CN114694085A - 换电排队车辆的数量识别方法、系统、设备及介质 - Google Patents

换电排队车辆的数量识别方法、系统、设备及介质 Download PDF

Info

Publication number
CN114694085A
CN114694085A CN202011623697.XA CN202011623697A CN114694085A CN 114694085 A CN114694085 A CN 114694085A CN 202011623697 A CN202011623697 A CN 202011623697A CN 114694085 A CN114694085 A CN 114694085A
Authority
CN
China
Prior art keywords
vehicle
queuing
station
queued
vehicles
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
CN202011623697.XA
Other languages
English (en)
Inventor
王昊杰
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.)
Aulton New Energy Automotive Technology Co Ltd
Original Assignee
Aulton New Energy Automotive 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 Aulton New Energy Automotive Technology Co Ltd filed Critical Aulton New Energy Automotive Technology Co Ltd
Priority to CN202011623697.XA priority Critical patent/CN114694085A/zh
Publication of CN114694085A publication Critical patent/CN114694085A/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
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
    • G06M11/00—Counting of objects distributed at random, e.g. on a surface
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • G07C2011/04—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere related to queuing systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种换电排队车辆的数量识别方法、系统、设备及介质，该方法包括：获取目标换电站的排队车辆筛选范围；获取电动车辆的车辆信息；当根据所述车辆信息判定所述电动车辆位于所述排队车辆筛选范围内、且满足换电条件时，识别所述电动车辆为所述目标换电站的排队车辆；根据识别出的排队车辆确定排队数量。本发明通过自动获取目标换电站的排队车辆筛选范围和电动车辆的车辆位置信息，以车辆位置信息与排队车辆筛选范围的关系为识别依据，实现了排队车辆的自动识别，进而能够基于识别出的排队车辆确定排队数量，减少了换电站工作人员的工作量，提高了识别效率。

Description

换电排队车辆的数量识别方法、系统、设备及介质
技术领域
本发明涉及换电技术领域，尤其涉及一种换电排队车辆的数量识别方法、系统、设备及介质。
背景技术
电动汽车等新能源车辆能够有效的缓解空气污染，也是未来汽车发展的主要方向。换电站是一种快速高效为新能源车辆补充电能的场所，换电站不仅能够节省新能源车辆对充电站/桩等设备的要求，而且能够提高设备利用率，能够最大限度的满足新能源司机的需求。
在换电站内可为电动汽车提供全自动换电和快速充电服务，随着日益增长的电动车需求使得换电用户逐步增多，特别是出租车，为了节省时间成本，更倾向于高效换电服务，由于换电站数量以及电池数量有限，就可能需要换电用户在换电站内排队一定的时间才能为电动车换电。
目前，换电车辆排队数量一般由换电站的员工人工进行统计，导致浪费人力资源，增加换电站的成本，而且工作效率低。
发明内容
本发明要解决的技术问题是为了克服现有技术中换电车辆排队数量采用人工统计方式，导致浪费人力资源，降低效率的缺陷，提供一种换电排队车辆的数量识别方法、系统、设备及介质。
本发明是通过下述技术方案来解决上述技术问题：
根据本发明的一实施方式，提供一种换电排队车辆的数量识别方法，包括：
获取目标换电站的排队车辆筛选范围；
获取电动车辆的车辆信息；
当根据所述车辆信息判定所述电动车辆位于所述排队车辆筛选范围内、且满足换电条件时，识别所述电动车辆为所述目标换电站的排队车辆；
根据识别出的排队车辆确定排队数量。
在本方案中，通过自动获取目标换电站的排队车辆筛选范围和电动车辆的车辆位置信息，以车辆位置信息与排队车辆筛选范围的关系为识别依据，实现了排队车辆的自动识别，进而能够基于识别出的排队车辆确定排队数量，减少了换电站工作人员的工作量，提高了识别效率。
可选地，所述获取目标换电站的排队车辆筛选范围，包括：
根据目标换电站的位置设置虚拟围栏，并将所述虚拟围栏的覆盖范围作为所述目标换电站的排队车辆筛选范围；
或者，
获取与目标换电站距离小于或等于预设距离的区域，作为所述目标换电站的排队车辆筛选范围。
在本方案中，通过设置虚拟围栏或预设距离区域的方式确定出排队车辆筛选范围，从而有效地筛选出区域范围，提升识别排队车辆的精度。
可选地，所述获取电动车辆的车辆信息，包括：
从电动汽车的车载嵌入式系统获取所述电动车辆的车辆信息；
或者，
从第三方云端获取电动车辆的车辆信息；所述第三方云端的车辆信息源自所述电动汽车的车载嵌入式系统。
在本方案中，可通过车载嵌入式系统或第三方云端方便快捷地获取到车辆信息，从而保证车辆数据的准确性和安全性。
可选地，所述车辆信息包括车辆位置和行驶速度；所述当根据所述车辆信息判定所述电动车辆位于所述排队车辆筛选范围内、且满足换电条件时，识别所述电动车辆为所述目标换电站的排队车辆，包括：
当所述车辆位置位于所述排队车辆筛选范围内、且所述行驶速度低于预设速度时，识别所述电动车辆为所述目标换电站的排队车辆。
在本方案中，将车辆的行驶速度作为换电条件来智能地识别出排队车辆，从而提升了识别车辆的精度。
可选地，所述车辆信息包括车辆剩余电量；所述当所述车辆位置位于所述排队车辆筛选范围内、且所述行驶速度低于预设速度时，识别所述电动车辆为所述目标换电站的排队车辆，包括：
当所述车辆位置位于所述排队车辆筛选范围内、所述行驶速度低于预设速度、且所述车辆剩余电量低于预设电量时，识别所述电动车辆为所述目标换电站的排队车辆。
在本方案中，将车辆的行驶速度和车辆剩余电量作为换电条件来智能地识别出排队车辆，使得换电条件更为全面，从而进一步提升识别车辆的精度。
可选地，所述根据识别出的排队车辆确定排队数量，包括：
按照所述排队车辆数量的识别时间，确定统计时间周期内所述目标换电站的最大排队车辆数量、最小排队车辆数量和平均排队车辆数量；
根据所述目标换电站的排队车辆数量更新周期、所述最大排队车辆数量、所述最小排队车辆数量和所述平均排队车辆数量，确定所述目标换电站当前的排队数量。
在本方案中，通过综合考虑最大排队车辆数量、最小排队车辆数量和平均排队车辆数量来确定出标换电站当前的排队数量，从而提升了数据可靠性和准确性。
可选地，所述根据所述目标换电站的排队车辆数量更新周期、所述最大排队车辆数量、所述最小排队车辆数量和所述平均排队车辆数量，确定所述目标换电站当前的排队数量，包括：
根据如下式确定出目标换电站当前的排队数量：
排队数量＝ROUND((最大排队车辆数量+最小排队车辆数量+平均排队车辆数量*(ROUND(统计时间周期/排队数量更新周期,0)-2))/ROUND(统计时间周期/排队数量更新周期,0),0)。
在本方案中，通过三点法计算方式精确估算出排队数量，从而有效地减小了计算误差，进而提升了数据可靠性和准确性。
可选地，所述方法还包括：
获取根据换电站的车辆排队区域的环境图像识别得到的排队数量；
采用通过图像识别得到的排队数量校验采用定位确定的排队数量。
在本方案中，通过环境图像识别出的排队数量对上述根据车辆筛选范围和车辆信息识别出的排队数量进行验证，从而进一步提升了数据准确性。
根据本发明的一实施方式，提供一种换电排队车辆的数量识别系统，包括：
信息获取模块，被配置为获取目标换电站的排队车辆筛选范围，还被配置为获取电动车辆的车辆信息；
排队车辆识别模块，被配置为当根据所述车辆信息判定所述电动车辆位于所述排队车辆筛选范围内、且满足换电条件时，识别所述电动车辆为所述目标换电站的排队车辆；
排队数量确定模块，被配置为根据识别出的排队车辆确定排队数量。
在本方案中，通过自动获取目标换电站的排队车辆筛选范围和电动车辆的车辆位置信息，以车辆位置信息与排队车辆筛选范围的关系为识别依据，实现了排队车辆的自动识别，进而能够基于识别出的排队车辆确定排队数量，减少了换电站工作人员的工作量，提高了识别效率。
可选地，所述信息获取模块被配置为：
根据目标换电站的位置设置虚拟围栏，并将所述虚拟围栏的覆盖范围作为所述目标换电站的排队车辆筛选范围；
或者，
获取与目标换电站距离小于或等于预设距离的区域，作为所述目标换电站的排队车辆筛选范围。
在本方案中，通过设置虚拟围栏或预设距离区域的方式确定出排队车辆筛选范围，从而有效地筛选出区域范围，提升识别排队车辆的精度。
可选地，所述信息获取模块被配置为：
从电动汽车的车载嵌入式系统获取所述电动车辆的车辆信息；
或者，
从第三方云端获取电动车辆的车辆信息；所述第三方云端的车辆信息源自所述电动汽车的车载嵌入式系统。
在本方案中，可通过车载嵌入式系统或第三方云端方便快捷地获取到车辆信息，从而保证车辆数据的准确性和安全性。
可选地，所述车辆信息包括车辆位置和行驶速度；
所述排队车辆识别模块被配置为：
当所述车辆位置位于所述排队车辆筛选范围内、且所述行驶速度低于预设速度时，识别所述电动车辆为所述目标换电站的排队车辆。
在本方案中，将车辆的行驶速度作为换电条件来智能地识别出排队车辆，从而提升了识别车辆的精度。
可选地，所述车辆信息包括车辆剩余电量；
所述排队车辆识别模块被配置为：
所述车辆位置位于所述排队车辆筛选范围内、所述行驶速度低于预设速度、且所述车辆剩余电量低于预设电量时，识别所述电动车辆为所述目标换电站的排队车辆。
在本方案中，将车辆的行驶速度和车辆剩余电量作为换电条件来智能地识别出排队车辆，使得换电条件更为全面，从而进一步提升识别车辆的精度。
可选地，所述排队车辆确定模块被配置为：
按照所述排队车辆数量的识别时间，确定统计时间周期内所述目标换电站的最大排队车辆数量、最小排队车辆数量和平均排队车辆数量；
根据所述目标换电站的排队车辆数量更新周期、所述最大排队车辆数量、所述最小排队车辆数量和所述平均排队车辆数量，确定所述目标换电站当前的排队数量。
在本方案中，通过综合考虑最大排队车辆数量、最小排队车辆数量和平均排队车辆数量来确定出标换电站当前的排队数量，从而提升了数据可靠性和准确性。
可选地，所述排队车辆确定模块被配置为：
根据如下式确定出目标换电站当前的排队数量：
排队数量＝ROUND((最大排队车辆数量+最小排队车辆数量+平均排队车辆数量*(ROUND(统计时间周期/排队数量更新周期,0)-2))/ROUND(统计时间周期/排队数量更新周期,0),0)。
在本方案中，通过三点法计算方式精确估算出排队数量，从而有效地减小了计算误差，进而提升了数据可靠性和准确性。
可选地，该系统还包括排队数量验证模块；
所述排队数量验证模块被配置为：
获取根据换电站的车辆排队区域的环境图像识别得到的排队数量；
采用通过图像识别得到的排队数量校验采用定位确定的排队数量。
在本方案中，通过环境图像识别出的排队数量对上述根据车辆筛选范围和车辆信息识别出的排队数量进行验证，从而进一步提升了数据准确性。
根据本发明的一实施方式，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现如上述的换电排队车辆的数量识别方法的步骤。
根据本发明的一实施方式，提供一种计算机可读介质，其上存储有计算机指令，所述计算机指令在由处理器执行时实现如上述的换电排队车辆的数量识别方法的步骤。
在符合本领域常识的基础上，所述各优选条件，可任意组合，即得本发明各较佳实施例。
本发明的积极进步效果在于：
本发明通过自动获取目标换电站的排队车辆筛选范围和电动车辆的车辆位置信息，以车辆位置信息与排队车辆筛选范围的关系为识别依据，实现了排队车辆的自动识别，进而能够基于识别出的排队车辆确定排队数量，减少了换电站工作人员的工作量，提高了识别效率。
附图说明
在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的所述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1为根据本发明一实施例的换电排队车辆的数量识别方法的流程示意图。
图2为根据本发明另一实施例的换电排队车辆的数量识别系统的模块结构示意图。
图3为根据本发明另一实施例的实现换电排队车辆的数量识别方法的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
为了克服目前存在的上述缺陷，本实施例提供一种换电排队车辆的数量识别方法，包括：获取目标换电站的排队车辆筛选范围；获取电动车辆的车辆信息；当根据车辆信息判定电动车辆位于排队车辆筛选范围内、且满足换电条件时，识别电动车辆为目标换电站的排队车辆；根据识别出的排队车辆确定排队数量。
在本实施例中，该方法可应用于换电站或云端，但并不具体限定其应用场景，可根据实际需求进行相应的选择及调整。
在本实施例中，通过自动获取目标换电站的排队车辆筛选范围和电动车辆的车辆位置信息，以车辆位置信息与排队车辆筛选范围的关系为识别依据，实现了排队车辆的自动识别，进而能够基于识别出的排队车辆确定排队数量，减少了换电站工作人员的工作量，提高了识别效率。
具体地，作为一实施例，如图1所示，本实施例提供的换电排队车辆的数量识别方法，主要包括以下步骤：
步骤101、获取目标换电站的排队车辆筛选范围。
在本步骤中，首先在导航地图中确定目标换电站，再获取目标换电站的排队车辆筛选范围。其中，目标换电站的排队车辆筛选范围是筛选目标换电站的排队车辆的范围。理论上，位于排队车辆筛选范围才会被识别为目标换电站的排队车辆。
具体地，作为一实施例，根据目标换电站的位置在导航地图中设置虚拟围栏，并将虚拟围栏的覆盖范围作为目标换电站的排队车辆筛选范围。
通过设置虚拟围栏方式确定出排队车辆筛选范围，从而有效地筛选出区域范围，提升识别排队车辆的精度。
作为另一实施例，获取与目标换电站距离小于或等于预设距离的区域，作为目标换电站的排队车辆筛选范围，该距离可以为直线距离，也可以为导航路线距离，可根据实际需求进行相应的选择。
通过设定预设距离区域的方式确定出排队车辆筛选范围，从而有效地筛选出区域范围，提升识别排队车辆的精度。
步骤102、获取车辆的车辆信息。
在本步骤中，作为一实施例，从电动汽车的车载嵌入式系统获取该电动车辆的车辆信息。
作为另一实施例，从第三方云端获取电动车辆的车辆信息，该第三方云端的车辆信息源自电动汽车的车载嵌入式系统。
可通过车载嵌入式系统或第三方云端方便快捷地获取到车辆信息，从而保证车辆数据的准确性和安全性。
具体地，电动汽车等新能源车辆一般都集成了OBD(车载自动诊断系统)、MCU(微控制单元)/CPU(中央处理单元)、FLASH(闪存)、各类传感器、GPS(全球定位系统)、2G(第二代移动通信技术)/3G(第三代移动通信技术)/4G(第四代移动通信技术)/5G(第五代移动通信技术)、Wi-Fi(无线上网)/蓝牙等模块于一体的车载嵌入式系统，该系统实时与整车厂数据云端等第三方云端进行数据传输。
在一种可实施的方式中，车载嵌入式系统可采集电动车辆的行车信息，并与电动车辆外部进行通信。车载嵌入式系统的一种可实现的方式是车辆信息和定位传输系统(Tbox)，也可以是电动汽车的整车控制系统。
作为一优选实施例，电动汽车的车辆信息至少包括车辆位置、行驶速度、车辆剩余电量(SOC)，但本实施例并不具体限定车辆信息的类型，可根据实际需求进行相应的选择及调整。
步骤103、根据车辆信息识别出位于排队车辆筛选范围且满足换电条件的车辆并作为排队车辆。
在本步骤中，作为一实施例，当车辆位置位于排队车辆筛选范围内、且行驶速度低于预设速度时，识别电动车辆为目标换电站的排队车辆。
具体地，当采集到的车辆GPS位置位于虚拟围栏内或与目标换电站中心的距离为小于或等于预设距离(例如，优选为50m)时，判断该车辆的行驶速度是否低于预设速度(例如，优选为5km/h)，若是，该车辆则可以识别为目前处于排队状态，若否，该车辆则可以识别为是经过目标换电站的车辆。
将车辆的行驶速度作为换电条件来智能地识别出排队车辆，从而提升了识别车辆的精度。
作为一优选实施例，在本步骤中，当车辆位置位于排队车辆筛选范围内、行驶速度低于预设速度、且车辆剩余电量低于预设电量时，识别电动车辆为所述目标换电站的排队车辆。
具体地，在确定行驶速度的基础上，还判断该车辆的车辆剩余电量是否低于预设电量(例如，优选为70％)，若是，该车辆则可以识别为需要换电的排队车辆，若否，该车辆则可以识别为已换电完成的车辆或其他特殊情况。
将车辆的行驶速度和车辆剩余电量作为换电条件来智能地识别出排队车辆，使得换电条件更为全面，从而进一步提升识别车辆的精度。
步骤104、根据识别出的排队车辆确定目标换电站的排队数量。
在本步骤中，按照排队车辆数量的识别时间，确定统计时间周期内目标换电站的最大排队车辆数量、最小排队车辆数量和平均排队车辆数量，根据目标换电站的排队数量更新周期、最大排队车辆数量、最小排队车辆数量和平均排队车辆数量，确定目标换电站当前的排队数量。
具体地，目标换电站或者云端可以按照排队车辆数量更新周期更新目标换电站的排队车辆数量，每个排队车辆数量对应存在一个识别时间。这样可以按照排队车辆数量的识别时间，确定统计时间周期内目标换电站的最大排队车辆数量、最小排队车辆数量和平均排队车辆数量，再根据目标换电站的排队数量更新周期、最大排队车辆数量、最小排队车辆数量和平均排队车辆数量，确定目标换电站当前的排队数量。
其中，统计时间周期可以是换电时间周期换电时间周期。
在一个可实施的方式中，根据如下式确定出目标换电站当前的排队数量：
排队数量＝ROUND((最大排队车辆数量+最小排队车辆数量+平均排队车辆数量*(ROUND(统计时间周期/排队车辆数量更新周期,0)-2))/ROUND(统计时间周期/排队车辆数量更新周期,0),0)。
举例说明，假设统计时间周期即换电时间周期为3分钟，排队车辆数量更新周期为30秒，排队数量＝ROUND((最大排队车辆数量+最小排队车辆数量+平均排队车辆数量*4)/6,0)。
上述实施方式中，通过综合考虑最大排队车辆数量、最小排队车辆数量和平均排队车辆数量来确定出标换电站当前的排队数量，可以提升数据可靠性和准确性。而且进一步地通过三点法计算方式精确估算出排队数量，可以有效地减小了计算误差，进而提升了数据可靠性和准确性。
步骤105、对确定出的排队数量进行验证。
在本步骤中，获取根据换电站的车辆排队区域的环境图像识别得到的排队数量，并且采用通过图像识别得到的排队数量校验采用定位确定的排队数量。
通过环境图像识别出的排队数量对上述根据车辆筛选范围和车辆信息识别出的排队数量进行验证，从而进一步提升了数据准确性。
作为另一实施例，还可通过人工统计方式获取到的排队数量，对排队数量进行验证，从而进一步提升数据准确性，还可进一步选择使用哪一个数据。
步骤106、根据验证后的排队数量推荐换电站。
在本步骤中，将确定后的排队数量上传至云端，以使云端在接收到换电站查找请求时，根据各换电站上报的排队数量推荐换电站。
通过定位确定出的排队数量可用于向用户推荐换电站，以使得排队用户或待换电用户可方便地选择排队数量较少的换电站，从而节省用户时间，提升换电效率。
在本实施例中，还可根据识别出的排队数量确定出换电等待时间，并且将排队数量和/或换电等待时间输出至换电站的显示终端或用户终端。
排队用户可通过换电等待时间和排队数量能够选择合适的换电站进行换电，从而提升了用户体验度。
在一种可实施的方式中，该方法应用于换电站时，换电站可按照时间周期将识别的换电站的排队数量上传至云端，供云端在有需要时根据换电站的排队数量向驾驶用户推荐换电站。换电站可在识别换电站的排队数量发生变化时，将新的排队数量上传至云端，供云端在有需要时根据换电站的排队数量向驾驶用户推荐换电站。
本实施例提供的换电排队车辆的数量识别方法，通过自动获取目标换电站的排队车辆筛选范围和电动车辆的车辆位置信息，以车辆位置信息与排队车辆筛选范围的关系为识别依据，实现了排队车辆的自动识别，进而能够基于识别出的排队车辆确定排队数量，而且进一步验证排队数量的准确性，同时还可以基于排队数量向用户推荐合适的换电站，减少了换电站工作人员的工作量，提高了识别效率。
为了克服目前存在的上述缺陷，还提供一种换电排队车辆的数量识别系统，包括：信息获取模块，被配置为获取目标换电站的排队车辆筛选范围，还被配置为获取电动车辆的车辆信息；排队车辆识别模块，被配置为当根据车辆信息判定电动车辆位于排队车辆筛选范围内、且满足换电条件时，识别电动车辆为目标换电站的排队车辆；排队数量确定模块，被配置为根据识别出的排队车辆确定排队数量。
具体地，如图2所示，作为另一实施例，本实施例提供的换电排队车辆的数量识别系统主要包括信息获取模块21、排队车辆识别模块22、排队数量确定模块23、排队数量验证模块24及换电站推荐模块25，该系统利用如上述的换电排队车辆的数量识别方法。
信息获取模块21被配置为获取目标换电站的排队车辆筛选范围。
首先在导航地图中确定目标换电站，再获取目标换电站的排队车辆筛选范围。其中，目标换电站的排队车辆筛选范围是筛选目标换电站的排队车辆的范围。理论上，位于排队车辆筛选范围才会被识别为目标换电站的排队车辆。
具体地，作为一实施例，信息获取模块21被配置为根据目标换电站的位置在导航地图中设置虚拟围栏，并将虚拟围栏的覆盖范围作为目标换电站的排队车辆筛选范围。
通过设置虚拟围栏方式确定出排队车辆筛选范围，从而有效地筛选出区域范围，提升识别排队车辆的精度。
作为另一实施例，信息获取模块21被配置为获取与目标换电站距离小于或等于预设距离的区域，作为目标换电站的排队车辆筛选范围，该距离可以为直线距离，也可以为导航路线距离，可根据实际需求进行相应的选择。
通过设定预设距离区域的方式确定出排队车辆筛选范围，从而有效地筛选出区域范围，提升识别排队车辆的精度。
信息获取模块21还被配置为获取车辆的车辆信息。
作为一实施例，信息获取模块21还被配置为从电动汽车的车载嵌入式系统获取该电动车辆的车辆信息。
作为另一实施例，信息获取模块21还被配置为从第三方云端获取电动车辆的车辆信息，该第三方云端的车辆信息源自电动汽车的车载嵌入式系统。
可通过车载嵌入式系统或第三方云端方便快捷地获取到车辆信息，从而保证车辆数据的准确性和安全性。
作为一优选实施例，电动汽车的车辆信息至少包括车辆位置、行驶速度、车辆剩余电量，但本实施例并不具体限定车辆信息的类型，可根据实际需求进行相应的选择及调整。
排队车辆识别模块22被配置为根据车辆信息识别出位于排队车辆筛选范围且满足换电条件的车辆并作为排队车辆。
作为一实施例，排队车辆识别模块22被配置为当车辆位置位于排队车辆筛选范围内、且行驶速度低于预设速度时，识别电动车辆为目标换电站的排队车辆。
具体地，当采集到的车辆GPS位置位于虚拟围栏内或与目标换电站中心的距离为小于或等于预设距离(例如，优选为50m)时，判断该车辆的行驶速度是否低于预设速度(例如，优选为5km/h)，若是，该车辆则可以识别为目前处于排队状态，若否，该车辆则可以识别为是经过目标换电站的车辆。
将车辆的行驶速度作为换电条件来智能地识别出排队车辆，从而提升了识别车辆的精度。
作为一优选实施例，排队车辆识别模块22被配置为当车辆位置位于排队车辆筛选范围内、行驶速度低于预设速度、且车辆剩余电量低于预设电量时，识别电动车辆为所述目标换电站的排队车辆。
具体地，在确定行驶速度的基础上，还判断该车辆的车辆剩余电量是否低于预设电量(例如，优选为70％)，若是，该车辆则可以识别为需要换电的排队车辆，若否，该车辆则可以识别为已换电完成的车辆或其他特殊情况。
将车辆的行驶速度和车辆剩余电量作为换电条件来智能地识别出排队车辆，使得换电条件更为全面，从而进一步提升识别车辆的精度。
排队数量确定模块23被配置为根据识别出的排队车辆确定目标换电站的排队数量。
具体地，排队数量确定模块23被配置为按照排队车辆数量的识别时间，确定统计时间周期内目标换电站的最大排队车辆数量、最小排队车辆数量和平均排队车辆数量，根据目标换电站的排队数量更新周期、最大排队车辆数量、最小排队车辆数量和平均排队车辆数量，确定目标换电站当前的排队数量。
具体地，目标换电站或者云端可以按照排队车辆数量更新周期更新目标换电站的排队车辆数量，每个排队车辆数量对应存在一个识别时间。这样可以按照排队车辆数量的识别时间，确定统计时间周期内目标换电站的最大排队车辆数量、最小排队车辆数量和平均排队车辆数量，再根据目标换电站的排队数量更新周期、最大排队车辆数量、最小排队车辆数量和平均排队车辆数量，确定目标换电站当前的排队数量。
其中，统计时间周期可以是换电时间周期换电时间周期。
在一个可实施的方式中，排队数量确定模块23被配置为根据如下式确定出目标换电站当前的排队数量：
排队数量＝ROUND((最大排队车辆数量+最小排队车辆数量+平均排队车辆数量*(ROUND(统计时间周期/排队车辆数量更新周期,0)-2))/ROUND(统计时间周期/排队车辆数量更新周期,0),0)。
举例说明，假设统计时间周期即换电时间周期为3分钟，排队车辆数量更新周期为30秒，排队数量＝ROUND((最大排队车辆数量+最小排队车辆数量+平均排队车辆数量*4)/6,0)。
上述实施方式中，通过综合考虑最大排队车辆数量、最小排队车辆数量和平均排队车辆数量来确定出标换电站当前的排队数量，可以提升数据可靠性和准确性。而且进一步地通过三点法计算方式精确估算出排队数量，可以有效地减小了计算误差，进而提升了数据可靠性和准确性。
排队数量验证模块24被配置为获取根据换电站的车辆排队区域的环境图像识别得到的排队数量，并且采用通过图像识别得到的排队数量校验采用定位确定的排队数量。
通过环境图像识别出的排队数量对上述根据车辆筛选范围和车辆信息识别出的排队数量进行验证，从而进一步提升了数据准确性。
作为另一实施例，还可通过人工统计方式获取到的排队数量，对排队数量进行验证，从而进一步提升数据准确性，还可进一步选择使用哪一个数据。
换电站推荐模块25被配置为接收确定后的排队数量，在接收到换电站查找请求时，根据各换电站上报的排队数量推荐换电站。
通过定位确定出的排队数量可用于向用户推荐换电站，以使得排队用户或待换电用户可方便地选择排队数量较少的换电站，从而节省用户时间，提升换电效率。
在本实施例中，还可根据识别出的排队数量确定出换电等待时间，并且将排队数量和/或换电等待时间输出至换电站的显示终端或用户终端。
排队用户可通过换电等待时间和排队数量能够选择合适的换电站进行换电，从而提升了用户体验度。
在一种可实施的方式中，该系统应用于换电站时，换电站可按照时间周期将识别的换电站的排队数量上传至云端，供云端在有需要时根据换电站的排队数量向驾驶用户推荐换电站。换电站可在识别换电站的排队数量发生变化时，将新的排队数量上传至云端，供云端在有需要时根据换电站的排队数量向驾驶用户推荐换电站。
本实施例提供的换电排队车辆的数量识别系统，通过自动获取目标换电站的排队车辆筛选范围和电动车辆的车辆位置信息，以车辆位置信息与排队车辆筛选范围的关系为识别依据，实现了排队车辆的自动识别，进而能够基于识别出的排队车辆确定排队数量，而且进一步验证排队数量的准确性，同时还可以基于排队数量向用户推荐合适的换电站，减少了换电站工作人员的工作量，提高了识别效率。
图3为根据本发明另一实施例提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上实施例中的换电排队车辆的数量识别方法。图3显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明如上实施例中的换电排队车辆的数量识别方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图3所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现如上实施例中的换电排队车辆的数量识别方法中的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现如上实施例中的换电排队车辆的数量识别方法中的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (11)

1.一种换电排队车辆的数量识别方法，其特征在于，包括：
获取目标换电站的排队车辆筛选范围；
获取电动车辆的车辆信息；
当根据所述车辆信息判定所述电动车辆位于所述排队车辆筛选范围内、且满足换电条件时，识别所述电动车辆为所述目标换电站的排队车辆；
根据识别出的排队车辆确定排队数量。
2.根据权利要求1所述的方法，其特征在于，所述获取目标换电站的排队车辆筛选范围，包括：
根据目标换电站的位置设置虚拟围栏，并将所述虚拟围栏的覆盖范围作为所述目标换电站的排队车辆筛选范围；
或者，
获取与目标换电站距离小于或等于预设距离的区域，作为所述目标换电站的排队车辆筛选范围。
3.根据权利要求1所述的方法，其特征在于，所述获取电动车辆的车辆信息，包括：
从电动汽车的车载嵌入式系统获取所述电动车辆的车辆信息；
或者，
从第三方云端获取电动车辆的车辆信息；所述第三方云端的车辆信息源自所述电动汽车的车载嵌入式系统。
4.根据权利要求1所述的方法，其特征在于，所述车辆信息包括车辆位置和行驶速度；所述当根据所述车辆信息判定所述电动车辆位于所述排队车辆筛选范围内、且满足换电条件时，识别所述电动车辆为所述目标换电站的排队车辆，包括：
当所述车辆位置位于所述排队车辆筛选范围内、且所述行驶速度低于预设速度时，识别所述电动车辆为所述目标换电站的排队车辆。
5.根据权利要求4所述的方法，其特征在于，所述车辆信息包括车辆剩余电量；所述当所述车辆位置位于所述排队车辆筛选范围内、且所述行驶速度低于预设速度时，识别所述电动车辆为所述目标换电站的排队车辆，包括：
当所述车辆位置位于所述排队车辆筛选范围内、所述行驶速度低于预设速度、且所述车辆剩余电量低于预设电量时，识别所述电动车辆为所述目标换电站的排队车辆。
6.根据权利要求1所述的方法，其特征在于，所述根据识别出的排队车辆确定排队数量，包括：
按照所述排队车辆数量的识别时间，确定统计时间周期内所述目标换电站的最大排队车辆数量、最小排队车辆数量和平均排队车辆数量；
根据所述目标换电站的排队车辆数量更新周期、所述最大排队车辆数量、所述最小排队车辆数量和所述平均排队车辆数量，确定所述目标换电站当前的排队数量。
7.根据权利要求6所述的方法，其特征在于，所述根据所述目标换电站的排队车辆数量更新周期、所述最大排队车辆数量、所述最小排队车辆数量和所述平均排队车辆数量，确定所述目标换电站当前的排队数量，包括：
根据如下式确定出目标换电站当前的排队数量：
排队数量＝ROUND((最大排队车辆数量+最小排队车辆数量+平均排队车辆数量*(ROUND(统计时间周期/排队数量更新周期,0)-2))/ROUND(统计时间周期/排队数量更新周期,0),0)。
8.根据权利要求1所述的方法，其特征在于，还包括：
获取根据换电站的车辆排队区域的环境图像识别得到的排队数量；
采用通过图像识别得到的排队数量校验采用定位确定的排队数量。
9.一种换电排队车辆的数量识别系统，其特征在于，包括：
信息获取模块，被配置为获取目标换电站的排队车辆筛选范围，还被配置为获取电动车辆的车辆信息；
排队车辆识别模块，被配置为当根据所述车辆信息判定所述电动车辆位于所述排队车辆筛选范围内、且满足换电条件时，识别所述电动车辆为所述目标换电站的排队车辆；
排队数量确定模块，被配置为根据识别出的排队车辆确定排队数量。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行计算机程序时实现如权利要求1～8中任意一项所述的换电排队车辆的数量识别方法的步骤。
11.一种计算机可读介质，其上存储有计算机指令，其特征在于，所述计算机指令在由处理器执行时实现如权利要求1～8中任意一项所述的换电排队车辆的数量识别方法的步骤。
CN202011623697.XA 2020-12-31 2020-12-31 换电排队车辆的数量识别方法、系统、设备及介质 Pending CN114694085A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011623697.XA CN114694085A (zh) 2020-12-31 2020-12-31 换电排队车辆的数量识别方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011623697.XA CN114694085A (zh) 2020-12-31 2020-12-31 换电排队车辆的数量识别方法、系统、设备及介质

Publications (1)

Publication Number Publication Date
CN114694085A true CN114694085A (zh) 2022-07-01

Family

ID=82134373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011623697.XA Pending CN114694085A (zh) 2020-12-31 2020-12-31 换电排队车辆的数量识别方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN114694085A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115320451A (zh) * 2022-10-14 2022-11-11 苏州琞能能源科技有限公司 一种换电站引流方法、装置、存储介质及电子设备
CN115359646A (zh) * 2022-08-18 2022-11-18 网电楚创智慧能源湖北有限公司 一种基于车载终端的换电车辆调度方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107351705A (zh) * 2017-07-06 2017-11-17 上海蔚来汽车有限公司 换电等待时间确定系统及方法、换电站、换电系统以及记录介质
US20190107406A1 (en) * 2017-10-09 2019-04-11 Nio Usa, Inc. Systems and methods for trip planning under uncertainty
CN109740805A (zh) * 2018-12-20 2019-05-10 江苏大学 一种电动汽车充电站充电桩最优建设数量模拟方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107351705A (zh) * 2017-07-06 2017-11-17 上海蔚来汽车有限公司 换电等待时间确定系统及方法、换电站、换电系统以及记录介质
US20190107406A1 (en) * 2017-10-09 2019-04-11 Nio Usa, Inc. Systems and methods for trip planning under uncertainty
CN109740805A (zh) * 2018-12-20 2019-05-10 江苏大学 一种电动汽车充电站充电桩最优建设数量模拟方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HUIMIAO CHEN 等: "Plug-in Electric Vehicle Charging Congestion Analysis Using Taxi Travel Data in the Central Area of Beijing", 《IEEE PES GENERAL MEETING 2018》, 31 December 2018 (2018-12-31), pages 1 - 5 *
苗淼: "电动汽车充电站选址规划及运营模式研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, 15 May 2016 (2016-05-15), pages 034 - 253 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115359646A (zh) * 2022-08-18 2022-11-18 网电楚创智慧能源湖北有限公司 一种基于车载终端的换电车辆调度方法及系统
CN115359646B (zh) * 2022-08-18 2024-06-14 网电楚创智慧能源湖北有限公司 一种基于车载终端的换电车辆调度方法及系统
CN115320451A (zh) * 2022-10-14 2022-11-11 苏州琞能能源科技有限公司 一种换电站引流方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
WO2022007689A1 (zh) 车辆的充电提醒方法、设备、程序、存储介质及车辆
US10473474B2 (en) System and method for vehicle energy estimation, adaptive control and routing
US11720828B2 (en) Performing actions in response to charging events
WO2021135653A1 (zh) 一种识别车辆的异常停留的方法和系统
US20180202825A1 (en) Apparatus and method for providing charging equipment information to vehicle
EP3533661A1 (en) Method for assisting a user of an electric vehicle in reserving a rechargeable battery with a charging station
CN104977009B (zh) 使用空间及临时变量调度程序降低网络流量及计算负载
US20130261953A1 (en) Route search system and method for electric automobile
CN114694389B (zh) 换电站的排队车辆识别方法、系统、设备及介质
CN109765895B (zh) 无人驾驶车辆控制方法、装置、无人驾驶车辆及存储介质
CN106871918B (zh) 电动车路线规划方法及装置
CN109785611B (zh) 无人驾驶车辆控制方法、装置、服务器及存储介质
CN111832869B (zh) 一种车辆调度方法、装置、电子设备及存储介质
CN114694085A (zh) 换电排队车辆的数量识别方法、系统、设备及介质
CN114693040A (zh) 换电站的推荐方法、系统、电子设备及存储介质
CN108108926A (zh) 一种基于大数据的共享单车调度系统和调度方法
CN114692927A (zh) 换电站推荐方法、系统、电子设备和存储介质
CN114648420A (zh) 换电站管理方法、装置、电子设备及存储介质
CN114919461A (zh) 电动汽车充电提醒方法、装置、电子设备及存储介质
CN107564332B (zh) 停车位提示方法、系统、计算机可读存储介质
CN112669604B (zh) 城市交通调度方法及装置
CN114693045A (zh) 换电站选址方法、系统、电子设备和存储介质
CN112887406A (zh) 终端、云端及其信息推送方法、电子设备及存储介质
CN111223293B (zh) 分析交通拥堵的系统和方法
CN116756509A (zh) 能量管理优化方法、装置、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