Skip to content

SupplyLu/JDY

Repository files navigation

基于多源影响因数的充电站推荐系统

毕业设计项目 | JDY

项目简介

基于 NSGA-III 多目标优化算法 的充电站智能推荐系统,融合多源异构数据(车辆状态、充电站信息、实时路况、电网负荷),实现用户-运营商-电网三方利益平衡的充电站推荐。

技术架构

  • 前端: Vue 3 + Leaflet 地图可视化
  • 后端: Python FastAPI
  • 算法: pymoo (NSGA-III) + 自定义目标函数
  • 数据: 模拟数据生成器 + SQLite
  • 文档: Markdown + 设计图

目录结构

JDY/
├── JDY开发手册.md          # 项目开发手册(8大章节)
├── README.md               # 项目简介
├── docs/                   # 设计文档
├── data/                   # 数据集(原始+处理后)
├── algorithm/              # 算法核心(NSGA-III + 对比算法)
├── backend/                # 后端服务(FastAPI)
├── frontend/               # 前端展示(Vue 3)
├── simulation/             # 数据模拟器
├── tests/                  # 测试代码
└── scripts/                # 工具脚本

快速开始

1. 生成模拟数据

python simulation/station_generator.py --output data/raw/stations_beijing.json --count 240
python simulation/vehicle_generator.py --output data/raw/vehicle_profiles.json --count 60
python simulation/traffic_generator.py --output data/raw/traffic_patterns.json
python simulation/grid_generator.py --output data/raw/grid_patterns.json

2. 运行数据层测试

python -m pytest tests/simulation -v

3. 算法层(开发中)

# 后续将提供 NSGA-III 与对比实验入口
# 计划文件位置:algorithm/core/ 与 algorithm/experiments/

4. 后端服务(开发中)

# 后续将提供 FastAPI 启动入口
# 计划入口:python -m uvicorn backend.app.main:app --reload

5. 前端(开发中)

# 后续将提供 Vue 启动入口
# 计划入口:npm install && npm run dev

部署与安装 (一键安装)

本系统支持在纯净的 Python 3.11 环境下解压即用。所有路径均已动态化,不依赖特定的物理磁盘路径。

环境要求

  1. Python 3.8+ (推荐 3.11)
  2. Node.js 18+ (用于前端启动与构建)

安装步骤

在项目根目录下双击运行 install.py,或在命令行执行:

python install.py

安装脚本将自动:

  1. 创建完全隔离的 Python 虚拟环境 (.venv)
  2. 安装所有后端的依赖库
  3. 检查 Node.js 环境并安装前端依赖
  4. 生成针对当前操作系统的 run_all 启动脚本

启动系统

安装完成后,双击生成的 run_all.bat (Windows) 或执行 ./run_all.sh (Linux/macOS) 即可一键启动前后端:

  • 推荐系统前端访问: http://localhost:5173
  • 后端 API 文档访问: http://localhost:8000/docs

注意:前端高德地图搜索功能需要配置 Key,详见 高德API.txt 说明。

核心创新点

  1. NSGA-III 首次应用于充电站推荐场景
  2. 多源数据融合:车辆 + 站点 + 路况 + 电网四维数据
  3. 三方利益平衡:系统成本 + 用户满意度 + 可达率

文档索引

答辩材料

  • 系统架构图 → docs/architecture.md
  • 算法流程图 → algorithm/core/nsga3_optimizer.py
  • 对比实验结果 → algorithm/experiments/results/
  • 推荐效果展示 → frontend/src/views/

状态: 初始化完成 ✓ | 数据层设计中...

About

基于 NSGA-III 多目标优化算法的充电站智能推荐系统

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors