CN114764659A - 换电站选址方法、系统、电子设备和存储介质 - Google Patents
换电站选址方法、系统、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114764659A CN114764659A CN202011623699.9A CN202011623699A CN114764659A CN 114764659 A CN114764659 A CN 114764659A CN 202011623699 A CN202011623699 A CN 202011623699A CN 114764659 A CN114764659 A CN 114764659A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- address
- user
- potential
- information
- 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
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 37
- 238000010187 selection method Methods 0.000 title claims description 17
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006855 networking Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 62
- 238000007621 cluster analysis Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 103
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000005611 electricity Effects 0.000 description 11
- 230000002354 daily effect Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000003203 everyday effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 102100024607 DNA topoisomerase 1 Human genes 0.000 description 2
- 102100040401 DNA topoisomerase 3-alpha Human genes 0.000 description 2
- 101000830681 Homo sapiens DNA topoisomerase 1 Proteins 0.000 description 2
- 101000611068 Homo sapiens DNA topoisomerase 3-alpha Proteins 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种换电站选址方法、系统、电子设备和存储介质,所述方法包括:所述方法包括:获取入网用户的车辆关联信息;基于车辆关联信息从入网用户中选取出目标驾驶用户;获取目标驾驶用户所对应的潜在换电地址;根据潜在换电地址确定具有换电需求的换电区域;根据换电区域生成选址信息,以根据选址信息进行换电站选址。本发明中基于车辆关联信息选取出目标驾驶用户,进而获取这些目标驾驶用户具有换电需求的潜在换电地址,对潜在换电地址进行聚类分析以得到不同的换电区域,然后基于这些换电区域生成选址信息进行换电站选址,有效地提高了换电站选址的合理性、准确性和效率,大大地缩小了选址范围,缩短了选址周期,降低了投入成本。
Description
技术领域
本发明涉及电动汽车换电技术领域,特别涉及一种换电站选址方法、系统、电子设备和存储介质。
背景技术
纯电动汽车的换电站作为电动汽车能源补给的重要配套基础设施,直接影响电动汽车行驶的便利性和经济性,如何对电动汽车换电站进行优化布局,实现电动汽车充电的便利性、经济性成为亟待解决的问题。
目前,换电站的选址主要依赖于人工方式进行,这种人工选址方式的工作量大且选址周期长,存在选址效率低等问题。
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基于人工方式进行换电站选址存在选址效率较低的缺陷,目的在于提供一种换电站选址方法、系统、电子设备和存储介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种换电站选址方法,所述方法包括:
获取入网用户的车辆关联信息;
基于所述车辆关联信息从所述入网用户中选取出目标驾驶用户;
获取所述目标驾驶用户所对应的潜在换电地址;
根据所述潜在换电地址确定具有换电需求的换电区域;
根据所述换电区域生成选址信息,以根据所述选址信息进行换电站选址。
本实施方式中,考虑到不同用户对换电地址的需求可能不同,基于入网用户的车辆关联信息从入网用户中选取出目标驾驶用户,进而获取这些目标驾驶用户具有换电需求的潜在换电地址,对潜在换电地址进行数据分析处理以确定出具有换电需求的换电区域,然后基于这些换电区域生成选址信息进行换电站选址,这样通过入网用户的车辆关联信息将用户需求量化,能够有效地提高选址合理性、准确性以及自动化程度,提高了选址效率。
较佳地,当所述车辆关联信息包括与所述入网用户关联的入网车辆以及与所述入网车辆关联的用户账号时,所述基于所述车辆关联信息从所述入网用户中选取出目标驾驶用户,包括:
当所述车辆关联信息表示在统计周期内所述入网用户关联的入网车辆对应同一用户账号时,则将与所述入网用户作为第一类型驾驶用户。
本实施方式中,以入网车辆与用户账号的对应关系为划分依据对入网用户进行划分,将关联的入网车辆在统计周期内的对应同一用户账号的这些入网用户均归类为第一类型驾驶用户,这样后续可以基于第一类型驾驶用户的用户需求进行有针对性选址,提高选址效率以及选址合理性。
较佳地,当所述车辆关联信息还包括与所述用户账号对应的换电次数时,所述方法还包括:
在所述换电次数小于第一设定阈值时,则维持所述入网用户为第一类型驾驶用户;
在所述换电次数达到所述第一设定阈值时,则将所述入网用户调整为第二类型驾驶用户。
本实施方式中,考虑到换电次数不同的用户很可能存在不同的换电地址的需求,这样在以入网车辆与用户账号的对应关系为划分依据对入网用户进行划分的基础上,增加换电次数的约束,以优化用户的分类结果,可以更有效地基于同类用户的换电地址需求有针对性选址,提高选址效率及合理性。
较佳地,所述方法还包括:
当所述车辆关联信息表示在所述统计周期内所述入网用户关联的入网车辆对应至少两个用户账号时,获取所述至少两个用户账号在所述统计周期内分别对应的第一使用频率和第二使用频率;
计算所述第一使用频率和所述第二使用频率之间的差值;
在所述差值达到第二设定阈值时,确定对应的使用频率高的用户账号所对应的入网用户为第一类型驾驶用户;
在所述差值小于第二设定阈值时,确定所述至少两个用户账号所对应的入网用户均为第二类型驾驶用户。
本实施方式中,在统计周期内入网用户关联的入网车辆对应至少两个用户账号的场景下,以这两个用户账号的使用频率之间的差异为依据,来区分该入网车辆的常用驾驶用户唯一还是至少两个,这样可以更有效地对入网用户按照常用驾驶用户的数量进行分类,这样在后续选址时可以兼顾不同类型的用户的需求,使得换电站选址能够覆盖更多用户的需求,提高选址有效性。
较佳地,所述车辆关联信息包括多个车辆定位信息;所述车辆定位信息包括车辆定位位置及对应的定位时间点;当所述目标驾驶用户为第一类型驾驶用户时,所述获取所述目标驾驶用户所对应的潜在换电地址,包括:
基于所述车辆定位信息,获取多个所述统计周期内所述入网车辆在每个所述统计周期内,最早定位时间点对应的所述车辆定位位置,和/或,最晚定位时间点对应的所述车辆定位位置;
获取多个所述统计周期内同一所述车辆定位位置的第一累计定位次数;
在所述第一累计定位次数达到第三设定阈值时,确定所述车辆定位位置为所述入网用户对应的潜在居住地址;
将所述潜在居住地址作为所述潜在换电地址。
本实施方式中,基于驾驶用户的生活习性以及入网车辆在行驶期间才记录车辆定位信息和车速信息的先验知识,根据入网车辆多个统计周期中每个统计周期内最早定位时间点和/或最晚定位时间点对应的车辆定位位置,来推定入网车辆的驾驶用户的潜在居住地址,可以有效提高潜在居住地址的准确性,进而在基于潜在居住地址确定具有换电需求的换电区域时,可有效提高选址结果的准确性以及合理性。
较佳地,所述车辆关联信息包括多个车辆定位信息;所述车辆定位信息包括车辆定位位置及对应的定位时间点;当所述目标驾驶用户为第二类型驾驶用户时,所述获取所述目标驾驶用户所对应的潜在换电地址,包括:
基于所述车辆定位信息,获取每个所述统计周期的指定时间段内所述入网车辆处于停止状态的车辆定位位置;
获取多个所述统计周期内同一所述车辆定位位置的第二累计定位次数;
在所述第二累计定位次数达到第四设定阈值时,确定所述车辆定位位置为所述入网车辆对应的潜在车辆交接地址;
将所述潜在车辆交接地址作为所述潜在换电地址。
本实施方式中,基于至少两个驾驶用户共用同一入网车辆时的用车习惯,根据入网车辆在指定时间段内处于停止状态的车辆定位位置,来推定入网车辆的潜在车辆交接地址,可以有效提高潜在车辆交接地址的准确性,进而在基于潜在车辆交接地址确定具有换电需求的换电区域时,可有效提高选址结果的准确性以及合理性。较佳地,所述车辆关联信息包括充电状态信息;所述基于所述车辆定位信息,获取每个所述统计周期的指定时间段内所述入网车辆处于停止状态的车辆定位位置,包括:
基于所述车辆定位信息,获取每个所述统计周期的指定时间段内所述入网车辆处于停止状态、且充电状态信息表示未充电的车辆定位位置。
本实施方式中,在根据入网车辆在指定时间段内处于停止状态的车辆定位位置,来推定入网车辆的潜在车辆交接地址时,增加了充电状态信息的约束条件,避免被驾驶用户驾驶入网车辆过程中充电停留等噪声数据干扰,提高了了车辆交接地址确定的有效性和合理性。
较佳地,所述方法还包括:
在所述潜在车辆交接地址对应已营业换电站所在位置时,则取消将所述潜在车辆交接地址作为所述潜在换电地址。
本实施方式中,在潜在车辆交接地址对应已营业换电站所在位置时,便不将该潜在车辆交接地址作为潜在换电地址,避免引入无效数据影响选址。
较佳地,所述车辆关联信息包括车速信息,所述方法还包括:
基于所述车辆定位信息和/或所述车速信息,获取预设时间段内所述目标驾驶用户驾驶的入网车辆在不同地点的停留时长;
选取出所述停留时长超过第五设定阈值的地点作为所述入网车辆的车辆常停车地址,并将所述车辆常停车地址作为所述目标驾驶用户所对应的潜在换电地址。
本实施方式中,基于换电车辆在一段时间内的定位位置变化情况、车速变化情况确定该入网车辆经常停车的地点,如蹲点等客地点、休息地点、上下客地点等,这些地点也作为驾驶用户具有换电需求的潜在换电地址,进而基于若干个潜在换电地址获取换电区域以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
较佳地,所述根据所述潜在换电地址确定具有换电需求的换电区域,包括:
对所述潜在换电地址进行聚类处理以获取多个聚类簇;其中,每个所述聚类簇对应一个所述换电区域。
本实施方式中,通过对潜在换电地址进行聚类处理,以获取不同的换电区域以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
本发明还提供一种换电站选址系统,所述系统包括:
车辆关联信息获取模块,用于获取入网用户的车辆关联信息;
目标驾驶用户选取模块,用于基于所述车辆关联信息从所述入网用户中选取出目标驾驶用户;
潜在换电地址获取模块,用于获取所述目标驾驶用户所对应的潜在换电地址;
换电区域确定模块,用于根据所述潜在换电地址确定具有换电需求的换电区域;
选址模块,用于根据所述换电区域生成选址信息,以根据所述选址信息进行换电站选址。
较佳地,当所述车辆关联信息包括与所述入网用户关联的入网车辆以及与所述入网车辆关联的用户账号时,所述目标驾驶用户选取模块用于当所述车辆关联信息表示在统计周期内所述入网用户关联的入网车辆对应同一用户账号时,则将与所述入网用户作为第一类型驾驶用户。
较佳地,当所述车辆关联信息还包括与所述用户账号对应的换电次数时,所述目标驾驶用户选取模块还用于在所述换电次数小于第一设定阈值时,则维持所述入网用户为第一类型驾驶用户;
在所述换电次数达到所述第一设定阈值时,则将所述入网用户调整为第二类型驾驶用户。
较佳地,所述目标驾驶用户选取模块包括:
使用频率获取单元,用于当所述车辆关联信息表示在所述统计周期内所述入网用户关联的入网车辆对应至少两个用户账号时,获取所述至少两个用户账号在所述统计周期内分别对应的第一使用频率和第二使用频率;
差值计算单元,用于计算所述第一使用频率和所述第二使用频率之间的差值;
目标驾驶用户确定单元,用于在所述差值达到第二设定阈值时,确定对应的使用频率高的用户账号所对应的入网用户为第一类型驾驶用户;
在所述差值小于第二设定阈值时,确定所述至少两个用户账号所对应的入网用户均为第二类型驾驶用户。
较佳地,所述车辆关联信息包括多个车辆定位信息;所述车辆定位信息包括车辆定位位置及对应的定位时间点;当所述目标驾驶用户为第一类型驾驶用户时,所述潜在换电地址获取模块包括:
定位位置获取单元,用于基于所述车辆定位信息,获取多个所述统计周期内所述入网车辆在每个所述统计周期内,最早定位时间点对应的所述车辆定位位置,和/或,最晚定位时间点对应的所述车辆定位位置;
第一累计次数获取单元,用于获取多个所述统计周期内同一所述车辆定位位置的第一累计定位次数;
潜在居住地址确定单元,用于在所述第一累计定位次数达到第三设定阈值时,确定所述车辆定位位置为所述入网用户对应的潜在居住地址;
潜在换电地址获取单元,用于将所述潜在居住地址作为所述潜在换电地址。
较佳地,所述车辆关联信息包括多个车辆定位信息;所述车辆定位信息包括车辆定位位置及对应的定位时间点;当所述目标驾驶用户为第二类型驾驶用户时,所述潜在换电地址获取模块包括:
车辆定位位置获取单元,用于基于所述车辆定位信息,获取每个所述统计周期的指定时间段内所述入网车辆处于停止状态的车辆定位位置;
第二累计次数获取单元,用于获取多个所述统计周期内同一所述车辆定位位置的第二累计定位次数;
车辆交接地址确定单元,用于在所述第二累计定位次数达到第四设定阈值时,确定所述车辆定位位置为所述入网车辆对应的潜在车辆交接地址;
潜在换电地址获取单元,用于将所述潜在车辆交接地址作为所述潜在换电地址。
较佳地,所述车辆关联信息包括充电状态信息;所述车辆定位位置获取单元还用于基于所述车辆定位信息,获取每个所述统计周期的指定时间段内所述入网车辆处于停止状态、且充电状态信息表示未充电的车辆定位位置。
较佳地,所述车辆定位位置获取单元还用于在所述潜在车辆交接地址对应已营业换电站所在位置时,则取消将所述潜在车辆交接地址作为所述潜在换电地址。
较佳地,所述系统还包括:
停留时长获取模块,用于基于所述车辆定位信息,获取预设时间段内所述目标驾驶用户驾驶的入网车辆在不同地点的停留时长;
所述潜在换电地址获取模块还用于选取出所述停留时长超过第五设定阈值的地点作为所述入网车辆的车辆常停车地址,并将所述车辆常停车地址作为所述目标驾驶用户所对应的潜在换电地址。
较佳地,所述换电区域确定模块用于对所述潜在换电地址进行聚类处理以获取多个聚类簇;其中,每个所述聚类簇对应一个所述换电区域。
本发明还提供一种电子设备,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上述的换电站选址方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的换电站选址方法的步骤。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:考虑到不同用户对换电地址的需求可能不同,基于入网用户的车辆关联信息从入网用户中选取出目标驾驶用户,进而获取这些目标驾驶用户具有换电需求的潜在换电地址,对潜在换电地址进行数据分析处理以确定出具有换电需求的换电区域,然后基于这些换电区域生成选址信息进行换电站选址,这样通过入网用户的车辆关联信息将用户需求量化,能够有效地提高选址合理性、准确性以及自动化程度,提高了选址效率。
附图说明
图1为本发明实施例1的换电站选址方法的流程图。
图2为本发明实施例2的换电站选址方法的第一流程图。
图3为本发明实施例2的换电站选址方法的第二流程图。
图4为本发明实施例3的换电站选址系统的模块示意图。
图5为本发明实施例4的换电站选址系统的模块示意图。
图6为本发明实施例5的实现换电站选址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的实施例范围之中。
实施例1
如图1所示,本实施例的换电站选址方法包括:
S101、获取入网用户的车辆关联信息;
其中,车辆关联信息是入网用户关联的入网车辆的相关信息,包括但不限于入网车辆对应的用户账号和账号使用频率以及换电次数等。
S102、基于车辆关联信息从入网用户中选取出目标驾驶用户;
S103、获取目标驾驶用户所对应的潜在换电地址;
在一种具体的可实施方式中,目标驾驶用户包括但不限于与入网车辆一一对应的驾驶用户,或者与入网车辆多对一关系的驾驶用户。其中,与入网车辆一一对应的驾驶用户比如单班司机或者个人用户等,与入网车辆多对一关系的驾驶用户如双班司机等。不同的驾驶用户可能存在不同的换电地址需求,比如单班司机以及个人用户的换电需求地址比如居住地址、常停留地址等,双班司机的换电需求地址则比如交接班地址、常停留地址等。
S104、根据潜在换电地址确定具有换电需求的换电区域;
S105、根据换电区域生成选址信息,以根据选址信息进行换电站选址。
本实施例中,基于车辆关联信息选取出目标驾驶用户,进而获取这些目标驾驶用户具有换电需求的潜在换电地址,对潜在换电地址进行数据分析处理以得到不同的换电区域,然后基于这些换电区域生成选址信息进行换电站选址,有效地提高了选址合理性、准确性以及自动化程度,提高了选址效率,大大地缩小了选址范围,缩短了选址周期,降低了投入成本;同时,基于实时更新的车辆关联信进行更新计算以生成新的选址信息进行换电站选址,有效地保证了选址的准确性,提高驾驶用户的换电体验的同时保障了换电运营的整体效率。
实施例2
如图2所示,本实施例的换电站选址方法是对实施例1的进一步改进,具体地:
当车辆关联信息包括与入网用户关联的入网车辆以及与入网车辆关联的用户账号时,步骤S102包括:
S1021、当车辆关联信息表示在统计周期内入网用户关联的入网车辆对应同一用户账号时,则将与入网用户作为第一类型驾驶用户。
其中,统计周期是进行数据统计的时间段。比如一个或者多个自然日。
当在统计周期内(如月度)同一入网车辆对应的用户账号始终是同一个时,则确定该入网车辆在该统计周期内由同一驾驶用户驾驶,并确定该入网用户对应的用户类型(如单班司机或个人驾驶司机),快速有效地从所有入网用户中识别出第一类型驾驶用户,保证了后续选址效率。
车辆关联信息还包括与用户账号对应的换电次数,为了进一步地保证用户类型识别的准确度,步骤S1021之后还包括:
S1022、在换电次数小于第一设定阈值时,则维持入网用户为第一类型驾驶用户;
在换电次数达到第一设定阈值时,则将入网用户调整为第二类型驾驶用户。
当同一用户账号在统计周期内(如月度)的实际日均换电次数不超过设定日均换电次数时,则确定当前用户账号为同一人使用的状态;当同一用户账号在统计周期内(如月度)的换电次数达到设定日均换电次数时,则确定当前用户账号为多人共同使用的状态,即基于换电次数进一步地提高了入网用户类型的识别准确度,进而保证了后续的选址结果的准确性。
在一种可实施的方式中,步骤S102包括:
S1023、当车辆关联信息表示在统计周期内入网用户关联的入网车辆对应至少两个用户账号时,获取至少两个用户账号在统计周期内分别对应的第一使用频率和第二使用频率;
S1024、计算第一使用频率和第二使用频率之间的差值;
S1025、在差值达到第二设定阈值时,确定对应的使用频率高的用户账号所对应的入网用户为第一类型驾驶用户;
在差值小于第二设定阈值时,确定至少两个用户账号所对应的入网用户均为第二类型驾驶用户。
在统计周期内入网用户关联的入网车辆对应至少两个用户账号的场景下,以这两个用户账号的使用频率之间的差异为依据,来区分该入网车辆的常用驾驶用户唯一还是至少两个,这样可以更有效地对入网用户按照常用驾驶用户的数量进行分类,这样在后续选址时可以兼顾不同类型的用户的需求,使得换电站选址能够覆盖更多用户的需求,提高选址有效性。
在一种可实施的方式中,车辆关联信息包括多个车辆定位信息;车辆定位信息包括车辆定位位置及对应的定位时间点;当目标驾驶用户为第一类型驾驶用户时,步骤S103包括:
S1031、基于车辆定位信息,获取多个统计周期内入网车辆在每个统计周期内,最早定位时间点对应的车辆定位位置,和/或,最晚定位时间点对应的车辆定位位置;
S1032、获取多个统计周期内同一车辆定位位置的第一累计定位次数;
S1033、在第一累计定位次数达到第三设定阈值时,确定车辆定位位置为入网用户对应的潜在居住地址;
S1034、将潜在居住地址作为潜在换电地址。
对于常用驾驶用户唯一的入网车辆,基于驾驶用户的生活习性以及入网车辆在行驶期间才记录车辆定位信息和车速信息的先验知识,根据入网车辆多个统计周期中每个统计周期内最早定位时间点和/或最晚定位时间点对应的车辆定位位置,来推定入网车辆的驾驶用户的潜在居住地址,可以有效提高潜在居住地址的准确性,进而在基于潜在居住地址确定具有换电需求的换电区域时,可有效提高选址结果的准确性以及合理性。
在一种可实施的方式中,步骤S104包括:
S1041、对潜在居住地址进行聚类处理以获取多个聚类簇;其中,每个聚类簇对应一个换电区域。
在一种可实施的方式中,车辆关联信息包括多个车辆定位信息;车辆定位信息包括车辆定位位置及对应的定位时间点;当目标驾驶用户为第二类型驾驶用户时,如图3所示,步骤S103包括:
S1035、基于车辆定位信息,获取每个统计周期的指定时间段内入网车辆处于停止状态的车辆定位位置;
其中,统计周期的指定时间段是入网车辆的潜在换电时间段。仅获取统计周期的指定时间段内入网车辆处于停止状态的车辆定位位置,能避免将驾驶用户驾驶入网车辆过程中短暂停留的噪声定位位置纳入其中影响选址。
S1036、获取多个统计周期内同一车辆定位位置的第二累计定位次数;
S1037、在第二累计定位次数达到第四设定阈值时,确定车辆定位位置为入网车辆对应的潜在车辆交接地址;
S1038、将潜在车辆交接地址作为潜在换电地址。
对于常用驾驶用户为至少两个的入网车辆,基于至少两个驾驶用户共用同一入网车辆时的用车习惯,根据入网车辆在指定时间段内处于停止状态的车辆定位位置,来推定入网车辆的潜在车辆交接地址,可以有效提高潜在车辆交接地址的准确性,进而在基于潜在车辆交接地址确定具有换电需求的换电区域时,可有效提高选址结果的准确性以及合理性。
比如,对于双班司机,通过获取入网车辆在统计周期(如每天)内处于停止状态的车辆定位位置,根据当前入网车辆在多个统计周期(如每月)内每天会停车的多个车辆定位位置,统计出同一车辆定位位置出现的累计定位次数,当该累计定位次数大于预设值时则将其作为驾驶用户的潜在车辆交接地址,该潜在车辆交接地址为驾驶用户很有可能具有换电需求的潜在换电地址,也是换电站选址的重要参考参数,保证了换电站选址的合理性和准确性。
在一种可实施的方式中,车辆关联信息包括充电状态信息,步骤S1035包括:基于车辆定位信息,获取每个统计周期的指定时间段内入网车辆处于停止状态、且充电状态信息表示未充电的车辆定位位置。
在根据入网车辆在指定时间段内处于停止状态的车辆定位位置,来推定入网车辆的潜在车辆交接地址时,增加了充电状态信息的约束条件,避免被驾驶用户驾驶入网车辆过程中充电停留等噪声数据干扰,提高了了车辆交接地址确定的有效性和合理性。
在一种具体的可实施方式中,车辆关联信息包括充电状态信息,基于车辆定位信息,获取每个统计周期的指定时间段内入网车辆处于停止状态、且充电状态信息表示未充电的车辆定位位置,对于每个统计周期获取同一车辆定位位置的单周期累计定位次数,保留单周期累计定位次数最多的预设数量个车辆定位位置用作候选车辆定位位置,再获取多个统计周期内同一候选车辆定位位置的第二累计定位次数,在第二累计定位次数达到第四设定阈值时,确定候选车辆定位位置为入网车辆对应的潜在车辆交接地址。
另外,还可在第二累计定位次数达到第四设定阈值、且入网车辆在该多个统计周期内的行驶的统计周期的数量超过一半时,确定候选车辆定位位置为入网车辆对应的潜在车辆交接地址。
例如,假设统计周期为一个自然日,驾驶用户为双班司机,统计双班司机交接时间内(运营调研提供)车辆未充电且车速为0的车辆定位位置,保留每天出现次数TOP3的车辆定位位置,取月度行驶天数超半月的入网车辆、将该入网车辆的定位次数最高的车辆定位位置作为潜在交接地点,若TOP1是换电站定位,则剔除。
另外,在潜在车辆交接地址对应已营业换电站所在位置时,则取消将潜在车辆交接地址作为潜在换电地址。
在潜在车辆交接地址对应已营业换电站所在位置时,便不将该潜在车辆交接地址作为潜在换电地址,避免引入无效数据影响选址。
在一种具体可实施的方式中,潜在换电地址具体可以是经纬度。
在一种可实施的方式中,步骤S104包括:
S1042、对潜在车辆交接地址进行聚类处理以获取多个聚类簇;其中,每个聚类簇对应一个换电区域。比如,将各潜在车辆交接地址映射到一张图中,图中每个点表示一个潜在车辆交接地址,通过密度聚类算法将图中具有足够密度的区域划分为簇,这样便将距离较近的潜在车辆交接地址划分到同一片区,该片区即为一个具有换电需求的换电区域。
本实施方式中,通过入网汽车的定位数据将“近车辆交接地址”的用户换电地址需求量化,挖掘尚未覆盖用户需求的区域,指导后续建站选址尽量靠近未覆盖用户需求的区域,能够帮助选址人员缩减选址时间,提高选址有效率。
另外,所述车辆关联信息包括车速信息,本实施例的换电站选址方法还包括:
基于车辆定位信息和/或所述车速信息,获取预设时间段内目标驾驶用户驾驶的入网车辆在不同地点的停留时长;
选取出停留时长超过第五设定阈值的地点作为入网车辆的车辆常停车地址,并将车辆常停车地址作为目标驾驶用户所对应的潜在换电地址。
基于换电车辆在一段时间内的定位位置变化情况、车速变化情况确定该入网车辆经常停车的地点,如蹲点等客地点、休息地点、上下客地点等,这些地点也作为驾驶用户具有换电需求的潜在换电地址,进而基于若干个潜在换电地址获取换电区域以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
步骤S104包括:
对潜在居住地址和/或潜在车辆交接地址进行聚类处理以获取多个聚类簇;其中,每个聚类簇对应一个换电区域。
比如,将车辆交接地址(经纬度)映射到一张图上,图中每个点表示一个车辆交接地址,密度聚类算法将图中具有足够密度的区域划分为簇,即距离较近的车辆交接地址划分到同一片区,并标注每个簇的中心点,最后统计每个簇包含的居住地数量。
采用密度聚类算法等聚类算法,对潜在换电地址进行聚类处理,以获取不同的换电区域以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
步骤S105中对于每个聚类簇执行以下步骤:
计算聚类簇所对应的中心坐标信息;
获取距离中心坐标信息小于第三设定阈值的已营业换电站;
确定聚类簇对应的换电区域内入网车辆的区域车辆数;
在区域车辆数大于已营业换电站的负荷车辆数时,则确定聚类簇对应的换电区域为未被全面覆盖用户换电需求的目标区域;
根据目标区域生成选址信息,以根据选址信息进行换电站选址。
通过比较距离聚类簇的中心位置与设定距离内的已营业换电站能够负荷的车辆数,与聚类簇中实际的区域车辆数之间的差距以确定未被全面覆盖用户换电需求的目标区域,进而生成选址信息以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
另外,在区域车辆数小于或者等于已营业换电站的负荷车辆数时,则确定已有换电站能覆盖用户换电需求的目标区域,该目标区域无需再建站。
具体地,对于每个目标区域,根据每个目标区域的区域车辆数和每个目标区域的已营业换电站的负荷车辆数,确定未覆盖车辆数;
根据未覆盖车辆数对目标区域进行选址优先级排序;每个目标区域的选址优先级与每个目标区域的未覆盖车辆数呈正相关;
根据每个目标区域的选址优先级进行换电站选址。
在选定未完全覆盖换电需求的目标区域后,根据未覆盖车辆数对目标区域进行选址优先级排序,其中未覆盖车辆数越多的目标区域说明该目标区域对换电需求的未覆盖程度越高,则对应的选址优先级越高,反之未覆盖车辆数越少的目标区域说明该目标区域对换电需求的未覆盖程度越低,则对应的选址优先级越低,进而根据选址优先级进行换电站选址,即划分出选址优先级,帮助选址人员缩减选址规划时间,能够尽早地满足更多的驾驶用户的换电需求,有效地提高了选址合理性以及效率。
另外,本实施例的换电站选址方法还包括:
计算得到每个聚类簇所对应的中心坐标信息;
当距离中心坐标信息第三设定阈值范围内没有换电站时,则确定当前聚类簇对应的换电区域为完全未被覆盖用户换电需求的目标区域;
根据目标区域生成选址信息,以根据选址信息进行换电站选址。
在距离聚类簇的中心位置的设定距离内没有建立换电站时,则将该聚类簇对应的换电区域为完全未被覆盖用户换电需求的目标区域,进而生成选址信息以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
下面结合实例具体说明本实施例的换电站选址方法的选址处理过程:
入网车辆和入网用户均具有对应的账号,两者存在多对多的对应关系。其中,用户账号为入网用户的换电账号,用于登录换电APP(应用程序)、小程序等进行充电、消费等换电操作。
(1)采集入网车辆的车辆关联信息
根据入网车辆上安装有车辆行驶数据采集装置采集入网车辆每天在不同时间点对应的车辆关联信息,包括入网车辆及其对应的定位信息、用户账号、驾驶用户的换电次数、车速信息等;
(2)识别单班司机(或个人驾驶司机)、双班司机
以月度为统计周期,当同一入网车辆在该统计周期内只对应一个用户账号(如会员号)进行换电,则标识该入网车辆的驾驶用户为单班司机或个人驾驶司机;
其中,考虑到有可能出现不同驾驶用户共用账号的情况,对于标识该入网车辆的驾驶用户为单班司机或个人驾驶司机,通过计算统计周期内实际日均换电次数,在该实际日均换电次数超过预设单班日均换电次数时,则确定当前驾驶用户属于双班司机,提高了用户类别的识别准确度,进而保证后续的选址结果的准确性。
当同一入网车辆在该统计周期内对应多个用户账号(如两个)进行换电时,则分别获取这两个用户账号对应的使用频率,若两个使用频率的差值在一定范围内(如0.3以内),则表示标识该入网车辆的驾驶用户为双班司机,其余情况下标识该入网车辆的驾驶用户为单班司机,从而排除顶班的情况,提高了用户类别的识别准确度。
对于统计周期内对应3个及以上的用户账号的情况,识别各个用户账号对应的驾驶用户的用户类型的方式与上述过程类似,因此此处就不再赘述。
(3)确定单班司机(或个人驾驶司机)对应的潜在换电地址以及换电区域
统计每个月内入网车辆每天最早定位时间点对应的最早定位位置和/或最晚定位时间点对应的车辆定位位置,将整月中出现次数最多的定位位置作为当前驾驶用户的潜在居住地址,并将潜在居住地址作为具有换电需求的潜在换电地址。
为了保证潜在换电地址确定的准确性,将一个月中出现次数不足10次的潜在换电地址剔除。
将这些潜在居住地址(经纬度)映射到地图上,该地图上每个点表示一个驾驶用户对应的潜在居住地址;采用DBSCAN密度聚类算法对这些潜在居住地址进行聚集性分析,即将距离较近的驾驶用户的潜在居住地划分到同一区域并标注出该聚类簇的中心点位置(如广东天河区体育西路),并统计每个聚类簇所包含的潜在居住地址的数量,即采用聚类算法对潜在居住地址进行聚类处理以获取多个换电区域。
(4)确定双班司机对应的潜在换电地址以及换电区域
对于每个月度,获取每天入网车辆处于停车且未充电状态下的车辆定位位置,统计出同一车辆定位位置出现的次数,将出现次数满足设定次数的车辆定位位置为入网车辆对应的潜在车辆交接地址;
为了进一步保证司机交接地址确定的准确性,可以选取月度行驶天数超过半月(≥15天)且定位次数最高的车辆定位位置作为当前驾驶用户的潜在车辆交接地址。
为了避免将驾驶用户在换电站换电时的地址计入潜在车辆交接地址的确定结果中,需要将潜在车辆交接地址为换电站地址剔除,以保证潜在车辆交接地址的准确性,进一步地保证了后续选址结果的准确性。
将这些潜在车辆交接地址(经纬度)映射到地图上,该地图上每个点表示一个驾驶用户对应的潜在车辆交接地址;采用DBSCAN密度聚类算法对这些潜在车辆交接地址进行聚集性分析,即将距离较近的驾驶用户的潜在车辆交接地址划分到同一区域并标注出该聚类簇的中心点位置,并统计每个聚类簇所包含的潜在车辆交接地址的数量,即采用聚类算法对潜在车辆交接地址进行聚类处理以获取多个换电区域。
(5)基于换电区域生成选址信息以进行换电站选址
计算聚类簇所对应的中心坐标信息,获取距离中心坐标信息小于第三设定阈值的已营业换电站,确定聚类簇对应的换电区域内入网车辆的区域车辆数,在区域车辆数大于已营业换电站的负荷车辆数时,则确定聚类簇对应的换电区域为未被全面覆盖用户换电需求的目标区域,根据目标区域生成选址信息,以根据选址信息进行换电站选址。
另外,对于每个目标区域,根据每个目标区域的区域车辆数和每个目标区域的已营业换电站的负荷车辆数,确定未覆盖车辆数;根据未覆盖车辆数对目标区域进行选址优先级排序;每个目标区域的选址优先级与每个目标区域的未覆盖车辆数呈正相关;根据每个目标区域的选址优先级进行换电站选址,即未覆盖车辆数越多的区域对应的选址优先级越高,反之未覆盖车辆数越少的区域对应的选址优先级越低,进而根据选址优先级进行换电站选址,即划分出选址优先级,帮助选址人员缩减选址规划时间,能够尽早地满足更多的驾驶用户的换电需求,有效地提高了选址合理性以及效率。
本实施例中,基于车辆关联信息包括用户账号、车辆定位信息等选取出目标驾驶用户,进而获取这些目标驾驶用户(如单班司机、双班司机)具有换电需求的潜在换电地址,对潜在换电地址进行聚类分析以得到不同的换电区域,然后基于这些换电区域生成选址信息进行换电站选址,有效地提高了选址合理性以及效率,大大地缩小了选址范围,缩短了选址周期,降低了投入成本;基于实时更新的数据进行重新计算以生成新的选址信息进行换电站选址,保证了选址的准确性;在获取潜在居住地址或潜在交接地址的基础上,进一步获取入网车辆的车辆常停车地址以确定换电区域,进一步地提高了换电站选址的合理性、准确性和效率。
实施例3
如图4所示,本实施例的换电站选址系统包括车辆关联信息获取模块1、目标驾驶用户选取模块2、潜在换电地址获取模块3、换电区域确定模块4和选址模块5。
车辆关联信息获取模块1用于获取入网用户的车辆关联信息;
其中,车辆关联信息是入网用户关联的入网车辆的相关信息,包括但不限于入网车辆对应的用户账号和账号使用频率以及换电次数等。
目标驾驶用户选取模块2用于基于车辆关联信息从入网用户中选取出目标驾驶用户;
潜在换电地址获取模块3用于获取目标驾驶用户所对应的潜在换电地址;
在一种具体的可实施方式中,目标驾驶用户包括但不限于与入网车辆一一对应的驾驶用户,或者与入网车辆多对一关系的驾驶用户。其中,与入网车辆一一对应的驾驶用户比如单班司机或者个人用户等,与入网车辆多对一关系的驾驶用户如双班司机等。不同的驾驶用户可能存在不同的换电地址需求,比如单班司机以及个人用户的换电需求地址比如居住地址、常停留地址等,双班司机的换电需求地址则比如交接班地址、常停留地址等。
换电区域确定模块4用于根据潜在换电地址确定具有换电需求的换电区域;
选址模块5用于根据换电区域生成选址信息,以根据选址信息进行换电站选址。
本实施例中,基于车辆关联信息选取出目标驾驶用户(如单班司机、双班司机),进而获取这些目标驾驶用户具有换电需求的潜在换电地址,对潜在换电地址进行数据分析处理以得到不同的换电区域,然后基于这些换电区域生成选址信息进行换电站选址,有效地提高了选址合理性、准确性以及自动化程度,提高了选址效率,大大地缩小了选址范围,缩短了选址周期,降低了投入成本;同时,基于实时更新的车辆关联信进行更新计算以生成新的选址信息进行换电站选址,有效地保证了选址的准确性,提高驾驶用户的换电体验的同时保障了换电运营的整体效率。
实施例4
如图5所示,本实施例的换电站选址系统是对实施例3的进一步改进,具体地:
当车辆关联信息包括与入网用户关联的入网车辆以及与入网车辆关联的用户账号时,目标驾驶用户选取模块2用于当车辆关联信息表示在统计周期内入网用户关联的入网车辆对应同一用户账号时,则将与入网用户作为第一类型驾驶用户。
其中,统计周期是进行数据统计的时间段。比如一个或者多个自然日。
当在统计周期内(如月度)同一入网车辆对应的用户账号始终是同一个时,则确定该入网车辆在该统计周期内由同一驾驶用户驾驶,并确定该入网用户对应的用户类型(如单班司机或个人驾驶司机),快速有效地从所有入网用户中识别出第一类型驾驶用户,保证了后续选址效率。
为了进一步地保证用户类型识别的准确度,当车辆关联信息还包括与用户账号对应的换电次数时,目标驾驶用户选取模块2还用于在换电次数小于第一设定阈值时,则维持入网用户为第一类型驾驶用户;
在换电次数达到第一设定阈值时,则将入网用户调整为第二类型驾驶用户。
当同一用户账号在统计周期内(如月度)的实际日均换电次数不超过设定日均换电次数时,则确定当前用户账号为同一人使用的状态;当同一用户账号在统计周期内(如月度)的换电次数达到设定日均换电次数时,则确定当前用户账号为多人共同使用的状态,即基于换电次数进一步地提高了入网用户类型的识别准确度,进而保证了后续的选址结果的准确性。
目标驾驶用户选取模块2包括使用频率获取单元6、差值计算单元7和目标驾驶用户确定单元8。
使用频率获取单元6用于当车辆关联信息表示在统计周期内入网用户关联的入网车辆对应至少两个用户账号时,获取至少两个用户账号在统计周期内分别对应的第一使用频率和第二使用频率;
差值计算单元7用于计算第一使用频率和第二使用频率之间的差值;
目标驾驶用户确定单元8用于在差值达到第二设定阈值时,确定对应的使用频率高的用户账号所对应的入网用户为第一类型驾驶用户;
在差值小于第二设定阈值时,确定至少两个用户账号所对应的入网用户均为第二类型驾驶用户。
在统计周期内入网用户关联的入网车辆对应至少两个用户账号的场景下,以这两个用户账号的使用频率之间的差异为依据,来区分该入网车辆的常用驾驶用户唯一还是至少两个,这样可以更有效地对入网用户按照常用驾驶用户的数量进行分类,这样在后续选址时可以兼顾不同类型的用户的需求,使得换电站选址能够覆盖更多用户的需求,提高选址有效性。
车辆关联信息包括多个车辆定位信息;车辆定位信息包括车辆定位位置及对应的定位时间点;当目标驾驶用户为第一类型驾驶用户时,潜在换电地址获取模块3包括定位位置获取单元9、第一累计次数获取单元10、潜在居住地址确定单元11和潜在换电地址获取单元12。
定位位置获取单元9用于基于车辆定位信息,获取多个统计周期内入网车辆在每个统计周期内,最早定位时间点对应的车辆定位位置,和/或,最晚定位时间点对应的车辆定位位置;
第一累计次数获取单元10用于获取多个统计周期内同一车辆定位位置的第一累计定位次数;
