CN115049202A - 一种基于车桩数据融合的充电场站可用状态评估方法 - Google Patents
一种基于车桩数据融合的充电场站可用状态评估方法 Download PDFInfo
- Publication number
- CN115049202A CN115049202A CN202210452177.XA CN202210452177A CN115049202A CN 115049202 A CN115049202 A CN 115049202A CN 202210452177 A CN202210452177 A CN 202210452177A CN 115049202 A CN115049202 A CN 115049202A
- Authority
- CN
- China
- Prior art keywords
- charging
- vehicles
- charging station
- time
- hexagonal
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 8
- 238000011156 evaluation Methods 0.000 title description 6
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 9
- 239000012634 fragment Substances 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000008520 organization Effects 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于车桩数据融合的充电场站可用状态评估方法，采用了六边形网络地理空间索引系统对城市区域进行了全覆盖划分，结合充电地理位置聚类和充电时间切割算法对城市电动汽车充电片段进行分析处理优化，可解决现有算法计算速度慢以及计算资源开销巨大的问题，有利于对现有公共充电场站的属性以及位置信息的实时更新，还能提供给电网运营机构进行充电场站运营情况校验，并实时提供充电站可用充电桩信息解决有充电需求的电动汽车用户寻找充电桩难以及等待充电排队时间过长的问题，对比以往借助人工统计再上传充电站使用情况的方式，其地理位置信息准确性、实时性更高，大大节省了人工开销经济成本，并且能为充电场站的运行运营分析提供实时数据支撑。
Description
技术领域
本发明属于电动汽车大数据处理技术领域，具体涉及一种基于车桩数据融合的充电场站可用状态评估方法。
背景技术
随着电动汽车的快速发展与推广普及，其续航里程不理想、充电过程较长、补能方式相比传统燃油车辆存在较大不便等诸多问题逐渐显现。同时，现阶段的充电基础设施的建设中也存在充电桩铺设与信息更新速度均较慢、规划布局不合理等问题，造成了部分充电桩的充电需求压力大容易发生拥堵，而相当数量的充电桩的利用率却不高，较长时间出于闲置的状态。这些问题均可能导致用户充电困难、用车体验差的问题，也会间接阻碍相关车企、基础设施投资建设单位以及电动汽车产业的健康和快速的发展。因此，如何有效结合电动车辆自身运行数据与城市充电基础设施信息，向用户提供更具精确性与实时性的充电桩信息，是本领域中亟待解决的技术问题。
发明内容
有鉴于此，针对上述本领域中存在的技术问题，本发明提供了一种基于车桩数据融合的充电场站可用状态评估方法，具体包括以下步骤：
步骤一、从接入的车联网的全部电动车辆大数据中，针对每辆车按照一定周期提取相应的历史充电片段数据，包含车辆的身份信息以及每次充电行为时间信息、位置信息以及车辆属性信息；
步骤二、对每辆车所处的城市等区域所对应的地图信息划分成多个六边形片区；对所述历史充电片段数据与各六边形片区进行匹配，对发生充电片段的各六边形片区中所有车辆的充电次数进行统计，并将这些六边形片区作为中心片区与其各自的邻接六边形片区进行合并；对充电达到特定次数的六边形片区中的充电片段位置信息执行DBSCAN聚类算法，得到各聚类中心点的位置；保留处于各所述中心片区的聚类中心点位置，并舍弃其他聚类中心点；
步骤三、针对步骤二保留的聚类中心点位置所对应中心片区，统计充电片段发生在同时的车辆数；根据所述车辆数确定出公共充电站，并计算当前时刻各公共充电站与某一辆电动汽车的距离。
进一步地，步骤一中具体以字段形式提取所述历史充电片段数据EVi Cfrag，包括：
车辆唯一标识Vin、片段开始时间Start time、片段结束时间End time、充电经度Charge lon、充电纬度Charge lat。
进一步地，步骤二中首先对地图信息具体按照8级六边形划分成多个六边形连续片区，再按照所述历史充电片段数据EVi Cfrag中的充电经度Charge lon字段与充电纬度Charge lat字段，对六边形片区匹配得到发生充电片段的各六边形片区ID字段Charg hex；对片区中所有车辆的充电次数进行统计得到Ctimes字段和数据集{hexid:Ctimes}，并将这些六边形片区作为中心片区与各自的6个邻接六边形片区合并；
针对Ctimes大于10的六边形片区hex1,...,hexi,...,hexM执行以下过程的DBSCAN聚类算法：
1)选定中心片区hexi并寻找与其邻接的6个片区
2)提取以上7个片区中的所有充电片段数据
3)对充电片段
中的Charge lon字段与充电纬度Charge lat字段基于每一个六边形执行DBSCAN聚类，得到n个聚类中心
每个聚类中心由聚类中心经度与纬度坐标组成，即
以及每个聚类中心所分别对应的ID标号
4)仅保留处在各中心片区hexi的聚类中心
以及对应的ID标号，舍弃其他聚类中心；利用保留的所述聚类中心和ID标号为各充电片段添加Center和Clabel字段；
5)选定其他中心片区并重复执行以上过程，最终获得对应于城市所覆盖的全部区域，并且增加了所述Center和Clabel字段的充电片段数据集
进一步地，所述步骤三具体包括执行以下步骤：
1)提取所述数据集
中Clabel字段为
的充电片段数据
2)统计所述充电片段数据
中的不同Vin的数量，记为
3)统计所述充电片段数据
中发生不同车辆同时充电的情况时，对应的车辆数量，具体通过以下步骤实现：
a)提取所述充电片段数据
中最早充电开始时间和最晚充电结束时间，并以1分钟为间隔进行离散化处理，以充电片段对应行、时间间隔对应列的形式构建记录矩阵
初始元素全部置0；
b)对所述充电片段数据
中每一个充电片段读取其Start time和End time字段，同样以1分钟为间隔进行离散化处理，并将所述记录矩阵
的相应标记为1；
c)对所述所述记录矩阵
按行求和得到记录列表
4)若同时满足
大于等于2以及
中存在大于等于2的元素，则将
处标记为公共充电站；
在完成全部公共充电站的标记后，根据车辆当前位置计算到各公共充电站的距离并得到相应距离列表。
进一步地，所述方法还包括提取区域中正处于充电状态的车辆位置坐标，并计算得到与某目标车辆的距离列表，将距离最小的位置作为充电站匹配结果；若存在多个距离相同的充电站匹配结果，则将之前出现过目标车辆Vin的位置作为最优充电站匹配结果；统计各公共充电站的实时车辆数并与历史同时充电车辆数最大值对比，得到当前的可用充电桩数，并将相应结果反馈给有充电线求的目标车辆用户。
上述本发明所提供的基于车桩数据融合的充电场站可用状态评估方法，通过对车联网平台收集的城市全量电动汽车运行数据进行聚合，实现了对充电场站可用状态的精确评估，解决当前车辆充电数据与充电桩数据无法融合以及各充电桩运营公司数据不能融合的问题。方法中采用了六边形网络地理空间索引系统对城市区域进行了全覆盖划分，结合充电地理位置聚类和充电时间切割算法对城市电动汽车充电片段进行分析处理优化，可解决现有算法计算速度慢以及计算资源开销巨大的问题，有利于对现有公共充电场站的属性以及位置信息的实时更新，还能提供给电网运营机构进行充电场站运营情况校验，并实时提供充电站可用充电桩信息解决有充电需求的电动汽车用户寻找充电桩难以及等待充电排队时间过长的问题，对比以往借助人工统计再上传充电站使用情况的方式，其地理位置信息准确性、实时性更高，大大节省了人工开销经济成本，并且能为充电场站的运行运营分析提供实时数据支撑。
附图说明
图1为本发明所提供方法的总体流程框图。
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。
本发明所提供的一种基于车桩数据融合的充电场站可用状态评估方法，如图1所示，具体包括以下步骤：
步骤一、从接入的车联网的全部电动车辆大数据中，针对每辆车按照一定周期提取相应的历史充电片段数据，包含车辆的身份信息以及每次充电行为时间信息、位置信息以及车辆属性信息；
步骤二、对每辆车所处的城市等区域所对应的地图信息划分成多个六边形片区；对所述历史充电片段数据与各六边形片区进行匹配，对发生充电片段的各六边形片区中所有车辆的充电次数进行统计，并将这些六边形片区作为中心片区与其各自的邻接六边形片区进行合并；对充电达到特定次数的六边形片区中的充电片段位置信息执行DBSCAN聚类算法，得到各聚类中心点的位置；保留处于各所述中心片区的聚类中心点位置，并舍弃其他聚类中心点；
步骤三、针对步骤二保留的聚类中心点位置所对应中心片区，统计充电片段发生在同时的车辆数；根据所述车辆数确定出公共充电站，并计算当前时刻各公共充电站与某一辆电动汽车的距离。
进一步地，步骤一中具体以字段形式提取所述历史充电片段数据EVi Cfrag，包括：
车辆唯一标识Vin、片段开始时间Start time、片段结束时间End time、充电经度Charge lon、充电纬度Charge lat。
进一步地，步骤二中首先对地图信息具体按照8级六边形划分成多个六边形连续片区，再按照所述历史充电片段数据EVi Cfrag中的充电经度Charge lon字段与充电纬度Charge lat字段，对六边形片区匹配得到发生充电片段的各六边形片区ID字段Charg hex；对片区中所有车辆的充电次数进行统计得到Ctimes字段和数据集{hexid:Ctimes}，并将这些六边形片区作为中心片区与各自的6个邻接六边形片区合并；
针对Ctimes大于10的六边形片区hex1,...,hexi,...,hexM执行以下过程的DBSCAN聚类算法：
1)选定中心片区hexi并寻找与其邻接的6个片区
2)提取以上7个片区中的所有充电片段数据
3)对充电片段
中的Charge lon字段与充电纬度Charge lat字段基于每一个六边形执行DBSCAN聚类，得到n个聚类中心
每个聚类中心由聚类中心经度与纬度坐标组成，即
以及每个聚类中心所分别对应的ID标号
4)为了避免同一充电场站被片区切割以及充电位置统计过程中的重复统计，仅保留处在各中心片区hexi的聚类中心
以及对应的ID标号，舍弃其他聚类中心；利用保留的所述聚类中心和ID标号为各充电片段添加Center和Clabel字段；
5)选定其他中心片区并重复执行以上过程，最终获得对应于城市所覆盖的全部区域，且增加了所述Center和Clabel字段的充电片段数据集
在遍历片区过程中各ID编号可逐次累加，以避免标号重复。
进一步地，所述步骤三具体包括执行以下步骤：
1)提取所述数据集
中Clabel字段为
的充电片段数据
2)统计所述充电片段数据
中的不同Vin的数量，记为
3)统计所述充电片段数据
中发生不同车辆同时充电的情况时对应的车辆数量，具体通过以下步骤实现：
a)提取所述充电片段数据
中最早充电开始时间和最晚充电结束时间，并以1分钟为间隔进行离散化处理，以充电片段对应行、时间间隔对应列的形式构建记录矩阵
初始元素全部置0；
b)对所述充电片段数据
中每一个充电片段读取其Start time和End time字段，同样以1分钟为间隔进行离散化处理，并将所述记录矩阵
的相应标记为1；
c)对所述所述记录矩阵
按行求和得到记录列表
4)若同时满足
大于等于2以及
中存在大于等于2的元素，则将
处标记为公共充电站；
在完成全部公共充电站的标记后，根据车辆当前位置计算到各公共充电站的距离并得到相应距离列表。
进一步地，所述方法还包括提取区域中正处于充电状态的车辆位置坐标，并计算得到与某目标车辆的距离列表，将距离最小的位置作为充电站匹配结果；若存在多个距离相同的充电站匹配结果，则将之前出现过目标车辆Vin的位置作为最优充电站匹配结果；统计各公共充电站的实时车辆数并与历史同时充电车辆数最大值对比，得到当前的可用充电桩数，并将相应结果反馈给有充电线求的目标车辆用户。
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 (5)
1.一种基于车桩数据融合的充电场站可用状态评估方法，其特征在于：具体包括以下步骤：
步骤一、从接入的车联网的全部电动车辆大数据中，针对每辆车按照一定周期提取相应的历史充电片段数据，包含车辆的身份信息以及每次充电行为时间信息、位置信息以及车辆属性信息；
步骤二、对每辆车所处的城市等区域所对应的地图信息划分成多个六边形片区；对所述历史充电片段数据与各六边形片区进行匹配，对发生充电片段的各六边形片区中所有车辆的充电次数进行统计，并将这些六边形片区作为中心片区与其各自的邻接六边形片区进行合并；对充电达到特定次数的六边形片区中的充电片段位置信息执行DBSCAN聚类算法，得到各聚类中心点的位置；保留处于各所述中心片区的聚类中心点位置，并舍弃其他聚类中心点；
步骤三、针对步骤二保留的聚类中心点位置所对应中心片区，统计充电片段发生在同时的车辆数；根据所述车辆数确定出公共充电站，并计算当前时刻各公共充电站与某一辆电动汽车的距离。
2.如权利要求1所述的方法，其特征在于：步骤一中具体以字段形式提取所述历史充电片段数据EVi Cfrag，包括：
车辆唯一标识Vin、片段开始时间Start time、片段结束时间End time、充电经度Charge lon、充电纬度Charge lat。
3.如权利要求2所述的方法，其特征在于：步骤二中首先对地图信息具体按照8级六边形划分成多个六边形连续片区，再按照所述历史充电片段数据EVi Cfrag中的充电经度Chargelon字段与充电纬度Charge lat字段，对六边形片区匹配得到发生充电片段的各六边形片区ID字段Charg hex；对片区中所有车辆的充电次数进行统计得到Ctimes字段和数据集{hexid:Ctimes}，并将这些六边形片区作为中心片区与各自的6个邻接六边形片区合并；
针对Ctimes大于10的六边形片区hex1,...,hexi,...,hexM执行以下过程的DBSCAN聚类算法：
1)选定中心片区hexi并寻找与其邻接的6个片区
2)提取以上7个片区中的所有充电片段数据
3)对充电片段
中的Charge lon字段与充电纬度Charge lat字段基于每一个六边形执行DBSCAN聚类，得到n个聚类中心
每个聚类中心由聚类中心经度与纬度坐标组成，即
以及每个聚类中心所分别对应的ID标号
4)仅保留处在各中心片区hexi的聚类中心
以及对应的ID标号，舍弃其他聚类中心；利用保留的所述聚类中心和ID标号为各充电片段添加Center和Clabel字段；
5)选定其他中心片区并重复执行以上过程，最终获得对应于城市所覆盖的全部区域，并且增加了所述Center和Clabel字段的充电片段数据集
4.如权利要求3所述的方法，其特征在于：所述步骤三具体包括执行以下步骤：
1)提取所述数据集
中Clabel字段为
的充电片段数据
2)统计所述充电片段数据
中的不同Vin的数量，记为
3)统计所述充电片段数据
中发生不同车辆同时充电的情况时，对应的车辆数量，具体通过以下步骤实现：
a)提取所述充电片段数据
中最早充电开始时间和最晚充电结束时间，并以1分钟为间隔进行离散化处理，以充电片段对应行、时间间隔对应列的形式构建记录矩阵
初始元素全部置0；
b)对所述充电片段数据
中每一个充电片段读取其Start time和End time字段，同样以1分钟为间隔进行离散化处理，并将所述记录矩阵
的相应标记为1；
c)对所述所述记录矩阵
按行求和得到记录列表
4)若同时满足
大于等于2以及
中存在大于等于2的元素，则将
处标记为公共充电站；
在完成全部公共充电站的标记后，根据车辆当前位置计算到各公共充电站的距离并得到相应距离列表。
5.如权利要求1所述的方法，其特征在于：所述方法还包括提取区域中正处于充电状态的车辆位置坐标，并计算得到与某目标车辆的距离列表，将距离最小的位置作为充电站匹配结果；若存在多个距离相同的充电站匹配结果，则将之前出现过目标车辆Vin的位置作为最优充电站匹配结果；统计各公共充电站的实时车辆数并与历史同时充电车辆数最大值对比，得到当前的可用充电桩数，并将相应结果反馈给有充电线求的目标车辆用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210452177.XA CN115049202A (zh) | 2022-04-27 | 2022-04-27 | 一种基于车桩数据融合的充电场站可用状态评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210452177.XA CN115049202A (zh) | 2022-04-27 | 2022-04-27 | 一种基于车桩数据融合的充电场站可用状态评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115049202A true CN115049202A (zh) | 2022-09-13 |
Family
ID=83158496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210452177.XA Pending CN115049202A (zh) | 2022-04-27 | 2022-04-27 | 一种基于车桩数据融合的充电场站可用状态评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115049202A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117709634A (zh) * | 2023-12-05 | 2024-03-15 | 江苏智融能源科技有限公司 | 一种基于大数据的充电桩电力资源管理系统及方法 |
-
2022
- 2022-04-27 CN CN202210452177.XA patent/CN115049202A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117709634A (zh) * | 2023-12-05 | 2024-03-15 | 江苏智融能源科技有限公司 | 一种基于大数据的充电桩电力资源管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108415975B (zh) | 基于bdch-dbscan的出租车载客热点识别方法 | |
| CN108596202B (zh) | 基于移动终端gps定位数据计算个人通勤时间的方法 | |
| Zhang et al. | A framework for passengers demand prediction and recommendation | |
| Zhang et al. | Understanding taxi service strategies from taxi GPS traces | |
| CN105608505B (zh) | 一种基于手机信令数据的居民轨道交通出行方式识别方法 | |
| CN109769201B (zh) | 一种实现用户精准定位的智慧城市管理平台 | |
| CN106931974B (zh) | 基于移动终端gps定位数据记录计算个人通勤距离的方法 | |
| WO2022089031A1 (zh) | 一种基于大数据和人工智能的网络优化方法 | |
| WO2019237522A1 (zh) | 车辆租赁方法、装置、计算机设备和存储介质 | |
| CN105261212B (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
| CN106651027B (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
| CN110134865B (zh) | 一种基于城市公共交通出行大数据的通勤乘客社交推荐方法及平台 | |
| CN112348404A (zh) | 一种村庄规划实施评估系统 | |
| Xu et al. | Understanding vehicular routing behavior with location-based service data | |
| CN114048920A (zh) | 充电设施建设的选址布局方法、装置、设备及存储介质 | |
| CN115049202A (zh) | 一种基于车桩数据融合的充电场站可用状态评估方法 | |
| 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 | |
| Wang et al. | ForETaxi: data-driven fleet-oriented charging resource allocation in large-scale electric taxi networks | |
| CN110659774B (zh) | 大数据方法驱动的停车需求预测方法 | |
| CN115206104B (zh) | 一种基于手机信令数据的城市居民交通出行方式识别方法 | |
| CN116664025A (zh) | 装卸货位置点生成方法、装置及设备 | |
| CN108596381B (zh) | 基于od数据的城市停车需求预测方法 | |
| CN115662124A (zh) | 一种基于网络编码的gps轨迹数据路段流量匹配方法 | |
| CN113096377B (zh) | 一种基于城市异质性的车辆合乘规划方法 | |
| CN113849493A (zh) | 一种基于大数据的电动汽车行程链构建方法 |
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 |