CN115169985A - 一种移动充电机器人的远程调度方法和系统 - Google Patents

一种移动充电机器人的远程调度方法和系统 Download PDF

Info

Publication number
CN115169985A
CN115169985A CN202210965926.9A CN202210965926A CN115169985A CN 115169985 A CN115169985 A CN 115169985A CN 202210965926 A CN202210965926 A CN 202210965926A CN 115169985 A CN115169985 A CN 115169985A
Authority
CN
China
Prior art keywords
charging
data
robot
mobile charging
task
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
CN202210965926.9A
Other languages
English (en)
Inventor
戴勇
谢发强
卢继雄
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.)
Anhui Yijianeng Digital Technology Co ltd
Original Assignee
Anhui Yijianeng Digital 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 Anhui Yijianeng Digital Technology Co ltd filed Critical Anhui Yijianeng Digital Technology Co ltd
Priority to CN202210965926.9A priority Critical patent/CN115169985A/zh
Publication of CN115169985A publication Critical patent/CN115169985A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mechanical Engineering (AREA)
  • Probability & Statistics with Applications (AREA)
  • Transportation (AREA)
  • Algebra (AREA)
  • Power Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)

Abstract

本发明公开了一种移动充电机器人的远程调度方法和系统，其中方法包括以下步骤：S1，获取用户终端充电任务的数据信息；S2，根据优先级算法对充电任务进行排队；S3，按照充电任务的排队顺序，对充电任务所在场地环境路况进行侦测；S4，进行闲置状态下的智能移动充电机器人与充电任务所在位置之间的路径最优化，得到最优行进路线；S5，智能移动充电机器人按照最优行进路线行进至充电任务所在位置，为用户车辆充电。本申请发明了一种高效、实用的远程调度方法及系统，可实现电动汽车用户预定快速调用移动充电机器人进行充电服务。

Description

一种移动充电机器人的远程调度方法和系统
技术领域
本发明涉及移动储能电站领域，特别涉及一种移动充电机器人的远程调度方法和系统。
背景技术
随着电动汽车的普及，移动充电机器人作为给电动汽车充电的电能提供设备，已经开始面世，目前只是基于人工方式，将移动充电机器人开到电动汽车停靠点进行充电服务，此方法效率低下，无论电充汽车用户还是移动充电车运营商，都无法实现快速预定充电服务，将电动汽车充电难的问题缓解。随着智能化技术、自动驾驶、云端、物联网等技术的革新，亟需一种智能化的移动充电机器人的远程调度方法及系统，实现电动汽车充电快速、高效的调度服务。
发明内容
为了解决现有问题，本发明提供了一种移动充电机器人的远程调度方法和系统，具体方案如下：
一种移动充电机器人的远程调度方法，包括以下步骤：
S1，获取用户终端充电任务的数据信息；
S2，根据优先级算法对充电任务进行排队；
S3，按照充电任务的排队顺序，对充电任务所在场地环境路况进行侦测；
S4，进行闲置状态下的智能移动充电机器人与充电任务所在位置之间的路径最优化，得到最优行进路线；
S5，智能移动充电机器人按照最优行进路线行进至充电任务所在位置，为用户车辆充电。
优选的，步骤2中的优先级算法选用基于Logistic回归的充电客户优质度评分方法，具体包括以下步骤：
S2.1，获取数据；
S2.2，对S2.1获取的数据进行处理；
S2.3，建立Logistic回归模型；
S2.4，对S2.2处理后的数据进行数据的划分，分为训练集和测试集；
S2.5，获取数据各维度的各自分布情况；
S2.6，根据S2.5中获取的数据各维度的各自分布情况，对数据各维度进行数据分段；
S2.7，对分段后的数据进行分析筛选，得到优质状态影响指标的排序；
S2.8，根据S2.4中划分的测试集对训练好的Logistic模型进行检验。
优选的，S2.2中数据进行处理的步骤包括：
S2.2.1，对S1获取的数据进行预处理；
S2.2.2，对预处理后的数据进行缺失值处理；
S2.2.3，对缺失值处理后的数据进行异常值处理。
优选的，S2.2.1中预处理包括将S2.1获取的数据转化为可用作模型开发的格式化数据，并根据Python内有describe函数，掌握数据集的缺失值、均值和中位数。
优选的，S2.3中建立Logistic回归模型需要建立应变量与自变量的对应关系函数表达式，所述自变量指Logistic回归模型中的输入的各个维度数据，所述应变量指客户优质程度的评价。
优选的，S2.7中所述分析筛选，包括对分段后的数据进行相关性分析，之后再进行IV筛选，得到优质状态影响指标的排序；其中，优质状态影响指标的排序依据，包括各个维度的逻辑斯特回归系数大小，逻辑斯特回归系数越大，数据指标对优质状态的影响越大。
优选的，S4根据A*算法进行最优路径的选择。
本发明还揭示了一种计算机可读存储介质，介质上存有计算机程序，计算机程序运行后，执行如上述的移动充电机器人的远程调度方法。
本发明还揭示了一种计算机系统，包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行如上述的移动充电机器人的远程调度方法。
优选的，一种基于上述的移动充电机器人的远程调度方法的系统，包括智能移动充电机器人、用户终端、任务管理平台、车辆管理平台以及地图路线规划平台；
所述用户终端通过无线通信模块发送充电任务至所述任务管理平台，所述充电任务包括用户信息、充电需求信息以及充电目标车辆的地理位置；
所述任务管理平台接收到充电任务后，根据优先级算法进行任务排队，形成任务队列，并按照任务队列的顺序，将充电任务上传至车辆管理平台；
所述车辆管理平台调用环境路况检测服务程序，对充电任务所在场地进行环境路况侦测，并将路况上传至地图路线规划平台；同时，所述智能移动充电机器人将所述地图路线规划平台将自身状态实时上传至地图路线规划平台；
所述地图路线规划平台根据闲置状态下的智能移动充电机器人和充电目标车辆的地理位置，并运用A*算法进行两者之间的最优路径规划，得到最优路径；
所述智能移动充电机器人根据最优路径移动到充电目标车辆的地理位置，为充电目标车辆进行充电。
本发明的有益效果在于：
本申请发明了一种高效、实用的远程调度方法及系统，可实现电动汽车用户预定快速调用移动充电机器人进行充电服务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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它的附图。
图1为本发明的方法流程图；
图2为优先级算法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，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它实施例，都属于本发明保护的范围。
如图1，一种移动充电机器人的远程调度方法，包括以下步骤：
S1，获取用户终端充电任务的数据信息。
S2，根据优先级算法对充电任务进行排队。如图2，优先级算法选用基于Logistic回归的充电客户优质度评分方法，具体包括以下步骤：
S2.1，获取数据。
其中，该数据包括存量客户和潜在客户的数据。存量客户是指已经在充电公司开展相关充电类业务的客户；潜在客户是指未来拟在充电公司开展相关充电业务的客户。其中客户的数据维度包括了优劣客户的划分标签、客户年龄、月收入、净资产总额、家属人数、债务比率、每周工作时长、每月行车里程、每月充电次数等应变量。
S2.2，对步骤2.1获取的数据进行处理。其中，处理步骤包括：
S2.2.1,对S1获取的数据进行预处理.
其中，预处理包括将步骤1获取的数据转化为可用作模型开发的格式化数据，并根据Python内有describe函数，掌握数据集的缺失值、均值和中位数。
S2.2.2，对预处理后的数据进行缺失值处理。
其中，缺失值的出现在现实问题中非常普遍，这会导致一些不能处理缺失值的分析方法无法应用。因此，就要进行缺失值处理。缺失值处理的方法，包括如下几种：1、直接删除含有缺失值的样本；2、根据样本之间的相似性填补缺失值；3、根据变量之间的相关关系填补缺失值。
其中，当变量缺失率大于设定阈值时，采用根据变量之间的相关关系填补缺失值的方法进行缺失值处理，并采用随机森林法进行预测填充缺失的数据。
S2.2.3，对缺失值处理后的数据进行异常值处理。
其中，异常值是指明显偏离大多数抽样数据的数值，比如个人客户的年龄为0时，通常认为该值为异常值。通常采用离群值检测的方法找出样本数据总体中的异常值。对找出的异常值进行删除。
S2.3，建立Logistic回归模型。
其中，建立Logistic回归模型需要建立应变量与自变量的对应关系函数表达式，自变量指Logistic回归模型中的输入的各个维度数据，应变量指客户优质程度的评价。
S2.4，对S2.2处理后的数据进行数据的划分，分为训练集和测试集；将训练集按照各个维度的数据与对应的标签数据输入到Logistic回归模型中，进行逻辑斯特回归训练，得到各个维度数据的逻辑斯特回归系数。
S2.5，进行探索性数据分析，获取数据各维度的各自分布情况，包括年龄数据、集中程度与均值方差等。
S2.6，根据S2.5中获取的数据各维度的各自分布情况，采用变量分箱算法，对数据各维度进行数据分段。
其中，变量分箱算法对数据的分段方法包括等距分段、等深分段和最优分段。等距分段是指分段的区间是一致的，比如年龄以十年作为一个分段；等深分段是先确定分段数量，然后令每个分段中数据数量大致相等；最优分段又叫监督离散化，使用递归划分将连续变量分为分段，背后是一种基于条件推断查找较佳分组的算法。本发明首先选择对连续变量进行最优分段，在连续变量的分布不满足最优分段的要求时，再考虑对连续变量进行等距分段。
S2.7，对分段后的数据进行相关性分析，之后再进行IV筛选，得到优质状态影响指标的排序。
确定好数据各自的分布情况后，再对不同维度数据之间进行对比，如有高度线性相关的维度则进行合并筛选。其中，优质状态影响指标的排序依据，包括各个维度的逻辑斯特回归系数大小，逻辑斯特回归系数越大，数据指标对优质状态的影响越大。相关性分析就是将各个维度的数据排列为一个矩阵，按照每一列一个维度的方式，计算矩阵的秩。如果是满秩矩阵则说明数据相关性小，不满秩的话就是相关的列与列之间有取舍。这里的相关性分析只是初步的检查，进一步检查模型的VI(证据权重)作为变量筛选的依据，此处权重高低指的是自变量数据维度的排序。
S2.8，根据S2.4中划分的测试集对训练好的Logistic回归模型进行检验。通过ROC曲线和AUC来评估模型的拟合能力。
S3，按照充电任务的排队顺序，对充电任务所在场地环境路况进行侦测。
S4，进行闲置状态下的智能移动充电机器人与充电任务所在位置之间的路径最优化，得到最优行进路线。其中，根据A*算法进行最优路径的选择。
S5，智能移动充电机器人按照最优行进路线行进至充电任务所在位置，为用户车辆充电。
一种基于上述的移动充电机器人的远程调度方法的系统，包括智能移动充电机器人、用户终端、任务管理平台、车辆管理平台以及地图路线规划平台；
所述用户终端通过无线通信模块发送充电任务至所述任务管理平台，所述充电任务包括用户信息、充电需求信息以及充电目标车辆的地理位置；
所述任务管理平台接收到充电任务后，根据优先级算法进行任务排队，形成任务队列，并按照任务队列的顺序，将充电任务上传至车辆管理平台；
所述车辆管理平台调用环境路况检测服务程序，对充电任务所在场地进行环境路况侦测，并将路况上传至地图路线规划平台；同时，所述智能移动充电机器人将所述地图路线规划平台将自身状态实时上传至地图路线规划平台；
所述地图路线规划平台根据闲置状态下的智能移动充电机器人和充电目标车辆的地理位置，并运用A*算法进行两者之间的最优路径规划，得到最优路径；
所述智能移动充电机器人根据最优路径移动到充电目标车辆的地理位置，为充电目标车辆进行充电。
本申请发明了一种高效、实用的远程调度方法及系统，可实现电动汽车用户预定快速调用移动充电机器人进行充电服务。
本发明还揭示了一种计算机可读存储介质，介质上存有计算机程序，计算机程序运行后，执行上述的移动充电机器人的远程调度方法。
本发明还揭示了一种计算机系统，包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行上述的移动充电机器人的远程调度方法。
本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。
结合本文所公开的实施例描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。
结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。
在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种移动充电机器人的远程调度方法，其特征在于，包括以下步骤：
S1，获取用户终端充电任务的数据信息；
S2，根据优先级算法对充电任务进行排队；
S3，按照充电任务的排队顺序，对充电任务所在场地环境路况进行侦测；
S4，进行闲置状态下的智能移动充电机器人与充电任务所在位置之间的路径最优化，得到最优行进路线；
S5，智能移动充电机器人按照最优行进路线行进至充电任务所在位置，为用户车辆充电。
2.根据权利要求1所述的移动充电机器人的远程调度方法，其特征在于，步骤2中的优先级算法选用基于Logistic回归的充电客户优质度评分方法，具体包括以下步骤：
S2.1，获取数据；
S2.2，对S2.1获取的数据进行处理；
S2.3，建立Logistic回归模型；
S2.4，对S2.2处理后的数据进行数据的划分，分为训练集和测试集；
S2.5，获取数据各维度的各自分布情况；
S2.6，根据S2.5中获取的数据各维度的各自分布情况，对数据各维度进行数据分段；
S2.7，对分段后的数据进行分析筛选，得到优质状态影响指标的排序；
S2.8，根据S2.4中划分的测试集对训练好的Logistic模型进行检验。
3.根据权利要求2所述的移动充电机器人的远程调度方法，其特征在于，S2.2中数据进行处理的步骤包括：
S2.2.1，对S1获取的数据进行预处理；
S2.2.2，对预处理后的数据进行缺失值处理；
S2.2.3，对缺失值处理后的数据进行异常值处理。
4.根据权利要求3所述的移动充电机器人的远程调度方法，其特征在于：S2.2.1中预处理包括将S2.1获取的数据转化为可用作模型开发的格式化数据，并根据Python内有describe函数，掌握数据集的缺失值、均值和中位数。
5.根据权利要求2所述的移动充电机器人的远程调度方法，其特征在于：S2.3中建立Logistic回归模型需要建立应变量与自变量的对应关系函数表达式，所述自变量指Logistic回归模型中的输入的各个维度数据，所述应变量指客户优质程度的评价。
6.根据权利要求2所述的移动充电机器人的远程调度方法，其特征在于：S2.7中所述分析筛选，包括对分段后的数据进行相关性分析，之后再进行IV筛选，得到优质状态影响指标的排序；其中，优质状态影响指标的排序依据，包括各个维度的逻辑斯特回归系数大小，逻辑斯特回归系数越大，数据指标对优质状态的影响越大。
7.根据权利要求1所述的移动充电机器人的远程调度方法，其特征在于：S4根据A*算法进行最优路径的选择。
8.一种计算机可读存储介质，其特征在于：介质上存有计算机程序，计算机程序运行后，执行如权利要求1至7中任一项所述的移动充电机器人的远程调度方法。
9.一种计算机系统，其特征在于：包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行如权利要求1至7中任一项所述的移动充电机器人的远程调度方法。
10.一种基于权利要求1-7任一所述的移动充电机器人的远程调度方法的系统，其特征在于：包括智能移动充电机器人、用户终端、任务管理平台、车辆管理平台以及地图路线规划平台；
所述用户终端通过无线通信模块发送充电任务至所述任务管理平台，所述充电任务包括用户信息、充电需求信息以及充电目标车辆的地理位置；
所述任务管理平台接收到充电任务后，根据优先级算法进行任务排队，形成任务队列，并按照任务队列的顺序，将充电任务上传至车辆管理平台；
所述车辆管理平台调用环境路况检测服务程序，对充电任务所在场地进行环境路况侦测，并将路况上传至地图路线规划平台；同时，所述智能移动充电机器人将所述地图路线规划平台将自身状态实时上传至地图路线规划平台；
所述地图路线规划平台根据闲置状态下的智能移动充电机器人和充电目标车辆的地理位置，并运用A*算法进行两者之间的最优路径规划，得到最优路径；
所述智能移动充电机器人根据最优路径移动到充电目标车辆的地理位置，为充电目标车辆进行充电。
CN202210965926.9A 2022-08-12 2022-08-12 一种移动充电机器人的远程调度方法和系统 Pending CN115169985A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210965926.9A CN115169985A (zh) 2022-08-12 2022-08-12 一种移动充电机器人的远程调度方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210965926.9A CN115169985A (zh) 2022-08-12 2022-08-12 一种移动充电机器人的远程调度方法和系统

Publications (1)

Publication Number Publication Date
CN115169985A true CN115169985A (zh) 2022-10-11

Family

ID=83478826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210965926.9A Pending CN115169985A (zh) 2022-08-12 2022-08-12 一种移动充电机器人的远程调度方法和系统

Country Status (1)

Country Link
CN (1) CN115169985A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116629413A (zh) * 2023-05-10 2023-08-22 金陵科技学院 基于随机森林及Dijkstra的移动充电装置全局最优自动部署方法
CN117162845A (zh) * 2023-11-01 2023-12-05 南通国轩新能源科技有限公司 一种可移动式储能充电方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116629413A (zh) * 2023-05-10 2023-08-22 金陵科技学院 基于随机森林及Dijkstra的移动充电装置全局最优自动部署方法
CN117162845A (zh) * 2023-11-01 2023-12-05 南通国轩新能源科技有限公司 一种可移动式储能充电方法及装置
CN117162845B (zh) * 2023-11-01 2023-12-29 南通国轩新能源科技有限公司 一种可移动式储能充电方法及装置

Similar Documents

Publication Publication Date Title
CN110555640B (zh) 路由规划的方法和装置
CN115169985A (zh) 一种移动充电机器人的远程调度方法和系统
CN111768030B (zh) 银行运输配送线路规划方法和装置、设备以及介质
US20110213741A1 (en) Systems and methods for generating leads in a network by predicting properties of external nodes
CN109816483B (zh) 信息推荐方法及装置、可读存储介质
CN116504076A (zh) 基于etc门架数据的高速公路车流量预测方法
CN111260102A (zh) 一种用户满意度预测方法、装置、电子设备及存储介质
CN106897801A (zh) 司机分类的方法、装置、设备以及存储介质
CN112150237B (zh) 多模型融合的订单逾期预警方法、装置、设备及存储介质
CN110650170B (zh) 用于推送信息的方法和装置
CN113469730A (zh) 一种非合同场景下的基于RF-LightGBM融合模型的客户复购预测方法及装置
CN111652661B (zh) 一种手机客户端用户流失预警处理方法
CN110955770A (zh) 一种智能对话系统
CN114723543B (zh) 一种跨境电商的财务档案大数据管理系统及方法
CN111080204A (zh) 一种基于客户优先级评价的智能排序派件系统
US20190220780A1 (en) Quantitative discovery of name changes
CN111179055A (zh) 授信额度调整方法、装置和电子设备
CN113902449A (zh) 企业在线交易系统风险的预警方法、装置和电子设备
CN106779245B (zh) 基于事件的民航需求预测方法和装置
CN117291428A (zh) 一种基于企业管理app的数据后台管理系统
Massaro et al. Innovative Bi approaches and methodologies implementing a multilevel analytics platform based on data mining and analytical models: A case of study in roadside assistance services
CN113902481B (zh) 权益确定方法、装置、存储介质及设备
WO2011019731A2 (en) Systems and methods for gererating leads in a network by predicting properties of external nodes
CN112348537B (zh) 信息处理方法、装置、电子设备和存储介质
CN114048978A (zh) 一种基于机器学习模型的供需调度策略融合应用

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