CN110347939A - 一种基于云计算的电动汽车管理系统 - Google Patents

一种基于云计算的电动汽车管理系统 Download PDF

Info

Publication number
CN110347939A
CN110347939A CN201910642411.3A CN201910642411A CN110347939A CN 110347939 A CN110347939 A CN 110347939A CN 201910642411 A CN201910642411 A CN 201910642411A CN 110347939 A CN110347939 A CN 110347939A
Authority
CN
China
Prior art keywords
inertia
trip
time
data
electric car
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
Application number
CN201910642411.3A
Other languages
English (en)
Other versions
CN110347939B (zh
Inventor
杨杰
谭明
陈雪兆
罗惠惠
陈佩
梁溢文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dragon Totem Technology Hefei Co ltd
Original Assignee
Hunan University of Science and Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan University of Science and Engineering filed Critical Hunan University of Science and Engineering
Priority to CN201910642411.3A priority Critical patent/CN110347939B/zh
Publication of CN110347939A publication Critical patent/CN110347939A/zh
Application granted granted Critical
Publication of CN110347939B publication Critical patent/CN110347939B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于云计算的电动汽车管理系统，包括个人设备、数据分析单元、云处理器和管理子系统；所述个人设备包括显示单元、请求单元、数据收集单元和交互单元；所述管理子系统包括数据提供单元、处理器、定位模块和电池监控单元；本发明通过实时检测当下时间是否与暂存单元内存储的惯性出行数据组、惯性时段Tj及其对应的默认路段组Mjo的时间节点一致；若一致，则会进行主动的推荐分析，得到推荐电动汽车信息，并推荐用户选择是否出行，便于用户在一些经常去的，且有规律性的地方时，能够自动推荐用户选择。

Description

一种基于云计算的电动汽车管理系统
技术领域
本发明属于电动汽车领域，涉及一种电动汽车管理技术，具体是一种基于云计算的电动汽车管理系统。
背景技术
随着共享单车的越来越多受众，共享汽车这一概念，也开始逐步出现，与之相伴的也包括一些汽车租赁越来越多，当前共享汽车或者租赁汽车的主体，都是一些电动汽车，但是当前的电动汽车的租赁方式都是通过扫码租车，或者通过一些软件平台，电动汽车的管理系统来实现电动汽车的租赁过程；
当前，所有的电动汽车管理系统基本上都是被动式的接收用户的租赁消息，基本上没有做到主动向用户推荐电动汽车；也没有做到于用户平时的个人出行习惯形成交互；从而能得到一个能通过自主学习，了解用户的出行习惯；并根据出行习惯，推荐用户用车；为了解决这一技术问题，现提供一种技术方案。
发明内容
本发明的目的在于提供一种基于云计算的电动汽车管理系统。
本发明所要解决的技术问题为：
(1)如何根据个人平时的出行数据，得到一个用户的惯性出行数据组、惯性时段Tj及其对应的默认路段组Mjo；
(2)如何根据得到的惯性出行数据组、惯性时段Tj及其对应的默认路段组Mjo为用户主动推荐电动汽车的出行；
本发明的目的可以通过以下技术方案实现：
一种基于云计算的电动汽车管理系统，包括个人设备、数据分析单元、云处理器和管理子系统；
其中，所述个人设备包括显示单元、请求单元、数据收集单元和交互单元；
其中，所述管理子系统包括数据提供单元、处理器、定位模块和电池监控单元；
其中，所述数据收集单元用于收集用户近半年的出行数据，出行数据包括出发地、目的地和出行时间；出行数据借助打车软件、导航软件和公交乘车数据获取；
所述数据收集单元用于将出行数据传输到数据分析单元，所述数据分析单元用于对出行数据进行规律性分析；规律性分析的具体步骤为：
步骤一：首先获取到出行数据；
步骤二：对所有的出行数据进行分类，具体分类过程为：
S1：获取到相同出发地和目的地的出行数据内的数量，将数量不低于X1的出行数据标记为惯性路线；X1为预设值；
S2：得到若干组惯性路线，将其标记为惯性路线组；
S3：对惯性路线组进行出行时间分析，具体分析步骤为：
SS1：任选一惯性路线；
SS2：获取到该惯性路线的所有出行时间，对其出行时刻进行分析，出行时刻为出行时的时；
SS3：任选一出行时刻，获取到该惯性路线位于该出行时刻的次数；
SS4：任选下一出行时刻，重复步骤SS3-SS4，得到所有出行时刻对应的次数；
SS5：将次数最多且次数大于X2次的出行时刻标记为该惯性路线对应的习惯时间；否则废弃该条惯性路线；X2为预设值；
SS6：将惯性路线和习惯时间融合形成惯性出行数据；
SS7：任选下一惯性路线，重复步骤SS2-SS7；得到所有惯性路线对应的习惯时间；得到若干组惯性出行数据，形成惯性出行数据组Gci，i＝1...n；
S4：获取得到所有出行数据的出行时间；
S5：将一天划分为24个时段，以一个小时为一个时段得到24个时间段；
S6：统计各个时段的出行次数，将出行次数排名前四的出行时段标记为惯性时段Tj，j＝1...4；
S7：获取到惯性时段Tj，将惯性时段对应出行次数前三的出发地和目的地标记为默认路段组Mjo，j＝1...4，o＝1...3；Mjo表示惯性时段Tj对应的默认路段Mjo；
所述数据分析单元用于将惯性出行数据组Gci、惯性时段Tj及其对应的默认路段组Mjo传输到暂存单元，所述暂存单元接收数据分析单元传输的惯性出行数据组Gci、惯性时段Tj及其对应的默认路段组Mjo并进行实时存储；
所述管理子系统为电动汽车的租赁管理系统，所述定位模块用于实时获取所有电动汽车的实时位置和所有还车点位置，所述电池监控单元用于实时获取所有电动汽车的实时电量信息；
所述云处理器用于对电动汽车进行主动推荐处理得到推荐电动汽车信息。
进一步地，所述云处理器对电动汽车进行主动推荐处理的具体步骤为：
步骤一：云处理器用于获取实时时间；
步骤二：首先将实时时间与暂存单元内的惯性出行数据组Gci进行对比，具体对比步骤为：
S10：获取到惯性出行数据组内的习惯时间；
S20：将实时时间与习惯时间对比，获取到对应实时时间的惯性路线，若存在惯性路线则继续下述步骤，否则跳转至步骤S50；
S30：获取到对应的惯性路线，获取其出发地和目的地；
S40：借助交互单元从请求单元获取到当前用户的实时位置，若实时位置与出发地一致则自动转到步骤三，否则跳转至步骤S50；
S50：将实时时间与惯性时段Tj进行比对，在比对到实时时间位于惯性时段Tj时，则获取对应的默认路段Mjo，跳转至步骤四，否则不执行任何操作；
步骤三：进行就近电动汽车推荐分析，具体分析步骤为：
S10：借助数据提供单元从处理器获取到所有电动汽车的实时位置、对应的实时电量信息及其所有的还车点位置；
S20：获取到电动汽车的实时位置与出发地之间的距离，将该距离标记为行走距离Lxi，i＝1...n；
S30：获取到距离目的地最近的还车点位置，并将该换车点位置替代目的地，之后获取到出发地到该目的地的距离，将其标记为驾驶距离L2；
S40：获取到所有电动汽车的实时电量信息，从而得到对应电动汽车的剩余里程，剩余里程为电动汽车可继续行驶的公里数；将剩余里程标记为Sli,i＝1...n，Lxi与Sli一一对应；
S50：利用公式Qi＝(L2-Sli)*α+Lxi*θ计算所有电动汽车的可选值Qi，其中α和θ均为预设权值；
S60：将Qi值最大的电动汽车标记为可驾驶电动汽车，获取到可驾驶电动汽车的实时位置和对应的实时电量信息，形成推荐电动汽车信息；
步骤四：获取到惯性时段Tj对应的默认路段Mjo；对默认路段进行分析；
SS1：获取到默认路段中的Mj1、Mj2和Mj3；
SS2：依次选择默认路段Mj1、Mj2和Mj3重复步骤SS3；
SS3：获取其出发地和目的地，同时获取到当前用户的实时位置，并将实时位置和出发地进行比对，若一致则转到步骤SS4，否则终止当前步骤；
SS4：根据步骤三中的就近电动汽车推荐分析原理，依次得到三个默认路段对应的，三组所有电动汽车的可选值Qi，求取三组所有电动汽车的可选值Qi的可选均值，将可选均值最大的对应电动汽车标记为可驾驶电动汽车；获取到可驾驶电动汽车的实时位置和对应的实时电量信息，形成选择电动汽车信息。
进一步地，所述云处理器用于将推荐电动汽车信息通过交互单元传输到显示单元，所述显示单元接收到交互单元传输的推荐电动汽车信息，并实时显示“检测到您在此时有出行习惯，请选择是否出行，出行可选择驾驶+推荐电动汽车信息”；
用户通过请求单元输入确认出行或拒绝出行信号，当用户录入确认出行信号时，获取到本次的出行时间和相关的出行出发地和目的地形成出行数据，并通过数据收集单元收集该次出行数据；当用户录入拒绝出行信号时不进行任何处理。
进一步地，所述请求单元还用于用户在需要出行时，录入出发地和目的地形成请求信息，所述请求单元用于将请求信息通过交互单元传输到云处理器，所述云处理器用于根据主动推荐处理的步骤三中的原理进行同样的就近电动汽车推荐分析得到推荐电动汽车信息，并借助显示单元显示该推荐电动汽车信息，便于用户出行选择。
进一步地，所述云处理器用于将选择电动汽车信息通过交互单元传输到显示单元，所述显示单元接收到交互单元传输的选择电动汽车信息，并实时显示“检测到您在此时有出行习惯，请选择是否出行，出行可选择驾驶+选择电动汽车信息，并选择出行路线Mj1、Mj2和Mj3”；
用户通过请求单元输入确认出行信号及其对应的选择路线Mj1、Mj2和Mj3，或拒绝出行信号，当用户录入确认出行信号时，获取到本次的出行时间和相关的出行出发地和目的地形成出行数据，并通过数据收集单元收集该次出行数据；当用户录入拒绝出行信号时不进行任何处理。
本发明的有益效果：
本发明通过获取到个人的出行数据，之后根据数据分析单元用于对用户近半年的出行数据进行规律性分析，结合出行数据内的出行出发地、目的地和出行时间；进行数据学习和数据总结得到用户的惯性出行数据组、惯性时段Tj及其对应的默认路段组Mjo；并将其传输到暂存单元进行存储；
之后借助云处理器，实时检测当下时间是否与暂存单元内存储的惯性出行数据组、惯性时段Tj及其对应的默认路段组Mjo的时间节点一致；若一致，则会进行主动的推荐分析，得到推荐电动汽车信息，并推荐用户选择是否出行，便于用户在一些经常去的，且有规律性的地方时，能够自动推荐用户选择。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
如图1所示，一种基于云计算的电动汽车管理系统，包括个人设备、数据分析单元、云处理器和管理子系统；
其中，所述个人设备包括显示单元、请求单元、数据收集单元和交互单元；
其中，所述管理子系统包括数据提供单元、处理器、定位模块和电池监控单元；
其中，所述数据收集单元用于收集用户近半年的出行数据，出行数据包括出发地、目的地和出行时间；出行时间为具体到小时的日期，例如为2019年7月12日17时；出行数据借助打车软件、导航软件和公交乘车数据等渠道获取；
所述数据收集单元用于将出行数据传输到数据分析单元，所述数据分析单元用于对出行数据进行规律性分析；规律性分析的具体步骤为：
步骤一：首先获取到出行数据；
步骤二：对所有的出行数据进行分类，具体分类过程为：
S1：获取到相同出发地和目的地的出行数据内的数量，将数量不低于X1的出行数据标记为惯性路线；X1为预设值；
S2：得到若干组惯性路线，将其标记为惯性路线组；
S3：对惯性路线组进行出行时间分析，具体分析步骤为：
SS1：任选一惯性路线；
SS2：获取到该惯性路线的所有出行时间，对其出行时刻进行分析，出行时刻为出行时的时；
SS3：任选一出行时刻，获取到该惯性路线位于该出行时刻的次数；
SS4：任选下一出行时刻，重复步骤SS3-SS4，得到所有出行时刻对应的次数；
SS5：将次数最多且次数大于X2次的出行时刻标记为该惯性路线对应的习惯时间；否则废弃该条惯性路线；X2为预设值；
SS6：将惯性路线和习惯时间融合形成惯性出行数据；
SS7：任选下一惯性路线，重复步骤SS2-SS7；得到所有惯性路线对应的习惯时间；得到若干组惯性出行数据，形成惯性出行数据组Gci，i＝1...n；
S4：获取得到所有出行数据的出行时间；
S5：将一天划分为24个时段，以一个小时为一个时段得到24个时间段；
S6：统计各个时段的出行次数，将出行次数排名前四的出行时段标记为惯性时段Tj，j＝1...4；
S7：获取到惯性时段Tj，将惯性时段对应出行次数前三的出发地和目的地标记为默认路段组Mjo，j＝1...4，o＝1...3；Mjo表示惯性时段Tj对应的默认路段Mjo；
所述数据分析单元用于将惯性出行数据组Gci、惯性时段Tj及其对应的默认路段组Mjo传输到暂存单元，所述暂存单元接收数据分析单元传输的惯性出行数据组Gci、惯性时段Tj及其对应的默认路段组Mjo并进行实时存储；
所述管理子系统为电动汽车的租赁管理系统，所述定位模块用于实时获取所有电动汽车的实时位置和所有还车点位置，所述电池监控单元用于实时获取所有电动汽车的实时电量信息；
所述云处理器用于对电动汽车进行主动推荐处理，具体推荐处理的步骤为：
步骤一：云处理器用于获取实时时间；
步骤二：首先将实时时间与暂存单元内的惯性出行数据组Gci进行对比，具体对比步骤为：
S10：获取到惯性出行数据组内的习惯时间；
S20：将实时时间与习惯时间对比，获取到对应实时时间的惯性路线，若存在惯性路线则继续下述步骤，否则跳转至步骤S50；
S30：获取到对应的惯性路线，获取其出发地和目的地；
S40：借助交互单元从请求单元获取到当前用户的实时位置，若实时位置与出发地一致则自动转到步骤三，否则跳转至步骤S50；
S50：将实时时间与惯性时段Tj进行比对，在比对到实时时间位于惯性时段Tj时，则获取对应的默认路段Mjo，跳转至步骤四，否则不执行任何操作；
步骤三：进行就近电动汽车推荐分析，具体分析步骤为：
S10：借助数据提供单元从处理器获取到所有电动汽车的实时位置、对应的实时电量信息及其所有的还车点位置；
S20：获取到电动汽车的实时位置与出发地之间的距离，将该距离标记为行走距离Lxi，i＝1...n；
S30：获取到距离目的地最近的还车点位置，并将该换车点位置替代目的地，之后获取到出发地到该目的地的距离，将其标记为驾驶距离L2；
S40：获取到所有电动汽车的实时电量信息，从而得到对应电动汽车的剩余里程，剩余里程为电动汽车可继续行驶的公里数；将剩余里程标记为Sli,i＝1...n，Lxi与Sli一一对应；
S50：利用公式Qi＝(L2-Sli)*α+Lxi*θ计算所有电动汽车的可选值Qi，其中α和θ均为预设权值；
S60：将Qi值最大的电动汽车标记为可驾驶电动汽车，获取到可驾驶电动汽车的实时位置和对应的实时电量信息，形成推荐电动汽车信息；
步骤四：获取到惯性时段Tj对应的默认路段Mjo；对默认路段进行分析；
SS1：获取到默认路段中的Mj1、Mj2和Mj3；
SS2：依次选择默认路段Mj1、Mj2和Mj3重复步骤SS3；
SS3：获取其出发地和目的地，同时获取到当前用户的实时位置，并将实时位置和出发地进行比对，若一致则转到步骤SS4，否则终止当前步骤；
SS4：根据步骤三中的就近电动汽车推荐分析原理，依次得到三个默认路段对应的，三组所有电动汽车的可选值Qi，求取三组所有电动汽车的可选值Qi的可选均值，将可选均值最大的对应电动汽车标记为可驾驶电动汽车；获取到可驾驶电动汽车的实时位置和对应的实时电量信息，形成选择电动汽车信息；
所述云处理器用于将推荐电动汽车信息通过交互单元传输到显示单元，所述显示单元接收到交互单元传输的推荐电动汽车信息，并实时显示“检测到您在此时有出行习惯，请选择是否出行，出行可选择驾驶+推荐电动汽车信息”；
用户通过请求单元输入确认出行或拒绝出行信号，当用户录入确认出行信号时，获取到本次的出行时间和相关的出行出发地和目的地形成出行数据，并通过数据收集单元收集该次出行数据；当用户录入拒绝出行信号时不进行任何处理；
所述云处理器用于将选择电动汽车信息通过交互单元传输到显示单元，所述显示单元接收到交互单元传输的选择电动汽车信息，并实时显示“检测到您在此时有出行习惯，请选择是否出行，出行可选择驾驶+选择电动汽车信息，并选择出行路线Mj1、Mj2和Mj3”；
用户通过请求单元输入确认出行信号及其对应的选择路线Mj1、Mj2和Mj3，或拒绝出行信号，当用户录入确认出行信号时，获取到本次的出行时间和相关的出行出发地和目的地形成出行数据，并通过数据收集单元收集该次出行数据；当用户录入拒绝出行信号时不进行任何处理；
所述请求单元还用于用户在需要出行时，此时可为用户的出行数据低于预设值时，此处可选择500条，让用户选择自动录入相关的出行数据，进行数据积累；待出行数据超过预设值时才进行上述的自动分析过程；用户需要出行时，可自主录入出发地和目的地形成请求信息，所述请求单元用于将请求信息通过交互单元传输到云处理器，所述云处理器用于根据主动推荐处理的步骤三中的原理进行同样的就近电动汽车推荐分析得到推荐电动汽车信息，并借助显示单元显示该推荐电动汽车信息，便于用户出行选择。
一种基于云计算的电动汽车管理系统，在工作时，首先通过获取到个人的出行数据，之后根据数据分析单元用于对用户近半年的出行数据进行规律性分析，结合出行数据内的出行出发地、目的地和出行时间；进行数据学习和数据总结得到用户的惯性出行数据组、惯性时段Tj及其对应的默认路段组Mjo；并将其传输到暂存单元进行存储；
之后借助云处理器，实时检测当下时间是否与暂存单元内存储的惯性出行数据组、惯性时段Tj及其对应的默认路段组Mjo的时间节点一致；若一致，则会进行主动的推荐分析，得到推荐电动汽车信息，并推荐用户选择是否出行，便于用户在一些经常去的，且有规律性的地方时，能够自动推荐用户选择。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (5)

1.一种基于云计算的电动汽车管理系统，其特征在于，包括个人设备、数据分析单元、云处理器和管理子系统；
其中，所述个人设备包括显示单元、请求单元、数据收集单元和交互单元；
其中，所述管理子系统包括数据提供单元、处理器、定位模块和电池监控单元；
其中，所述数据收集单元用于收集用户近半年的出行数据，出行数据包括出发地、目的地和出行时间；出行数据借助打车软件、导航软件和公交乘车数据获取；
所述数据收集单元用于将出行数据传输到数据分析单元，所述数据分析单元用于对出行数据进行规律性分析；规律性分析的具体步骤为：
步骤一：首先获取到出行数据；
步骤二：对所有的出行数据进行分类，具体分类过程为：
S1：获取到相同出发地和目的地的出行数据内的数量，将数量不低于X1的出行数据标记为惯性路线；X1为预设值；
S2：得到若干组惯性路线，将其标记为惯性路线组；
S3：对惯性路线组进行出行时间分析，具体分析步骤为：
SS1：任选一惯性路线；
SS2：获取到该惯性路线的所有出行时间，对其出行时刻进行分析，出行时刻为出行时的时；
SS3：任选一出行时刻，获取到该惯性路线位于该出行时刻的次数；
SS4：任选下一出行时刻，重复步骤SS3-SS4，得到所有出行时刻对应的次数；
SS5：将次数最多且次数大于X2次的出行时刻标记为该惯性路线对应的习惯时间；否则废弃该条惯性路线；X2为预设值；
SS6：将惯性路线和习惯时间融合形成惯性出行数据；
SS7：任选下一惯性路线，重复步骤SS2-SS7；得到所有惯性路线对应的习惯时间；得到若干组惯性出行数据，形成惯性出行数据组Gci，i＝1...n；
S4：获取得到所有出行数据的出行时间；
S5：将一天划分为24个时段，以一个小时为一个时段得到24个时间段；
S6：统计各个时段的出行次数，将出行次数排名前四的出行时段标记为惯性时段Tj，j＝1...4；
S7：获取到惯性时段Tj，将惯性时段对应出行次数前三的出发地和目的地标记为默认路段组Mjo，j＝1...4，o＝1...3；Mjo表示惯性时段Tj对应的默认路段Mjo；
所述数据分析单元用于将惯性出行数据组Gci、惯性时段Tj及其对应的默认路段组Mjo传输到暂存单元，所述暂存单元接收数据分析单元传输的惯性出行数据组Gci、惯性时段Tj及其对应的默认路段组Mjo并进行实时存储；
所述管理子系统为电动汽车的租赁管理系统，所述定位模块用于实时获取所有电动汽车的实时位置和所有还车点位置，所述电池监控单元用于实时获取所有电动汽车的实时电量信息；
所述云处理器用于对电动汽车进行主动推荐处理得到推荐电动汽车信息。
2.根据权利要求1所述的一种基于云计算的电动汽车管理系统，其特征在于，所述云处理器对电动汽车进行主动推荐处理的具体步骤为：
步骤一：云处理器用于获取实时时间；
步骤二：首先将实时时间与暂存单元内的惯性出行数据组Gci进行对比，具体对比步骤为：
S10：获取到惯性出行数据组内的习惯时间；
S20：将实时时间与习惯时间对比，获取到对应实时时间的惯性路线，若存在惯性路线则继续下述步骤，否则跳转至步骤S50；
S30：获取到对应的惯性路线，获取其出发地和目的地；
S40：借助交互单元从请求单元获取到当前用户的实时位置，若实时位置与出发地一致则自动转到步骤三，否则跳转至步骤S50；
S50：将实时时间与惯性时段Tj进行比对，在比对到实时时间位于惯性时段Tj时，则获取对应的默认路段Mjo，跳转至步骤四，否则不执行任何操作；
步骤三：进行就近电动汽车推荐分析，具体分析步骤为：
S10：借助数据提供单元从处理器获取到所有电动汽车的实时位置、对应的实时电量信息及其所有的还车点位置；
S20：获取到电动汽车的实时位置与出发地之间的距离，将该距离标记为行走距离Lxi，i＝1...n；
S30：获取到距离目的地最近的还车点位置，并将该换车点位置替代目的地，之后获取到出发地到该目的地的距离，将其标记为驾驶距离L2；
S40：获取到所有电动汽车的实时电量信息，从而得到对应电动汽车的剩余里程，剩余里程为电动汽车可继续行驶的公里数；将剩余里程标记为Sli,i＝1...n，Lxi与Sli一一对应；
S50：利用公式Qi＝(L2-Sli)*α+Lxi*θ计算所有电动汽车的可选值Qi，其中α和θ均为预设权值；
S60：将Qi值最大的电动汽车标记为可驾驶电动汽车，获取到可驾驶电动汽车的实时位置和对应的实时电量信息，形成推荐电动汽车信息；
步骤四：获取到惯性时段Tj对应的默认路段Mjo；对默认路段进行分析；
SS1：获取到默认路段中的Mj1、Mj2和Mj3；
SS2：依次选择默认路段Mj1、Mj2和Mj3重复步骤SS3；
SS3：获取其出发地和目的地，同时获取到当前用户的实时位置，并将实时位置和出发地进行比对，若一致则转到步骤SS4，否则终止当前步骤；
SS4：根据步骤三中的就近电动汽车推荐分析原理，依次得到三个默认路段对应的，三组所有电动汽车的可选值Qi，求取三组所有电动汽车的可选值Qi的可选均值，将可选均值最大的对应电动汽车标记为可驾驶电动汽车；获取到可驾驶电动汽车的实时位置和对应的实时电量信息，形成选择电动汽车信息。
3.根据权利要求1所述的一种基于云计算的电动汽车管理系统，其特征在于，所述云处理器用于将推荐电动汽车信息通过交互单元传输到显示单元，所述显示单元接收到交互单元传输的推荐电动汽车信息，并实时显示“检测到您在此时有出行习惯，请选择是否出行，出行可选择驾驶+推荐电动汽车信息”；
用户通过请求单元输入确认出行或拒绝出行信号，当用户录入确认出行信号时，获取到本次的出行时间和相关的出行出发地和目的地形成出行数据，并通过数据收集单元收集该次出行数据；当用户录入拒绝出行信号时不进行任何处理。
4.根据权利要求1所述的一种基于云计算的电动汽车管理系统，其特征在于，所述请求单元还用于用户在需要出行时，录入出发地和目的地形成请求信息，所述请求单元用于将请求信息通过交互单元传输到云处理器，所述云处理器用于根据主动推荐处理的步骤三中的原理进行同样的就近电动汽车推荐分析得到推荐电动汽车信息，并借助显示单元显示该推荐电动汽车信息，便于用户出行选择。
5.根据权利要求1所述的一种基于云计算的电动汽车管理系统，其特征在于，所述云处理器用于将选择电动汽车信息通过交互单元传输到显示单元，所述显示单元接收到交互单元传输的选择电动汽车信息，并实时显示“检测到您在此时有出行习惯，请选择是否出行，出行可选择驾驶+选择电动汽车信息，并选择出行路线Mj1、Mj2和Mj3”；
用户通过请求单元输入确认出行信号及其对应的选择路线Mj1、Mj2和Mj3，或拒绝出行信号，当用户录入确认出行信号时，获取到本次的出行时间和相关的出行出发地和目的地形成出行数据，并通过数据收集单元收集该次出行数据；当用户录入拒绝出行信号时不进行任何处理。
CN201910642411.3A 2019-07-16 2019-07-16 一种基于云计算的电动汽车管理系统 Active CN110347939B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910642411.3A CN110347939B (zh) 2019-07-16 2019-07-16 一种基于云计算的电动汽车管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910642411.3A CN110347939B (zh) 2019-07-16 2019-07-16 一种基于云计算的电动汽车管理系统

Publications (2)

Publication Number Publication Date
CN110347939A true CN110347939A (zh) 2019-10-18
CN110347939B CN110347939B (zh) 2022-09-02

Family

ID=68174840

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910642411.3A Active CN110347939B (zh) 2019-07-16 2019-07-16 一种基于云计算的电动汽车管理系统

Country Status (1)

Country Link
CN (1) CN110347939B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120249334A1 (en) * 2011-03-31 2012-10-04 Elite Power Solutions, LLC Battery management system
CN106203651A (zh) * 2016-07-01 2016-12-07 宁波轩悦行电动汽车服务有限公司 电动汽车分时租赁系统子服务器预估电量预约租车方法
CN108292308A (zh) * 2015-11-27 2018-07-17 宝马股份公司 根据移动习惯为用户推荐车辆/乘客资源

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120249334A1 (en) * 2011-03-31 2012-10-04 Elite Power Solutions, LLC Battery management system
CN108292308A (zh) * 2015-11-27 2018-07-17 宝马股份公司 根据移动习惯为用户推荐车辆/乘客资源
CN106203651A (zh) * 2016-07-01 2016-12-07 宁波轩悦行电动汽车服务有限公司 电动汽车分时租赁系统子服务器预估电量预约租车方法

Also Published As

Publication number Publication date
CN110347939B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
US7936284B2 (en) System and method for parking time estimations
CN109410623A (zh) 停车导航方法及装置
CN105318889B (zh) 出发地与目的地提取装置、出发地与目的地提取方法
DE60205180T2 (de) Verfahren und System mit Fahrprofil
CN112150858B (zh) 一种停车场停车区域管理的方法及系统
CN109387212A (zh) 信息处理系统以及信息处理方法
US8260532B2 (en) Traffic probe in-vehicle map-based process to reduce data communications and improve accuracy
DE102013205392A1 (de) Backend für Fahrerassistenzsysteme
CN113570864B (zh) 一种电动自行车行驶路径匹配方法、设备及存储介质
CN106032986A (zh) 一种导航方法、终端及系统
CN104482936B (zh) 提供路况信息的云端服务器和显示路况信息的装置
CN106056944A (zh) 行驶环境评价系统及行驶环境评价方法
JP2012160022A (ja) 充電管理サーバ、充電管理システム、充電管理方法および充電管理プログラム
CN106382942A (zh) 一种车载导航系统及导航方法
Hochmair The influence of map design on route choice from public transportation maps in urban areas
CN108051011B (zh) 基于出租车经验数据的可靠导航路径设置方法
CN103226895B (zh) 用于为导航装置提供速度警告信息的方法和数据处理装置
CN110347939A (zh) 一种基于云计算的电动汽车管理系统
JP2010236995A (ja) ナビゲーション装置、交通情報生成サーバ装置、交通情報提供システム
JP5494501B2 (ja) 情報処理システム
CN108775904A (zh) 针对停车场内充电区域的导航方法
Bauer Application of GPS technology to evaluate the quality of public transport
JP2023548516A (ja) 道路利用者に関する情報を提供するための方法
EP3920149A1 (de) Verfahren zum ermitteln einer mautgebühr, fahrzeuggerät und mautsystem
Singh et al. An optimized vehicle parking mechanism using artificial neural network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231215

Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Dragon totem Technology (Hefei) Co.,Ltd.

Address before: 425199 130 Yang Zi Tang Road, Lingling District, Yongzhou, Hunan.

Patentee before: HUNAN University OF SCIENCE AND ENGINEERING