关键词：电动汽车;动态交通信息;充电负荷;神经网络
摘 要：目前对电动汽车充电负荷预测的研究未解决实际应用中无法实时获得起迄点(origin destination, OD)数据并考虑车主的现实感知决策心理的问题。针对此问题，在综合考虑动态交通信息、环境温度、实时车流量、排队论等方法的基础上，建立一种城市交通系统OD流量预测的新型深度学习架构，完成电动汽车充电负荷时空分布预测。首先分析城市交通路网信息、日类型和天气等多种因素对电动汽车行驶规律的影响，通过双向长短期记忆递归神经网络算法分别获得相应私家车和出租车驾驶行为的起讫点。其次引入考虑动态交通信息及交通路口流量的路段阻抗与节点阻抗模型和考虑环境温度和车辆实时速度的空调能耗模型，采用实时Dijkstra算法为电动汽车起讫点规划最小出行成本的行驶路径，模拟电动汽车用户的驾驶行为。最终在不同应用场景下完成不同类型电动汽车的路径规划试验和充电需求预测试验。结果表明，所得充电需求时空分布特征与客观需求相符合。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取