电动汽车调度方法、装置、计算机设备和存储介质

技术领域

本申请涉及电动汽车技术领域，特别是涉及一种电动汽车调度方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着新能源技术的发展，出现了电动汽车。由于电动汽车对环境影响小，因此应用越来越广泛。电动汽车是指以车载电源为动力，用电机驱动车轮行驶，符合道路交通、安全法规各项要求的车辆。常见的有电动四轮汽车，还可以包括电动两轮车和电动三轮车等。电动汽车不仅可以运载乘客，还可以运输货物，是重要的交通工具之一。

传统的电动汽车配送中心控制电动汽车进行货物运输时，缺乏有效的调度方法，电动汽车的配送方式完全凭借驾驶员的经验或判断，不能很好满足客户要求，且容易造成配送总成本较高。因此，传统的电动汽车配送控制方法使用不可靠。

发明内容

基于此，有必要针对上述技术问题，提供一种使用可靠的电动汽车调度方法、装置、计算机设备、存储介质和计算机程序产品。

第一方面，本申请提供了一种电动汽车调度方法。所述方法包括：

获取接入的电动汽车的运行参数和配送目标参数；

将所述接入的电动汽车的运行参数和配送目标参数输入至车辆调度优化模型，得到模型输出结果；所述模型输出结果用于表征所述电动汽车的配送总成本满足预设条件时，对应的电动汽车的配送参数；

根据所述配送参数对所述电动汽车进行配送控制。

在其中一个实施例中，所述车辆调度优化模型的建立过程包括：

根据电动汽车的运行参数、配送目标参数和配送参数，得到所述电动汽车的成本函数；

根据所述成本函数得到车辆调度优化模型。

在其中一个实施例中，所述电动汽车的运行参数包括电动汽车每行驶一次产生的固定成本、电动汽车的单位行驶成本、电动汽车充电时的单位充电成本和电动汽车的额定电量，所述成本函数包括车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数，所述根据电动汽车的运行参数和配送目标参数，得到所述电动汽车的成本函数，包括：

根据电动汽车每行驶一次产生的固定成本和所述配送参数，得到车辆固定成本函数；

根据电动汽车的单位行驶成本、配送路径中的节点的距离信息和所述配送参数，得到车辆行驶成本函数；

根据电动汽车充电时的单位充电成本、电动汽车的额定电量、离开所述节点时的电量所述配送参数，得到车辆充电成本函数；

根据所述配送目标参数和预设惩罚系数，得到惩罚成本函数；

所述根据所述成本函数得到车辆调度优化模型，包括：

根据所述车辆固定成本函数、所述车辆行驶成本函数、所述车辆充电成本函数和所述惩罚成本函数，得到车辆调度优化模型。

在其中一个实施例中，所述根据所述车辆固定成本函数、所述车辆行驶成本函数、所述车辆充电成本函数和所述惩罚成本函数，得到车辆调度优化模型，包括：

将所述车辆固定成本函数、所述车辆行驶成本函数、所述车辆充电成本函数和所述惩罚成本函数之和的最小值对应的函数，作为车辆调度优化模型。

在其中一个实施例中，所述根据所述成本函数得到车辆调度优化模型，包括：

若所述电动汽车的运行参数满足预设车辆约束条件、所述配送目标参数满足预设目标配送约束条件，且所述配送参数满足预设配送约束条件，根据所述成本函数得到车辆调度优化模型。

在其中一个实施例中，所述将所述接入的电动汽车的运行参数和配送目标参数输入至车辆调度优化模型，得到模型输出结果，包括：

若所述接入的电动汽车的数量为两辆以上，将各所述接入的电动汽车的运行参数和配送目标参数分别输入至车辆调度优化模型，得到与各所述接入的电动汽车对应的模型输出结果。

第二方面，本申请还提供了一种电动汽车调度装置。所述装置包括：

参数获取模块，用于获取接入的电动汽车的运行参数和配送目标参数；

模型运算模块，用于将所述接入的电动汽车的运行参数和配送目标参数输入至车辆调度优化模型，得到模型输出结果；所述模型输出结果用于表征所述电动汽车的配送总成本满足预设条件时，对应的电动汽车的配送参数；

