CN112766525A - 一种为电助力车换电的方法、装置及设备 - Google Patents
一种为电助力车换电的方法、装置及设备 Download PDFInfo
- Publication number
- CN112766525A CN112766525A CN202110052920.8A CN202110052920A CN112766525A CN 112766525 A CN112766525 A CN 112766525A CN 202110052920 A CN202110052920 A CN 202110052920A CN 112766525 A CN112766525 A CN 112766525A
- Authority
- CN
- China
- Prior art keywords
- battery
- electric power
- assisted vehicle
- target
- power
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
Abstract
本说明书提供了一种为电助力车换电的方法、装置及设备。所述方法包括在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;接收所述服务器反馈的换电策略信息;所述换电策略信息是所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定;判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;所述预约请求用于锁定所述目标电池柜中第一电池;响应所述用户的控制指令,向所述目标电池柜所在地移动,以从所述目标电池柜获取所述第一电池进行换电。利用本说明书实施例可以高效准确的为用户确定可换电的电池柜。
Description
技术领域
本申请涉及机器学习领域,特别涉及一种为电助力车换电的方法、装置及设备。
背景技术
随着共享经济技术的发展,共享电助力车给人们出行带来了极大方便。而如何有效的为共享电助力车换电成为共享服务提供方亟需解决的问题。
目前,一些平台推广与用户合作的模式,用户购买或租赁平台的电助力车,平台提供换电服务,这样,当用户的电助力车没电时,可以去平台提供的换电站换电。然而,现有技术中,当用户在看到自己的电助力车电量不足时,主要换电方式是打开地图搜索周边换电站信息和各换电站电池余量,然后随机找一个有电池的换电站去换电。这种方式主要依赖于用户自身的判断能力,存在用户赶到换电站时,电池已被取走的问题,从而会降低换电效率,影响用户体验。
因此,业内亟需一种可以解决上述问题的技术方案。
发明内容
本说明书实施例提供了一种为电助力车换电的方法、装置及设备,可以高效准确的为用户确定可换电的电池柜,从而避免当用户赶到电池柜时,电池已被取走的问题。
本说明书提供的为电助力车换电的方法、装置及设备是通过以下方式实现的。
一种为电助力车换电的方法,包括:在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;接收所述服务器反馈的换电策略信息;所述换电策略信息是所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定;判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;所述预约请求用于锁定所述目标电池柜中第一电池,所述第一电池用于替换所述目标电助力车中的电池;响应所述用户的控制指令,向所述目标电池柜所在地移动,以从所述目标电池柜获取所述第一电池进行换电。
一种为电助力车换电的方法,包括:接收目标电助力车发送的预约请求;所述预约请求是所述目标电助力车确定服务器反馈的换电策略信息中包括为所述目标电助力车换电的目标电池柜的信息时发送的;所述换电策略信息是所述服务器接收所述目标电助力车发送的换电请求后,基于所述目标电助力车和电池柜上传的心跳数据确定的;所述换电请求是所述目标电助力车在检测到电池电量低于预设阈值的情况下向所述服务器发送的;基于所述预约请求锁定第一电池;所述第一电池用于替换所述目标电助力车中的电池;判断在第三预设时间内所述第一电池是否被更换为所述目标电助力车中的电池;确定未更换时,释放所述第一电池。
一种为电助力车换电的方法,包括:目标电助力车在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定换电策略信息;所述服务器将所述换电策略信息反馈给所述目标电助力车;所述目标电助力车判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;所述目标电池柜基于所述预约请求锁定所述目标电池柜中的第一电池;所述第一电池用于替换所述目标电助力车中的电池;所述目标电池柜判断在预设时间内所述第一电池是否被更换为所述目标电助力车中的电池,确定未更换时,释放所述第一电池。
一种为电助力车换电的装置,包括:第一发送模块,用于在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;第一接收模块,用于接收所述服务器反馈的换电策略信息;所述换电策略信息是所述服务器基于目标电助力车和电池柜上传的心跳数据确定;第一判断模块,用于判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;第二发送模块,用于确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;所述预约请求用于锁定所述目标电池柜中第一电池,所述第一电池用于替换所述目标电助力车中的电池;换电模块,用于响应所述用户的控制指令,向所述目标电池柜所在地移动,以从所述目标电池柜获取所述第一电池进行换电。
一种为电助力车换电的装置,包括:第二接收模块,用于接收目标电助力车发送的预约请求;所述预约请求是所述目标电助力车确定服务器反馈的换电策略信息中包括为所述目标电助力车换电的目标电池柜的信息时发送的;所述换电策略信息是所述服务器接收所述目标电助力车发送的换电请求后,基于所述目标电助力车和电池柜上传的心跳数据确定的;所述换电请求是所述目标电助力车在检测到电池电量低于预设阈值的情况下向所述服务器发送的;第一锁定模块,用于基于所述预约请求锁定第一电池;所述第一电池用于替换所述目标电助力车中的电池;第二判断模块,用于判断在第三预设时间内所述第一电池是否被更换为所述目标电助力车中的电池;第一释放模块,用于确定未更换时,释放所述第一电池。
一种为电助力车换电的装置,包括:第三发送模块,用于目标电助力车在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;确定模块,用于所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定换电策略信息;反馈模块,用于所述服务器将所述换电策略信息反馈给所述目标电助力车;第三判断模块,用于所述目标电助力车判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;第二锁定模块,用于所述目标电池柜基于所述预约请求锁定所述目标电池柜中的第一电池;所述第一电池用于替换所述目标电助力车中的电池;第二释放模块,用于所述目标电池柜判断在预设时间内所述第一电池是否被更换为所述目标电助力车中的电池,确定未更换时,释放所述第一电池。
一种为电助力车换电的设备,包括处理器及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例的步骤。
一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现本说明书实施例中任意一个方法实施例的步骤。
本说明书提供的一种为电助力车换电的方法、装置及设备。一些实施例中可以在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求,然后接收服务器反馈的换电策略信息。进一步可以在换电策略信息中包括为目标电助力车换电的目标电池柜的信息时,基于用户对换电策略信息的确定操作,向目标电池柜发送预约请求,还可以响应用户的控制指令,移动到目标电池柜所在地进行换电。由于换电策略信息是基于电池柜预测模型确定的,而电池柜预测模型是基于距离预测模型获得的电助力车可骑行距离和换电概率预测模型获得的电池柜可换电概率对第三深度神经网络训练获得,距离预测模型和换电概率预测模型是利用预设时间内电助力车和电池柜的心跳数据分别对第一深度神经网络和第二深度神经网络训练获得,使得利用本申请方案提供的换电策略相比现有技术中随机找一个有电池的电池柜去换电效率更高,准确度更高。采用本说明书提供的实施方案,可以高效准确的为用户确定可换电的电池柜。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,并不构成对本说明书的限定。在附图中:
图1是本说明书提供的一种为电助力车确定换电电池柜的方法的一个场景示意图;
图2是本说明书提供的一种为电助力车换电的方法的一个实施例的流程示意图;
图3是本说明书提供的一种确定换电策略信息的一个实施例的流程示意图;
图4是本说明书提供的一种电池柜预测模型的训练方法的一个实施例的流程示意图;
图5是本说明书提供的一种训练电池柜预测模型的框架图;
