CN116523085A - 换电站排队数的确定方法及装置、换电站和存储介质 - Google Patents
换电站排队数的确定方法及装置、换电站和存储介质 Download PDFInfo
- Publication number
- CN116523085A CN116523085A CN202310564355.2A CN202310564355A CN116523085A CN 116523085 A CN116523085 A CN 116523085A CN 202310564355 A CN202310564355 A CN 202310564355A CN 116523085 A CN116523085 A CN 116523085A
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- power exchange
- exchange station
- current vehicle
- 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 47
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 10
- 230000005611 electricity Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003993 interaction 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
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000010926 waste battery Substances 0.000 description 1
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
- G06Q10/02—Reservations, e.g. for tickets, services or events
- G06Q10/025—Coordination of plural reservations, e.g. plural trip segments, transportation combined with accommodation
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种换电站排队数的确定方法及装置、换电站和存储介质,所述方法包括:获取当前车辆与目标换电站之间的距离;在根据当前车辆对应的距离、车速和电量确定当前车辆为目标车辆的情况下,获取当前车辆的到达时间;根据当前车辆的到达时间确定目标换电站的排队数。由此,该方法能够根据当前车辆的到达时间确定目标换电站的排队数,减少了换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
Description
技术领域
本发明涉及换电站技术领域,尤其涉及一种换电站排队数的确定方法、一种换电站排队数的确定装置、一种计算机可读存储介质和一种换电站。
背景技术
电动车辆可以降低碳排放量,是新能源车辆发展的重要组成部分,随着新能源电车的不断发展和普及,用户对于用电的需求不断扩大,怎样不浪费电池资源又能尽快满足用户的换电需求,减少用户的排队时间是一个重要的课题。这就需要对车辆的排队数进行准确的预测,在此之前先得对车辆的排队数进行计算。
目前,车辆的排队数进行准确计算,只能让现场工作人员去人工核验判定车辆的排队数。但是,人工核对排队数成本大,要消耗很多人力和时间,实际应用中可行性差。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的第一个目的在于提出一种换电站排队数的确定方法,能够根据当前车辆的到达时间确定目标换电站的排队数,减少了换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
本发明的第二个目的在于提出一种换电站排队数的确定装置。
本发明的第三个目的在于提出一种计算机可读存储介质。
本发明的第四个目的在于提出一种换电站。
为达到上述目的,本发明第一方面实施例提出了一种换电站排队数的确定方法,方法包括:获取当前车辆与目标换电站之间的距离;在根据当前车辆对应的距离、车速和电量确定当前车辆为目标车辆的情况下,获取当前车辆的到达时间;根据当前车辆的到达时间确定目标换电站的排队数。
根据本发明实施例的换电站排队数的确定方法,首先获取当前车辆与目标换电站之间的距离,并在根据当前车辆对应的距离、车速和电量确定当前车辆为目标车辆的情况下,获取当前车辆的到达时间,然后根据当前车辆的到达时间确定目标换电站的排队数。由此,该方法能够根据当前车辆的到达时间确定目标换电站的排队数,减少了换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
另外,根据本发明上述实施例的换电站排队数的确定方法,还可以具有如下的附加技术特征:
根据本发明的一个实施例,若当前车辆满足预设条件且持续第一预设时间,则确定当前车辆为目标车辆;其中,预设条件为:距离小于预设距离阈值、且车速小于预设车速阈值、且电量小于预设电量阈值。
根据本发明的一个实施例,获取当前车辆的到达时间,包括:将第一预设时间的开始时刻作为当前车辆的到达时间。
根据本发明的一个实施例,根据当前车辆的到达时间确定目标换电站的排队数,包括:获取当前车辆的订单开始时间;根据当前车辆的到达时间和当前车辆的订单开始时间确定目标车辆的个数;根据目标车辆的个数确定目标换电站的排队数。
根据本发明的一个实施例,在获取当前车辆与目标换电站之间的距离之前,方法还包括:获取车辆电池的SOC为预设值时的车辆位置信息;根据每个车辆电池的SOC为预设值时的车辆位置信息确定目标换电站的位置信息,其中,位置信息包括经纬度信息。
根据本发明的一个实施例,根据当前车辆的到达时间确定目标换电站的排队数之后,方法还包括:根据当前车辆的到达时间和车辆的订单开始时间确定目标换电站在目标预设时间内的排队数;将第二预设时间内的目标换电站在目标预设时间内的排队数作为历史排队数据;根据至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息预测当前时刻的目标换电站的排队数;其中,第二预设时间大于目标预设时间。
根据本发明的一个实施例,根据至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息预测当前时刻的目标换电站的排队数,包括:将至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息作为三层全连接神经网络的输入,当前时刻的目标换电站的排队数作为三层全连接神经网络的输出。
为达到上述目的,本发明第二方面实施例提出了一种换电站排队数的确定装置,装置包括:第一获取模块,用于获取当前车辆与目标换电站之间的距离;第一确定模块,用于根据当前车辆对应的距离、车速和电量确定当前车辆为目标车辆;第二获取模块,用于在确定当前车辆为目标车辆的情况下,获取当前车辆的到达时间;第二确定模块,用于根据当前车辆的到达时间确定目标换电站的排队数。
根据本发明实施例的换电站排队数的确定装置,第一获取模块获取当前车辆与目标换电站之间的距离;第一确定模块根据当前车辆对应的距离、车速和电量确定当前车辆为目标车辆;第二获取模块在确定当前车辆为目标车辆的情况下,获取当前车辆的到达时间;第二确定模块根据当前车辆的到达时间确定目标换电站的排队数。由此,该装置能够根据当前车辆的到达时间确定目标换电站的排队数,减少了换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
为达到上述目的,本发明第三方面实施例提出了一种计算机可读存储介质,其上存储有换电站排队数的确定程序,该换电站排队数的确定程序被处理器执行时实现上述的换电站排队数的确定方法。
根据本发明实施例的计算机可读存储介质,通过上述的换电站排队数的确定方法,能够减少换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
为达到上述目的,本发明第四方面实施例提出了一种换电站,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换电站排队数的确定程序,处理器执行换电站排队数的确定程序时,实现上述的换电站排队数的确定方法。
根据本发明实施例的换电站,通过上述的换电站排队数的确定方法,能够减少换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为根据本发明实施例的换电站排队数的确定方法的流程图;
图2为根据本发明一个实施例的三层全连接神经网络的示意图;
图3为根据本发明实施例的换电站排队数的确定装置的方框示意图;
