CN112215502A - 一种电池的调度补给方法、装置、电子设备以及存储介质 - Google Patents
一种电池的调度补给方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN112215502A CN112215502A CN202011108536.7A CN202011108536A CN112215502A CN 112215502 A CN112215502 A CN 112215502A CN 202011108536 A CN202011108536 A CN 202011108536A CN 112215502 A CN112215502 A CN 112215502A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- target area
- battery
- demand
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Biodiversity & Conservation Biology (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请提供了一种电池的调度补给方法、装置、电子设备以及存储介质,属于共享单车技术领域。本申请通过将获取到的车辆流入、流出信息,以及当前的车辆停驻信息输入训练好的需求差预估模型来判断目标区域是否需要换电,并通过用户骑行需求分布,确定满足需求的最低换电阈值以及需要换电的车辆和所述车辆的位置,最终生成电池调度补给方案。本申请通过需求差预估模型可以确定出目标区域的换电需求,进而,基于换电需求确定最低换电阈值,基于最低换电阈值以及车辆位置,生成满足目标区域换电需求的电池调度补给方案,使得运维人员能够按照调度方案进行电池调度补给,减少了调度补补过程中的补给偏差,节省了人力物力,大大的提高了换电的效率。
Description
技术领域
本申请涉及共享单车技术领域,尤其是涉及一种电池的调度补给方法、装置、电子设备以及存储介质。
背景技术
伴随着社会发展和人民生活水平的提高,人们出行意识也发生着改变,低碳出行成为了人们出行的主题。现代科技与共享电单车的融合产物—共享单车随之问世,并快速占据市场核心地位。共享单车弥补了公共自行车的定点借还车,押金退还不方便等先天不足,共享电单车则更加符合人们的出行路线,切实方便了人们的出行,随处停放的特性导致大量用户选择了共享单车出行,作为“最后一公里”的解决方案,共享单车成为了出行者代步的首选。
然而在共享电单车的迅速发展的同时,也产生了大量的问题。其中,共享单车电池的调度补给问题一直是运营商较头疼的问题,现有技术中,安排运维人员分片运送电池,需要运维人员观测停驻车辆电池电量,通过经验判断,进行自行换电,这样不仅要花费大量人力、物力,而且换电效率较低,且运维人员的换电效率首运维人员的能力影响,差异较大,难以兼顾换电需求。
发明内容
有鉴于此,本申请实施例至少提供一种电池的调度补给方法、装置、电子设备以及存储介质,通过需求差预估模型可以确定出目标区域的换电需求,进而,基于换电需求确定最低换电阈值,基于最低换电阈值以及车辆位置,生成满足目标区域换电需求的电池调度补给方案,使得运维人员能够按照调度方案进行电池的调度补给,不仅减少了调度补补过程中的补给偏差,还节省了人力以及物力,并且将运维人员的运力信息的特异性与调度方案相结合,大大的提高了换电的效率。
本申请主要包括以下几个方面:
第一方面,本申请实施例提供一种电池的调度补给方法,所述调度补给包括:
获取目标区域内预设时长内车辆流入、流出信息,以及当前的车辆停驻信息和当前天气信息;
将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电;
根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值;
根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置;
基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,其中,电池调度补给方案包括补给路线。
在一种可能的实施方式中,通过以下步骤训练需求差预估模型,包括:
获取所述目标区域内所述预设时长内的历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆的历史停驻信息;
根据历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆历史停驻信息,确定所述目标区域内所述预设时长内车辆的需求差数据集;
基于所述车辆的需求差数据集,对初始神经网络进行训练,得到训练好的需求差预估模型。
在一种可能的实施方式中,所述将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电,包括:
将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,获取所述目标区域的所述预设时长内所述车辆的流入与流出之间的差值;
将所述差值与所述车辆停驻中的车辆数值进行求和,确定目标和值;
判断所述目标和值与预设需求阈值之间的大小关系;
若所述目标和值小于所述需求阈值,确定所述目标区域需要换电。
在一种可能的实施方式中,所述根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值,包括:
获取目标区域内车所述车辆的历史骑行订单信息;
根据所述历史骑行订单信息,确定所述目标区域内的历史平均骑行需求量;
根据当前的车辆停驻信息,对所述历史平均骑行需求量进行数值调节,得到目标换电需求量;
根据所述目标换电需求量,确定满足所述需求的最低换电阈值。
在一种可能的实施方式中,所述基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,包括:
根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置;
根据需要换电车辆的电量以及位置,确定所述需要换电车辆的换电时间的优先级和位置的优先级;
根据所述需要换电车辆的换电时间优先级和位置的优先级,生成满足所述最低换电阈值的所述目标区域的换电订单;
根据所述目标区域的换电订单以及运力信息,生成电池调度补给方案。
在一种可能的实施方式中,所述在基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案之后,所述调度补给方法还包括:
根据所述目标区域的换电车辆的位置以及运力信息,对所述补给路线以及运力信息进行筛选,确定多条补给路线以及配合调用的运力信息;
针对所述多条补给路线以及配合调用的运力信息的权重进行调节,生成最优电池调度补给方案。
第二方面,本申请实施例还提供一种电池的调度补给装置,所述调度补给装置包括:
获取模块:用于获取目标区域内预设时长内车辆流入、流出信息,以及当前的车辆停驻信息和当前天气信息;
判断模块:用于将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电;
第一确定模块:用于根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值;
