电动汽车路径规划方法与制作流程
电动汽车项目实施方案
电动汽车项目实施方案1.项目背景和目标2.项目规划（2）技术研发：投资足够的资源进行电动汽车的技术研发，包括电池技术、动力系统、车辆控制系统和充电技术等。
（3）产业链建设：与供应商、充电基础设施提供商和电力公司等建立合作关系，确保供应链的稳定性和互补性。
（4）市场推广：通过广告、促销和展览等方式推广电动汽车，提高公众对电动汽车的认知和接受度。
3.项目组织和资源分配（1）项目组织：成立一个专门的项目团队，由项目经理负责。
团队成员包括市场调研人员、技术研发人员、供应链管理人员和市场推广人员等。
（2）资源分配：根据项目需求，合理分配项目组成员的工作任务和资源。
确保项目的顺利进行和高效执行。
4.项目风险管理（1）技术风险：通过技术研发和创新，提升电动汽车的性能和可靠性，降低技术风险。
（2）市场风险：通过市场调研和市场推广，有效评估市场需求和竞争情况，减少市场风险。
（3）政策风险：与政府官员和政策制定者建立合作关系，及时了解政策变化，降低政策风险。
5.项目进度和成本控制（1）项目进度：制定详细的项目计划，并设置里程碑和关键节点，确保项目按时完成。
（2）成本控制：建立完善的成本管理体系，根据项目需求合理分配资源，控制项目成本和预算。
6.项目评估与调整（1）项目评估：定期进行项目评估，包括技术评估、市场评估和风险评估等。
及时发现问题并采取措施解决。
（2）项目调整：根据项目评估结果，对项目计划和方案进行调整和优化，确保项目目标的实现。
7.持续改进和创新电动汽车市场是一个不断变化和发展的市场，需要持续进行改进和创新。
项目团队应密切关注市场动态和技术进展，并及时调整项目策略和方向。
综上所述，电动汽车项目的实施方案需要从市场调研、技术研发、产业链建设、市场推广、项目组织和资源分配、风险管理、进度和成本控制、评估与调整、持续改进和创新等多个方面进行考虑和制定。
项目团队需要密切关注市场和技术的变化，及时调整项目策略和方案，确保项目的顺利实施和目标的实现。
智能车辆路线规划算法设计与优化
智能车辆路线规划算法设计与优化智能车辆的出现，给人们的生活带来了很多便利，而在智能车辆设计中，路线规划是非常重要的一部分。
因为一个好的路线规划能够让我们的车辆运行更加高效，这不仅能够减少人力成本，而且能够提高我们的安全。
因此，智能车辆路线规划算法设计和优化至关重要。
一、智能车辆路线规划算法设计1. Dijkstra算法Dijkstra算法是一种最为经典的最短路径算法，在智能车辆的路线规划中应用非常广泛。
该算法以起点为起点，通过遍历图来搜索各种路径，然后确定除了起点以外的最短路径。
在根据该算法实现智能车辆的路线规划时，我们需要先建立好有向图，然后设定起点和终点即可。
2. A*算法A*算法是基于启发式搜素的最短路径算法，也是常用的路线规划算法。
该算法通过利用一些启发式函数来确定节点之间的距离，从而得到更快速的路径。
A*算法主要通过计算每个节点到终点的估计距离和距离起点的实际距离之和，来决定下一步所要走的节点。
在智能车辆的路线规划中，我们可以利用A*算法来提高信息处理和规划的效率，从而快速地获得最优的路径。
二、智能车辆路线规划算法优化1. 改进启发式函数由于启发式函数是决定最优路径的非常关键的因素，因此我们可以通过改进启发式函数来提高智能车辆的路线规划效率。
比如我们可以根据传感器数据来确定道路上的通行情况，从而对启发式函数进行改进，使得车辆可以根据实际情况快速地找到最优路径。
2. 优化路径规划策略对于一些特定的情况，比如路况的不确定、改变了路线等，我们可以通过改变智能车辆的路线规划策略来提高其决策能力。
比如我们可以设置多个节点策略，使得车辆可以根据不同的策略来选择最优的路径。
同时我们也可以在路线规划的过程中，引入一些智能模块来帮助车辆及时进行决策，以获得更好的路径规划效果。
3. 路线优化在智能车辆的运行过程中，我们还可以通过优化其路线来节约能量和减少行驶时间，从而提高智能车辆的路线规划效率。
比如我们可以运用多项式规划等数学技术，来计算出最优的路径，从而让车辆更加节约能量和高效运转。
新能源汽车开发流程
新能源汽车开发流程一、产品规划在产品规划阶段，企业需要明确产品的定位、目标市场、竞争态势以及潜在需求等方面的信息。
通过对市场进行深入调研和分析，制定出产品的初步规划和设计方案，包括产品类型、技术路线、性能指标、预期售价等方面。
二、概念设计在概念设计阶段，设计师需要将产品规划中的初步方案转化为具体的概念设计。
这包括对车辆外观、内饰、动力系统、底盘等方面的初步设计，以及对关键技术方案的初步筛选和确定。
概念设计阶段需要充分考虑产品的创新性、实用性、经济性以及法规符合性等方面。
三、详细设计详细设计阶段是在概念设计的基础上，对车辆的各个子系统进行深入的设计和计算。
这一阶段需要充分考虑各子系统之间的协调与配合，确保车辆整体性能的优化。
同时，还需要进行必要的设计分析和仿真模拟，以确保设计方案在生产制造过程中的可行性和可靠性。
四、试制与试验在详细设计完成后，需要进行试制与试验阶段。
这一阶段的主要任务是通过试制小批量样车，对设计方案进行实际验证和测试。
试验的内容包括性能试验、可靠性和耐久性试验、安全性能试验等，以确保产品在各种工况下的性能表现和安全性符合设计要求。
试制与试验阶段是发现和解决问题的关键阶段，对于保证产品性能和质量至关重要。
五、改进与优化根据试制与试验阶段的结果，需要对设计方案进行必要的改进和优化。
这可能涉及到车辆的外观、性能参数、生产工艺等方面。
改进与优化阶段的目的是进一步提高产品的竞争力和市场适应性。
六、投产准备投产准备阶段是在改进与优化阶段完成后，准备将产品投入大规模生产前的准备工作。
这一阶段包括工艺流程制定、生产线布局、工装模具设计制造、原材料采购等方面的准备工作。
同时，还需要对生产人员进行培训和技术交底，确保产品的顺利生产和质量的稳定。
电动汽车的智能导航与路线规划
电动汽车的智能导航与路线规划随着科技的不断进步，电动汽车正逐渐成为人们选择环保出行的首选。
与传统汽车相比，电动汽车具备更低的能源消耗和更清洁的尾气排放。
而智能导航系统和高效的路线规划对电动汽车的发展起到了至关重要的作用。
本文将探讨电动汽车的智能导航和路线规划技术对于提升驾驶体验、延长电池续航里程以及推动电动汽车行业发展的重要性。
一、智能导航系统的基本原理与功能智能导航系统是现代汽车技术的重要一环，其基本原理是通过使用卫星定位系统（GPS）与车载计算机的联动，实现车辆位置的准确确定和最佳路径的提供。
智能导航系统通常具备以下几个基本功能。
1. 导航与路线规划：智能导航系统可以根据用户的目的地输入，快速确定最佳路线。
用户只需在车内的导航系统上输入目的地，系统将会自动规划最优路径，并为驾驶者提供具体导航指示，以便方便快捷地到达目的地。
2. 交通信息播报：智能导航系统能够实时获取交通信息并进行播报。
通过与交通监测系统或互联网的连接，智能导航系统可以获得道路拥堵、事故等相关信息，及时向驾驶者提供路况信息，并为驾驶者选择更快捷的路线提供参考。