图4为根据本发明实施例的换电站的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例提出的换电站排队数的确定方法、换电站排队数的确定装置、计算机可读存储介质和换电站。
图1为根据本发明实施例的换电站排队数的确定方法的流程图。
如图1所示,本发明实施例的换电站排队数的确定方法,可包括以下步骤:
S1,获取当前车辆与目标换电站之间的距离。
S2,在根据当前车辆对应的距离、车速和电量确定当前车辆为目标车辆的情况下,获取当前车辆的到达时间。其中,目标车辆为需要在目标换电站进行换电的车辆。
S3,根据当前车辆的到达时间确定目标换电站的排队数。
具体而言,目标换电站连接有云端服务器,云端服务器可以统计目标换电站的运营数据,如订单信息等。当前车辆在目标换电站进行登记注册后,成为目标换电站的入网车,当前车辆在行驶过程中,实时地将自身的经纬度、车速和电量上报至云端服务器。云端服务器可以根据目标车辆的经纬度、目标换电站的经纬度实时计算当前车辆与目标换电站之间的距离。当当前车辆与目标换电站之间的距离较小、车速较低和电量低于一定值时,云端服务器可以确定当前车辆需要在目标换电站进行换电,获取当前车辆到达目标换电站的到达时间。当当前车辆开始换电时,生成一个订单并加入到目标换电站的订单列表中,订单中记录有订单开始时间和完成时间。云端服务器可以根据当前车辆的到达时间,确定在当前车辆的到达时间与开始换电时之间的时间段内的目标换电站车辆的数量,从而可以确定目标换电站的排队数。
下面结合具体实施例详细描述本发明的换电站排队数的确定方法。
根据本发明的一个实施例,若当前车辆满足预设条件且持续第一预设时间,则确定当前车辆为目标车辆;其中,预设条件为:距离小于预设距离阈值、且车速小于预设车速阈值、且电量小于预设电量阈值。其中,第一预设时间、预设距离阈值、预设车速阈值、预设电量阈值可以根据车辆的实际情况标定,例如,预设距离阈值可以为500m,预设车速阈值可以为10km/h,预设电量阈值可以为60%。
具体而言,当前车辆在行驶过程中,实时地将自身的经纬度、车速和电量上报至云端服务器,云端服务器可以根据目标车辆的经纬度、目标换电站的经纬度实时计算当前车辆与目标换电站之间的距离,当当前车辆与目标换电站之间的距离小于预设距离阈值、且车速小于预设车速阈值、且电量小于预设电量阈值,云端服务器确定当前车辆需要在目标换电站进行换电。
需要说明的是,预设条件的设定过程可以为:首先设定一组阈值,然后根据车辆的实时经纬度数据,计算车辆与站点的距离,并结合车辆当前的速度和电量找出符合设定阈值的当前的车辆排队数和对应的排队车辆的vin码,通过车辆的vin和车牌号之间的对应关系就可以判断排队的车辆车牌号。通过与现场工作人员进行沟通,判断阈值设定是否合理,并找出误差并不断调整阈值,直到找到每个站点满足实际情况的最佳阈值,从而完成预设条件的设定。其中,当车辆进入换电站准备进行换电时,换电站可以对车辆进行拍照,并将车辆信息如车牌号等发送至云端服务器。
根据本发明的一个实施例,获取当前车辆的到达时间,包括:将第一预设时间的开始时刻作为当前车辆的到达时间。
例如,当前车辆在15:00时开始满足预设条件并持续第一预设时间,那么15:00为当前车辆的到达时间。
在本发明的一个实施例中,云端服务器遍历订单表中的每一个订单,以当前车辆的订单开始时间起,按时间顺序往前查找当前车辆的位置、速度和电量的数据,如果找不到订单时间之前的数据,视为当前车辆的到达时间和订单开始的时间一致,即没有排队时间时间,当前车辆未排队就进行了换电。如果有当前车辆的订单时间之前的数据,则依次往前查找,直到不满足距离小于预设距离阈值、且车速小于预设车速阈值、且电量小于预设电量阈值为止,离订单开始时间最远的满足预设条件的时间即为车辆到达时间。如果直到第一个时间点当前车辆满足预设条件,则第一个时间点,也就是最小的时间点视为车辆到达时间。
根据本发明的一个实施例,根据当前车辆的到达时间确定目标换电站的排队数,包括:获取当前车辆的订单开始时间;根据当前车辆的到达时间和当前车辆的订单开始时间确定目标车辆的个数;根据目标车辆的个数确定目标换电站的排队数。
具体而言,遍历目标换电站的订单列表中的每一个订单,找到当前车辆对应的订单,根据该订单可以得到当前车辆的订单开始时间,然后根据当前车辆的到达时间和当前车辆的订单开始时间查找在这个时间段内满足预设条件的车辆,即车辆的距离小于预设距离阈值、且车速小于预设车速阈值、且电量小于预设电量阈值,该车辆为目标车辆。按照同样的方法,可以找到目标换电站的所有的目标车辆的车牌号,由于第一辆车正在换电,不属于排队车辆,所有的目标车辆的个数减一就是目标换电站的排队数。