调度控制模块，用于根据所述配送参数对所述电动汽车进行配送控制。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取接入的电动汽车的运行参数和配送目标参数；

将所述接入的电动汽车的运行参数和配送目标参数输入至车辆调度优化模型，得到模型输出结果；所述模型输出结果用于表征所述电动汽车的配送总成本满足预设条件时，对应的电动汽车的配送参数；

根据所述配送参数对所述电动汽车进行配送控制。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取接入的电动汽车的运行参数和配送目标参数；

将所述接入的电动汽车的运行参数和配送目标参数输入至车辆调度优化模型，得到模型输出结果；所述模型输出结果用于表征所述电动汽车的配送总成本满足预设条件时，对应的电动汽车的配送参数；

根据所述配送参数对所述电动汽车进行配送控制。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取接入的电动汽车的运行参数和配送目标参数；

将所述接入的电动汽车的运行参数和配送目标参数输入至车辆调度优化模型，得到模型输出结果；所述模型输出结果用于表征所述电动汽车的配送总成本满足预设条件时，对应的电动汽车的配送参数；

根据所述配送参数对所述电动汽车进行配送控制。

上述电动汽车调度方法、装置、计算机设备、存储介质和计算机程序产品，通过将接入的电动汽车的运行参数和配送目标参数输入至已经建立好的车辆调度优化模型，得到模型输出结果。本申请基于接入的电动汽车的运行参数和配送目标参数对电动汽车进行控制，可以更好地满足客户需求，且由于模型输出结果表征电动汽车的配送总成本满足预设条件时对应的电动汽车的配送参数，后续根据配送参数对电动汽车进行配送控制时，可以使配送总成本满足预设条件，使配送总成本得到了控制，从而提高了电动汽车调度方法的使用可靠性。

附图说明

图1为一个实施例中电动汽车调度方法的应用环境图；

图2为一个实施例中电动汽车调度方法的流程示意图；

图3为一个实施例中车辆调度优化模型的建立流程示意图；

图4为另一个实施例中车辆调度优化模型的建立流程示意图；

图5为又一个实施例中车辆调度优化模型的建立流程示意图；

图6为一个实施例中根据成本函数得到车辆调度优化模型的步骤流程图；

图7为一个实施例中得到模型输出结果的步骤流程图；

图8为一个实施例中电动汽车调度装置的结构框图；

图9为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的电动汽车调度方法，可以应用于如图1所示的应用环境中。其中，配送中心102有一定数量的电动汽车104，服务于一定范围内的若干客户。电动汽车可运送货物至客户所在地点，也可将乘客运送至客户所在地点。在以下实施例中，通常以电动汽车运动货物为例进行说明。

电动汽车104需从配送中心102出发，依次服务完所有客户后再返回配送中心102。此外，电动汽车104行驶过程中电量不足时，电动汽车104需行驶到附近的充电站补充电量，待补充完成后，继续进行配送任务。电动汽车104与配送中心102通信连接。配送中心102可以获取接入的电动汽车104的相关数据，也能下发指令给接入的电动汽车104，对接入的电动汽车104进行调度控制，例如，控制接入的电动汽车的载重量、出发时间和配送路径等。可以理解的是，配送中心102可以对接入的一辆或多辆电动汽车104进行调度控制，以更好地满足客户需求。

在一个实施例中，如图2所示，提供了一种电动汽车调度方法，以该方法应用于图1中的配送中心102为例进行说明，包括以下步骤：

步骤202，获取接入的电动汽车的运行参数和配送目标参数。

其中，电动汽车是由电能驱动的，以车载电源为动力，用电机驱动车轮行驶的交通工具之一。电动汽车与配送中心通信连接。配送中心可以获取接入的电动汽车的相关数据，也能下发指令给接入的电动汽车，对接入的电动汽车进行调度控制。接入的电动汽车的运行参数和配送目标参数是指已经与配送中心建立通信连接的电动汽车的运行参数和配送目标参数。其中，运行参数包括与电动汽车本身相关的参数，例如电动汽车的使用成本和电量参数等。配送目标参数包括与目标配送任务相关的参数，例如配送目的地位置、配送时间和需求货物量等。

