CN112925985A - 一种能源获取的智能推荐方法 - Google Patents

一种能源获取的智能推荐方法 Download PDF

Info

Publication number
CN112925985A
CN112925985A CN202110365114.6A CN202110365114A CN112925985A CN 112925985 A CN112925985 A CN 112925985A CN 202110365114 A CN202110365114 A CN 202110365114A CN 112925985 A CN112925985 A CN 112925985A
Authority
CN
China
Prior art keywords
vehicle
energy
information
energy station
station
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.)
Pending
Application number
CN202110365114.6A
Other languages
English (en)
Inventor
翟臻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Youka Network Technology Co ltd
Original Assignee
Shanghai Youka Network Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Youka Network Technology Co ltd filed Critical Shanghai Youka Network Technology Co ltd
Priority to CN202110365114.6A priority Critical patent/CN112925985A/zh
Publication of CN112925985A publication Critical patent/CN112925985A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0639—Item locations

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Navigation (AREA)

Abstract

本发明提供了一种能源获取的智能推荐方法，涉及汽车智能推荐领域；智能推荐方法包括：步骤S1，判断车辆能量信息是否低于第一预设值；步骤S2，判断车辆能量信息是否低于第二预设值；步骤S3，判断车辆是否处于通勤状态；步骤S4，构建能源站范围中的各个能源站的占重比；步骤S5，处理得到各个能源站的相关系数；步骤S6，处理得到各个能源站的推荐指数；步骤S7，向车主进行能源站的智能推荐。上述技术方案的有益效果是：通过本发明解决相关技术中繁琐耗时和车主因预估不准造成车辆抛锚问题，提供一种能源获取的智能推荐方法，提升了能源站选择相对于用户需求的匹配度，进而提升了用户体验，并且简化和降低了能源站选择过程对用户层面的可探知性。