3. 语音识别与语音交互：智能导航系统采用语音识别技术，使驾驶者可以通过语音指令与导航系统进行交互。
这一功能使得驾驶者可以专注于驾驶，而不必分心操作导航系统，提高行驶的安全性和便利性。
4. 兴趣点搜索：智能导航系统可以搜索并显示周边的兴趣点，例如加油站、餐厅、停车场等。
这对于驾驶者在旅途中的需求提供了很大的帮助，节省了用户自行搜索的时间和精力。
二、电动汽车智能导航的特殊需求相较于传统燃油汽车，电动汽车在导航和路线规划方面有一些特殊的需求。
1. 电池续航里程考量：电动汽车在长途行驶时需要充分考虑电池续航里程的问题。
智能导航系统应该能够根据电池的实际电量和充电桩的位置，合理规划充电站点，以保证行驶过程中的能源供应稳定。
2. 充电桩信息显示：为了满足电动汽车用户的充电需求，智能导航系统应当提供实时的充电桩信息，包括位置、类型、充电价格等，以方便驾驶者选择合适的充电点。
电动汽车策划方案
电动汽车策划方案一、背景介绍近年来，随着环境保护意识的增强和能源危机的日益突出，电动汽车作为一种清洁、节能的交通工具，受到了越来越多的关注。
电动汽车具有零排放、低噪音和高能效等优势，被认为是未来交通发展的方向。
因此，制定一套完善的电动汽车策划方案，对于推动电动汽车产业的发展至关重要。
二、目标和目的1. 目标•推动电动汽车产业的发展，提升电动汽车在交通工具领域的市场份额。
•减少传统燃油车的使用量，降低交通对环境的污染。
•提升电动汽车的性能，提高用户的使用体验。
2. 目的•确定电动汽车的市场定位和品牌形象。
•制定电动汽车的产品策略，满足不同消费群体的需求。
•建立电动汽车的销售渠道和售后服务体系。
•加强电动汽车的研发能力和技术创新。
•完善电动汽车的充电基础设施建设。
三、市场分析1. 市场前景随着环境污染和能源供应问题的日益严重，电动汽车作为一种绿色、清洁的交通工具，具有巨大的市场潜力。
根据预测，电动汽车的市场规模在未来几年内将持续增长。
2. 竞争分析目前，电动汽车市场竞争主要来自传统燃油车和其他新能源汽车，如混合动力车和燃料电池车等。
在品牌竞争方面，特斯拉、蔚来、小鹏等厂商已经在电动汽车领域取得了一定的市场份额。
四、产品策略1. 定位我们的电动汽车主要面向城市消费者群体，以满足城市出行的短途需求为主要目标。
2. 特点我们的电动汽车具有以下特点：•长续航里程，满足日常城市出行需要。
•快速充电技术，提高用户充电效率。
•先进的智能科技，提供更便捷的驾驶和服务体验。
•清洁能源，减少环境污染，保护生态环境。
3. 型号和配置我们计划推出两款主力车型：•A型车：小型电动汽车，适合城市短途出行，具有紧凑的车身和灵活的驾驶性能。
•B型车：中型电动汽车，适合城市及周边地区长途出行，具有更高的续航里程和更大的载客空间。
五、销售和售后服务体系1. 销售渠道我们将建立多种销售渠道：•直营销售：在重点城市设立自营销售网点，直接面向消费者提供销售和售后服务。
智能车辆线路规划方案范本
智能车辆线路规划方案范本智能车辆的出现已经被认为是未来交通的一个重要发展方向。
智能车辆可以大大减少交通事故和拥堵，提高交通效率以及减少燃料消耗。
但是，智能车辆需要有良好的线路规划方案，才能顺利地智能驾驶。
本文将介绍智能车辆线路规划方案的范本。
第一步：地图数据处理智能车辆线路规划的第一步是收集地图数据并进行处理。
这包括收集各种各样的地图数据（如道路、建筑物、水域、山脉等）以及对这些数据进行处理和拓扑计算。
这一步的目的是确保智能车辆有足够的数据来建立准确的地图并进行线路规划。
第二步：车辆位置识别在开启线路规划模式之前，智能车辆需要确定自己的位置。
有两种方式可以实现这个目标：第一种是根据GPS定位，第二种是使用视觉传感器（如摄像头）来定位。
定位精度取决于可用的传感器类型和其质量。
例如，对于GPS定位，如果区域有高楼大厦或山脉，那么定位的精度将会有所减少。
为了获得更好的定位准确性，可以采用多种传感器配合的方式进行定位。
第三步：行驶范围确定在确定了车辆的位置后，智能车辆需要明确行驶的范围。
这包括在当前位置开始之前，在哪些位置停留、转向以及行驶的终点。
行驶范围的确定需要考虑诸多因素，包括远离交通拥堵、保证安全和确保到达目的地的最短路径等。
第四步：路径规划在确定了行驶范围之后，智能车辆需要进行路径规划。
路径规划是智能车辆在行驶范围内规划一条最佳路线的过程。
这条路线应该符合以下条件：•最短路径：车辆行驶的路线应该是最短的，以减少燃料消耗和时间成本。
•交通拥堵避免：车辆行驶的路线应该避开交通拥堵，以提高交通效率。
•安全性优先：车辆行驶的路线应该考虑到安全性问题，例如避开陡峭的山路或城市的危险区域等。
•可行性：车辆行驶的路线应该是可行的，以防通行困难或无法到达终点。
要达到以上条件，需要使用一系列复杂的算法模型，比如Dijkstra算法、A星算法等。
这些算法可以根据用户的要求和车辆本身的情况，进行智能匹配和计算，从而得到最优的路线规划方案。
电动汽车生产工艺流程
电动汽车生产工艺流程电动汽车生产工艺流程电动汽车的生产工艺流程是一个复杂而精细的过程，它包括了设计、制造、组装和测试等多个环节。
下面将简要介绍一下电动汽车的生产工艺流程。
首先，设计。
在设计阶段，工程师团队需要根据市场需求和消费者喜好，设计出具有竞争力的电动汽车模型。
他们需要考虑电动汽车的整体造型、车身结构、电池容量、驱动系统等方面，以确保产品质量和性能达到预期。
然后是制造。
在制造阶段，首先需要采购所需的主要材料和零部件，包括电池、电机、车身结构、座椅、轮胎等。
然后，各个部门开始对这些材料和零部件进行加工和制造。
例如，电池和电机需要进行组装和测试，车身需要喷涂和焊接，座椅和轮胎需要缝制和安装。
接下来是组装。
在组装阶段，各个部件和部件被组装到一起，形成完整的电动汽车。
首先，车身结构和底盘被组合在一起，形成车身骨架。
然后，电池和电机与车身骨架连接，形成驱动系统。
最后，螺栓和钣金等零部件被安装在车身上，以完成整车组装。
最后是测试。
在测试阶段，经过组装的电动汽车将进行各种测试，以确保其质量和性能符合设计要求。
这些测试包括机械性能测试、电池性能测试、驱动系统测试和整车性能测试等。
只有通过了这些测试，电动汽车才能被认定为合格产品，并可以进入下一阶段的生产和销售。
总结起来，电动汽车的生产工艺流程包括设计、制造、组装和测试等多个环节。
通过精心的设计，合理的制造和严格的测试，才能生产出符合市场需求和消费者期望的高质量电动汽车。
电动汽车的生产工艺流程不仅需要专业的工程师和技术人员，还需要大量的设备和工具来支持。
只有不断改进和提升生产工艺，才能为市场提供更多更好的电动汽车产品。
电动汽车整车电子控制器VCU系统自动泊车系统路径规划与控制算法研究
电动汽车整车电子控制器VCU系统自动泊车系统路径规划与控制算法研究一、自动泊车系统概述自动泊车系统是一种由电子控制器VCU系统控制的智能停车辅助系统，能够通过车辆上的传感器获取车辆周围的环境信息，包括车位大小、障碍物位置等，并根据这些信息进行路径规划和控制，实现车辆的自动停放。
自动泊车系统的核心是路径规划与控制算法，通过优化算法能够提高系统的灵活性和精度，实现更加高效的自动停车功能。
路径规划是自动泊车系统中的一个关键环节，通过合理的路径规划能够保证车辆在停车过程中不与障碍物碰撞，并且能够高效的找到合适的停车位。
传统的路径规划算法主要是基于车辆周围环境的传感器数据，通过建立场景模型和避障算法来实现路径规划。
这种方法在复杂环境下的准确性和灵活性有限，容易受到传感器误差和环境变化的影响。
为了克服传统路径规划算法的局限性，近年来研究者们提出了一系列基于深度学习和机器学习的路径规划算法。
这些算法通过训练大量的场景数据和车辆行驶数据，能够学习到更加复杂的环境特征和行驶策略，实现了更加准确的路径规划。
深度学习算法尤其在处理复杂环境下的路径规划问题上有着明显的优势，能够有效提高自动泊车系统的性能和鲁棒性。
控制算法是自动泊车系统中的另一个关键环节，通过合理的控制算法能够实现车辆在停车过程中的精确控制和车位停放。
传统的控制算法主要是基于PID控制器和遗传算法，通过调节车辆的速度和转向角，来实现车辆的停车控制。
这种方法在复杂环境和高速停车情况下容易出现控制误差和停车不精准的问题。
四、自动泊车系统的优化和改进针对自动泊车系统中路径规划和控制算法的局限性，研究者们可以在以下方面进行系统的优化和改进：1. 智能传感器技术：通过引入更加智能和精准的传感器技术，能够提高车辆对周围环境的感知能力，从而实现更加准确和高效的路径规划和控制。
2. 多模态数据融合：通过融合多种传感器的数据，能够获取更加丰富和多样化的环境信息，实现更加准确的路径规划和控制。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图片简介:本技术提供了一种电动汽车路径规划方法。
该方法包括：获取电动汽车的当前电池荷电状态S0，根据S0和电动汽车的目的地获取所述电动汽车的备选充电站集合；当电动汽车的备选充电站集合不为空，计算出电动汽车驾驶员的舒适初始电池荷电状态Sc，将Sc与S0进行比较，当S0≥Sc时，则判断电动汽车无充电需求；反之，则判断电动汽车有充电需求；针对有充电需求场景，利用电动汽车的备选充电站集合进行最短路搜索，输出在充电条件下的电动汽车路径规划结果。
本技术的方法充分考虑了出行者心理作用的影响，考虑驾驶员出行感受的充电需求判断逻辑，可以满足未来个性化导航的需要，根据出行者的驾驶习惯更新判断逻辑，从而规划出符合出行者需求的出行路径。
技术要求1.一种电动汽车路径规划方法，其特征在于，包括：获取电动汽车的当前电池荷电状态S0，根据所述S0和电动汽车的目的地获取所述电动汽车的备选充电站集合；当所述电动汽车的备选充电站集合不为空，计算出电动汽车驾驶员的舒适初始电池荷电状态Sc，将Sc与S0进行比较，当S0≥Sc时，则判断电动汽车无充电需求；反之，则判断电动汽车有充电需求；针对有充电需求场景，利用所述电动汽车的备选充电站集合进行最短路搜索，输出在充电条件下的电动汽车路径规划结果。
2.根据权利要求1所述方法，其特征在于，所述的获取电动汽车的当前电池荷电状态S0，根据所述S0和电动汽车的目的地获取所述电动汽车的备选充电站集合，包括：获取电动汽车的当前电池荷电状态S0，S0的数值为电动汽车的当前电量占总电量容量的百分比例；当电动汽车不能够利用S0到达距离最近的充电站，则确定电动汽车的备选充电站集合为空，再判断电动汽车能否利用S0到达目的地，如果能够，则电动汽车驶向终点；否则，确定电动汽车需要充电；当电动汽车能够利用S0到达距离最近的充电站，则确定电动汽车的备选充电站集合不为空，根据电动汽车的目的地、行驶方向从电动汽车能够到达的所有充电站中筛选出备选充电站集合。
3.根据权利要求1所述方法，其特征在于，所述的计算出电动汽车驾驶员的舒适初始电池荷电状态Sc，包括：S31、计算出路径公共变量、不充电路径变量、充电路径变量、不充电变量和充电变量的效用函数；其中，路径公共变量的效用函数Vp由下式计算：Vp＝-0.113t-0.124c+0.880p式中，t为出行时间；c为出行费用；p为快速路和主干道所占比例之和，在计算时，以出行起讫点的直线距离作为出行距离，以起讫点所在二次网格所有路段的平均速度作为电动汽车的出行速度，计算得到电动汽车的出行时间，根据出行时间和出行能耗计算得到出行费用，并设定角度费用为0；不充电路径变量的效用函数Vn-p由下式计算：Vn-p＝-0.319AC+26.154log(Sd+1)+4.326log(PS)式中，AC为角度费用，在计算时假定角度费用为0；Sd为终点SOC；PS为设定的修正项，在这里取1；Sd由下式计算：EC＝EF/U＝3.576/v-7.895×10-3·v+7.845×10-5·v2+0.574EF＝1.359/v-0.003·v+2.981×10-5·v2+0.218式中，AEC为电动汽车出行路径的平均电量消耗因子；li为路径中第i条路段的长度；L为路径的总长度；Q为电动汽车的动力电池容量；EC为电动汽车电量消耗因子；U为电动汽车动力电池的端电压，取固定值380V；EF为电动汽车电能消耗因子；v为电动汽车的平均速度；充电路径变量的效用函数Vc-p由下式计算：Vc-p＝-0.084tc-0.127loc-0.375Ac式中，tc为电动汽车在充电站的充电时间；loc为起点至充电站的距离；Ac为路径k上起点、充电站和终点所形成的角度，在计算时，以备选充电站集合中所有充电站的充电时间、起点至充电站距离和充电站角度的平均值作为充电路径变量值；不充电变量的效用函数Vn由下式计算：Vn＝9.599log(Sc+1)-11.236充电变量的效用函数Vc由下式计算：Vc＝yg+ye+yi+yo式中，yg表示性别哑元，男性取值为0，女性取值为1；ye表示学历哑元，当被调查者拥有硕士及以上学历时，变量取值为1，其余取值为0；yi表示收入哑元，当收入高于10000元/月时取值为1，反之取值为0；yo表示职业哑元，当被调查者职业为外企员工、私企员工或个体户时取值为1，而其余职业取值为0；S32、根据计算出的路径公共变量、不充电路径变量和不充电变量，按下式计算不充电行为的效用函数Vnb：Vnb＝Vp+Vn-p+VnS33、根据计算出的路径公共变量、充电路径变量和充电变量，按下式计算充电行为的效用函数Vcb：Vcb＝Vp+Vc-p+VcS34、计算出驾驶员在出行过程中不进行充电行为的概率求解出针对所述电动汽车的起讫点，能够使大于50％的最低初始SOC，将该最低初始SOC作为电动汽车驾驶员的Sc。
4.根据权利要求3所述方法，其特征在于，所述的针对有充电需求场景，利用所述电动汽车的备选充电站集合进行最短路搜索，输出在充电条件下的电动汽车路径规划结果，包括：根据所述备选充电站集合，以路段权重Ca为搜索标准，运用最短路搜索算法，针对各备选充电站分别搜索得到起点至充电站、充电站至终点的最短路径koc和kcd；最短路搜索算法中选取了不充电路径的综合效用作为路段权重Ca：Ca＝-0.105ta-0.066ca-0.313ACa-0.227ea其中，Ca为路段a的权重；ta为路段a的出行时间；ca为路段a的出行费用；ACa为路段a的角度费用；ea为路段a的电量消耗。
结合所有起点至充电站的路径、充电站至终点的路径形成备选充电路径集合Kc；统计Kc中的各备选充电路径中出行时间、出行费用、充电时间、起点至充电站距离和充电站角度Ac属性值，按照下式计算各备选充电路径的选择概率，选择概率最高的充电路径作为在充电条件下的电动汽车路径规划结果；Vk＝-0.105tk-0.066ck-0.084tck-0.072loc-0.132Ac其中，Pk为路径k的选择概率；Vk为路径k的效用函数；tck为路径k上充电站的充电时间；loc为路径k中起点至充电站的距离；Ac为路径k上起点、充电站和终点所形成的角度。
式中，路径k上充电站的充电时间tck的计算公式为：tck＝50ln((1-Sck)/0.9731+1)Sck＝S0-eck·1000/(U·Q)其中，tck为路径k上的服务时间，当路径k为不充电路径时，tck＝0；Sck为电动汽车准备充电前的电量占总电量的百分比％；eck为电动汽车从起点至充电站所消耗的能量，kw·h；U为电动汽车电池的电压，取为380V；Q为电动汽车总电量，设定为40Ah；为路径k上起点至充电站的路段集合。
5.根据权利要求4所述方法，其特征在于，所述的方法还包括：针对无充电需求场景，考虑里程焦虑、出行过程中的充电行为对电动汽车驾驶员出行行为的影响，采用基于不充电路径的综合效用确定路段权重，利用所述路段权重运用最短路搜索算法得到电动汽车在不充电条件下的最短路，将该最短路作为在不充电条件下的电动汽车路径规划结果；采用基于不充电路径的综合效用确定路段权重，具体如下：Ca＝-0.105ta-0.066ca-0.313ACa-0.227ea其中，Ca为路段a的权重；ta为路段a的出行时间；ca为路段a的出行费用；ACa为路段a的角度费用；ea为路段a的电量消耗。
技术说明书一种电动汽车路径规划方法技术领域本技术涉及汽车路径规划技术领域，尤其涉及一种电动汽车路径规划方法。
背景技术随着城市交通日益拥堵，路径导航系统已经成为居民驾车出行时重要的辅助工具。
利用导航系统，规划合理的出行路径可以有效地帮助居民节约出行时间、避开拥堵路段，使出行更加顺畅和愉悦。
电动汽车受到电池容量和行驶里程的限制，导致居民在出行过程中，尤其是长距离出行，需要进行多次充电，使得现有面向燃油汽车的路径规划算法无法满足电动汽车的出行需求。
目前，现有技术中针对电动汽车的路径规划已进行了相关研究。
有方案认为电动汽车在出行时会选择能耗最低的路径而不是最短路径，在此基础上针对节能路径规划提出了一种改进Dijkstra算法。
基于类似的观点，还有方案运用了多种最短路径搜索算法(如A*算法等)以解决节能路径规划问题。
提出了能够适用于大型路网的最短路搜索算法。
上述现有技术中的电动汽车的路径规划方案的缺点为：在上述研究中并未考虑电动汽车在出行过程中可能会发生的充电行为，并且忽略了电动汽车驾驶员在出行过程中的里程焦虑现象，使得算法在实际运用中还存在一定的局限性。
技术内容本技术的实施例提供了一种电动汽车路径规划方法，以克服现有技术的问题。
为了实现上述目的，本技术采取了如下技术方案。
一种电动汽车路径规划方法，包括：获取电动汽车的当前电池荷电状态S0，根据所述S0和电动汽车的目的地获取所述电动汽车的备选充电站集合；当所述电动汽车的备选充电站集合不为空，计算出电动汽车驾驶员的舒适初始电池荷电状态Sc，将Sc与S0进行比较，当S0≥Sc时，则判断电动汽车无充电需求；反之，则判断电动汽车有充电需求；针对有充电需求场景，利用所述电动汽车的备选充电站集合进行最短路搜索，输出在充电条件下的电动汽车路径规划结果。