潜在居住地址确定单元11用于在第一累计定位次数达到第三设定阈值时,确定车辆定位位置为入网用户对应的潜在居住地址;
潜在换电地址获取单元12用于将潜在居住地址作为潜在换电地址。
对于常用驾驶用户唯一的入网车辆,基于驾驶用户的生活习性以及入网车辆在行驶期间才记录车辆定位信息和车速信息的先验知识,根据入网车辆多个统计周期中每个统计周期内最早定位时间点和/或最晚定位时间点对应的车辆定位位置,来推定入网车辆的驾驶用户的潜在居住地址,可以有效提高潜在居住地址的准确性,进而在基于潜在居住地址确定具有换电需求的换电区域时,可有效提高选址结果的准确性以及合理性。
车辆关联信息包括多个车辆定位信息;车辆定位信息包括车辆定位位置及对应的定位时间点;当目标驾驶用户为第二类型驾驶用户时,潜在换电地址获取模块3包括车辆定位位置获取单元9、第二累计次数获取单元13、车辆交接地址确定单元14和潜在换电地址获取单元12。
车辆定位位置获取单元9用于基于车辆定位信息,获取每个统计周期的指定时间段内入网车辆处于停止状态的车辆定位位置;
其中,统计周期的指定时间段是入网车辆的潜在换电时间段。仅获取统计周期的指定时间段内入网车辆处于停止状态的车辆定位位置,能避免将驾驶用户驾驶入网车辆过程中短暂停留的噪声定位位置纳入其中影响选址。
第二累计次数获取单元13用于获取多个统计周期内同一车辆定位位置的第二累计定位次数;
车辆交接地址确定单元14用于在第二累计定位次数达到第四设定阈值时,确定车辆定位位置为入网车辆对应的潜在车辆交接地址;
潜在换电地址获取单元12用于将潜在车辆交接地址作为潜在换电地址。
对于常用驾驶用户为至少两个的入网车辆,基于至少两个驾驶用户共用同一入网车辆时的用车习惯,根据入网车辆在指定时间段内处于停止状态的车辆定位位置,来推定入网车辆的潜在车辆交接地址,可以有效提高潜在车辆交接地址的准确性,进而在基于潜在车辆交接地址确定具有换电需求的换电区域时,可有效提高选址结果的准确性以及合理性。
比如,对于双班司机,通过获取入网车辆在统计周期(如每天)内处于停止状态的车辆定位位置,根据当前入网车辆在多个统计周期(如每月)内每天会停车的多个车辆定位位置,统计出同一车辆定位位置出现的累计定位次数,当该累计定位次数大于预设值时则将其作为驾驶用户的潜在车辆交接地址,该潜在车辆交接地址为驾驶用户很有可能具有换电需求的潜在换电地址,也是换电站选址的重要参考参数,保证了换电站选址的合理性和准确性。
其中,车辆定位位置获取单元9还用于在潜在车辆交接地址对应已营业换电站所在位置时,则取消将潜在车辆交接地址作为潜在换电地址。
在一种可实施的方式中,车辆关联信息包括充电状态信息,车辆定位位置获取单元用于基于车辆定位信息,获取每个统计周期的指定时间段内入网车辆处于停止状态、且充电状态信息表示未充电的车辆定位位置。
在根据入网车辆在指定时间段内处于停止状态的车辆定位位置,来推定入网车辆的潜在车辆交接地址时,增加了充电状态信息的约束条件,避免被驾驶用户驾驶入网车辆过程中充电停留等噪声数据干扰,提高了了车辆交接地址确定的有效性和合理性。
在一种具体的可实施方式中,车辆关联信息包括充电状态信息,基于车辆定位信息,获取每个统计周期的指定时间段内入网车辆处于停止状态、且充电状态信息表示未充电的车辆定位位置,对于每个统计周期获取同一车辆定位位置的单周期累计定位次数,保留单周期累计定位次数最多的预设数量个车辆定位位置用作候选车辆定位位置,再获取多个统计周期内同一候选车辆定位位置的第二累计定位次数,在第二累计定位次数达到第四设定阈值时,确定候选车辆定位位置为入网车辆对应的潜在车辆交接地址。
另外,还可在第二累计定位次数达到第四设定阈值、且入网车辆在该多个统计周期内的行驶的统计周期的数量超过一半时,确定候选车辆定位位置为入网车辆对应的潜在车辆交接地址。
例如,假设统计周期为一个自然日,驾驶用户为双班司机,统计双班司机交接时间内(运营调研提供)车辆未充电且车速为0的车辆定位位置,保留每天出现次数TOP3的车辆定位位置,取月度行驶天数超半月的入网车辆、将该入网车辆的定位次数最高的车辆定位位置作为潜在交接地点,若TOP1是换电站定位,则剔除。
另外,当潜在车辆交接地址表明入网车辆处于换电站所在位置,则确定当前入网车辆处于换电状态,并属于交接班状态,不应当将入网车辆的定位位置作为潜在车辆交接地址,即取消将潜在车辆交接地址作为潜在换电地址,在潜在车辆交接地址对应已营业换电站所在位置时,便不将该潜在车辆交接地址作为潜在换电地址,避免引入无效数据影响选址。
在一种具体可实施的方式中,潜在换电地址具体可以是经纬度。
换电区域确定模块4用于对潜在换电地址进行聚类处理以获取多个聚类簇;其中,每个聚类簇对应一个换电区域。比如,将各潜在车辆交接地址映射到一张图中,图中每个点表示一个潜在车辆交接地址,通过密度聚类算法将图中具有足够密度的区域划分为簇,这样便将距离较近的潜在车辆交接地址划分到同一片区,该片区即为一个具有换电需求的换电区域。
本实施方式中,通过入网汽车的定位数据将“近车辆交接地址”的用户换电地址需求量化,挖掘尚未覆盖用户需求的区域,指导后续建站选址尽量靠近未覆盖用户需求的区域,能够帮助选址人员缩减选址时间,提高选址有效率。
另外,所述车辆关联信息包括车速信息。本实施例的换电站选址系统还包括停留时长获取模块15。
停留时长获取模块15用于基于车辆定位信息和/或所述车速信息,获取预设时间段内目标驾驶用户驾驶的入网车辆在不同地点的停留时长;
潜在换电地址获取模块3还用于选取出停留时长超过第五设定阈值的地点作为入网车辆的车辆常停车地址,并将车辆常停车地址作为目标驾驶用户所对应的潜在换电地址。
基于换电车辆在一段时间内的定位位置变化情况、车速变化情况确定该入网车辆经常停车的地点,如蹲点等客地点、休息地点、上下客地点等,这些地点也作为驾驶用户具有换电需求的潜在换电地址,进而基于若干个潜在换电地址获取换电区域以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
换电区域确定模块4还用于对潜在居住地址和/或潜在车辆交接地址进行聚类处理以获取多个聚类簇;其中,每个聚类簇对应一个换电区域。
比如,将潜在换电地址(经纬度)映射到一张图上,图中每个点表示一个潜在换电地址,密度聚类算法将图中具有足够密度的区域划分为簇,即距离较近的潜在换电地址划分到同一片区,并标注每个簇的中心点,最后统计每个簇包含的居住地数量。
采用密度聚类算法等聚类算法,对潜在换电地址进行聚类处理,以获取不同的换电区域以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
本实施例中的选址模块4包括坐标信息计算单元、换电站获取单元、区域车辆数确定单元、目标区域确定单元、未覆盖车辆数获取单元、区域排序单元和选址单元。
坐标信息计算单元用于计算聚类簇所对应的中心坐标信息;
换电站获取单元用于获取距离中心坐标信息小于第三设定阈值的已营业换电站;
区域车辆数确定单元用于确定聚类簇对应的换电区域内入网车辆的区域车辆数;
目标区域确定单元用于在区域车辆数大于已营业换电站的负荷车辆数时,则确定聚类簇对应的换电区域为未被全面覆盖用户换电需求的目标区域;
选址单元用于根据目标区域生成选址信息,以根据选址信息进行换电站选址。
通过比较距离聚类簇的中心位置与设定距离内的已营业换电站能够负荷的车辆数,与聚类簇中实际的区域车辆数之间的差距以确定未被全面覆盖用户换电需求的目标区域,进而生成选址信息以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
另外,在区域车辆数小于或者等于已营业换电站的负荷车辆数时,则确定已有换电站能覆盖用户换电需求的目标区域,该目标区域无需再建站。
具体地,未覆盖车辆数获取单元用于对于每个目标区域,根据每个目标区域的区域车辆数和每个目标区域的已营业换电站的负荷车辆数,确定未覆盖车辆数;
区域排序单元用于根据未覆盖车辆数对目标区域进行选址优先级排序;每个目标区域的选址优先级与每个目标区域的未覆盖车辆数呈正相关;
选址单元还用于根据每个目标区域的选址优先级进行换电站选址。
在选定未完全覆盖换电需求的目标区域后,根据未覆盖车辆数对目标区域进行选址优先级排序,其中未覆盖车辆数越多的目标区域说明该目标区域对换电需求的未覆盖程度越高,则对应的选址优先级越高,反之未覆盖车辆数越少的目标区域说明该目标区域对换电需求的未覆盖程度越低,则对应的选址优先级越低,进而根据选址优先级进行换电站选址,即划分出选址优先级,帮助选址人员缩减选址规划时间,能够尽早地满足更多的驾驶用户的换电需求,有效地提高了选址合理性以及效率。
另外,坐标信息计算单元还用于计算得到每个聚类簇所对应的中心坐标信息;
目标区域确定单元还用于当距离中心坐标信息第三设定阈值范围内没有换电站时,则确定当前聚类簇对应的换电区域为完全未被覆盖用户换电需求的目标区域;
选址单元还用于根据目标区域生成选址信息,以根据选址信息进行换电站选址。
在距离聚类簇的中心位置的设定距离内没有建立换电站时,则将该聚类簇对应的换电区域为完全未被覆盖用户换电需求的目标区域,进而生成选址信息以进行换电站选址,有效地提高了选址结果的准确性、合理性以及选址效率。
本实施例的换电站选址系统的选址处理过程可参见实施例2中的换电站选址系统的实现过程,因此在此就不再赘述。
本实施例中,基于车辆关联信息包括用户账号、车辆定位信息等选取出目标驾驶用户,进而获取这些目标驾驶用户(如单班司机、双班司机)具有换电需求的潜在换电地址,对潜在换电地址进行聚类分析以得到不同的换电区域,然后基于这些换电区域生成选址信息进行换电站选址,有效地提高了选址合理性以及效率,大大地缩小了选址范围,缩短了选址周期,降低了投入成本;基于实时更新的数据进行重新计算以生成新的选址信息进行换电站选址,保证了选址的准确性;在获取潜在居住地址或潜在交接地址的基础上,进一步获取入网车辆的车辆常停车地址以确定换电区域,进一步地提高了换电站选址的合理性、准确性和效率。
实施例5
图6为本发明实施例5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实施例1或2中任意一实施例中的换电站选址方法。图6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6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,例如本发明实施例1或2中任意一实施例中的换电站选址方法。
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6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。
实施例6
本实施例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实施例1或2中任意一实施例中的换电站选址方法中的步骤。
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实施例1或2中任意一实施例中的换电站选址方法中的步骤。
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 (13)
1.一种换电站选址方法,其特征在于,所述方法包括:
获取入网用户的车辆关联信息;
基于所述车辆关联信息从所述入网用户中选取出目标驾驶用户;
获取所述目标驾驶用户所对应的潜在换电地址;
根据所述潜在换电地址确定具有换电需求的换电区域;
根据所述换电区域生成选址信息,以根据所述选址信息进行换电站选址。
2.如权利要求1所述的方法,其特征在于,当所述车辆关联信息包括与所述入网用户关联的入网车辆以及与所述入网车辆关联的用户账号时,所述基于所述车辆关联信息从所述入网用户中选取出目标驾驶用户,包括:
当所述车辆关联信息表示在统计周期内所述入网用户关联的入网车辆对应同一用户账号时,则将与所述入网用户作为第一类型驾驶用户。
3.如权利要求2所述的方法,其特征在于,当所述车辆关联信息还包括与所述用户账号对应的换电次数时,所述方法还包括:
在所述换电次数小于第一设定阈值时,则维持所述入网用户为第一类型驾驶用户;
在所述换电次数达到所述第一设定阈值时,则将所述入网用户调整为第二类型驾驶用户。
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
当所述车辆关联信息表示在所述统计周期内所述入网用户关联的入网车辆对应至少两个用户账号时,获取所述至少两个用户账号在所述统计周期内分别对应的第一使用频率和第二使用频率;
计算所述第一使用频率和所述第二使用频率之间的差值;
在所述差值达到第二设定阈值时,确定对应的使用频率高的用户账号所对应的入网用户为第一类型驾驶用户;
在所述差值小于第二设定阈值时,确定所述至少两个用户账号所对应的入网用户均为第二类型驾驶用户。
5.如权利要求4所述的方法,其特征在于,所述车辆关联信息包括多个车辆定位信息;所述车辆定位信息包括车辆定位位置及对应的定位时间点;当所述目标驾驶用户为第一类型驾驶用户时,所述获取所述目标驾驶用户所对应的潜在换电地址,包括:
基于所述车辆定位信息,获取多个所述统计周期内所述入网车辆在每个所述统计周期内,最早定位时间点对应的所述车辆定位位置,和/或,最晚定位时间点对应的所述车辆定位位置;
获取多个所述统计周期内同一所述车辆定位位置的第一累计定位次数;
在所述第一累计定位次数达到第三设定阈值时,确定所述车辆定位位置为所述入网用户对应的潜在居住地址;
将所述潜在居住地址作为所述潜在换电地址。
6.如权利要求4所述的方法,其特征在于,所述车辆关联信息包括多个车辆定位信息;所述车辆定位信息包括车辆定位位置及对应的定位时间点;当所述目标驾驶用户为第二类型驾驶用户时,所述获取所述目标驾驶用户所对应的潜在换电地址,包括:
基于所述车辆定位信息,获取每个所述统计周期的指定时间段内所述入网车辆处于停止状态的车辆定位位置;
获取多个所述统计周期内同一所述车辆定位位置的第二累计定位次数;
在所述第二累计定位次数达到第四设定阈值时,确定所述车辆定位位置为所述入网车辆对应的潜在车辆交接地址;
将所述潜在车辆交接地址作为所述潜在换电地址。
7.如权利要求6所述的方法,其特征在于,所述车辆关联信息包括充电状态信息;所述基于所述车辆定位信息,获取每个所述统计周期的指定时间段内所述入网车辆处于停止状态的车辆定位位置,包括:
基于所述车辆定位信息,获取每个所述统计周期的指定时间段内所述入网车辆处于停止状态、且充电状态信息表示未充电的车辆定位位置。
8.如权利要求6或7所述的方法,其特征在于,所述方法还包括:
在所述潜在车辆交接地址对应已营业换电站所在位置时,则取消将所述潜在车辆交接地址作为所述潜在换电地址。
9.如权利要求5或6所述的方法,其特征在于,所述车辆关联信息包括车速信息,所述方法还包括:
基于所述车辆定位信息和/或所述车速信息,获取预设时间段内所述目标驾驶用户驾驶的入网车辆在不同地点的停留时长;
选取出所述停留时长超过第五设定阈值的地点作为所述入网车辆的车辆常停车地址,并将所述车辆常停车地址作为所述目标驾驶用户所对应的潜在换电地址。
10.如权利要求9所述的方法,其特征在于,所述根据所述潜在换电地址确定具有换电需求的换电区域,包括:
对所述潜在换电地址进行聚类处理以获取多个聚类簇;其中,每个所述聚类簇对应一个所述换电区域。
11.一种换电站选址系统,其特征在于,所述系统包括:
车辆关联信息获取模块,用于获取入网用户的车辆关联信息;
目标驾驶用户选取模块,用于基于所述车辆关联信息从所述入网用户中选取出目标驾驶用户;
潜在换电地址获取模块,用于获取所述目标驾驶用户所对应的潜在换电地址;
换电区域确定模块,用于根据所述潜在换电地址确定具有换电需求的换电区域;
选址模块,用于根据所述换电区域生成选址信息,以根据所述选址信息进行换电站选址。
12.一种电子设备,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权利要求1-10中任一项所述的换电站选址方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-10中任一项所述的换电站选址方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011623699.9A CN114764659A (zh) | 2020-12-31 | 2020-12-31 | 换电站选址方法、系统、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011623699.9A CN114764659A (zh) | 2020-12-31 | 2020-12-31 | 换电站选址方法、系统、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114764659A true CN114764659A (zh) | 2022-07-19 |
Family
ID=82363648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011623699.9A Pending CN114764659A (zh) | 2020-12-31 | 2020-12-31 | 换电站选址方法、系统、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114764659A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035311A (zh) * | 2023-08-09 | 2023-11-10 | 上海智租物联科技有限公司 | 一种通过向量网络连接强度计算换电柜撤柜需求的方法 |
-
2020
- 2020-12-31 CN CN202011623699.9A patent/CN114764659A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035311A (zh) * | 2023-08-09 | 2023-11-10 | 上海智租物联科技有限公司 | 一种通过向量网络连接强度计算换电柜撤柜需求的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Faridimehr et al. | A stochastic programming approach for electric vehicle charging network design | |
TWI705013B (zh) | 電池交換站與管理電池交換站的方法 | |
Guériau et al. | Samod: Shared autonomous mobility-on-demand using decentralized reinforcement learning | |
Li et al. | Public charging station location determination for electric ride-hailing vehicles based on an improved genetic algorithm | |
DE102013202059B4 (de) | LADEINFRASTRUKTUR FÜR ELEKTROFAHRZEUGE (EVs) MIT OPTIMALER STANDORTWAHL FÜR LADESTATIONEN | |
CN106875066A (zh) | 用车出行行为的预测方法、装置、服务器以及存储介质 | |
CN110533901B (zh) | 一种无人驾驶车辆群组的充电调度方法和云管理服务器 | |
Tiedemann et al. | Concept of a data thread based parking space occupancy prediction in a berlin pilot region | |
CN111452669A (zh) | 公交智能充电的系统和方法及介质 | |
CN110599023B (zh) | 一种电动车群组的换电调度方法和云管理服务器 | |
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 | |
Lu et al. | Charging and relocating optimization for electric vehicle car-sharing: an event-based strategy improvement approach | |
Zinnari et al. | Electrification potential of fuel-based vehicles and optimal placing of charging infrastructure: a large-scale vehicle-telematics approach | |
Rajkumar et al. | An improved public transportation system for effective usage of vehicles in intelligent transportation system | |
CN114693044A (zh) | 换电站选址方法、系统、电子设备和存储介质 | |
CN114693045A (zh) | 换电站选址方法、系统、电子设备和存储介质 | |
Haliem et al. | AdaPool: An adaptive model-free ride-sharing approach for dispatching using deep reinforcement learning | |
Wang et al. | Cost-oriented optimization of the location and capacity of charging stations for the electric Robotaxi fleet | |
Wang et al. | Towards accessible shared autonomous electric mobility with dynamic deadlines | |
CN114764659A (zh) | 换电站选址方法、系统、电子设备和存储介质 | |
CN109978241B (zh) | 一种电动汽车充电负荷的确定方法及装置 | |
Schwenk et al. | A benchmark for parking duration prediction of electric vehicles for smart charging applications | |
Dai et al. | Exploring the drive-by sensing power of bus fleet through active scheduling | |
Wang et al. | ForETaxi: data-driven fleet-oriented charging resource allocation in large-scale electric taxi networks | |
Castagna et al. | Demand-responsive rebalancing zone generation for reinforcement learning-based on-demand mobility |
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 |