CN113362460A - 全域新能源汽车充电地图构建与推荐方法 - Google Patents
全域新能源汽车充电地图构建与推荐方法 Download PDFInfo
- Publication number
- CN113362460A CN113362460A CN202110470738.4A CN202110470738A CN113362460A CN 113362460 A CN113362460 A CN 113362460A CN 202110470738 A CN202110470738 A CN 202110470738A CN 113362460 A CN113362460 A CN 113362460A
- Authority
- CN
- China
- Prior art keywords
- charging
- facility
- vehicle
- facilities
- event
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- 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
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Graphics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种全域新能源汽车充电地图构建与推荐方法,其利用实车数据提取单次充电事件中所包含的多维度信息,实现了精确充电地图的建立,同时结合充电事件中的充电功率、充电设施权属、直流与交流充电模式以及唯一的车辆识别信息,在对充电事件的统计中考虑这些不同因素并加以区分,能够通过多种手段完善全域新能源汽车充电地图并且提供最优的充电桩推荐与引导方案。
Description
技术领域
本发明涉及新能源汽车的充电设施确定与推荐技术领域,具体涉及考虑全域因素构建新能源汽车充电地图,并在此基础上实现个性化充电桩推荐的方法。
背景技术
目前,我国已成为全球新能源汽车产业发展最快的国家之一。但是随着新能源汽车保有量和使用量的不断增加,我国充电基础设施在整体发展速度与新能源汽车行业不匹配的情况逐渐显现。公共类快充桩的平均利用率较低;运营商之间尚未实现有效的互联互通,车主往往需要通过多个充电App来全面了解周边充电站相关信息,车主补电需付出较多时间成本。现有的解决手段中,有主要通过整合数家充电设施运营商的数据来构建充电地图的方式,但存在充电地图信息无法保证全面性的缺点。通过新能源汽车运行数据挖掘充电设施信息可以丰富地图信息,但在现有技术中尚未形成较为完整的解决方案。
发明内容
有鉴于此,本发明旨在依托实车运行数据并结合统计分析来确定充电设施所在的最优区域,同时根据区域中的充电站位置、站内充电桩数量、充电功率、直流或交流充电模式、充电站服务车型、充电设施权属等的多方面因素,最终实现最佳的充电桩匹配与推荐。
基于上述总的发明构思,本发明提供了一种全域新能源汽车充电地图构建与推荐方法,具体包括以下步骤:
步骤一、获取实车运行数据,从中提取出每个充电事件所对应的车辆经度与纬度坐标、充电开始时间等数据;将每个充电事件记录为pi={lati,lngti,ti},其中lat,lngt表示本次充电时车辆所在的经纬度,t表示充电开始时间,表示第i个充电事件;针对充电设施所在目标区域范围内的某个时间段内所有车辆的充电事件记录为数据集P={p1,p2,......,pn},其中n表示第n个充电事件;
步骤二、对地图进行网格化处理,并建立网格长度的候选参数集合D={1,2,3,......,100},集合中数值的单位为米;依次选用集合D中的元素作为网格长度,将充电设施所在区域划分为面积相等的正方形子区域作为样方;
步骤三、统计每个样方中发生充电事件的次数,并除以样方的面积得到充电事件发生的密度r;当r>0时,计算样方内各充电事件所对应的经度与纬度的平均值,记为充电设施位置坐标Ck,其中k表示第k个样方;计算Ck与其周围八个样方中的充电设施之间的距离,将间距小于预定值的充电设施视为与其相同的充电设施,并计算两者的经度与纬度的平均值;
重复执行计算充电设施位置多次,并基于经纬度坐标统计目标区域内的充电设施数量,待计算的所述数量结果稳定后得到该区域内的充电设施数量N;
步骤四、重复执行步骤二直到计算的充电设施数量不再等于N为止,统计数量为N时r的取值范围;
步骤五、根据不同目标区域中的充电设施数量N以及相应的不同时段的r值确定最优的充电设施位置。
进一步地,经所述步骤二确定各充电设施的位置后,统计不同时段所述位置处同时充电的车辆数量,将所述车辆数量最大值确定为充电设施处所具有的充电桩数量。
进一步地,步骤一中获取的实车数据还包括车辆识别号码VIN(VehicleIdentification Number,或车架号码),用于在统计充电事件中区别不同的车辆类型。
进一步地,步骤一中获取的实车数据还包括每个充电事件中的充电电压和充电电流,用于计算该次充电过程中的峰值功率与平均功率。
进一步地,步骤一中获取的实车数据还包括每个充电事件中所使用的充电设施的权属信息,用于在步骤二至四中对不同权属的充电设施进行区分,并分别计算相应的N和r的值。
进一步地,所述权属信息基于充电功率与车辆识别号码得到:
若充电设施中的充电桩数量为1,且充电功率较小,充电车辆的识别号码固定,则识别充电设施为私人自用充电桩;
若充电设施中的充电桩数量为1,且充电功率较小,充电车辆识别号码数量大于1且小于设定值,则识别充电设施为私人共享充电桩;
充电设施中的充电桩大于1时,若充电功率较大,则识别为公共充电站;若充电功率较小,则结合充电车辆识别号码判断其权属。
进一步地,步骤一中获取的实车数据还包括每个充电事件中所使用的充电设施的充电模式,包括直流充电模式与交流充电模式;根据充电模式确定充电设施是否能够满足快充以及插电混动车辆补电的需求。
进一步地,步骤一中通过车辆识别号码区分充电事件中,车辆对应的充电接口类型、充电协议、品牌以及相同品牌下的不同车型。
上述本发明所提供的方法,利用实车数据提取单次充电事件中所包含的多维度信息,实现了精确充电地图的建立,同时结合充电事件中的充电功率、充电设施权属、直流与交流充电模式以及唯一的车辆识别信息,在对充电事件的统计中考虑这些不同因素并加以区分,能够通过多种手段完善全域新能源汽车充电地图并且提供最优的充电桩推荐与引导方案。
附图说明
图1为本发明所提供方法的流程示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做出创造性劳动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。
本发明提供的一种全域新能源汽车充电地图构建与推荐方法,如图1所示,具体包括以下步骤:
步骤一、获取实车运行数据,从中提取出每个充电事件所对应的车辆经度与纬度坐标、充电开始时间等数据;将每个充电事件记录为pi={lati,lngti,ti},其中lat,lngt表示本次充电时车辆所在的经纬度,t表示充电开始时间,表示第i个充电事件;针对充电设施所在目标区域范围内的某个时间段内所有车辆的充电事件记录为数据集P={p1,p2,……,pn},其中n表示第n个充电事件;
步骤二、对地图进行网格化处理,并建立网格长度的候选参数集合D={1,2,3,……,100},集合中数值的单位为米;依次选用集合D中的元素作为网格长度,将充电设施所在区域划分为面积相等的正方形子区域作为样方;
步骤三、统计每个样方中发生充电事件的次数,并除以样方的面积得到充电事件发生的密度r;这里的r值反映了特定范围内完成充电的机会大小,其值较大时无论是由于此处充电桩数量较多、充电速度快等何种因素,都意味着选择在该处充电更佳;当r>0时,计算样方内各充电事件所对应的经度与纬度的平均值,记为充电设施位置坐标Ck,其中k表示第k个样方;
计算Ck与其周围八个样方中的充电设施之间的距离,将间距小于预定值10m的充电设施视为与其相同的充电设施,并计算两者的经度与纬度的平均值;
重复执行计算充电设施位置连续三次,并基于经纬度坐标统计目标区域内的充电设施数量,待计算的所述数量结果稳定后得到该区域内的充电设施数量N;
步骤四、重复执行步骤二直到计算的充电设施数量不再等于N为止,统计数量为N时r的取值范围;
步骤五、根据不同目标区域中的充电设施数量N以及相应的不同时段的r值,即可确定最优的充电设施位置。比如在多个目标区域中选择充电设施数量最多的区域,也可以结合r值判断特定时段选择哪个区域具有更大的充电机会。
在本发明的一个优选实施方式中,经所述步骤二确定各充电设施的位置后,统计不同时段所述位置处同时充电的车辆数量,将所述车辆数量最大值确定为充电设施处所具有的充电桩数量。
除了经、纬度和充电开始时间信息,还可获取的实车数据基于GB32960所要求的技术规范,包括但不限于:VIN、SOC、充电电流、充电状态等数据。车辆识别号码VIN(VehicleIdentification Number,或车架号码),用于在统计充电事件中区别不同的车型。
步骤一中获取的实车数据还包括每个充电事件中的充电电压和充电电流,用于计算该次充电过程中的峰值功率与平均功率。
在本发明的一个优选实施方式中,步骤一中获取的实车数据还包括每个充电事件中所使用的充电设施的权属信息,用于在步骤二至四中对不同权属的充电设施进行区分,并分别计算相应的N和r的值。
充电设施权属识别即识别私人自用充电桩、私人共享充电桩和公共充电站。由于安全原因,在小区安装的私人充电桩往往功率较小,充电电流较小。公共充电站充电桩数量较多且多为快充桩,充电电流大。因此所述权属信息也可以基于充电功率与车辆识别号码得到:
若充电设施中的充电桩数量为1,且充电功率较小,充电车辆的识别号码固定,则识别充电设施为私人自用充电桩;
若充电设施中的充电桩数量为1,且充电功率较小,充电车辆识别号码数量大于1且小于设定值,则识别充电设施为私人共享充电桩;
充电设施中的充电桩大于1时,若充电功率较大,则识别为公共充电站;若充电功率较小,则结合充电车辆识别号码判断其权属。
有些公共充电站能够提供直流和交流充电,出于经济或其他原因,有些充电站仅提供直流充电或交流充电。直流充电相较于交流充电,充电电流更大,在相同情况下,车辆补电需要的时间短,能够满足快速充电需求。交流充电电流较小,在夜间慢充有利于平抑电网波动。插电式混动汽车的电池容量较小,现阶段无法使用以大电流充电为主要方式的直流充电模式。部分充电站只设有直流充电桩,无法满足插电式混动汽车的补电要求。基于这种考虑,步骤一中获取的实车数据还包括每个充电事件中所使用的充电设施的充电模式,包括直流充电模式与交流充电模式;根据充电模式确定充电设施是否能够满足快充以及插电混动车辆补电的需求。
由于目前部分充电桩通用性、兼容性较差,充电协议不匹配会导致车辆无法充电。一些企业处于自身利益的考量,生产只适配自己汽车的充电桩,其他品牌车辆无法使用相关车企或出行公司生产的充电桩。插电式混动汽车的电池容量较小,现阶段无法使用以大电流充电为主要方式的直流充电模式。部分充电站只设有直流充电桩,无法满足插电式混动汽车的补电要求。对于某些品牌的车型来说,存在兼有纯电动和插电式混动的情况,也有必要在统计中区别处理。因此,在构建充电地图中,有必要通过车辆识别号码区分充电事件中,车辆对应的充电接口类型、充电协议、品牌以及相同品牌下的不同车型。具体可采用的方法如下:
记录一段时间内充电站服务过的车辆的VIN码,由VIN码识别车辆的型号、品牌;
若充电站服务过两个及以上汽车品牌,且该充电站包含交流充电桩,则该充电站可视为通用型的充电站;
若该充电站服务过两个及以上汽车品牌,但不包含交流充电桩,则该充电桩可为所有车型提供直流充电服务;
若充电站仅服务过单一品牌或者单一车型,且该品牌设有非共享的专用充电站,则该充电站为品牌专用型充电站。
应理解,本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.全域新能源汽车充电地图构建与推荐方法,具体包括以下步骤:
步骤一、获取实车运行数据,从中提取出每个充电事件所对应的车辆经度与纬度坐标、充电开始时间数据;将第i个充电事件记录为pi={lati,lngti,ti},其中lat,lngt表示本次充电时车辆所在的经纬度,t表示充电开始时间;针对充电设施所在目标区域范围内的某个时间段内所有车辆的充电事件记录为数据集P={p1,p2,......,pn},其中n表示共n个充电事件;
步骤二、对地图进行网格化处理,并建立网格长度的候选参数集合D={1,2,3,......,100},集合中数值的单位为米;依次选用集合D中的元素作为网格长度,将充电设施所在区域划分为面积相等的正方形子区域作为样方;
步骤三、统计每个样方中发生充电事件的次数,并除以样方的面积得到充电事件发生的密度r;当r>0时,计算样方内各充电事件所对应的经度与纬度的平均值,记为充电设施位置坐标Ck,其中舟表示第k个样方;
计算Ck与其周围样方中的充电设施之间的距离,将间距小于预定值的充电设施视为与其相同的充电设施,并计算两者的经度与纬度的平均值;
重复执行计算充电设施位置多次,并基于经纬度坐标统计目标区域内的充电设施数量,待计算的所述数量结果稳定后得到该区域内的充电设施数量N;
步骤四、重复执行步骤二直到计算的充电设施数量不再等于N为止,统计数量为N时r的取值范围;
步骤五、根据不同目标区域中的充电设施数量N以及相应的不同时段的r值确定最优的充电设施位置并推荐。
2.如权利要求1所述的方法,其特征在于:经所述步骤二确定各充电设施的位置后,统计不同时段所述位置处同时充电的车辆数量,将所述车辆数量最大值确定为充电设施处所具有的充电桩数量。
3.如权利要求1所述的方法,其特征在于:步骤一中获取的实车数据还包括车辆识别号码V州,用于在统计充电事件中区别不同的车辆类型。
4.如权利要求1所述的方法,其特征在于:步骤一中获取的实车数据还包括每个充电事件中的充电电压和充电电流,用于计算该次充电过程中的峰值功率与平均功率。
5.如权利要求1所述的方法,其特征在于:步骤一中获取的实车数据还包括每个充电事件中所使用的充电设施的权属信息,用于在步骤二至四中对不同权属的充电设施进行区分,并分别计算相应的N和r的值。
6.如权利要求5所述的方法,其特征在于:所述权属信息基于充电功率与车辆识别号码得到:
若充电设施中的充电桩数量为1,且充电功率较小,充电车辆的识别号码固定,则识别充电设施为私人自用充电桩;
若充电设施中的充电桩数量为1,且充电功率较小,充电车辆识别号码数量大于1且小于设定值,则识别充电设施为私人共享充电桩;
充电设施中的充电桩大于1时,若充电功率较大,则识别为公共充电站;若充电功率较小,则结合充电车辆识别号码判断其权属。
7.如权利要求1所述的方法,其特征在于:步骤一中获取的实车数据还包括每个充电事件中所使用的充电设施的充电模式,包括直流充电模式与交流充电模式;根据充电模式确定充电设施是否能够满足快充以及插电混动车辆补电的需求。
8.如权利要求3所述的方法,其特征在于:步骤一中通过车辆识别号码区分充电事件中,车辆对应的充电接口类型、充电协议、品牌以及相同品牌下的不同车型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110470738.4A CN113362460B (zh) | 2021-04-28 | 2021-04-28 | 全域新能源汽车充电地图构建与推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110470738.4A CN113362460B (zh) | 2021-04-28 | 2021-04-28 | 全域新能源汽车充电地图构建与推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362460A true CN113362460A (zh) | 2021-09-07 |
CN113362460B CN113362460B (zh) | 2022-08-30 |
Family
ID=77525631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110470738.4A Active CN113362460B (zh) | 2021-04-28 | 2021-04-28 | 全域新能源汽车充电地图构建与推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362460B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030189498A1 (en) * | 1998-06-15 | 2003-10-09 | Masaki Kakihara | Charging device |
US20130222158A1 (en) * | 2012-02-23 | 2013-08-29 | Jing D. Dai | Electric vehicle (ev) charging infrastructure with charging stations optimumally sited |
US20130275368A1 (en) * | 2012-04-13 | 2013-10-17 | General Motors Llc | Maintaining Electrical Vehicle Recharging Station Data |
US20160026659A1 (en) * | 2014-07-22 | 2016-01-28 | GM Global Technology Operations LLC | Centrally Managing Electrical Vehicle Recharging Station Infrastructure Data Using Over-the-Air Telematics Communications |
US20170276503A1 (en) * | 2016-03-23 | 2017-09-28 | I-On Communications Co., Ltd. | System and method for recommending charging station for electric vehicle |
CN107886186A (zh) * | 2017-10-16 | 2018-04-06 | 清华大学 | 一种基于行车数据及维诺图划分区域的充电桩设置方法 |
US20180240047A1 (en) * | 2015-08-19 | 2018-08-23 | Tianjin University | Planning method of electric vehicle fast charging stations on the expressway |
CN110667428A (zh) * | 2019-09-26 | 2020-01-10 | 东南大学 | 一种基于实时定位数据的电动汽车充电站推荐方法 |
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 |
CN111291920A (zh) * | 2020-01-10 | 2020-06-16 | 国网重庆市电力公司电力科学研究院 | 一种考虑多因素多场景的电动汽车充电站推荐方法 |
CN111523722A (zh) * | 2020-04-20 | 2020-08-11 | 武汉大学 | 一种基于深度强化学习的智能充电站优化选择系统 |
CN111861192A (zh) * | 2020-07-16 | 2020-10-30 | 云南电网有限责任公司 | 一种电动汽车充电站的选址方法及装置 |
-
2021
- 2021-04-28 CN CN202110470738.4A patent/CN113362460B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030189498A1 (en) * | 1998-06-15 | 2003-10-09 | Masaki Kakihara | Charging device |
US20130222158A1 (en) * | 2012-02-23 | 2013-08-29 | Jing D. Dai | Electric vehicle (ev) charging infrastructure with charging stations optimumally sited |
US20130275368A1 (en) * | 2012-04-13 | 2013-10-17 | General Motors Llc | Maintaining Electrical Vehicle Recharging Station Data |
US20160026659A1 (en) * | 2014-07-22 | 2016-01-28 | GM Global Technology Operations LLC | Centrally Managing Electrical Vehicle Recharging Station Infrastructure Data Using Over-the-Air Telematics Communications |
US20180240047A1 (en) * | 2015-08-19 | 2018-08-23 | Tianjin University | Planning method of electric vehicle fast charging stations on the expressway |
US20170276503A1 (en) * | 2016-03-23 | 2017-09-28 | I-On Communications Co., Ltd. | System and method for recommending charging station for electric vehicle |
CN107886186A (zh) * | 2017-10-16 | 2018-04-06 | 清华大学 | 一种基于行车数据及维诺图划分区域的充电桩设置方法 |
CN110667428A (zh) * | 2019-09-26 | 2020-01-10 | 东南大学 | 一种基于实时定位数据的电动汽车充电站推荐方法 |
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 |
CN111291920A (zh) * | 2020-01-10 | 2020-06-16 | 国网重庆市电力公司电力科学研究院 | 一种考虑多因素多场景的电动汽车充电站推荐方法 |
CN111523722A (zh) * | 2020-04-20 | 2020-08-11 | 武汉大学 | 一种基于深度强化学习的智能充电站优化选择系统 |
CN111861192A (zh) * | 2020-07-16 | 2020-10-30 | 云南电网有限责任公司 | 一种电动汽车充电站的选址方法及装置 |
Non-Patent Citations (9)
Title |
---|
JIN ZHANG等: "Energy consumption analysis and prediction of electric vehicles based on real-world driving data", 《APPLIED ENERGY》 * |
JUN MA等: "An Analytical Planning Model to Estimate the Optimal Density of Charging Stations for Electric Vehicles", 《PLOS ONE 10》 * |
RAPHAELA PAGANY等: "A review of spatial localization methodologies for", 《INTERNATIONAL JOURNAL OF SUSTAINABLE TRANSPORTATION》 * |
佘承其等: "大数据分析技术在新能源汽车行业的应用综述——基于新能源汽车运行大数据", 《机械工程学报》 * |
杜锦芬: "关于电动汽车充电桩建设选型及布局规则的探讨", 《通讯世界》 * |
杨珍珍等: "数据驱动的电动汽车充电站选址方法", 《交通运输系统工程与信息》 * |
赵明宇等: "基于时空约束的城市交流充电桩优化布局", 《电力系统自动化》 * |
韩煜东等: "互联网+电动汽车充电设施服务网络布局与推进对策研究", 《经济研究导刊》 * |
韩煜东等: "基于遗传算法的快慢充充电站综合布局优化研究", 《数学的实践与认识》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113362460B (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9132742B2 (en) | Electric vehicle (EV) charging infrastructure with charging stations optimumally sited | |
CN107895504B (zh) | 室内停车场车位引导系统及其地图重构方法 | |
CN110667428B (zh) | 一种基于实时定位数据的电动汽车充电站推荐方法 | |
CN111898042B (zh) | 乘车点推荐方法、装置、设备及存储介质 | |
CN110782056A (zh) | 一种电池更换预约方法、系统及计算机可读存储介质 | |
CN116386379B (zh) | 基于物联网技术的智能停车场数据管理方法和系统 | |
CN111479321B (zh) | 一种网格构建方法、装置、电子设备和存储介质 | |
CN113486262B (zh) | 一种电动汽车充电站选址方法、系统和可读存储介质 | |
CN115526355A (zh) | 一种用于共享车辆的智能监测管理方法、系统及电子设备 | |
CN109977527B (zh) | 一种城市公共充电站网络的充电桩配置方法 | |
CN115424470A (zh) | 一种城市级智能停车系统、整合分析方法以及终端 | |
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 | |
CN113362460B (zh) | 全域新能源汽车充电地图构建与推荐方法 | |
CN110826744A (zh) | 一种动力电池更换预约方法、计算机设备及可读存储介质 | |
EP3885182A1 (en) | Power calculation apparatus and power calculation method | |
CN113085832B (zh) | 一种增程式混合动力车辆能量管理方法 | |
CN117353460A (zh) | 一种电力线路巡检方法、装置、设备及介质 | |
CN110782098A (zh) | 一种基于出租车载客数据的定制公交规划方法 | |
EP3960530A1 (en) | Apparatus, method and computer program for determining a plurality of information of a location of a charging station | |
CN114254889A (zh) | 充电站车辆排队调度的方法、系统、电子设备及存储介质 | |
CN103847536A (zh) | 电动车辆充电监控的车用装置及其方法 | |
CN114333084A (zh) | 一种基于nb-iot的停车收费系统、智慧车牌及地磁 | |
CN111276002A (zh) | 一种基于服务瓶颈站点识别的公交调度方法 | |
CN110992686A (zh) | 交通出行大数据分析方法 | |
CN114638554B (zh) | 营销业务健康指数评价联控方法及系统 |
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 |