第二确定模块:用于根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置;
调度补给模块:用于基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,其中,电池调度补给方案包括补给路线。
在一种可能实施的方式中,所述判断模块用于通过以下步骤训练需求差预估模型:
获取所述目标区域内所述预设时长内的历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆历史停驻信息;
根据历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆历史停驻信息,确定所述目标区域内所述预设时长内车辆的需求差数据集;
基于所述车辆的需求差数据集,对初始神经网络进行训练,得到训练好的需求差预估模型。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的调度补给方法的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行述第一方面或第一方面中任一种可能的实施方式中所述的调度补给方法的步骤。
本申请实施例中,通过需求差预估模型可以确定出目标区域的换电需求,进而,基于换电需求确定最低换电阈值,基于最低换电阈值以及车辆位置,生成满足目标区域换电需求的电池调度补给方案,使得运维人员能够按照调度方案进行电池的调度补给,不仅减少了调度补补过程中的补给偏差,还节省了人力以及物力,并且将运维人员的运力信息的特异性与调度方案相结合,大大的提高了换电的效率。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种电池的调度补给方法的流程图;
图2示出了本申请实施例所提供的另一种电池的调度补给方法的流程图;
图3示出了本申请实施例所提供的一种电池的调度补给装置的结构示意图;
图4示出了本申请实施例所提供的另一种电池的调度补给装置的结构示意图;
图5示出了本申请实施例所提供的一种电子设备的结构示意图。
主要元件符号说明:
图中:300-调度补给装置;310-获取模块;320-判断模块;330-第一确定模块;340-第二确定模块;350-调度补给模块;360-筛选模块;370-优化模块;500-电子设备;510-处理器;520-存储器;530-总线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中的附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“电池的调度补给”,给出以下实施方式,对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。
本申请实施例下所述方法、装置、电子设备或计算机可读存储介质可以应用于任何需要进行电池的调度补给的场景,本申请实施例并不对具体的应用场景作限制,任何使用本申请实施例提供的电池的调度补给的方法及装置的方案均在本申请保护范围内。
值得注意的是,经研究发现,在本申请提出之前,现有技术中,安排运维人员分片运送电池,需要运维人员观测停驻车辆电池电量,通过经验判断,进行自行换电,这样不仅要花费大量人力、物力,而且换电效率较低,且运维人员的换电效率首运维人员的能力影响,差异较大,难以兼顾换电需求。
针对上述问题,本申请实施例提供了一种电池的调度补给方法,通过需求差预估模型可以确定出目标区域的换电需求,进而,基于换电需求确定最低换电阈值,基于最低换电阈值以及车辆位置,生成满足目标区域换电需求的电池调度补给方案,使得运维人员能够按照调度方案进行电池的调度补给,不仅减少了调度补补过程中的补给偏差,还节省了人力以及物力,并且将运维人员的运力信息的特异性与调度方案相结合,大大的提高了换电的效率。
为便于对本申请进行理解,下面结合具体实施例对本申请提供的技术方案进行详细说明。
请参阅图1,图1为本申请实施例所提供的一种电池的调度补给方法的流程图。如图1中所示,本申请实施例提供的一种电池的调度补给方法,所述调度补给方法包括:
S101、获取目标区域内预设时长内车辆流入、流出信息,以及当前的车辆停驻信息和当前天气信息。
在具体实施中,所述天气信息主要为天气的温度信息、湿度信息、降雨量信息以及风力信息等一系列能够影响所述车辆流入、流出的环境信息,所述车辆流入、流出信息为车辆进入和驶出所述目标区域的所述车辆的行驶信息,所述车辆的停驻信息可具体但不限制于用户扫码但目标区域内的所述车辆未开锁的相关数据信息。
S102、将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电。
在具体实施中,通过将获取到的所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入需求差预估模型中,并对所述需求差预估模型进行训练,并通过训练后的需求差预估模型来确定所述目标区域是否需要换电。
其中,通过训练后的需求差预估模型来确定所述目标区域是否需要换电主要是通过判断车辆的供给量和所述车辆的需求量之间的大小关系,若所述目标区域内的所述车辆的供给量小于所述车辆的需求量,说明车辆的供给不足以支撑车辆的需求,进而不能够满足所述目标区域内预设时长内用户的骑行需求,证实了所述目标区域内的所述车辆需要换电。
进一步的,所述通过以下步骤训练需求差预估模型,包括:
获取所述目标区域内所述预设时长内的历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆的历史停驻信息。
在具体实施中,所述车辆的历史流入、流出订单信息为所述车辆在当前时长之外的任一历史时间段内的车辆流入、流出的订单信息。
根据历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆历史停驻信息,确定所述目标区域内所述预设时长内车辆的需求差数据集。
在具体实施中,通过温度传感器、温度传感器以及风力传感器等设备获取各个维度的天气信息,通过摄像装置获取所述车辆的大量的历史流入、流出订单信息以及所述车辆历史停驻信息。
其中,所述历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆停驻信息等训练需求差预估模型的数据信息沿时间轴又包括实时数据信息、历史数据信息、未来时间的预估趋势数据信息以及各个时间段的组合数据信息。
基于所述车辆的需求差数据集,对初始神经网络进行训练,得到训练好的需求差预估模型。
在具体实施中,基于所述车辆的需求差数据集,通过机器学习以及深度学习的算法对初始神经网络进行训练,得到训练好的需求差预估模型。
其中,在模型选择方面,机器学习主要选用基于GBDT框架的lightgbm的机器学习算法,深度学习主要选用基于LSTM深度学习算法,通过将所述lightgbm的机器学习算法与所述LSTM深度学习算法相融合来训练初始神经网络。
该步骤中,所述lightgbm的机器学习算法是一款基于决策树算法的分布式梯度提升框架。为了满足工业界缩短模型计算时间的需求,LightGBM的设计思路主要是两点:减小数据对内存的使用,保证单个机器在不牺牲速度的情况下,尽可能地用上更多的数据;减小通信的代价,提升多机并行时的效率,实现在计算上的线性加速。由此可见,LightGBM的设计初衷就是提供一个快速高效、低内存占用、高准确度、支持并行和大规模数据处理的数据科学工具。
而所述深度学习的LSTM算法是一款基于决策树算法的分布式梯度提升框架。为了满足工业界缩短模型计算时间的需求,LightGBM的设计思路主要是两点:减小数据对内存的使用,保证单个机器在不牺牲速度的情况下,尽可能地用上更多的数据;减小通信的代价,提升多机并行时的效率,实现在计算上的线性加速。由此可见,LightGBM的设计初衷就是提供一个快速高效、低内存占用、高准确度、支持并行和大规模数据处理的数据科学工具。
进一步的,所述将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电,包括:
将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,获取所述目标区域的所述预设时长内所述车辆的流入与流出之间的差值。
在具体实施方式中,通过在训练好的需求差预估模型中输入所述车辆的流入、流出信息,以及当前的所述车辆停驻信息,基于所述需求差预估模型提取车辆的流入、流出信息,以及当前的所述车辆停驻信息对应的预估值,获取所述目标区域的所述预设时长内所述车辆的流入与流出之间的差值。
其中,所述预设时长内所述车辆的流入与流出之间的差值为所述目标区域内车辆剩余的数值。
将所述差值与所述车辆停驻中的车辆数值进行求和,确定目标和值。
在具体实施方式中,所述目标和值为所述差值与所述车辆停驻中的车辆数值进行之和,所述目标和值表示所述用户对所述目标区域内车辆的需求值。
判断所述目标和值与预设需求阈值之间的大小关系。
在具体实施方式中,通过判断所述目标和值与预设需求阈值之间的大小关系来判断所述用户对所述目标区域内车辆的需求值与预设需求阈值之间的大小关系,由此来判断所述目标区域内的车辆是否为供不应求或者供大于求。
若所述目标和值小于所述需求阈值,确定所述目标区域需要换电。
在具体实施方式中,若所述目标和值小于所述需求阈值表示所述目标用户对所述目标区域内车辆的需求值小于所述需求阈值,说明所述目标区域内的车辆为供不应求,此时,需要对所述目标区域的车辆进行换电。
S103、根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值。
在具体实施中,用户通过获取用户使用所述目标区域内的车辆骑行信息来判断所述用户的骑行需求,并根据所述用户的需求来计算并确定满足所述用户需求的最低换电阈值。
其中,计算并确定满足所述用户需求的最低换电阈值方式可具体为根据Geohash地理算法来进行计算。
该步骤中,Geohash地理算法为一种地址的编码方法,是用来将经纬度编码,并且能够将二维空间的经纬度数据编码成一个字符串,将所述二维空间的经纬度数据变一维空间的经纬度数据,用来将所述用户的所述骑行需求进行一个地理位置的分布的算法。
进一步的,所述根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值,包括:
获取目标区域内车所述车辆的历史骑行订单信息。
在具体实施中,获取目标区域内车所述车辆流入、流出的历史骑行订单信息,以及所述车辆在所述目标区域内停驻的历史骑行订单信息。
其中,所述历史骑行订单信息包括但不限制于所述车辆历史订单中的地电量信息、距离信息以及位置信息。
该步骤中,所述距离信息具体包括所述车辆距离上一个该车辆停车点的距离以及所述车辆距离该车辆处于历史慢点状态下的停车点的距离。
根据所述历史骑行订单信息,确定所述目标区域内的历史平均骑行需求量。
在具体实施中,用户根据所述历史骑行订单信息,获取所述目标区域内的用户的预设的骑行位置以及骑行到所述位置处所需要的时间,根据所述预设的骑行位置以及骑行到所述位置处所需要的时间来确定所述用户骑行需求,并对所述用户的骑行需求进行划分和分布。根据所述目标区域内用户的预设的骑行位置以及骑行到所述位置处所需要的时间,确定该目标区域的所述车辆到达所述骑行位置处距离相近的需求分布,并根据所述用户的需要求分布确定所述用户的历史平均骑行需求量。
根据当前的车辆停驻信息,对所述历史平均骑行需求量进行数值调节,得到目标换电需求量。
在具体实施中,通过计算所述目标区域的运力成本和综合运力评估结果,比例调节所述历史平均骑行需求量,得到所述目标换电需求量,并根据当前的车辆停驻信息以及扫码的车辆电量对所述历史平均骑行需求量进行补充调节。
其中,所述滑动测试具体为通过设置时间衰减函数,来对需要换电的车辆的剩余电量以及剩余电量能够维持的骑行时间进行加权平均的滑动处理,而车辆停驻信息具体为用户扫码但未能开锁的车辆的相关数据。
根据所述目标换电需求量,确定满足所述需求的最低换电阈值。
在具体实施中,针对所述目标换电需求量进行分位数算法,对所述历史平均骑行需求量进行滑动测算,确定满足所述需求的最低换电阈值。
S104、根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置。
在具体实施中,根据所述最低换电阈值,确定所述目标区域所述车辆的电量值与所述最低换电阈值的大小关系,如所述目标区域所述车辆的电量值小于所述最低换电阈值,则小于所述最低换电阈值的车辆需要换电,并检测所述需要换电车辆的位置。
S105、基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,其中,电池调度补给方案包括补给路线。
在具体实施中,通过所述目标区域的换电车辆的位置以及运力信息,对相近地理区域的换电车辆信息进行聚类打包,从相近地理区域的换电车辆的中心位置或处于所述中心位置处的所述车辆出发,根据Geohash地理算法,搜索所述相近地理区域周边的可用运力信息,并根据所述可用运力信息及聚类打包后的换电车辆信息生成电池调度补给方案。
该步骤中,所述聚类打包的算法可为Kmeans聚类算法,但不限制于Kmeans聚类算法。所述Kmeans聚类算法是一种迭代求解的聚类分析算法,其聚类打包的过程为,预线将数据分为K组,随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给其他的分配对象就为一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类,没有(或最小数目)聚类中心再发生变化,误差平方和局部最小。
对应的,本步骤中用于聚类打包的Kmeans聚类算法为根据目标区域内的可用可用运力信息,设置合理的K值,对预设时间内的换电车辆的信息进行Kmeans聚类,通过计算代价进行簇内车辆调整,达到运力初始分配均匀的效果。
其中,所述运力信息包括采集换电运维人员基本信息以及大数据离线挖掘的所述电运维人员的服务数据。所述换电运维人员基本信息包括例如采集换电运维人员的上线情况、采集换电运维人员的服务范围、采集换电运维人员携带电池数信息、采集换电运维人员的岗位身份以及采集换电运维人员所属站点区域等。所述大数据离线挖掘的所述电运维人员的服务数据包括所述电运维人员的接单偏好、所述电运维人员的服务等级、所述电运维人员的派单满意度以及所述电运维人员的区域熟悉度等。所述运力信息的实时和离线数据可以写入数据库存储,以供派单系统调用。
进一步的,所述基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,包括:
根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置。
在具体实施中,通过所述最低换电阈值,对相近地理区域的换电车辆信息进行聚类打包,从相近地理区域的换电车辆的中心位置或处于所述中心位置处的所述车辆出发,根据Geohash地理算法,搜索所述相近地理区域周边的可用运力信息,确定所述目标区域需要换电的车辆,以及车辆的位置。
根据需要换电车辆的电量以及位置,确定所述需要换电车辆的换电时间的优先级和位置的优先级。
在具体实施中,根据需要换电车辆的电量以及位置,针对所述需要换电车辆的剩余电量能够维持用户骑行的时间进行划分,确定所述需要换电车辆的换电时间的优先级,并针对所述需要换电车辆的位置信息对所述需要换电车辆位置行划分,确定所述需要换电车辆的位置的优先级。
根据所述需要换电车辆的换电时间优先级和位置的优先级,生成满足所述最低换电阈值的所述目标区域的换电订单。
在具体实施中,根据所述需要换电车辆的换电时间优先级和位置的优先级,以及所述低换电阈值,生成满足所述最低换电阈值的所述目标区域的换电订单。
其中,换电订单用于更清晰的显示所述需要换电车辆具体信息,包括位置信息,所需换电的时间信息等,满足对换电运维人员的调度。
根据所述目标区域的换电订单以及运力信息,生成电池调度补给方案。
在具体实施中,通过所述目标区域的换电订单以及运力信息,对相近地理区域的换电订单进行聚类打包,从相近地理区域的换电车辆的中心位置或处于所述中心位置处的所述车辆出发,根据Geohash地理算法,搜索所述相近地理区域周边的可用运力信息,并根据所述可用运力信息及聚类打包后的换电车辆信息生成电池调度补给方案。
本申请实施例提供的电池的调度补给方法,与现有技术中的电池的补给方法相比,本申请通过需求差预估模型可以确定出目标区域的换电需求,进而,基于换电需求确定最低换电阈值,基于最低换电阈值以及车辆位置,生成满足目标区域换电需求的电池调度补给方案,使得运维人员能够按照调度方案进行电池的调度补给,不仅减少了调度补补过程中的补给偏差,还节省了人力以及物力,并且将运维人员的运力信息的特异性与调度方案相结合,大大的提高了换电的效率。
本申请通过Lightgbm的机器学习算法以及LSTM的深度学习算法的模型构建需求差预估模型,使得训练的神经网络在一方面对极端情况峰值的需求预估的比较灵敏,机器学习数模型相对比较稳定,两者相结合,使得整个预估模型既能捕捉诸如恶劣天气,突发情况的需求波动,又能保持趋势分布的稳定,有效提升了预估的准确率。
本申请根据所述目标换电需求量确定的最低换电阈值,减少了运维人员的误判,且通过计算换电的运力,确保分发任务能够在规定时效范围内完成;通过计算历史用户骑行耗电情况,做到分区域分车辆的“千人千面”,不同的电量阈值,满足用户需求的同时,也减少了不必要的换电浪费,极大提高换电的效率。
请参阅图2,图2为本申请实施例所提供的另一种电池的调度补给方法的流程图。如图2中所示,本申请实施例提供的一种电池的调度补给方法,所述调度补给方法包括:
S201、获取目标区域内预设时长内车辆流入、流出信息,以及当前的车辆停驻信息和当前天气信息。
S202、将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电。
S203、根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值。
S204、根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置。
S205、基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,其中,电池调度补给方案包括补给路线。
S206、根据所述目标区域的换电车辆的位置以及运力信息,对所述补给路线以及运力信息进行筛选,确定多条补给路线以及配合调用的运力信息。
在具体实施中,根据所述目标区域的换电车辆的位置以及运力信息,对所述补给路线以及运力信息进行过滤筛选,筛选出多条补给路线以及配合调用的运力信息。
其中,过滤筛选主要包括:路线的顺路系数过滤、运维人员的接单上限过滤、运维人员的运维工种过滤、区域过滤以及运维人员的在线状态过滤等过滤筛选方式。
该步骤中,例如路线的顺路系数过滤主要在换电运维人员进行调度补给工作的过程中,若出现新的订单后,判断所述新的订单与换电运维人员正在调度补给工作的换电订单是否顺路,若顺路,调节换电运维人员的补给路线。
S207、针对所述多条补给路线以及配合调用的运力信息的权重进行调节,生成最优电池调度补给方案。
在具体实施中,针对所述目标区域内所述需要换电的车辆的多条补给路线以及配合调用的运力信息进行有选择的权重配比和调节,生成最优电池调度补给方案。
其中,权重配比和调节主要采用google的ortools运筹优化工具算法,通过路径规划,规划出最优路径之后的代价数据,用于对各运维换电人员的派单情况进行最终的决策,同时也会针对服务等级,熟悉偏好等对最终结果进行自动调整,选出代价最小的运维换电人员。
其中,S201至S205的描述可以参照S101至S105的描述,并且能达到相同的技术效果,对此不做赘述。
基于同一申请构思,本申请实施例中还提供了与上述实施例提供的电池的调度补给方法对应的电池的调度补给装置300,由于本申请实施例中的装置解决问题的原理与本申请上述实施例的电池的调度补给方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
本申请实施例提供的电池的调度补给方法,与现有技术中的电池的补给方法相比,本申请通过需求差预估模型可以确定出目标区域的换电需求,进而,基于换电需求确定最低换电阈值,基于最低换电阈值以及车辆位置,生成满足目标区域换电需求的电池调度补给方案,使得运维人员能够按照调度方案进行电池的调度补给,不仅减少了调度补补过程中的补给偏差,还节省了人力以及物力,并且将运维人员的运力信息的特异性与调度方案相结合,大大的提高了换电的效率。
本申请文件通过对补给路线以及运力信息进行筛选,合理的进行并单以及多种路径的规划,保证了运维人员不走回头路,不做无用单,兼顾效率和公平,有效杜绝了线下管理难,腐败易滋生的情况。
请参阅图3,图3为本申请实施例所提供的一种电池的调度补给装置300的结构示意图。如图3中所示,本申请实施例提供的一种电池的调度补给装置300,所述调度补给装置300包括:
获取模块310:用于获取目标区域内预设时长内车辆流入、流出信息,以及当前的车辆停驻信息和当前天气信息。
判断模块320:用于将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电。
进一步的,所述判断模块320用于通过以下步骤训练需求差预估模型:
获取所述目标区域内所述预设时长内的所述车辆的历史流入、流出订单信息。
根据多为维空数据以及所述车辆的历史流入、流出订单信息,确定所述目标区域内所述预设时长内车辆的需求差数据集。
基于所述车辆的需求差数据集,对构建好的神经网络进行训练,得到训练好的需求差预估模型。
进一步的。所述判断模块320在将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电时,所述判断模块320具体用于:
将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,获取所述目标区域的所述预设时长内所述车辆的流入与流出之间的差值。
将所述差值与所述车辆停驻中的车辆数值进行求和,确定目标和值。
判断所述目标和值与预设需求阈值之间的大小关系。