步骤204，将接入的电动汽车的运行参数和配送目标参数输入至车辆调度优化模型，得到模型输出结果。

其中，模型输出结果用于表征电动汽车的配送总成本满足预设条件时，对应的电动汽车的配送参数。

具体的，车辆调度优化模型是存储于配送中心内的模型数据，该车辆调度优化模型用于帮助配送中心对建立了通信连接的电动汽车进行调度，以优化配送中心对各电动汽车的控制。配送参数可以包括一个参数或一组参数。配送中心将接入的电动汽车的运行参数和配送目标参数输入至车辆调度优化模型，针对每种情形下的电动汽车和配送目标都能得到一个或一组配送总成本满足预设条件的配送参数，该配送参数表征配送中心使用该配送参数进行货物配送时，可以使配送总成本满足预设条件。

电动汽车的配送总成本包括配送中心因需要使用电动汽车而产生的成本和电动汽车本身的成本，其中，配送中心因需要使用电动汽车而产生的成本可以包括电动汽车驾驶员的劳务费、电动汽车的保险费和因配送时间不满足条件产生的赔偿费等。电动汽车的成本可以包括电动汽车的折旧费和电费等。可选的，配送总成本满足预设条件可以为配送总成本达到最小值，或者配送总成本处于允许的成本范围内。

步骤206，根据配送参数对电动汽车进行配送控制。

配送中心获取车辆调度优化模型的模型输出结果后，即得到电动汽车的配送参数后，根据配送参数对电动汽车进行配送控制。

其中，配送参数可以为一个参数或一组参数。在本实施例中，配送参数可以为出发时间、充电时间、充电地点、行驶路径和装载货物等。配送中心得到配送参数后，控制电动汽车装载什么样的货物，装载多重的货物，在什么时间点出发，以怎样的路径行驶，中途何时去哪个充电地点充电等。使得以该配送参数进行货物配送的电动汽车产生的配送总成本在可控范围内。可以理解，在其他实施例中，配送参数也可以包括其他类型的参数，只要本领域技术人员认为可以实现即可。

上述电动汽车调度方法中，通过将接入的电动汽车的运行参数和配送目标参数输入至已经建立好的车辆调度优化模型，得到模型输出结果。本申请基于接入的电动汽车的运行参数和配送目标参数对电动汽车进行控制，可以更好地满足客户需求，且由于模型输出结果表征电动汽车的配送总成本满足预设条件时对应的电动汽车的配送参数，后续根据配送参数对电动汽车进行配送控制时，可以使配送总成本满足预设条件，使配送总成本得到了控制，从而提高了电动汽车调度方法的使用可靠性。

在一个实施例中，如图3所示，车辆调度优化模型的建立过程包括步骤302和步骤304。

步骤302，根据电动汽车的运行参数、配送目标参数和配送参数，得到电动汽车的成本函数。

其中，成本函数为与电动汽车的运行参数、配送目标参数和配送参数相关的函数。电动汽车的运行参数包括与电动汽车本身相关的参数，例如电动汽车的使用成本和电量参数等。配送目标参数包括与目标配送任务相关的参数，例如配送目的地位置、配送时间和需求货物量等。配送参数可以为一个参数或一组参数。例如，配送参数可以为出发时间、充电时间、充电地点、行驶路径和装载货物等。

步骤304，根据成本函数得到车辆调度优化模型。

由于成本函数为与电动汽车的运行参数、配送目标参数和配送参数相关的函数，因此，根据成本函数，可以得到车辆调度优化模型。可选地，车辆调度优化模型为成本函数的取值最小时对应的函数。

本实施例中，全面考虑电动汽车的运行参数、配送目标参数和配送参数对电动汽车配送成本的影响，根据电动汽车的运行参数、配送目标参数和配送参数得到车辆调度优化模型，可以使得到的车辆调度优化模型更加全面、准确地表征电动汽车的配送成本。

在一个实施例中，电动汽车的运行参数包括电动汽车每行驶一次产生的固定成本、电动汽车的单位行驶成本、电动汽车充电时的单位充电成本和电动汽车的额定电量，成本函数包括车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数。如图4所示，步骤302包括步骤402、步骤404、步骤406和步骤408，步骤304包括步骤410。

步骤402，根据电动汽车每行驶一次产生的固定成本和配送参数，得到车辆固定成本函数。

车辆固定成本包括使用电动汽车进行配送任务时产生的成本，主要包括车辆的折旧费、保险费和司机劳务费等，不随车辆行驶距离的改变而发生改变，该部分固定成本是一个定值，只与完成一次配送任务需要的车辆数有关。c

C

步骤404，根据电动汽车的单位行驶成本、配送路径中的节点的距离信息和配送参数，得到车辆行驶成本函数。

车辆行驶成本指电动汽车在行驶时产生的成本，此处只考虑车辆的走行距离长短所带来的成本，走行距离越长，车辆的行驶成本就越高，反之则少。所以配送中心要合理规划车辆走行路径，尽量减少行驶成本。配送路径中的节点包括配送中心、客户点与充电站，充电站可以为一个或两个以上。c

C

步骤406，根据电动汽车充电时的单位充电成本、电动汽车的额定电量、离开节点时的电量配送参数，得到车辆充电成本函数。

由于电量约束，电动汽车在配送过程中不可避免的会去附近充电站补充电量，待补充电量再继续完成配送任务。充电费用的高低与电动汽车所需补充电量的多少有关，需补充电量较多时，充电费用较高，反之则少。c

C

步骤408，根据配送目标参数和预设惩罚系数，得到惩罚成本函数。

配送目标参数包括客户指定时间窗。惩罚成本是指车辆未在客户指定时间窗内到达，因早到或晩到而产生的费用。由于车辆配送过程中道路情况复杂，不能确保车辆能准时到达客户点。为使问题更加贴近实际情况，采用混合时间窗，当车辆提早到达客户点时，需按预设惩罚系数向客户支付一定费用，当车辆晩到客户点时，也需按预设惩罚系数向客户支付一定费用，提前达到和晚到对应的预设惩罚系数可不一样。但超过客户拒绝接受货物的时间点时，客户会拒绝接受货物。t

本申请所使用的公式中，决策变量定义如下：

步骤410，根据车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数，得到车辆调度优化模型。

车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数分别可以表征电动汽车在配送过程中产生的不同方面的成本，根据这些成本，便可以得到用于表征配送总成本的车辆调度优化模型。

本实施例中，根据电动汽车的运行参数、配送目标参数和预设惩罚系数，得到车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数，再基于车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数得到车辆调度优化模型，可以使车辆调度优化模型可以更加准确地表征配送总成本。

进一步地，在一个实施例中，请参见图5，步骤410包括步骤510。

步骤510，将车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数之和的最小值对应的函数，作为车辆调度优化模型。

基于式(1)—(4)分别得到的车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数，则本实施例中，车辆调度优化模型为：

Min

本实施例中，将车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数之和的最小值对应的函数作为车辆调度优化模型，可以使车辆调度优化模型为配送总成本最小时对应的目标函数。

在一个实施例中，如图6所示，步骤304包括步骤604。

步骤604，若电动汽车的运行参数满足预设车辆约束条件、配送目标参数满足预设目标配送约束条件，且配送参数满足预设配送约束条件，根据成本函数得到车辆调度优化模型。

具体地，车辆调度优化模型中的节点包括配送中心、客户点与充电站。预设车辆约束条件可以包括第一电量约束条件、第二电量约束条件和车辆数约束条件。预设目标配送约束条件包括第一节点访问约束条件、第一时间约束条件和第二时间约束条件。预设配送约束条件包括第二节点访问约束条件、第一载重约束条件、第二载重约束条件、第三电量约束条件、第四电量约束条件、第五电量约束条件、第三时间约束条件、第四时间约束条件和第五时间约束条件。

