本发明属于电动汽车充电导航领域，特别提供一种基于语音识别的电动汽车充电导航系统设计方法。

因此，本发明的目的在于提供一种基于语音识别的电动汽车充电导航系统设计方法，用于解决电动汽车车主寻找或选择理想的充电站困难，驾驶时与导航系统进行手动交互时存在安全隐患，服务器繁忙状态下获取导航数据慢的问题。
为了实现上述目的，本发明采用的技术方案为：
一种基于语音识别的电动汽车充电导航系统设计，用于为电动汽车用户充电导航路径提供语音导航，包括：
语音识别模块，通过语音接收单元的麦克风接收电动汽车车主的语音信息，将采集到的语音数据提取关键字特征，将所述的语音特征与预存的语音数据库数据对比，当识别为导航指令信息时，匹配出相应的语音指令，转化为车载控制器可识别的指令信息；
优选的，用户可用蓝牙耳机设备接管语音接收单元功能进行语音输入。
优选的，语音识别模块包含用户预设的语音数据库，语音数据处理单元和指令输出单元，其中：
预存的语音数据库内置原始语音数据库及用户预设的语音数据库。
用户预设的语音数据库可由车主自行设定个人语音数据对应的期望控制器模块完成的指令功能；
语音数据处理单元用于将采集到的语音数据进行预处理，提取语音数据中的关键字特征，与预设的语音数据库数据对比，匹配出相应的语音指令；
指令输出单元，将匹配出的语音指令信息输出到车载控制器模块。
车辆信息采集模块，通过CAN总线与车辆控制系统连接，获取电动汽车的位置、电池容量、初始电量、平均能耗、行驶速度信息发送给车载控制器模块。
云端服务器模块，获取地图信息、实时交通信息和充电站桩信息，并通过WiFi/4G/5G提供给车载控制器模块。
车载控制器模块，根据车辆信息采集模块提供的位置信息利用4G/5G/WIFI连接云端服务器下载区域地图数据提供给人机交互模块；
优选的，根据车辆采集模块提供的车辆信息和云端服务器模块提供的交通信息及充电站信息借助于内置的电动汽车充电导航路径推荐算法按照行程花费最低、行程时间最短、行程距离最短三种方案提供给人机交互模块。
优选的，内置的电动汽车充电导航路径推荐算法包含根据充电站实时信息获取预计充电等待时间的计算方法以及在大规模电动汽车发送充电请求时的改进的充电导航路径获取方法。
优选的，接收语音识别模块传送的指令信息，根据指令信息执行相应的导航路径选择和充电站预约功能；
人机交互模块，显示地图信息并提供人机手动交互途径；
优选的，显示行程时间最短的充电路径及充电站信息，显示花费最低的充电路径及充电站信息，显示距离最短的充电路径及充电站信息。
语音播报模块，给予用户的输入信息(语音输入或手动输入)以反馈信息，如询问是否预约XX充电站，是否导航至XX充电站，去往XX充电站预计充电花费/行驶时间/行驶距离，以及导航指令信息。
本发明的有益效果为：电动汽车车主在驾驶电动汽车时与电动汽车人机交互界面进行操作往往伴随着极大地交通风险，同时，电动汽车电量不足时，充电站的选择往往是车主最为关注的问题。通过语音指令进行充电导航，一方面可以保证车主的行车安全，另一方面也可以为车主提供必要的导航信息。此外，本发明还提供了一种新的充电导航路径获取方法，用于解决服务器繁忙状态下的工作效率问题。
附图说明
图1是本发明实施例提供的一种基于语音识别的电动汽车充电导航系统的系统框图；
图2是本发明实施例提供的一种语音识别结果及处理方法的流程图；
图3是本发明实施例提供的一种用户自定义语音及指令功能的方法的流程图；
图4是本发明实施例提供的一种车载控制器规划路径方法的流程图。
图5-9是本发明实施例提供的一种电动汽车充电导航路径算法的示意图。
图10是本发明实施例提供的一种语音导航至距离最近的充电站方法的流程图。

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
如图1所示，本实施例基于语音识别的电动汽车充电导航系统，其主要由语音识别模块
10，车辆信息采集模块20，车载控制器模块30，人机交互模块40，语音播报模块50,云端服务器模块60组成。