若所述目标和值小于所述需求阈值,确定所述目标区域需要换电。
第一确定模块330:用于根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值。
进一步的,所述第一确定模块330在根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值时,所述第一确定模块330具体用于:
获取目标区域内车所述车辆的历史骑行订单信息;
根据所述历史骑行订单信息,确定所述目标区域内的历史平均骑行需求量;
根据当前的车辆停驻信息,对所述历史平均骑行需求量进行数值调节,得到目标换电需求量;
根据所述目标换电需求量,确定满足所述需求的最低换电阈值。
第二确定模块340:用于根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置。
进一步的,所述在第二确定模块340在根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值时,所述第二确定模块340具体用于:
获取目标区域内车所述车辆的历史骑行订单信息。
根据所述历史骑行订单信息,确定所述目标区域内的历史平均骑行需求量。
根据当前的车辆停驻信息,对所述历史平均骑行需求量进行数值调节,得到目标换电需求量。
根据所述目标换电需求量,确定满足所述需求的最低换电阈值。
调度补给模块350:用于根据该区域的换电订单以及运力信息,生成电池调度补给方案,其中,电池调度补给方案包括补给路线。
进一步的,所述调度补给模块350在基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案时,所述调度补给模块350具体用于:
根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置。
根据需要换电车辆的电量以及位置,确定所述需要换电车辆的换电时间的优先级和位置的优先级。
根据所述需要换电车辆的换电时间优先级和位置的优先级,生成满足所述最低换电阈值的所述目标区域的换电订单。
根据所述目标区域的换电订单以及运力信息,生成电池调度补给方案。
本申请实施例提供的电池的调度补给的方法,与现有技术中的电池的调度补给方法相比,本申请通过需求差预估模型可以确定出目标区域的换电需求,进而,基于换电需求确定最低换电阈值,基于最低换电阈值以及车辆位置,生成满足目标区域换电需求的电池调度补给方案,使得运维人员能够按照调度方案进行电池的调度补给,不仅减少了调度补补过程中的补给偏差,还节省了人力以及物力,并且将运维人员的运力信息的特异性与调度方案相结合,大大的提高了换电的效率。
图4,图4为本申请实施例所提供的一种电池的调度补给装置300的结构示意图之二。如图4中所示,本申请实施例提供的一种电池的调度补给装置300,所述调度补给装置300包括:
获取模块310:用于获取目标区域内预设时长内车辆流入、流出信息,以及当前的车辆停驻信息和当前天气信息。
判断模块320:用于将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电。
第一确定模块330:用于根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值。
第二确定模块340:用于根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置。
调度补给模块350:用于基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,其中,电池调度补给方案包括补给路线。
筛选模块360:用于根据所述目标区域的换电车辆的位置以及运力信息,对所述补给路线以及运力信息进行筛选,确定多条补给路线以及配合调用的运力信息。
优化模块370:用于针对所述多条补给路线以及配合调用的运力信息的权重进行调节,生成最优电池调度补给方案。
本申请实施例提供的电池的调度补给的方法,与现有技术中的电池的调度补给方法相比,本申请通过需求差预估模型可以确定出目标区域的换电需求,进而,基于换电需求确定最低换电阈值,基于最低换电阈值以及车辆位置,生成满足目标区域换电需求的电池调度补给方案,使得运维人员能够按照调度方案进行电池的调度补给,不仅减少了调度补补过程中的补给偏差,还节省了人力以及物力,并且将运维人员的运力信息的特异性与调度方案相结合,大大的提高了换电的效率。
基于同一申请构思,请参阅图5,图5为本申请实施例提供的一种电子设备500的结构示意图,包括:处理器510、存储器520和总线530,所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过所述总线530进行通信,所述机器可读指令被所述处理器510运行时执行如上述实施例中任一所述的反光体的监测方法的步骤。
具体地,所述机器可读指令被所述处理器510执行时可以执行如下处理:
获取目标区域内预设时长内车辆流入、流出信息,以及当前的车辆停驻信息和当前天气信息。
将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电。
根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值。
根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置。
基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,其中,电池调度补给方案包括补给路线。
本申请实施例中,通过需求差预估模型可以确定出目标区域的换电需求,进而,基于换电需求确定最低换电阈值,基于最低换电阈值以及车辆位置,生成满足目标区域换电需求的电池调度补给方案,使得运维人员能够按照调度方案进行电池的调度补给,不仅减少了调度补补过程中的补给偏差,还节省了人力以及物力,并且将运维人员的运力信息的特异性与调度方案相结合,大大的提高了换电的效率。
基于同一申请构思,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述实施例提供的电池的调度补给方法的步骤。
具体地,所述存储介质能够为通用的存储介质,如移动磁盘、硬盘等,所述存储介质上的计算机程序被运行时,能够执行上述电池的调度补给方法,实现了满足用户需求的同时,也减少了不必要的换电浪费,考虑投入产出比,有效的指导线下增配或者削减换电运维运力,极大提高换电的效率和营收。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本申请所提供的几个实施例中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种电池的调度补给方法,其特征在于,所述调度补给方法包括:
获取目标区域内预设时长内车辆流入、流出信息,以及当前的车辆停驻信息和当前天气信息;
将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电;
根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值;
根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置;
基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,其中,电池调度补给方案包括补给路线。
2.根据权利要求1所述的调度补给方法,其特征在于,所述通过以下步骤训练需求差预估模型,包括:
获取所述目标区域内所述预设时长内的历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆的历史停驻信息;
根据历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆历史停驻信息,确定所述目标区域内所述预设时长内车辆的需求差数据集;
基于所述车辆的需求差数据集,对初始神经网络进行训练,得到训练好的需求差预估模型。
3.根据权利要求2所述的调度补给方法,其特征在于,所述将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电,包括:
将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,获取所述目标区域的所述预设时长内所述车辆的流入与流出之间的差值;
将所述差值与所述车辆停驻中的车辆数值进行求和,确定目标和值;
判断所述目标和值与预设需求阈值之间的大小关系;
若所述目标和值小于所述需求阈值,确定所述目标区域需要换电。
4.根据权利要求1所述的调度补给方法,其特征在于,所述根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值,包括:
获取目标区域内车所述车辆的历史骑行订单信息;
根据所述历史骑行订单信息,确定所述目标区域内的历史平均骑行需求量;
根据当前的车辆停驻信息,对所述历史平均骑行需求量进行数值调节,得到目标换电需求量;
根据所述目标换电需求量,确定满足所述需求的最低换电阈值。
5.根据权利要求1所述的调度补给方法,其特征在于,所述基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,包括:
根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置;
根据需要换电车辆的电量以及位置,确定所述需要换电车辆的换电时间的优先级和位置的优先级;
根据所述需要换电车辆的换电时间优先级和位置的优先级,生成满足所述最低换电阈值的所述目标区域的换电订单;
根据所述目标区域的换电订单以及运力信息,生成电池调度补给方案。
6.根据权利要求1所述的调度补给方法,其特征在于,所述在基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案之后,所述调度补给方法还包括:
根据所述目标区域的换电车辆的位置以及运力信息,对所述补给路线以及运力信息进行筛选,确定多条补给路线以及配合调用的运力信息;
针对所述多条补给路线以及配合调用的运力信息的权重进行调节,生成最优电池调度补给方案。
7.一种电池的调度补给装置,其特征在于,所述调度补给装置包括:
获取模块:用于获取目标区域内预设时长内车辆流入、流出信息,以及当前的车辆停驻信息和当前天气信息;
判断模块:用于将所述当前天气信息、所述车辆流入、流出信息,以及当前的所述车辆停驻信息输入训练好的需求差预估模型,确定所述目标区域是否需要换电;
第一确定模块:用于根据所述目标区域内的用户骑行需求分布,确定满足需求的最低换电阈值;
第二确定模块:用于根据所述最低换电阈值,确定所述目标区域需要换电的车辆,以及车辆的位置;
调度补给模块:用于基于所述目标区域的换电车辆的位置以及运力信息,生成电池调度补给方案,其中,电池调度补给方案包括补给路线。
8.根据权利要求7所述的调度补给装置,其特征在于,所述判断模块用于通过以下步骤训练需求差预估模型:
获取所述目标区域内所述预设时长内的历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆的历史停驻信息;
根据历史天气信息、所述车辆的历史流入、流出订单信息以及所述车辆历史停驻信息,确定所述目标区域内所述预设时长内车辆的需求差数据集;
基于所述车辆的需求差数据集,对初始神经网络进行训练,得到训练好的需求差预估模型。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器运行时执行如上述的权利要求1至6任一项所述的调度补给方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述的1至6任一权利要求所述的调度补给方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011108536.7A CN112215502B (zh) | 2020-10-16 | 2020-10-16 | 一种电池的调度补给方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011108536.7A CN112215502B (zh) | 2020-10-16 | 2020-10-16 | 一种电池的调度补给方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112215502A true CN112215502A (zh) | 2021-01-12 |
CN112215502B CN112215502B (zh) | 2022-09-20 |
Family
ID=74055484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011108536.7A Active CN112215502B (zh) | 2020-10-16 | 2020-10-16 | 一种电池的调度补给方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215502B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819228A (zh) * | 2021-02-03 | 2021-05-18 | 北京骑胜科技有限公司 | 任务处理方法、装置、存储介质和电子设备 |
CN112836951A (zh) * | 2021-01-26 | 2021-05-25 | 深圳市泰比特科技有限公司 | 一种基于大数据的共享单车云平台智能调度方法及系统 |
CN115081962A (zh) * | 2022-08-18 | 2022-09-20 | 宁波小遛共享信息科技有限公司 | 共享电单车的换电方法、服务器及存储介质 |
CN115310726A (zh) * | 2022-10-10 | 2022-11-08 | 宁波小遛共享信息科技有限公司 | 共享电单车的换电阈值的计算方法、服务器及存储介质 |
CN115431830A (zh) * | 2022-08-04 | 2022-12-06 | 广东易积网络股份有限公司 | 一种面向快递企业的电池换电系统、方法及存储介质 |
CN116049189A (zh) * | 2023-01-09 | 2023-05-02 | 浙江万邦智能科技股份有限公司 | 一种用于节能照明的阳光交换方法、系统及存储介质 |
CN116151600A (zh) * | 2023-04-24 | 2023-05-23 | 北京阿帕科蓝科技有限公司 | 共享车辆的维护方法、装置、计算机设备和存储介质 |
CN116304393A (zh) * | 2023-05-19 | 2023-06-23 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
WO2023125706A1 (zh) * | 2021-12-30 | 2023-07-06 | 奥动新能源汽车科技有限公司 | 换电车辆的里程订单生成的测试方法及系统、设备及介质 |
CN116433053A (zh) * | 2023-06-14 | 2023-07-14 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN116502872A (zh) * | 2023-06-27 | 2023-07-28 | 深圳市菲尼基科技有限公司 | 基于运营效率管理的换电柜控制方法及其设备 |
CN116542498A (zh) * | 2023-07-06 | 2023-08-04 | 杭州宇谷科技股份有限公司 | 基于深度强化学习的电池调度方法、系统、装置及介质 |
CN116993085A (zh) * | 2023-07-28 | 2023-11-03 | 上海智租物联科技有限公司 | 基于换电电荷消耗算法提升电池利用效率的方法 |
CN117984791A (zh) * | 2024-04-07 | 2024-05-07 | 北京阿帕科蓝科技有限公司 | 电单车换电阈值的确定方法、装置及计算机设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120248868A1 (en) * | 2011-04-04 | 2012-10-04 | Fahim Usshihab Mobin | Swappable battery car and battery car station |
CN109492895A (zh) * | 2018-10-31 | 2019-03-19 | 北京摩拜科技有限公司 | 更换电动车电池的方法、系统、服务器和存储介质 |
CN109978525A (zh) * | 2019-03-26 | 2019-07-05 | 玉明进 | 一种电动车可更换电池交易方法及系统 |
CN111191839A (zh) * | 2019-12-26 | 2020-05-22 | 上海钧正网络科技有限公司 | 一种换电预测方法和系统及存储介质 |
CN111191802A (zh) * | 2019-12-31 | 2020-05-22 | 上海钧正网络科技有限公司 | 车辆电池的更换方法、系统、终端及可读存储介质 |
CN111275228A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 预测方法、装置、电子设备及存储介质 |
-
2020
- 2020-10-16 CN CN202011108536.7A patent/CN112215502B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120248868A1 (en) * | 2011-04-04 | 2012-10-04 | Fahim Usshihab Mobin | Swappable battery car and battery car station |
CN109492895A (zh) * | 2018-10-31 | 2019-03-19 | 北京摩拜科技有限公司 | 更换电动车电池的方法、系统、服务器和存储介质 |
CN111275228A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 预测方法、装置、电子设备及存储介质 |
CN109978525A (zh) * | 2019-03-26 | 2019-07-05 | 玉明进 | 一种电动车可更换电池交易方法及系统 |
CN111191839A (zh) * | 2019-12-26 | 2020-05-22 | 上海钧正网络科技有限公司 | 一种换电预测方法和系统及存储介质 |
CN111191802A (zh) * | 2019-12-31 | 2020-05-22 | 上海钧正网络科技有限公司 | 车辆电池的更换方法、系统、终端及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
CHAOFENG ZHANG等: "Battery Maintenance of Pedelec Sharing System: Big Data Based Usage Prediction and Replenishment Scheduling", 《IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERING》, vol. 7, no. 1, 1 March 2020 (2020-03-01), pages 127 - 138, XP011776203, DOI: 10.1109/TNSE.2019.2901833 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836951A (zh) * | 2021-01-26 | 2021-05-25 | 深圳市泰比特科技有限公司 | 一种基于大数据的共享单车云平台智能调度方法及系统 |
CN112836951B (zh) * | 2021-01-26 | 2023-10-24 | 深圳市泰比特科技有限公司 | 一种基于大数据的共享单车云平台智能调度方法及系统 |
CN112819228B (zh) * | 2021-02-03 | 2024-05-24 | 北京骑胜科技有限公司 | 任务处理方法、装置、存储介质和电子设备 |
CN112819228A (zh) * | 2021-02-03 | 2021-05-18 | 北京骑胜科技有限公司 | 任务处理方法、装置、存储介质和电子设备 |
WO2023125706A1 (zh) * | 2021-12-30 | 2023-07-06 | 奥动新能源汽车科技有限公司 | 换电车辆的里程订单生成的测试方法及系统、设备及介质 |
CN115431830A (zh) * | 2022-08-04 | 2022-12-06 | 广东易积网络股份有限公司 | 一种面向快递企业的电池换电系统、方法及存储介质 |
CN115081962A (zh) * | 2022-08-18 | 2022-09-20 | 宁波小遛共享信息科技有限公司 | 共享电单车的换电方法、服务器及存储介质 |
CN115310726B (zh) * | 2022-10-10 | 2023-02-24 | 宁波小遛共享信息科技有限公司 | 共享电单车的换电阈值的计算方法、服务器及存储介质 |
CN115310726A (zh) * | 2022-10-10 | 2022-11-08 | 宁波小遛共享信息科技有限公司 | 共享电单车的换电阈值的计算方法、服务器及存储介质 |
CN116049189B (zh) * | 2023-01-09 | 2023-08-29 | 浙江万邦智能科技股份有限公司 | 一种用于节能照明的阳光交换方法、系统及存储介质 |