预设车辆约束条件、预设目标配送约束条件和预设配送约束条件部分可以用公式表示如下：

∑

0≤w

0≤w

E

b

E

t

T

T

∑

对本申请中出现的字母的含义定义如下：

C

C

C

C

C

O为配送中心；

K为车辆集合；

M为充电站集合；

N为客户点集合；

L为配送中心、充电站、客户点的集合L＝O∪M∪N；

u

u

u

E为电动汽车额定电量；

E

E

e

l

l

epu为表示车辆早于时间窗到达造成的等待成本；lpu为表示车辆晚于时间窗到达的惩罚成本；

t

t

为车辆在集合点i卸货、充电时间，i∈L；

为车辆在客户点处等待服务时间，i∈N；

T

T

T

T

T

D

d

d

d

d

a

a

W

D

E

w

w

q

G为车辆空车质量；

T为电池充电速率；

b

b

b

b

c

c

c

对应的，电动汽车的运行参数满足预设车辆约束条件，即运行参数满足如式(10)所示的第一电量约束条件、如式(11)所示的第二电量约束条件和如式(19)所示的车辆数约束条件。具体地，电动汽车靠电能驱动，电池的容量限制着电动汽车的续驶里程，要确保电动汽车的安全电量可以行驶到下一节点。第一电量约束条件是指电动汽车在客户点卸货过程中不消耗电量，第二电量约束条件是指电动汽车从配送中心或充电站出发时电池为满电状态，车辆数约束条件是指配送中心进行配送任务时，派出的电动汽车车辆数不能超过配送中心所拥有的电动汽车车辆数。

配送目标参数满足预设目标配送约束条件，即配送目标参数满足如式(6)所示的第一节点访问约束条件、如式(15)所示的第一时间约束条件和如式(16)所示的第二时间约束条件。具体地，第一节点访问约束条件是指所有客户都只能被服务一次，第一时间约束条件是指电动汽车从客户点i离开，到达客户点j的时刻t

配送参数满足预设配送约束条件，即配送参数满足如式(7)所示的第二节点访问约束条件、如式(8)所示的第一载重约束条件、如式(9)所示的第二载重约束条件、如式(12)所示的第三电量约束条件、如式(13)所示的第四电量约束条件、如式(14)所示的第五电量约束条件、如式(17)所示的第三时间约束条件、如式(18)所示的第四时间约束条件和第五时间约束条件。

车辆从配送中心出发时，需将整条配送路径上所有客户的货物都装载在车辆上，交通法规定车辆不能超载行驶，所以车辆装载货物的总重量不得超过车辆的额定载重量，并且车辆到达下一客户点的载重量等于车辆到达前一个客户点的总重量减去前一个客户点的需求量。第一载重约束条件是指电动汽车所装载货物不能超过额定载重，第二载重约束条件表示客户点j与前一客户点i的重量关系。第三电量约束条件电动汽车到达点j时的电量等于其离开前一个点的电量扣除行驶过程中消耗的电量之后的电量。第二节点访问约束条件是指所有电动汽车都从配送中心出发。第四电量约束条件是电动汽车在两点的电量消耗计算方式，第五电量约束条件表示电动汽车k离开点i的电量能够满足从点j直接返回配送中心或者到达最近的一个充电站所需要的电量。

配送中心每天都有固定的营业时间，车辆需在配送中心营业时间范围内出发和返回。第三时间约束条件是电动汽车最早发车时刻需等于或晚于配送中心的最早营业时间，第四时间约束条件是电动汽车最晚发车时刻需要早于或等于配送中心最晚营业时间。第五时间约束条件包括电动汽车在各点停留时间约束和电动汽车等待时间约束。其中，电动汽车在各点停留时间约束为：电动汽车在各点停留时间为

本实施例中，若电动汽车的运行参数满足预设车辆约束条件、配送目标参数满足预设目标配送约束条件，且配送参数满足预设配送约束条件，在根据成本函数得到车辆调度优化模型，可以在各项约束条件成立的情况下得到车辆调度优化模型，有利于进一步优化车辆调度优化模型。