车载控制器模块30通过CAN总线与电动汽车整车运行控制模块进行连接，获取电动汽车的位置、初始电量、电池容量、平均能耗、行驶速度信息；根据车辆的位置从云端服务器下载区域地图信息、路段交通信息和充电站状态信息，内置的电动汽车充电导航路径推荐算法根据上述信息推荐行程花费最低、行程时间最短和行程距离最近三种不同的导航方案显示于人机界面提供给用户。
如图2所示，用户输入的语音指令经语音识别模块处理后的输出指令可分为导航方案指令、自定义语音指令及无效指令三种类型。
当用户输入语音指令被语音识别模块识别为任意一种导航方案指令时，则调用该导航方案规划的路径信息，由语音播报模块读出信息进一步与用户进行交互。
优选的，当用户输入语音指令被语音识别模块识别为任意一种导航方案指令时，在用户未将人机界面调整为显示充电导航推荐界面的情况下，车载控制器模块立即调用车辆信息采集模块及云端服务器模块信息按照语音指令要求的导航方案借助内置的电动汽车充电导航路径规划算法规划路径，由语音播报模块读出信息进一步与用户进行交互。
当用户输入语音指令被语音识别模块识别为自定义语音指令时，该模块传送至车载控制器模块的指令经车载控制器模块处理后为由语音播报模块告知用户已进入自定义语音指令功能。同时，语音识别模块调用其内置用户预设的语音数据库和指令数据库辅助用户完成自定义语音指令功能。
当用户输入语音指令被语音识别模块识别为无效指令时，语音识别模块发送对应的指令由车载控制器模块控制语音播报模块告知用户语音输入信息有误。
如图3所示是本发明优选的一种支持用户自定义语音及其指令功能的流程图，该方法包括：
S101、接收到的语音信号为“自定义语音及指令功能”；
S102、语音处理单元识别语音信号为“自定义语音及指令功能”；
S103、语音处理单元响应“自定义语音及指令功能”指令，调用用户预设的语音数据库及指令数据库，等待语音接收单元的下一个语音信息；
S104、在系统设定的时间段内，语音接受单元是否接收到语音，如果是，执行S105，否则结束；
S105、指令数据库是否存在用户语音指定的指令，如果是，执行S106，否则结束；
S106、将用户语音匹配为对应的指令并存储至用户预设的语音数据库。
如图4所示是本发明优选的一种车载控制器模块规划路径方法的流程图，该方法包括：
S201、获取车辆信息采集模块的数据，如位置、初始电量、电池容量、平均能耗、行驶速度信息。
S202、根据车辆的位置从云端服务器下载区域地图信息，包括充电站位置及状态信息、各路段交通流量信息。
优选的，每个车主的车载控制器模块都有一个特定的用户名仅包含车辆信息用于与云端数据库交换数据用，不涉及隐私信息。
S203、用户是否指定充电导航的目标，如行程花费最低、行程时间最短或行程距离最短。如果否，执行S204。否则分别以行程花费最低、行程时间最短及行程距离最短为目标函数，规划充电路径，用于在用户与人机交互界面操作时查看信息。
S204、根据剩余电量计算区域内可抵达的充电站，以免出现因电量不足中途抛锚的意外发生。
S205、借助于路径规划算法规划充电路径。
根据本发明优选的如图4设计的路径规划方法，其中，路径规划算法的设计包含以下内容：
策略一：根据云端服务器获取的路网信息及充电站信息，利用已有的智能优化算法获取电动汽车的充电导航路径。
(1)从获取的区域地图提取路网节点信息。
(2)构造权值矩阵，矩阵的大小由路网节点总个数决定，如区域地图内共有n个交叉口，即n个路网节点，则设定权值矩阵Z为n行n列：
(3)在以行程距离最短为目标函数时，矩阵中各个元素的值为：
其中，i,j都为大于0且小于等于n的正整数，节点di,j为节点i与节点j之间的距离，NaN为人为规定的极大值。
在以行程时间最短为目标函数时，矩阵中各个元素的值为：
其中，vi,j为车辆由节点i行驶至节点j的平均速度，该车速默认由车辆信息采集模块获取。
优选的，根据云端服务器获取的交通信息，在交通拥挤路段，车速由该路段同向行驶车辆的平均速度代替。值得注意的是，由于城市道路通常为双向行驶车道，vi,j与vj,i的取值无关。
在以行程花费最低为目标函数时，矩阵中各个元素的值为：
ci,j＝ei,j·Pb
其中，ci,j为路网节点i至路网节点j电量消耗造成的花费，ei,j为该路段的耗电量，Pb为参考电价，可由当前充电站电价收费政策规定的电价全天总和按小时取均值获取。
