发明内容
本发明提供了一种电动车的智能调度方法及其系统,以解决目前新能源电动车充电基础设施利用率不均衡导致社会公共资源利用效率低的问题。
为解决上述技术问题,本发明所采用的技术方案是:
一种电动车的智能调度方法,包括如下步骤:
步骤S1.针对不同类型的用户设定用户标签;
步骤S2.根据不同的调度目的确定对应的调度活动标签,再选择待调度用户标签,即通过标签筛选功能,选出待调度用户;
步骤S3.根据不同的待调度用户设置不同的调度活动信息,调度活动信息的具体设置如下:
设置调度范围,即设置参与调度的交通工具附属设施;
设置调度时段,即设置调度活动触发的时间段;
设置调度方式,即设置调度活动的执行方式;
步骤S4.调度活动信息设置完成后,将调度活动信息通知对应的待调度用户;
步骤S5.调度活动结束后,对调度数据进行统计分析和复盘,统计分析和复盘的过程如下:
将调度后的调度数据和调度前的调度数据进行对比,若调度数据出现上升,则调度结果为成功,将该次的调度活动信息作为该标签类型的待调度用户的调度模型;若调度数据出现下降,则需要对调度方式进行优化,直至调度数据出现上升;
步骤S6.根据不同标签的待调度用户选择对应的调度模型进行电动车的智能调度。
进一步地,调度活动标签的类型包括召回、活跃、忠诚、新用户转化、新站、削峰和均衡。
进一步地,调度数据包括调度成功率、调度成本、充电量、用户数、忠诚用户数、高价值用户数和功率利用率的数据。
进一步地,交通工具附属设施为充电站。
进一步地,调度活动的执行方式包括发放优惠券、发放代金券和进行特殊收费。
进一步地,将调度活动信息通知对应的待调度用户的通知形式包括手机短信、APP弹窗、APP信息推送和系统通知栏。
进一步地,对调度方式进行优化的过程如下:在充电调度后,将调度后的调度成功率、调度成本、充电量、用户数、忠诚用户数、高价值用户数和功率利用率的数据和调度前进行对比;若以上数据出现上升,说明调度活动成功,以此为调度模型;若以上数据出现下降,则需要调整调度方式,对调度方式进行优化。
进一步地,对调度方式进行优化的方式包括:修改优惠方式、修改优惠金额和更改待调度用户标签。
一种电动车的智能调度系统,包括标签管理单元、智能调度模块、统计分析模块和调度模型生成模块,标签管理单元与智能调度模块连接,智能调度模块分别与统计分析模块和调度模型生成模块连接,标签管理单元用于针对不同类型的用户设定用户标签以及针对不同的调度目的设定调度活动标签,智能调度模块用于设置调度参数以及进行调度,统计分析模块用于统计分析调度数据,调度模型生成模块用于生成调度模型。
进一步地,智能调度模块包括标签选择单元、调度范围设置单元、调度时段设置单元、调度方式设置单元和调度活动信息通知单元,标签选择单元、调度范围设置单元、调度时段设置单元、调度方式设置单元和调度活动信息通知单元依次连接,标签选择单元分别与标签管理单元和调度模型生成模块连接,标签选择单元用于选择用户标签和调度活动标签,调度范围设置单元用于设置参与调度的交通工具附属设施,调度时段设置单元用于设置调度活动触发的时间段,调度方式设置单元用于设置调度活动的执行方式,调度活动信息通知单元用于将调度活动信息通知给用户。
进一步地,统计分析模块包括统计分析看板和调度效果对比看板,统计分析看板用于统计调度成功率、调度成本、充电量、用户数、忠诚用户数、高价值用户数和功率利用率的数据,调度效果对比看板用于将统计分析看板统计的调度前和调度后的数据进行对比。
与现有技术相比,本发明具有以下有益效果:本发明通过大数据采集,针对用户行为习惯及分析用户信息,实现智能调度;通过将不同类型、不同行为习惯的用户分级,为用户规划使用哪个附属设施及设施使用时间,将高负荷设施的用户引导至利用率较低的设施。在每一次调度活动完成后,给出调度活动分析统计复盘结果,生成调度模型。在调度模型成熟后,针对不同调度目的安排不同的调度方式,实现自动化执行、智能调度;使得交通工具充电基础设施利用率不均衡的问题得到明显改善;解决了新能源汽车充电基础设施利用率不均衡导致的社会公共资源利用效率低和投资人收益不理想的问题;通过大数据分析,对交通工具用户的鼓励、引导,达到提升新能源汽车充电基础设施利用率的目的。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
下面结合实施例对本发明作进一步的描述,所描述的实施例仅仅是本发明一部分实施例,并不是全部的实施例。基于本发明中的实施例,本领域的普通技术人员在没有做出创造性劳动前提下所获得的其他所用实施例,都属于本发明的保护范围。
请参阅图1至图2,图中所示者为本发明所选用的实施例结构,此仅供说明之用,在专利申请上并不受此种结构的限制。
实施例一
如图1所示,一种电动车的智能调度方法,包括如下步骤:
步骤S1.针对不同类型的用户设定用户标签;
步骤S2.根据不同的调度目的确定对应的调度活动标签,再选择待调度用户标签,即通过标签筛选功能,选出待调度用户;
步骤S3.根据不同的待调度用户设置不同的调度活动信息,调度活动信息的具体设置如下:
设置调度范围,即设置参与调度的交通工具附属设施;
设置调度时段,即设置调度活动触发的时间段;
设置调度方式,即设置调度活动的执行方式;
步骤S4.调度活动信息设置完成后,将调度活动信息通知对应的待调度用户;
步骤S5.调度活动结束后,对调度数据进行统计分析和复盘,统计分析和复盘的过程如下:
将调度后的调度数据和调度前的调度数据进行对比,若调度数据出现上升,则调度结果为成功,将该次的调度活动信息作为该标签类型的待调度用户的调度模型;若调度数据出现下降,则需要对调度方式进行优化,直至调度数据出现上升;
步骤S6.根据不同标签的待调度用户选择对应的调度模型进行电动车的智能调度。
调度数据包括调度成功率、调度成本、充电量、用户数、忠诚用户数、高价值用户数和功率利用率的数据。
对调度方式进行优化的过程如下:在充电调度后,将调度后的调度成功率、调度成本、充电量、用户数、忠诚用户数、高价值用户数和功率利用率的数据和调度前进行对比;若以上数据出现上升,说明调度活动成功,以此为调度模型;若以上数据出现下降,则需要调整调度方式,对调度方式进行优化。
调度活动标签类型包括召回、活跃、忠诚、新用户转化、新站、削峰和均衡。召回即令流失的用户重回平台,活跃即针对平台常用用户,忠诚即只使用本平台的用户,新用户转化即付费的新用户转化为平台常用用户、新站即新建成场站、削峰即减少高峰场站人流量、均衡即将几个场站用户数调整至大致相同。
在实际应用中,可根据实际需求对用户标签类型和调度活动标签类型进行拓展。交通工具附属设施为充电站。
调度活动的执行方式包括发放优惠券、发放代金券和进行特殊收费。特殊收费可以为分期付费、先充值后付费时有优惠减免等。
将调度活动信息通知给用户的通知形式包括手机短信、APP弹窗、APP信息推送和系统通知栏。也可以是公众号、小程序信息推送等。
对调度方式进行优化的方式包括:修改优惠方式、修改优惠金额和更改待调度用户标签。
实施例二
实施例二为实施例一的进一步优化。
如图2所示,一种电动车的智能调度系统,包括标签管理单元、智能调度模块、统计分析模块和调度模型生成模块,标签管理单元与智能调度模块连接,智能调度模块分别与统计分析模块和调度模型生成模块连接,标签管理单元用于针对不同类型的用户设定用户标签以及针对不同的调度目的设定调度活动标签,智能调度模块用于设置调度参数以及进行调度,统计分析模块用于统计分析调度数据,调度模型生成模块用于生成调度模型。
智能调度模块包括标签选择单元、调度范围设置单元、调度时段设置单元、调度方式设置单元和调度活动信息通知单元,标签选择单元、调度范围设置单元、调度时段设置单元、调度方式设置单元和调度活动信息通知单元依次连接,标签选择单元分别与标签管理单元和调度模型生成模块连接,标签选择单元用于选择用户标签和调度活动标签,调度范围设置单元用于设置参与调度的交通工具附属设施,调度时段设置单元用于设置调度活动触发的时间段,调度方式设置单元用于设置调度活动的执行方式,调度活动信息通知单元用于将调度数据通知给用户。
统计分析模块包括统计分析看板和调度效果对比看板,统计分析看板用于统计调度成功率、调度成本、充电量、用户数、忠诚用户数、高价值用户数和功率利用率的数据,调度效果对比看板用于将统计分析看板统计的调度前和调度后的数据进行对比。
实施例三
实施例三为实施例二的进一步优化。
为了进一步提高充电站的利用率,本发明还提供一种智能辅助充电调度方法。一种智能辅助充电调度方法是在一种电动车的智能调度方法的基础上,再进一步对电动车进行调度,即是一种辅助调度的形式,以对一种电动车的智能调度方法进行补充和完善,当两者的调度相冲突时,一种电动车的智能调度方法的调度为第一优先级通知到用户。
一种智能辅助充电调度方法,包括如下步骤:
a1.收集当前的路况信息、当前车辆信息以及附近充电站的排队信息;基于效益最大化原则,通过深度学习卷积网络对收集的信息进行学习,得到为用户推荐的充电站位置;
a2.收集车辆的历史耗电量以及工作时长信息;基于效益最大化原则,通过深度学习卷积网络对收集的数据进行分析,并基于当前的路况信息和预测路况信息向用户推荐充电电量;其中,预测路况信息通过将收集的路况信息输入到深度学习卷积网络预测得到;
a3:根据充电站位置和充电电量进行充电。
在这里需要说明的是,在具体实施时,并不限定步骤a1和步骤a2的先后执行关系,可以先得到充电站位置,再得到充电电量,也可以先得到充电电量,再得到充电站位置,还可以充电站位置和充电电量同时得到。
此外,这里的效益最大化是指电动车充电等待时间最短,运行时间最长。
在实际应用中,电动车司机会集中在某一些时段进行充电(例如:上下班高峰期前),并且会将车辆充满电。这样同一时间同一地点的扎堆充电会使得大量的车停留在充电服务站,不能享受充电服务。因此,本发明考虑让每一辆车都部分充电,根据车历史行驶的信息(例如:耗电量和工作时长等信息)推荐部分充电电量,既能够满足车辆的充电需求,保证运行时间,又能够让其他车能充上电,减少等待时间,使得全局利益最大化。并且,如果大量部署固定充电站,闲暇时间,充电站资源不能得到合理的利用,容易造成资源浪费。
由于很多用户会集中在某一个充电站进行充电,这样集中式的充电会造成大量的排队现象,而且还会有资源利用率不均衡的问题。因此,本发明提供的技术方案根据用户当前位置,用户车辆当前信息,当前路况信息以及周围充电站排队情况,在用户电量充足的前提下,为用户提供最合适的充电站地点。
由于许多用户都会将车辆充满才继续行驶,这会导致车辆充电的时间过长,以及后面的司机会有更长的等待时间。本发明提供的技术方案根据车辆历史耗电量和工作时长为用户推荐一个合适的部分充电的电量,以满足全局利益最大化的需求。
此外,为了上述两种调度方式能够相互配合,本发明的一种电动车的智能调度系统,还包括:
充电站位置推荐模块,用于根据收集的路况信息、当前车辆信息和附近充电站的信息以及效益最大化原则,得到为用户推荐的充电站位置;
充电电量推荐模块,用于根据车辆的历史行驶信息和效益最大化原则,得到为用户推荐的充电电量;
充电模块,用于根据充电站位置和充电电量进行充电。
充电站位置推荐模块具体包括:
第一收集单元,用于收集当前的路况信息、当前车辆信息以及附近充电站的排队信息;
第一推荐单元,用于基于效益最大化原则,通过深度学习卷积网络对第一收集单元收集的信息进行学习,得到为用户推荐的充电站位置。
充电电量推荐模块具体包括:
第二收集单元,用于收集车辆的历史耗电量以及工作时长信息;
第二推荐单元,用于基于效益最大化原则,通过深度学习卷积网络对第二收集单元收集的数据进行分析,并基于当前的路况信息和预测路况信息向用户推荐充电电量;其中,预测路况信息通过将收集的路况信息输入到深度学习卷积网络预测得到。
流程如下:
1)用户向云服务器提出充电申请;
2)云服务器会根据当前所收集的信息为其推荐最适合的充电站的位置;
3)云服务器会根据当前所收集的信息为其推荐最适合的充电量。
其中,用户需要确认是否按照推荐最适合的充电量进行充电,确认后,结合第一种方法的调度方式,给予相应的优惠,以此鼓励用户按照推荐最适合的充电量进行充电,从而使得全局利益最大化。
综合上所述,一种智能辅助充电调度方法会给用户推荐最适合的充电站的位置和最适合的充电量,而最适合的充电站的位置和最适合的充电量,这两个信息与第一种方法的调度信息一起通知到客户,而最适合的充电站的位置会属于第一种方法的调度范围内的参与调度的充电站的位置,即这两种方法结合起来,能够让用户第一时间看到附近哪个充电站最适合他去充电。
以上所述实施例是用以说明本发明,并非用以限制本发明,所以举例数值的变更或等效元件的置换仍应隶属本发明的范畴。
由以上详细说明,可使本领域普通技术人员明了本发明的确可达成前述目的,实已符合专利法的规定。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,应当指出的是,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。