在一个实施例中，如图7所示，步骤204包括步骤704。

步骤704，若接入的电动汽车的数量为两个以上，将各接入的电动汽车的运行参数和配送目标参数分别输入至车辆调度优化模型，得到与各接入的电动汽车对应的模型输出结果。

若配送中心接入了两辆以上的电动汽车，则需要对多辆电动汽车进行调度。由于不同的电动汽车可能具有不同的运行参数，且不同的电动汽车对应的配送目标参数可能不同。因此，在对多辆电动汽车进行调度时，将各接入的电动汽车的运行参数和配送目标参数分别输入至车辆调度优化模型，则会得到与各接入的电动汽车对应的模型输出结果。即，每一辆电动汽车对应一个模型输出结果。配送中心在对电动汽车进行调度时，根据各模型输出结果，对相应的电动汽车进行配送控制，从而实现对多辆电动汽车的调度优化。

为了更好地理解上述实施例，以下结合一个具体的实施例进行详细的解释说明。在一个实施例中，电动汽车调度方法的应用环境为：某配送中心有一定数量的电动汽车，服务于城市范围内的若干客户，每个客户都有自己的时间窗限制，车辆需从配送中心出发，依次服务完所有客户后再返回配送中心，由于电动汽车动态电量消耗模型中考虑的因素更多，模型更复杂，不仅考虑载重变化的影响，还需考虑车辆多次启停的能量消耗，汽车行驶过程中电量不足时，车辆需行驶到附近的充电站补充电量，待补充完成后，继续进行配送任务。多重因素影响下，汽车的充电时间会影响后续客户的时间窗，从而产生惩罚成本。所以在满足各项约束的条件下，建立以配送总成本最小化为目标的车辆调度优化模型。

本申请在以下假设条件成立的前提下，建立基于动态电量消耗条件下的车辆调度优化模型，假设条件包括：配送中心的数量为一个；货物流向为单向，电动汽车只进行配送货物不进行收集货物，所有的车辆都必须从配送中心出发，最终再返回配送中心；所有客户点、配送中心、充电站的需求点和位置均己知；每个客户都只能被服务一次；配送中心的若干车辆型号一致；电动汽车相关参数己知；电动汽车进入充电站的次数不受限制；车辆到达客户点进行卸货时，其等待时间段内，不涉及电量损耗；采取快速充电方式，充电时间与所剩电量有关；当客户需求量大于车辆载重量时，此时车辆先满载运送客户部分需求量，剩余部分再利用其它车辆进行配送；车辆出发时为满电状态，不存在客户优先级情况，所有客户点对服务顺序无要求。

建立车辆调度优化模型时，首先对以下参数进行定义：

C

C

C

C

C

O为配送中心；

K为车辆集合；

M为充电站集合；

N为客户点集合；

L为配送中心、充电站、客户点的集合L＝O∪M∪N；

u

u

u

E为电动汽车额定电量；

E

E

e

l

l

epu为表示车辆早于时间窗到达造成的等待成本；

lpu为表示车辆晚于时间窗到达的惩罚成本；t

t

为车辆在集合点i卸货、充电时间，i∈L；/>

T

T

T

T

D

d

d

d

a

a

W

D

E

w

q

G为车辆空车质量；

T为电池充电速率；

b

b

b

b

c

c

c

再对决策变量定义如下：

本申请构建的车辆调度优化模型中，从配送中心角度出发，以配送中心总成本最小为目标函数，配送中心总成本包括车辆固定成本、车辆行驶成本、充电成本和惩罚成本。

(1)车辆固定成本

车辆固定成本这一部分指使用车辆进行配送任务时产生的成本，主要包括车辆的折旧费、保险费、司机劳务费等，不随车辆行驶距离的改变而发生改变，该部分固定成本是一个定值，只与完成一次配送任务需要的车辆数有关。c

C

(2)车辆行驶成本

车辆行驶成本指车辆在行驶时产生的成本，此处只考虑车辆的走行距离长短所带来的成本，走行距离越长，车辆的行驶成本就越高，反之则少。所以配送中心要合理规划车辆走行路径，尽量减少行驶成本，c

C

(3)车辆充电成本

由于电量约束，电动汽车在配送过程中不可避免的会去附近充电站补充电量，待补充电量再继续完成配送任务。充电费用的高低与电动汽车所需补充电量的多少有关，需补充电量较多时，充电费用较高，反之则少。c