图6是本说明书提供的一种为电助力车换电的方法的一个实施例的流程示意图;
图7是本说明书提供的一种为电助力车换电的装置的一个实施例的模块结构示意图;
图8是本说明书提供的一种为电助力车换电的装置的一个实施例的模块结构示意图;
图9是本说明书提供的一种为电助力车换电的装置的一个实施例的模块结构示意图;
图10是本说明书提供的一种为电助力车换电的服务器的一个实施例的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书中的一部分实施例,而不是全部的实施例。基于本说明书中的一个或多个实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书实施例保护的范围。
本说明书实施例提供一种为电助力车确定换电电池柜的方法,该方法具体可以应用于至少包含有服务器、电助力车和电池柜的系统中。其中,上述电助力车、电池柜可以配置有包含了诸如信号收发器、处理器等的控制组件或智能插件(例如,TBOX插件等)。上述系统中电助力车和电池柜的数量至少为一个。
如图1所示,图1是本说明书提供的一种为电助力车确定换电电池柜的方法的一个场景示意图。其中,服务器、目标电助力车和目标电池柜可以进行数据交互。具体实施时,目标电助力车可以实时或周期性检测自身电池电量,在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求。服务器收到换电请求后,可以基于目标电助力车和电池柜上传的心跳数据确定换电策略信息,进而将确定的换电策略信息反馈给目标电助力车。目标电助力车在收到换电策略信息后,可以判断换电策略信息中是否包括为目标电助力车换电的目标电池柜的信息,确定包括时,可以基于用户对换电策略信息的确定操作,向目标电池柜发送预约请求。目标电池柜收到预约请求后,可以基于预约请求锁定目标电池柜中的第一电池,然后判断在预设时间内第一电池是否被更换为目标电助力车中的电池,确定未更换时,释放第一电池。其中,第一电池可以用于替换目标电助力车中的电池。
本实施场景中,电助力车和电池柜可以周期性的向服务器上传心跳数据。本实施场景中,服务器中可以预先保存训练好的距离预测模型、换电概率预测模型、电池柜预测模型。这样,服务器可以将目标电助力车和电池柜上传的心跳数据输入距离预测模型、换电概率预测模型获得电助力车可骑行距离、电池柜可换电概率,进一步将电助力车可骑行距离和电池柜可换电概率输入电池柜预测模型,从而确定换电策略信息。其中,电池柜预测模型可以确定换电策略信息,换电策略信息可以为电助力车确定可换电的电池柜。距离预测模型可以用于预测电助力车在电池电量低于预设阈值时还可以骑行的距离。换电概率预测模型可以在电助力车的电池电量低于预设阈值时,预测电池柜可以为电助力车提供电池的概率。
下面以一个具体的应用场景为例对本说明书实施方案进行说明。具体的,图2是本说明书提供的一种为电助力车换电的方法的一个实施例的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。
本说明书提供的一种实施方案可以应用到电助力车等中。所述电助力车可以包括租赁或管理等平台提供给用户使用的设备。所述电助力车可以包括通过电力驱动的车辆,如两轮电动车、三轮电动车等,如,哈啰单车、电瓶车等。所述电助力车可以包括通信模块,可以与服务器、电池柜等进行通信连接,实现数据传输。
需要说明的是,本说明书实施例可以应用到外卖送餐、代驾等对电助力车换电的场景中。当然,下述实施例描述并不对基于本说明书的其他可扩展到的应用场景中的技术方案构成限制。具体的一种实施例如图2所示,本说明书提供的一种为电助力车换电的方法的一种实施例中,所述方法可以包括以下步骤。
S0:在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求。
本说明书实施例中,预设阈值可以根据实际场景进行设定,例如,可以是20%、10%等,本说明书对此不做限定。目标电助力车可以为任意一电助力车。
一些实施例中,目标电助力车可以实时检测自身的电池电量,在检测到电池电量低于预设阈值的情况下,可以向服务器发送换电请求。
需要说明的是,当电助力车的电池电量低于预设阈值时,可以说明电助力车的电量较低可以开始换电了,但不一定代表立马换电,其还可以持续骑行一段时间。本说明书实施例中,可以以电助力车的电池电量低于预设阈值时对应的心跳为触发点触发换电事件,进而向服务器发送换电请求。
S2:接收所述服务器反馈的换电策略信息;所述换电策略信息是所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定。
本说明书实施例中,换电策略信息中可以包括电池柜的信息,也可以不包括电池柜的信息。电池柜的信息可以包括电池柜所在地、电柜号、格口号、电池号等。当包括电池柜的信息时,可以表示建议到电池柜换电,当不包括电池柜的信息时,表示当前不建议换电。例如,换电策略信息中包括电池柜1的信息,则可以表示建议到电池柜1换电,换电策略信息中不包括电池柜的信息,则可以表示暂不建议换电。这样,根据换电策略信息可以知道是否现在换电以及如何换电。
本说明书实施例中,电池柜可以称为电柜、换电柜等,其可以为电助力车提供电池。电池柜中可以存放一个或多个电池,也可以为电池充电等。电池柜可以包括通信模块,实现与服务器的数据传输。心跳数据是电助力车或电池柜每隔一段时间上报的数据,其可以用来表明自己当前的状态。例如,电池柜中的电池在充电的过程中可以每隔一段时间上报一次表示自己当前状态的数据。例如,可以是1分钟上传一次,也可以是五分钟上传一次等,具体的上传频率可以根据实际需要设定,本说明书对此不作限定。
一些实施例中,电助力车和电池柜可以周期性的向服务器上传心跳数据。例如一些实施场景中,电助力车可以每一个周期上报一次车子的基本信息,例如,车子电池的电量、车子此时的地理位置、车子按照过去五分钟的行驶情况能继续行驶的分钟和里程等。同样,电池柜可以每一个周期上报一次充电电池的基本信息,包括地理位置、柜子里的电池数目、电池电量等。其中,周期可以根据实际场景进行设定,例如,2分钟、3分钟等,本说明书对此不作限定。
一些实施例中,电助力车上报的心跳数据可以包括城市、geohash、经纬度、电压、电流、温度、电量、派送订单服务区域等。电池柜上报的心跳数据可以包括城市、geohash、经纬度、电柜号、格口号、电池号、电压、电流、温度、电量等。服务器可以实时获取路况、天气等数据。其中,geohash是一种对经纬度地址的编码,可以唯一标识该地址在地图上的物理位置。
本说明书实施例中,服务器在接收到换电请求后,可以基于目标电助力车和电池柜上传的心跳数据为目标电助力车确定换电策略信息,进而将确定的换电策略信息反馈给目标电助力车。
如图3所示,图3是本说明书提供的一种确定换电策略信息的一个实施例的流程示意图,具体可以包括以下步骤。
S21:对所述目标电助力车和电池柜上传的心跳数据进行特征提取,获得特征数据。
其中,特征数据可以用于后续为目标电助力车确定换电策略信息。
一些实施例中,由于电助力车和电池柜上报的心跳数据中有的是离散变量(如城市),有的是连续变量(如温度),所以在对心跳数据进行特征提取前,可以将心跳数据划分为第一数值特征数据和第一类别特征数据。其中,第一数值特征数据可以理解为连续变量,第一类别特征数据可以理解为离散变量。所述第一数值特征数据可以包括以下至少之一:电压、电流、温度、电量。所述第一类别特征数据可以包括以下至少之一:城市、经纬度、电柜号、格口号、电池号。
一些实施例中,将心跳数据划分为第一数值特征数据和第一类别特征数据后,可以进一步将第一数值特征数据和第一类别特征数据进行交叉,获得交叉结果数据。其中,对特征数据进行交叉,可以捕捉特征之间的关联信息。
一些实施场景中,所述将第一数值特征数据和第一类别特征数据进行交叉,获得交叉结果数据,可以包括:对所述第一类别特征数据进行onehot编码;对onehot编码后的数据,进行特征embedding,获得第二数值特征数据;将所述第一数值特征数据和所述第二数值特征数据进行交叉,得到交叉结果数据。其中,onehot编码又称“独热编码”,可以用N位状态寄存器编码N个状态,每个状态都有独立的寄存器位,且这些寄存器位中只有一位有效。embedding可以将过于稀疏、过度占用资源的特征转换为固定尺寸的稠密向量。
一些实施例中,对所述心跳数据进行特征提取前,还可以将心跳数据中包括的第一数值特征数据做哈希编码,得到哈希结果数据,然后对哈希结果数据进行分桶处理,得到第二类别特征数据,进一步可以将所述第一类别特征数据和所述第二类别特征数据进行交叉,将交叉后的数据进行onehot编码,对onehot编码后的数据,进行特征embedding,获得交叉结果数据。
一些实施场景中,可以通过哈希算法进行哈希编码。例如,可以通过MurMurHash算法进行哈希编码。哈希算法是将任意长度的二进制值映射为较短的固定长度的二进制值,这个小的二进制值称为哈希值。哈希算法可以将任意数据通过一个函数转换成长度固定的数据串(通常用16进制的字符串表示),函数与数据串之间形成一一映射的关系。其中,MurmurHash是一种非加密型哈希函数,适用于一般的哈希检索操作,该算法可以使生成的哈希值分布非常均匀。
一些实施场景中,在对哈希后得到的数据进行分桶时,可以采用等频分桶,以保证每个桶内的特征数量大致相同,即比较均匀。其中,等频分桶是将观察点均匀分为n等份,每份内包含的观察点数相同。通过哈希分桶,可以对数据降维,从而极大地简化计算量,提高对数据的处理效率。
一些实施场景中,对数值特征经过哈希分桶后,可以将数值特征变为类别特征。此时可以将其与心跳数据中包括的类别特征做交叉,以捕捉特征之间的关联信息。进一步,可以对交叉后的数据进行onehot编码,对onehot编码后的数据,进行特征embedding,得到交叉结果数据。
一些实施例中,在获得交叉结果数据后,可以进行特征提取。一些实施例中,对所述心跳数据进行特征提取,获得特征数据,可以包括:将所述交叉结果数据输入DeepFM模型,获得第一特征数据和第二特征数据;利用concat将所述第一特征数据和所述第二特征数据进行融合,获得特征数据。其中,DeepFM是通过将Wide&Deep learning中Wide部分的逻辑回归(LR)部分替换成FM,从而改进了原模型依然需要人工特征工程的缺点,得到一个endto end(端到端)的深度学习模型。Wide&Deep Learning是Google提出的一种深度模块和广度模块结合的神经网络模型,其将宽线性模型(Wide Model)和深度神经网络模型(DeepModel)结合。Wide端通常将常见的离散特征、低维特征组合作为输入,Deep端通常将离散特征通过embedding方法转化成稠密特征向量输入。FM是一种特征组合方法,可以通过对每一维特征的隐向量内积来提取特征组合。concat可以将两个及以上的特征数据进行拼接。
本说明书实施例中,通过对目标电助力车和电池柜上传的心跳数据进行特征提取,可以为后续更准确的确定换电策略信息提供保障。
S22:将所述特征数据输入电池柜预测模型,获得换电策略信息;其中,所述电池柜预测模型是基于距离预测模型获得的电助力车可骑行距离和换电概率预测模型获得的电池柜可换电概率对第三深度神经网络训练获得;所述距离预测模型和所述换电概率预测模型是利用第一预设时间内电助力车和电池柜的心跳数据分别对第一深度神经网络和第二深度神经网络训练获得;所述第一深度神经网络、所述第二深度神经网络、所述第三深度神经网络的激活函数不同。
本说明书实施例中,在获得特征数据后,可以将特征数据输入电池柜预测模型,获得换电策略信息,从而确定可为目标电助力车换电的电池柜。其中,第一深度神经网络、第二深度神经网络、第三深度神经网络中可以包括输入层、隐含层、激活层、输出层等。隐含层的数量可以根据实际场景设定。电池柜预测模型可以确定换电策略信息,换电策略信息可以为电助力车确定可换电的电池柜。距离预测模型可以用于预测电助力车在电池电量低于预设阈值时还可以骑行的距离。换电概率预测模型可以在电助力车的电池电量低于预设阈值时,预测电池柜可以为电助力车提供电池的概率。其中,第一预设时间可以为电助力车电池电量低于预设阈值后的第一次心跳时间至电助力车完成换电前最后一次心跳时间,还可以为电助力车电池电量低于预设阈值后的第n次心跳时间至电助力车完成换电前最后一次心跳时间等。当然,上述只是进行示例性说明,第一预设时间不限于上述举例,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
一些实施例中,可以预先利用第一预设时间内电助力车和电池柜的心跳数据对深度神经网络进行训练,获得距离预测模型、换电概率预测模型、电池柜预测模型,然后将其存储在服务器中。这样,在获得目标电助力车的特征数据后,可以直接将其输入距离预测模型、换电概率预测模型获得电助力车可骑行距离、电池柜可换电概率。进一步,可以将电助力车可骑行距离和电池柜可换电概率输入电池柜预测模型,确定换电策略信息。
如图4所示,图4是本说明书提供的一种电池柜预测模型的训练方法的一个实施例的流程示意图,所述方法可以包括以下步骤。
S221:获取第一预设时间内电助力车和电池柜的心跳数据;所述第一预设时间为所述电助力车电池电量低于预设阈值后的第一次心跳时间至所述电助力车完成换电前最后一次心跳时间;
S222:对所述心跳数据进行特征提取,获得特征数据;
S223:将所述特征数据分别输入第一深度神经网络和第二深度神经网络进行训练,获得电助力车可骑行距离和电池柜可换电概率;
S224:利用所述电助力车可骑行距离和所述电池柜可换电概率,对第三深度神经网络进行训练,获得电池柜预测模型;其中,所述第一深度神经网络、所述第二深度神经网络、所述第三深度神经网络的激活函数不同。
本实施例中,心跳数据可以包括:第一数值特征数据和第一类别特征数据;其中,所述第一数值特征数据包括以下至少之一:电压、电流、温度、电量,所述第一类别特征数据包括以下至少之一:城市、经纬度、电柜号、格口号、电池号。
本实施例中,可以从历史的换电数据中选择心跳数据作为训练数据,这样就不用从零开始制作训练数据。例如一些实施场景中,可以从历史的订单数据中筛选用户标签为合作的用户,然后选出2万条成功换电的车子和柜子的心跳数据合并为训练数据。其中,选择心跳数据时可以考虑两个时间节点:一个是电池电量低于预设阈值后的第一次车子和柜子的心跳时间,另一个是车子完成换电前的最后一次车子和柜子的心跳时间。本实施场景中,车子的心跳数据可以包括:城市,服务区域,车子电池电量低于预设阈值后首次心跳时对应的经纬度、电压、电流、电量,车子换电前最后一次心跳时对应的经纬度、电压、电流、电量,距离车子电池电量低于预设阈值时的骑行里程和骑行时间等。柜子的心跳数据可以包括:城市,服务区域,柜子中电池数目、电压、电流、电量等。
本实施例中,获取心跳数据后,可以将心跳数据划分为第一数值特征数据和第一类别特征数据。其中,第一数值特征数据可以理解为连续变量,第一类别特征数据可以理解为离散变量。
进一步,可以将所述第一数值特征数据和所述第一类别特征数据进行交叉,获得交叉结果数据。一些实施例中,将所述第一数值特征数据和所述第一类别特征数据进行交叉,获得交叉结果数据,可以包括:对所述第一类别特征数据进行onehot编码;对onehot编码后的数据,进行特征embedding,获得第二数值特征数据;将所述第一数值特征数据和所述第二数值特征数据进行交叉,得到交叉结果数据。
本实施例中,在获得交叉结果数据后,可以将所述交叉结果数据输入DeepFM模型,获得第一特征数据和第二特征数据;利用concat将所述第一特征数据和所述第二特征数据进行融合,获得特征数据。由于利用DeepFM模型进行特征提取时可以同时考虑低维和高维的特征之间的关联性,使得训练获得模型更准确。
本实施例中,在获得特征数据后,可以将特征数据作为样本数据对深度神经网络进行训练。以上述实施场景为例,获得的特征数据可以包括20000条,此时,可以将20000样本数据中的5000样本数据作为验证集,15000样本数据作为训练集。其中,训练集用来训练模型;验证集用来验证训练模型的准确率,防止模型发生过拟合。这样,将训练集中样本数据分别输入第一、第二深度神经网络中训练,可以获得距离预测模型和换电概率预测模型。当然,在训练过程中,每条样本数据通过深度神经网络后均会有相应的输出,此时,可以将两个深度神经网络的输出作为第三深度神经网络的输入,进而可以对第三深度神经网络进行训练,获得电池柜预测模型。本实施例中,第一深度神经网络的激活函数为线性函数,第二深度神经网络的激活函数为Sigmoid函数,第三深度神经网络的激活函数为Softmax函数。其中,Sigmoid函数可以用于隐层神经元输出,其可以将一个实数映射到(0,1)区间。Softmax函数可以用于多分类过程中,可以将多个神经元的输出映射到(0,1)区间内。当然,上述只是进行示例性说明,深度神经网络的激活函数不限于上述举例,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
本实施例中,模型训练过程中,可以使用网格搜索和交叉验证的方法调整模型参数,获得规定参数范围内最优的参数组合。其中,网格搜索(Grid Search)是一种调优方法,其可以在参数列表中进行穷举搜索,对每种情况进行训练,找到最优的参数。交叉验证(Cross Validation)可以将原始样本数据(dataset)进行分组,一部分作为训练集(trainset),另一部分作为验证集(validation set or test set),然后用训练集对分类器进行训练,再利用验证集测试训练得到的模型(model),以此来评价分类器的性能。当然,上述只是进行示例性说明,调整模型参数的方式不限于上述举例,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
本实施例中,利用第一预设时间内电助力车和电池柜的心跳数据对第一深度神经网络进行训练,获得距离预测模型时,训练数据的标签可以基于电助力车电池电量低于预设阈值时的位置到换电柜之间的距离确定。利用第一预设时间内电助力车和电池柜的心跳数据对第二深度神经网络进行训练,获得换电概率预测模型时,训练数据的标签可以根据换电所花费时间等手动为每条样本数据标记一个合理换电的分数,该分数可以是0-1之间的数值。利用电助力车可骑行距离、电池柜可换电概率对第三深度神经网络进行训练,获得电池柜预测模型时,训练数据的标签可以包括成功换电所对应的柜子编号和没有去任何柜子换电的标记,例如,利用电助力车可骑行距离、电池柜可换电概率对第三深度神经网络进行训练时的标签可以是0、1、2、3等,其中,0可以表示没有去任何柜子换电,1可以表示去柜子1换电,2可以表示去柜子2换电,3可以表示去柜子3换电。当然,上述只是进行示例性说明,标签的设定方式不限于上述举例,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
一些实施例中,可以基于multi-task算法,将训练集中样本数据分别输入第一、第二深度神经网络中进行多任务训练。其中,multi-task算法是一种多任务学习算法,多任务学习是一种联合学习,多个任务并行学习,结果相互影响。
一些实施例中,在根据电池柜预测模型为电助力车确定换电策略信息后,可以根据实际换电信息更新距离预测模型、换电概率预测模型、电池柜预测模型,从而提高后续预测换电策略信息的准确度。
本说明书实施例,结合深度神经网络,可以有效捕捉特征之间深层次的关联,提高提供换电策略的效率和准确度,从而提高用户体验。
本说明书实施例,通过对深度神经网络训练获得电池柜预测模型,可以准确的为用户确定换电策略,从而可以在有效解决分散电助力车电池错峰使用问题的同时,使电助力车里的电池得到充分使用、换电柜里有限电池得到有效利用。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参加即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
如图5所示,图5是本说明书提供的一种训练电池柜预测模型的框架图。具体的,首先可以获取第一预设时间内电助力车和电池柜的心跳数据,其中,第一预设时间为电助力车电池电量低于预设阈值后的第一次心跳时间至电助力车完成换电前最后一次心跳时间,然后将获取的心跳数据划分为类别特征数据(记为类别特征)和数值特征数据(记为数值特征),并对类别特征进行特征处理,进而将特征处理后的数据和数值特征进行交叉,得到交叉结果数据。其中,对类别特征进行特征处理包括onehot、embedding。进一步,可以对交叉结果数据进行特征提取。具体的,可以将交叉结果数据输入DeepFM模型(图中为deepfm),获得第一特征数据和第二特征数据,然后利用concat将第一特征数据和第二特征数据进行融合,获得特征数据。其中,将交叉结果数据输入DeepFM模型后可以通过FM层获得第一特征数据,通过DNN获得第二特征数据。其中,DNN为多层感知机神经网络。
在获得特征数据后,可以基于multi-task算法,将特征数据分别输入第一、第二深度神经网络中进行多任务训练,从而预测出电助力车剩余电量还能骑行的距离和预测要换电的时机有合适电池的概率。进一步,可以将上述第一、第二深度神经网络输出层输出的数据作为第三深度神经网络的输入,对第三深度神经网络进行训练,获得电池柜预测模型。其中,在获得电池柜预测模型后,可以将训练第一深度神经网络获得的模型记为距离预测模型,将训练第二深度神经网络获得的模型记为换电概率预测模型。其中,第一、第二、第三深度神经网络中可以包括一个输入层、两个隐含层、一个激活层和一个输出层。第一深度神经网络中的激活层对应的函数为线性激活函数,第二深度神经网络中的激活层对应的函数为Sigmoid激活函数,第三深度神经网络中的激活层对应的函数为Softmax激活函数。Softmax激活函数可以理解为是一个多分类器,这样,通过Softmax激活函数,可以输出分类结果。分类结果可以理解为是换电策略信息。换电策略信息可以表示是否现在换电以及如何换电。如输出分类结果可以包括电柜1、电柜2、电柜3、……以及空中的任意一个。其中,电柜1可以表示建议用户前往1号电柜换电,电柜2可以表示建议用户前往2号电柜换电,空可以表示暂无换电柜,建议用户此时不换电。
本说明书实施例,通过将为用户提供换电策略问题转化为一个多分类问题,如该城市有n个换电柜,去每个换电柜为一个选项,加上暂不换电选项,可以将问题转化为一个n+1类别的分类问题,标签分别为1,2,…,n+1,这样,可以提高换电效率的同时,保证提供的换电策略的准确度。
一些实施例中,服务器基于目标电助力车和电池柜上传的心跳数据为目标电助力车确定换电策略信息后,可以将确定的换电策略信息反馈给目标电助力车。
S4:判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息。
本说明书实施例中,目标电助力车在接收服务器反馈的换电策略信息后,可以判断换电策略信息中是否包括为目标电助力车换电的目标电池柜的信息。
一些实施例中,当换电策略信息中包括电池柜的信息时,可以表示建议到电池柜换电,当换电策略信息中不包括电池柜的信息时,可以表示当前不建议换电。例如,换电策略信息中包括电池柜1的信息时,则可以表示建议到电池柜1换电,换电策略信息中不包括电池柜的信息,如为空时,则可以表示暂不建议换电,换电策略信息中包括电池柜2的信息,则可以表示建议到电池柜2换电。
一些实施例中,在确定换电策略信息中不包括为目标电助力车换电的目标电池柜的信息时,可以等待第二预设时间,向服务器重新发送换电请求,从而重新接收服务器反馈的换电策略信息。相应的,可以再次判断换电策略信息中是否包括为目标电助力车换电的目标电池柜的信息,直至确定换电策略信息中包括为目标电助力车换电的目标电池柜的信息。第二预设时间可以根据时间场景设定,例如,可以是下次心跳对应的时间,也可以是隔一次心跳对应的时间等,本说明书对此不作限定。
S6:确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;所述预约请求用于锁定所述目标电池柜中第一电池,所述第一电池用于替换所述目标电助力车中的电池。
本说明书实施例中,目标电助力车在确定换电策略信息中包括为目标电助力车换电的目标电池柜的信息时,可以基于用户对换电策略信息的确定操作,向目标电池柜发送预约请求。其中,第一电池可以是换电策略信息中电池柜中包括的任意一个满电电池或者任意一个电池电量高于预设电量的电池等。预设电量可以根据实际场景设定,本说明书对此不作限定。第一电池可以用于替换目标电助力车中的电池。
一些实施例中,换电策略信息中包括电池柜的信息,可以表示服务器建议的换电策略,但实际场景中,还需要基于用户对换电策略信息的操作,确定是否进行换电。例如,用户在收到换电策略信息时可以选择接受,也可以选择不接受。
一些实施例中,换电策略信息中包括电池柜的信息时,用户对换电策略信息的操作可以包括确定操作和取消操作。其中,确定操作可以表示用户确定根据服务器反馈的换电策略信息进行换电,取消操作可以表示用户放弃换电。例如,用户收到换电策略信息时可能有更重要的事,此时用户可以对换电策略信息进行取消操作,从而放弃换电。
一些实施例中,用户对换电策略信息进行确定操作后,目标电助力车可以向换电策略信息中包括的电池柜发送预约请求,从而预约该电池柜中电池。其中,第一电池可以是换电策略信息中电池柜中包括的任意一个满电电池或者任意一个电池电量高于预设电量的电池等。预设电量可以根据实际场景设定,本说明书对此不作限定。第一电池可以用于替换目标电助力车中的电池。
一些实施例中,用户对换电策略信息进行取消操作后,目标电助力车可以等待预设时间后重新向服务器发送换电请求。具体的,例如一些实施场景中,当用户选择不接受换电策略信息时,可以不做回应,等待5秒后重新向服务器发送换电请求,并重新接收服务器反馈的换电策略信息。一些实施场景中,当用户点击换电策略信息时,可以表示该用户接受了该换电策略信息,此时,目标电助力车可以向换电策略信息中包括的目标电池柜发送预约请求,以使目标电池柜为目标电助力车锁定一个可更换电池。
一些实施例中,目标电助力车在向目标电池柜发送预约请求后,还可以接收目标电池柜反馈的预约成功消息。其中,预约成功消息中可以包括预约起始时间、预约电池锁定时长、电池柜所在地、电柜号、格口号、电池号等。预约起始时间为电池柜接收到预约请求时对应的时间。预约电池锁定时长可以理解为换电时间。
本说明书实施例中,由于用户在接受换电策略信息后,可以进行电池预定,从而可以有效避免电助力车中电池电量的浪费,提高换电柜中满电电池的利用率,避免在高峰期无电可换等事件的发生。
S8:响应所述用户的控制指令,向所述目标电池柜所在地移动,以从所述目标电池柜获取所述第一电池进行换电。
本说明书实施例中,目标电助力车在向目标电池柜发送预约请求后,可以响应用户的控制指令前往目标电池柜所在地换电。其中,控制指令可以包括加速、加速、左转、右转等。
一些实施例中,基于用户对目标电助力车的操作,可以生成控制指令,如,捏闸可以生成刹车指令,旋转转把可以生成加速或减速指令等。这样,目标电助力车可以响应用户的控制指令,进行加速、减速、左转等,进而行驶到目标电池柜所在地进行换电。
一些实施例中,目标电助力车在向目标电池柜所在地移动过程中,还可以判断在第三预设时间内目标电助力车中的电池是否被更换为第一电池;确定更换为第一电池时,可以向服务器发送结束换电请求,以使服务器停止为目标电助力车生成换电策略信息。
一些实施例中,判断在第三预设时间内目标电助力车中的电池是否被更换为第一电池,还可以包括:确定未更换为第一电池时,可以判断在第四预设时间内目标电助力车是否向目标电池柜发送预约延迟请求;确定未发送预约延迟请求时,可以等待第五预设时间,向服务器重新发送换电请求;相应的,可以重新接收服务器反馈的换电策略信息,并判断换电策略信息中是否包括为目标电助力车换电的目标电池柜的信息。其中,预约延迟请求可以用于延长对第一电池的锁定时间。其中,第四预设时间可以是从目标电池柜接收到预约请求时开始计时,也可以是从目标电池柜接收到预约请求到过了第三预设时间内的任意时刻开始计时,还可以是从目标电池柜接收到预约请求后过了第三预设时间后的时刻开始计时,具体可以根据实际场景设定,本说明书对此不做限定。第五预设时间可以是从目标电池柜接收到预约请求到过了第三预设时间后的任意时刻开始,具体可以根据时间场景设定,例如,可以是从目标电池柜接收到预约请求到过了第三预设时间后的下次心跳对应的时间,也可以是隔一次心跳对应的时间等,本说明书对此不作限定。
