考虑电动汽车电量及充电站位置的最优路径查找

在环境保护和节约能源要求下,发展电动汽车已经成为重要的产业方向,但现有电动汽车发展还不够成熟,存在续航里程不足的缺点,充换电服务网络也还不够普及,因此对汽车行驶线路耗电量少的路径搜索就尤为重要。基于Dijkstra算法和Floyd算法提出了一种查找电动汽车在不同道路工况下行驶时耗电量最少的路径模型,得到了电动汽车行驶的最优路径,模型并使用Matlab软件自带语言编程并仿真,得到直观的路线信息、距离。     

面向用户行驶计划的电动汽车充电调度策略

充电站（桩）尚未普及以及电动汽车有限的行驶里程,使得大多数汽车用户关于是否选择电动汽车犹豫不决。为了减少用户对于电动汽车有限电池容量的担心,并且降低因频繁充电以及偏离原定行驶路线绕路进行充电所增加的电动汽车使用费用,提出一种基于匹配理论面向用户行驶计划的电动汽车充电调度方案TPCS。首先,分别根据电动汽车用户的行驶计划和对各充电站的电量需求构建电动汽车用户与充电站的偏好表;然后,建立电动汽车用户与充电站之间的多对一匹配模型;最后,以系统总效用为优化目标进行充电站接口分配。数值仿真结果显示,与随机分配（RCS）算法和仅考虑电动汽车效用分配（OEVS）算法相比,TPCS算法将系统总效用较RCS算法最多提高了39.3%,较OEVS算法最多提高了5%;而在电动汽车充电需求轻负载时,TPCS算法始终保证用户满意度在90%以上,高于RCS算法。所提算法能够有效地提高系统总效用和用户满意度,同时降低计算复杂度。     

基于鱼群算法的智能机器人全覆盖路径规划

为保证机器人的行驶轨迹可以全方位地的覆盖地图的全部坐标点,并降低路径重复率,基于鱼群算法设计智能机器人全覆盖路径规划方法。建立智能机器人死区脱困模型,计算栅格地图模型中的目标活性值,获取整体栅格数量,描述地图中栅格状态,得到脱困时的行驶角度差。基于鱼群算法设计全路径覆盖判定方法,描述不同目标鱼个体之间的距离,在三重移动目标坐标系下,获取元素坐标向量,建立每个目标点的求解代价和,计算下一个目标点行驶的最小距离。设计机器人全覆盖路径规划算法,判断当前位置是否为死区,获取路径规划的全局最优解,实现智能机器人的全覆盖路径规划。利用Matlab仿真软件完成智能机器人全覆盖路径规划实验。结果表明,在简单环境下,该路径规划方法覆盖率为100%,重复率为5.23%,路径长度为15.36m；在复杂环境下,该路径规划方法的覆盖率为100%,重复率则为10.24%,路径长度为20.34m。由此证明,该方法具有较好地规划效果较好。     

适用于路径跟踪控制的自适应MPC算法研究

为提高自动驾驶车辆在不同工况下的路径跟踪精度和行驶稳定性,基于车辆的单轨模型和模型预测控制（MPC）理论,提出一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法。该算法主要是通过模糊控制理论动态优化传统MPC路径跟踪控制器中权重系数矩阵,使得当车辆与参考路径偏差比较大时,能够快速减小跟踪偏差,保证车辆行驶的安全性;当路径跟踪偏差比较小,且参考路径曲率比较小时,使得系统更加侧重行驶稳定性的要求。为验证所设计的路径跟踪控制器的性能,搭建CarSim/Simulink联合仿真模型,在联合仿真过程中,基于权重系数自适应的MPC路径跟踪控制器与基于权重系数为常量的MPC路径跟踪控制器相比,路径跟踪精度和车辆的行驶稳定性均得到了提高。     

基于笛卡儿坐标系的迷宫路径规划算法

针对迷宫这类特殊的环境模型,提出了基于笛卡儿坐标系的新的路径规划算法。该算法通过找出机器人行驶方向和位置变化的关系,方便快捷地实现了对路径的记忆,并且在到达终点后能够通过一种简单的路径优化算法算出最短路径,最终实现以最短路径返回。此算法的可行性已通过轮式机器人实例得到证实。     

电动汽车充电负荷预测研究

电动汽车的快速发展会逐渐增大电网的运行压力,而预测电动汽车的充电负荷有利于电网的运行和合理调度.论文分析了电动汽车充电负荷的影响因素,得到不同充电方式中充电功率的变化,分析了三种类型电动汽车的充电频率、日行驶里程和起始充电时间,并建立了相应的概率密度函数模型.最后采用蒙特卡洛算法模拟计算出日充电负荷,为电动汽车有序充电研究提供了基础.     

负载影响下纯电动汽车配送路径规划及充电策略

由于纯电动汽车行驶里程的限制,在满足商用要求的前提下,纯电动汽车用于长途运输服务在短期内难以实现。不过,城市物流因其配送区域较小、货物的批量较小、批次较多的特点,可以考虑使用纯电动汽车来完成城市的配送任务。为满足车辆当天多次配送任务的要求以及考虑车辆负载对实时能耗的具体影响,建立了考虑车辆负载对实时能耗影响的配送模型,以及时满足客户的服务时间要求。并以城市A为例,设计了蚁群算法对模型进行求解,为纯电动汽车的配送任务进行合理的路径规划与充电策略的安排。最后,通过与使用燃油车辆运营相比较,分析未来纯电动汽车在城市配送物流中的可行性。     

不确定性条件下最优路径的研究

城市交通情况复杂多变,交通事故、突发事件等更增加了车辆行驶时间的不确定性。本文是在此基础上进行的最优路径的研究,旨在不确定条件下,找到可靠、快速、安全的最优路径。首先,不确定条件下分析不同车辆经过每条路径的时间均值和标准差,给出每条路径的时间代价,所有路径中花费时间代价最小的即为最优路径。而最优路径模型就是在合理的假设下利用迪杰斯特拉算法得到最小的时间代价,并实际应用到市区交通网络,得到绕过拥挤路段的最优路径。本文主要叙述不确定条件下两点交通的最优路径以及交通网络的最优路径研究。     

交通场景下基于深度强化学习的感知型路径分配算法

路径分配问题是交通数字孪生系统的重要研究方向之一,其重点是综合考量行驶需求的动态变化以及路网信息的实时改变,实现高效合理的路径规划。现阶段一些经典的分配算法如粒子群、Dijkstra等算法及其优化模型仅能达到全局静态最优,忽略了现实交通中的复杂变化。而逐渐推出的各种深度学习算法虽能进行全面的时空预测,但受限于海量历史数据的归纳分析以及较高的运算成本,难以大规模应用。鉴于此,提出了一种静态分配算法与深度强化学习算法结合的感知型路径分配算法,在行驶中依据实时路网信息和车辆当前状态,实现全局路径动态再分配及更新,相关算法的精度和效率在仿真实验中得到验证。     

融合多目标与速度控制的AGV全局路径规划

为提升AGV工作效率并改善其躲避障碍物的执行能力,提出在静态与动态环境下的全局路径规划方法——多目标与速度控制法.在静态环境下,以路径最短与平滑度最大建立路径规划的多目标数学模型,采用所提出的改进算法求解并筛选,得到AGV的行驶路径;在动态环境中,根据障碍物的运动情况,提出感应转向算法,使AGV合理躲避障碍物.结合两种环境下的转向特点,设定AGV速度控制规则,应用于静态与动态环境下的转向过程,确保AGV能够行驶得更加平稳与快速.仿真实验表明,所提出方法能够确保AGV在两种环境下自由躲避和灵活转向,提升行驶速度,提高工作效率;与常规算法对比,改进算法的求解效果在时间和精度上都显著提高.     

负载影响下纯电动汽车配送路径规划及充电策略

由于纯电动汽车行驶里程的限制，在满足商用要求的前提下，纯电动汽车用于长途运输服务在短期内难以实现。不过，城市物流因其配送区域较小、货物的批量较小、批次较多的特点，可以考虑使用纯电动汽车来完成城市的配送任务。为满足车辆当天多次配送任务的要求以及考虑车辆负载对实时能耗的具体影响，建立了考虑车辆负载对实时能耗影响的配送模型，以及时满足客户的服务时间要求。并以城市A为例，设计了蚁群算法对模型进行求解，为纯电动汽车的配送任务进行合理的路径规划与充电策略的安排。最后，通过与使用燃油车辆运营相比较，分析未来纯电动汽车在城市配送物流中的可行性。     

基于DEB-ABC算法的电动汽车充电优化调度模型

随着电动汽车保有量不断上升, 其相关配套设施也面临巨大挑战, 不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤, 并且影响电网稳定运行. 提出一种考虑多目标优化的调度模型, 通过分析充电站内不同充电选项的排队时间, 并根据排队率和分时电价提出一种动态定价模型, 影响车主充电行为, 结合动态定价模型与充电需求计算充电成本, 考虑基于起讫点的充电总路径行驶时间, 以总成本最少为优化目标, 基于DEB-ABC算法进行求解. 在某区域内对1 500辆电动汽车进行仿真验证, 结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间, 提高区域内充电站利用率.     

物联环境下拥堵道路汽车最优通行路径选择

研究并提出了一种基于物联环境下拥堵道路汽车最优通行路径选择的“分布式”算法,通过计算物联环境下汽车行驶路况信息素,构建算法模型,推演拥堵道路汽车最优通行路径信息素发展趋势,标定拥堵道路重复路径优选信息,栅格化处理容易将通行道路信息素和路面障碍物重叠,由此选择基于局部最优和整体最优的拥堵道路汽车通行可行性路径。经过最优道路扩展运算和通行路径细化优选分析,在模拟运行环境下,测试验证了该算法优选方案及其决策支持下的最优通行路径的合理性、安全性与经济性。     

基于元胞遗传算法的机器人路径规划研究

使用基本遗传算法进行移动机器人路径规划时,面临路径进行插入修复无法保证解的可行性,且算法易陷入局部收敛的问题;针对上述问题,通过使用元胞遗传算法增强了路径规划环境建模的通用性,并在算法适应度函数中加入路径平滑因素改善了元胞遗传算法的路径;仿真实验表明,该算法和基本遗传算法相比,机器人行驶路径的长度减少,转角绝对值之和减小,得到了距离短且平滑的路径,提高了移动机器人的行驶效率和平稳性;由于算法良好的隐性迁移机制,因此在局部优化时保持了群体的多样性,一定程度克服了算法的早熟现象,有效解决了移动机器人路径规划问题。     

基于ISODATA的实时动态电动汽车运行工况与耗电特性研究

针对电动汽车行驶工况进行研究是确定电动汽车能耗、电动汽车新型技术和评估的核心方法.采集电动汽车在实际道路行驶的数据,使用主成分分析算法(Principal Component Analysis,PCA)、迭代自组织数据分析算法(Iterative Self Organizing Data Analysis Techniques Algorithm,ISODATA)以及运动学片段分析法对实测的数据进行降维和聚类,利用Silhouette函数验证聚类结果的合理性.根据聚类中心的大小,筛选提取的运动学片段,构建电动汽车实际行驶的代表性工况,通过测试数据进行了差异性检验.在建立代表性工况的基础上,提出电动汽车能耗特性和电量实时估算方法.     

信息融合架构下的新型再生制动控制策略

再生制动能够实现能量的回收利用,是电动汽车重要的工作模式之一.现有的制动力分配方案对蓄电池和电机的限制因素考虑不够充分,能量回收效率和制动效能较低.对此,提出一种基于信息融合架构下的新型再生制动控制策略.在蓄电池和电机限制因素的基础上,综合考虑增加电动车的续驶里程和制动时的舒适性、安全性等因素,对于电动汽车的不同行驶工况具有自适应性,能够实现能量高效回收;对车辆行驶速度和制动强度进行特征提取和制动模式分类,从而根据特征匹配结果切换制动模式.最后,通过搭建Matlab/Simulink整车动力学仿真模型,验证所提出控制策略的有效性和先进性.     

考虑灵活充电策略的带时间窗物流配送路径优化研究

电动汽车作为一种新型绿色交通运输工具,目前被广泛的应用于多种物流场景中.然而,电池容量有限、充电时间长以及配套设施不健全等问题制约着其在物流配送领域中的有效推广.为此,针对电动汽车的物流配送路径优化问题,引入一种部分充电策略,提出了考虑部分充电策略的带时间窗电动汽车物流配送路径优化问题,建立了该问题的整数规划模型,并设计混合模拟退火算法对其求解.最后,利用一个研究算例对模型和算法进行了测试和数值分析,验证了其有效性.     

时变网络环境下城市应急救援路径优化

针对时变网络环境下城市应急救援路径优化问题,提出了一种城市路段行驶时间计算方法,该方法考虑了跨越多个时段的行驶问题,并且符合网络路径中的先进先出(FIFO)原则。对最优路径的选择,设计了一种改进遗传算法(GA)进行求解。在该算法中,设计了基于重合节点的单点与双点混合交叉策略,以及删除点的变异策略。最后通过算例验证了该方法得到的最优救援路径比在静态网络环境下得到的最优救援路径的实际行驶时间更短,从而说明该方法在应急救援路径选择决策上能够给出更优的解。     

无人机-智能车队协同路径实时规划研究

在智能交通系统下的路径实时决策方法中，由于智能车队因路旁检测器未设置、故障或者通信信号中断等情况而导致接收不到道路信息的问题，引入无人机，使智能车队和无人机协同工作，称之为机测工作模式。该模式是根据车道上不同信号显示下的行驶时间以及在交叉口的延误时间，动态计算行驶时间并得到一条用时最少的路径。通过4种场景，利用Matlab仿真得到的结果和理论分析一致，验证了算法的有效性。     

高校校车联营的协同车辆路径问题

考虑城市高校校区分散、教职工通勤安全、高校和教职工双方利益及道路路况影响校车行驶速度等因素,建立高校校车联营的协同车辆路径问题模型.充分利用蚁群优化算法和遗传算法的优势,引入了平滑机制和混沌搜索机制,构造了混合蚁群协同算法.对实例进行仿真表明,该算法在收敛速度和寻优结果两方面都优于遗传算法和蚁群优化算法,而且高校校车联营的模式不仅节约了高校经费开支,还缓解了交通拥堵,因此对城市的发展有重要的意义.