CN116049189A (zh) * | 2023-01-09 | 2023-05-02 | 浙江万邦智能科技股份有限公司 | 一种用于节能照明的阳光交换方法、系统及存储介质 |
CN116151600A (zh) * | 2023-04-24 | 2023-05-23 | 北京阿帕科蓝科技有限公司 | 共享车辆的维护方法、装置、计算机设备和存储介质 |
CN116304393A (zh) * | 2023-05-19 | 2023-06-23 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN116304393B (zh) * | 2023-05-19 | 2023-10-24 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN116433053B (zh) * | 2023-06-14 | 2023-11-24 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN116433053A (zh) * | 2023-06-14 | 2023-07-14 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN116502872A (zh) * | 2023-06-27 | 2023-07-28 | 深圳市菲尼基科技有限公司 | 基于运营效率管理的换电柜控制方法及其设备 |
CN116542498B (zh) * | 2023-07-06 | 2023-11-24 | 杭州宇谷科技股份有限公司 | 基于深度强化学习的电池调度方法、系统、装置及介质 |
CN116542498A (zh) * | 2023-07-06 | 2023-08-04 | 杭州宇谷科技股份有限公司 | 基于深度强化学习的电池调度方法、系统、装置及介质 |
CN116993085A (zh) * | 2023-07-28 | 2023-11-03 | 上海智租物联科技有限公司 | 基于换电电荷消耗算法提升电池利用效率的方法 |
CN116993085B (zh) * | 2023-07-28 | 2024-05-14 | 上海智租物联科技有限公司 | 基于换电电荷消耗算法提升电池利用效率的方法 |
CN117984791A (zh) * | 2024-04-07 | 2024-05-07 | 北京阿帕科蓝科技有限公司 | 电单车换电阈值的确定方法、装置及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112215502B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112215502B (zh) | 一种电池的调度补给方法、装置、电子设备以及存储介质 | |
Yang et al. | Deploying battery swap stations for shared electric vehicles using trajectory data | |
CN108334991B (zh) | 一种电动汽车充电站规划方法及系统 | |
Labadi et al. | Stochastic petri net modeling, simulation and analysis of public bicycle sharing systems | |
Jia et al. | Multiobjective bike repositioning in bike-sharing systems via a modified artificial bee colony algorithm | |
CN109501630A (zh) | 一种电动汽车充电方案实时推荐方法及系统 | |
CN111532166A (zh) | 一种电动汽车充电路径规划方法、装置、汽车及计算机存储介质 | |
JP2019145087A (ja) | 交換可能エネルギー貯蔵装置に対する需要を予測するためのシステムおよび方法 | |
CN115099543B (zh) | 电池更换的路径规划方法、装置、设备及存储介质 | |
CN108537691A (zh) | 一种区域游览智能管理系统及方法 | |
CN113538067B (zh) | 一种基于机器学习的城际网约车需求预测方法及系统 | |
CN115619051A (zh) | 一种共享车辆调配方法、系统及计算机存储介质 | |
CN112101738A (zh) | 任务信息生成方法、装置、电子设备和可读存储介质 | |
KR20130088874A (ko) | 복수의 전기 에너지 차량의 에너지 수요를 예측하는 시스템 및 방법 | |
Davidov et al. | Stochastic expansion planning of the electric-drive vehicle charging infrastructure | |
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 | |
CN115829124A (zh) | 充电桩选址方法、装置、设备及存储介质 | |
CN109919393B (zh) | 一种电动出租汽车的充电负荷预测方法 | |
CN114692962A (zh) | 一种基于大数据的充电基础设施满足度评估方法和系统 | |
CN116353399B (zh) | 充电桩的动态运行方法、装置、设备及可读存储介质 | |
CN112819228A (zh) | 任务处理方法、装置、存储介质和电子设备 | |
CN106682759B (zh) | 针对电动出租车的电池供应系统及网络优化方法 | |
CN110674988A (zh) | 一种基于电动汽车出行大数据的城区充电站规划方法 | |
CN114169774A (zh) | 一种山地城市充电站规划系统、方法及存储介质 | |
CN115049107A (zh) | 一种基于物联采集边缘计算的电量预测系统 |
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 | ||
CP03 | Change of name, title or address |
Address after: Room 101 (201) -6, Building 5, Building 6 and 7, Kexin Building, Shounan Street, Yinzhou District, Ningbo City, Zhejiang Province, 315100 Patentee after: Zhejiang Xiaoliu Information Technology Co.,Ltd. Address before: Room 1401-1, No.6 and No.7, building 5, Kexin building, Shounan street, Yinzhou District, Ningbo City, Zhejiang Province, 315000 Patentee before: NINGBO LIUBIKE INFORMATION TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |