电动汽车能耗最优轮廓路由的快速启发式搜索方法

我们研究了电动汽车 (EV) 在大规模道路网络中的能耗最优最短路径问题，其中 downhill 区间的回收能量引入了负能耗成本。虽然传统的电动汽车点到点路径算法假设已知初始能量水平，但许多现实场景涉及初始能量不确定性，需要规划所有可能初始能量水平的最优路径，这一任务称为能耗最优轮廓搜索。现有解决方案通常依赖标签纠正框架中的专用轮廓合并程序，导致搜索复杂轮廓。本文提出一种基于多目标 A* 搜索的简单而有效的标签设置方法，采用新颖的轮廓支配规则以避免生成和处理复杂轮廓。我们开发了该方法的四个变体，并在包含真实能耗数据的真实道路网络上进行评估。实验结果表明，我们的能耗轮廓 A* 搜索性能相当于已知初始能量水平的能耗最优 A*。