1.一种自动驾驶出租车充电桩选择方法,其特征在于,对于需要充电的自动驾驶出租车,按照以下步骤完成充电站的选择:建立充电站交通信息环境模型,包括充电桩状态信息矩阵和充电站的排队矩阵;基于所述排队矩阵,建立用于预测充电站在每个时间段内可能有多少充电汽车到来的充电站排队模型;
利用所述充电桩状态信息矩阵、充电站排队模型,计算需要充电的自动驾驶出租车前往每个充电站充电的总时间成本和总里程成本;
根据所述总时间成本和总里程成本,构建自动驾驶出租充电的成本目标函数以及目标函数的约束条件;
自动驾驶出租车根据成本目标函数在所述约束条件下的求解结果,选择成本最小的充电站前往充电。
2.根据权利要求1所述的自动驾驶出租车充电桩选择方法,其特征在于,所述充电桩状态信息矩阵和充电站的排队矩阵的建立过程包括:获取以充电的自动驾驶出租车为圆心,周围K公里范围内的所有充电站的动态信息,并建立充电桩状态信息矩阵S和充电站的排队矩阵Q;
其中,充电桩状态信息矩阵S中的每个元素Sj.i表示第j个充电站内第i个充电桩的状态,如该充电桩被占用,则Sj.i为该充电桩被占用的时间;如该充电桩未被占用,则Sj.i的值设置为0;
充电站的排队矩阵Q中的元素Qm表示第m个充电站的排队队列,为当前排队等待充电的车辆的数量。
3.根据权利要求1所述的自动驾驶出租车充电桩选择方法,其特征在于,所述充电站排队模型的建立过程包括:
构建充电站的顾客数量矩阵λ,顾客数量矩阵λ中的每个元素 表示为:将一天的时间按照固定间隔离散化为时间序列,则每个充电站每天在每个时间段内平均顾客数量为 j表示第j个充电站,Ti表示第i个时间段;
基于所述顾客数量矩阵λ,建立充电站排队模型:上式中Pn(t)表示在时段Ti的未来t时间段内充电站j新到达n个顾客的概率,其中t是单位时间,n表示顾客数量。
4.根据权利要求1所述的自动驾驶出租车充电桩选择方法,其特征在于,需要充电的自动驾驶出租车前往每个充电站充电的总时间成本的计算过程包括:根据充电站位置矩阵L和自动驾驶出租车的当前位置,计算自动驾驶出租车达到每个充电站的通行时间矩阵pt以及自动驾驶出租车达的预计到达时刻矩阵Ta;所述充电站的位置矩阵L中的第m个元素Lm表示第m个充电站的位置;
基于充电桩状态信息矩阵S、充电站的排队矩阵Q和预计到达时刻矩阵Ta,计算自动驾驶出租车在各充电站的排队时间期望值、到达各充电站时可能需要的排队时间,构建排队时间矩阵;
根据充电站的充电功率和自动驾驶出租车w亏损电量计算在第j个充电站的充电时间;
由历史数据预估自动驾驶出租车w完成充电后到接到第一个订单的预估时间;
则需要充电的自动驾驶出租车w第j个充电站充电时的总时间成本由w到达j个充电站的通行时间、w在充电站j的排队时间期望值、w在第j个充电站的充电时间以及w完成充电后到接到第一个订单的预估时间构成。
5.根据权利要求1所述的自动驾驶出租车充电桩选择方法,其特征在于,通过充电站排队模型预测在自动驾驶出租车到达充电站的时段Tb时,有多少新顾客的充电汽车到达充电站,这些充电汽车将加入充电站已有的排队队列中;
获取其他自动驾驶出租车正在前往充电站的信息,并将其添加到所述的排队队列中,规则为:在当前时刻Tnow前已决定前往某充电站的自动驾驶出租车将比自动驾驶出租车w先到达充电站;估算出当自动驾驶出租车w在Tb时到达充电站j时,选择充电站j的每个充电桩的概率以及队列前有多少车辆正在排队,用于计算自动驾驶出租车w在充电站i的排队时间期望值。
6.根据权利要求1所述的自动驾驶出租车充电桩选择方法,其特征在于,所述目标函数的约束条件包括:
每辆自动驾驶出租车只能选择一个充电站;
至少存在一个充电站j,其与出租车w的距离dw.j小于出租车剩余电量可以行驶的距离w不能选择不满足该条件的充电站,出租车w仅能选择剩余电量能够到达的充电站;
每个充电站的充电桩数目Mj大于1;
任意充电站内存在未使用充电桩时,该充电站的排队队列必为0。
7.根据权利要求1所述的自动驾驶出租车充电桩选择方法,其特征在于,所述自动驾驶出租充电的成本目标函数表示为:其中,xw.j表示出租车w的出租车充电站选择约束,其值为1时表示出租车w选择充电站j,0时表示没有选择充电站j;βw.j表示对自动驾驶出租车w在第j个充电站充电时的总时间成本tw.j去量纲处理后的值,θw.j表示对自动驾驶出租车w前往充电站i的总里程成本去量纲处理后的值。
8.一种自动驾驶出租车的行车电脑,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现根据权利要求1至
8中任一权利要求所述自动驾驶出租车充电桩选择方法的步骤。
9.一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,其特征在于,计算机程序被处理器执行时实现根据权利要求1至8中任一权利要求所述自动驾驶出租车充电桩选择方法的步骤。