Η παρούσα διπλωματική εργασία πραγματεύεται την ανάπτυξη ενός συστήματος δυναμικής δρομολόγησης ηλεκτρικών οχημάτων με βελτιστοποίηση στρατηγικών φόρτισης. Το σύστημα στοχεύει στην αντιμετώπιση των κύριων προκλήσεων της ηλεκτροκίνησης όπως την περιορισμένη αυτονομία και την ανάγκη για έξυπνη διαχείριση της ενέργειας. Αυτό επιτυγχάνεται μέσω ενός ολοκληρωμένου υπολογιστικού πλαισίου που συνδυάζει μοντελοποίηση φυσικής, αλγοριθμική βελτιστοποίηση και δυναμική επαναδρομολόγηση σε πραγματικό χρόνο.

Για τον υπολογισμό της ενεργειακής κατανάλωσης υιοθετείται το μικροσκοπικό μοντέλο φυσικής VT-CPEM, το οποίο λαμβάνει υπόψη τις δυνάμεις έλξης, την κλίση του δρόμου, την αεροδυναμική αντίσταση και την κατανάλωση του συστήματος κλιματισμού συναρτήσει της εξωτερικής θερμοκρασίας. Το οδικό δίκτυο αναπαρίσταται ως State-Expanded Graph εμπλουτισμένο με υψομετρικά δεδομένα Copernicus DEM GLO-30 και δεδομένα σταθμών φόρτισης από το OpenChargeMap, αποθηκευμένο τοπικά σε αρχεία GraphML ανά Περιφερειακή Ενότητα για βέλτιστη απόδοση κατά τον χρόνο εκτέλεσης.

Ο αλγόριθμος δρομολόγησης βασίζεται σε έναν Label Setting αλγόριθμο που επιλύει το πρόβλημα MOSP-RC (Multi-Objective Shortest Path with Resource Constraints), ενσωματώνοντας ταυτόχρονα τρία κριτήρια βελτιστοποίησης: το χρόνο μετακίνησης, το επίπεδο φόρτισης και το οικονομικό κόστος. Η παραπάνω προσέγγιση ανήκει στο φάσμα των πολυκριτηριακών Label Setting αλγορίθμων (Martins, 1984) ενώ προστίθεται επιπλέον και ευρετική καθοδήγηση A* (Mandow & Pérez-de-la-Cruz, 2005, 2010). Ακόμα, εφαρμόζονται τεχνικές μείωσης πολυπλοκότητας που θυσιάζουν τη θεωρητική βέλτιστη λύση κατά Pareto προς όφελος της υπολογιστικής απόδοσης σε πραγματικό χρόνο.

Το σύστημα ενσωματώνει μηχανισμό δυναμικής επαναδρομολόγησης που ανιχνεύει αποκλίσεις μεταξύ εκτιμώμενης και πραγματικής κατανάλωσης και εκκινεί αυτόματα νέο υπολογισμό διαδρομής όταν η απόκλιση υπερβεί το 5% SoC. Η επικοινωνία μεταξύ εξυπηρετητή και εφαρμογής κινητού πραγματοποιείται μέσω REST API και WebSocket, ενώ για την επαλήθευση του συστήματος υλοποιήθηκε αρχιτεκτονική Hardware-in-the-Loop με πραγματικό πρωτόκολλο OBD-II μέσω Bluetooth.

Η πειραματική αξιολόγηση πραγματοποιήθηκε σε οδικό δίκτυο εννέα Περιφερειακών Ενοτήτων της Ηπείρου, της Θεσσαλίας και της Δυτικής Μακεδονίας, περιοχών με έντονη ορεινή μορφολογία που καθιστά κρίσιμη την ακριβή εκτίμηση κατανάλωσης.

This thesis presents the development of a dynamic routing system for electric vehicles with optimized charging strategies. The system aims to tackle the key challenges of electric mobility, such as limited range and the need for intelligent energy management. This is achieved through a comprehensive computational framework that combines physics-based modeling, algorithmic optimization, and real-time dynamic re-routing.

Energy consumption is computed using the VT-CPEM microscopic physics model, accounting for traction forces, road gradient, aerodynamic drag, and HVAC system consumption as a function of ambient temperature. The road network is represented as a State-Expanded Graph enriched with elevation data from Copernicus DEM GLO-30 and charging station data from OpenChargeMap, stored locally as GraphML files per regional unit to ensure optimal runtime performance.

The routing algorithm is based on a Heuristic Label Setting approach that solves the MOSP-RC (Multi-Objective Shortest Path with Resource Constraints) problem, simultaneously optimizing three criteria: travel time, battery state of charge, and monetary cost. The balance between speed and economy is controlled by a user-defined parameter α. Ten pruning mechanisms were implemented to manage computational complexity, including Fuzzy Domination and Directional Penalty, inspired by the NWRCA algorithm.

The system incorporates a dynamic rerouting mechanism that detects deviations between estimated and actual energy consumption via a Telemetry Engine, automatically triggering a new route calculation when the deviation exceeds 5% SoC. Communication between the backend
and mobile app is handled via REST API and WebSocket. For system validation, a Hardware-in-the-Loop architecture was implemented using the real OBD-II protocol over Bluetooth.

Experimental evaluation was conducted on the road network of nine Regional Units, regions characterized by mountainous terrain that makes accurate consumption estimation particularly critical.