一些实施例中,判断在第四预设时间内目标电助力车是否向目标电池柜发送预约延迟请求,还可以包括:确定发送预约延迟请求时,判断在第六预设时间内目标电助力车中的电池是否被更换为第一电池;相应的,确定更换为所述第一电池时,可以向服务器发送结束换电请求,以使服务器停止为目标电助力车生成换电策略信息。
一些实施场景中,第三预设时间、第六预设时间均可以是从目标电池柜接收到预约请求时开始计时,此时,第六预设时间大于第三预设时间。例如,第三预设时间为3分钟,第六预设时间为5分钟,目标电池柜接收预约请求的时间为11:35,则判断在第六预设时间内第一电池是否被更换为目标电助力车中的电池是指判断11:35至11:40内第一电池是否被更换为目标电助力车中的电池。
一些实施场景中,第三预设时间可以是从目标电池柜接收到预约请求时开始计时,第六预设时间可以是从目标电池柜接收到预约延迟请求时开始计时,此时,第六预设时间可以大于或等于或小于第三预设时间。当然,上述只是进行示例性说明,第三预设时间、第六预设时间的设定不限于上述举例,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
例如一些实施场景中,目标电助力车在向目标电池柜所在地移动过程中,可能会有其它重要事要处理,这样在预约电池锁定时长内目标电助力车会到达不了目标电池柜所在地,此时,目标电助力车可以向目标电池柜发送的预约延迟请求,以便目标电池柜延长预约电池的锁定时长。其中,每个电助力车向电池柜发送预约延迟请求的次数可以不同,也可以相同,例如3次、5次等,具体可以根据实际场景设定,本说明书对此不作限定。一些实施场景中,每个电助力车向电池柜发送预约延迟请求的次数可以根据用户画像的信用评级确定,如用户画像的信用评级高的用户的预约延迟请求的次数可以比用户画像的信用评级低的用户的预约延迟请求的次数多。
本说明书实施例,结合深度神经网络将为用户提供换电策略问题转化为一个多分类问题,这样,用户可以根据自己的实际安排确定是否接受换电策略,从而提高换电效率。在用户没接受策略时可以再次提供换电策略,从而可以保持整个体系的完整性,降低试错成本和运营成本,为提高电池充电效率和降低电池充电故障造成风险提供重要的技术支持。
上述实施例从目标电助力车角度描述的为电助力车换电的方法的实施方案。基于上述实施例描述,本说明书还提供一种从目标电池柜角度描述的为电助力车换电的方法。图6是本说明书提供的一种为电助力车换电的方法的一个实施例的流程示意图。具体的,所述方法可以包括以下步骤。
S10:接收目标电助力车发送的预约请求;所述预约请求是所述目标电助力车确定服务器反馈的换电策略信息中包括为所述目标电助力车换电的目标电池柜的信息时发送的;所述换电策略信息是所述服务器接收所述目标电助力车发送的换电请求后,基于所述目标电助力车和电池柜上传的心跳数据确定的;所述换电请求是所述目标电助力车在检测到电池电量低于预设阈值的情况下向所述服务器发送的;
S12:基于所述预约请求锁定第一电池;所述第一电池用于替换所述目标电助力车中的电池;
S14:判断在第三预设时间内所述第一电池是否被更换为所述目标电助力车中的电池;
S16:确定未更换时,释放所述第一电池。
一些实施例中,目标电池柜在接收到目标电助力车发送的预约请求后,可以基于预约请求锁定第一电池。其中,锁定第一电池可以防止第一电池在预定时间内被除发送预约请求的目标电助力车外的其他电助力车取走。第一电池可以是换电策略信息中电池柜中包括的任意一个满电电池或者任意一个电池电量高于预设电量的电池等。预设电量可以根据实际场景设定,本说明书对此不作限定。第一电池可以用于替换目标电助力车中的电池。
一些实施例中,目标电池柜在接收到目标电助力车发送的预约请求后,可以为目标电助力车设定一个换电时间。当用户在该换电时间内没有进行换电,则可以取消电池预订,释放电池,接受其他用户对该电池的预定。其中,换电时间可以理解为预约电池锁定时长,其可以根据实际场景进行设定,例如,可以是5分钟、10分钟等,本说明书对此不作限定。
一些实施例中,目标电池柜在接收到目标电助力车发送的预约请求后,还可以为预约成功的电池设定预设标识,并向目标电助力车反馈预约成功消息。这样,可以防止其他电助力车重复预约。预设标识可以是字符、字母、数字、图标等中一种或多种,本说明书对此不作限定。其中,预约成功消息中可以包括预约起始时间、预约电池锁定时长、电池柜所在地、电柜号、格口号、电池号等。预约起始时间为电池柜接收到预约请求时对应的时间。预约电池锁定时长可以理解为换电时间。
一些实施例中,目标电池柜基于所述预约请求锁定第一电池后,还可以接收所述目标电助力车发送的预约延迟请求;所述预约延迟请求用于延长对所述第一电池的锁定时间;判断在第六预设时间内所述第一电池是否被更换为所述目标电助力车中的电池;确定未更换时,释放所述第一电池。
例如一些实施场景中,目标电池柜在接收到目标电助力车发送的预约延迟请求后,可以将预约电池锁定时长从5分钟延长至8分钟。进一步,将预约电池锁定时长延长至8分钟后,可以判断从接收到预约请求后的8分钟内电池柜中的第一电池是否被更换为目标电助力车中的电池,确定未更换时,可以释放第一电池,以便其他电助力车进行预约。其中,每个电助力车向电池柜发送预约延迟请求的次数可以不同,也可以相同,例如3次、5次等,其可有根据使用目标电助力车的用户的画像确定,还可以根据其他信息确定。
当然,上述只是进行示例性说明,本说明书实施例不限于上述举例,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
从以上的描述中,可以看出,本申请实施例可以在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求,然后接收服务器反馈的换电策略信息。进一步可以在换电策略信息中包括为目标电助力车换电的目标电池柜的信息时,基于用户对换电策略信息的确定操作,向目标电池柜发送预约请求,还可以响应用户的控制指令,移动到目标电池柜所在地进行换电。由于换电策略信息是基于电池柜预测模型确定的,而电池柜预测模型是基于距离预测模型获得的电助力车可骑行距离和换电概率预测模型获得的电池柜可换电概率对第三深度神经网络训练获得,距离预测模型和换电概率预测模型是利用预设时间内电助力车和电池柜的心跳数据分别对第一深度神经网络和第二深度神经网络训练获得,使得利用本申请方案提供的换电策略相比现有技术中随机找一个有电池的电池柜去换电效率更高,准确度更高。
基于上述所述一种为电助力车换电的方法,本说明书一个或多个实施例还提供一种为电助力车换电的装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参见前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
具体地,图7是本说明书提供的一种为电助力车换电的装置的一个实施例的模块结构示意图,如图7所示,本说明书提供的一种为电助力车换电的装置可以包括:第一发送模块120,第一接收模块122,第一判断模块124,第二发送模块126,换电模块128。
第一发送模块120,可以用于在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;
第一接收模块122,可以用于接收所述服务器反馈的换电策略信息;所述换电策略信息是所述服务器基于目标电助力车和电池柜上传的心跳数据确定;
第一判断模块124,可以用于判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;
第二发送模块126,可以用于确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;所述预约请求用于锁定所述目标电池柜中第一电池,所述第一电池用于替换所述目标电助力车中的电池;
换电模块128,可以用于响应所述用户的控制指令,向所述目标电池柜所在地移动,以从所述目标电池柜获取所述第一电池进行换电。
图8是本说明书提供的一种为电助力车换电的装置的一个实施例的模块结构示意图,如图8所示,本说明书提供的一种为电助力车换电的装置可以包括:第二接收模块210,第一锁定模块212,第二判断模块214,第一释放模块216。
第二接收模块210,可以用于接收目标电助力车发送的预约请求;所述预约请求是所述目标电助力车确定服务器反馈的换电策略信息中包括为所述目标电助力车换电的目标电池柜的信息时发送的;所述换电策略信息是所述服务器接收所述目标电助力车发送的换电请求后,基于所述目标电助力车和电池柜上传的心跳数据确定的;所述换电请求是所述目标电助力车在检测到电池电量低于预设阈值的情况下向所述服务器发送的;
第一锁定模块212,可以用于基于所述预约请求锁定第一电池;所述第一电池用于替换所述目标电助力车中的电池;
第二判断模块214,可以用于判断在第三预设时间内所述第一电池是否被更换为所述目标电助力车中的电池;
第一释放模块216,可以用于确定未更换时,释放所述第一电池。
图9是本说明书提供的一种为电助力车换电的装置的一个实施例的模块结构示意图,如图9所示,本说明书提供的一种为电助力车换电的装置可以包括:第三发送模块310,确定模块312,反馈模块314,第三判断模块316,第二锁定模块318,第二释放模块320。
第三发送模块310,可以用于目标电助力车在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;
确定模块312,可以用于所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定换电策略信息;
反馈模块314,可以用于所述服务器将所述换电策略信息反馈给所述目标电助力车;
第三判断模块316,可以用于所述目标电助力车判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;
第二锁定模块318,可以用于所述目标电池柜基于所述预约请求锁定所述目标电池柜中的第一电池;所述第一电池用于替换所述目标电助力车中的电池;
第二释放模块320,可以用于所述目标电池柜判断在预设时间内所述第一电池是否被更换为所述目标电助力车中的电池,确定未更换时,释放所述第一电池。
需要说明的,上述所述的装置根据方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书还提供一种为电助力车换电的设备的实施例,包括处理器及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时可以实现上述任意一项方法实施例。例如,所述指令被所述处理器执行时实现包括以下步骤:在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;接收所述服务器反馈的换电策略信息;所述换电策略信息是所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定;判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;所述预约请求用于锁定所述目标电池柜中第一电池,所述第一电池用于替换所述目标电助力车中的电池;响应所述用户的控制指令,向所述目标电池柜所在地移动,以从所述目标电池柜获取所述第一电池进行换电。
需要说明的,上述所述的设备根据方法或装置实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图10是本说明书提供的一种为电助力车换电的服务器的一个实施例的硬件结构框图,该服务器可以是上述实施例中的为电助力车换电的装置或为电助力车换电的设备。如图10所示,服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本领域普通技术人员可以理解,图10所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器10还可包括比图10中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如数据库或多级缓存、GPU,或者具有与图10所示不同的配置。
存储器200可用于存储应用软件的软件程序以及模块,如本说明书实施例中的为电助力车换电的方法对应的程序指令/模块,处理器100通过运行存储在存储器200内的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器200可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器200可进一步包括相对于处理器100远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输模块300包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块300可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,所述的存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果。所述存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
本说明书提供的上述为电助力车换电的方法或装置实施例可以在计算机中由处理器执行相应的程序指令来实现,如使用windows操作系统的c++语言在PC端实现、linux系统实现,或其他例如使用android、iOS系统程序设计语言在智能终端实现,以及基于量子计算机的处理逻辑实现等。
需要说明的是说明书上述所述的装置、设备根据相关方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照对应方法实施例的描述,在此不作一一赘述。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把部分模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。
本发明是参照根据本发明实施例的方法、装置、设备的流程图和/或方框图来描述的。应理解可由计算机程序指令实现,可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
本领域技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。
以上所述仅为本说明书一个或多个实施例的实施例而已,并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在权利要求范围之内。
Claims (14)
1.一种为电助力车换电的方法,其特征在于,应用于目标电助力车,所述方法包括:
在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;
接收所述服务器反馈的换电策略信息;所述换电策略信息是所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定;
判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;
确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;所述预约请求用于锁定所述目标电池柜中第一电池,所述第一电池用于替换所述目标电助力车中的电池;
响应所述用户的控制指令,向所述目标电池柜所在地移动,以从所述目标电池柜获取所述第一电池进行换电。
2.根据权利要求1所述的方法,其特征在于,所述换电策略信息通过下述方式确定:
对所述目标电助力车和电池柜上传的心跳数据进行特征提取,获得特征数据;
将所述特征数据输入电池柜预测模型,获得换电策略信息;其中,所述电池柜预测模型通过下述方式确定:获取第一预设时间内电助力车和电池柜的心跳数据;所述第一预设时间为所述电助力车电池电量低于预设阈值后的第一次心跳时间至所述电助力车完成换电前最后一次心跳时间;对所述心跳数据进行特征提取,获得特征数据;将所述特征数据分别输入第一深度神经网络和第二深度神经网络进行训练,获得电助力车可骑行距离和电池柜可换电概率;利用所述电助力车可骑行距离和所述电池柜可换电概率,对第三深度神经网络进行训练,获得电池柜预测模型;其中,所述第一深度神经网络、所述第二深度神经网络、所述第三深度神经网络的激活函数不同。
3.根据权利要求1所述的方法,其特征在于,所述判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息,还包括:
确定不包括时,等待第二预设时间,向所述服务器重新发送换电请求;
接收所述服务器反馈的换电策略信息;
相应的,判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息。
4.根据权利要求1所述的方法,其特征在于,还包括:
判断在第三预设时间内所述目标电助力车中的电池是否被更换为所述第一电池;
确定更换为所述第一电池时,向所述服务器发送结束换电请求,以使所述服务器停止为所述目标电助力车生成换电策略信息。
5.根据权利要求4所述的方法,其特征在于,所述判断在第三预设时间内所述目标电助力车中的电池是否被更换为所述第一电池,还包括:
确定未更换为所述第一电池时,判断在第四预设时间内所述目标电助力车是否向所述目标电池柜发送预约延迟请求;所述预约延迟请求用于延长对所述第一电池的锁定时间;
确定未发送预约延迟请求时,等待第五预设时间,向所述服务器重新发送换电请求;
相应的,接收所述服务器反馈的换电策略信息;判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息。
6.一种为电助力车换电的方法,其特征在于,应用于目标电池柜,所述方法包括:
接收目标电助力车发送的预约请求;所述预约请求是所述目标电助力车确定服务器反馈的换电策略信息中包括为所述目标电助力车换电的目标电池柜的信息时发送的;所述换电策略信息是所述服务器接收所述目标电助力车发送的换电请求后,基于所述目标电助力车和电池柜上传的心跳数据确定的;所述换电请求是所述目标电助力车在检测到电池电量低于预设阈值的情况下向所述服务器发送的;
基于所述预约请求锁定第一电池;所述第一电池用于替换所述目标电助力车中的电池;
判断在第三预设时间内所述第一电池是否被更换为所述目标电助力车中的电池;
确定未更换时,释放所述第一电池。
7.根据权利要求6所述的方法,其特征在于,所述换电策略信息通过下述方式确定:
