有3個充電樁。再模擬100輛充電汽車，每個充電汽車充滿電耗時20到30個隨機單位時間，隨機設(shè)置每輛汽車的充電站喜好偏向，隨機設(shè)置每一個充電汽車充電的位置。每輛汽車從一個充電站到另一個充電站需要1個單位時間。每一個單位時間會隨機出現(xiàn)5輛需要充電的汽車。

5.4 實驗結(jié)果及分析

根據(jù)就近原則、喜愛原則和GS算法選擇隨機出現(xiàn)的一百輛電動車做實驗，通過對所有充電站中排隊峰值、充滿電總用時、進入喜歡充電站的車輛總數(shù)以及進入充電站前運行的總單位長度進行對比，得出如圖2、圖3、圖4、圖5所示的數(shù)據(jù)對比圖。

圖2 使用不同算法計算隨機出現(xiàn)的100輛車在所有充電站中的排隊峰值

圖3 使用不同算法計算隨機出現(xiàn)的100輛車完全充滿電的總用時

圖4 使用不同算法計算隨機出現(xiàn)的100輛車進入喜歡充電站的車輛總數(shù)

圖5 使用不同算法計算隨機出現(xiàn)的100輛車進入充電站前運行的總單位長度

由圖3可知，使用GS算法作為充電汽車的調(diào)度算法，可以明顯降低各個充電站的排隊峰值，可以將一些排隊比較嚴重的充電站中的排隊車輛調(diào)度到一些沒有排隊壓力的充電站充電。明顯降低整個系統(tǒng)充電汽車的充電總時長。

由圖4可知，使用GS算法，雖然不能像喜愛原則充電方案那樣保證每一個車輛都到自己喜歡的充電站進行充電，但是在整個系統(tǒng)中排隊不嚴重的情況下，仍然可以保證較大比例的車輛進入自己喜歡的充電站充電。進而可以推動各個充電站的會員制，提高充電站的服務(wù)質(zhì)量，獲得更高的經(jīng)濟效益。

由圖5可知，使用GS算法，雖然不能像就近原則充電方案那樣，整個系統(tǒng)中所有充電汽車用最短的距離進入了充電站進行充電，但是充電汽車仍然可以比使用喜愛原則充電方案運行更少的距離。

6 結(jié) 論

該推薦系統(tǒng)旨在通過物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、電網(wǎng)、交通網(wǎng)的“四網(wǎng)”聯(lián)動，實現(xiàn)充電站使用效率的最大化，并減少駕駛員的“里程焦慮”困擾。在此基礎(chǔ)上運用經(jīng)濟學(xué)中的GS算法，對汽車和充電樁進行雙選，使資源分配達到最優(yōu)和最合理，從而實現(xiàn)汽車的快速充電以及充電站利用率的最大化。