各路段的耗电量可通过路段间的距离乘以车辆信息采集模块获得的平均能耗计算得到。
优选的，各路段的耗电量可通过当前工作的车载设备工况与路段行驶时间乘积加上该路段行驶速度所需的电量总和获取。
(4)从车辆信息采集模块获取当前车辆位置所处的节点k。
可选的，当车辆位于路段中间段而非路网节点时，返回S2，将车辆位置视为一个新的路网节点即可。
从云端服务器模块获取区域内充电站桩位置，并标记在路网节点上。设定目标函数求得的最小值Min初始值为NaN，对应行驶路径依次经过的路网节点集合为Route。
(5)设定集合G为车辆行驶经过的路网节点集合，集合V为车辆行驶未经过的路网节点集合，那么初始集合G为：
G＝{k}
初始集合V为：
V＝{m|m＝1,2,...,n；m≠k}
(6)从集合V中取出路网节点依次放入集合G，如果取出的路网节点为充电站桩节点则停止，否则继续。
(7)依次取出集合G中相邻两元素作为权值z的下标，求出权值总和sum；
如：G＝{1,5,7,12,15,16},即考虑路网节点16为充电站桩节点。
那么，sum＝z1,5+z5,7+z7,12+z12,15+z15,16
(8)在以行程距离最短为目标函数时，sum＝sum；
在以行程时间最短为目标函数时，sum＝sum+twait+tch；
其中，twait为在对应充电站的充电等待时间，tch为在对应充电站的充电时长；
在以行程花费最低为目标函数时，sum＝sum+cch；
其中，cch为在对应充电站的预计充电花费。
(9)根据车辆信息采集模块提供的剩余电量信息计算当前电量能否按照集合G所提供的路网节点行驶抵达目的地，是则继续，否则进入(11)。
(10)判断sum是否小于Min，如果是，则将sum的值赋予Min，对应的集合G赋予集合Route。否则直接进入(11)。
(11)依次重复(5)至(10)步骤，利用已有的智能优化算法获取各目标函数下的最优行驶路径。
其中，等待时间的计算方法如下。
(1)联合充电站等待时间的获取，在已公开的各种充电导航策略中，电动汽车抵达充电站后的等待时间通常采用两种计算方式，一种是基于排队论的方法借助于概率函数估计等待时间，这种方法的依据是当前充电站的队伍越长，则意味的即将到来的电动汽车需要越长的等待时间。另一种则是通过日常各时刻充电站的车流量估计获取。两种方法均具有随机性，难以对车主在充电站的实际等待时间做出有效判断。
(2)由此，本发明提出了根据充电站实际车辆充电请求队列进行计算充电等待时间的方案，可以进一步提高对各充电站点等待时间的准确判断。
(3)设电动汽车在时刻t向充电站j发出充电请求，预计于时刻t”抵达该充电站。充电站j有m个充电桩，且该时刻有n辆电动汽车等待/正在充电。
(4)设正在充电的电动汽车队列为：
其中，t1,t2,...,tm为当前正在充电的车辆队列分别完成充电所需时间。
(5)设等待充电的电动汽车队列为：
其中，tm+1,tm+2,...,tn为等待充电的电动汽车达到期望的充电量分别需要的充电时间。
(6)设此时发送请求抵达充电站后所需充电等待时间为 该等待时间可通过以下方法做出准确判断：
其中，min为 中的最小值，index为该值在 中的位置。
策略二：针对同一时刻大规模电动汽车发送充电请求的充电导航路径推荐算法。
考虑到电动汽车与服务器交互需要的及时性，优化算法获取准确结果的时间对客户的满意度起着至关重要的作用。
因此，本发明提出了针对于所述导航策略的一种改进的路径优化算法。
如图5所示，灰色代表路网节点，绿色代表充电站节点，假设该区域各节点分布如图所示，各路网节点可直接抵达充电站节点，那么我们可以很容易得到，连接A、B的中线Z的左侧节点的车辆去往充电站节点A距离更近，反之，去往充电站节点B更近。
当该区域充电站节点有三个时，如图6所示，根据重心定理，我们很容易将该区域分为三个小型区域，对应区域内的路网节点的车辆去往该区域内的充电站节点距离更近。
通常情况下，当车主决定给电动汽车充电时，电动汽车内的电量不会剩余太多，这也决定了车辆的行使范围有限，对应从云端服务器获得的地图区域内不会包含太多充电站，直接计算各路网节点与充电站节点的距离不会花费太长时间。