Description

一种能源获取的智能推荐方法
技术领域
本发明涉及其汽车智能推荐领域，尤其涉及一种能源获取的智能推荐方法。
背景技术
随着大众消费水平提高，出行工具从传统的自行车到两轮电动车到摩托车到现在的汽车，汽车从传统燃油车到现在新兴的新能源车，每个家庭有一辆甚至多辆汽车，因为汽车的便利性，无论是上下班通勤，旅游，城市交通运营等，汽车在其中的使用率越来越高，伴随着使用率的提高，就带来了需要经常的加油或加电的问题。
现有技术中，针对能源站的推荐，往往是用户自行发现仪表盘上低警告后，通过车载终端软件在搜索能源站时，按照目的地进行排序，由用户自主结合当前能量、能源站距离和个人品牌喜好进行手动自行选择，现有技术存在对能源站选择时繁琐耗时和用户预估不准造成车辆抛锚问题。
发明内容
本发明提供了一种能源获取的智能推荐方法的技术方案，旨在有效地改善乃至解决繁琐耗时和因人为预估不准带来的车辆抛锚问题，提升加油/加电站的使用效率的性能。
根据本发明，提供了一种能源获取的智能推荐方法，应用于车辆中，其特征在于，所述车辆中设置一智能推荐装置，所述智能推荐装置远程连接一车联网平台，所述车联网平台预先保存有各个车辆所对应的车主的历史驾驶信息和关联于能源站的消费喜好信息；
所述智能推荐方法包括以下步骤：
步骤S1，所述智能推荐装置通过所述车辆上设置的采集装置实时获取所述车辆的车辆能量信息，并判断所述车辆能量信息是否低于第一预设值：
若是，转向步骤S2；
若否，则重复所述步骤S1；
步骤S2，判断所述车辆能量信息是否低于第二预设值：
若是，则根据所述车辆当前的车辆位置信息处理得到参与推荐处理的包括多个所述能源站的能源站范围，随后转向步骤S4；
若否，转向步骤S3；
步骤S3，所述智能推荐装置通过所述车辆上设置的定位装置实时获取所述车辆的车辆位置信息，结合所述车辆位置信息和所述历史驾驶信息判断所述车辆是否处于通勤状态：
若否，则根据所述车辆当前的所述车辆位置信息处理得到所述能源站范围，随后转向步骤S4；
若是，则根据所述历史驾驶信息处理得到所述能源站范围，随后转向步骤S4；
步骤S4，根据所述消费喜好信息和所述车辆能量信息构建所述能源站范围中的各个所述能源站的占重比；
步骤S5，根据所述能源站范围中的各个所述能源站处理得到各个所述能源站的距离系数，随后根据所述消费喜好信息和各个所述能源站的所述距离系数处理得到各个所述能源站的相关系数；
步骤S6，根据所述占重比和所述相关系数，处理得到所述能源站范围中的各个所述能源站的推荐指数；
步骤S7，根据所述推荐指数，通过所述智能推荐装置向车主进行所述能源站的智能推荐。
进一步地，该智能推荐方法，其中，所述第一预设值以及所述第二预设值均对应于一固定路线设置；
则当所述车辆能量信息大于所述第一预设值时，表示对应的所述车辆可以在所述固定路线上至少往返一次；以及
当所述车辆能量信息处于所述第一预设值和所述第二预设值之间时，表示对应的所述车辆可以在所述固定路线上单程行驶一次。
进一步地，该智能推荐方法，其中，所述车联网平台上预设的所述历史驾驶信息包括所述车辆的历史通勤路径和历史通勤时段；
则所述步骤S3中，采用下述方式判断所述车辆是否处于通勤状态：
步骤S31a，提取所述车辆的所述历史通勤路径和所述历史通勤时段；
步骤S32a，判断所述车辆当前的行驶轨迹是否匹配于所述历史通勤路径，以及判断当前时刻是否匹配于所述历史通勤时段：
当所述行驶轨迹匹配于所述历史通勤路径，以及所述当前时刻匹配于所述历史通勤时段时，判断所述车辆当前处于所述通勤状态；
当所述行驶轨迹未匹配于所述历史通勤路径，或者所述当前时刻未匹配于所述历史通勤时段时，判断所述车辆当前未处于所述通勤状态
进一步地，该智能推荐方法，其中，所述步骤S2中，当车辆能量信息低于第二预设值时，通过以下方法，根据所述车辆当前的所述车辆位置信息处理得到所述能源站范围：
步骤S31b，根据所述车辆当前的所述车辆能量信息处理得到所述车辆的剩余可行驶里程；
步骤S32b，以所述车辆当前的位置为原点，以所述剩余可行驶里程为最大半径形成一第一有效范围区域；
步骤S33b，根据所述第一有效范围区域和所述消费喜好信息，获取包括多个所述能源站的所述能源站范围。
进一步地，该智能推荐方法，其中，所述步骤S3中，当所述车辆未处于所述通勤状态时，通过以下方法，根据所述车辆当前的所述车辆位置信息处理得到所述能源站范围：
步骤S31c，根据所述车辆当前的所述车辆能量信息处理得到所述车辆的剩余可行驶里程；
步骤S32c，以所述车辆当前的位置为原点，以所述剩余可行驶里程为最大半径形成一第一有效范围区域；
步骤S33c，根据所述第一有效范围区域和所述消费喜好信息，获取包括多个所述能源站的所述能源站范围。
进一步地，该智能推荐方法，其中，所述步骤S3中，当所述车辆处于所述通勤状态时，通过以下方法，根据所述车辆的所述历史通勤路径处理得到所述能源站范围：
步骤S31d，根据所述车辆当前的所述车辆能量信息处理得到所述车辆的剩余可行驶里程；
步骤S32d，以所述车辆当前的位置为起点，沿所述车辆的行驶方向在所述历史通勤路径上选定与所述剩余可行驶里程相匹配的一段行驶路程以作为第二有效范围区域；
步骤S33d，根据所述第二有效范围区域和所述消费喜好信息，获取包括多个所述能源站的所述能源站范围。