对所述目标电助力车和电池柜上传的心跳数据进行特征提取,获得特征数据;
将所述特征数据输入电池柜预测模型,获得换电策略信息;其中,所述电池柜预测模型通过下述方式确定:获取第一预设时间内电助力车和电池柜的心跳数据;所述第一预设时间为所述电助力车电池电量低于预设阈值后的第一次心跳时间至所述电助力车完成换电前最后一次心跳时间;对所述心跳数据进行特征提取,获得特征数据;将所述特征数据分别输入第一深度神经网络和第二深度神经网络进行训练,获得电助力车可骑行距离和电池柜可换电概率;利用所述电助力车可骑行距离和所述电池柜可换电概率,对第三深度神经网络进行训练,获得电池柜预测模型;其中,所述第一深度神经网络、所述第二深度神经网络、所述第三深度神经网络的激活函数不同。
8.根据权利要求6所述的方法,其特征在于,所述基于所述预约请求锁定第一电池后,还包括:
接收所述目标电助力车发送的预约延迟请求;所述预约延迟请求用于延长对所述第一电池的锁定时间;
判断在第六预设时间内所述第一电池是否被更换为所述目标电助力车中的电池;
确定未更换时,释放所述第一电池。
9.一种为电助力车换电的方法,其特征在于,所述方法包括:
目标电助力车在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;
所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定换电策略信息;
所述服务器将所述换电策略信息反馈给所述目标电助力车;
所述目标电助力车判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;
所述目标电池柜基于所述预约请求锁定所述目标电池柜中的第一电池;所述第一电池用于替换所述目标电助力车中的电池;
所述目标电池柜判断在预设时间内所述第一电池是否被更换为所述目标电助力车中的电池,确定未更换时,释放所述第一电池。
10.一种为电助力车换电的装置,其特征在于,包括:
第一发送模块,用于在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;
第一接收模块,用于接收所述服务器反馈的换电策略信息;所述换电策略信息是所述服务器基于目标电助力车和电池柜上传的心跳数据确定;
第一判断模块,用于判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;
第二发送模块,用于确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;所述预约请求用于锁定所述目标电池柜中第一电池,所述第一电池用于替换所述目标电助力车中的电池;
换电模块,用于响应所述用户的控制指令,向所述目标电池柜所在地移动,以从所述目标电池柜获取所述第一电池进行换电。
11.一种为电助力车换电的装置,其特征在于,包括:
第二接收模块,用于接收目标电助力车发送的预约请求;所述预约请求是所述目标电助力车确定服务器反馈的换电策略信息中包括为所述目标电助力车换电的目标电池柜的信息时发送的;所述换电策略信息是所述服务器接收所述目标电助力车发送的换电请求后,基于所述目标电助力车和电池柜上传的心跳数据确定的;所述换电请求是所述目标电助力车在检测到电池电量低于预设阈值的情况下向所述服务器发送的;
第一锁定模块,用于基于所述预约请求锁定第一电池;所述第一电池用于替换所述目标电助力车中的电池;
第二判断模块,用于判断在第三预设时间内所述第一电池是否被更换为所述目标电助力车中的电池;
第一释放模块,用于确定未更换时,释放所述第一电池。
12.一种为电助力车换电的装置,其特征在于,包括:
第三发送模块,用于目标电助力车在检测到电池电量低于预设阈值的情况下,向服务器发送换电请求;
确定模块,用于所述服务器基于所述目标电助力车和电池柜上传的心跳数据确定换电策略信息;
反馈模块,用于所述服务器将所述换电策略信息反馈给所述目标电助力车;
第三判断模块,用于所述目标电助力车判断所述换电策略信息中是否包括为所述目标电助力车换电的目标电池柜的信息;确定包括时,基于用户对所述换电策略信息的确定操作,向所述目标电池柜发送预约请求;
第二锁定模块,用于所述目标电池柜基于所述预约请求锁定所述目标电池柜中的第一电池;所述第一电池用于替换所述目标电助力车中的电池;
第二释放模块,用于所述目标电池柜判断在预设时间内所述第一电池是否被更换为所述目标电助力车中的电池,确定未更换时,释放所述第一电池。
13.一种为电助力车换电的设备,其特征在于,包括处理器及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1-9中任意一项所述方法的步骤。
14.一种计算机可读存储介质,其特征在于,其上存储有计算机指令,所述指令被执行时实现权利要求1至9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110052920.8A CN112766525B (zh) | 2021-01-15 | 2021-01-15 | 一种为电助力车换电的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110052920.8A CN112766525B (zh) | 2021-01-15 | 2021-01-15 | 一种为电助力车换电的方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112766525A true CN112766525A (zh) | 2021-05-07 |
CN112766525B CN112766525B (zh) | 2022-12-09 |
Family
ID=75700820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110052920.8A Active CN112766525B (zh) | 2021-01-15 | 2021-01-15 | 一种为电助力车换电的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766525B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269567A (zh) * | 2021-05-18 | 2021-08-17 | 武汉蔚来能源有限公司 | 电池流转追溯方法、装置及计算机存储介质 |
CN113459870A (zh) * | 2021-05-21 | 2021-10-01 | 蓝谷智慧(北京)能源科技有限公司 | 换电控制方法、装置、系统以及存储介质、电子设备 |
CN113657631A (zh) * | 2021-07-14 | 2021-11-16 | 福建星云电子股份有限公司 | 一种电动汽车换电方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106760969A (zh) * | 2016-12-05 | 2017-05-31 | 北京拜克洛克科技有限公司 | 一种智能车锁低电量报警方法、装置及智能车锁 |
CN107370988A (zh) * | 2017-07-05 | 2017-11-21 | 深圳市宏鑫源投资咨询有限公司 | 一种向用户终端提供报警视频的方法及服务器 |
WO2018090863A1 (zh) * | 2016-11-18 | 2018-05-24 | 广州极飞科技有限公司 | 电池充电切换装置、充电系统、充电切换控制方法及装置 |
CN109249837A (zh) * | 2018-09-28 | 2019-01-22 | 北京摩拜科技有限公司 | 电池更换方法、服务器、充电柜及系统 |
CN110619091A (zh) * | 2019-08-14 | 2019-12-27 | 深圳易马达科技有限公司 | 一种推荐换电柜的方法及终端设备 |
WO2020019736A1 (zh) * | 2018-07-26 | 2020-01-30 | 蔚来汽车有限公司 | 移动换电装置的调度方法、系统、调度服务器和设备 |
CN110782065A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 电动汽车充电桩推荐方法、服务器、终端及系统 |
CN110888908A (zh) * | 2019-11-01 | 2020-03-17 | 广州大学 | 一种可持续深度学习的充电站/桩推荐系统及推荐方法 |
CN111098749A (zh) * | 2019-09-30 | 2020-05-05 | 上海钧正网络科技有限公司 | 电池更换方法、装置、计算机设备和计算机可读存储介质 |
CN111105564A (zh) * | 2019-09-30 | 2020-05-05 | 上海钧正网络科技有限公司 | 车辆共享电池更换方法、装置、计算机设备和存储介质 |
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 |
CN111204316A (zh) * | 2019-09-30 | 2020-05-29 | 上海钧正网络科技有限公司 | 车辆电池更换方法、装置、计算机设备和可读存储介质 |
CN111251939A (zh) * | 2018-11-30 | 2020-06-09 | 比亚迪股份有限公司 | 车辆及其预约管理系统、预约系统、预约管理方法 |
