电动网约车充电站布局优化研究#br#

doi:10.3778/j.issn.1002-8331.1804-0211

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (14): 228-234.DOI: 10.3778/j.issn.1002-8331.1804-0211

电动网约车充电站布局优化研究#br#

王丽丽1，2，刘昕3

1.成都信息工程大学物流学院，成都 610103
2.西南财经大学工商管理学院，成都 611130
3.伊利诺伊理工大学计算机学院，芝加哥 60616

出版日期:2019-07-15 发布日期:2019-07-11

Research on Optimization Model of Electric Vehicle-Hailing’s Charging Stations Location

WANG Lili1，2, LIU Xin3

1.School of Logistics, Chengdu University of Information Technology, Chengdu 610103, China
2.School of Business Administration, Southwestern University of Finance and Economics, Chengdu 611130, China
3.College of Computer Science, Illinois Institute of Technology, Chicago 60616, USA

Online:2019-07-15 Published:2019-07-11

摘要/Abstract

摘要： 电动网约汽车的出现使得人们的交通出行方式更加灵活，也更大程度满足出行个性化和高品质的需求，但是由于电动汽车电池特性，如何合理布局充电站成为关键。因此在建立总出行时间最短模型基础上，通过Python对充电站布局进行多Agent仿真优化，平衡交通密度和充电需求，考虑电动网约车司机充电行为决策问题，构建电动汽车行为模型，并以北京市13座充电站为例，分别从访问频率、绕行时间和等待时间等因素分析充电站布局的合理性，对充电站布局以及充电桩个数进行优化，保证各个充电站访问频率较平均。

关键词: 电动汽车, 充电站布局, 多智能体

Abstract: The emergence of electric vehicle-hailing has not only made citizens’ transportation modes more flexible, but also satisfied the needs of personalized and high quality travel. But the way of rational distribution of charge station is a key on account of the battery characteristics of electric vehicle. Thus, this paper founds a basis of the shortest travel time, makes a multi-agent simulation with Python, considers charging behavioral decision problems of internet-based electric vehicle drivers, builds a behavioral model of electric vehicle. What is more, this paper takes 13 charge stations of Beijing as an example, analyzes the rationality of charge stations location planning and makes an optimization of charge stations’ location planning and charging piles’ numbers for a relative balance of access frequencies of every charge station from the perspectives of access frequencies, detour time, waiting time and so forth.

Key words: electric vehicle, charging stations location, multi-agent

王丽丽1，2，刘昕3. 电动网约车充电站布局优化研究#br#[J]. 计算机工程与应用, 2019, 55(14): 228-234.

WANG Lili1，2, LIU Xin3. Research on Optimization Model of Electric Vehicle-Hailing’s Charging Stations Location[J]. Computer Engineering and Applications, 2019, 55(14): 228-234.

[1]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[2]	张公凯，陈才学，郑拓. 改进鲸鱼算法在电动汽车有序充电中的应用[J]. 计算机工程与应用, 2021, 57(4): 272-278.
[3]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[4]	李振涛，冯元珍，王正新. 事件触发下多智能体系统固定时间二分一致性[J]. 计算机工程与应用, 2021, 57(21): 80-86.
[5]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[6]	孙彧，曹雷，陈希亮，徐志雄，赖俊. 多智能体深度强化学习研究综述[J]. 计算机工程与应用, 2020, 56(5): 13-24.
[7]	茆汉国，张建德. 多智能体系统的非震颤固定时间一致性[J]. 计算机工程与应用, 2020, 56(4): 158-162.
[8]	王利利，张琳娟，尚雪宁，高德云. 计算智能在电动车充电站规划的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 1-10.
[9]	陈良康，过榴晓，杨永清. 带有智能领导者的网络系统分群投影一致性[J]. 计算机工程与应用, 2020, 56(19): 42-47.
[10]	许元云，何明，刘锦涛，周波，杨铖. 碰撞锥检测改进的多智能体避障算法[J]. 计算机工程与应用, 2020, 56(18): 63-68.
[11]	王梦娇，尹翔，黄宁馨. 基于迁移学习的多任务分配算法[J]. 计算机工程与应用, 2020, 56(13): 150-155.
[12]	肖俊明，高洪洋，朱永胜，瞿博阳. 考虑新能源接入的电力多目标优化调度[J]. 计算机工程与应用, 2019, 55(23): 241-247.
[13]	冯元珍，刘敏. 具有时滞的混合阶多智能体系统的组一致性[J]. 计算机工程与应用, 2019, 55(12): 67-71.
[14]	李杨，徐峰，谢光强，黄向龙. 多智能体技术发展及其应用综述[J]. 计算机工程与应用, 2018, 54(9): 13-21.
[15]	梁嘉琪，卜旭辉，刘建. 数据丢失下多智能体系统迭代学习跟踪控制[J]. 计算机工程与应用, 2018, 54(20): 42-47.

电动网约车充电站布局优化研究#br#

Research on Optimization Model of Electric Vehicle-Hailing’s Charging Stations Location

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics