數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法

楊珍珍，高自友

(1.北京交通大學(xué)交通運(yùn)輸學(xué)院交通系統(tǒng)科學(xué)與工程研究院,北京100044;2.北京掌行通信息技術(shù)有限公司,北京100085)

0 引言

在能源制約、環(huán)境污染的大背景下，大力發(fā)展新能源汽車成為解決眾多問題的突破口，也成為我國汽車產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)的必然選擇，發(fā)展新能源汽車已經(jīng)升級(jí)為國家戰(zhàn)略.為了引導(dǎo)消費(fèi)者選擇新能源汽車，國家也頒布了一系列鼓勵(lì)政策.電動(dòng)汽車是最常見的新能源汽車，但由于電動(dòng)汽車充電不方便，很多人不愿意購買電動(dòng)汽車.如何在資源有限的情況下，通過合理布局充電站，滿足更多人的需求，讓更多的人愿意購買和使用電動(dòng)汽車，促進(jìn)電動(dòng)汽車行業(yè)的良性發(fā)展，具有重要的意義.

近年來，國內(nèi)外學(xué)者對充電站選址相關(guān)問題進(jìn)行了研究，例如，Zhu等建立了充電站選址總費(fèi)用最小化的目標(biāo)函數(shù)，并提出一種基于遺傳算法的求解算法[1].Dong等應(yīng)用遺傳算法尋找公共充電樁選址的最優(yōu)選址方案[2].He等建立了用來分析插電式混合動(dòng)力車在公共充電站、電價(jià)、目的地和路徑選擇之間相互作用的平衡建?？蚣?，并確定公共充電站的最佳分配方案[3].王露建立了考慮用戶需求、投資成本、土地區(qū)位、緊急充電里程限制，提出了基于改進(jìn)遺傳算法的模型求解步驟[4].陳靜鵬等提出基于用戶需求的電動(dòng)汽車充電樁規(guī)劃模型，考慮充電需求空間分布的影響，以電動(dòng)汽車群體空駛成本最小化為目標(biāo)，以充電站的周最大充電負(fù)荷確定建設(shè)容量，并選取建設(shè)成本最小和充電樁利用率最大的規(guī)劃方法，兼顧運(yùn)營商和電動(dòng)車用戶的利益[5].黃振森等提出考慮服務(wù)容量的充電站選址方案，并將服務(wù)容量延伸為充電樁的數(shù)量和用電配額兩方面，建立了充電站選址整數(shù)規(guī)劃模型，使充電站建設(shè)總成本最小化[6].董潔霜等考慮充電站建站費(fèi)用與充電樁數(shù)量的非線性關(guān)系，建立建站費(fèi)用與充電樁數(shù)量的關(guān)系模型，以總建站費(fèi)用最小為目標(biāo)，建立充電站選址模型[7].楊俊等提出一種基于分區(qū)充電需求系數(shù)的電動(dòng)汽車充電設(shè)施選址定容方法，提出電動(dòng)汽車負(fù)荷預(yù)測模型，根據(jù)各類電動(dòng)汽車日能量需求及日最大接入數(shù)量，計(jì)算各類電動(dòng)汽車充電設(shè)施的需求數(shù)量，對規(guī)劃區(qū)域進(jìn)行區(qū)塊劃分，確定各區(qū)塊的充電系數(shù)，選出充電需求較高的區(qū)塊，再根據(jù)候選布點(diǎn)區(qū)塊及充電樁總數(shù)確定每個(gè)區(qū)塊的充電樁數(shù)量[8].劉洪等構(gòu)建了以電站投資運(yùn)營者與汽車用戶雙方綜合效益最大為目標(biāo)的數(shù)學(xué)模型，提出高速公路中汽車行駛與充電選擇的動(dòng)態(tài)模擬方法，利用混度粒子群優(yōu)化實(shí)現(xiàn)了求解流程與方法[9].邵賽等綜合考慮充電樁排隊(duì)時(shí)間和電動(dòng)汽車?yán)锍碳s束，以最大化用戶總效用為目標(biāo)，建立競爭環(huán)境中的充電站選址模型[10].王輝等以交通流量大、配電系統(tǒng)網(wǎng)絡(luò)損耗最小及節(jié)點(diǎn)電壓偏移最小為目標(biāo)，建立充電站最優(yōu)規(guī)劃的一個(gè)多目標(biāo)決策模型[11].You等基于最大化往返行程數(shù)建立充電站選址模型[12].Aboolian等考慮電價(jià)、吸引力和行駛費(fèi)用優(yōu)化充電站位置[13].

在現(xiàn)有的電動(dòng)汽車充電站選址研究中，考慮的因素主要包括用戶需求、交通影響、場地因素、經(jīng)濟(jì)因素、電網(wǎng)影響、服務(wù)網(wǎng)絡(luò)可靠度等多種因素，對于潛在用戶需求定位的研究目前還比較少，特別是在傳統(tǒng)數(shù)據(jù)采集手段很難獲取覆蓋全面的交通需求數(shù)據(jù)情況下，如何有效定位交通需求量大的位置，降低充電站選址的盲目性，避免充電站建立在需求量小的位置，仍然是需要解決的難點(diǎn)問題.隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，位置數(shù)據(jù)獲取變得越來越容易，通過海量的位置數(shù)據(jù)能夠更加方便地挖掘潛在用戶的位置分布.此外，海量數(shù)據(jù)的出現(xiàn)引發(fā)了一種新的科研模式，即從數(shù)據(jù)中直接查找或挖掘所需要的信息，通過對數(shù)據(jù)的分析來獲得被研究對象的特征、模式和規(guī)律，進(jìn)而實(shí)現(xiàn)對系統(tǒng)的管理和控制.因此，本文提出一種數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法.

1 選址方法

數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法是通過分析海量移動(dòng)位置數(shù)據(jù)的分布規(guī)律，挖掘潛在的交通需求分布位置，為電動(dòng)汽車充電站選址提供數(shù)據(jù)支撐.為了提高數(shù)據(jù)處理的效率，本文提出一種網(wǎng)格化的交通需求量統(tǒng)計(jì)方法“.網(wǎng)格化”又可稱為單元化，是一種系統(tǒng)劃分和組織的形式，目的是通過將系統(tǒng)“網(wǎng)格化”來降低系統(tǒng)的復(fù)雜性，從而實(shí)現(xiàn)管理水平的提升、控制效果的改善等[14].數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法流程如圖1所示，具體步驟如下：

Step1 利用海量的移動(dòng)位置數(shù)據(jù)，提取潛在的交通需求位置，包括出發(fā)點(diǎn)和目的地.

Step2 將分析區(qū)域劃分為等間隔大小的網(wǎng)格.

Step3 將交通需求位置與網(wǎng)格關(guān)聯(lián)，統(tǒng)計(jì)每個(gè)網(wǎng)格中的交通需求量.

Step4 選擇需求量大的網(wǎng)格作為電動(dòng)汽車充電站選址的候選位置.

2 交通需求位置點(diǎn)提取方法

移動(dòng)位置數(shù)據(jù)包括經(jīng)度、緯度、時(shí)間等信息，每條軌跡數(shù)據(jù)由若干個(gè)經(jīng)緯度點(diǎn)組成.(xi,yi,ti)表示軌跡Ω的第i個(gè)點(diǎn)，xi表示第i個(gè)點(diǎn)的經(jīng)度，yi表示第i個(gè)點(diǎn)的緯度，ti表示第i個(gè)點(diǎn)的時(shí)間，i=1,2,…,n，其中，n表示軌跡Ω的經(jīng)緯度點(diǎn)個(gè)數(shù).則軌跡Ω可以表示為

圖1 數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法流程圖Fig.1Diagram of location method of electric vehicle charging station based on data driven

如果同一條軌跡在同一個(gè)位置停留時(shí)間超過設(shè)定閾值δ，例如30 min或60 min，則將軌跡從長時(shí)間停留的位置斷開變成2條軌跡.圖2(a)表示每個(gè)經(jīng)緯度點(diǎn)之間的時(shí)間間隔都小于設(shè)定閾值δ，軌跡不需要斷開，L表示原始軌跡的長度；圖2(b)表示經(jīng)緯度點(diǎn)(xi,yi,ti)和經(jīng)緯度點(diǎn)(xi+1,yi+1,ti+1)之間的時(shí)間間隔大于等于設(shè)定閾值δ，這種情況下，軌跡需要從第i個(gè)點(diǎn)斷開，其中L1和L2分別表示斷開后兩條軌跡的長度.

為了防止異常軌跡的干擾，將長度和時(shí)長小于設(shè)定閾值的軌跡剔除.用表示分段后軌跡的長度，用表示分段后軌跡的時(shí)長，用m表示分段后每段軌跡包含的經(jīng)緯度點(diǎn)總數(shù)，則軌跡保留的條件為

式中：Φ(·)表示利用經(jīng)緯度點(diǎn)計(jì)算軌跡長度的函數(shù)，i=1,2,…,m.通常情況下，可設(shè)定α=2km，β=5min.

經(jīng)過軌跡分段和異常軌跡過濾，每條軌跡的第1個(gè)經(jīng)緯度點(diǎn)表示出發(fā)點(diǎn)，最后1個(gè)經(jīng)緯度點(diǎn)表示目的地.

圖2 軌跡分段規(guī)則Fig.2 Rules of the trajectory segment

3 網(wǎng)格內(nèi)交通需求量統(tǒng)計(jì)方法

為了快速統(tǒng)計(jì)網(wǎng)格內(nèi)交通需求量，將交通需求位置點(diǎn)(出發(fā)點(diǎn)和目的地)的經(jīng)緯度轉(zhuǎn)換為網(wǎng)格編號(hào)，通過統(tǒng)計(jì)網(wǎng)格編號(hào)出現(xiàn)的次數(shù)，間接統(tǒng)計(jì)網(wǎng)格內(nèi)的交通需求量.

網(wǎng)格劃分方法是按照一定間隔將分析區(qū)域劃分為大小相等的網(wǎng)格，用W表示網(wǎng)格劃分的間隔.當(dāng)W=0.01°時(shí)表示分析區(qū)域按照0.01°的間隔劃分為若干等間隔的網(wǎng)格，經(jīng)度方向的0.01°約為900 m，緯度方向的0.01°約為1 100 m，每個(gè)網(wǎng)格為900 m×1 100 m的長方形網(wǎng)格，如圖3所示.

圖3 網(wǎng)格劃分示意圖Fig.3 Grid partition schematic diagram

定義(Xmin,Ymin)為分析區(qū)域的左下角經(jīng)緯度坐標(biāo)，(Xmax,Ymax)為右上角經(jīng)緯度坐標(biāo).(Xi,Yi)是任意一條交通需求點(diǎn)位置的經(jīng)緯度坐標(biāo)，則(Xi,Yi)所在網(wǎng)格的編號(hào)(gridCx,gridCy)的計(jì)算公式為

根據(jù)上述公式計(jì)算所有交通需求點(diǎn)所在網(wǎng)格，統(tǒng)計(jì)每個(gè)網(wǎng)格內(nèi)的交通需求量.網(wǎng)格內(nèi)交通需求量統(tǒng)計(jì)的C++程序代碼如表1所示.

表1 網(wǎng)格內(nèi)交通需求量統(tǒng)計(jì)程序代碼Table 1 Code for traffic demand statistics in Grid

4 實(shí)證研究

4.1 數(shù)據(jù)說明

移動(dòng)位置數(shù)據(jù)通過浮動(dòng)車車載設(shè)備和手機(jī)客戶端采集，包含日期、時(shí)間、車輛ID、經(jīng)度、緯度、速度信息，如表2所示，其中，車輛ID經(jīng)過了數(shù)據(jù)脫敏處理.采集的數(shù)據(jù)為2015年9月北京的GPS數(shù)據(jù)，97.2%的GPS數(shù)據(jù)上傳間隔為1 s，表2是移動(dòng)位置數(shù)據(jù)的部分樣例.

移動(dòng)位置數(shù)據(jù)的軌跡特征分布如圖4所示.經(jīng)過軌跡分段處理，平均每天包含430 863條軌跡.其中，95%的軌跡長度在40 km以內(nèi)(圖4(a))，95%的軌跡時(shí)長在90 min以內(nèi)(圖4(b)).1天內(nèi)有1條、2條和3條軌跡的車輛數(shù)分別占46%，26%和13%，有3條及以內(nèi)軌跡條數(shù)的車輛數(shù)累計(jì)占了85%(圖4(c)).軌跡的到達(dá)時(shí)間整體比出發(fā)時(shí)間滯后(圖4(d))，符合實(shí)際先出發(fā)后到達(dá)的規(guī)律.此外，6:00-24:00的出行軌跡明顯多于凌晨(0:00-6:00).按照α=2km，β=5min的條件過濾異常軌跡，1天內(nèi)有效軌跡為302 132條.

表2 移動(dòng)位置數(shù)據(jù)樣例Table 2 The samples of location data

圖4 軌跡特征分布Fig.4 The characteristic distribution of trips

驗(yàn)證所用的已有充電站數(shù)據(jù)來源于國家電網(wǎng)，包括充電站名稱、所屬區(qū)域、充電站地址、充電站位置經(jīng)度、充電站位置緯度、充電樁數(shù)量、用電量、使用次數(shù)等.

4.2 網(wǎng)格交通需求量統(tǒng)計(jì)結(jié)果

以北京市的平谷區(qū)、延慶縣、懷柔區(qū)和通州區(qū)為例進(jìn)行實(shí)證研究.將4個(gè)區(qū)縣按照0.01°(約為900 m×1 100 m)的間隔劃分為若干網(wǎng)格，統(tǒng)計(jì)每個(gè)區(qū)縣的交通需求量.從交通需求量的分布熱力圖(圖5)可以看出，平谷區(qū)、延慶縣、懷柔區(qū)和通州區(qū)的交通需求均集中在區(qū)縣中心位置；周邊零散分布一些交通需求集中的網(wǎng)格，主要是鄉(xiāng)鎮(zhèn)聚集的位置.統(tǒng)計(jì)結(jié)果表明，網(wǎng)格交通流量能夠清晰的定位交通需求量大的位置，且通過網(wǎng)格內(nèi)交通需求量的大小，能夠確定需求量大的位置.交通需求量大的位置作為潛在的充電樁選址位置，有效減少充電站選址的盲目性，避免充電站建立在需求量小的位置.

已有研究中，電動(dòng)汽車充電站選址所需要的交通需求量多是假設(shè)[1,10]、模型計(jì)算[11]或模擬仿真[5]，還沒有研究利用實(shí)際的交通數(shù)據(jù)計(jì)算充電站選址所需的實(shí)際交通需求量，本文的研究基于海量移動(dòng)位置數(shù)據(jù)提取潛在需求量大的位置，彌補(bǔ)了這塊空白.

4.3 交通需求量與已有充電樁關(guān)聯(lián)分析

為了驗(yàn)證數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法的有效性，將已有的充電站數(shù)據(jù)與交通需求量進(jìn)行關(guān)聯(lián)分析.由于已有充電站只覆蓋了部分網(wǎng)格，因此，只提取有充電站數(shù)據(jù)的網(wǎng)格作為關(guān)聯(lián)分析對象.整體來看，隨著交通需求量的增加，直流樁使用次數(shù)(圖6(a))和直流樁用電量(圖6(b))整體呈上升趨勢.實(shí)際充電次數(shù)和用電量多的位置，交通需求量也大，說明本文提出的數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法能夠有效定位充電需求量大的位置.

此外，部分網(wǎng)格的交通需求量高但直流樁使用次數(shù)和用電量低.通過實(shí)地調(diào)查發(fā)現(xiàn)，導(dǎo)致這種現(xiàn)象的主要原因是充電樁設(shè)置在收費(fèi)高的停車場或充電樁位置隱蔽尋找困難.對于這些情況，需要根據(jù)本文提出的方法對已有充電樁的選址進(jìn)行重新布局，提高充電樁的使用率.

圖5 網(wǎng)格交通需求量熱力圖Fig.5 Diagram of traffic demand in grid

分析表明：

(1)本文提出的數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法能夠精確定位潛在交通需求量大的位置，為充電站的選址提供數(shù)據(jù)支持和決策依據(jù)；

(2)該方法還能夠?yàn)橐延谐潆姌兜倪x址優(yōu)化提供科學(xué)依據(jù).

圖6 交通需求量與已有充電樁關(guān)聯(lián)分析Fig.6 The relationship between traffic demand and existing charging piles

5 結(jié)論

本文提出了一種數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法，該方法利用海量的移動(dòng)位置數(shù)據(jù)提取潛在的交通需求位置點(diǎn)，并將交通需求位置點(diǎn)與網(wǎng)格化地圖進(jìn)行關(guān)聯(lián)，計(jì)算每個(gè)網(wǎng)格中的交通需求量，需求量大的網(wǎng)格作為電動(dòng)汽車充電站選址的候選位置.實(shí)證研究表明：①數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電站選址方法能夠精準(zhǔn)定位潛在需求量大的位置，為充電站的選址提供數(shù)據(jù)支持和決策依據(jù)；②該方法還能夠?yàn)橐延谐潆姌兜奈恢脙?yōu)化提供科學(xué)依據(jù).研究旨在為普及電動(dòng)汽車，緩解能源壓力和環(huán)境污染做出貢獻(xiàn).