优选地，所述的获取电动汽车的当前电池荷电状态S0，根据所述S0和电动汽车的目的地获取所述电动汽车的备选充电站集合，包括：获取电动汽车的当前电池荷电状态S0，S0的数值为电动汽车的当前电量占总电量容量的百分比例；当电动汽车不能够利用S0到达距离最近的充电站，则确定电动汽车的备选充电站集合为空，再判断电动汽车能否利用S0到达目的地，如果能够，则电动汽车驶向终点；否则，确定电动汽车需要充电；当电动汽车能够利用S0到达距离最近的充电站，则确定电动汽车的备选充电站集合不为空，根据电动汽车的目的地、行驶方向从电动汽车能够到达的所有充电站中筛选出备选充电站集合。
优选地，所述的计算出电动汽车驾驶员的舒适初始电池荷电状态Sc，包括：S31、计算出路径公共变量、不充电路径变量、充电路径变量、不充电变量和充电变量的效用函数；其中，路径公共变量的效用函数Vp由下式计算：Vp＝-0.113t-0.124c+0.880p式中，t为出行时间；c为出行费用；p为快速路和主干道所占比例之和，在计算时，以出行起讫点的直线距离作为出行距离，以起讫点所在二次网格所有路段的平均速度作为电动汽车的出行速度，计算得到电动汽车的出行时间，根据出行时间和出行能耗计算得到出行费用，并设定角度费用为0；不充电路径变量的效用函数Vn-p由下式计算：Vn-p＝-0.319AC+26.154log(Sd+1)+4.326log(PS)式中，AC为角度费用，在计算时假定角度费用为0；Sd为终点SOC；PS为设定的修正项，在这里取1；Sd由下式计算：EC＝EF/U＝3.576/v-7.895×10-3·v+7.845×10-5·v2+0.574EF＝1.359/v-0.003·v+2.981×10-5·v2+0.218式中，AEC为电动汽车出行路径的平均电量消耗因子；li为路径中第i条路段的长度；L为路径的总长度；Q为电动汽车的动力电池容量；EC为电动汽车电量消耗因子；U为电动汽车动力电池的端电压，取固定值380V；EF为电动汽车电能消耗因子；v为电动汽车的平均速度；充电路径变量的效用函数Vc-p由下式计算：Vc-p＝-0.084tc-0.127loc-0.375Ac式中，tc为电动汽车在充电站的充电时间；loc为起点至充电站的距离；Ac为路径k上起点、充电站和终点所形成的角度，在计算时，以备选充电站集合中所有充电站的充电时间、起点至充电站距离和充电站角度的平均值作为充电路径变量值；不充电变量的效用函数Vn由下式计算：Vn＝9.599log(Sc+1)-11.236充电变量的效用函数Vc由下式计算：Vc＝yg+ye+yi+yo式中，yg表示性别哑元，男性取值为0，女性取值为1；ye表示学历哑元，当被调查者拥有硕士及以上学历时，变量取值为1，其余取值为0；yi表示收入哑元，当收入高于10000元/月时取值为1，反之取值为0；yo表示职业哑元，当被调查者职业为外企员工、私企员工或个体户时取值为1，而其余职业取值为0；S32、根据计算出的路径公共变量、不充电路径变量和不充电变量，按下式计算不充电行为的效用函数Vnb：Vnb＝Vp+Vn-p+VnS33、根据计算出的路径公共变量、充电路径变量和充电变量，按下式计算充电行为的效用函数Vcb：Vcb＝Vp+Vc-p+VcS34、计算出驾驶员在出行过程中不进行充电行为的概率求解出针对所述电动汽车的起讫点，能够使大于50％的最低初始SOC，将该最低初始SOC作为电动汽车驾驶员的Sc。