进一步地，该智能推荐方法，其中，所述消费喜好信息包括第一类喜好信息和第二类喜好信息，根据所述第一类喜好和所述第二类喜好与所述车辆能量信息，处理得到不同的所述占重比，其中，
根据所述第一类喜好信息处理得到所述占重比的方式为：
步骤S41a，预先持续采集并保存所述能源站范围内的各个所述能源站以及车主历史获取所述能源的各个所述能源站；
步骤S42a，将车主历史获取所述能源的各个所述能源站以作为车主对所述能源站的能源站偏好信息；
步骤S43a，实时获取所述能源站偏好信息内各个所述能源站的实时能源单价信息并预先设置关联与所述实时能源单价信息的多个所述占重比；
则多个所述占重比，每个所述占重比分别对应于一第一属性和一第二属性，所述第一属性用于指向所述实时能源单价信息，所述第二属性用于指向所述车辆能量信息，根据所述第一属性与所述第二属性提取所述占重比；
以及
根据所述第二类喜好信息处理得到所述占重比的方式为：
步骤S41b，预先设置多个具有喜好顺序的能源偏好品牌；
步骤S42b，预先设置关联于各个所述能源偏好品牌的多个所述占重比；
则多个所述占重比，每个所述占重比分别对应于一所述第一属性和一所述第二属性，所述第一属性用于指向所述能源偏好品牌，所述第二属性用于指向所述车辆能量信息，根据所述第一属性与所述第二属性提取所述占重比。
进一步地，该智能推荐方法，其中，所述车辆预先设置用户，所述相关系数包括用于表示根据第一类用户处理得到的第一相关系数以及用于表示根据第二类用户处理得到的第二相关系数；
所述距离系数是分别将所述各个所述能源站与所述车辆当前的所述车辆位置信息比较，分别得出各个所述能源站与所述车辆当前的所述车辆位置信息的距离值，将所述距离值以当前所述车辆位置信息为所述起点，分别对所述距离值由小及大进行排序，并处理得到对应于各个所述能源站的排序序号；
则所述步骤S5具体包括：
步骤S51，判断所述预先设置用户是否为第一类用户，以及判断所述第二类用户是否载客：
当所述预先设置用户为第一类用户，以及所述第二类用户为所述载客时，则转向步骤S52；
当所述预先设置用户不为第一类用户，以及所述第二类用户不为所述载客时，则转向步骤S53；
步骤S52，根据所述数字排序处理得到所述第一相关系数；
步骤S53，根据所述数字排序处理得到所述第二相关系数。
进一步地，该智能推荐方法，其中，所述步骤S52中，采用下述公式处理得到所述第一相关系数：
Figure BDA0003004224620000051
其中，
L1是所述第一相关系数；
Ln是当前所述能源站中对应的所述排序序号；
Lf是所述能源站中所述距离值最大时对应的所述排序序号。
进一步地，该智能推荐方法，其中，所述步骤S53中，采用下述公式处理得到所述第二相关系数：
Figure BDA0003004224620000052
其中，
L2是所述第二相关系数；
Ln是当前所述能源站中对应的所述排序序号；
Lf是所述能源站中所述距离值最大时对应的所述排序序号。
通过本发明提供的一种能源获取的智能推荐方法，具有如下的有益效果：能够根据用户需求自动智能地选择和推荐能源站，提升了能源站选择相对于用户需求的匹配度，进而提升了用户体验，并且简化和降低了能源站选择过程对用户层面的可探知性。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及说明用于解释本发明，并不构成对本发明的不当限定，在附图中：
图1是本发明的较佳的实施例中，智能推荐方法的流程图；
图2是本发明的较佳的实施例中，通勤状态判断的流程图；
图3是本发明的较佳的实施例中，获取第一有效范围区域的能源站范围流程图；
图4是本发明的较佳的实施例中，根据车辆当前的车辆位置信息处理得到能源站范围的流程图；
图5是本发明的较佳的实施例中，根据车辆的历史通勤路径处理得到能源站范围的流程图；
图6是本发明的较佳的实施例中，根据第一类喜好信息处理得到占重比的流程图；
图7是本发明的较佳的实施例中，根据第二类喜好信息处理得到占重比的流程图；
图8是本发明的较佳的实施例中，获得各个能源站的相关系数流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
现有技术中，针对能源站的推荐，由用户自主结合当前能量、能源站距离和个人品牌喜好进行手动自行选择，伴随着汽车数量的普及，机动车保有量、机动车出行需求和次数迅速增加，现有技术存在繁琐耗时和用户预估不准造成车辆抛锚问题。
因此，本发明引一种能源获取的智能推荐方法，以解决现有技术中存在的问题。
在本实施例中提供了一种能源获取的智能推荐方法，应用于车辆中，其特征在于，车辆中设置一智能推荐装置，智能推荐装置远程连接一车联网平台，车联网平台预先保存有各个车辆所对应的车主的历史驾驶信息和关联于能源站的消费喜好信息；
如图1中所示，智能推荐方法包括以下步骤：
步骤S1，智能推荐装置通过车辆上设置的采集装置实时获取车辆的车辆能量信息，并判断车辆能量信息是否低于第一预设值：
若是，转向步骤S2；
若否，则重复步骤S1；
步骤S2，判断车辆能量信息是否低于第二预设值：
若是，则根据车辆当前的车辆位置信息处理得到参与推荐处理的包括多个能源站的能源站范围，随后转向步骤S4；
若否，转向步骤S3；
步骤S3，智能推荐装置通过车辆上设置的定位装置实时获取车辆的车辆位置信息，结合车辆位置信息和历史驾驶信息判断车辆是否处于通勤状态：
若否，则根据车辆当前的车辆位置信息处理得到能源站范围，随后转向步骤S4；
若是，则根据历史驾驶信息处理得到能源站范围，随后转向步骤S4；
步骤S4，根据消费喜好信息和车辆能量信息构建能源站范围中的各个能源站的占重比；
步骤S5，根据能源站范围中的各个能源站处理得到各个能源站的距离系数，随后根据消费喜好信息和各个能源站的距离系数处理得到各个能源站的相关系数；
步骤S6，根据占重比和相关系数，处理得到能源站范围中的各个能源站的推荐指数；
步骤S7，根据推荐指数，通过智能推荐装置向车主进行能源站的智能推荐。
具体地，本实施例中，能源获取为加油或者加电，当用户车辆为传统燃油车时，则能源获取为加油站获取，当用户车辆为新能源纯电动车，则能源获取为加电站获取，当用户车辆为油电混动车，则能源获取可以为加油站获取和/或加电站获取。
具体地，本实施例中，采集装置为安装在车辆上的传感器，燃油车为油量传感器，新能源纯电动车为电量传感器。
具体地，本实施例中，定位装置是由车载终端或手机APP中的定位服务获取，并将车辆的所有驾驶信息发送至车联网平台。
具体地，本实施例中，驾驶信息还包括历史驾驶时段及对应的历史驾驶路径。
本发明的较佳的实施例中，第一预设值以及第二预设值均对应于一固定路线设置；
则当车辆能量信息大于第一预设值时，表示对应的车辆可以在固定路线上至少往返一次；以及
当车辆能量信息处于第一预设值和第二预设值之间时，表示对应的车辆可以在固定路线上单程行驶一次。
具体地，本实施例中，车辆能量信息还包括：第三预设值，表示对应的车辆无法在固定路线上单程行驶一次。
具体地，本实施例中，固定路线为与历史通勤路径所匹配的路线。
具体地，本实施例中，车辆能量信息为当前车辆的油量或电量，第一预设值、第二预设值、第三预设值是将车辆能量信息分为3种挡位，分别对应L(低挡)、LL(较低挡)、LLL(极低挡)。
本发明的较佳的实施例中，车联网平台上预设的历史驾驶信息包括车辆的历史通勤路径和历史通勤时段；
则如图2中所示，步骤S3中，采用下述方式判断车辆是否处于通勤状态：
步骤S31a，提取车辆的历史通勤路径和历史通勤时段；
步骤S32a，判断车辆当前的行驶轨迹是否匹配于历史通勤路径，以及判断当前时刻是否匹配于历史通勤时段：
当行驶轨迹匹配于历史通勤路径，以及当前时刻匹配于历史通勤时段时，判断车辆当前处于通勤状态；
当行驶轨迹未匹配于历史通勤路径，或者当前时刻未匹配于历史通勤时段时，判断车辆当前未处于通勤状态。
具体地，本实施例中，历史通勤时段分为历史上班通勤时段和历史下班通勤时段；对应的，历史通勤路径分为历史上班通勤路径和历史下班通勤路径。
具体地，本实施例中，历史通勤路径是在能量低于第二预设值后，开始处理，根据车联网平台保存的历史驾驶路径，获取每个工作日中的驾驶路径出现频次最高的驾驶路径，获取最高驾驶路径的开始地点和结束地点，并获取开始地点的驾驶开始时间，结束地点的驾驶结束时间；以驾驶路径的开始地点和结束地点为圆心，以1公里为半径，形成有效驾驶区域，在有效驾驶区域内都作为历史通勤；上一段驾驶结束时间与下一段驾驶路径开始时间要求相差4小时以上，则上一段驾驶结束时间为上班通勤结束时间，下一段驾驶开始时间为下班通勤开始时间，上一段驾驶的出发时间为上班通勤开始时间，下一段驾驶结束时间为下班通勤结束时间，获取到上下班通勤的时间段。
具体地，本实施例中，通勤时间需要结合每个工作日的时间得出，通过以下方法，可以得到通勤开始时间和通勤结束时间：
Figure BDA0003004224620000091
Figure BDA0003004224620000092
Figure BDA0003004224620000093
Figure BDA0003004224620000094
Figure BDA0003004224620000095
Figure BDA0003004224620000096
Figure BDA0003004224620000097
其中，
T1，为周一的通勤开始时间；
T2，为周二的通勤开始时间；
T3，为周三的通勤开始时间；
T4，为周四的通勤开始时间；
T5，为周五的通勤开始时间；
T均，为周一至周五的通勤开始时间的平均值；
δ2，为通勤开始时间的样本方差；
T1-δ 2，为T1与样本方差的最小值；
T2-δ 2，为T2与样本方差的最小值；
T3-δ 2，为T3与样本方差的最小值；
T4-δ 2，为T2与样本方差的最小值；
T5-δ 2，为T5与样本方差的最小值；
比较T1-δ 2、T2-δ 2、T3-δ 2、T4-δ 2、T5-δ 2，取最小值作为通勤开始时间；
通勤结束时间与通勤开始时间计算方法一致，比较与样本方差值取最大值作为通勤结束时间。
通勤开始时间到通勤结束时间则表示通勤时间段。
具体地，本实施例中，通勤开始时间是基于通勤路径提取，每个工作日通勤的开始时间，周一的通勤开始时间为T1，周二的通勤开始时间为T2，周三的通勤开始时间为T3，周四的通勤开始时间为T4，周五的通勤开始时间为T5，先计算出T1至T5的平均时间T均，再计算通勤开始时间的样本方差δ2，将样本方差作为变量，与T1至T5作减法运算，得到T1-δ 2、T2-δ 2、T3-δ 2、T4-δ 2、T5-δ 2并比较，取出最小值，作为通勤开始时间，以下文中的示例对本申请中的通勤开始时间进行进一步描述：
T1＝7：50；
T2＝7：55；
T3＝7：54；
T4＝7：59；
T5＝7：35；
T均＝7：51；
δ2＝87；
T1-δ 2＝6：23；
T2-δ 2＝6：28；
T3-δ 2＝6：27；
T4-δ 2＝6：32；
T5-δ 2＝6：08；
通过比较，则通勤开始时间为6：08。
具体地，本实施例中，通勤结束时间与通勤开始时间计算方法一致，比较与样本方差值取最大值作为通勤结束时间，以下文中的示例对本申请中的通勤结束时间进行进一步描述：
t1＝17：02；
t2＝17：15；
t3＝17：05；
t4＝17：12；
t5＝17：19；
t均＝17：11；
δ2＝46；
t1+δ 2＝17：48；
t2+δ 2＝18：01；
t3+δ 2＝17：51；
t4+δ 2＝17：58；
t5+δ 2＝18：05；
通过比较，则通勤结束时间为18：05。
本发明的较佳的实施例中，步骤S2中，当车辆能量信息低于第二预设值时，通过以下方法，如图3中所示，根据车辆当前的车辆位置信息处理得到能源站范围：
步骤S31b，根据车辆当前的车辆能量信息处理得到车辆的剩余可行驶里程；
步骤S32b，以车辆当前的位置为原点，以剩余可行驶里程为最大半径形成一第一有效范围区域；
步骤S33b，根据第一有效范围区域和消费喜好信息，获取包括多个能源站的能源站范围。
具体地，本实施例中，剩余可行使里程可通过车辆上安装的仪表或车机中获得。
本发明的较佳的实施例中，步骤S3中，当车辆未处于通勤状态时，通过以下方法，如图4中所示，根据车辆当前的车辆位置信息处理得到能源站范围：
步骤S31c，根据车辆当前的车辆能量信息处理得到车辆的剩余可行驶里程；
步骤S32c，以车辆当前的位置为原点，以剩余可行驶里程为最大半径形成一第一有效范围区域；
步骤S33c，根据第一有效范围区域和消费喜好信息，获取包括多个能源站的能源站范围。
本发明的较佳的实施例中，步骤S3中，当车辆处于通勤状态时，通过以下方法，如图5中所示，根据车辆的历史通勤路径处理得到能源站范围：
步骤S31d，根据车辆当前的车辆能量信息处理得到车辆的剩余可行驶里程；
步骤S32d，以车辆当前的位置为起点，沿车辆的行驶方向在历史通勤路径上选定与剩余可行驶里程相匹配的一段行驶路程以作为第二有效范围区域；
步骤S33d，根据第二有效范围区域和消费喜好信息，获取包括多个能源站的能源站范围。
本发明的较佳的实施例中，消费喜好信息包括第一类喜好信息和第二类喜好信息，根据第一类喜好和第二类喜好与车辆能量信息，处理得到不同的占重比，其中，
如图6中所示，根据第一类喜好信息处理得到占重比的方式为：
步骤S41a，预先持续采集并保存能源站范围内的各个能源站以及车主历史获取能源的各个能源站；
步骤S42a，将车主历史获取能源的各个能源站以作为车主对能源站的能源站偏好信息；
步骤S43a，实时获取能源站偏好信息内各个能源站的实时能源单价信息并预先设置关联与实时能源单价信息的多个占重比；
则多个占重比，每个占重比分别对应于一第一属性和一第二属性，第一属性用于指向实时能源单价信息，第二属性用于指向车辆能量信息，根据第一属性与第二属性提取占重比；
以及
如图7中所示，根据第二类喜好信息处理得到占重比的方式为：
步骤S41b，预先设置多个具有喜好顺序的能源偏好品牌；
步骤S42b，预先设置关联于各个能源偏好品牌的多个占重比；
则多个占重比，每个占重比分别对应于一第一属性和一第二属性，第一属性用于指向能源偏好品牌，第二属性用于指向车辆能量信息，根据第一属性与第二属性提取占重比。
具体地，本实施例中，第一类喜好信息是从车联网平台中对历史驾驶路径中提取能源站的消费地点及消费次数，以此获得车主的消费喜好，根据获得的消费喜好，自动获取的能源站实时单价；第二类喜好信息，是用户预先在车载终端或手机APP设置能源站品牌喜好。
具体地，本实施例中，通过以下示例对第一类喜好信息的占重比作进一步描述：
根据车主的消费喜好，共得到A，B，C三个能源站信息，A能源站单价为：5.8元/L(加油站)或5.8元/度(加电站)，B能源站的单价为：6元/L(加油站)或6元/度(加电站)，C能源站的单价为：6.5元/L(加油站)或6.5元/度(加电站)，则占重比为：
能源站 A B C
车辆能量信息
低(L) 5.8 6 6.5
较低(LL) 5.8 6 6.5
超低(LLL) 5.8 6 6.5
具体地，本实施例中，通过以下示例对车主为第二类喜好信息的占重比作进一步描述：
第一属性中有N个喜好品牌，喜好升序排序依次为A，B，C…M，QN代表第N个喜好品牌所对应的占重比，当L挡时：A＝Q1＝1，B＝Q2＝0.5*Q1,…M＝0.5*QN-1；当LL挡时：N为奇数时
Figure BDA0003004224620000141
Figure BDA0003004224620000142
N为偶数时，
Figure BDA0003004224620000143
Figure BDA0003004224620000144
当LLL挡时：A＝B＝…＝M＝1；
当N为3时，品牌喜好为升序排序依次为A，B，C时，占重比为：
能源站 A B C
车辆能量信息
低(L) 1 0.5 0.25
较低(LL) 1 1 0.5
超低(LLL) 1 1 1
本发明的较佳的实施例中，车辆预先设置用户，相关系数包括用于表示根据第一类用户处理得到的第一相关系数以及用于表示根据第二类用户处理得到的第二相关系数；
距离系数是分别将各个能源站与车辆当前的车辆位置信息比较，分别得出各个能源站与车辆当前的车辆位置信息的距离值，将距离值以当前车辆位置信息为起点，分别对距离值由小及大进行排序，并处理得到对应于各个能源站的排序序号；
则如图8中所示，步骤S5具体包括：
步骤S51，判断预先设置用户是否为第一类用户，以及判断第二类用户是否载客：
当预先设置用户为第一类用户，以及第二类用户为载客时，则转向步骤S52；
当预先设置用户不为第一类用户，以及第二类用户不为载客时，则转向步骤S53；
步骤S52，根据数字排序处理得到第一相关系数；
步骤S53，根据数字排序处理得到第二相关系数。
具体地，本实施例中，距离系数是将能源站范围内的能源站距离当前车辆位置，由近及远的排序，并得到排序序号，该序号为阿拉伯数字1，2…N。
具体地，本实施例中，第一类用户为辅助驾驶车辆，第二类用户为自动驾驶车辆。
本发明的较佳的实施例中，步骤S52中，采用下述公式处理得到第一相关系数：
Figure BDA0003004224620000151
其中，
L1是第一相关系数；
Ln是当前能源站中对应的排序序号；
Lf是能源站中距离值最大时对应的排序序号
具体地，本实施例中，根据上述示例的A，B，C，3个品牌的能源站，分别得到距离由近及远得S1，S2，S3，S4，S5共5个满足要求的能源站，对应的第一相关系数为：
Figure BDA0003004224620000152
本发明的较佳的实施例中，步骤S53中，采用下述公式处理得到第二相关系数：
Figure BDA0003004224620000153
其中，
L2是第二相关系数；
Ln是当前能源站中对应的排序序号；
Lf是能源站中距离值最大时对应的排序序号。
具体地，本实施例中，根据上述示例的A，B，C，3个品牌的能源站，分别得到距离由近及远得S1，S2，S3，S4，S5共5个满足要求的能源站，对应的第二相关系数为：
Figure BDA0003004224620000161
具体地，本实施例中，通过相关系数和占重比，通过以下方法可以得到推荐指数：
M＝W*L系；
其中，
M用于表示推荐指数；
W用于表示占重比；
L系用于表示相关系数。
具体地，本实施例中，将推荐指数进行由大到小排序，得到能源站的推荐排序，并向车主发送对应的能源站列表。
具体地，本实施例中，通过以下示例，分别对推荐排序作进一步描述：
示例一：
消费喜好：第一类喜好；
预设置用户：第一类用户信息；或第二类用户信息且载客状态：
(1)按能源站实时单价排名为A，B，C分别为5.8元/L、6元/L、6.5元/L，占重比如下：
能源站 A B C
车辆能量信息
低(L) 5.8 6 6.5
较低(LL) 5.8 6 6.5
超低(LLL) 5.8 6 6.5
(2)第一相关系数如下：
Figure BDA0003004224620000171
(3)推荐指数如下：
Figure BDA0003004224620000172
(4)则推荐排序为：
车辆能量信息 推荐顺序
低(L) S1-S2-S3-S4-S5
较低(LL) S1-S2-S3-S4-S5
超低(LLL) S1-S2-S3-S4-S5
示例二：
消费喜好：第二类喜好；
预设置用户：第一类用户信息；或第二类用户信息且载客；
(1)按消费喜好排名分别为A、B、C，占重比如下：
Figure BDA0003004224620000173
Figure BDA0003004224620000181
(2)第一相关系数如下：
Figure BDA0003004224620000182
(3)推荐指数如下：
Figure BDA0003004224620000183
(4)则推荐排序为：
车辆能量信息 推荐顺序
低(L) S3-S2-S5-S1-S4
较低(LL) S2-S3-S1-S5-S4
超低(LLL) S1-S2-S3-S4-S5
示例三：
消费喜好：第一类喜好；
预设置用户：第二类用户信息且不载客；
(1)按能源站实时单价排名为A，B，C分别为5.8元/L、6元/L、6.5元/L，占重比如下：
能源站 A B C
车辆能量信息
低(L) 5.8 6 6.5
较低(LL) 5.8 6 6.5
超低(LLL) 5.8 6 6.5
(2)第二相关系数如下：
Figure BDA0003004224620000191
(3)推荐指数如下：
Figure BDA0003004224620000192
(4)则推荐排序为：
车辆能量信息 推荐顺序
低(L) S1-S2-S3-S4-S5
较低(LL) S1-S2-S3-S4-S5
超低(LLL) S1-S2-S3-S4-S5
示例四：
消费喜好：第一类喜好；
预设置用户：第二类用户信息且不载客；
(1)按消费喜好排名分别为A、B、C，占重比如下：
能源站 A B C
车辆能量信息
低(L) 1 0.5 0.25
较低(LL) 1 1 0.5
超低(LLL) 1 1 1
(2)第二相关系数如下：
Figure BDA0003004224620000201
(3)推荐指数如下：
Figure BDA0003004224620000202
(4)则推荐排序为：
Figure BDA0003004224620000203
Figure BDA0003004224620000211
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (10)

1.一种能源获取的智能推荐方法，应用于车辆中，其特征在于，所述车辆中设置一智能推荐装置，所述智能推荐装置远程连接一车联网平台，所述车联网平台预先保存有各个车辆所对应的车主的历史驾驶信息和关联于能源站的消费喜好信息；
所述智能推荐方法包括以下步骤：
步骤S1，所述智能推荐装置通过所述车辆上设置的采集装置实时获取所述车辆的车辆能量信息，并判断所述车辆能量信息是否低于第一预设值：
若是，转向步骤S2；
若否，则重复所述步骤S1；
步骤S2，判断所述车辆能量信息是否低于第二预设值：
若是，则根据所述车辆当前的车辆位置信息处理得到参与推荐处理的包括多个所述能源站的能源站范围，随后转向步骤S4；
若否，转向步骤S3；
步骤S3，所述智能推荐装置通过所述车辆上设置的定位装置实时获取所述车辆的车辆位置信息，结合所述车辆位置信息和所述历史驾驶信息判断所述车辆是否处于通勤状态：
若否，则根据所述车辆当前的所述车辆位置信息处理得到所述能源站范围，随后转向步骤S4；
若是，则根据所述历史驾驶信息处理得到所述能源站范围，随后转向步骤S4；
步骤S4，根据所述消费喜好信息和所述车辆能量信息构建所述能源站范围中的各个所述能源站的占重比；
步骤S5，根据所述能源站范围中的各个所述能源站处理得到各个所述能源站的距离系数，随后根据所述消费喜好信息和各个所述能源站的所述距离系数处理得到各个所述能源站的相关系数；
步骤S6，根据所述占重比和所述相关系数，处理得到所述能源站范围中的各个所述能源站的推荐指数；
步骤S7，根据所述推荐指数，通过所述智能推荐装置向车主进行所述能源站的智能推荐。
2.根据权利要求1所述的智能推荐方法，其特征在于，所述第一预设值以及所述第二预设值均对应于一固定路线设置；
则当所述车辆能量信息大于所述第一预设值时，表示对应的所述车辆可以在所述固定路线上至少往返一次；以及
当所述车辆能量信息处于所述第一预设值和所述第二预设值之间时，表示对应的所述车辆可以在所述固定路线上单程行驶一次。
3.根据权利要求1所述的智能推荐方法，其特征在于，所述车联网平台上预设的所述历史驾驶信息包括所述车辆的历史通勤路径和历史通勤时段；
则所述步骤S3中，采用下述方式判断所述车辆是否处于通勤状态：
步骤S31a，提取所述车辆的所述历史通勤路径和所述历史通勤时段；
步骤S32a，判断所述车辆当前的行驶轨迹是否匹配于所述历史通勤路径，以及判断当前时刻是否匹配于所述历史通勤时段：
当所述行驶轨迹匹配于所述历史通勤路径，以及所述当前时刻匹配于所述历史通勤时段时，判断所述车辆当前处于所述通勤状态；
当所述行驶轨迹未匹配于所述历史通勤路径，或者所述当前时刻未匹配于所述历史通勤时段时，判断所述车辆当前未处于所述通勤状态。
4.根据权利要求1所述的智能推荐方法，其特征在于，所述步骤S2中，当车辆能量信息低于第二预设值时，通过以下方法，根据所述车辆当前的所述车辆位置信息处理得到所述能源站范围：
步骤S31b，根据所述车辆当前的所述车辆能量信息处理得到所述车辆的剩余可行驶里程；
步骤S32b，以所述车辆当前的位置为原点，以所述剩余可行驶里程为最大半径形成一第一有效范围区域；
步骤S33b，根据所述第一有效范围区域和所述消费喜好信息，获取包括多个所述能源站的所述能源站范围。
5.根据权利要求1所述的智能推荐方法，其特征在于，所述步骤S3中，当所述车辆未处于所述通勤状态时，通过以下方法，根据所述车辆当前的所述车辆位置信息处理得到所述能源站范围：
步骤S31c，根据所述车辆当前的所述车辆能量信息处理得到所述车辆的剩余可行驶里程；
步骤S32c，以所述车辆当前的位置为原点，以所述剩余可行驶里程为最大半径形成一第一有效范围区域；
步骤S33c，根据所述第一有效范围区域和所述消费喜好信息，获取包括多个所述能源站的所述能源站范围。
6.根据权利要求1所述的智能推荐方法，其特征在于，所述步骤S3中，当所述车辆处于所述通勤状态时，通过以下方法，根据所述车辆的所述历史通勤路径处理得到所述能源站范围：
步骤S31d，根据所述车辆当前的所述车辆能量信息处理得到所述车辆的剩余可行驶里程；
步骤S32d，以所述车辆当前的位置为起点，沿所述车辆的行驶方向在所述历史通勤路径上选定与所述剩余可行驶里程相匹配的一段行驶路程以作为第二有效范围区域；
步骤S33d，根据所述第二有效范围区域和所述消费喜好信息，获取包括多个所述能源站的所述能源站范围。
7.根据权利要求1所述的智能推荐方法，其特征在于，所述消费喜好信息包括第一类喜好信息和第二类喜好信息，根据所述第一类喜好和所述第二类喜好与所述车辆能量信息，处理得到不同的所述占重比，其中，
根据所述第一类喜好信息处理得到所述占重比的方式为：
步骤S41a，预先持续采集并保存所述能源站范围内的各个所述能源站以及车主历史获取所述能源的各个所述能源站；
步骤S42a，将车主历史获取所述能源的各个所述能源站以作为车主对所述能源站的能源站偏好信息；
步骤S43a，实时获取所述能源站偏好信息内各个所述能源站的实时能源单价信息并预先设置关联与所述实时能源单价信息的多个所述占重比；
则多个所述占重比，每个所述占重比分别对应于一第一属性和一第二属性，所述第一属性用于指向所述实时能源单价信息，所述第二属性用于指向所述车辆能量信息，根据所述第一属性与所述第二属性提取所述占重比；
以及
根据所述第二类喜好信息处理得到所述占重比的方式为：
步骤S41b，预先设置多个具有喜好顺序的能源偏好品牌；
步骤S42b，预先设置关联于各个所述能源偏好品牌的多个所述占重比；
则多个所述占重比，每个所述占重比分别对应于一所述第一属性和一所述第二属性，所述第一属性用于指向所述能源偏好品牌，所述第二属性用于指向所述车辆能量信息，根据所述第一属性与所述第二属性提取所述占重比。
8.根据权利要求1所述的智能推荐方法，其特征在于，所述车辆预先设置用户，所述相关系数包括用于表示根据第一类用户处理得到的第一相关系数以及用于表示根据第二类用户处理得到的第二相关系数；
所述距离系数是分别将所述各个所述能源站与所述车辆当前的所述车辆位置信息比较，分别得出各个所述能源站与所述车辆当前的所述车辆位置信息的距离值，将所述距离值以当前所述车辆位置信息为所述起点，分别对所述距离值由小及大进行排序，并处理得到对应于各个所述能源站的排序序号；
则所述步骤S5具体包括：
步骤S51，判断所述预先设置用户是否为第一类用户，以及判断所述第二类用户是否载客：
当所述预先设置用户为第一类用户，以及所述第二类用户为所述载客时，则转向步骤S52；
当所述预先设置用户不为第一类用户，以及所述第二类用户不为所述载客时，则转向步骤S53；
步骤S52，根据所述数字排序处理得到所述第一相关系数；
步骤S53，根据所述数字排序处理得到所述第二相关系数。
9.根据权利要求9所述的智能推荐方法，其特征在于，所述步骤S52中，采用下述公式处理得到所述第一相关系数：
Figure FDA0003004224610000041
其中，
L1是所述第一相关系数；
Ln是当前所述能源站中对应的所述排序序号；
Lf是所述能源站中所述距离值最大时对应的所述排序序号。
10.根据权利要求9所述的智能推荐方法，其特征在于，所述步骤S53中，采用下述公式处理得到所述第二相关系数：
Figure FDA0003004224610000042
其中，
L2是所述第二相关系数；
Ln是当前所述能源站中对应的所述排序序号；
Lf是所述能源站中所述距离值最大时对应的所述排序序号。
CN202110365114.6A 2021-04-01 2021-04-01 一种能源获取的智能推荐方法 Pending CN112925985A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110365114.6A CN112925985A (zh) 2021-04-01 2021-04-01 一种能源获取的智能推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110365114.6A CN112925985A (zh) 2021-04-01 2021-04-01 一种能源获取的智能推荐方法