因此，当该区域内充电站超过3个时，我们采用类似于聚类的方法，将各充电站节点视为聚类中心，与聚类算法不同的是，我们分别计算路网节点与各充电站节点的直线距离，之后选择与该路网节点最近的充电站节点，将该路网节点放入对应充电站节点集合中。如：
表示路网节点M1与充电站节点A的距离更近。
进一步的，在实际的道路模型中，各路网节点通常难以直接抵达各充电站节点。如图7所示，路网节点M1需要经过路网节点M2或路网节点M3才能抵达充电站节点B。因此，我们参考文献“Boscoe F P,Henry K A,Zdeb M S.A Nationwide Comparison of Driving Distance Versus Straight-Line Distance to Hospitals[J].The Professional Geographer,2012,64(2):188-196.”来定义非直接可达充电站节点的路网节点与对应充电站的距离以进一步修正图5中的距离表示方法。该文献从美国50个州的66000多个地点的代表性样本中，比较了社区服务站的直线距离和出行距离，并采用普通最小二乘回归方法评估了直线和旅行距离之间的线性关系和相关性。最终发现绕行指数为1.417，且具有极高的相关度量(r2＝0.94)，这有力地说明直线距离是实际距离的一个充分的代名词。也就是说，在一个城市道路网络中，两个地点之间的实际距离在很大程度上可以用直线距离来反映。
在确定了将要前往的充电站之后，我们还需要知道从出发点如何前往该充电站，即如何确定下一个将要前往的路网节点(相对于不可直达充电站节点的路网节点)。如图8所示，L1为路网节点M1至路网节点M2的实际距离，L2和L3分别根据绕行指数对直线距离进行修正(如果路网节点M2非直接可达充电站节点B)。那么：
选择M1直接可达路网节点中与路网节点M1及对应确定的充电站节点B夹角余弦cosθ最大的一个作为前往的下一个路网节点。如此反复迭代即可生成行驶距离最短的最佳行驶路线。
相应的，根据前文所述的行驶距离与行驶时间的转换公式以及对充电站等待时间的定义即可获得行驶时间最短的导航路线。
另外，当寻找花费最低的充电路径时，我们通过计算充电请求节点与各充电站节点修正后的距离结合前文所述充电花费计算公式获得。这里，我们不需要精确值，而仅需对每一个充电站获得一个估计值用于选择最佳充电站即可。
进一步的，将提前采集的路段信息以以下方式存储于云端数据库，在必要的的时候进行检索将有效的提高程序的运行时间。如图9分类的最短路径选择充电站结果存储表示：
A＝{M1,M2,M5,M7,M8}
B＝{M3,M4,M6,M9}
这样，每一个节点都被赋予了和充电站相关的数据信息，当用户在对应路网节点发送充电请求时，可以立即得到对应的导航策略。
如图10所示是本发明优选的一种基于语音识别的电动汽车充电导航流程图，该方法包括：
S301、接收到语音信号导航至“距离最近的充电站”；
S302、语音识别模块将语音信号处理后与预存的语音数据库数据进行比对，识别出语音信号为“导航至距离最近的充电站”，如果是，执行S303,否则结束流程。
S303、车载控制器模块响应“导航至距离最近的充电站”指令信息。
S304、车载控制器模块通过内置的电动汽车充电导航路径规划算法计算距离最近的充电站，发送前往该充电站充电的预计行程花费、预计行程时间和预计行程距离信息至人机交互界面。
S305、语音播报模块读出车载控制器模块规划出的充电导航前往的充电站信息，向车主确认是否前往该充电站，如果是，执行S306，否则结束流程。
S306、语音播报模块询问是否预约该充电站，如果是，执行S307，否则执行S308。
S307、车载控制器模块根据预计的抵达充电站时间将用户数据信息发送至云端服务器模块，云端服务器模块进一步发送用户数据信息给对应的充电站执行预约功能。
S308、按照规划的路径语音导航至该充电站。
本发明未尽事宜为公知技术。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。