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 運行分析 能耗最優(yōu)

1 前言

當前環(huán)境和能源問題日益嚴重，道路交通出行是能源消耗和污染的重要源頭，電動汽車成為推動交通節(jié)能減排的重要途徑。但是，純電動汽車在使用中面臨如下4種情況：

（1）不同交通條件下行駛特性差異大；

（2）車輛運行狀態(tài)和電池特性有很大關聯(lián)；

（3）駕駛者駕駛習慣以及充電習慣不同；

（4）充電設施部署較少，需要提前預估當前電量能否支撐到達目的地。

針對這些問題，本文研究結合天津市運行的純電動汽車數(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），對道路擁堵狀況的時變性、方向性，車輛運行狀態(tài)電池特性，充電樁位置分布，制定路況模型和電動汽車充放電模型，最終達到基于路況的節(jié)能動態(tài)路徑規(guī)劃，以實現(xiàn)電耗最低、出行效率最高的目標。

表1 數(shù)據(jù)類別以及用途介紹

本文從路況獲取、電耗影響分析、路徑規(guī)劃3部分開展研究。其中，路況獲取通過數(shù)據(jù)處理得到時變路況；電耗影響分析通過提取篩選特征、借助機器學習方法得到單位里程電動汽車電耗的預測模型；路徑規(guī)劃模型，以耦合時間、溫度、路況等影響電耗為代價函數(shù)，憑借路徑規(guī)劃算法進行純電動汽車的路徑規(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數(shù)據(jù)處理（如數(shù)據(jù)預處理、地圖網(wǎng)格化、路況計算匹配），分析得到時變路況。相同道路在不同時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)介紹以及預處理

首先，對獲取的車輛運行數(shù)據(jù)、GPS軌跡信息以及OSM路網(wǎng)數(shù)據(jù)進行清洗，主要包括：

（1）異常值、重復值、空值數(shù)據(jù)去除。

（2）不同行程開始、結束連接處數(shù)據(jù)去除。例如：純電動網(wǎng)約車在客人上車以及下車時會短暫停車并且發(fā)生加減速，這時會對路段阻抗計算產(chǎn)生干擾。針對這種情況會讀取車輛狀態(tài)、識別上車、下車停車點刪除停車以及鄰近點的數(shù)據(jù)。

（3）停車數(shù)據(jù)去除。由于實際用車過程中存在某點停車時間過長，針對這部分數(shù)據(jù)將軌跡點按照時間排列并計算軌跡點停留時間，最終通過閾值判斷是否去除。

（4）數(shù)據(jù)補充。增加天津市天氣數(shù)據(jù)。數(shù)據(jù)處理詳細流程見圖2。

圖2 數(shù)據(jù)處理流程

2.1.1 電動汽車運行數(shù)據(jù)處理

首先，將運行數(shù)據(jù)投影到OSM路網(wǎng)結構上。然后，分析車輛從某一個網(wǎng)格行駛一定距離到網(wǎng)格為片段進行重構，對重構的片段采取切片處理[1]。最后，通過提取片段相同特征的數(shù)據(jù)，設計上下值并進行歸一化處理，并選擇對應的特征進行訓練。數(shù)據(jù)降維加快模型訓練，防止數(shù)據(jù)過擬合（圖3、圖4）。

圖3 行車軌跡

圖4 軌跡投影到路網(wǎng)結構

路徑重構切片后結合當前路徑的行駛里程和SOC構建路況特征值（圖5、圖6）。

圖5 路徑4的行駛里程

圖6 路徑4的SOC變化

通過以上方法整合所有路徑的特征值，通過算法線性回歸、L1正則化、L2正則化、隨機森林[2]，選擇遞歸特征消除算法（Recursive Feature Elimination，RFE）結果大于0.3的特征進行訓練，訓練結果見表2。

表2 訓練結果

2.1.2 GPS數(shù)據(jù)處理

對存在GPS偏差或者漂移的GPS觀測點，通過地圖匹配算法調整到路網(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)內的軌跡點；

（3）將位于緩沖區(qū)的車輛匹配到路段。

GPS數(shù)據(jù)處理示意見圖7。

圖7 GPS數(shù)據(jù)處理示意

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

圖8 基于維基地圖的數(shù)據(jù)處理后的GPS位置點

2.2 路網(wǎng)交通模型建立

通過道路平均時速和擁堵指數(shù)表征路網(wǎng)交通模型。本模型構建的地圖路網(wǎng)數(shù)據(jù)經(jīng)過用戶可能面臨駕駛場景的測試，驗證了模型包含的要素信息，精確地表達了路網(wǎng)厘米級三維表征，為車輛的預判和安全行駛提供了有效保障。

2.2.1 道路平均時速統(tǒng)計

根據(jù)已有路段平均時速計算，并且分方向、分時段統(tǒng)計道路平均速度。然后，將數(shù)據(jù)重構切片，將車速為0的數(shù)據(jù)去掉，處理后結果參見表3和圖9。

