包含光伏能量约束的蚁群与NSGA-II相结合的电动汽车充电站选择与路径规划Flask应用

为电动汽车打造更聪明的行程

随着越来越多的驾驶者转向电动汽车，一个看似简单的问题变得出奇地复杂：应该在哪里停车充电？选错充电站可能意味着额外的绕行、长时间排队、更高的费用，以及来自化石燃料发电的更多污染。本研究探讨了一种智能路径系统，帮助摩洛哥的电动汽车实时选择最佳路线和充电点，同时在可能的情况下充分利用免费太阳能。

为什么选择充电站这么难

在今天的道路上，电动汽车驾驶者必须同时权衡许多变化因素：电池电量、车速、充电站距离、排队长度、电价，甚至充电站是由太阳能供电还是由电网供电都很重要。大多数现有工具只关注这一难题的一小部分，例如最短距离或最低价格，常常忽视充电站的繁忙程度或其使用的可再生能源比例。作者指出，这种狭隘的视角可能导致驾驶者被迫等待、支付高于必要的费用，或错失使用清洁太阳能充电的机会。

一个具有前瞻性的数字助理

研究人员设计了一个在线助理，通过轻量级网络连接将车辆与充电站联系起来。每个充电站广播其位置、空闲插座数量、可用太阳能量和当前充电价格。与此同时，每辆车跟踪其位置、电池电量、目的地以及在不同道路类型上的预计车速。利用这些实时数据流，系统构建出可能路线的地图，并过滤掉任何在保留能量余量前提下车辆无法安全到达的充电站。

智能搜索的工作原理

在助理内部，两种受自然启发的搜索方法协同工作。一种在路网中寻找短且高效的候选路径，考虑市区街道、郊区道路和高速公路，以及可能因红绿灯和拥堵造成的速度减缓。另一种则同时权衡多个目标：快速到达、降低等待和充电时间、降低费用以及尽可能多地使用太阳能电力。系统不是追求单一的“完美”答案，而是构建一组良好权衡的方案，然后为该次出行选择总体平衡最优的选项。

在摩洛哥城市和高速公路上的测试

团队在马拉喀什和卡萨布兰卡及其周边的现实路线中测试了他们的助理，这两座摩洛哥城市的充电网络在扩展且日照充足。他们构建了五种典型的出行场景，从城市跑腿到城市间的高速公路行驶，并将他们的混合方法与三种常见的单一方法进行了比较。在这些案例中，与简单的最短路径规划器相比，新系统将行驶距离最多减少了十分之一，能源使用最多减少约七分之一。它还找到比仅关注能量或价格的方法更早到达的路线，并在阳光充足时将驾驶者引导至太阳能充足的充电站。

更清洁的电力、更低的费用、更少的等待

由于助理在可行时有意优先选择太阳能供电的充电站，许多行程的大部分电力来自阳光而非电网。在白天且太阳能供应良好的城市行程中，充电费用大约下降了三分之一或更多，可再生能源的占比常常达到70%到近100%。这种更清洁的能源组合相较于仅依赖电网电力每次出行约可减少3到4千克二氧化碳。系统还显示出在太阳能产出或汽车能耗预测出现小幅偏差时的适应能力，并能避免可能导致车辆接近耗尽电量的充电计划。

这对未来电动出行的意义

对于日常驾驶者，这项研究指向了这样一种未来：导航应用不仅仅指向最近的插座。它可以在建议停车点之前默默权衡时间、费用、站点拥堵、安全余量以及电力的绿色程度。作者认为，他们的方法非常适合希望在不超载电网的前提下支持更多电动汽车的智慧城市，并概述了如何将其扩展以管理整队出租车或配送车队。简言之，他们的主要信息是：通过谨慎、数据驱动的规划，可以同时使电动出行更便宜、更快、更清洁。

引用: Belaid, M., Beid, S.E., Habib, S. et al. EV charging station selection and routing flask application with ACO and NSGA-II including photovoltaic energy constraints. Sci Rep 16, 14754 (2026). https://doi.org/10.1038/s41598-026-50734-5

关键词: 电动汽车, 充电站, 太阳能, 路径规划, 智慧城市