發(fā)布時間：2020-09-12 12:05

　　 作為物聯(lián)網(wǎng)技術在智能交通系統(tǒng)領域的典型應用,車聯(lián)網(wǎng)系統(tǒng)提供了海量的可供分析利用的多種異構的城市交通大數(shù)據(jù)�；谶@些城域范圍內交通大數(shù)據(jù)的分析和挖掘,可以解決城市交通系統(tǒng)所面臨的一系列問題。特別的,在當前大氣污染和能源匱乏現(xiàn)象日益嚴重的情況下,將新能源汽車引入到公共交通領域內,結合數(shù)據(jù)挖掘技術和智能交通系統(tǒng),可以進一步推動新能源汽車產業(yè)的發(fā)展,為城市“綠色交通”的智能化升級提供一定的基礎。本文以深圳市的新能源出租車為研究對象,對其在真實運營環(huán)境中碰到的問題進行梳理,并基于軌跡數(shù)據(jù)挖掘的相關理論來進行分析和研究,首先對軌跡數(shù)據(jù)挖掘概述及其在本文中的應用進行了介紹,然后基于軌跡數(shù)據(jù)挖掘對新能源出租車司機的行為進行了研究,并結合貝葉斯模型提出了一種實時推薦系統(tǒng),隨后基于軌跡數(shù)據(jù)挖掘對充電資源的配置進行了研究,主要包括充電站的選址和充電樁的配置,并利用排隊論模型對充電服務系統(tǒng)進行了建模,最后將軌跡異常檢測應用于新能源出租車的運營中,對新能源出租車的電池衰減及充電站停運后充電資源的調度進行了研究。本文是基于軌跡數(shù)據(jù)挖掘相關理論進行的,因此我們首先對軌跡數(shù)據(jù)挖掘的主要研究進行了系統(tǒng)的調研,提供了該領域的全景及其研究課題的范圍。隨后,我們針對本文的研究主體新能源出租車,來對這些軌跡數(shù)據(jù)挖掘方法進行了應用及擴展,因此本文不僅可以看做是軌跡數(shù)據(jù)挖掘在新能源出租車領域的應用,也可以說是通過研究新能源出租車這一載體,我們對軌跡數(shù)據(jù)挖掘的相關內容進行了一定的補充及創(chuàng)新。接下來,我們基于軌跡數(shù)據(jù)挖掘對新能源出租車司機的行為進行了研究。具體而言,我們基于之前提出的軌跡數(shù)據(jù)挖掘方法,分別從群體和個體兩個不同角度進行分析,然后將相應的研究成果應用于其實際運營中。首先從新能源出租車的群體性特征方面入手,證實了城域中出租車電動化方案的可行;隨后從更為細粒度的層面對新能源出租車司機的個體行為進行了挖掘,并據(jù)此提出了一種基于貝葉斯模型的充電站推薦方法,為有充電需求的新能源出租車提供充電站實時推薦,最小化其在充電上的總耗時,從而大大增加它們的運營時間。隨后,我們基于軌跡數(shù)據(jù)挖掘對新能源出租車賴以依靠的充電資源的配置進行了研究,主要針對充電站的選址及充電樁的部署進行了相關的論述。雖然這里研究的主體是充電資源的配置,但是其依然是基于新能源出租車的軌跡數(shù)據(jù)來進行的,我們首先采用優(yōu)化模型來對充電站的選址進行建模,隨后基于對新能源出租車軌跡數(shù)據(jù)的分析,利用排隊論原理建立了新能源出租車充電站服務系統(tǒng)的數(shù)學模型,從而對站點內充電樁數(shù)量的配置進行了研究,最后我們基于實際的新能源出租車充電數(shù)據(jù)對上述模型進行了評估,并提出了我們對于充電資源優(yōu)化配置的一些建議和改進意見。然后,我們對新能源出租車軌跡異常檢測的應用進行了研究。新能源出租車軌跡異常檢測在本文中的應用可以概括為兩個方面的內容:第一個是針對新能源出租車電池衰減的研究,第二個是針對充電站停運后充電資源調度的研究。我們嘗試通過軌跡數(shù)據(jù)挖掘的方法來對電池衰減現(xiàn)象進行分析及研究,希望能夠在實際行駛及真實路況環(huán)境下,得到新能源汽車電池衰減的趨勢及過程;除此以外,我們還提出了一種基于回歸模型的充電資源調度方法來對充電站停運后遇到的問題進行解決。本文主要是基于軌跡數(shù)據(jù)的挖掘來對新能源出租車在實際運營中遇到的問題進行論述和建模,其對出租車電動化評估、充電站實時推薦、充電資源的優(yōu)化配置、新能源汽車的電池衰減和充電資源的調度等均有重要的指導意義和實用價值;此外,本研究的成功實施,將推進對新能源車輛特征的研究向定量化、模型化的方向發(fā)展,具有較大的理論意義。
【學位單位】：華中科技大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：U495;TP311.13
【部分圖文】：

我們對深圳市己有的８００多輛新能源出租車進行了長期的跟蹤觀察及分析，其中就逡逑有這些車輛在不同充電站的充電數(shù)據(jù)，結果顯示不同充電站的忙閑狀態(tài)差別巨大，逡逑充電負載極不均衡：我們提取部分數(shù)據(jù)對這一現(xiàn)象進行說明，如圖１－１所示，為深逡逑訓市２０１５年４月￣１０月各個充電站內充電車次的統(tǒng)計，圖中的每個圓點代表一個充逡逑電站，圓點的顏色越深表示在這個充電站內進行充電的車輛越多，再除以新能源出逡逑租車數(shù)量的總數(shù)后即可得到相應的比例值，實際上，這種充電需求上的不均衡分布逡逑會導致很多問題。首先，新能源出租車單次充電時間較長（快充模式平均為１．５個逡逑小時，慢充模式平均為７個小時），如果某個新能源出租車在充電時選擇了較為擁逡逑擠的充電站，那么即使只需要等候一輛車完成充電，都有可能導致其較長時間的排逡逑隊等待，進而侵占其有效運營時間。與此相比，傳統(tǒng)的燃油汽車完成一次加油僅需逡逑幾分鐘

出現(xiàn)這種充電站負載不均衡的狀況，主要有以下兩個方面的原因：逡逑其一，對新能源出租車駕駛員的行為特征分析不夠，導致為新能源出租車服務逡逑的充電站選址不夠合理。如圖１－１所示，圖中的每個圓點表示一個充電站，部分充電逡逑站相距很近且利用率較低，這就是一種重復建設。在當今土地資源已經(jīng)相當匱乏的逡逑大城市，科學合理的充電站布局規(guī)劃對于未來持續(xù)發(fā)展具有十分重要的意義。新能逡逑源出租車長時運營，日均行駛里程大，充電次數(shù)多，充電位置隨運營客流線路變化，逡逑這與普通個人新能源汽車基本每日甚至幾日一充、充電時刻和地點波動性較小的特逡逑征有著明顯的不同。這些差異說明需要根據(jù)電動出租車的行為特征，尤其是充電行逡逑為特征，有針對性地優(yōu)化充電站的選址。逡逑其二，現(xiàn)階段缺乏有效的充電設施可用信息的預測機制。新能源出租車駕駛員逡逑一般會選擇在固定的時刻去為新能源汽車充電，然而他們在選擇在哪個充電站充電逡逑的時候卻是比較盲目的：由于無法實時獲取充電資源的全局信息

逡逑建充電站區(qū)域，通常采用優(yōu)化模型進行選址決策。如圖１－３所示，現(xiàn)有的選址方法逡逑主要有三類，分別是基于點、流及活動的選址方法。逡逑（邋ｌ．活動邋ｉ邋？逡逑圖１－３邋（ａ）基于點的方法（ｂ）基于流的方法（ｃ）基于活動的方法逡逑第一類是基于點（ｎｏｄｅ－ｂａｓｅｄ）的方法［｜２］［１３］［１４］，即將充電需求所在位置視為一逡逑個點，然后通過點之間的拓撲結構來進行選址。但上述充電需求點，在充電站／|村義轄ㄉ柚�，蕦甚r歉菀恍┠Ｐ圖偕璩隼吹�，并不能完全窂某城市闹q媸檔某淶玨義閑棖笄樾�。辶x系詼嗍腔誄鞘薪煌鰨ǎ媯歟錚鰨猓幔螅澹洌┑姆椒ǎ郟擔藎郟叮藎郟保罰藎捶治齔鞘心誄盜鏡膩義希埃牧鞣植跡醚≈返隳芄蛔畬蟪潭鵲母哺淺鞘心詰模埃牧髯槌傻穆吠�。除此裔j�，辶x希耍酰猓熱耍郟福萏岢雋聳視糜諤媧劑掀檔幕諏韉娜劑險疚恢媚Ｐ�，之后Ｋｉｍ｀P保梗蒎義蝦停茫幔穡幔潁郟玻ǎ蕕熱嘶諦履茉雌凳芟薜男嚼锍潭匝≈紡Ｐ徒辛爍慕��；誚煌ㄥ義狹韉姆椒芄徽業(yè)嬌土髁拷廈薌那

本文編號：2817609