C

(4)惩罚成本

惩罚成本是指车辆未在客户指定时间窗内到达，因早到或晩到而产生的费用。由于车辆配送过程中道路情况复杂，不能确保车辆能准时到达客户点。为使问题更加贴近实际情况，本申请采用混合时间窗，当车辆提早到达客户点时，需按系数向客户支付一定费用，当车辆晩到客户点时，也需向客户支付一定费用，但超过客户拒绝接受货物的时间点时，客户会拒绝接受货物。t

综上所述配送中心的总成本为：

Min

车辆调度优化模型的约束条件分析如下：

(1)节点访问约束

本申请所研究的模型中的节点包括配送中心、客户点与充电站。公式(6)表示所有客户都只能被服务一次，公式(7)表示所有车辆都从配送中心出发。

∑

(2)载重约束

车辆从配送中心出发时，需将整条配送路径上所有客户的货物都装载在车辆上，交通法规定车辆不能超载行驶，所以车辆装载货物的总重量不得超过车辆的额定载重量，并且车辆到达下一客户点的载重量等于车辆到达前一个客户点的总重量减去前一个客户点的需求量。公式(8)表示车辆所装载货物不能超过额定载重，公式(9)表示客户点j与前一客户点i的重量关系。

0≤w

0≤w

(3)电量约束

电动汽车靠电能驱动，电池的容量限制着电动汽车的续驶里程，要确保电动汽车的安全电量可以行驶到下一节点。公式(10)表示车辆在客户点卸货过程中不消耗电量，公式(11)表示车辆从配送中心或充电站出来电池为满电状态，公式(12)表示电动汽车到达点j时的电量等于其离开前一个点的电量扣除行驶过程中消耗的电量，公式(13)表示车辆在两点的电量消耗计算公式，公式(14)表示电动汽车k离开点i的电量能够满足从点j直接返回配送中心或者到达最近的一个充电桩所需要的电量。

E′

b

E″

(4)时间约束

①车辆在各点停留时间分析

若i表示客户点，则其表示车辆在该点的卸货时间；若i表示充电站，则其表示车辆在充电站的充电时间；若i表示配送中心，则停留时间为0。

②车辆等待时间分析

若车辆提早到达客户点i，则要等待，等待时间为/>

③车辆到达客户点时刻分析

公式(15)表示电动汽车从客户点i离开，到达客户点j的时刻t

t

④配送中心运营时间分析

配送中心每天都有固定的营业时间，车辆需在配送中心营业时间范围内出发和返回。公式(17)表示车辆最早发车时刻，公式(18)表示车辆最晩发车时刻。

T

T

(5)车辆数约束

公式(19)表示配送中心进行配送任务时，派出的车辆数不能超过配送中心所拥有的车辆数。

∑

根据前述分析，可以建立车辆调度优化模型(与式5一致)如下：

目标函数：in

约束条件包括：

∑

0≤w

0≤w

E′

b

E″

d

d

d

t′

T″

T′

x

其中，公式(20)表示模型的目标函数，保证配送中心总成本最小；公式(21)表示所有的客户都只能被服务一次；公式(22)表示所有的车辆都从配送中心出发；公式(23)表示车辆到达某一节点后从该节点出发继续访问下一节点；公式(24)表示车辆从配送中心出发时的载重量不能超过额定载重量；公式(25)表示车辆到达客户点j的载重量等于车辆到达前一客户点的总重量减去前一客户点的需求量；公式(26)表示车辆在客户点卸货过程中不消耗电量；公式(27)表示车辆从配送中心或充电站出来电池为满电状态；公式(28)表示电动汽车到达点j时的电量等于其离开前一个点的电量扣除行驶过程中消耗的电量；公式(29)表示车辆在两点间电量消耗计算公式；公式(30)表示纯电动汽车k离开点i的电量能够满足从点j直接返回配送中心或者到达最近的一个充电桩所需要的电量；公式(31)表示车辆启动加速阶段所行驶的距离；公式(32)表示车辆制动减速阶段所行驶的距离；公式(33)表示车辆匀速阶段所行驶的距离；公式(34)表示车辆不经过充电站时在两节点间所耗费的时间；公式(35)表示电动汽车到达点j的时刻；公式(36)表示车辆从进入充电站到到达下一客户点j所用的时间；公式(37)表示车辆提早进入客户点的等到时间；公式(38)表示车辆离开集合点i的时间；公式(39)表示车辆最早离开配送中心的时间；公式(40)表示车辆最晩返回配送中心的时间；公式(41)表示车辆在客户点产生的惩罚成本；公式(42)表示0-1决策变量。