在本发明的另一个实施例中,云端服务器可以查找在当前车辆的到达时间和当前车辆的订单开始时间之间在目标换电站进行换电的车辆的订单,这些订单对应的车辆的个数可以视为目标换电站的排队数。
根据本发明的一个实施例,在获取当前车辆与目标换电站之间的距离之前,方法还包括:获取车辆电池的SOC为预设值时的车辆位置信息;根据每个车辆电池的SOC为预设值时的车辆位置信息确定目标换电站的位置信息,其中,位置信息包括经纬度信息。其中,预设值可以为100%。
具体而言,通常情况下,换电站的电池是充满以后方可为车辆进行换电的,因此,车辆换电以后,车辆处于满电状态,车辆电池的SOC为100%(预设值)。车辆在换电以后,向云端服务器上传自身的经纬度、车速和电池的SOC,云端服务器找出很多个有换电记录的车辆换电结束后车辆电池的SOC为100%的经纬度位置,通过这些位置的离散程度,去除周围的异常值,找出最密集的区域,把最密集的区域中的点的中心作为换电站的位置。
在本发明的另一些实施例中,可以通过地图搜索、网络查询等手段获取换电站的位置信息,这里不再赘述。
根据本发明的一个实施例,根据当前车辆的到达时间确定目标换电站的排队数之后,方法还包括:根据当前车辆的到达时间和车辆的订单开始时间确定目标换电站在目标预设时间内的排队数;将第二预设时间内的目标换电站在目标预设时间内的排队数作为历史排队数据;根据至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息预测当前时刻的目标换电站的排队数;其中,第二预设时间大于目标预设时间。为了便于理解,以目标预设时间为五分钟,第二预设时间为24周为例进行说明。
具体而言,在根据当前车辆的到达时间确定目标换电站的排队数之后,目标换电站可以设置每五分钟时间点,如果车辆的到达时间早于该时间点,车辆的订单开始时间晚于该时间点,则该车辆在排队。例如,要计算2023-04-03 00:00:00这个时间的排队数,那么车辆的到达时间在这个时间前,而订单的开始时间在这个时间后,就说明该车辆在这个时间点是处于排队的状态。找到所有的满足条件的车辆数,即为目标换电站在目标预设时间内的排队数。
进一步地,取目标换电站的24周的排队数据,把计算得到目标换电站的车辆排队数按照每个周每五分钟一个时间点来进行分类,由此,目标换电站的每五分钟一个时间点的车辆排队数共24个历史排队数据。接下来可以根据至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息预测当前时刻的目标换电站的排队数。其中,目标换电站的入网车占比为在目标换电站注册的车辆与总车辆数的比值,当前时刻的目标换电站所在城市的环境信息包括当前时刻的城市所述的季节、天气情况等,可以通过联网获取。
根据本发明的一个实施例,根据至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息预测当前时刻的目标换电站的排队数,包括:将至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息作为三层全连接神经网络的输入,当前时刻的目标换电站的排队数作为三层全连接神经网络的输出。
具体而言,三层全连接神经网络的示意图如图2所示,在本发明的实施例中的三层全连接神经网络的输入层是8个神经元,中间的两个隐藏层设定为20个神经元,输出层为1个神经元,可以将前四周的历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息作为三层全连接神经网络的输入,第五周的历史排队数据作为三层全连接神经网络的输出来构建样本,并把样本分为训练集和测试集,其中,训练集用来训练模型,测试集用来验证模型的准确性。通过三层全连接神经网络来进行模型的训练,通过反向传播不断迭代训练出最佳的参数。通过前向传播对第五周的排队数进行预测,并与第五周的实际排队数进行比较,二者之间的误差越小,说明三层全连接神经网络模型训练误差较小,预测准确。根据训练出的模型,对未来一个星期每个站点每个时间点的排队数进行预测,给换电站的电池配置提供数据支撑。
例如,需要对目标换电站在2023-01-29 00:05:00的排队数进行预测,可以将目标换电站2023-01-01 00:05:00的排队数、2023-01-08 00:05:00的排队数、2023-01-1500:05:00的排队数、2023-01-22 00:05:00的排队数、目标换电站的入网车占比、该换电站所在城市的换电站数量、2023-01-29 00:05:00所属的季节、2023-01-29 00:05:00的天气作为三层全连接神经网络的输入,输出的即为目标换电站2023-01-29 00:05:00的排队数。由此,通过神经网络对换电站的车辆排队数的预测,巧妙将时间节点进行细分,并有效结合了换电站的入网车占比和所在城市换电站数量、天气、季节等因素,有效提高了预测的准度,为后续换电站的电池配置提供依据,可以在尽可能满足各换电站需求的情况下最小化成本。
综上所述,根据本发明实施例的换电站排队数的确定方法,首先获取当前车辆与目标换电站之间的距离,并在根据当前车辆对应的距离、车速和电量确定当前车辆为目标车辆的情况下,获取当前车辆的到达时间,然后根据当前车辆的到达时间确定目标换电站的排队数。由此,该方法能够根据当前车辆的到达时间确定目标换电站的排队数,减少了换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
对应上述实施例,本发明还提出了一种换电站排队数的确定装置。
图3为根据本发明实施例的换电站排队数的确定装置的方框示意图。
如图3所示,本发明实施例的换电站排队数的确定装置100,可包括:第一获取模块110、第一确定模块120、第二获取模块130和第二确定模块140。
其中,第一获取模块110用于获取当前车辆与目标换电站之间的距离。第一确定模块120用于根据当前车辆对应的距离、车速和电量确定当前车辆为目标车辆。第二获取模块130用于在确定当前车辆为目标车辆的情况下,获取当前车辆的到达时间。第二确定模块140用于根据当前车辆的到达时间确定目标换电站的排队数。
根据本发明的一个实施例,若当前车辆满足预设条件且持续第一预设时间,则第一确定模块120确定当前车辆为目标车辆;其中,预设条件为:距离小于预设距离阈值、且车速小于预设车速阈值、且电量小于预设电量阈值。
根据本发明的一个实施例,第二获取模块130获取当前车辆的到达时间,具体用于,将第一预设时间的开始时刻作为当前车辆的到达时间。
根据本发明的一个实施例,第二确定模块140根据当前车辆的到达时间确定目标换电站的排队数,具体用于,获取当前车辆的订单开始时间;根据当前车辆的到达时间和当前车辆的订单开始时间确定目标车辆的个数;根据目标车辆的个数确定目标换电站的排队数。
根据本发明的一个实施例,在获取当前车辆与目标换电站之间的距离之前,第一获取模块110还用于,获取车辆电池的SOC为预设值时的车辆位置信息;根据每个车辆电池的SOC为预设值时的车辆位置信息确定目标换电站的位置信息,其中,位置信息包括经纬度信息。
根据本发明的一个实施例,根据当前车辆的到达时间确定目标换电站的排队数之后,第二确定模块140还用于,根据当前车辆的到达时间和车辆的订单开始时间确定目标换电站在目标预设时间内的排队数;将第二预设时间内的目标换电站在目标预设时间内的排队数作为历史排队数据;根据至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息预测当前时刻的目标换电站的排队数;其中,第二预设时间大于目标预设时间。
根据本发明的一个实施例,第二确定模块140根据至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息预测当前时刻的目标换电站的排队数,具体用于,将至少一组历史排队数据、目标换电站的入网车占比、目标换电站所在城市的换电站个数和当前时刻的目标换电站所在城市的环境信息作为三层全连接神经网络的输入,当前时刻的目标换电站的排队数作为三层全连接神经网络的输出。
需要说明的是,本发明实施例的换电站排队数的确定装置中未披露的细节,请参照本发明实施例的换电站排队数的确定方法中所披露的细节,具体这里不再赘述。
根据本发明实施例的换电站排队数的确定装置,第一获取模块获取当前车辆与目标换电站之间的距离;第一确定模块根据当前车辆对应的距离、车速和电量确定当前车辆为目标车辆;第二获取模块在确定当前车辆为目标车辆的情况下,获取当前车辆的到达时间;第二确定模块根据当前车辆的到达时间确定目标换电站的排队数。由此,该装置能够根据当前车辆的到达时间确定目标换电站的排队数,减少了换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
对应上述实施例,本发明提出了一种计算机可读存储介质。
根据本发明实施例的计算机可读存储介质,其上存储有换电站排队数的确定程序,该换电站排队数的确定程序被处理器执行时实现上述的换电站排队数的确定方法。
根据本发明实施例的计算机可读存储介质,通过上述的换电站排队数的确定方法,能够减少换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
对应上述实施例,本发明提出了一种换电站。
图4为根据本发明实施例的换电站的方框示意图。
如图4所示,本发明实施例的换电站200,包括存储器210、处理器220及存储在存储器210上并可在处理器220上运行的换电站排队数的确定程序,处理器220执行换电站排队数的确定程序时,实现上述的换电站排队数的确定方法。
根据本发明实施例的换电站,通过上述的换电站排队数的确定方法,能够减少换电站工作人员的工作量,提高工作效率,且得到的排队数误差小、准确度高。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种换电站排队数的确定方法,其特征在于,所述方法包括:
获取当前车辆与目标换电站之间的距离;
在根据当前车辆对应的所述距离、车速和电量确定所述当前车辆为目标车辆的情况下,获取所述当前车辆的到达时间;
根据所述当前车辆的到达时间确定所述目标换电站的排队数。
2.根据权利要求1所述的换电站排队数的确定方法,其特征在于,
若所述当前车辆满足预设条件且持续第一预设时间,则确定所述当前车辆为目标车辆;
其中,所述预设条件为:所述距离小于预设距离阈值、且所述车速小于预设车速阈值、且所述电量小于预设电量阈值。
3.根据权利要求2所述的换电站排队数的确定方法,其特征在于,获取所述当前车辆的到达时间,包括:
将所述第一预设时间的开始时刻作为所述当前车辆的到达时间。
4.根据权利要求1所述的换电站排队数的确定方法,其特征在于,根据所述当前车辆的到达时间确定所述目标换电站的排队数,包括:
获取所述当前车辆的订单开始时间;
根据所述当前车辆的到达时间和所述当前车辆的订单开始时间确定所述目标车辆的个数;
根据所述目标车辆的个数确定所述目标换电站的排队数。
5.根据权利要求1-4中任一项所述的换电站排队数的确定方法,其特征在于,在获取当前车辆与目标换电站之间的距离之前,所述方法还包括:
获取车辆电池的SOC为预设值时的车辆位置信息;
根据每个车辆电池的SOC为预设值时的车辆位置信息确定所述目标换电站的位置信息,其中,所述位置信息包括经纬度信息。
6.根据权利要求1所述的换电站排队数的确定方法,其特征在于,根据所述当前车辆的到达时间确定所述目标换电站的排队数之后,所述方法还包括:
根据所述当前车辆的到达时间和所述车辆的订单开始时间确定所述目标换电站在目标预设时间内的排队数;
将第二预设时间内的所述目标换电站在目标预设时间内的排队数作为历史排队数据;
根据至少一组所述历史排队数据、所述目标换电站的入网车占比、所述目标换电站所在城市的换电站个数和当前时刻的所述目标换电站所在城市的环境信息预测所述当前时刻的所述目标换电站的排队数;
其中,所述第二预设时间大于所述目标预设时间。
7.根据权利要求6所述的换电站排队数的确定方法,其特征在于,根据至少一组所述历史排队数据、所述目标换电站的入网车占比、所述目标换电站所在城市的换电站个数和当前时刻的所述目标换电站所在城市的环境信息预测所述当前时刻的所述目标换电站的排队数,包括:
将至少一组所述历史排队数据、所述目标换电站的入网车占比、所述目标换电站所在城市的换电站个数和当前时刻的所述目标换电站所在城市的环境信息作为三层全连接神经网络的输入,所述当前时刻的所述目标换电站的排队数作为所述三层全连接神经网络的输出。
8.一种换电站排队数的确定装置,其特征在于,所述装置包括:
第一获取模块,用于获取当前车辆与目标换电站之间的距离;
第一确定模块,用于根据当前车辆对应的所述距离、车速和电量确定所述当前车辆为目标车辆;
第二获取模块,用于在确定当前车辆为目标车辆的情况下,获取所述当前车辆的到达时间;
第二确定模块,用于根据所述当前车辆的到达时间确定所述目标换电站的排队数。
9.一种计算机可读存储介质,其特征在于,其上存储有换电站排队数的确定程序,该换电站排队数的确定程序被处理器执行时实现根据权利要求1-7中任一项所述的换电站排队数的确定方法。
10.一种换电站,其特征在于,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换电站排队数的确定程序,所述处理器执行所述换电站排队数的确定程序时,实现根据权利要求1-7中任一项所述的换电站排队数的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310564355.2A CN116523085A (zh) | 2023-05-17 | 2023-05-17 | 换电站排队数的确定方法及装置、换电站和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310564355.2A CN116523085A (zh) | 2023-05-17 | 2023-05-17 | 换电站排队数的确定方法及装置、换电站和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116523085A true CN116523085A (zh) | 2023-08-01 |
Family
ID=87406304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310564355.2A Pending CN116523085A (zh) | 2023-05-17 | 2023-05-17 | 换电站排队数的确定方法及装置、换电站和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523085A (zh) |
-
2023
- 2023-05-17 CN CN202310564355.2A patent/CN116523085A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thibault et al. | A unified approach for electric vehicles range maximization via eco-routing, eco-driving, and energy consumption prediction | |
CN107169567B (zh) | 一种用于车辆自动驾驶的决策网络模型的生成方法及装置 | |
CN107464016B (zh) | 考虑电池剩余电量的电动汽车充电路线诱导方法 | |
CN110667434A (zh) | 一种自适应工况的纯电动汽车行驶里程估计方法及系统 | |
CN115167408B (zh) | 一种基于光伏电站的巡检路线规划系统 | |
CN113335131B (zh) | 一种车辆续航里程预测方法、装置、设备和存储介质 | |
CN112818036B (zh) | 基于云端大数据的电动车剩余里程预估方法和装置 | |
CN111191824B (zh) | 一种动力电池容量衰减预测方法及系统 | |
CN113159435B (zh) | 一种新能源车辆剩余驾驶里程预测方法及系统 | |
CN114492919A (zh) | 一种基于交通流量的电动汽车充电负荷预测系统及方法 | |
CN116476691A (zh) | 一种新能源汽车续航里程管理方法及系统 | |
CN112765726A (zh) | 一种寿命预测方法及装置 | |
CN113183827A (zh) | 一种基于人工智能的新能源电动汽车行驶智能云中控管理平台 | |
CN116523085A (zh) | 换电站排队数的确定方法及装置、换电站和存储介质 | |
CN115407217B (zh) | 一种电动汽车锂电池荷电状态在线估计方法及系统 | |
CN109410367B (zh) | 一种车辆电源管理方法、计算机可读存储介质及服务器 | |
Xu et al. | Research on estimation method of mileage power consumption for electric vehicles | |
CN114694389B (zh) | 换电站的排队车辆识别方法、系统、设备及介质 | |
CN113687237A (zh) | 一种保障电气安全的锂电池剩余充电时间预测方法 | |
CN109871881B (zh) | 一种基于凝聚分层聚类算法的电池工况分析方法 | |
CN112215415A (zh) | 基于概率模型最优分位点的汽车充电负荷场景预测方法 | |
CN113344371A (zh) | 一种公共交通智能调度方法 | |
CN111785012A (zh) | 一种车云协同计算的能耗路谱分析方法 | |
CN115481813B (zh) | 基于机器学习的新能源公交车能耗预测方法 | |
CN113954664B (zh) | 一种车载无人机无线充电方法和系统 |
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 |