CN110555622A - 加电服务能力或资源的评估或管理方法、系统和存储介质 - Google Patents
加电服务能力或资源的评估或管理方法、系统和存储介质 Download PDFInfo
- Publication number
- CN110555622A CN110555622A CN201910850473.3A CN201910850473A CN110555622A CN 110555622 A CN110555622 A CN 110555622A CN 201910850473 A CN201910850473 A CN 201910850473A CN 110555622 A CN110555622 A CN 110555622A
- Authority
- CN
- China
- Prior art keywords
- power
- service
- target area
- charging
- orders
- 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
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用于评估目标区域加电服务能力的方法和系统、加电服务资源的优化管理方法和系统以及计算机可读存储介质。该方法包括步骤:将目标区域划分为至少两个网格区块;建立各加电服务资源响应网格区块内的加电订单的接单概率分布模型;基于至少一部分历史加电订单,获得各加电服务资源在相应的网格区块内的平均加电服务时长,并基于预设的派单策略对历史加电订单进行派单模拟处理,获得各加电服务资源在预设置信度下响应同一网格区块内的加电订单的优先度队列;基于优先度队列中各加电服务资源,根据与其相对应的接单概率分布模型和平均加电服务时长进行数值处理,以获得与用于衡量各网格区块内的加电服务时长相关的数据用于评估加电服务能力。
Description
技术领域
本发明涉及充换电技术领域,尤其涉及用于评估目标区域加电服务能力的方法和系统、加电服务资源的优化管理方法和系统、以及计算机可读存储介质。
背景技术
随着科技水平发展和社会进步,市场上已经出现了众多类型的新能源车辆,其中例如纯电动车辆、混合动力车辆等呈现出井喷式发展,涉及到这些车辆的加电服务等方面问题已被日益重视。例如,完成车辆加电服务订单的整体服务时长是衡量服务质量的一个重要指标,它反映了从下单点启动服务需求后,可以达到的服务效率与服务水平,这与用户体验和服务效率高度相关,对于衡量当前的服务水平具有重要的指导意义。
然而,在现实环境下,由于加电服务资源在不同区域内、在地理维度上分布密度不均匀,例如在城市区域内部的加电服务资源比较富裕,而在诸如偏远郊区等区域内的加电服务资源则比较稀疏,因此导致加电服务能力在地理位置上存在天然的不平衡性,可能出现一些服务能力薄弱而订单量较多的区域,导致在不同区域发起订单时所需的加电服务时长存在比较大的差异,从而时常难以更好地满足人们的现实需求,甚至可能会严重降低加电服务的整体效率和用户体验。虽然现有技术已经提供了散点图、热力图等方式来监控加电整体服务时长与其地理位置之间的联系,但是它们仍然存在着一些缺陷和不足之处,例如使用散点图无法量化反映出区域的服务能力的波动性大小以及整个区域在波动性下的整体区域服务能力水平,而使用热力图同样无法量化衡量区域服务能力的波动大小,并且热力形状具有不规则的特点,不便于清晰区分出城市中服务能力缺失的洼地。
需要指出的是,以上这些描述只是基于方便说明本发明申请之用,不应当仅由于将其包含在本节中而认为这些问题以及对它们的以上认知都已经是显而易见的。
发明内容
有鉴于此,本发明提供了用于评估目标区域加电服务能力的方法和系统、加电服务资源的优化管理方法和系统、以及计算机可读存储介质,从而解决或者至少缓解了现有技术中存在的上述问题和其他方面的问题中的一个或多个。
首先,根据本发明的第一方面,它提供了一种用于评估目标区域加电服务能力的方法,所述方法包括步骤:
A.将目标区域划分为两个或更多个网格区块;
B.对于提供加电服务的各加电服务资源,建立其响应于网格区块内的加电订单的接单概率分布模型;
C.基于所述目标区域内的至少一部分历史加电订单,获得各加电服务资源在相应的网格区块内的平均加电服务时长,并且基于预设的派单策略对所述历史加电订单进行派单模拟处理,以获得各加电服务资源在预设置信度下响应于同一网格区块内的加电订单的优先度队列;以及
D.基于所述优先度队列中的各加电服务资源,根据与其相对应的所述接单概率分布模型和平均加电服务时长进行数值处理,以获得与用于衡量各网格区块内的加电服务时长相关的数据,并将其用于评估各网格区块内的加电服务能力。
在根据本发明的用于评估目标区域加电服务能力的方法中,可选地,所述方法还包括步骤:在展示一部分或全部所述目标区域时,根据所评估的加电服务能力对一个或多个网格区块进行可视化标示。
在根据本发明的用于评估目标区域加电服务能力的方法中,可选地,所述可视化标示包括采用至少两种不同颜色对网格区块进行区分性标示,其中第一种颜色用于标示所述加电服务时长处于第一数值区间的网格区块,第二种颜色用于标示所述加电服务时长处于第二数值区间的网格区块,所述第一数值区间不同于所述第二数值区间。
在根据本发明的用于评估目标区域加电服务能力的方法中,可选地,在步骤A中,根据加电服务需求来设定所述目标区域的边界并剔除加电服务无法覆盖的区域,并且/或者所述网格区块被设置成正方形或蜂巢形。
在根据本发明的用于评估目标区域加电服务能力的方法中,可选地,在步骤B中,根据各加电服务资源在所述目标区域内的布置位置及其服务特征来确定各自的接单概率分布模型,并且/或者对于无对应的历史加电订单或与加电服务资源相关的接单服务数据的网格区块,则基于与该网格区块相邻的预设数量的网格区块的接单概率分布模型中数据的算术平均值来获得该网格区块的接单概率分布模型。
在根据本发明的用于评估目标区域加电服务能力的方法中,可选地,所述加电服务资源包括换电站、充电站、充电桩、移动充电车:
对于单个换电站,至少根据其运营调度数据来确定提供加电服务的半径,则将位于该半径所对应的圆形区域之外的网格区块内的加电订单被该换电站承接的概率设置为0,并且与所述圆形区域之间的重叠面积比值不小于预设值的单个网格区块被该换电站承接加电订单的概率符合与所述圆形区域之间的重叠面积比值不小于所述预设值的所有网格区块的整体概率分布Ps:{Ps_A,Ps_B,...},其中,Ps_i(i=A,B,...)分别表示由换电站i承接加电订单的概率;并且/或者
对于单个充电站或充电桩,至少根据历史加电订单,得到单个网格区块内的加电订单被不同的充电站或充电桩承接加电订单的整体概率分布Pc:(Pc_A,Pc_B,...)其中,Pc_i(i=A,B,...)分别表示由充电站或充电桩i承接加电订单的概率;并且/或者
对于单个移动充电车,至少根据历史加电订单,得到单个网格区块内的加电订单被不同的移动充电车承接加电订单的整体概率分布Pm:(Pm_A,Pm_B,...)其中,Pm_i(i=A,B,...)分别表示由移动充电车i承接加电订单的概率;并且/或者
所述预设数量是8个。
在根据本发明的用于评估目标区域加电服务能力的方法中,可选地,所述加电服务资源包括换电站、充电站、充电桩、移动充电车,并且在步骤C中,根据所述派单处理获得对于所述历史加电订单的最优调度队列(S1,S2,...,SN),并将其与所述历史加电订单进行比较,以得到在所述预设置信度下的加电订单在实际调度中实现匹配的加电服务资源区间(S1,S2,...,Sl)(l≤N),即包含l个加电服务资源:
{S1,S2,...,Sm,C1,C2,...,Cn,M1,M2,...,Ms}
m+n+s=l
其中,m是加电服务资源为换电站的数量,n是加电服务资源为充电站或充电桩的数量,s是加电服务资源为移动充电车的数量。
在根据本发明的用于评估目标区域加电服务能力的方法中,可选地,在步骤D中,根据以下计算式得到所述加电服务时长:
其中,ETAs_i、Ps_i分别为由换电站接单完成网格区块内的加电订单所需的平均加电服务时长、在所述预设置信度下由该换电站进行接单的概率,ETAc_j、Pc_j分别为由充电站或充电桩接单完成该网格区块内的该加电订单所需的平均加电服务时长、在所述预设置信度下由该充电站或该充电桩进行接单的概率,ETAm_t、Pm_t分别为由移动充电车接单完成该网格区块内的该加电订单所需的平均加电服务时长、在所述预设置信度下由该移动充电车进行接单的概率。
在根据本发明的用于评估目标区域加电服务能力的方法中,可选地,所述方法还包括步骤:对所述l个加电服务资源各自进行接单的概率进行正规化处理,然后将其用于计算所述加电服务时长。
在根据本发明的用于评估目标区域加电服务能力的方法中,可选地,所述预设置信度是80%,并且/或者所评估的加电服务能力至少具有两个评级类型。
其次,根据本发明的第二方面,它提供了一种用于评估目标区域加电服务能力的系统,其包括处理器和用于存储指令的存储器,在所述指令被执行时,所述处理器实现如以上任一项所述的用于评估目标区域加电服务能力的方法。
此外,根据本发明的第三方面,它提供了一种加电服务资源的优化管理方法,所述优化管理方法包括步骤:
使用如以上任一项所述的用于评估目标区域加电服务能力的方法,用来评估所述目标区域中的一个或多个网格区块内的加电服务能力;以及
根据所评估的加电服务能力,用来管理一个或多个用于提供加电服务的加电服务资源在所述目标区域内的配置。
在根据本发明所述的加电服务资源的优化管理方法中,可选地,根据所述加电服务资源的当前位置及其加电服务特征,将其配置到所述目标区域中属于投放洼地的网格区块,所述投放洼地的网格区块是指与所述目标区域中的所有网格区块的平均加电服务能力相比,与所述置信区间相关的数据是相对更大的网格区块。
另外,根据本发明的第四方面,它提供了一种加电服务资源的优化管理系统,其包括处理器和用于存储指令的存储器,在所述指令被执行时,所述处理器实现如以上任一项所述的加电服务资源的优化管理方法。
此外,根据本发明的第五方面,它提供了一种计算机可读存储介质,其用于存储指令,所述指令在被执行时实现如以上任一项所述的用于评估目标区域加电服务能力的方法、或者如以上任一项所述的加电服务资源的优化管理方法。
从与附图相结合的以下详细描述中,将会清楚地理解根据本发明的各技术方案的原理、特点、特征以及优点等。例如,与现有技术相比较,采用本发明技术方案能够克服例如使用散点图、热力图等现有技术所存在的不足之处,可以相当有效、准确地定量衡量目标区域中的各网格区块内部的服务能力及其波动性,从而非常有利于对目标区域的服务能力进行更加客观、清晰的表示,有效地帮助运营规划人员等发掘出当前加电服务资源布局下的资源洼地,并在此基础上合理调度移动充电车、规划和建设充换电站等加电服务网络,这对于改善服务质量,降低运营成本和提升体系化效率都具有重要的指导意义。
附图说明
以下将结合附图和实施例来对本发明的技术方案作进一步的详细描述,但是应当知道,这些附图只是出于解释目的而设计的,仅意在概念性地说明本发明。
图1是一个根据本发明的用于评估目标区域加电服务能力的方法实施例的流程示意图。
图2是另一个根据本发明的用于评估目标区域加电服务能力的方法实施例的流程示意图。
图3是一个根据本发明的加电服务资源的优化管理方法实施例的流程示意图。
图4和图5是应用一个根据本发明的用于评估目标区域加电服务能力的方法实施例所得到的两个不同目标区域示例的展示图。
图6是一个用于对目标区域中的网格区块进行分类评级的示意图。
具体实施方式
首先,需要说明的是,以下将以示例方式来具体说明本发明的用于评估目标区域加电服务能力的方法和系统、加电服务资源的优化管理方法和系统、以及计算机可读存储介质的步骤、构成、特点和优点等,然而所有的描述仅是用来进行说明的,而不应将它们理解为对本发明形成任何的限制。在本文中,技术术语“加电服务资源”泛指用于为例如车辆上的电池补充电能的器件、装置或设备,其包括但不限于例如换电站、充电桩、充电站、移动充电车等。
此外,对于在本文所提及的实施例中予以描述或隐含的任意单个技术特征,或者被显示或隐含在各附图中的任意单个技术特征,本发明仍然允许在这些技术特征(或其等同物)之间继续进行任意组合或者删减,从而应当认为这些根据本发明的更多实施例也是在本文的记载范围之内。
请参阅图1,在该图中以示范性举例方式给出了一个根据本发明的于评估目标区域加电服务能力的方法实施例的大致流程。如图1所示,在这个给出的方法示例中,它可以包括以下步骤:
首先,在步骤S11中,针对目标区域进行网格划分,并由此形成两个或者更多个网格区块,这些网格区块的具体设置数量可以根据应用需求情况来进行选择设定,并且可将它们可选地设置成例如正方形、蜂巢形等任何适宜的形状。
在实际应用时,可以根据加电服务需求的具体情况来确定目标区域的边界。一般来讲,该目标区域通常对应于城市服务区域的地理边界,并且可以剔除加电服务无法涵盖的区域,例如区域内的江河湖海等水面、山地、禁区等。此外,上述的网格区块的具体设置尺寸也可以根据实际业务需求、目标区域的局部特征、历史加电订单数据的样本量等诸多情况进行灵活、合理地设置和调整,以便能够客观反映出目标区域的真实加电服务能力特征,促进对各类加电服务资源的优化配置等。
接下来,在步骤S12中,可以针对各种加电服务资源建立起它们的接单概率分布模型,即该接单概率分布模型能够表示出这些加电服务资源对于各单个网格区块内的加电订单进行响应并被选择接单处理该加电订单的概率。
作为示例说明,上述的接单概率分布模型可以根据例如换电站、充电桩、充电站、移动充电车等各种加电服务资源在目标区域内的布置位置,以及它们各自的服务特征(例如,换电站、充电桩和充电站通常是被固定安装而不具备移动性,并且充电桩占地小而相对更易于快速布置,移动充电车则具有灵活的移动性并且换电速度相对更快,可将其快速、方便地投放在目标区域的不同网格区块内)来进行确定。当然,在一些应用场合下,也可以直接使用例如按照实践经验、现场测试数据、存在相同或类似情形的已有接单概率分布模型或者其他方式等所建立的接单概率分布模型。
更具体来讲,例如在一些实施方式下,对于单个换电站来讲,可以至少根据换电站的运营调度数据来确定该换电站提供加电服务的半径,由于换电站在提供服务时呈现出同心圆辐射特征,因此这就意味着对于位于该半径所对应的圆形区域之外的网格区块内的加电订单来讲,它们被该换电站进行承接的概率实际上相当小,所以可将此种情况下的承接概率设置为0。对于与该半径所对应的圆形区域具有重叠部分的网格区块来讲,可以假设处于该圆形区域内且与其之间的重叠面积比值不小于预设值(例如不小于30%、45%、50%、65%或者根据应用需要设定的任何其他的适宜值)的单个网格区块被该换电站承接加电订单的概率应符合该圆形区域内所有的相类似的网格区块被服务的整体概率分布Ps:{Ps A,Ps B,...},其中,Ps i(i=A,B,...)分别表示由换电站i承接加电订单的概率。举例而言,例如当同时存在着4个网格区块,它们与一个换电站的服务半径所形成的圆形区域之间的重叠面积都超过了预设值(如50%),那么就可以认为这4个网格区块中的任何一个被该换电站承接加电订单的概率应符合概率分布{0.25,0.25,0.25,0.25}。
再比如,对于单个充电站(或充电桩)来讲,可以根据历史加电订单或者利用其它方式(例如根据实践经验、现场测试数据、存在相同或类似情形的已有概率分布等),得到单个网格区块内的加电订单被不同的充电站(或充电桩)承接加电订单的整体概率分布Pc:(Pc_A,Pc_B,...),其中,Pc_i(i=A,B,...)分别表示由充电站(或充电桩)i承接加电订单的概率。
又比如,对于单个移动充电车来讲,可以根据历史加电订单或者利用其它方式(例如根据实践经验、现场测试数据、存在相同或类似情形的已有概率分布等),得到单个网格区块内的加电订单被不同的移动充电车承接加电订单的整体概率分布Pm:(Pm_A,Pm_B,...),其中,Pm_i(i=A,B,...)分别表示由移动充电车i承接加电订单的概率块内加电订单被充电站服务的整体概率,分别表示由充电站i提供服务的概率。另外,可以考虑在一些应用情形下,针对移动充电车类型的加电服务资源,将其加电服务时长中的连续时间可选地去除掉其中的若干个时间片,以便针对瞬时的移动充电车资源分布进行加电服务能力评估,这是因为可去除掉保证移动充电车位置固定所耗费的时间,从而可以更精确地评估出相应的加电服务时长。
此外,对于目标区域中所划分出的某个网格区块(例如位于偏远位置、存在禁区或无人区等的区域),由于其中可以没有历史加电订单或者与加电服务资源相关的接单服务数据,那么此时可以借助于与这个网格区块相邻近的若干个网格区块的各自接单概率分布模型,即利用后者所记载的数据的算术平均值来进行计算,从而可获得该网格区块的接单概率分布模型。在可选情形下,通常可以考虑使用8个邻近的网格区块的接单概率分布模型,当然本发明方法也允许使用例如2个、5个、7个、10个等任何适宜数量的与上述网格区块相邻近的网格区块。例如,对于移动充电车来讲,由于在一些实施方式下需要考虑包括从出发点到提供加电服务位置处的路程耗时,而这会与交通状况存在很大的关联,由于临近网格区块内的交通状况比较接近,因此当选择预数量的网格区块内的相对应数据用来进行评估计算,这将是比较可靠且有效的。此外,可以理解的是,在本发明方案中完全允许随着历史订单数据的不断积累而将其它们后续引入,从而也提供了直接利用各网格区块自身内部的订单数据的可能性。
请继续参考图1,在随后的步骤S13中,可以根据目标区域内的一部分或者全部历史加电订单,从中获得各加电服务资源在所划分出的相应的网格区块内完成加电服务所需的平均加电服务时长。同时,还可以再使用预设的派单策略用来对以上历史加电订单进行派单模拟处理,从而可由此获得在预设置信度下(可根据实际需求情况将其可选地设置成例如75%、80%、90%或其他任何适宜数值),各加电服务资源对于同一网格区块内的加电订单进行响应后所实现的优先度队列。
具体来讲,可以从例如提供加电服务的运营平台、目标区域内的各类加电服务资源(如充电站、换电站等)等处获得目标区域内的历史加电订单,此类历史加电订单可以是从目标区域中的各网格区块内作为下单点发起的,其中的一部分或者全部加电订单记载有加电服务时长。例如,在实际场景下,可以在车辆用户在目标区域中的某个网格区块内下单加电服务之后,由运营平台安排加电专员前往该用户指定的取车地点取车,然后前往加电服务资源处完成加电补能,再将车辆还至该用户指定的还车地点,从而结束整个加电服务,并记录下为本次加电订单所耗费的加电服务时长。
在具体应用时,可以将目标区域内所有的历史加电订单当中记载有加电服务时长的加电订单用作数据样本。当然,在一些应用情形下,本发明方法也允许仅选择以上所有加电订单中的一部分用作数据样本。当已选择获得了相应的历史加电订单数据样本后,也就相应地得到了由这些数据样本所反映出的平均加电服务时长的分布。
在上述步骤S13中使用到了派单策略,应当说明的是在现有技术中,例如在各种充换电系统运营商、车辆运营商、加电服务管理平台等处已经应用了许多类型的此类派单策略,用来按照预先设定好的派发逻辑来针对加电订单进行派单处理。虽然这些派单策略可能具有各不相同的业务处理逻辑,但是在本发明方法中均允许使用任何一种派单策略用来对以上历史加电订单进行派单模拟处理,这种处理通常是使用例如本地服务器、云端服务器等任何适宜的计算装置进行线上数据处理。
仅作为举例说明,通过使用任何派单策略对历史加电订单进行派单处理,从而可以获得对于历史加电订单的最优调度队列(S1,S2,...,SN)。然后,可以结合历史加电订单,将它的实际最优匹配结果与该最优调度队列进行比较,从而可以得到在预设置信度下的加电订单在实际调度中实现匹配的加电服务资源区间(S1,S2,...,Sl)(l≤N),即包含l个加电服务资源,这也就意味着进行匹配后的该加电服务资源区间内的资源被采纳率达到了上述的预设置信度:
{S1,S2,...,Sm,C1,C2,...,Cn,M1,M2,...,Ms}
m+n+s=l
其中,m是加电服务资源为换电站的数量,n是加电服务资源为充电站或充电桩的数量,s是加电服务资源为移动充电车的数量。当然,应当理解的是,除了以上示例讨论的换电站、充电站或充电桩、移动充电车之外,当加电服务资源还包含了其他类型的更多资源时,以上l个加电服务资源也同样可以包括此类其他类型的更多资源。
请再参考图1,在随后的步骤S14中,可以根据已经在以上步骤中得到的优先度队列、接单概率分布模型、平均加电服务时长,用来对与优先度队列中的各加电服务资源所对应的接单概率分布模型和加电服务时长进行数值处理,从而可以获得与用于衡量各网格区块内的加电服务时长相关的数据,这样的数据可以用来对网格区块内的服务水平和服务能力进行量化表示,并且其中尤其充分考虑了不同加电资源属性对于单个网格区块内的加电服务能力的影响,为目标区域中的各网格区块内的相应加电服务能力提供常明确、有效的量化评估,从而可以为例如加电服务资源优化配置、加电运营管理策略等提供相当有益的参考。
例如,作为举例说明,可以针对优先度队列中的各加电服务资源,通过将它们各自对应的接单概率分布模型和平均加电服务时长进行加权求和处理就可以直接得到目标区域中的各网格区块的加电服务时长,然后可据此作为衡量个网格区块内的服务水平和服务能力的指标。更具体来讲,例如在一些实施方式下,可以根据以下计算式用来计算得到上述的各网格区块的加电服务时长E(ETA):
其中,ETAs_i、Ps_i分别为由换电站接单完成网格区块内的加电订单所需的平均加电服务时长、在预设置信度下由该换电站进行接单的概率,即由m个换电站所形成的ETA-概率组合为{[ETAs_1,Ps_1],[ETAs_2,Ps_2],...,[ETAs_m,Ps_m]};ETAc_j、Pc_j分别为由充电站或充电桩接单完成该网格区块内的该加电订单所需的平均加电服务时长、在预设置信度下由该充电站或该充电桩进行接单的概率,即由n个充电站或充电桩所形成的ETA-概率组合为{[ETAc_1,Pc_1],[ETAc_2,Pc_2],...,[ETAc_n,Pc_n]};ETAm_t、Pm_t分别为由移动充电车接单完成该网格区块内的该加电订单所需的平均加电服务时长、在预设置信度下由该移动充电车进行接单的概率,即由s个移动充电车所形成的ETA-概率组合为{[ETAm_1,Pm_1],[ETAm_2,Pm_2],...,[ETAm_s,Pm_s]}。
需要说明的是,在本发明方法中完全允许采用更多可能的数值处理方式来对基于上述的优先度队列、接单概率分布模型、平均加电服务时长进行处理,例如将以上所讨论获得的加电服务时长再进行数值处理(例如,将其乘以一个比值(如2、0.5等)、计算其平方值或立方值等),这都可以根据实际应用需求情况来进行设定,由于所获得的此类数据均与各网格区块内的加电服务时长相关,因此它们都能用于评估各网格区块内的加电服务能力。
此外,再作为示例性说明,在实际应用场合下,对于在某个网格区块内部发起的一个加电订单来讲,它被所有可能的加电服务资源的接单概率之和为1,即当以加电服务资源包括换电站、移动充电车、充电站或充电桩作为示例来讲,它们相应的概率应满足Ps+Pc+Pm=1。如前所述,根据派单策略进行派单模拟处理,可以得到加电服务资源在预设置信度(或称为被采纳率)下作为优先度队列中的前l个加电服务资源,然后可以按照以下方式将这些加电服务资源所对应的接单概率进行正规化处理:
α1+α2+…αl=1
P:{P1*α1,P2*α2,...,Pl*αl}
即P=P1*α1+P2*α2+…+Pl*αl=1,其中Pi(i=1,...,l)为在预设置信度下第i个加电服务资源所对应的接单概率。因此,可以将如上所述的经过正规化处理后的接单概率可选地用于进行与加电服务时长相关的数据计算。当然,如果在目标区域内还存在着其他的更多类型的加电服务资源的话,那么在仅考虑换电站、移动充电车、充电站或充电桩时,由它们所组成的优先度队列的接单概率之和可能是小于1的,即在一些应用情形下可以不必考虑上述的正规化处理。
可以理解的是,以上这些加电服务资源对于加电订单进行接单的概率,可以从前文中所讨论的接单概率分布模型获得。当然,根据本发明方法的设计主旨,也允许在不同的实际应用场合下,可以采用例如根据实践经验、参考已知的类似数据、使用现场测试数据等任何可能的其他方式来进行设定。
在图2中还提供了根据本发明的用于评估目标区域加电服务能力的方法的另一个实施例的基本流程。在这个实施例中,除非特别说明以外,其中的步骤S11-S14与图1中所示实施例的对应步骤可以相同或相类似。
在图2中,它还包括步骤S15,即根据已经评估获得的一个或多个网格区块的加电服务能力,可以对其进行可视化标示。例如,在图4和图5中示例性地分别展示了在一个包含了目标区域(图中具有明显边界的深色区域)的地理图形中,将该目标区域中的一个或多个网格区块按照评估结果,例如采用两种或更多种不同颜色进行区分性标示,例如其中一种颜色用来标示如以上所述的已获得的加电服务时长处于第一数值区间(例如,0.5-1小时等)的网格区块,另一种颜色用于标示加电服务时长处于第二数值区间(其不同于第一数值区间,例如1-2小时等)的网格区块,从而可以形成例如图4和图5中所示出的可视化的区分性色块,其中例如网格区块的显示颜色越深则表明所需的加电服务时长越长,该网格区块周围的加电资源服务能力越弱;与此相反,可以使用相对浅一些的颜色用来表示加电服务时较短、周围的加电资源服务能力较强的网格区块。由此,可以实现非常直观的差异化展示,能够从中快速识别出加电服务能力优异、不足和一般的各类区域。当应用需要时,还可以在目标区域的展示图上使用颗粒度更细的不同色阶进行显示,以便能更加清晰地看出目标区域服务范围内(如整个城市服务区域)的各处加电服务能力差异,从而可以为加电服务能力的进一步优化和加电服务资源优化配置等提供可视化的数据驱动决策依据。
在可选情形下,可以仅将目标区域中的一部分网格区块进行可视化标示,而不是将所有的网格区块进行可视化标示。此外,在可选情形下,可以不必采用上述的不同颜色区分性标示方式,而可以将网格区块的评估数据直接标示出来,或者同时结合采用以上两种标示方式。
需要指出的是,本案发明人经过长期研究,已经发现并认识到在业界广泛使用的例如地理散点图、热力图等技术手段实际上存在着缺陷和不足之处。例如,尽管散点图可以准确描绘出加电订单的发起地点及其完成时间,但是无法量化反映出其区域的加电服务能力的波动性大小,也无法量化反映出整个区域在波动性下的整体区域的加电服务能力水平。对于热力图来讲,虽然其克服了散点图的局限,可以将订单时长以热力图的形式投影到其订单发起的地理位置监视区域服务能力,但是此方法同样无法量化衡量其区域服务能力的波动大小,并且热力形状具有不规则的特点,不便于清晰区分出城市中服务能力缺失的洼地。
与例如以上所讨论的这些现有技术相比,本发明能够克服例如散点图在无法获得区域服务能力、热力图不便于观测服务能力洼地等方面的不足,通过针对目标区域进行网格划分,并基于网格区块内的历史订单数据分别建立起各加电服务资源的服务概率模型,同时利用线上派单策略得到在预设置信度(或称为被采纳率)下的优先度队列,然后对该优先度队列中的元素(即各加电服务资源)进行数值计算(例如进行加权求和),从而可以得到目前区域内的网格区块的加电服务时长分布,能够基于历史订单数据来校正网格内资源提供服务的概率,有效融合了需求频次信息,从而能够更准确地反映出该目标区域的供需匹配程度以及不同网格区块内的加电服务时长的差异,提供了一个全面衡量区域服务能力的方法。
此外,在本发明方法中还可以结合评估结果数据在目标区域的展示图上进行可视化、差异化的直观显示,从而能够以更清晰的方式衡量不同区域内的加电服务能力,不仅反映出例如城市不同区域内的加电服务能力差异性,而且可以充分结合区域内的加电服务订单量,直观且精准地寻找到订单量大但加电服务资源配置不足的服务能力洼地,提供有相当针对性的资源优化部署策略等措施。应用本发明技术方案能够克服现有的地理散点图、热力图等所普遍存在的将数据点零散地分布在地图上,难以衡量一个区域整体服务能力的难点,因此能够为进一步改善加电运营管理策略和加电服务资源的优化部署提供相当明确且有益的指导方向。
下面将继续结合图3来介绍示根据本发明的加电服务资源的优化管理方法示例,在该示例中使用到了以上所讨论的根据本发明的用于评估目标区域加电服务能力的方法。
如图3所示,首先在步骤S21中,使用更加本发明的用于评估目标区域加电服务能力的方法,用来对目标区域中的一个或多个网格区块内的加电服务能力进行评估。
然后,在步骤S21中,可以根据以上所评估获得的加电服务能力,用来管理一个或多个加电服务资源(如换电站、充电站、充电桩、移动充电车等)在目标区域内的配置,从而可以有效改善加电运营、减少加电服务耗时、提高用户使用体验等。
在实际应用中,可以根据例如以上所讨论的各类加电服务资源的当前位置及其加电服务特征,将它们更加合理地配置到目标区域中适宜的网格区块中,例如在图6中示例性地展示了基于加电服务时长-加电订单数量进行评级后的四种不同的网格区块类型,当然在实际应用中可以对网格区块采用两种、三种或更多种类型的评级分类。
如图6所示,其中x轴表示加电订单数量(沿着箭头所指方向表示具有更多的加电订单数量),y轴表示加电服务时长(沿着箭头所指方向表示需要更多的加电服务时间),在图中表示出的网格区块A属于次级投放洼地(加电服务时间长且订单多),网格区块B属于首要投放洼地(加电服务时间长且订单少),网格区块C属于资源丰富区(加电服务时间短且订单少),网格区块D属于优质服务区(加电服务时间短且订单多),通过结合不同位置的订单数量交叉分析,可以在目标区域中找出例如以上网格区块A、网格区块B这样的可优化改善资源配置的投放洼地,它们与目标区域中所有网格区块的平均加电服务能力相比,需要耗费更长的加电服务时间,因此根据实际需求情况,通过在这些区域内容更具针对性地投放更多适宜类型的加电服务资源,而不是将这些资源投放到已经相对富裕的网格区块C和D内,不仅能够有效避免造成新投入的资源出现不期望的资源浪费现象,有效地帮助运营规划人员等发掘出当前加电服务资源布局下的资源洼地,并在此基础上合理调度移动充电车、规划和建设充换电站等加电服务网络,而且可以最大效率地提升用户体验,促进实现在目标区域内的整个资源布局、运行管理等的优化配置,这对于降低运营成本和提升体系化效率都将具有重要的指导意义。
根据本发明的设计思路,还提供了用于评估目标区域加电服务能力的系统,该系统可以包括处理器和用于存储指令的存储器,其中的处理器在所述指令被执行时可以实现根据本发明的用于评估目标区域加电服务能力的方法,以便发挥出本发明技术方案所具备的如前所述的这些明显技术优势。应当理解的是,上述系统可以通过单独设置的例如芯片等元器件、单元或模块等来实现,也可以借助于车辆上已有的元器件、单元或模块(在一些情形下可以结合软件)来实现。
作为示例性说明,可以取决于各种可能的实际需求情况,将根据本发明的用于评估目标区域加电服务能力的系统设置成具有若干个模块,用于至少实现以上所讨论的功能。对于这些功能的具体内容、作用、配置等情况可参阅前文中相应处的描述,此处不再重复介绍。
例如,在一些实施例中,该系统可以包括网格划分模块、接单概率分布模型设置模块、优先度队列设置模块和计算评估模块。对于网格划分模块来讲,可将其设置成用于对目标区域进行划分,以形成两个或更多个网格区块。对于接单概率分布模型设置模块,可将其设置成用于针对例如换电站、充电站、充电桩、移动充电车等各加电服务资源,建立起它们对于网格区块内的加电订单进行响应的接单概率分布模型。对于优先度队列设置模块来讲,它是被设置成用来根据目标区域内的一部分或者全部历史加电订单,从中可以获得各加电服务资源在相应的网格区块内的平均加电服务时长,并且同时根据预设的派单策略用来对上述历史加电订单进行派单模拟处理,从而可获得各加电服务资源在预设置信度下响应于同一网格区块内的加电订单的优先度队列。对于计算评估模块,它是被设置成可以根据上述的接单概率分布模型和平均加电服务时长,用来对上述优先度队列中的各加电服务资源进行数值处理,从而可以获得与各网格区块内的加电服务时长相关的数据,此类数据可以用来评估各网格区块内的加电服务能力的。
又如,在另外一些实施例中,除了以上这些模块之外,还可以增加标示模块,它是用来在在展示目标区域的一部分或全部时,根据通过上述的计算评估模块所提供的加电服务能力来对一个或多个网格区块进行可视化标示。
再如,在一些其他实施例中,接单概率分布模型设置模块、优先度队列设置模块和计算评估模块可以采用例如以上关于根据本发明方法所讨论的对于网格区块内加电订单的接单概率、优先度队列、加电服务时长等进行各种数据处理的方法,例如可以基于上述各种计算式来计算获得各类加电服务资源的相应的接单概率分布、各网格区块的加电服务时长或者任何其他的数据,在此不再赘述。
另外,根据本发明的设计思路,进一步提供了加电服务资源的优化管理系统,该优化管理系统可以包括处理器和用于存储指令的存储器,其中的处理器在所述指令被执行时可以实现根据本发明的加电服务资源的优化管理方法,以便发挥出本发明技术方案所具备的如前所述的这些明显技术优势。应当理解的是,以上优化管理系统可以通过单独设置的例如芯片等元器件、单元或模块等来实现,也可以借助于车辆上已有的元器件、单元或模块(在一些情形下可以结合软件)来实现。
作为示例性说明,可以取决于各种可能的实际需求情况,将根据本发明的加电服务资源的优化管理系统设置成具有若干个模块,用于至少实现以上所讨论的功能。例如,可以设置加电服务能力评估模块和配置模块,前者是被设置用于实现根据本发明的用于评估目标区域加电服务能力的方法来对目标区域中的一个或多个网格区块内的加电服务能力进行评估,后者则是被设置用于实现基于所评估的加电服务能力来针对一个或多个加电服务资源在目标区域内的配置情况进行管理。对于以上这些功能的具体内容、作用、配置等情况可参阅前文中相应处的描述,此处不重复介绍。
另外,本发明还提供了一种用于存储指令的计算机可读存储介质,所述指令在被执行时可以实现根据本发明的用于评估目标区域加电服务能力的方法、或者实现根据本发明的加电服务资源的优化管理方法。上述计算机可读存储介质可以是能存储指令的任何类型的元器件、模块或装置,可以包括但不限于例如只读存储器(ROM)、随机存取存储器(RAM)、可擦写可编程只读存储器(EPROM)、U盘、磁盘等。
以上仅以举例方式来详细阐明根据本发明的用于评估目标区域加电服务能力的方法和系统、加电服务资源的优化管理方法和系统、以及计算机可读存储介质,这些个例仅供说明本发明的原理及其实施方式之用,而非对本发明的限制,在不脱离本发明的精神和范围的情况下,本领域技术人员还可以做出各种变形和改进。因此,所有等同的技术方案均应属于本发明的范畴并为本发明的各项权利要求所限定。
Claims (15)
1.一种用于评估目标区域加电服务能力的方法,其特征在于,所述方法包括步骤:
A.将目标区域划分为两个或更多个网格区块;
B.对于提供加电服务的各加电服务资源,建立其响应于网格区块内的加电订单的接单概率分布模型;
C.基于所述目标区域内的至少一部分历史加电订单,获得各加电服务资源在相应的网格区块内的平均加电服务时长,并且基于预设的派单策略对所述历史加电订单进行派单模拟处理,以获得各加电服务资源在预设置信度下响应于同一网格区块内的加电订单的优先度队列;以及
D.基于所述优先度队列中的各加电服务资源,根据与其相对应的所述接单概率分布模型和平均加电服务时长进行数值处理,以获得与用于衡量各网格区块内的加电服务时长相关的数据,并将其用于评估各网格区块内的加电服务能力。
2.根据权利要求1所述的用于评估目标区域加电服务能力的方法,其中,所述方法还包括步骤:在展示一部分或全部所述目标区域时,根据所评估的加电服务能力对一个或多个网格区块进行可视化标示。
3.根据权利要求2所述的用于评估目标区域加电服务能力的方法,其中,所述可视化标示包括采用至少两种不同颜色对网格区块进行区分性标示,其中第一种颜色用于标示所述加电服务时长处于第一数值区间的网格区块,第二种颜色用于标示所述加电服务时长处于第二数值区间的网格区块,所述第一数值区间不同于所述第二数值区间。
4.根据权利要求1、2或3所述的用于评估目标区域加电服务能力的方法,其中,在步骤A中,根据加电服务需求来设定所述目标区域的边界并剔除加电服务无法覆盖的区域,并且/或者所述网格区块被设置成正方形或蜂巢形。
5.根据权利要求1、2或3所述的用于评估目标区域加电服务能力的方法,其中,在步骤B中,根据各加电服务资源在所述目标区域内的布置位置及其服务特征来确定各自的接单概率分布模型,并且/或者对于无对应的历史加电订单或与加电服务资源相关的接单服务数据的网格区块,则基于与该网格区块相邻的预设数量的网格区块的接单概率分布模型中数据的算术平均值来获得该网格区块的接单概率分布模型。
6.根据权利要求5所述的用于评估目标区域加电服务能力的方法,其中,所述加电服务资源包括换电站、充电站、充电桩、移动充电车:
对于单个换电站,至少根据其运营调度数据来确定提供加电服务的半径,则将位于该半径所对应的圆形区域之外的网格区块内的加电订单被该换电站承接的概率设置为0,并且与所述圆形区域之间的重叠面积比值不小于预设值的单个网格区块被该换电站承接加电订单的概率符合与所述圆形区域之间的重叠面积比值不小于所述预设值的所有网格区块的整体概率分布Ps:{Ps_A,Ps_B,...},其中,Ps_i(i=A,B,...)分别表示由换电站i承接加电订单的概率;并且/或者
对于单个充电站或充电桩,至少根据历史加电订单,得到单个网格区块内的加电订单被不同的充电站或充电桩承接加电订单的整体概率分布Pc:(Pc_A,Pc_B,...)其中,Pc_i(i=A,B,...)分别表示由充电站或充电桩i承接加电订单的概率;并且/或者
对于单个移动充电车,至少根据历史加电订单,得到单个网格区块内的加电订单被不同的移动充电车承接加电订单的整体概率分布Pm:(Pm_A,Pm_B,...)其中,Pm_i(i=A,B,...)分别表示由移动充电车i承接加电订单的概率;并且/或者
所述预设数量是8个。
7.根据权利要求1、2或3所述的用于评估目标区域加电服务能力的方法,其中,所述加电服务资源包括换电站、充电站、充电桩、移动充电车,并且在步骤C中,根据所述派单处理获得对于所述历史加电订单的最优调度队列(S1,S2,...,SN),并将其与所述历史加电订单进行比较,以得到在所述预设置信度下的加电订单在实际调度中实现匹配的加电服务资源区间(S1,S2,...,Sl)(l≤N),即包含l个加电服务资源:
{S1,S2,...,Sm,C1,C2,...,Cn,M1,M2,...,Ms}
m+n+s=l
其中,m是加电服务资源为换电站的数量,n是加电服务资源为充电站或充电桩的数量,s是加电服务资源为移动充电车的数量。
8.根据权利要求7所述的用于评估目标区域加电服务能力的方法,其中,在步骤D中,根据以下计算式得到所述加电服务时长:
其中,ETAs_i、Ps_i分别为由换电站接单完成网格区块内的加电订单所需的平均加电服务时长、在所述预设置信度下由该换电站进行接单的概率,ETAc_j、Pc_j分别为由充电站或充电桩接单完成该网格区块内的该加电订单所需的平均加电服务时长、在所述预设置信度下由该充电站或该充电桩进行接单的概率,ETAm_t、Pm_t分别为由移动充电车接单完成该网格区块内的该加电订单所需的平均加电服务时长、在所述预设置信度下由该移动充电车进行接单的概率。
9.根据权利要求8所述的用于评估目标区域加电服务能力的方法,其中,所述方法还包括步骤:对所述l个加电服务资源各自进行接单的概率进行正规化处理,然后将其用于计算所述加电服务时长。
10.根据权利要求1、2或3所述的用于评估目标区域加电服务能力的方法,其中,所述预设置信度是80%,并且/或者所评估的加电服务能力至少具有两个评级类型。
11.一种用于评估目标区域加电服务能力的系统,其包括处理器和用于存储指令的存储器,其特征在于,在所述指令被执行时,所述处理器实现如权利要求1-10中任一项所述的用于评估目标区域加电服务能力的方法。
12.一种加电服务资源的优化管理方法,其特征在于,所述优化管理方法包括步骤:
使用如权利要求1-10中任一项所述的用于评估目标区域加电服务能力的方法,用来评估所述目标区域中的一个或多个网格区块内的加电服务能力;以及
根据所评估的加电服务能力,用来管理一个或多个用于提供加电服务的加电服务资源在所述目标区域内的配置。
13.根据权利要求12所述的加电服务资源的优化管理方法,其中,根据所述加电服务资源的当前位置及其加电服务特征,将其配置到所述目标区域中属于投放洼地的网格区块,所述投放洼地的网格区块是指与所述目标区域中的所有网格区块的平均加电服务能力相比,与所述置信区间相关的数据是相对更大的网格区块。
14.一种加电服务资源的优化管理系统,其包括处理器和用于存储指令的存储器,其特征在于,在所述指令被执行时,所述处理器实现如权利要求12或13所述的加电服务资源的优化管理方法。
15.一种计算机可读存储介质,其用于存储指令,其特征在于,所述指令在被执行时实现如权利要求1-10中任一项所述的用于评估目标区域加电服务能力的方法、或者如权利要求12或13所述的加电服务资源的优化管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910850473.3A CN110555622B (zh) | 2019-08-26 | 2019-08-26 | 加电服务能力或资源的评估或管理方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910850473.3A CN110555622B (zh) | 2019-08-26 | 2019-08-26 | 加电服务能力或资源的评估或管理方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110555622A true CN110555622A (zh) | 2019-12-10 |
CN110555622B CN110555622B (zh) | 2023-08-18 |
Family
ID=68739780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910850473.3A Active CN110555622B (zh) | 2019-08-26 | 2019-08-26 | 加电服务能力或资源的评估或管理方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555622B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861086A (zh) * | 2020-02-14 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种资源配置方法和系统 |
CN113071364A (zh) * | 2021-04-01 | 2021-07-06 | 上海钧正网络科技有限公司 | 电池调度评估方法、装置及计算机可读存储介质 |
CN113159613A (zh) * | 2021-05-10 | 2021-07-23 | 上海挚达科技发展有限公司 | 基于充电桩服务商能力的自动派单方法 |
CN113408864A (zh) * | 2021-05-26 | 2021-09-17 | 中汽研汽车检验中心(天津)有限公司 | 一种公共直流充电桩充电服务水平评价方法 |
CN114662804A (zh) * | 2022-05-25 | 2022-06-24 | 苏州琞能能源科技有限公司 | 用于换电站的资源配置方法、装置、设备及介质 |
CN114943456A (zh) * | 2022-05-31 | 2022-08-26 | 北京邮电大学 | 资源的调度方法、装置、电子设备及存储介质 |
CN115602323A (zh) * | 2022-09-07 | 2023-01-13 | 浙江一山智慧医疗研究有限公司(Cn) | 适用于疾病风险评估的组合风险评估模型、方法及应用 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867235A (zh) * | 2012-08-29 | 2013-01-09 | 广东电网公司电力科学研究院 | 一种基于gis的电动汽车充电站监测方法 |
CN107832958A (zh) * | 2017-11-15 | 2018-03-23 | 云南电网有限责任公司 | 一种基于需求分析的电动出租车充电站规划方法 |
CN108270231A (zh) * | 2018-02-05 | 2018-07-10 | 重庆卓谦科技有限公司 | 智能充电桩负荷随机接入控制系统及方法 |
CN109636070A (zh) * | 2019-01-30 | 2019-04-16 | 国网安徽省电力有限公司 | 一种电动汽车充电站布局优化的决策支持系统 |
-
2019
- 2019-08-26 CN CN201910850473.3A patent/CN110555622B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867235A (zh) * | 2012-08-29 | 2013-01-09 | 广东电网公司电力科学研究院 | 一种基于gis的电动汽车充电站监测方法 |
CN107832958A (zh) * | 2017-11-15 | 2018-03-23 | 云南电网有限责任公司 | 一种基于需求分析的电动出租车充电站规划方法 |
CN108270231A (zh) * | 2018-02-05 | 2018-07-10 | 重庆卓谦科技有限公司 | 智能充电桩负荷随机接入控制系统及方法 |
CN109636070A (zh) * | 2019-01-30 | 2019-04-16 | 国网安徽省电力有限公司 | 一种电动汽车充电站布局优化的决策支持系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861086A (zh) * | 2020-02-14 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种资源配置方法和系统 |
CN111861086B (zh) * | 2020-02-14 | 2024-05-28 | 北京嘀嘀无限科技发展有限公司 | 一种资源配置方法和系统 |
CN113071364A (zh) * | 2021-04-01 | 2021-07-06 | 上海钧正网络科技有限公司 | 电池调度评估方法、装置及计算机可读存储介质 |
CN113071364B (zh) * | 2021-04-01 | 2022-07-29 | 上海钧正网络科技有限公司 | 电池调度评估方法、装置及计算机可读存储介质 |
CN113159613A (zh) * | 2021-05-10 | 2021-07-23 | 上海挚达科技发展有限公司 | 基于充电桩服务商能力的自动派单方法 |
CN113159613B (zh) * | 2021-05-10 | 2022-05-17 | 上海挚达科技发展有限公司 | 基于充电桩服务商能力的自动派单方法 |
CN113408864A (zh) * | 2021-05-26 | 2021-09-17 | 中汽研汽车检验中心(天津)有限公司 | 一种公共直流充电桩充电服务水平评价方法 |
CN114662804A (zh) * | 2022-05-25 | 2022-06-24 | 苏州琞能能源科技有限公司 | 用于换电站的资源配置方法、装置、设备及介质 |
CN114662804B (zh) * | 2022-05-25 | 2022-09-02 | 苏州琞能能源科技有限公司 | 用于换电站的资源配置方法、装置、设备及介质 |
CN114943456A (zh) * | 2022-05-31 | 2022-08-26 | 北京邮电大学 | 资源的调度方法、装置、电子设备及存储介质 |
CN114943456B (zh) * | 2022-05-31 | 2024-05-07 | 北京邮电大学 | 资源的调度方法、装置、电子设备及存储介质 |
CN115602323A (zh) * | 2022-09-07 | 2023-01-13 | 浙江一山智慧医疗研究有限公司(Cn) | 适用于疾病风险评估的组合风险评估模型、方法及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN110555622B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555622A (zh) | 加电服务能力或资源的评估或管理方法、系统和存储介质 | |
Li et al. | Public charging station location determination for electric ride-hailing vehicles based on an improved genetic algorithm | |
Musolino et al. | Planning urban distribution center location with variable restocking demand scenarios: General methodology and testing in a medium-size town | |
Rahmani-Andebili et al. | Planning and operation of parking lots considering system, traffic, and drivers behavioral model | |
Hajimiragha et al. | A robust optimization approach for planning the transition to plug-in hybrid electric vehicles | |
Kolosz et al. | Modelling uncertainty in the sustainability of Intelligent Transport Systems for highways using probabilistic data fusion | |
Sunak et al. | A GIS-based decision support system for the optimal siting of wind farm projects | |
Borysova et al. | Priorities of marketing, competitiveness, and innovative development of transport service providers under sustainable urban development | |
CN114039370A (zh) | 基于v2g模式的电动汽车与智能充放电站的资源优化方法 | |
Pozo et al. | Prediction of on-street parking level of service based on random undersampling decision trees | |
CN117217477B (zh) | 基于大数据的重点应急物资调配方法与系统 | |
Ramoliya et al. | ML-Based Energy Consumption and Distribution Framework Analysis for EVs and Charging Stations in Smart Grid Environment | |
Hüttel et al. | Mind the gap: Modelling difference between censored and uncensored electric vehicle charging demand | |
CN115759779A (zh) | 电动汽车充换电站选址方法、电子设备及存储介质 | |
CN110472891B (zh) | 加电服务能力或资源的评估或管理方法、系统和存储介质 | |
KR20210115934A (ko) | 집합 자원의 수익 확보를 위한 자원 수익 관리 방법 및 자원 수익 관리 장치 | |
Garau et al. | A methodology for optimal placement of energy hubs with electric vehicle charging stations and renewable generation | |
Tian et al. | Impact of core charging station's cease operation in the entire charging station system: A case study in shenzhen | |
Kahlen et al. | Fleetpower: Creating virtual power plants in sustainable smart electricity markets | |
Kavianipour | Network-Wide Charging Infrastructure Planning and Market Share Analysis for Electric Vehicles | |
Fallah | Repurposing of batteries from end-of-life electric vehicles in stationary storage systems | |
Heo et al. | Optimal planning for electric vehicle fast charging stations placements in a city scale using an advantage actor-critic deep reinforcement learning and geospatial analysis | |
Geçici et al. | Estimation of Future Number of Passes and Optimization of Number of Trips Based on Istanbul Hourly Public Transportation Data. | |
Belenky et al. | Estimating the Needed Volume of Investment in Developing a Chain of Charging Stations for Electric Vehicles along a Highway | |
Ortega | AN INTEGRAL STUDY OF PARK AND RIDE FOR URBAN MOBILITY |
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 |