建立好车辆调度优化模型后，电动汽车到达配送中心，与配送中心建立通信连接后，配送中心获取电动汽车的目的地、货物等配送目标参数和电动汽车的运行参数，然后将这些参数代入车辆调度优化模型中。车辆调度优化模型中配送参数有很多种取值组合，各取值组合代入车辆调度优化模型后，可以得到不同的配送总成本，将配送总成本最小时对应的取值组合作为最终的模型输出结果，然后根据配送总成本最小时对应的配送参数的取值组合对电动汽车进行配送控制。

本申请的车辆调度优化模型，考虑了车辆启停和载重变化对电量影响，更贴合实际。如果忽略车辆启停所消耗的电能，造成行驶路径不科学，使不合理的充电决策影响后续配送客户的顺序，不能很好满足客户时间窗要求，造成惩罚成本过高，进而导致配送总成本较高。而考虑车辆启停和载重变化对电量影响时，可以更合理地规划路径，更好地满足客户时间窗要求，更能科学规划配送路径。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本申请中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电动汽车调度方法的电动汽车调度装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电动汽车调度装置实施例中的具体限定可以参见上文中对于电动汽车调度方法的限定，在此不再赘述。

在一个实施例中，如图8所示，提供了一种电动汽车调度装置，包括：参数获取模块810、模型运算模块820和调度控制模块830，其中：

参数获取模块810，用于获取接入的电动汽车的运行参数和配送目标参数；

模型运算模块820，用于将接入的电动汽车的运行参数和配送目标参数输入至车辆调度优化模型，得到模型输出结果；模型输出结果用于表征电动汽车的配送总成本满足预设条件时，对应的电动汽车的配送参数；

调度控制模块830，用于根据配送参数对电动汽车进行配送控制。

在一个实施例中，电动汽车调度装置还包括模型建立模块，模型建立模块包括成本函数建立单元和模型建立单元，成本函数建立单元用于根据电动汽车的运行参数、配送目标参数和配送参数，得到电动汽车的成本函数；模型建立单元用于根据成本函数得到车辆调度优化模型。

在一个实施例中，电动汽车的运行参数包括电动汽车每行驶一次产生的固定成本、电动汽车的单位行驶成本、电动汽车充电时的单位充电成本和电动汽车的额定电量，成本函数包括车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数，成本函数建立单元还用于根据电动汽车每行驶一次产生的固定成本和配送参数，得到车辆固定成本函数；根据电动汽车的单位行驶成本、配送路径中的节点的距离信息和配送参数，得到车辆行驶成本函数；根据电动汽车充电时的单位充电成本、电动汽车的额定电量、离开节点时的电量配送参数，得到车辆充电成本函数；根据配送目标参数和预设惩罚系数，得到惩罚成本函数；模型建立单元还用于根据车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数，得到车辆调度优化模型。

在一个实施例中，模型建立单元还用于将车辆固定成本函数、车辆行驶成本函数、车辆充电成本函数和惩罚成本函数之和的最小值对应的函数，作为车辆调度优化模型。

在一个实施例中，模型建立单元还用于若电动汽车的运行参数满足预设车辆约束条件、配送目标参数满足预设目标配送约束条件，且配送参数满足预设配送约束条件，根据成本函数得到车辆调度优化模型。

在一个实施例中，模型运算模块还用于若接入的电动汽车的数量为两辆以上，将各接入的电动汽车的运行参数和配送目标参数分别输入至车辆调度优化模型，得到与各接入的电动汽车对应的模型输出结果。

上述电动汽车调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆调度优化模型。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电动汽车调度方法。

本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。