CN104778263A - 一种电动车充电站系统仿真数据挖掘方法 - Google Patents
一种电动车充电站系统仿真数据挖掘方法 Download PDFInfo
- Publication number
- CN104778263A CN104778263A CN201510194902.8A CN201510194902A CN104778263A CN 104778263 A CN104778263 A CN 104778263A CN 201510194902 A CN201510194902 A CN 201510194902A CN 104778263 A CN104778263 A CN 104778263A
- Authority
- CN
- China
- Prior art keywords
- user
- charging station
- data
- charging
- station system
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种适用于新型城市电动车充电站系统的数据挖掘方法，该方法包括以下步骤：建立数据仓库，实时收录来自充电站系统和电动车用户的数据；对收录的数据进行分类预处理离散化，提取所需的特征数据集合；利用模糊数学和概率统计理论对特征集合的元素隶属度进行评估，使其参数化；对参数化的集合进行计算，获得用户充电需求与充电地区、充电时间的关系矩阵；对结果进行提取评估，并把评估结论反馈输出至充电站系统管理中心和用户移动终端，以辅助决策，使充电站规划与移动充电车调度利益最大化，满足用户的充电需求。
Description
技术领域
本发明涉及一种数据挖掘方法，特别是涉及一种电动车充电站系统仿真数据挖掘方法，本发明属于信息技术领域。
背景技术
近年来，随着石油能源的日渐枯竭和环境污染的加剧，汽车行业的发展面临着重大挑战。而电动汽车以电力为能源基础，由于其能量利用率高于燃油汽车，且污染物排放量低于普通内燃机的优点，使得电动汽车工业化发展拥有广阔的市场前景，是未来汽车行业发展的主要方向。而充电站系统作为电动车的能源补给站，是推动电动车产业化发展必不可少的重要基础设施。只有具备完善的充电站系统，才能保证电动车市场化的顺利推进。因此对电动车充电站系统的建设和规划具有十分重要的理论意义和实用价值。
在当前阶段，电动车电池续航能力弱、充电周期长和可用充电站有限是制约电动车产业发展的主要技术因素。因此，在对充电站系统进行规划建设的过程中，有必要研究一种数据处理方法，在电动车用户和充电站系统之间建立一个信息交互的数据通道，通过适当的分类方法与评价指标提取用户的相关数据，从中预测出电动车用户的充电需求和趋势，为电动车用户提供快速便捷的充电服务电池保养方案和和售后服务，使现有电动车充电站适用率最大化。但大量的数据也容易带来“数据灾难”，使得管理人员难以快速有效地发现有用信息。而且传统监测方法是由工作人员设定阈值来对数据信息，这样可能导致数据信息不完整和信息缺陷。一种基于模糊数学的电动车充电站系统数据挖掘方法正是顺应这种需要而提出的一种数据处理技术。
发明内容
本发明的目的在于提供一种电动车充电站系统的数据挖掘方法，在充电站、移动充电车和电动车用户之间建立一个系统数据仓库，实时接收来自充电站、移动充电车和电动车用户三方的数据信息，并通过模糊算法和概率统计理论对库中数据进行挖掘，获取所需的特征信息，再分别反馈至充电站系统管理端，使管理者了解电动车用户的充电需求，合理规划建设固定充电站和调度移动充电车，另一方面，用户也可通过移动终端查看相关数据，实时了解充电站及车载电池的工作状态，以规划行程。
为实现上述目的，本发明采用如下技术方案：
本发明提出的一种新型城市电动车充电站系统数据挖掘方法，具体步骤如下：
(1)：建立充电站系统数据仓库，以数据包的形式获取来自充电站、移动充电车、车载电池和电动车的用户数据；
(2)：根据数据属性和类型，对数据仓库中的用户数据进行预处理：数据分类，离散化处理，提取出所需的特征集合，即建立用户价值集合、用户出行区域集合和用户出行时间区间集合；
(3)：对特征集合中的元素的隶属度进行评估，并对其参数化设置；所述参数化设置为依据用户数据的置信度，把步骤(2)中建立的用户价值集合、用户出行区域集合和用户出行时间区间集合转化为用户模糊集合；
(4)：利用模糊数学和概率统计理论，对用户模糊集合运算求解，以矩阵的形式表示用户在不同时间段和不同地域充电需求的高低，从而进行数据挖掘，获得所需信息；
(5)：将挖掘所得信息对外输出，反馈至充电站系统管理层。
本发明中，所述数据仓库来源是基于用户账户的注册信息和充电站系统内部所监测的运营数据，数据可靠性与有效性能够得到保障。
本发明中，步骤(1)具体为：