CN111898782A (zh) * | 2020-07-17 | 2020-11-06 | 北京新能源汽车股份有限公司 | 换电站及换电站的预约换电方法与预约换电装置 |
-
2021
- 2021-01-15 CN CN202110052920.8A patent/CN112766525B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018090863A1 (zh) * | 2016-11-18 | 2018-05-24 | 广州极飞科技有限公司 | 电池充电切换装置、充电系统、充电切换控制方法及装置 |
CN106760969A (zh) * | 2016-12-05 | 2017-05-31 | 北京拜克洛克科技有限公司 | 一种智能车锁低电量报警方法、装置及智能车锁 |
CN107370988A (zh) * | 2017-07-05 | 2017-11-21 | 深圳市宏鑫源投资咨询有限公司 | 一种向用户终端提供报警视频的方法及服务器 |
WO2020019736A1 (zh) * | 2018-07-26 | 2020-01-30 | 蔚来汽车有限公司 | 移动换电装置的调度方法、系统、调度服务器和设备 |
CN109249837A (zh) * | 2018-09-28 | 2019-01-22 | 北京摩拜科技有限公司 | 电池更换方法、服务器、充电柜及系统 |
CN111251939A (zh) * | 2018-11-30 | 2020-06-09 | 比亚迪股份有限公司 | 车辆及其预约管理系统、预约系统、预约管理方法 |
CN110619091A (zh) * | 2019-08-14 | 2019-12-27 | 深圳易马达科技有限公司 | 一种推荐换电柜的方法及终端设备 |
CN110782065A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 电动汽车充电桩推荐方法、服务器、终端及系统 |
CN111098749A (zh) * | 2019-09-30 | 2020-05-05 | 上海钧正网络科技有限公司 | 电池更换方法、装置、计算机设备和计算机可读存储介质 |
CN111105564A (zh) * | 2019-09-30 | 2020-05-05 | 上海钧正网络科技有限公司 | 车辆共享电池更换方法、装置、计算机设备和存储介质 |
CN111204316A (zh) * | 2019-09-30 | 2020-05-29 | 上海钧正网络科技有限公司 | 车辆电池更换方法、装置、计算机设备和可读存储介质 |
CN110888908A (zh) * | 2019-11-01 | 2020-03-17 | 广州大学 | 一种可持续深度学习的充电站/桩推荐系统及推荐方法 |
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 |
CN111898782A (zh) * | 2020-07-17 | 2020-11-06 | 北京新能源汽车股份有限公司 | 换电站及换电站的预约换电方法与预约换电装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269567A (zh) * | 2021-05-18 | 2021-08-17 | 武汉蔚来能源有限公司 | 电池流转追溯方法、装置及计算机存储介质 |
CN113269567B (zh) * | 2021-05-18 | 2022-10-14 | 武汉蔚来能源有限公司 | 电池流转追溯方法、装置及计算机存储介质 |
CN113459870A (zh) * | 2021-05-21 | 2021-10-01 | 蓝谷智慧(北京)能源科技有限公司 | 换电控制方法、装置、系统以及存储介质、电子设备 |
CN113657631A (zh) * | 2021-07-14 | 2021-11-16 | 福建星云电子股份有限公司 | 一种电动汽车换电方法 |
CN113657631B (zh) * | 2021-07-14 | 2024-04-05 | 福建星云电子股份有限公司 | 一种电动汽车换电方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112766525B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112766525B (zh) | 一种为电助力车换电的方法、装置及设备 | |
Lam et al. | Coordinated autonomous vehicle parking for vehicle-to-grid services: Formulation and distributed algorithm | |
CN111241154B (zh) | 一种基于大数据的蓄电池故障预警方法及系统 | |
Nama et al. | Machine learning‐based traffic scheduling techniques for intelligent transportation system: Opportunities and challenges | |
Masoud et al. | Heuristic approaches to solve e-scooter assignment problem | |
JP7269437B2 (ja) | 電気車充電ステーションを用いたバッテリー性能管理システム及び方法 | |
CN111191839B (zh) | 一种换电预测方法和系统及存储介质 | |
CN111079957B (zh) | 一种电池监控管理方法、装置、设备及存储介质 | |
CN112519631B (zh) | 电池控制装置、充放电系统、停车场系统、二次电池再利用系统、电池控制方法及存储介质 | |
CN117040028B (zh) | 一种工商业园区光储充微电网的控制策略优化方法及系统 | |
CN111222584A (zh) | 基于大数据和深度神经网络的锂电池实时评估方法 | |
CN115730790A (zh) | 基于边缘计算的充电配置方法、装置、设备及存储介质 | |
CN111833074A (zh) | 网约车的纠纷责任认定方法、装置和计算机可读存储介质 | |
Chen et al. | Routing and scheduling of mobile energy storage system for electricity arbitrage based on two-layer deep reinforcement learning | |
Zhao et al. | Dronesense: Leveraging drones for sustainable urban-scale sensing of open parking spaces | |
CN117310500A (zh) | 电池状态分类模型构建方法及电池状态分类方法 | |
Last et al. | Predictive maintenance with multi-target classification models | |
Schwenk | A Smart Charging Assistant for Electric Vehicles Considering Battery Degradation, Power Grid and User Constraints | |
Nakamiti et al. | An agent-based simulation system for traffic control in the Brazilian intelligent cities project context | |
Moaidi et al. | Demand response application of battery swap station using a stochastic model | |
Naitmalek et al. | Embedded real-time speed forecasting for electric vehicles: a case study on RSK urban roads | |
Benarbia et al. | Modelling and performance analysis of smart waste collection system: a petri nets and discrete event simulation approach | |
Hein et al. | Data-driven Approach for Smart Urban Planning Tool Development | |
CN116662815B (zh) | 时间预测模型的训练方法以及相关设备 | |
Celik et al. | Innovative Parking Solutions in Smart Cities |
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 |