CN114139763A - 预测电动汽车数量的方法及装置 - Google Patents
预测电动汽车数量的方法及装置 Download PDFInfo
- Publication number
- CN114139763A CN114139763A CN202111211642.2A CN202111211642A CN114139763A CN 114139763 A CN114139763 A CN 114139763A CN 202111211642 A CN202111211642 A CN 202111211642A CN 114139763 A CN114139763 A CN 114139763A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- predicted
- charging
- vehicles
- electric
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000011161 development Methods 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 14
- 238000006467 substitution reaction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请实施例公开了一种预测电动汽车数量的方法及装置。该方法可以包括如下步骤:根据人口发展规划及每万人拥有车辆数得到规划车辆数;根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数;根据规划车辆数以及替代车辆数得到电动汽车的预测车辆数。通过实施本申请实施例,可以根据规划预测电动汽车的数量,从而提高后续规划充电设施的准确性。
Description
技术领域
本申请涉及电动汽车领域,尤其涉及一种预测电动汽车数量的方法及装置。
背景技术
目前世界各国都面临着环境恶化、石油能源紧缺、温室气体排放限制的难题,电动汽车相对传统燃油车具有运行过程中溫室气体零排放,噪音低,能源利用效率高,行驶经济安全等优点,电动汽车发展已成为未来交通运输产业发展的重要趋势。
在城市规划阶段,由于处于规划期,电动汽车的数量需要预测。而电动汽车的数量直接影响充电负荷预测及充电设施规划的准确性。
发明内容
本申请实施例提供了一种预测电动汽车数量的方法及装置,通过根据规划预测电动汽车的数量,可以提高后续规划充电设施的准确性。
第一方面,本申请实施例提供了一种预测电动汽车数量的方法,所述方法包括:
根据人口发展规划及每万人拥有车辆数得到规划车辆数;
根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数;
根据所述规划车辆数以及所述替代车辆数得到所述电动汽车的预测车辆数。
进一步的,所述方法还包括:
根据所述预测车辆数以及车桩比计划得到充电桩预测数量。
进一步的,所述方法还包括:
根据所述电动汽车在分类地块上的充电概率将分类车辆与所述分类地块进行关联;
根据所述充电概率和所述充电桩预测数量,为所述分类地块上分配规划的充电桩数目。
进一步的,所述根据所述电动汽车在分类地块上的充电概率将分类车辆与所述分类地块进行关联包括:
根据服务类型对所述电动汽车进行分类得到所述分类车辆;
根据用地分类标准对规划区进行业态分类得到所述分类地块;
根据所述电动汽车在所述分类地块上的充电概率关联所述分类车辆与所述分类地块。
进一步的,所述预测车辆数包括第一预测车辆数、第二预测车辆数和第三预测车辆数,其中,所述第二预测车辆数大于所述第一预测车辆数,所述第三预测车辆数大于所述第二预测车辆数。
进一步的,所述充电桩预测数量包括第一充电桩预测数量、第二充电桩预测数量和第三充电桩预测数量,所述第二充电桩预测数量大于所述第一充电桩预测数量,所述第三充电桩预测数量大于所述第二充电桩预测数量。
进一步的,充电桩包括第一充电桩和第二充电桩,其中,所述第一充电桩和所述第二充电桩在所述分类地块上的分配比例由第一预设分配比例确定。
进一步的,若存在两个或以上地块属于同一个分类地块,则所述充电桩在所述两个或以上地块上的分配比例由第二预设分配比例确定。
第二方面,本申请实施例提供了一种预测电动汽车数量的装置,所述装置包括:
获取规划车辆数模块,用于根据人口发展规划及每万人拥有车辆数得到规划车辆数;
获取替代车辆数模块,用于根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数;
获取预测车辆数模块,用于根据所述规划车辆数以及所述替代车辆数得到所述电动汽车的预测车辆数。
进一步的,所述装置还包括:
获取充电桩预测数量模块,用于根据所述预测车辆数以及车桩比计划得到充电桩预测数量。
进一步的,所述装置还包括:
关联模块,用于根据所述电动汽车在分类地块上的充电概率将分类车辆与所述分类地块进行关联;
分配模块,用于根据所述充电概率和所述充电桩预测数量,为所述分类地块上分配规划的充电桩数目。
第三方面,本申请实施例提供了一种预测电动汽车数量的电子设备,包括:
处理器、存储器和总线,所述处理器和所述存储器通过所述总线连接,其中,所述存储器用于存储一组程序代码,所述处理器用于调用所述存储器中存储的所述程序代码,执行如第一方面所述的方法。
第四方面,本申请实施例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中存储有指令,当其在计算机上运行时,实现如第一方面所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施例,通过根据人口发展规划及每万人拥有车辆数得到规划车辆数,以及,根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数,从而可以根据规划车辆数以及替代车辆数得到电动汽车的预测车辆数,进而可以提高后续规划充电设施的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1为本申请实施例提供的一种预测电动汽车数量的方法的流程示意图;
图2为本申请实施例提供的另一种预测电动汽车数量的方法的流程示意图;
图3为本申请实施例提供的另一种预测电动汽车数量的方法的流程示意图;
图4为本申请实施例提供的一种关联分类车辆与分类地块的方法的流程示意图;
图5为本申请实施例提供的一种预测电动汽车数量的装置的组成示意图;
图6为本申请实施例提供的一种电子设备的组成示意图。
具体实施方式
下面结合附图对本申请实施例中的技术方案进行清楚、完整的描述,显然,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。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区分不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一些列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。需要说明的是,本申请实施例中,“示例性地”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性地”或者“例如”的任何实施例或设计方法不应被解释为比其他实施例或设计方案更优地或更具优势。确切而言,使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。在本申请实施例中,“A和/或B”表示A和B,A或B两个含义。“A,和/或B,和/或C”表示A、B、C中的任一个,或者,表示A、B、C中的任两个,或者,表示A和B和C。
下面,结合图1-图4中的步骤对本申请实施例提供的一种预测电动汽车数量的方法进行详细说明。
请参见图1,为本申请实施例提供的一种预测电动汽车数量的方法的流程示意图,可包括如下步骤:
步骤S101:根据人口发展规划及每万人拥有车辆数得到规划车辆数。
根据各地区的人口发展规划可以知道各地区规划的人口规模。每万人拥有车辆数表示各地区平均每一万个人所拥有的车辆的数目。需要说明的是,根据人口发展规划及每万人拥有车辆数得到的规划车辆数为某地区的规划车辆数,不同地区的规划车辆数可以相同也可以不同。
其中,规划车辆数的计算方式可表示为:
规划车辆数=规划的人口规模×每万人拥有车辆数,
其中,规划的人口规模的计量单位为万人。
例如,A地区规划的人口规模为800万人,A地区每万人拥有车辆数为1200辆,那么A地区的规划车辆数=800×1200=96万。
需要说明的是,规划车辆数不是规划的电动汽车车辆数,而是非电动汽车车辆数与电动汽车车辆数的总和。
在一种可能的实现方式中,可以将人均汽车保有量代替每万人拥有车辆数计算得到规划车辆数。也就是说,可以根据人口发展规划及人均汽车保有量得到规划车辆数。
其中,人均汽车保有量表示平均每个人拥有汽车的数量。
其中,规划车辆数的计算方式可表示为:
规划车辆数=规划的人口规模×人均汽车保有量,
其中,规划的人口规模的计量单位为个人。
例如,B地区规划的人口规模为900万人,B地区人均汽车保有量为0.15辆,那么B地区的规划车辆数=900万×0.15=135万。
步骤S102:根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数。
在实际情况中,会存在非电动汽车由于各种原因无法使用需要生产新的汽车的情形。而在生产的新的汽车中,可能会包含电动汽车。也就是说,电动汽车替代了非电动汽车。而电动汽车替代非电动汽车的比例就被称为非电动汽车与电动汽车的替代比。其中,替代比可以通过相关政策提出的电动汽车更新替代比例规划目标得到。
其中,替代车辆数的计算方式可表示为:
替代车辆数=非电动汽车数×替代比,
其中,该计算方式中的非电动汽车数表示需要被替换掉的非电动汽车数。
示例性的,假若替代比为30%,那么10万台非电动汽车中将有3万台被替代为电动汽车,也就是说,10万台非电动汽车经计算替代比后可得到的电动汽车替代非电动汽车的替代车辆数为3万台。
步骤S103:根据所述规划车辆数以及所述替代车辆数得到所述电动汽车的预测车辆数。
其中,电动汽车的预测车辆数的计算方式可表示为:
预测车辆数=规划车辆数×电动汽车占比+替代车辆数,
其中,由于规划车辆数不是电动汽车车辆数,而是电动汽车车辆数与非电动汽车车辆数的总和,因此,需要根据规划车辆数以及规划车辆数中电动汽车的占比得到规划车辆数中的电动汽车部分的数量。
示例性的,C地的规划车辆数为100万,其中电动汽车占比30%,替代车辆数为4万,那么电动汽车的预测车辆数=100×30%+4=34万。
在一种可能的实现方式中,预测车辆数在包括规划车辆数中的电动汽车车辆数和替代车辆数外,还可以包括在经济增长过程中,还可能新增的电动汽车车辆数。也就是说,预测车辆数=规划车辆数×电动汽车占比+替代车辆数+新增的电动汽车车辆数。
在一种可能的实现方式中,所述预测车辆数包括第一预测车辆数、第二预测车辆数和第三预测车辆数,其中,所述第二预测车辆数大于所述第一预测车辆数,所述第三预测车辆数大于所述第二预测车辆数。
示例性的,第一预测车辆数可以是三年到五年内的预测车辆数,第二预测车辆数可以是五年到十年内的预测车辆数,第三预测车辆数可以是十年到十五年内的预测车辆数,或者,示例性的,第一预测车辆数可以是一年到三年内的预测车辆数,第二预测车辆数可以是三年到五年内的预测车辆数,第三预测车辆数可以是五到十年内的车辆数。需要说明的是,以上对于第一预测车辆数、第二预测车辆数和第三预测车辆数的说明仅为一种示例,不应对本申请实施例构成任何限定。
请参见图2,为本申请实施例提供的另一种预测电动汽车数量的方法的流程示意图,可包括如下步骤:
步骤S201:根据人口发展规划及每万人拥有车辆数得到规划车辆数。
步骤S202:根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数。
步骤S203:根据所述规划车辆数以及所述替代车辆数得到所述电动汽车的预测车辆数。
其中,步骤S201-步骤S203的实现方法可参见步骤S101-步骤S103的具体实现方式,此处不再进行任何赘述。
步骤S204:根据所述预测车辆数以及车桩比计划得到充电桩预测数量。
车桩比是指电动汽车数量与充电桩数量的比值。
其中,充电桩预测数量的计算方式可表示为:
充电桩预测数量=预测车辆数/车桩比。
示例性的,A地的预测车辆数为33万,车桩比为3:1,那么A地的充电桩预测数量=33万/3=11万。也就是说,当A地的电动汽车的预测车辆数为33万时,A地的充电桩预测数量为11万。
在一种可能的实现方式中,所述充电桩预测数量包括第一充电桩预测数量、第二充电桩预测数量和第三充电桩预测数量,所述第二充电桩预测数量大于所述第一充电桩预测数量,所述第三充电桩预测数量大于所述第二充电桩预测数量。
其中,第一充电桩预测数量根据第一预测车辆数以及相应的车桩比得到,第二充电桩预测数量根据第二预测车辆数以及相应的车桩比得到,第三充电桩预测数量根据第一预测车辆数以及相应的车桩比得到。
请参见图3,为本申请实施例提供的另一种预测电动汽车数量的方法的流程示意图,可包括如下步骤:
步骤S301:根据人口发展规划及每万人拥有车辆数得到规划车辆数。
步骤S302:根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数。
步骤S303:根据所述规划车辆数以及所述替代车辆数得到所述电动汽车的预测车辆数。
步骤S304:根据所述预测车辆数以及车桩比计划得到充电桩预测数量。
其中,步骤S301-步骤S304的实现方法可参见步骤S201-步骤S204的具体实现方式,此处不再进行任何赘述。
步骤S305:根据所述电动汽车在分类地块上的充电概率将分类车辆与所述分类地块进行关联。
在一种可能的实现方式中,请参见图4,为本申请实施例提供的一种关联分类车辆与分类地块的方法的流程示意图,可包括如下步骤:
步骤S3051:根据服务类型对所述电动汽车进行分类得到所述分类车辆。
服务类型包括但不限于基础服务(如通信服务、信息服务等)、生产和市场服务(如金融、物流、批发、电子商务、农业支撑服务以及中介和咨询等专业服务等)、个人消费服务(如教育、医疗保健、住宿餐饮、文化娱乐、旅游、房地产、商品零售等)和公共服务(如政府的公共管理服务、基础教育、公共卫生、医疗以及公益性信息服务等)中与车辆相关的服务。根据服务类型进行分类得到的分类车辆包括但不限于公交车、出租车、私家车、环卫车、物流车、泥头车等。
步骤S3052:根据用地分类标准对规划区进行业态分类得到所述分类地块。
根据用地分类标准对规划区进行业态分类得到的分类地块包括但不限于交通枢纽、绿地、居住地、商场、办公楼、酒店、医疗用地、教育用地、传统产业工业用地、新兴产业工业用地、工业用地、物流仓储用地、矿场、电厂、港口等。
步骤S3053:根据所述电动汽车在所述分类地块上的充电概率关联所述分类车辆与所述分类地块。
在一种可能的实现方式中,充电概率包括第一充电概率和第二充电概率。其中,第一充电概率表示分类车辆中的某类电动汽车在某类分类地块上的充电概率,第二充电概率表示电动汽车在某类分类地块上的充电概率。
充电概率的获取方式包括但不限于根据充电次数或者充电时长得到。
当根据充电次数得到第一充电概率时,第一充电概率的计算方式可表示为:
其中,P(Q-A)表示Q类车辆在A类地块上充电的概率,M(Q-A)表示Q类车辆在A类地块上的充电次数,M(Q-ALL)表示Q类车辆在所有分类地块上的充电次数的总和。其中,Q类车辆为分类车辆中的任意一类分类车辆,A类地块为分类地块中的任意一类分类地块。
示例性的,假若公交车在各个分类地块中,仅在绿地和交通枢纽这两个分类地块上进行了充电,且在绿地这一分类地块上的充电次数为30,在交通枢纽这一分类地块上的充电次数为70,那么,公交车在绿地这一分类地块上的充电概率=30/(30+70)×100%=30%,同理可得公交车在交通枢纽这一分类地块上的充电概率=70/(30+70)=70%。
当根据充电次数得到第二充电概率时,第二充电概率的计算方式可表示为:
其中,P(A)表示电动汽车在A类地块上的充电概率,M(A)表示电动汽车在A类地块上的充电次数,M(ALL)表示电动汽车在所有分类地块上的充电次数的总和。
当根据充电时长得到充电概率时,那么在第一充电概率的计算方式中,P(Q-A)仍表示Q类车辆在A类地块上的充电概率,M(Q-A)则表示Q类车辆在A类地块上的充电时长,M(Q-ALL)则表示Q类车辆在所有分类地块上的充电时长的总和。在第二充电概率的计算方式中,P(A)仍表示电动汽车在A类地块上的充电概率,而M(A)则表示电动汽车在A类地块上的充电时长,M(ALL)则表示电动汽车在所有分类地块上的充电时长的总和。
在一种可能的实现方式中,由于各个分类车辆在各个分类地块上的充电次数在不断变化,因此,可以选取预设时间范围内的数据进行充电概率的计算,该预设时间范围包括但不限于一天、一周、一个月等。需要说明的是,计算各类分类车辆在各类分类地块上的充电概率所选择的预设时间范围以及时间应该保持一致。例如,当计算公交车在交通枢纽这一分类地块上的充电概率时选取的时间范围为一个月,那么在计算其他各类分类车辆在各类分类地块上的充电概率(如,公交车在绿地上的充电概率,出租车在居住地的充电概率、环卫车在绿地上的充电概率等)时所选取的时间范围应当为与计算公交车在交通枢纽这一分类地块上的充电概率所选取的起始时间和结束时间均相同的时间范围。
在一种可能的实现方式中,当分类车辆在分类地块上的充电概率大于预设充电概率时,关联所述分类车辆与所述分类地块,所述预设充电概率的取值范围为大于等于0%,小于等于100%。
示例性的,当预设充电概率为10%时,若出租车在交通枢纽这一地块上的充电概率为5%,在居住地这一分类地块上的充电概率为15%,则关联出车这一分类车辆与居住地这一分类地块,而不关联出租车与交通枢纽。
其中,一种分类地块可以与多种分类车辆关联,一种分类车辆也可以与多种分类地块关联。示例性的,公交车可以与交通枢纽关联和/或公交车与绿地关联。示例性的,关联关系还可以包括但不限于出租车关联居住地、商场、办公楼、酒店、医疗用地、教育用地等,私家车关联居住地、商场、办公楼、酒店用地、医疗用地、教育用地、传统产业工业用地、新兴产业工业用地等,环卫车关联绿地,物流车关联工业用地、物流仓储用地、商场等,泥头车关联矿场、电厂和港口等。
步骤S306:根据所述充电概率和所述充电桩预测数量,为所述分类地块上分配规划的充电桩数目。
示例性的,当充电桩预测数量为20万,分类地块包括A类地块、B类地块、C类地块和D类地块,电动汽车在A类地块、B类地块、C类地块和D类地块上的充电概率分别为10%、20%、30%和40%,那么相应分配给A类地块-D类地块的充电桩数目分别为2万、4万、6万和8万。
在一种可能的实现方式中,充电桩包括第一充电桩和第二充电桩,其中,所述第一充电桩和所述第二充电桩在所述分类地块上的分配比例由第一预设分配比例确定。
由于电网输出的为交流电,而电动汽车的电池组储存的是直流电,因此电动汽车在充电时需要涉及将交流电转换为直流电的一个过程。将交流电转换为直流电的方式有两种,一种在电动汽车外完成,一种在电动汽车内完成。第一充电桩可以是直流充电桩,通过第一充电桩把电网的交流电转换为直流电后直接输送给电动汽车的电池包进行充电,也就是电流转换是在电动汽车外完成的。第二充电桩可以是交流充电桩,通过第二充电桩将电网的交流电输入电动汽车的充电口,经过电动汽车内部的车载充电机把交流电转换成直流电,再输入给电池组,完成充电,也就是说电流转换是在电动汽车内完成的。可以知道的是,第一充电桩的充电速度比第二充电桩的充电速度更快。
根据各类分类车辆的特点和/或各类分类地块的特点可以设置第一预设比例来确定第一充电桩和第二充电桩的比例。示例性的,由于公交车常常处于运行状态,往往需要快速充电,因此在与公交车关联的分类地块上设置更多的第一充电桩更符合实际需求。例如,可以在与公交车关联的交通枢纽这一地块设置的第一预设比例为100%的第一充电桩。
在一种可能的实现方式中,若存在两个或以上地块属于同一个分类地块,则所述充电桩在所述两个或以上地块上的分配比例由第二预设分配比例确定。
示例性的,A-1地块和A-2地块均属于A类地块,那么可以设置充电桩数目的比例分别为分到A类地块的充电桩数目的40%和60%。
在一种可能的实现方式中,若存在两个或以上地块属于同一个分类地块,可以根据两个或两个以上地块的位置和/或交通和/或充电概率等确定第二预设分配比例。
在一种可能的实现方式中,部分分类车辆采用在换电站更换电池的方式实现充电功能,例如泥头车,不需要考虑车桩比以及充电桩类型(例如,第一充电桩、第二充电桩)。
下面结合附图介绍本申请实施例涉及的装置。
请参见图5,为本申请实施例提供的一种预测电动汽车数量的装置的组成示意图,预测电动汽车数量的装置500包括:
获取规划车辆数模块501,用于根据人口发展规划及每万人拥有车辆数得到规划车辆数;
获取替代车辆数模块502,用于根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数;
获取预测车辆数模块503,用于根据所述规划车辆数以及所述替代车辆数得到所述电动汽车的预测车辆数。
可选的,预测电动汽车数量的装置500还可以包括:
获取充电桩预测数量模块504,用于根据所述预测车辆数以及车桩比计划得到充电桩预测数量。
可选的,预测电动汽车数量的装置500还可以包括:
关联模块505,用于根据所述电动汽车在分类地块上的充电概率将分类车辆与所述分类地块进行关联;
分配模块506,用于根据所述充电概率和所述充电桩预测数量,为所述分类地块上分配规划的充电桩数目。
可选的,关联模块505可以包括:
分类单元5051,用于根据服务类型对所述电动汽车进行分类得到所述分类车辆;
分类单元5051,还用于根据用地分类标准对规划区进行业态分类得到所述分类地块;
关联单元5052,用于根据所述电动汽车在所述分类地块上的充电概率关联所述分类车辆与所述分类地块。
可选的,所述预测车辆数包括第一预测车辆数、第二预测车辆数和第三预测车辆数,其中,所述第二预测车辆数大于所述第一预测车辆数,所述第三预测车辆数大于所述第二预测车辆数。
可选的,所述充电桩预测数量包括第一充电桩预测数量、第二充电桩预测数量和第三充电桩预测数量,所述第二充电桩预测数量大于所述第一充电桩预测数量,所述第三充电桩预测数量大于所述第二充电桩预测数量。
可选的,充电桩包括第一充电桩和第二充电桩,其中,所述第一充电桩和所述第二充电桩在所述分类地块上的分配比例由第一预设分配比例确定。
可选的,若存在两个或以上地块属于同一个分类地块,则所述充电桩在所述两个或以上地块上的分配比例由第二预设分配比例确定。
其中,预测电动汽车数量的装置500的具体实现功能方式可以参见图1-图4对应的方法步骤,此处不再进行任何赘述。
请参见图6,为本申请实施例提供的一种电子设备的组成示意图。可包括:处理器110、存储器120;其中,处理器110、存储器120和通信接口130通过总线140连接,该存储器120用于存储指令,该处理器110用于执行该存储器120存储的指令,以实现如上图1-图4对应的方法步骤。
处理器110用于执行该存储器120存储的指令,以控制通信接口130接收和发送信号,完成上述方法中的步骤。其中,所述存储器120可以集成在所述处理器110中,也可以与所述处理器110分开设置。
作为一种实现方式,通信接口130的功能可以考虑通过收发电路或者收发的专用芯片实现。处理器110可以考虑通过专用处理芯片、处理电路、处理器或者通用芯片实现。
作为另一种实现方式,可以考虑使用通用计算机的方式来实现本申请实施例提供的装置。即将实现处理器110,通信接口130功能的程序代码存储在存储器120中,通用处理器通过执行存储器120中的代码来实现处理器110,通信接口130的功能。
该电子设备所涉及的与本申请实施例提供的技术方案相关的概念,解释和详细说明及其他步骤请参见前述方法或其他实施例中关于装置执行的方法步骤的内容的描述,此处不做赘述。
作为本实施例的另一种实现方式,提供一种计算机可读存储介质,其上存储有指令,该指令被执行时执行上述方法实施例中的方法。
作为本实施例的另一种实现方式,提供一种包含指令的计算机程序产品,该指令被执行时执行上述方法实施例中的方法。
本领域技术人员可以理解,为了便于说明,图6中仅示出了一个存储器和处理器。在实际的终端或服务器中,可以存在多个处理器和存储器。存储器也可以称为存储介质或者存储设备等,本申请实施例对此不做限制。
应理解,在本申请实施例中,处理器可以是中央处理单元(Central ProcessingUnit,简称CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
还应理解,本申请实施例中提及的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccess Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,简称DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,简称DRRAM)。
需要说明的是,当处理器为通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时,存储器(存储模块)集成在处理器中。
应注意,本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
该总线除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都标为总线。
还应理解,本文中涉及的第一、第二、第三、第四以及各种数字编号仅为描述方便进行的区分,并不用来限制本申请的范围。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
在本申请的各种实施例中,上述各过程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,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各种说明性逻辑块(illustrative logical block,简称ILB)和步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,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,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。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘)等。
以上所述,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所述权利要求的保护范围为准。
Claims (13)
1.一种预测电动汽车数量的方法,其特征在于,所述方法包括:
根据人口发展规划及每万人拥有车辆数得到规划车辆数;
根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数;
根据所述规划车辆数以及所述替代车辆数得到所述电动汽车的预测车辆数。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述预测车辆数以及车桩比计划得到充电桩预测数量。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述电动汽车在分类地块上的充电概率将分类车辆与所述分类地块进行关联;
根据所述充电概率和所述充电桩预测数量,为所述分类地块上分配规划的充电桩数目。
4.根据权利要求3所述的方法,其特征在于,所述根据所述电动汽车在分类地块上的充电概率将分类车辆与所述分类地块进行关联包括:
根据服务类型对所述电动汽车进行分类得到所述分类车辆;
根据用地分类标准对规划区进行业态分类得到所述分类地块;
根据所述电动汽车在所述分类地块上的充电概率关联所述分类车辆与所述分类地块。
5.根据权利要求1所述的方法,其特征在于,所述预测车辆数包括第一预测车辆数、第二预测车辆数和第三预测车辆数,其中,所述第二预测车辆数大于所述第一预测车辆数,所述第三预测车辆数大于所述第二预测车辆数。
6.根据权利要求2所述的方法,其特征在于,所述充电桩预测数量包括第一充电桩预测数量、第二充电桩预测数量和第三充电桩预测数量,所述第二充电桩预测数量大于所述第一充电桩预测数量,所述第三充电桩预测数量大于所述第二充电桩预测数量。
7.根据权利要求3所述的方法,其特征在于,充电桩包括第一充电桩和第二充电桩,其中,所述第一充电桩和所述第二充电桩在所述分类地块上的分配比例由第一预设分配比例确定。
8.根据权利要求3所述的方法,其特征在于,若存在两个或以上地块属于同一个分类地块,则所述充电桩在所述两个或以上地块上的分配比例由第二预设分配比例确定。
9.一种预测电动汽车数量的装置,其特征在于,所述装置包括:
获取规划车辆数模块,用于根据人口发展规划及每万人拥有车辆数得到规划车辆数;
获取替代车辆数模块,用于根据非电动汽车与电动汽车的替代比得到电动汽车替代非电动汽车的替代车辆数;
获取预测车辆数模块,用于根据所述规划车辆数以及所述替代车辆数得到所述电动汽车的预测车辆数。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
获取充电桩预测数量模块,用于根据所述预测车辆数以及车桩比计划得到充电桩预测数量。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
关联模块,用于根据所述电动汽车在分类地块上的充电概率将分类车辆与所述分类地块进行关联;
分配模块,用于根据所述充电概率和所述充电桩预测数量,为所述分类地块上分配规划的充电桩数目。
12.一种电子设备,其特征在于,包括:
处理器、存储器和总线,所述处理器和所述存储器通过所述总线连接,其中,所述存储器用于存储一组程序代码,所述处理器用于调用所述存储器中存储的所述程序代码,执行如权利要求1-8任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,包括:
所述计算机可读存储介质中存储有指令,当其在计算机上运行时,实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111211642.2A CN114139763A (zh) | 2021-10-18 | 2021-10-18 | 预测电动汽车数量的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111211642.2A CN114139763A (zh) | 2021-10-18 | 2021-10-18 | 预测电动汽车数量的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114139763A true CN114139763A (zh) | 2022-03-04 |
Family
ID=80394289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111211642.2A Pending CN114139763A (zh) | 2021-10-18 | 2021-10-18 | 预测电动汽车数量的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139763A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122856A (zh) * | 2017-04-26 | 2017-09-01 | 天津天大求实电力新技术股份有限公司 | 新态势下的空间饱和负荷预测方法 |
CN109118104A (zh) * | 2018-08-27 | 2019-01-01 | 天津津电供电设计所有限公司 | 配电网规划方法及装置 |
CN110348644A (zh) * | 2019-07-18 | 2019-10-18 | 广州市交通规划研究院 | 一种电动汽车充电设施建设需求预测的方法 |
CN112364293A (zh) * | 2020-10-14 | 2021-02-12 | 国电南瑞南京控制系统有限公司 | 考虑城市职能区的电动汽车所需充电量预测方法和装置 |
CN112446609A (zh) * | 2020-11-25 | 2021-03-05 | 北京理工新源信息科技有限公司 | 一种基于大数据的充电场站建站方法及系统 |
WO2021175766A2 (de) * | 2020-03-04 | 2021-09-10 | Škoda Auto Deutschland Gmbh | Vorrichtung und verfahren zum projektieren von e-ladeinfrastrukturen und den zugehörigen leitungsnetzen an öffentlichen und privaten standorten, insbesondere fahrzeugserviceeinrichtungen |
-
2021
- 2021-10-18 CN CN202111211642.2A patent/CN114139763A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122856A (zh) * | 2017-04-26 | 2017-09-01 | 天津天大求实电力新技术股份有限公司 | 新态势下的空间饱和负荷预测方法 |
CN109118104A (zh) * | 2018-08-27 | 2019-01-01 | 天津津电供电设计所有限公司 | 配电网规划方法及装置 |
CN110348644A (zh) * | 2019-07-18 | 2019-10-18 | 广州市交通规划研究院 | 一种电动汽车充电设施建设需求预测的方法 |
WO2021175766A2 (de) * | 2020-03-04 | 2021-09-10 | Škoda Auto Deutschland Gmbh | Vorrichtung und verfahren zum projektieren von e-ladeinfrastrukturen und den zugehörigen leitungsnetzen an öffentlichen und privaten standorten, insbesondere fahrzeugserviceeinrichtungen |
CN112364293A (zh) * | 2020-10-14 | 2021-02-12 | 国电南瑞南京控制系统有限公司 | 考虑城市职能区的电动汽车所需充电量预测方法和装置 |
CN112446609A (zh) * | 2020-11-25 | 2021-03-05 | 北京理工新源信息科技有限公司 | 一种基于大数据的充电场站建站方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Henderson | EVs are not the answer: a mobility justice critique of electric vehicle transitions | |
Bai et al. | A bi-objective model for location planning of electric vehicle charging stations with GPS trajectory data | |
US20210366287A1 (en) | System for providing big data-based artificial intelligence automatic allocation matching service using taxi demand prediction | |
Balinski | Integer programming: methods, uses, computations | |
Shrivastava et al. | A model for development of optimized feeder routes and coordinated schedules—A genetic algorithms approach | |
Aljohani et al. | A multi-criteria spatial evaluation framework to optimise the siting of freight consolidation facilities in inner-city areas | |
JP2018528535A (ja) | 過去の注文に基づき現在の注文に関係がある情報を決定するためのシステムおよび方法 | |
CN110197412B (zh) | 车辆管理设备和车辆管理方法 | |
Gharib et al. | Developing an integrated model for planning the delivery of construction materials to post-disaster reconstruction projects | |
US11953334B2 (en) | System and method for vehicle routing | |
CN113239198A (zh) | 一种地铁客流预测方法、装置及计算机存储介质 | |
Madadi et al. | Optimizing Road Networks for Automated Vehicles with Dedicated Links, Dedicated Lanes, and Mixed‐Traffic Subnetworks | |
Chauhan et al. | Robust maximum coverage facility location problem with drones considering uncertainties in battery availability and consumption | |
CN113222492A (zh) | 一种车辆行驶线路类型的判别方法、装置、存储介质及终端 | |
Van der Wardt et al. | A hybrid dynamic system assessment methodology for multi-modal transportation-electrification | |
Wei et al. | Optimal integrated model for feeder transit route design and frequency‐setting problem with stop selection | |
Lai et al. | Understanding drivers' route choice behaviours in the urban network with machine learning models | |
Hasselwander et al. | Transport authorities and innovation: understanding barriers for MaaS implementation in the global south | |
Lamb et al. | Planning delivery-by-drone micro-fulfilment centres | |
CN106295868A (zh) | 交通出行数据处理方法及装置 | |
Tian et al. | A Long‐Term Shared Autonomous Vehicle System Design Problem considering Relocation and Pricing | |
Bahrami et al. | Autonomous vehicle relocation problem in a parking facility | |
Howell et al. | Multilevel impacts of emerging technologies on city form and development | |
CN114139763A (zh) | 预测电动汽车数量的方法及装置 | |
Abdeen et al. | A Hierarchical Algorithm for In-city Parking Allocation Based on Open Street Map and AnyLogic Software |
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 |