(1-1)：充电站系统内部所监测的运营数据分为静态标记量和动态测量量，将静态标记量作为数据包的标示符，与其他数据形成关联，而动态测量量则可作为数据挖掘中的有效元素，参与运算；
(1-2)：外部数据分别以车载电池、充电站和移动充电车和电动车用户为单位，捆绑成数据包，录入数据仓库。
本发明中，所述步骤(2)中所述用户价值集合，用户出行区域集合和用户出行时间区间集合分别为；
用户价值集合用A=[μ(x1) μ(x2) …μ(xi)…μ(xn) ]表示，μ(xi)表示第xi位用户的价值，μ(xi)的取值范围为0~1，数值越大则表示该用户对充电站系统需求度越高，即用户经常需要充电服务；
用户出行区域集合用B=[γ(u1) γ(u 2) …γ(u i)…γ(u n) ]表示，把地图上的区域划分成n块，分别以u i编号表示。γ(u i)表示用户出行u i号区域的可能性；γ(u i)的取值范围为0~1，数值越大则表示该用户越经常出现在u i区域；
用户出行时间集合用C=[ζ(t1) ζ(t 2) …ζ(t i)…ζ(t n) ]表示，把每天或每月的时间划分成n段，分别以t i 编号表示。ζ(t i)表示用户在t i时间段出行的可能性。ζ(t i)的取值范围为0~1，数值越大则表示用户在该时段出行的可能性较高。
本发明中，所述步骤(3)中用户价值的高低通过参考薪资级别、充电记录、个人爱好等选项来设定。出行区域通过参考工作单位地址、家住街区、生活圈、职业、个人爱好、充电记录等选项来设定。出行时间段通过参考生活习惯、职业、年龄段、充电记录等选项来设定。根据不同项目对所求目标的贡献价值高低，对各参考项设置不同的权重比例。求解格式为：Y=a*参考项1 +b*参考项2+…+z*参考项n，Y为所求项，a、b、z为权重。
本发明中，步骤(4)对所定义的用户出行模糊集合进行计算，求出用户的充电需求矩阵P， ，其中R(x)为用户x的出行矩阵，为用户x的置信度，对两者的乘积求和的结果P即为所有用户充电需求的参数化模型。从矩阵P中可以得到在某一时间段在某区域的充电需求度。
本发明中，所述步骤(5)对上述几个步骤挖掘得到信息进行输出反馈。信息反馈可以分为两个条线路，一是把挖掘得到的用户充电需求信息反馈至充电站系统管理人员，管理人员根据反馈信息了解用户的充电需求，可以合理规划充电桩的安置地点和建造数量，同时可以在不同时间段灵活调度移动充电车到不同的区域，来满足高峰期用户的充电需求。二是把从数据库中提取的用户常规信息反馈至用户移动端，用户利用手机APP作为接收终端，可以通过注册登陆账号的方式，实时查看自己电动车的电池状况（剩余电量，温度，使用时间），并可以通过开通导航定位功能，查看附近充电站系统的实时工作状态。
本发明的有益效果在于：本发明使充电站规划与移动充电车调度利益最大化，满足用户的充电需求。
附图说明
图1为本发明流程图。
具体实施方式
下面通过实施例进一步说明本发明。
实施例1：提供一种适用于新型城市电动车充电站系统的数据挖掘方法，该方法是基于模糊数学和概率统计理论，包括以下几个步骤：
步骤1：建立充电站系统数据仓库，以数据包的形式获取来自充电站、移动充电车、车载电池和电动车用户的相关数据。
步骤2：根据数据属性，对数据仓库中的数据进行预处理，即离散划分，提取出所需的特征集合。
步骤3：对特征集合中的元素的隶属度进行评估，并对其参数化设置。
步骤4：利用模糊数学和概率统计理论，对特征集合运算，进行数据挖掘，获得所需的用户充电需求信息。
步骤5：将挖掘所得数据对外输出，反馈至充电站系统管理层。
所述步骤1包括以下步骤：
步骤1-1：将数据分静态标记量和动态测量量，标志量作为数据包的标示符，与其他数据形成关联，而动态测量量则可作为数据挖掘中的有效元素，参与运算。
步骤1-2：外部数据分别以车载电池、充电站和移动充电车和电动车用户为单位，捆绑成数据包，录入数据库。
车载电池数据包括：
①电池属性（电池编号、电池型号、电池容量、输出功率、输出电压、输出电流、电池寿命）；
②使用情况（剩余电量、工作时间、电池温度）；
充电站数据包括：
①充电站配置（充电站编号、充电桩个数、充电桩输出电压、充电桩输出电流、充电桩输出功率）；
②充电桩使用情况(当前可用充电桩数量、剩余充电时间、排队车辆、充电记录)；
③充电站经纬度位置坐标。
移动充电车数据包括：
①充电车配置（充电接头个数、输出电压、输出电流、输出功率）；
②充电柱使用情况（当前可用充电柱数量、剩余充电时间、排队车辆数、充电记录）；
③移动充电车经纬度位置坐标。
电动车用户分为两类：
（1）、利用手机app打车用户，其数据包括：
①用户个人信息（年龄段、个人爱好、生活习惯、职业、性别、薪资级别、工作单位地址、家住街区、生活圈）；
②历史记录（打车次数、打车时间、打车地点）；
（2）、自己有充电车的用户，其数据包括：
①用户常用停车地点（工作单位地址、家住街区、生活圈）；
②用户个人信息（性别、年龄段、个人爱好、生活习惯、职业、薪资级别、使用车型）；
③历史记录（充电次数、充电时间、充电地点）；
④当前状态（充电预约、充电排队、电池维修、电池更换）。
所述步骤2主要对用户数据进行分类预处理，建立用户价值集合，用户出行区域集合和用户出行时间区间集合。
用户价值集合用A=[μ(x1) μ(x2) …μ(xi)…μ(xn) ]表示，μ(xi)表示第xi位用户的价值，μ(xi)的取值范围为0~1，数值越大则表示该用户对充电站系统需求度越高，即用户经常需要充电服务。
用户出行区域集合用B=[γ(u1) γ(u 2) …γ(u i)…γ(u n) ]表示，把地图上的区域划分成n块，分别以u i编号表示。γ(u i)表示用户出行u i号区域的可能性。γ(u i)的取值范围为0~1，数值越大则表示该用户越经常出现在u i区域。
用户出行时间集合用C=[ζ(t1) ζ(t 2) …ζ(t i)…ζ(t n) ]表示，把每天或每月的时间划分成n段，分别以t i 编号表示。ζ(t i)表示用户在t i时间段出行的可能性。ζ(t i)的取值范围为0~1，数值越大则表示用户在该时段出行的可能性较高。
所述步骤3需要对步骤2中所定义的各个模糊集合中元素（μ(xi)、γ(u i)、ζ(t i)）作隶属度评估赋值，使用户价值集合，用户出行区域集合和用户出行时间区间集合参数化，这里的隶属度评估工作需要组织有经验的专业人员依据步骤1中所收集的用户信息来进行。具体可依据参照一下标准：
用户价值的高低通过参考薪资级别、充电记录、个人爱好等选项来设定。
出行区域通过参考工作单位地址、家住街区、生活圈、职业、个人爱好、充电记录等选项来设定。
出行时间段通过参考生活习惯、职业、年龄段、充电记录等选项来设定。
同时，根据不同项目对所求目标的贡献价值高低，对各参考项设置不同的权重比例。求解格式为：Y=a*参考项1 +b*参考项2+…+z*参考项n，Y为所求项，a、b、z为权重。
利用户出行区域集合和出行时间集合建立用户x的出行模糊矩阵R(x)
rji表示该位用户在tj这段时间内可能出现在ui区域的可能程度。
步骤4对所定义的用户出行模糊集合进行计算，求出用户的充电需求矩阵P， ，其中R(x)为用户x的出行矩阵，为用户x的置信度，对两者的乘积求和的结果P即为所有用户充电需求的参数化模型。从矩阵P中可以得到在某一时间段在某区域的充电需求度。
所述步骤5对上述几个步骤挖掘得到信息进行输出反馈。信息反馈可以分为两个条线路，一是把挖掘得到的用户充电需求信息反馈至充电站系统管理人员，管理人员根据反馈信息了解用户的充电需求，可以合理规划充电桩的安置地点和建造数量，同时可以在不同时间段灵活调度移动充电车到不同的区域，来满足高峰期用户的充电需求。二是把从数据库中提取的用户常规信息反馈至用户移动端，用户利用手机APP作为接收终端，可以通过注册登陆账号的方式，实时查看自己电动车的电池状况（剩余电量，温度，使用时间），并可以通过开通导航定位功能，查看附近充电站系统的实时工作状态。
Claims (7)
1.一种新型城市电动车充电站系统数据挖掘方法，其特征在于具体步骤如下：
(1)：建立充电站系统数据仓库，以数据包的形式获取来自充电站、移动充电车、车载电池和电动车的用户数据；
(2)：根据数据属性和类型，对数据仓库中的用户数据进行预处理：数据分类，离散化处理，提取出所需的特征集合，即建立用户价值集合、用户出行区域集合和用户出行时间区间集合；
(3)：对特征集合中的元素的隶属度进行评估，并对其参数化设置；所述参数化设置为依据用户数据的置信度，把步骤(2)中建立的用户价值集合、用户出行区域集合和用户出行时间区间集合转化为用户模糊集合；
(4)：利用模糊数学和概率统计理论，对用户模糊集合运算求解，以矩阵的形式表示用户在不同时间段和不同地域充电需求的高低，从而进行数据挖掘，获得所需信息；
(5)：将挖掘所得信息对外输出，反馈至充电站系统管理层。
2.根据权利要求1所述的电动车充电站系统数据挖掘方法，其特征在于：所述数据仓库来源是基于用户账户的注册信息和充电站系统内部所监测的运营数据，数据可靠性与有效性能够得到保障。
3.根据权利要求2所述的电动车充电站系统数据挖掘方法，其特征在于步骤(1)具体为：
(1-1)：充电站系统内部所监测的运营数据分为静态标记量和动态测量量，将静态标记量作为数据包的标示符，与其他数据形成关联，而动态测量量则可作为数据挖掘中的有效元素，参与运算；
(1-2)：外部数据分别以车载电池、充电站和移动充电车和电动车用户为单位，捆绑成数据包，录入数据仓库。
4.根据权利要求1所述的电动车充电站系统数据挖掘方法，其特征在于：所述步骤(2)中所述用户价值集合，用户出行区域集合和用户出行时间区间集合分别为；
用户价值集合用A=[μ(x1) μ(x2) …μ(xi)…μ(xn) ]表示，μ(xi)表示第xi位用户的价值，μ(xi)的取值范围为0~1，数值越大则表示该用户对充电站系统需求度越高，即用户经常需要充电服务；
用户出行区域集合用B=[γ(u1) γ(u 2) …γ(u i)…γ(u n) ]表示，把地图上的区域划分成n块，分别以u i编号表示；γ(u i)表示用户出行u i号区域的可能性；γ(u i)的取值范围为0~1，数值越大则表示该用户越经常出现在u i区域；
用户出行时间集合用C=[ζ(t1) ζ(t 2) …ζ(t i)…ζ(t n) ]表示，把每天或每月的时间划分成n段，分别以t i 编号表示；ζ(t i)表示用户在t i时间段出行的可能性；ζ(t i)的取值范围为0~1，数值越大则表示用户在该时段出行的可能性较高。
5.根据权利要求1所述的电动车充电站系统数据挖掘方法，其特征在于：所述步骤(3)中用户价值的高低通过参考薪资级别、充电记录、个人爱好选项来设定；出行区域通过参考工作单位地址、家住街区、生活圈、职业、个人爱好、充电记录等选项来设定；出行时间段通过参考生活习惯、职业、年龄段、充电记录选项来设定；根据不同项目对所求目标的贡献价值高低，对各参考项设置不同的权重比例，求解格式为：Y=a*参考项1 +b*参考项2+…+z*参考项n，Y为所求项，a、b、z为权重。
6. 根据权利要求1所述的电动车充电站系统数据挖掘方法，其特征在于步骤(4)对所定义的用户出行模糊集合进行计算，求出用户的充电需求矩阵P， ，其中R(x)为用户x的出行矩阵，为用户x的置信度，对两者的乘积求和的结果P即为所有用户充电需求的参数化模型，从矩阵P中可以得到在某一时间段在某区域的充电需求度。
7.根据权利要求1所述的电动车充电站系统数据挖掘方法，其特征在于：所述步骤(5)对挖掘得到信息进行输出反馈，信息反馈分为两个条线路，一是把挖掘得到的用户充电需求信息反馈至充电站系统管理人员，管理人员根据反馈信息了解用户的充电需求，可合理规划充电桩的安置地点和建造数量，同时可以在不同时间段灵活调度移动充电车到不同的区域，来满足高峰期用户的充电需求；二是把从数据库中提取的用户常规信息反馈至用户移动端，用户利用手机APP作为接收终端，可以通过注册登陆账号的方式，实时查看自己电动车的电池状况（剩余电量，温度，使用时间），并可以通过开通导航定位功能，查看附近充电站系统的实时工作状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510194902.8A CN104778263B (zh) | 2015-04-23 | 2015-04-23 | 一种电动车充电站系统仿真数据挖掘方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510194902.8A CN104778263B (zh) | 2015-04-23 | 2015-04-23 | 一种电动车充电站系统仿真数据挖掘方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104778263A true CN104778263A (zh) | 2015-07-15 |
| CN104778263B CN104778263B (zh) | 2017-11-03 |
Family
ID=53619727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510194902.8A Active CN104778263B (zh) | 2015-04-23 | 2015-04-23 | 一种电动车充电站系统仿真数据挖掘方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104778263B (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106403968A (zh) * | 2016-06-06 | 2017-02-15 | 四川大学 | WRSNs中异构移动充电车充电规划方法 |
| CN106997504A (zh) * | 2016-10-25 | 2017-08-01 | 蔚来汽车有限公司 | 车辆能源补充行为分析方法和分析系统 |
| CN107054111A (zh) * | 2016-11-21 | 2017-08-18 | 蔚来汽车有限公司 | 基于车辆参数确定车辆补能信息的方法 |
| CN107248118A (zh) * | 2017-07-24 | 2017-10-13 | 国网节能服务有限公司 | 数据挖掘方法、装置和系统 |
| CN107316097A (zh) * | 2017-05-18 | 2017-11-03 | 蔚来汽车有限公司 | 电动汽车充电需求预测方法及系统 |
| CN108170720A (zh) * | 2017-12-06 | 2018-06-15 | 国网北京市电力公司 | 规划显示系统 |
| WO2018223398A1 (zh) * | 2017-06-09 | 2018-12-13 | 畅充科技（上海）有限公司 | 充电方法及装置 |
| CN109230148A (zh) * | 2018-08-02 | 2019-01-18 | 李丹 | 基于机器人的无人化智能仓储系统 |
| CN109636201A (zh) * | 2018-12-17 | 2019-04-16 | 北京智行者科技有限公司 | 一种充电服务单车核算方法 |
| CN109840792A (zh) * | 2017-11-28 | 2019-06-04 | 蔚来汽车有限公司 | 基于电子地图的充电请求发起时间预测方法和装置 |
| WO2019105052A1 (en) * | 2017-11-30 | 2019-06-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for electric vehicle charging |
| CN110287729A (zh) * | 2019-06-15 | 2019-09-27 | 复旦大学 | 一种面向数据使用需求的隐私泄露风险评估方法 |
| CN111967698A (zh) * | 2020-10-23 | 2020-11-20 | 北京国新智电新能源科技有限责任公司 | 基于移动充电桩调度的电动汽车充电系统及装置 |
| CN112199384A (zh) * | 2020-08-21 | 2021-01-08 | 深圳市数字城市工程研究中心 | 一种电动汽车充电站可达性评价方法 |
| CN112446609A (zh) * | 2020-11-25 | 2021-03-05 | 北京理工新源信息科技有限公司 | 一种基于大数据的充电场站建站方法及系统 |
| CN112612820A (zh) * | 2020-12-07 | 2021-04-06 | 国网北京市电力公司 | 数据处理方法及装置、计算机可读存储介质及处理器 |
| CN113344277A (zh) * | 2021-06-17 | 2021-09-03 | 北京百度网讯科技有限公司 | 预测模型训练方法、状态更新方法、装置、设备和介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101132590A (zh) * | 2007-07-27 | 2008-02-27 | 中国移动通信集团江苏有限公司 | 基于客户感知的通信网络软质量提升方法 |
| CN101582135A (zh) * | 2008-05-14 | 2009-11-18 | 北京中食新华科技有限公司 | 一种具有数据挖掘方法的物流管理系统 |
| US20130218356A1 (en) * | 2012-02-17 | 2013-08-22 | Electronics And Telecommunications Research Institute | Energy control method for energy management system |
| US20140249976A1 (en) * | 2011-11-15 | 2014-09-04 | Kabushiki Kaisha Toshiba | Accounting system and ev charging system |
| CN104537429A (zh) * | 2014-12-11 | 2015-04-22 | 国家电网公司 | 一种基于数据仓库与数据挖掘技术的短期负荷预测方法及装置 |
-
2015
- 2015-04-23 CN CN201510194902.8A patent/CN104778263B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101132590A (zh) * | 2007-07-27 | 2008-02-27 | 中国移动通信集团江苏有限公司 | 基于客户感知的通信网络软质量提升方法 |
| CN101582135A (zh) * | 2008-05-14 | 2009-11-18 | 北京中食新华科技有限公司 | 一种具有数据挖掘方法的物流管理系统 |
| US20140249976A1 (en) * | 2011-11-15 | 2014-09-04 | Kabushiki Kaisha Toshiba | Accounting system and ev charging system |
| US20130218356A1 (en) * | 2012-02-17 | 2013-08-22 | Electronics And Telecommunications Research Institute | Energy control method for energy management system |
| CN104537429A (zh) * | 2014-12-11 | 2015-04-22 | 国家电网公司 | 一种基于数据仓库与数据挖掘技术的短期负荷预测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 唐志武等: "仿真数据挖掘系统的设计与实现", 《系统仿真学报》 * |
| 杨金荣: "数据挖掘在电动车连锁管理系统中的应用研究", 《万方数据》 * |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106403968A (zh) * | 2016-06-06 | 2017-02-15 | 四川大学 | WRSNs中异构移动充电车充电规划方法 |
| CN106997504A (zh) * | 2016-10-25 | 2017-08-01 | 蔚来汽车有限公司 | 车辆能源补充行为分析方法和分析系统 |
| CN107054111A (zh) * | 2016-11-21 | 2017-08-18 | 蔚来汽车有限公司 | 基于车辆参数确定车辆补能信息的方法 |
| CN107316097A (zh) * | 2017-05-18 | 2017-11-03 | 蔚来汽车有限公司 | 电动汽车充电需求预测方法及系统 |
| WO2018209810A1 (zh) * | 2017-05-18 | 2018-11-22 | 蔚来汽车有限公司 | 电动汽车充电需求预测方法及系统 |
| WO2018223398A1 (zh) * | 2017-06-09 | 2018-12-13 | 畅充科技（上海）有限公司 | 充电方法及装置 |
| CN107248118A (zh) * | 2017-07-24 | 2017-10-13 | 国网节能服务有限公司 | 数据挖掘方法、装置和系统 |
| WO2019105065A1 (zh) * | 2017-11-28 | 2019-06-06 | 蔚来汽车有限公司 | 基于电子地图的充电请求发起时间预测方法和装置 |
| CN109840792B (zh) * | 2017-11-28 | 2021-06-29 | 蔚来(安徽)控股有限公司 | 基于电子地图的充电请求发起时间预测方法和装置 |
| CN109840792A (zh) * | 2017-11-28 | 2019-06-04 | 蔚来汽车有限公司 | 基于电子地图的充电请求发起时间预测方法和装置 |
| US11790392B2 (en) | 2017-11-30 | 2023-10-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for electric vehicle charging |
| WO2019105052A1 (en) * | 2017-11-30 | 2019-06-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for electric vehicle charging |
| CN108170720A (zh) * | 2017-12-06 | 2018-06-15 | 国网北京市电力公司 | 规划显示系统 |
| CN109230148A (zh) * | 2018-08-02 | 2019-01-18 | 李丹 | 基于机器人的无人化智能仓储系统 |
| CN109636201A (zh) * | 2018-12-17 | 2019-04-16 | 北京智行者科技有限公司 | 一种充电服务单车核算方法 |
| CN110287729A (zh) * | 2019-06-15 | 2019-09-27 | 复旦大学 | 一种面向数据使用需求的隐私泄露风险评估方法 |
| CN112199384A (zh) * | 2020-08-21 | 2021-01-08 | 深圳市数字城市工程研究中心 | 一种电动汽车充电站可达性评价方法 |
| CN111967698A (zh) * | 2020-10-23 | 2020-11-20 | 北京国新智电新能源科技有限责任公司 | 基于移动充电桩调度的电动汽车充电系统及装置 |
| CN112446609A (zh) * | 2020-11-25 | 2021-03-05 | 北京理工新源信息科技有限公司 | 一种基于大数据的充电场站建站方法及系统 |
| CN112446609B (zh) * | 2020-11-25 | 2024-04-26 | 北京理工新源信息科技有限公司 | 一种基于大数据的充电场站建站方法及系统 |
| CN112612820A (zh) * | 2020-12-07 | 2021-04-06 | 国网北京市电力公司 | 数据处理方法及装置、计算机可读存储介质及处理器 |
| CN113344277A (zh) * | 2021-06-17 | 2021-09-03 | 北京百度网讯科技有限公司 | 预测模型训练方法、状态更新方法、装置、设备和介质 |
| CN113344277B (zh) * | 2021-06-17 | 2024-03-12 | 北京百度网讯科技有限公司 | 预测模型训练方法、状态更新方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104778263B (zh) | 2017-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104778263A (zh) | 一种电动车充电站系统仿真数据挖掘方法 | |
| Luo et al. | Analysis on spatial-temporal features of taxis' emissions from big data informed travel patterns: a case of Shanghai, China | |
| Li et al. | Prediction of electric bus energy consumption with stochastic speed profile generation modelling and data driven method based on real-world big data | |
| Yang et al. | EV charging behaviour analysis and modelling based on mobile crowdsensing data | |
| CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
| CN105513351A (zh) | 一种基于大数据的交通出行特征数据提取方法 | |
| CN104809344A (zh) | 一种基于ic卡数据的公交站点区间客流估计方法 | |
| CN105142106A (zh) | 基于手机信令数据的出行者职住地识别与出行链刻画方法 | |
| CN110796337B (zh) | 一种评价城市公交站点服务可达性的系统 | |
| CN113085655B (zh) | 一种车载电动汽车综合服务系统 | |
| Mahmoudi et al. | Accessibility with time and resource constraints: Computing hyper-prisms for sustainable transportation planning | |
| CN103700265A (zh) | 基于出行起点与终点获取路网流量信息的方法 | |
| CN105336155A (zh) | 公交班次加派方法及系统 | |
| Cyril et al. | Electronic ticket machine data analytics for public bus transport planning | |
| Chen et al. | Data-driven planning of plug-in hybrid electric taxi charging stations in urban environments: A case in the central area of Beijing | |
| CN106355541A (zh) | 一种基于gps数据的出租车打车难易度识别方法 | |
| CN115345351A (zh) | 一种基于用户行为的电动汽车充电负荷预测方法 | |
| Hwang et al. | Travel time prediction by weighted fusion of probing vehicles and vehicle detectors data sources | |
| Booysen et al. | e-Quantum leap on a data highway: Planning for electric minibus taxis in sub-Saharan Africa's paratransit system | |
| Elghanam et al. | A Data-Driven Approach for EV Electricity Demand Modeling Using Spatial Regression: A UAE Case Study | |
| Zhou et al. | Analysis of public transit trip chain of commuters based on mobile phone data and GPS data | |
| Soares et al. | Probabilistic estimation of the state of electric vehicles for smart grid applications in big data context | |
| Salanova et al. | Use of probe data generated by taxis | |
| Torres-Sanz et al. | On the prediction of electric vehicles energy demand by using vehicular networks | |
| Yu et al. | Passenger flow estimation based on smart card data in public transit |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate 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: 20160215 Address after: 200050, Shanghai, Changning District, West Yan'an Road, No. 728, Hua Min, John International Building, 7 floor, block H Applicant after: CHUYING INFORMATION TECHNOLOGY (SHANGHAI) CO., LTD. Address before: 200050, Shanghai, Changning District, West Yan'an Road, No. 728, Hua Min, John International Building, 7 floor, block H Applicant before: Yingxin energy storage technology (Shanghai) Co., Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20171115 Address after: 200050, Shanghai, Changning District, West Yan'an Road, No. 728, Hua Min, John International Building, 7 floor, block H Patentee after: Zhang Huai Address before: 200050, Shanghai, Changning District, West Yan'an Road, No. 728, Hua Min, John International Building, 7 floor, block H Patentee before: CHUYING INFORMATION TECHNOLOGY (SHANGHAI) CO., LTD. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180518 Address after: 241000 1208, room 4, Service Outsourcing Industrial Park, 717 Zhongshan South Road, Yijiang District, Wuhu, Anhui. Patentee after: Wuhu Chu Rui Intelligent Technology Co., Ltd. Address before: 200050 block H, 7 / F, Hua Min Han Zun International Building, 728 West Yan'an Road, Changning District, Shanghai. Patentee before: Zhang Huai |