[发明专利]一种电动汽车节能导航的方法及系统

说明书

本发明提供一种电动汽车节能导航的方法及系统，所述方法的主要步骤包括：通过有向图建模道路网络，采用贝叶斯模型设定高斯与对数高斯能量模型，通过所述建模道路网络得到每个路段e的能耗，设定车辆沿各个边匀速行驶，得到近似能耗；确定在线学习框架，根据路径的不同路段上观察到的能耗来更新模型参数；引入多臂赌博机重新定义最短路径问题，使用组合半赌博情形，将其与所述在线学习框架中的优化问题联系起来，找到从到的最短路径动作；使用汤普森采样和置信上限两种算法探索环境；利用多个智能体进行同时探索，共享奖赏信息，加速参数学习速率。本发明能够有效解决节能导航问题，实现更有效的路线规划，极大地提高电动汽车的电池使用效率。

技术领域

本发明涉及电动车辆技术领域，具体而言，涉及一种电动汽车节能导航的方法及系统。

背景技术

在全球能源短缺、提倡清洁能源的大背景下，新能源汽车是汽车行业的必然选择，其技术研发和产业化发展受到了越来越多的重视。如今，电动汽车因其节约燃油能源、减少废气排放等优势，在交通系统中扮演着越来越重要的角色。以美国、欧洲和日本为代表的发达国家都在积极开展电动汽车产业发展的实践。中国作为崛起中的大国，发展电动汽车不仅有利于降低对石油的依赖、保证我国的能源安全，而且也契合我国的环境保护和可持续发展理念。

然而，新能源汽车正处于起步阶段，技术还不是很成熟。电动汽车的行使通常受限于其电池的容量，一个常见问题就是所谓的“里程焦虑”，目前大多数的纯电动汽车续航里程都在200公里以内。由于电池的高消耗，电动汽车的行驶距离通常比传统汽车短得多，因此时常发生电量耗尽、人员被困的窘境。不过这种担忧可以通过改进系统的导航和路线规划算法来缓解。

先前有很多工作采用了不同的最短路径算法，目的是找到最大限度降低能耗的路线。例如，1）考虑电池的有限容量，使用能量消耗作为边的权重并搜索可行性路径；2）把能耗函数与-搜索算法一起使用，以捕获查询时的电池约束；3）不使用固定的标量能耗作为边权重，而是使用分段线性函数来表示能量需求以及电池容量的上限和下限。这一任务也已经发展为车辆路径问题(VRP)背景下的最短路径问题。但是，通过对现有的节能导航方法进行分析总结，不难发现传统方法存在一个严重的不足：它们要么设定用于计算最优路径的必要信息是已知的，要么不提供任何探索策略去获取这些信息。

发明内容

鉴于此，为解决电动车辆领域的节能导航问题，本发明提供了一个在线学习框架，旨在解决导航优化问题的同时，自适应地学习探索能量模型的参数。该框架采用贝叶斯方法对每个路段的能耗进行建模，设定了高斯与对数高斯能量模型。同时分析了学习未知参数的两种探索策略：1）汤普森采样(TS)，也称为后验抽样或概率匹配，它是一种基于模型的探索方法，可在探索与利用之间进行最佳权衡；2）置信上限(UCB)，是另一种广泛用于权衡探索与利用的方法。除了提出新的能耗导航在线学习框架外，本发明进一步将算法扩展到了多智能体环境，即多个车辆自适应地导航和学习能量模型的参数，多智能体在线学习电动汽车节能导航和路线规划系统，能够有效解决上述问题，实现更高效的路线规划，提高电动汽车的电池使用效率。

本发明提供一种电动汽车节能导航的方法，包括以下步骤：

S1，通过有向图建模道路网络；

每条边的权重表示车辆通过该路段的能耗；

通过有向图来建模道路网络，其中每个顶点表示道路段的交叉点，每条边表示交叉点与之间的路段。有向路径是一个顶点序列集合,其中且。所述道路网络的每条边的权重函数与图中每条边相关联，表示车辆通过该路段消耗的总能量，权重函数通过扩展到一个路径上；

S2，采用贝叶斯模型设定高斯与对数高斯能量模型，通过所述建模道路网络得到每个路段e的能耗，设定车辆沿各个边匀速行驶，得到近似能耗的公式：

（1）；