买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网湖北省电力有限公司信息通信公司;武汉大学申请的专利基于马尔可夫动态路径决策的电动汽车充电需求预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120069150B 。

龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411900995.7，技术领域涉及：G06Q10/04；该发明授权基于马尔可夫动态路径决策的电动汽车充电需求预测方法是由郑蕾;金波;李德识;查志勇;吴耿;董晨曦;余铮;余明阳;陈家璘;刘忠佩;侯岱;周明臻;胡峻国;梁航函;杨士祺;魏晓燕;李颖;赵青尧;董亮;郭岳;王逸兮;梁昊菲设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于马尔可夫动态路径决策的电动汽车充电需求预测方法在说明书摘要公布了：一种基于马尔可夫动态路径决策的电动汽车充电需求预测方法，S1、收集目标区域的地图、车辆出行起讫点矩阵、每日温度、交通拥堵指数以及电动汽车参数；S2、分析电动汽车参数，将电动汽车分为家庭电动汽车和出租电动汽车，针对家庭电动汽车构建出行链模型，得到出租电动汽车出行数据；S3、构建马尔可夫动态路径优化模型，得到时序的路径及能耗变化数据集；S4、构建充电需求判定模型，得到电动汽车充电需求；S5、充电负荷叠加与节点负荷计算，将家庭电动汽车和出租车的充电需求叠加到相应的道路网络节点上，生成最终的电动汽车充电需求的时空分布图。本设计不仅提高路径规划的灵活性，而且交通拥堵影响有效提高预测准确率。

本发明授权基于马尔可夫动态路径决策的电动汽车充电需求预测方法在权利要求书中公布了：1.一种基于马尔可夫动态路径决策的电动汽车充电需求预测方法，其特征在于：包括如下步骤： S1、收集目标区域的地图、车辆出行起讫点矩阵、每日温度T、交通拥堵指数以及电动汽车参数； S2、基于目标区域地图构建目标区域的道路-交通节点图；分析电动汽车参数，将电动汽车分为家庭电动汽车和出租电动汽车，针对家庭电动汽车构建出行链模型，并计算出行时间参数，得到家庭电动汽车出行数据；针对出租电动汽车，从车辆出行起讫点矩阵中抽样出发地、目的地和起始时间、停车时长，得到出租电动汽车出行数据； S3、构建马尔可夫动态路径优化模型，将家庭电动汽车出行数据和出租电动汽车出行数据输入马尔可夫动态路径优化模型，为每辆电动汽车选择最优路径，并计算行程中的能耗变化，得到时序的路径及能耗变化数据集； 构建马尔可夫动态路径优化模型，将家庭电动汽车出行数据和出租电动汽车出行数据输入马尔可夫动态路径优化模型，为每辆电动汽车选择最优路径， 引交通拥堵指数，量化描述道路交通的运行状态，道路交通拥堵指数的取值范围为[0,100]，值越大表示道路越拥堵；引入惩罚系数以使用户的决策不局限于最短路径： ； 其中，表示决策时刻下道路的惩罚系数；是决策时刻下道路的交通拥堵指数；是参考路段的历史最大交通拥堵指数；针对于每一辆汽车路径决策的步骤如下： 出发前规划：在出发前，用户选择出行目的地，并规划出一条最短路径；预先规划的最短路径记为，该路径的每一段称为参考路段，未选择的道路网络节点的路径集被选为备选路径集，记为； 到达决策节点：当用户到达道路节点时进入决策状态，选择参考路段、交通拥堵指数和惩罚系数作为参考，对备选路径集中的各条路段，判断是否满足以下条件：，若，则将该路段视为高拥堵路段，从备选路径集中移除； 计算状态转移概率：对剩余备选路径中每条路段，计算其状态转移概率时，综合考虑长度和惩罚系数的影响： ； 其中，表示从当前节点转移到备选路径的概率；备选路径的长度；决策时刻下备选路径的惩罚系数；、路径长度和拥堵惩罚的权重因子，调节两者对决策的相对影响； 选择下一段路径：根据状态转移概率选择备选路径中状态转移概率最大的下一段路段，加入最终路径；更新当前节点为，重复上述步骤直到到达目标节点； S4、构建充电需求判定模型，对于家庭电动汽车的用户，将用户划分需求类型，得到家庭电动汽车充电需求；对于出租电动汽车用户，构建充电需求选择模型，得到出租电动汽车充电需求； S5、充电负荷叠加与节点负荷计算，将家庭电动汽车和出租车的充电需求叠加到相应的道路网络节点上，以计算总的节点充电负荷，输出充电需求的时空分布，根据所有节点的充电负荷数据，生成最终的电动汽车充电需求的时空分布图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网湖北省电力有限公司信息通信公司;武汉大学，其通讯地址为：430070 湖北省武汉市洪山区徐东大街341号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。