Publications (1)

Publication Number Publication Date
CN112925985A true CN112925985A (zh) 2021-06-08

Family

ID=76174092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110365114.6A Pending CN112925985A (zh) 2021-04-01 2021-04-01 一种能源获取的智能推荐方法

Country Status (1)

Country Link
CN (1) CN112925985A (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120099977A (ko) * 2011-03-02 2012-09-12 정유식 전력 분산이 고려된 추천 충전소 정보 제공 방법 및 그 장치
CN106447129A (zh) * 2016-10-31 2017-02-22 北京小飞快充网络科技有限公司 一种基于快速充电桩的高效率的充电站推荐方法
US20180010918A1 (en) * 2016-07-08 2018-01-11 Toyota Motor Engineering & Manufacturing North America, Inc. Optimal energy source determination system
CN109033190A (zh) * 2018-06-27 2018-12-18 微梦创科网络科技（中国）有限公司 一种推荐信息的推送方法、装置及设备
CN109501630A (zh) * 2018-12-04 2019-03-22 国网电动汽车服务有限公司 一种电动汽车充电方案实时推荐方法及系统
CN109858659A (zh) * 2017-11-30 2019-06-07 北京嘀嘀无限科技发展有限公司 充电桩站点推荐方法、装置、服务器和可读存储介质
US20190325401A1 (en) * 2017-01-31 2019-10-24 Sony Corporation Information processing apparatus, information processing method, and program
US20190360831A1 (en) * 2018-05-25 2019-11-28 Neusoft Corporation Automatic driving method and device
CN110704731A (zh) * 2019-09-12 2020-01-17 广州大学 一种充电桩链式推荐方法和装置
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
CN111061950A (zh) * 2019-12-09 2020-04-24 广州探途网络技术有限公司 一种基于大数据分析的优惠加油信息智能推荐方法
US20200294078A1 (en) * 2017-11-30 2020-09-17 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for electric vehicle charging
CN112132608A (zh) * 2020-09-15 2020-12-25 北京慧辰资道资讯股份有限公司 基于电力物联网大数据的充电服务智能推荐方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120099977A (ko) * 2011-03-02 2012-09-12 정유식 전력 분산이 고려된 추천 충전소 정보 제공 방법 및 그 장치
US20180010918A1 (en) * 2016-07-08 2018-01-11 Toyota Motor Engineering & Manufacturing North America, Inc. Optimal energy source determination system
CN106447129A (zh) * 2016-10-31 2017-02-22 北京小飞快充网络科技有限公司 一种基于快速充电桩的高效率的充电站推荐方法
US20190325401A1 (en) * 2017-01-31 2019-10-24 Sony Corporation Information processing apparatus, information processing method, and program
US20200294078A1 (en) * 2017-11-30 2020-09-17 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for electric vehicle charging
CN109858659A (zh) * 2017-11-30 2019-06-07 北京嘀嘀无限科技发展有限公司 充电桩站点推荐方法、装置、服务器和可读存储介质
US20190360831A1 (en) * 2018-05-25 2019-11-28 Neusoft Corporation Automatic driving method and device
CN109033190A (zh) * 2018-06-27 2018-12-18 微梦创科网络科技（中国）有限公司 一种推荐信息的推送方法、装置及设备
CN109501630A (zh) * 2018-12-04 2019-03-22 国网电动汽车服务有限公司 一种电动汽车充电方案实时推荐方法及系统
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
CN110704731A (zh) * 2019-09-12 2020-01-17 广州大学 一种充电桩链式推荐方法和装置
CN111061950A (zh) * 2019-12-09 2020-04-24 广州探途网络技术有限公司 一种基于大数据分析的优惠加油信息智能推荐方法
CN112132608A (zh) * 2020-09-15 2020-12-25 北京慧辰资道资讯股份有限公司 基于电力物联网大数据的充电服务智能推荐方法及装置

Similar Documents

Publication Publication Date Title
CN109808541B (zh) 一种电动汽车充电方法及系统
US8346420B2 (en) System and method for predicting vehicle energy consumption
CN104697540A (zh) 提供加油站信息的方法和信息处理装置及车载导航系统
CN109409982B (zh) 共享车辆推荐方法及装置
CN112119435B (zh) 车辆分配设备、车辆分配方法、计算机程序和计算机可读存储介质
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
CN108154261B (zh) 一种最优加油站的推荐方法及装置
CN112703518B (zh) 剩余里程预测的方法和电池远程服务的系统
CN111061950A (zh) 一种基于大数据分析的优惠加油信息智能推荐方法
CN102466486A (zh) 响应于燃料供给警报来查找燃料供给设施的系统和方法
CN107230091A (zh) 拼车请求订单匹配方法及装置
EP3477564A1 (en) Vehicle ride share assist system
CN107289954B (zh) 一种线路处理方法及装置
CN106779880A (zh) 基于使用共享单车为用户提供奖励的方法、装置及系统
CN110936844A (zh) 服务器、车辆和充电器通告方法
Jiang et al. A multi-period analysis of taxi drivers' behaviors based on GPS trajectories
CN112070258A (zh) 一种网约车打车订单派单的方法和系统
CN111797309A (zh) 一种基于出行模式的车载智能推荐装置及方法
CN110852464A (zh) 一种基于实时单行程车辆的预约单连环派单方法和装置
CN112562206A (zh) 一种新能源共享汽车智能调度方法、系统及服务器
CN112052973A (zh) 一种高效的网约车打车订单匹配的方法和系统
CN112925985A (zh) 一种能源获取的智能推荐方法
US10457284B2 (en) Method, device and mobile user apparatus for adapting an energy supply of a drive system of a vehicle
JP2009023433A (ja) 給油案内方法、給油案内装置、車載端末、車両、及びセンターサーバ
CN111815344A (zh) 汽车加油推荐方法、电子设备及存储介质

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