CN103761619A - 车辆服务管理技术平台 - Google Patents
车辆服务管理技术平台 Download PDFInfo
- Publication number
- CN103761619A CN103761619A CN201410033199.8A CN201410033199A CN103761619A CN 103761619 A CN103761619 A CN 103761619A CN 201410033199 A CN201410033199 A CN 201410033199A CN 103761619 A CN103761619 A CN 103761619A
- Authority
- CN
- China
- Prior art keywords
- user
- vehicle
- platform
- administrative skill
- vehicle service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005516 engineering process Methods 0.000 title abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了车辆服务管理技术平台，所述车辆服务管理技术平台包括依次交互连接的用户访问接口、云计算服务管理平台、网格协同计算平台，所述网格协同计算平台包括交互连接的车辆运行特性模型和用户需求预测模块，所述用户需求预测模块对用户需求进行主动式需求预测，所述云计算服务管理平台通过所述用户访问接口向用户提供主动式增值服务信息。本发明的车辆服务管理技术平台可对车辆进行主动式需求预测，能够有针对性的向用户提供有价值的增值服务信息，比单纯的被动的由用户选择各种增值服务信息方便、快捷。
Description
技术领域
本发明涉及车辆运营管理技术领域，具体涉及一种车辆服务管理技术平台，尤其涉及一种电动汽车的车辆服务管理技术平台。
背景技术
在最新发布的《节能与新能源汽车产业发展规划（2012—2020年）》中，国务院明确指出“到2015年，纯电动汽车和插电式混合动力汽车累计产销量力争达到50万辆；到2020年，纯电动汽车和插电式混合动力汽车生产能力达200万辆、累计产销量超过500万辆。”我国电动汽车产业将迎来大规模的发展。
但是，目前每辆电动汽车都是作为单独的个体车辆孤立的运行，电动汽车不能共享强大的网络平台上的网络信息，对电动汽车的用户而言不够方便。
发明内容
本发明的目的是克服现有技术的缺陷，提供一种方便用户使用的车辆服务管理技术平台。
为达到上述目的，本发明采取的技术方案是：
一种车辆服务管理技术平台，所述车辆服务管理技术平台包括依次交互连接的用户访问接口、云计算服务管理平台、网格协同计算平台，所述网格协同计算平台包括交互连接的车辆运行特性模型和用户需求预测模块，所述用户需求预测模块对用户需求进行主动式需求预测，所述云计算服务管理平台通过所述用户访问接口向用户提供主动式增值服务信息。
优选的，所述用户访问接口包括PC客户端、智能车载终端、PDA设备、智能手机中的至少一个。
优选的，云计算服务管理平台可与电力系统、交通系统、市政系统、气象系统中的至少一个连接，并通过所述用户访问接口向用户提供所述电力系统、交通系统、市政系统、气象系统中的信息。
优选的，所述车辆运行特性模型通过分析用户的增值服务请求习惯、车辆行驶特点中的至少一个而建立。
优选的，车辆服务管理技术平台为电动汽车服务，所述车辆运行特性模型可通过分析电动汽车的电池充放电特性、充电桩的工作规律、电网的运行状态中的至少一个而建立。
优选的，所述用户需求预测模块包括依次连接的模型访问接口、计算层、数据库层，所述数据库层包括需求策略库。
优选的，网格协同计算平台还包括与所述车辆运行特性模型相连的车辆资源信息库，所述车辆资源信息库通过对加入所述车辆服务管理技术平台的车辆资源信息进行收集，为所述车辆运行特性模型提供数据。
优选的，所述需求策略库根据所述车辆运行特性模型而建立。
优选的，所述车辆资源信息库可实现车辆与车辆之间的资源协调及共享。
优选的，所述车辆资源信息库将每辆加入所述车辆服务管理技术平台的车作为一个锚节点，通过选择一定数量的锚节点，建立可伸缩的动态传感网络。
优选的，所述动态传感网络依次通过对用户请求进行任务分解、网格协同发现资源信息、监控资源的实时状态、通过一定的规则进行资源匹配并将合适的资源调度给用户。
与现有技术相比，本发明的车辆服务管理技术平台可对车辆进行主动式需求预测，能够有针对性的向用户提供有价值的增值服务信息，比单纯的被动的由用户选择各种增值服务信息方便、快捷。
更优的，本发明将云计算服务管理平台与电力系统、交通系统、市政系统、气象系统中的至少一个连接，为用户提供这些系统的信息，使整个车辆服务管理技术平台具有可伸缩性和可扩展性，能够更好的满足用户的需求。
更优的，本发明的车辆资源信息库可实现车辆与车辆之间的资源协调及共享，用户所需的信息部分可从其它用户处获取，无需访问车辆服务管理技术平台，保证整个平台的完整性、健壮性和负载平衡能力。
附图说明
下面结合附图对本发明的优选实施例作详细说明。其中：
图1是本发明的车辆服务管理技术平台的总体框图；
图2是图1所示的车辆服务管理技术平台中的网格协同计算平台的框图；
图3是图2所示的网格协同计算平台中的车辆资源信息库的框图；
图4是图3所示的车辆资源信息库中的锚节点确立的示意图。
具体实施方式
请参见图1，一种车辆服务管理技术平台100，车辆服务管理技术平台100包括依次交互连接的用户访问接口20、云计算服务管理平台30、网格协同计算平台40，网格协同计算平台40包括交互连接的车辆运行特性模型50和用户需求预测模块60，用户需求预测模块60对用户需求进行主动式需求预测，云计算服务管理平台30通过用户访问接口20向用户提供主动式增值服务信息。能够有针对性的向用户提供有价值的增值服务信息，比单纯的被动的由用户选择各种增值服务信息方便、快捷。
用户访问接口20包括PC客户端、智能车载终端、PDA设备、智能手机中的至少一个。用户可利用常用终端设备而不需要专用设置即可随时随地通过互联网申请成为云端节点实现各类服务的泛在访问，极大地丰富电动汽车的全方位智能多源增值服务应用。
本发明优选的，云计算服务管理平台30还可与电力系统1、交通系统2、市政系统3、气象系统4中的至少一个连接，并通过用户访问接口20向用户提供电力系统1、交通系统2、市政系统3、气象系统4中的信息。使整个车辆服务管理技术平台具有可伸缩性和可扩展性，能够更好的满足用户的需求。
请结合图2，本发明中，车辆服务管理技术平台100为电动汽车服务，车辆运行特性模型50通过分析用户、电动汽车、电池、充电桩等的运行特性而建立，具体的，车辆运行特性模型50可分析电动汽车用户的增值服务请求习惯、电动汽车行驶特点、电池充放电特性、充电桩的工作规律、电网的运行状态等信息而建立，分析上述所有信息可使车辆运行特性模型50信息全面，应用范围广。
本领域技术人员可以想到，车辆运行特性模型50也可仅分析上述信息中的一个而建立比较单一而精准的模型。本领域技术人员还可以想到，车辆服务管理技术平台100除了为电动汽车服务外，还可为其它车辆服务，在此不再一一赘述，凡采用与本发明技术构思相同的技术方案均应涵盖在本发明的保护范围内。
用户需求预测模块60包括依次连接的模型访问接口62、计算层64、数据库层66。计算层64包括需求获取模块、解释程序、推理机，需求获取模块通过模型访问接口62获取用户的需求，解释程序将用户的需求进行解释，转换为计算机可识别的语言信息，推理机通过对上述语言信息进行统计、分析，推断出用户的潜在需求。数据库层包括需求策略库和综合数据库，需求策略库存储用户的直接需求及用户的潜在需求，综合数据库存储用户需求预测模块60的其它所有信息。
请继续参见图1和图2，网格协同计算平台40还包括与车辆运行特性模型50相连的车辆资源信息库70，车辆资源信息库70通过对加入车辆服务管理技术平台100的车辆资源信息进行收集，为车辆运行特性模型50提供数据。
车辆资源信息库70通过无线可伸缩的动态传感网络进行车辆资源收集、资源认证、资源分配、计算资源共享，可实现车辆与车辆之间的资源协调及共享。车辆资源信息库70对规模化电动汽车进行网格化划分，组成无线可伸缩动态交互传感网络，电动汽车不再孤立运行而是选择性地存在于网格中，通过网格彼此交互计算而相互提供服务，借助于网格对车-车资源协同和共享的支持，给用户提供实时动态增值信息的敏捷服务。电动汽车用户可有选择的加入或退出交互传感网络，通过网格计算，车辆相关信息不仅可以和服务管理平台交互联系，也可以在车辆之间进行交互联系，对于消除通信交互盲区具有重要意义。同时，交互传感网络内电动汽车的相似增值服务可由网格内其它车辆信息源直接获得，减少了服务管理平台中枢的计算负荷，可有效提高系统整体运行效率。
请参见图3、车辆资源信息库70包括依次交互连接的用户层72、任务管理层74和网络节点层76。
用户层72是增值服务发起点和最终结束点，用户根据实际需求向任务管理层74发出服务请求。这些服务一般要经过一定的封装才能传送给任务管理层74。
任务管理层74主要是寻求合适的资源完成相应的任务，包括任务分解、资源发现、资源监控、资源匹配、资源调度等。具体的，动态传感网络依次通过对用户请求进行任务分解、网格协同发现资源信息、监控资源的实时状态、通过一定的规则进行资源匹配并将合适的资源调度给用户。
任务分解主要是对用户提交的任务进行分析，将任务分解为多个简单、基本和功能单一的子任务，并确定各子任务需要的资源类型和相互之间的关系。在此分解过程中，要遵循独立分解原则、层次分解原则、功能分解原则等。
资源发现的目标就是确定用户可用的资源列表。初始的用户可用资源列表可以根据资源的当前状况进行初步筛选，以满足应用最小需求。资源发现又分为授权认证、应用需求定义、产生满足应用最小资源需求的资源集合三个步骤。
资源监控是从可用的资源列表中，根据用户对任务的特定约束条件选择相应的资源，删除所有不满足条件的资源。必须实时监测可用资源的当前状态，包括资源信息完整性、资源冗余度、资源点的繁忙程度等，为后面的资源匹配和调度提供依据。
资源匹配的目的是以用户的需求为目标，根据任务选择最优的资源匹配，通过与资源的交互协商，淘汰风险性高的资源。
资源调度的基本原则是保障资源为完成尽可能多的任务服务。不能出现死锁是起码的要求，还要考虑资源在时间和空间上的合理搭配，以期达到更好的效果。更为复杂的调度，还要考虑应用的优先级、资源的预留、自动调度等问题。资源调度要解决在有众多资源和众多参与者及协调者的情况下，对资源的优化调度。
网络节点层76主要是锚节点的建立。具体的，车辆资源信息库70将每辆加入车辆服务管理技术平台100的车作为一个锚节点，通过选择一定数量的锚节点，建立可伸缩的动态传感网络。
锚节点的数量和位置对于形成完整的电动汽车泛在网络至关重要。锚节点的数量过多，会加大电动汽车网格协同分析的运算量，虽然能在一定程度上能提高定位的精度，但是对电动汽车增值服务要求意义不大。而如果锚的数量过少，一些车辆在行驶过程中可能会突然出现断网的现象，这对于一个实际的应用系统显然是不能容忍的。因此，选择合适的锚节点数量和适当的位置建立网络节点是实现增值服务平台稳定、高效运行的关键技术之一。
请参见图4，电动汽车的网格协同分析是建立主动式增值服务管理平台的基础和依据。在强调电动汽车运行位置精度的同时，必须考虑考虑网格协同运算的速度和效率。
如附图3所示，假设电动汽车运行网络中共有n辆电动汽车（传感器节点），其中m（m＜n）个节点是锚节点，每个锚节点利用GPS等技术确定自己位置，所有传感器节点的传输覆盖区域模型为一个半径为R、圆心为节点所在位置的圆。假设C1、C2为未知节点P的锚节点，IR为C1、C2传输覆盖区域的相交区域，则未知节点P位于相交区域IR中。由于IR不是一个规则的图形，为便于计算，引入估计矩形区域ER，为C1、C2外切正方形的相交部分。当未知节点P周边锚节点足够多时，矩形区域ER的范围将足够小，可以通过计算矩形区域ER的面积坐标估测未知节点P的位置坐标范围。
在无线传感网络部署后，规模化电动汽车运行时形成一定程度的网格。一方面如果网格边长太小，ER将被划分成过多的网格，虽然定位精度提高，但计算量将增大；另一方面如果网格边长太大，计算量减小但算法可能定位失败。所以，需要根据电动汽车定位精度要求以及节点密度，调整相应的网格边长以达到定位精度和计算量的平衡。
设节点P最终可能区域为矩形区域AR，网格区域为G，则：
(1)当AR≥G时，在AR中至少存在一个网格点，因此，不会出现定位失败的情况。
(2)当G/4≤AR＜G时：1)若AR中存在网格点，则定位成功；2)若AR中没有网格点，将网格阵列平移
则AR中将出现一个网格点。
(3)当AR＜G/4时，采用减小网格边长的方法进行改善。
假设未知节点P在有效网格所构成的区域内任意一点出现的概率相同，便可取该区域的质心为节点的估计位置。设有效网格的总个数为Ng，那么节点P最终的估计位置就是所有有效网格的质心，
(xi,yi)为有效网格的坐标。
定位算法的性能用以下考核指标来衡量：
(1)未知节点P的定位误差：
(2)未知节点P的定位精度：
σ＝(1-Δr/R)×100% （3）
R为传感器节点的覆盖区域半径；
(3)网格节点的平均定位误差：
其中，(xr,yr)为节点P的实际坐标，(xe,ye)为节点P的估计位置坐标，N为电动汽车无线传感网络中所有未知节点的个数。
本发明充分利用网格协同分析的优势，只要锚节点设置得当，就能够实时高效的获取电动汽车的位置信息。获得车辆的位置虽然可以通过给节点安装GPS接收器直接获得，但受其信号屏蔽、功耗、计算时间等诸多因素制约，所以通过GPS获得所有节点的位置存在一定的困难。网格系统定位的根本特征不是它的规模，而是消除资源孤岛，在不额外购买新设备的情况下，充分发挥现有资源的潜力。
本领域技术人员可以想到的是，本发明还可以有其它的实现方式，但只要其采用的技术精髓与本发明相同或相近似，或者基于本发明做出的变化和替换都在本发明的保护范围内。
Claims (10)
1.一种车辆服务管理技术平台，其特征在于：所述车辆服务管理技术平台包括依次交互连接的用户访问接口、云计算服务管理平台、网格协同计算平台，所述网格协同计算平台包括交互连接的车辆运行特性模型和用户需求预测模块，所述用户需求预测模块对用户需求进行主动式需求预测，所述云计算服务管理平台通过所述用户访问接口向用户提供主动式增值服务信息。
2.如权利要求1所述的车辆服务管理技术平台，其特征在于：所述用户访问接口包括PC客户端、智能车载终端、PDA设备、智能手机中的至少一个。
3.如权利要求1所述的车辆服务管理技术平台，其特征在于：云计算服务管理平台可与电力系统、交通系统、市政系统、气象系统中的至少一个连接，并通过所述用户访问接口向用户提供所述电力系统、交通系统、市政系统、气象系统中的信息。
4.如权利要求1所述的车辆服务管理技术平台，其特征在于：所述车辆运行特性模型通过分析用户的增值服务请求习惯、车辆行驶特点中的至少一个而建立。
5.如权利要求1所述的车辆服务管理技术平台，其特征在于：车辆服务管理技术平台为电动汽车服务，所述车辆运行特性模型可通过分析电动汽车的电池充放电特性、充电桩的工作规律、电网的运行状态中的至少一个而建立。
6.如权利要求1所述的车辆服务管理技术平台，其特征在于：所述用户需求预测模块包括依次连接的模型访问接口、计算层、数据库层，所述数据库层包括需求策略库。
7.如权利要求1所述的车辆服务管理技术平台，其特征在于：网格协同计算平台还包括与所述车辆运行特性模型相连的车辆资源信息库，所述车辆资源信息库通过对加入所述车辆服务管理技术平台的车辆资源信息进行收集，为所述车辆运行特性模型提供数据。
8.如权利要求7所述的车辆服务管理技术平台，其特征在于：所述车辆资源信息库可实现车辆与车辆之间的资源协调及共享。
9.如权利要求7所述的车辆服务管理技术平台，其特征在于：所述车辆资源信息库将每辆加入所述车辆服务管理技术平台的车作为一个锚节点，通过选择一定数量的锚节点，建立可伸缩的动态传感网络。
10.如权利要求9所述的车辆服务管理技术平台，其特征在于：所述动态传感网络依次通过对用户请求进行任务分解、网格协同发现资源信息、监控资源的实时状态、通过一定的规则进行资源匹配并将合适的资源调度给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410033199.8A CN103761619A (zh) | 2014-01-24 | 2014-01-24 | 车辆服务管理技术平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410033199.8A CN103761619A (zh) | 2014-01-24 | 2014-01-24 | 车辆服务管理技术平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103761619A true CN103761619A (zh) | 2014-04-30 |
Family
ID=50528853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410033199.8A Pending CN103761619A (zh) | 2014-01-24 | 2014-01-24 | 车辆服务管理技术平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103761619A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933466A (zh) * | 2015-07-13 | 2015-09-23 | 武汉大学 | 一种基于电动汽车充电优先级的充电调度系统及方法 |
| CN106067891A (zh) * | 2015-04-20 | 2016-11-02 | 三星电子株式会社 | 用于提供车辆服务的方法和装置 |
-
2014
- 2014-01-24 CN CN201410033199.8A patent/CN103761619A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106067891A (zh) * | 2015-04-20 | 2016-11-02 | 三星电子株式会社 | 用于提供车辆服务的方法和装置 |
| CN106067891B (zh) * | 2015-04-20 | 2021-03-09 | 三星电子株式会社 | 用于提供车辆服务的方法和装置 |
| CN104933466A (zh) * | 2015-07-13 | 2015-09-23 | 武汉大学 | 一种基于电动汽车充电优先级的充电调度系统及方法 |
| CN104933466B (zh) * | 2015-07-13 | 2018-04-20 | 武汉大学 | 一种基于电动汽车充电优先级的充电调度系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | A computation offloading method for edge computing with vehicle-to-everything | |
| Zhang et al. | A kind of effective data aggregating method based on compressive sensing for wireless sensor network | |
| Shukla et al. | Multi‐objective synergistic planning of EV fast‐charging stations in the distribution system coupled with the transportation network | |
| Mohapatra et al. | A fault tolerant routing scheme for advanced metering infrastructure: an approach towards smart grid | |
| Chen et al. | Natural disaster monitoring with wireless sensor networks: A case study of data-intensive applications upon low-cost scalable systems | |
| Ip et al. | Optimization for allocating BEV recharging stations in urban areas by using hierarchical clustering | |
| CN102074978B (zh) | 充换电站及其充换电控制方法、系统和运行监控系统 | |
| Baccelli et al. | Stochastic geometry and architecture of communication networks | |
| Pradhan et al. | Connectivity constrained wireless sensor deployment using multiobjective evolutionary algorithms and fuzzy decision making | |
| Sun et al. | Integrated human-machine intelligence for EV charging prediction in 5G smart grid | |
| CN105825242A (zh) | 基于混合网格分层聚类的集群通信终端轨迹实时异常检测方法与系统 | |
| Cheng et al. | Consumer-centered energy system for electric vehicles and the smart grid | |
| Huang et al. | Joint mobile vehicle–UAV scheme for secure data collection in a smart city | |
| CN101908275A (zh) | 基于多网络的公共交通优化出行方法 | |
| CN113472844A (zh) | 面向车联网的边缘计算服务器部署方法、装置及设备 | |
| Lin et al. | Many-objective sensor selection in IoT systems | |
| Jia et al. | Analysis of the Effect of the Reliability of the NB-Iot Network on the Intelligent System | |
| Jung et al. | Infrastructure-assisted cooperative multi-UAV deep reinforcement energy trading learning for big-data processing | |
| Wala et al. | Energy efficient data collection in smart cities using iot | |
| CN106130110B (zh) | 基于分层概率选择出行地的电动出租车充电站定容方法 | |
| Jabeen et al. | Autonomous vehicle health monitoring based on cloud-fog computing | |
| Yao et al. | Encounter probability aware task assignment in mobile crowdsensing | |
| Wang et al. | ForETaxi: data-driven fleet-oriented charging resource allocation in large-scale electric taxi networks | |
| CN103761619A (zh) | 车辆服务管理技术平台 | |
| Shi et al. | Energy dependent divisible load theory for wireless sensor network workload allocation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160718 Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant after: State Grid Corporation of China Applicant after: State Grid Shanghai Municipal Electric Power Company Applicant after: NARI Technology Development Co., Ltd. Applicant after: Electric Power Research Institute of State Grid Shandong Electric Power Company Applicant after: Nanjing Nari Co., Ltd. Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: State Grid Corporation of China Applicant before: State Grid Shanghai Municipal Electric Power Company Applicant before: NARI Technology Development Co., Ltd. |
|
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140430 |
|
| RJ01 | Rejection of invention patent application after publication |