表3 數(shù)據(jù)重構切片

圖9 基于維基地圖的不同時刻劃分軌跡聚合

同一道路不同方向的交通狀況可能差異較大，需要對雙向車道的路段分方向分別計算。

構建分方向的路段連接表。路段1、2是單向車道，車道編號只有一個。路段3、4是雙向車道，車道編號有2個，依次類推4向車道編號就有4個車道編號，按照此規(guī)律計算車輛軌跡點坐標差值確認行車方向以及車輛，將數(shù)據(jù)投影到相應路段。平均行程車速的計算公式如式（1）。

式中，Vthi表示車h在t時刻在路段i上的平均行程車速；Lthi表示車h在t時刻在路段i上的行駛距離；Tthi表示車h在t時刻在路段i上的行駛時間。

考慮到同一路段相鄰時刻交通狀況較為相似，優(yōu)先使用后一鄰近時刻的速度填充。如某路段全體時刻均無數(shù)據(jù)則計算該時刻相同等級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，設置的綜合反應道路網(wǎng)暢通或擁堵的概念性數(shù)值，相當于把擁堵情況數(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為車輛運行速度。

3 汽車充耗電模型

計算新能源汽車路段平均消耗電量時，首先將數(shù)據(jù)預處理，去掉空值、異常值數(shù)據(jù)。其次，針對不同狀態(tài)的車輛進行分類，包括啟動狀態(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)計相同路段不同車輛行駛的能耗信息計算出該路段平均電量消耗值[4]。車輛路段平均電耗計算過程示意如圖11，并以此為基礎得到天津市所有路段的平均電耗地圖。

圖11 車輛路段平均電耗計算

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)劃模型構建

路徑規(guī)劃研究基于時間和能耗2個維度構建，算法設計標號修改和標號設計算法相結合的兩階段動態(tài)規(guī)算法，整體思路見圖12。

圖12 路徑規(guī)劃模型構建思路

4.1 模型構建

基于能耗混合整數(shù)規(guī)劃模型的構建思路是汽車行駛電量在不同行駛路線下的消耗問題，分析約束條件、建立模型。設計汽車電耗算法和優(yōu)化的規(guī)則。

模型1：從出發(fā)起點s到終點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s到終點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：確定出行起點到出行終點d的時間最短模型[5]，最小化總行程時間，如式（5）。

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

4.2 算法設計

基于時間的混合整數(shù)規(guī)劃模型的構建思路是汽車行駛時間在不同行駛路線下的消耗問題,分析約束條件、建立模型。設計汽車耗時算法和優(yōu)化的規(guī)則。

算法1表示出行終點d到最近的充電節(jié)點的標號設定算法[6]，詳細設計步驟如下：

第1步：初始化操作

設置節(jié)點初始標號：

設置永久標號集合：M={ }，臨時標號集合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：標號修改

選出節(jié)點：

搜索所有與節(jié)點L相連的節(jié)點，按下述條件修改標號：

將節(jié)點L的標號加入集合M，節(jié)點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o到出行終點d出雙標號雙準則標號修改算法，詳細設計步驟如下：

第1步：節(jié)點標號初始化

設置節(jié)點初始標號：

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。

設置初始標號隊列：S：={r}

第2步：標號修改

若fk+tij≤tk，ek+vij≤ej且至少有一個不取等號，則更新標號：

若fk+tij≥tk，ek+vij≥ej,j則不需要更新標號；

若是其它情況，則為節(jié)點j增加標號，且將標號j加入到隊列Q中式中，fk表示k路段消耗電量，tk表示k路段消耗時間

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 實測結果

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

場景1：充電+使用+行程結束；

場景2：充電+使用+充電+行程結束；

場景3：使用+行程結束；

場景4：使用+充電+行程結束。

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果

表4 求解行駛路徑特征值

不同車輛（ID 2326、3824）在3個時段的優(yōu)化結果與實際路徑能耗對比如圖14、圖15。

圖14 ID2326優(yōu)化結果對比

圖15 ID3824優(yōu)化結果對比

通過結果優(yōu)化比較得出如下結論：

（1）2326號車輛在早高峰能耗節(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號車輛在早高峰能耗節(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)計所有車輛的平均能耗優(yōu)化率，最終得到能耗優(yōu)化平均值10.2%。

6 總結與展望

本文確定基于交通信息影響下的電動汽車路徑規(guī)劃研究路線，設計了基于定位數(shù)據(jù)以及電動車運行數(shù)據(jù)的預處理模型，通過網(wǎng)格劃分建立交通路網(wǎng)拓撲，作為獲取路況及路徑規(guī)劃的數(shù)據(jù)基礎包括：建立電動汽車能耗模型預測、建立電動汽車路徑規(guī)劃模型。

主要創(chuàng)新點包括建模方面建立充電行駛階段路徑規(guī)劃模型、制定時間和電耗雙準則優(yōu)化目標。算法方面針對兩階段模型開發(fā)出標號修改與設定的兩階動態(tài)算法，為路徑選擇和充電決策提供依據(jù)。