CN116894571B - 共享车辆的换电方法和服务器 - Google Patents

Abstract

本发明提供了一种共享车辆的换电方法和服务器，换电方法包括获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失；根据预测骑行损失计算停车点的换电价值；根据换电价值从大到小对停车点进行排序，筛选出参考停车点；以参考停车点为中心确定换电片区；计算换电片区内的总换电价值；根据总换电价值从大到小对换电片区进行排序，筛选出参考换电片区；在参考换电片区内，根据换电价值从大到小对停车点进行排序，筛选出换电停车点。通过筛选参考停车点，参考换电片区和换电停车点，最终确定的换电停车点是换电价值最高同时也是换电效率最高的停车点，对此类停车点进行优先换电可以使换电价值最大化，同时还可以提升运维人员的换电效率。

Description

共享车辆的换电方法和服务器

技术领域

本发明涉及共享车辆技术领域，具体而言，涉及一种共享车辆的换电方法和服务器。

背景技术

共享车辆作为共享出行的其中一种方式给用户带来了较大的便利，共享车辆包括共享单车和共享电单车。共享电单车由电池驱动，在使用一段时间后，共享电单车的电量下降会导致共享电单车无法继续提供服务。此时，需要对共享电单车进行换电或者充电，以使共享电单车拥有较高的电量。目前，对共享电单车进行换电的方法通常是人为设定一个低电阈值，当共享电单车的电量低于一定值时，表示需要对该共享电单车进行换电，此种换电方法并没有考虑到用户对共享电单车的实际需求，导致用户当前需要的共享电单车来不及换电，而当前不需要的共享电单车被换电，使得换电资源没有被合理的分配。

发明内容

本发明的目的在于提供一种共享车辆的换电方法及服务器，以解决当前换电方法没有考虑到用户的实际需求，导致换电资源没有被合理分配的问题。

其中一个方面，提供一种共享车辆的换电方法，包括：获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失；根据所述预测骑行损失计算所述停车点在所述预设骑行时段内的换电价值，所述换电价值为所述预测骑行损失；根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为参考停车点；以所述参考停车点为中心确定换电片区，所述换电片区内的停车点与所述参考停车点之间的距离在预设距离值以内；计算所述换电片区内的总换电价值，所述总换电价值为所述换电片区内的所有停车点的换电价值之和；根据所述总换电价值从大到小对所述换电片区进行排序，筛选出排名靠前的若干换电片区作为参考换电片区；在所述参考换电片区内，根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为换电停车点。

服务器通过筛选参考停车点，第1次将换电价值高的停车点筛选出来；通过筛选参考换电片区，第2次将换电价值高的停车点集合起来；通过筛选换电停车点，第3次将换电价值高的停车点筛选出来。从而最终确定的换电停车点是换电价值最高同时也是换电效率最高的停车点。服务器将此类换电停车点推送给运维人员，指导运维人员优先对换电停车点的共享车辆进行换电。由于运维人员优先换电的是换电价值最大的一部分停车点，因而可以使换电价值最大化；同时，运维人员可以在同一参考换电片区内换电，因而还可以提升运维人员的换电效率。最终，使得换电资源能够被合理分配。

可选的，所述获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失包括：获取在历史骑行时段内的运营围栏的骑行总收益和骑行订单量，所述运营围栏至少包括一个所述运营片区；获取在预设骑行时段内的所述停车点的预测骑行次数；获取当前时刻所述停车点的预测丢单概率；计算平均骑行单价：平均骑行单价＝骑行总收益/骑行订单量；计算所述预测骑行损失：预测骑行损失＝平均骑行单价×预测骑行次数×预测丢单概率。

可选的，所述获取当前时刻所述停车点的预测丢单概率包括：获取当前时刻所述停车点的换电车辆数和库存车辆数，所述换电车辆数指的是所述停车点内电量值在换电阈值以下的共享车辆的数量，所述库存车辆数指的是所述停车点内共享车辆的总数；获取当前时刻用户在所述停车点的容忍换车次数；计算所述预测丢单概率：预测丢单概率＝C(容忍换车次数,换电车辆数)/C(容忍换车次数,库存车辆数)。

可选的，还包括：获取所述运营围栏的围栏总面积；获取当前时刻所述运营围栏的停车点总数和换电车辆总数，所述换电车辆总数指的是所述运营围栏内电量值在换电阈值以下的共享车辆的数量；获取换电载具的电池可容纳数量；所述以所述参考停车点为中心确定换电片区包括：以所述参考停车点为圆心确定所述换电片区的换电片区面积；计算所述换电片区面积：换电片区面积＝电池可容纳数量×（围栏总面积/换电车辆总数）+围栏总面积/停车点总数；根据所述换电片区面积确定所述预设距离值。

可选的，还包括：获取在预设骑行时段内的运营片区内的所有停车点的预测资产损失；根据所述预测骑行损失和所述预测资产损失计算所述换电价值：所述换电价值为所述预测骑行损失和所述预测资产损失之和。

可选的，还包括：获取在预设骑行时段内的运营片区内的所有停车点的预测低电损失；根据所述预测骑行损失、所述预测资产损失和所述预测低电损失计算所述换电价值：所述换电价值为所述预测骑行损失、所述预测资产损失和所述预测低电损失之和。

可选的，所述获取在预设骑行时段内的运营片区内的所有停车点的预测资产损失包括：获取当前时刻所述停车点的低电车辆和对应的低电量值，所述低电车辆指的是所述共享车辆中电量值在低电阈值以下的共享车辆；根据所述低电车辆确定车辆价值；根据所述低电量值确定风险系数；计算所述低电车辆的子预测资产损失：子预测资产损失＝车辆价值×风险系数；所述预测资产损失为所述停车点的多个所述低电车辆的子预测资产损失之和。

可选的，所述获取在预设骑行时段内的运营片区内的所有停车点的预测低电损失包括：获取当前时刻所述停车点的换电车辆数，所述换电车辆数指的是所述共享车辆中电量值在换电阈值以下的共享车辆的数量；获取在预设骑行时段内的运营围栏的平均骑行单价和预测扫码次数；获取运营围栏的车辆总数；计算所述预测低电损失：预测低电损失＝平均骑行单价×换电车辆数×预测扫码次数/车辆总数。

可选的，还包括：获取所述换电停车点和电池仓库之间的换电距离；根据换电距离计算所述换电停车点的换电成本；比较所述换电停车点的换电价值和换电成本，当所述换电价值大于换电成本时，将所述换电停车点标记为必换停车点。

另一方面，提供一种共享车辆的服务器，包括：获取单元，所述获取单元用于获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失；计算单元，所述计算单元用于根据所述预测骑行损失计算所述停车点在所述预设骑行时段内的换电价值，所述换电价值为所述预测骑行损失；比较单元，所述比较单元用于根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为参考停车点；确定单元，所述确定单元用于以所述参考停车点为中心确定换电片区，所述换电片区内的停车点与所述参考停车点之间的距离在预设距离值以内；所述计算单元还用于计算所述换电片区内的总换电价值，所述总换电价值为所述换电片区内的所有停车点的换电价值之和；所述比较单元还用于根据所述总换电价值从大到小对所述换电片区进行排序，筛选出排名靠前的若干换电片区作为参考换电片区；所述比较单元还用于在所述参考换电片区内，根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为换电停车点。

附图说明

图1为本发明共享车辆的运营围栏的示意图。

图2为本发明共享车辆的换电方法的流程示意图。

图3为本发明共享车辆的电量值与风险系数的关系示意图。

图4为本发明共享车辆的换电方法的模块示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

参照图1，为共享车辆的运营围栏的示意图。运营围栏内设置有停车点（图中三角形所示）和电池仓库（图中六边形所示）。停车点用于供共享车辆停放，用户在开始使用共享车辆时需从停车点租借共享车辆，在使用完毕后将共享车辆归还至停车点。如此，能够保证城市的干净整洁，同时，也方便运营商对共享车辆的运营维护。电池仓库中存储有电池，当共享车辆电量较低时，运维人员从电池仓库中取出满电电池，并对低电量的共享车辆进行换电，换下来的低电电池可以重新在电池仓库中充电，以循环利用。

对共享车辆进行换电的目的是使共享车辆能够持续被用户使用，若对共享车辆进行换电之后，共享车辆没有及时被用户租用，则说明此换电并不合理。因此，在何种情形下对何种共享车辆进行换电是本领域值得深入探究的。同时，换电的过程还需要兼顾运维人员的换电效率。

因此，参照图2，本实施例提供一种共享车辆的换电方法。

S101，获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失。

本实施例的目的是对换电方法进行优化，以指导运维人员去哪里对何种共享车辆进行换电。此处的预设骑行时段指的是当前时刻以后的时段，预设骑行时段的长短可以由换电周期决定，换电周期指的是运维人员从电池仓库取用电池开始、对运营围栏内的共享车辆进行换电、将换下来的电池重新放入电池仓库进行充电为止所花费的时间。通过对历史的单趟换电时间进行统计，能够获得平均换电时间，从而得到换电周期。预设骑行时段可以是1个换电周期，也可以是2个换电周期，甚至多个换电周期。例如：若当前时刻是6:00,换电周期为1小时，那么，预设骑行时段可以是6:00-7:00，或者6:00-8:00。也就是说，本实施例指导的是在未来1个或多个换电周期内，指导运维人员进行换电的方法。

运营片区是运营围栏的一部分，如图1所示，运营围栏包括多个运营片区，本实施例中，运营围栏包括第一运营片区、第二运营片区和第三运营片区。通常，运营片区的个数是由运维人员的数量决定的。若当前时刻有3个运维人员，则将运营围栏划分为3个运营片区，每个运维人员对应1个运营片区，在各自对应的运营片区内换电。因此，不同运维人员的换电工作不会相互干涉，不会发生运维人员到达目的地后才发现目的地的共享车辆已经被换电的情况。

本实施例的预设骑行时段以1个换电周期，换电周期以1小时为例，运营片区以第二运营片区为例。那么，预测骑行损失指的是第二运营片区内的所有停车点在未来1小时可能产生的损失，每个停车点都有对应的预测骑行损失。预测骑行损失可以根据当前时刻前1小时的实际骑行损失得到，停车点在当前时刻前1小时的实际骑行损失可以是前1小时内停车点发生扫码但未骑行的损失的累加值。例如：停车点在当前时刻前1小时发生20次扫码但未骑行，且运营围栏的平均骑行单价是3元/次，那么，该停车点的预测骑行损失为60元。此外，还可以根据历史数据直接设定停车点的预测骑行损失，具体可以获取该停车点在预设骑行时段内的历史7天的实际骑行损失的数据，取其平均值就可以得到预测骑行损失。例如：停车点在历史7天里预设骑行时段的损失分别为50元、80元、55元、65元、75元、80元、55元，那么，该停车点的预测骑行损失为66元。

S102，根据预测骑行损失计算停车点在预设骑行时段内的换电价值，换电价值为预测骑行损失。

本实施例中，停车点的预测骑行损失即为该停车点的换电价值。因为，当停车点的车辆充足时，造成骑行损失的只能是电量不足以致用户无法使用。例如：停车点的预测骑行损失为60元，那么，该停车点的换电价值也为60元。

S103，根据换电价值从大到小对停车点进行排序，筛选出排名靠前的若干停车点作为参考停车点。

如前所述，当服务器获取得到第二运营片区的所有停车点的换电价值之后，服务器还根据换电价值的大小对停车点进行排序，具体根据换电价值从大到小的顺序对停车点进行排序，从而可以将换电价值较大的一部分停车点筛选出来作为参考停车点。筛选的基准可以是选取换电价值中位数以上的停车点，也可以是选取换电价值最大的固定数量的停车点。例如：第二运营片区有50个停车点，换电价值的中位数为60元，在60元以上的停车点有20个，在在60元以下的停车点有29个，那么，可以筛选出中位数以上的20个停车点作为参考停车点。例如：服务器规定每次都选取前15个停车点作为参考停车点，那么按照换电价值排序后的换电价值最大的前15个停车点即为参考停车点。

如图1所示，在第二运营片区中，实线且空心的三角形代表的就是被筛选出的参考停车点。

S104，以参考停车点为中心确定换电片区，换电片区内的停车点与参考停车点之间的距离在预设距离值以内。

服务器选取出参考停车点之后，进一步以参考停车点为中心确定换电片区，换电片区在运营片区内，且换电片区内可以包含除参考停车点以外的其他停车点。服务器还对换电片区的范围进行了限制，具体的，换电片区内的停车点与参考停车点之间的距离在预设距离值以内。其中，预设距离值可以预先设定，例如，限定为2000米。具体可以将换电片区看成是以参考停车点为圆心、以预设距离值为半径的圆，换电片区内的所有停车点作为一个整体。确定换电片区的目的是为了方便运维人员进行换电，通过在运营片区内圈定一部分距离相近的停车点，能够使运维人员在换电过程中优先在换电片区内换电。由于换电片区内的停车点的距离较近，从而能够提升运维人员的换电效率。

如图1所示，在第二运营片区中，以参考停车点为中心确定的换电片区有三个，分别是换电片区A、换电片区B和换电片区C。

S105，计算换电片区内的总换电价值，总换电价值为换电片区内的所有停车点的换电价值之和。

在确定换电片区之后，服务器还计算换电片区内的总换电价值，具体的，服务器确定换电片区内的停车点的数量，获取换电片区内的每个停车点的换电价值，换电片区内的所有停车点的换电价值之和即为换电片区内的总换电价值。

如图1所示，在第二运营片区中，换电片区A包含5个停车点，总换电价值即为所包含的5个停车点的换电价值之和。换电片区B包含3个停车点，总换电价值即为包含的3个停车点的换电价值之和。换电片区C包含4个停车点，总换电价值即为包含的4个停车点的换电价值之和。

S106，根据总换电价值从大到小对换电片区进行排序，筛选出排名靠前的若干换电片区作为参考换电片区。

当服务器获取得到第二运营片区的所有换电片区的总换电价值之后，服务器还根据总换电价值的大小对换电片区进行排序，具体根据总换电价值从大到小的顺序对换电片区进行排序，从而可以将总换电价值较大的一部分换电片区筛选出来作为参考换电片区。筛选的基准可以是选取总换电价值中位数以上的换电片区，也可以是选取总换电价值最大的固定数量的换电片区。

如图1所示，在第二运营片区中，换电片区A的总换电价值为300元，换电片区B的总换电价值为150元，换电片区C的总换电价值为270元。那么，中位数为270元，可以筛选换电片区A、换电片区C作为参考换电片区。此外，服务器若规定每次都选取前2个换电片区作为参考换电片区，那么按照总换电价值排序后的总换电价值最大的换电片区A、换电片区C作为参考换电片区。

S107，在参考换电片区内，根据换电价值从大到小对停车点进行排序，筛选出排名靠前的若干停车点作为换电停车点。

服务器在筛选出参考换电片区之后，服务器还根据换电价值的大小对参考换电片区内的停车点进行排序，具体根据换电价值从大到小的顺序对停车点进行排序，将换电价值较大的一部分停车点筛选出来作为换电停车点。筛选换电停车点的方式可以参照筛选参考停车点的方式，此处不再赘述。最终筛选出来的换电停车点是运维人员在第二运营片区中需要优先换电的停车点。

如图1所示，在第二运营片区中，换电片区A是参考换电片区，其中的实线且空心的三角形是参考停车点，同时也是换电停车点，其中的虚线且空心的三角形是换电停车点。也就是说，换电片区A包含3个换电停车点。同样的，换电片区C是参考换电片区，其中的实线且空心的三角形是参考停车点，同时也是换电停车点，其中的虚线且空心的三角形是换电停车点。也就是说，换电片区C包含2个换电停车点。

本实施例中，服务器通过筛选参考停车点，第1次将换电价值高的停车点筛选出来；通过筛选参考换电片区，第2次将换电价值高的停车点集合起来；通过筛选换电停车点，第3次将换电价值高的停车点筛选出来。从而最终确定的换电停车点是换电价值最高同时也是换电效率最高的停车点。服务器将此类换电停车点推送给运维人员，指导运维人员优先对换电停车点的共享车辆进行换电。由于运维人员优先换电的是换电价值最大的一部分停车点，因而可以使换电价值最大化；同时，运维人员可以在同一参考换电片区内换电，因而还可以提升运维人员的换电效率。最终，使得换电资源能够被合理分配。

如前所述，预测骑行损失可以根据当前时刻前与预设骑行时段相当时长的时间段内的实际骑行损失得到，也可以根据历史数据中多个预设骑行时段的实际骑行损失的平均值计算得到。在其他变形例中，还可以通过如下方法得到。

服务器获取在历史骑行时段内的运营围栏的骑行总收益和骑行订单量，根据骑行总收益和骑行订单量计算平均骑行单价。其中，平均骑行单价＝骑行总收益/骑行订单量。具体的，历史骑行时段可以是当前时刻的前一天、前一周或前一个月。例如，服务器可以获取当前时刻前一天的运营围栏的骑行总收益和骑行订单量，若骑行总收益为30000元，骑行订单量为10000单，那么，可以计算得到平均骑行单价为30000/10000＝3元。

服务器还获取在预设骑行时段内的停车点的预测骑行次数，预测骑行次数可以根据历史数据中预设骑行时段内的停车点的实际骑行次数确定。例如，当前时刻是6:00，预设骑行时段是6:00-7:00。那么服务器可以根据前一天6:00-7:00时间段内该停车点的实际骑行次数得到。若前一天6:00-7:00时间段内该停车点的实际骑行次数为50次，那么可以得到预测骑行次数为50次。

服务器还获取当前时刻停车点的预测丢单概率，预测丢单概率也可以根据历史数据中停车点的实际丢单概率确定。例如，当前时刻是6:00，那么服务器可以根据前一天6:00-7:00时间段内该停车点的实际丢单概率得到。若前一天6:00-7:00时间段内该停车点的实际骑行次数为50次，扫码次数为60次，那么可以得到扫码未骑行次数为10次，预测丢单概率为20%。

服务器根据上述平均骑行单价、预测骑行次数、预测丢单概率计算预测骑行损失：预测骑行损失＝平均骑行单价×预测骑行次数×预测丢单概率。如上所述，若平均骑行单价为3元，预测骑行次数为50次，预测丢单概率为20%，那么，预测骑行损失为3×50×20%＝30元。

如前所述，停车点在当前时刻的预测丢单概率是根据历史数据中该停车点在当前时刻所在时间段内的实际丢单概率确定的。在其他变形例中，还可以通过如下方法得到。

服务器获取当前时刻停车点的换电车辆数M和库存车辆数N。其中，换电车辆数M指的是停车点内电量值在换电阈值以下的共享车辆的数量，库存车辆数M指的是停车点内共享车辆的总数，具体指的是运营商在停车点所拥有的共享车辆的总数。服务器还获取当前时刻用户在停车点的容忍换车次数X，容忍换车次数X指的是当用户扫码到换电车辆（不能满足使用需求）时，还会继续扫码同一运营商的共享车辆的次数。若用户扫码到换电车辆而不能满足使用需求时，用户不会继续扫码同一运营商的共享车辆，那么容忍换车次数为1；若用户连续两次扫码到换电车辆而不能满足使用需求时，用户不会继续扫码同一运营商的共享车辆，那么容忍换车次数为2。服务器可以通过历史数据中的多个实际容忍换车次数的平均值计算得到平均容忍换车次数，作为容忍换车次数。例如，若前一天6:00-7:00时间段内，用户1次扫码到换电车辆而不能满足使用需求的次数为5次，用户连续2次扫码同一运营商的共享车辆的次数为7次，用户连续3次扫码同一运营商的共享车辆的次数为5次。那么，平均容忍换车次数X＝(5×1+7×2+5×3)/(5＋7＋5)＝2。即，当前时刻用户在停车点的容忍换车次数为2次。

服务器根据上述换电车辆数、库存车辆数、容忍换车次数计算预测丢单概率：预测丢单概率＝C(容忍换车次数,换电车辆数)/C(容忍换车次数,库存车辆数)，即预测丢单概率＝C(X,M)/C(X,N)＝(M!/(X!×(M－X)!))/(N!/(X!×(N－X)!))。如前所述，若容忍换车次数X为2，假若换电车辆数M为5，库存车辆数N为10，那么，C(X,M)/C(X,N)＝C(2,5)/C(2,10)＝22.2%。

如前所述，预设距离值可以预先设定，例如，限定为2000米。在其他变形例中，还可以通过如下方法得到。

服务器获取运营围栏的围栏总面积T，围栏总面积事先存储在服务器中。服务器还获取当前时刻运营围栏的停车点总数P和换电车辆总数Y，停车点总数P事先存储在服务器中，换电车辆总数Y指的是运营围栏内电量值在换电阈值以下的共享车辆的数量，服务器可以通过识别共享车辆的电量值得到。服务器还获取换电载具的电池可容纳数量C，换电载具指的是装运电池的工具，运维人员在换电过程中通过换电载具装载电池，将电池仓库中的满电电池取出装载至换电载具，将换下来的低电电池替换掉换电载具中的满电电池，并运回电池仓库进行充电。换电载具通常是可携带电池的三轮车或者两轮车。

服务器以参考停车点为圆心确定换电片区的换电片区面积。具体的，服务器根据围栏总面积T、停车点总数P、换电车辆总数Y和电池可容纳数量C计算换电片区面积S：换电片区面积S＝电池可容纳数量×（围栏总面积/换电车辆总数）＋围栏总面积/停车点总数＝C×(T/Y)＋(T/P)。然后根据计算得到的换电片区面积计算出换电片区的半径R，也就是预设距离值R：预设距离值R²＝S/π。

此处，换电片区面积与电池可容纳数量正相关：这是因为电池可容纳数量越多，说明运维人员一次换电过程中可换电的共享车辆的数量越多，为使得运维人员在一次换电过程中在一个换电片区内把电池换完，应当使换电片区具有更大的换电片区面积。换电片区面积与围栏总面积正相关：这是因为围栏总面积越大，共享车辆就相对越分散，为使得运维人员在一次换电过程中在一个换电片区内把电池换完，应当使换电片区具有更大的换电片区面积，以包含更多的换电车辆。

换电片区面积与换电车辆总数负相关：这是因为换电车辆总数越多，说明运营围栏内在单位面积内的换电车辆数越多，从而可以适当的缩小换电片区面积，也能够保证换电片区内有足够多的换电车辆，使得运维人员在一次换电过程中在一个换电片区内把电池换完。换电片区面积与停车点总数负相关：这是因为停车点总数越多，说明运营围栏内在单位面积内的停车点数量越多，从而可以适当的缩小换电片区面积，也能够保证换电片区内有足够多的停车点，使得运维人员在一次换电过程中在一个换电片区内把电池换完。

例如，某运营围栏的围栏总面积T为10000000平方米，停车点总数P为1000个，换电车辆总数Y为4000辆，电池可容纳数量C为10块，那么，换电片区面积S＝10×(10000000/4000)＋(10000000/1000)＝35000平方米；此时，预设距离值R(即换电片区的半径)＝105.6米。此时，在该换电片区面积下拥有平均停车点3.5个，拥有平均换电车辆14量，基本能够满足运维人员的换电需求，且能够保证较高的换电效率。

如前所述，停车点在预设骑行时段内的换电价值是根据预测骑行损失计算得到的，换电价值为预测骑行损失。在其他变形例中，服务器还可以获取在预设骑行时段内的运营片区内的所有停车点的预测资产损失，根据预测骑行损失和预测资产损失计算换电价值：换电价值为预测骑行损失和预测资产损失之和。

计算停车点的换电价值是为了筛选出高换电价值的停车点，以便对此类高换电价值的停车点进行优先换电，预测资产损失也是停车点的换电价值的重要表现，因为优先对此类停车点进行换电可以避免资产损失。

预测骑行损失的计算方法如前所述，此处不再赘述。

此处对如何获取预测资产损失进行说明，在其中一种方式中，预测资产损失可以根据当前时刻前与预设骑行时段相当时长的时间段内的实际资产损失得到，也可以根据历史数据中多个预设骑行时段的实际资产损失的平均值计算得到。

在其中另一种方式中，服务器获取当前时刻停车点的低电车辆和对应的低电量值，其中，低电车辆指的是共享车辆中电量值在低电阈值以下的共享车辆。此处，低电阈值低于换电阈值，换电车辆包含低电车辆。换电阈值指的是，低于换电阈值的共享车辆需要被换电；低电阈值指的是，低于低电阈值的共享车辆无法被用户使用且存在丢失的风险。例如：换电阈值一般可以取电池总电量的15%，低电阈值一般可以取电池总电量的7%。

服务器根据低电车辆确定车辆价值，车辆价值通常和车辆初始价值和车辆折旧率相关，车辆价值＝车辆初始价值×车辆折旧率。服务器还根据低电量值确定风险系数，实际表明低电车辆的电量值越低，则损失的风险系数就越大。如图3所示，为某一类型的共享车辆的风险系数（丢失概率）和低电量值之间的关系示意图，这个对应关系是通过历史数据统计得到的。因此，服务器可以以此计算停车点的每一辆低电车辆的子预测资产损失：子预测资产损失＝车辆价值×风险系数＝车辆初始价值×车辆折旧率×风险系数。停车点的预测资产损失即为停车点的所有低电车辆的子预测资产损失之和。

例如，当前时刻停车点的低电车辆为2辆，其中一辆低电车辆的初始价值为4000元，对应的折旧率为80%，对应的低电量值为4%；其中另一辆低电车辆的初始价值为5000元，对应的折旧率为60%，对应的低电量值为2%。那么，停车点的预测资产损失＝4000×80%×0.0016＋5000×60%×0.0022＝11.72元。

如前所述，计算得到停车点的预测骑行损失为30元。那么，该停车点的换电价值为预测骑行损失和预测资产损失之和41.72元。

在其他变形例中，服务器还可以获取在预设骑行时段内的运营片区内的所有停车点的预测低电损失，根据预测骑行损失、预测资产损失和预测低电损失计算换电价值：换电价值为预测骑行损失、预测资产损失和预测低电损失之和。

如前所述，计算停车点的换电价值是为了筛选出高换电价值的停车点，以便对此类高换电价值的停车点进行优先换电，若停车点的换电车辆越多，则说明该停车点的换电优先级也越高。因此，预测低电损失也是停车点的换电价值的重要表现，因为优先对此类停车点进行换电可以避免低电损失。

预测骑行损失和预测资产损失的计算方法如前所述，此处不再赘述。

此处对如何获取预测低电损失进行说明，服务器获取当前时刻停车点的换电车辆数，其中，换电车辆数指的是共享车辆中电量值在换电阈值以下的共享车辆的数量。服务器还获取在预设骑行时段内的运营围栏的平均骑行单价和预测扫码次数，平均骑行单价的计算方法如前所示，此处不再赘述。预测扫码次数可以根据历史数据中预设骑行时段内的停车点的实际扫码次数确定。例如，当前时刻是6:00，预设骑行时段是6:00-7:00。那么服务器可以根据前一天6:00-7:00时间段内该停车点的实际扫码次数得到。若前一天6:00-7:00时间段内该停车点的实际扫码次数为2000次，那么可以得到预测扫码次数为1000次。服务器还获取运营围栏的车辆总数，车辆总数事先存储在服务器中。

服务器根据平均骑行单价、换电车辆数、预测扫码次数和车辆总数计算预测低电损失，预测低电损失＝平均骑行单价×换电车辆数×预测扫码次数/车辆总数。例如，平均骑行单价为3元，换电车辆数为4辆，预测扫码次数为2000次，车辆总数为10000辆，那么，预测低电损失＝3×4×2000/10000＝2.4元。

如前所述，计算得到停车点的预测骑行损失为30元，计算得到停车点的预测资产损失为11.72元。那么，该停车点的换电价值为预测骑行损失、预测资产损失和预测低电损失之和44.12元。

如前所述，在筛选出的参考换电片区内，根据换电价值从大到小对停车点进行排序，筛选出排名靠前的若干停车点作为换电停车点，因而可以指导运维人员优先对换电停车点中的共享车辆进行换电，使换电价值最大化的同时提升运维人员的换电效率。在其他变形例中，当服务器筛选出换电停车点之后，服务器还获取换电停车点和电池仓库之间的换电距离，并根据换电距离计算换电停车点的换电成本，服务器还比较换电停车点的换电价值和换电成本，当换电价值大于换电成本时，将换电停车点标记为必换停车点。

运维人员对共享车辆进行换电的过程是有成本的，换电成本一般跟运维人员的换电时间有关，若换电停车点与电池仓库之间的换电距离越远，则所需要的换电时间也越长，换电成本也越高。当换电停车点的换电价值相同时，运维人员优先选择换电成本低的换电停车点进行换电，可以从整体上提升运营效率。

具体的，可以根据历史数据计算得到换电成本和换电距离之间的对应关系。例如：运营围栏内每公里换电成本为1.2元，若换电停车点与电池仓库的距离为10公里，则总换电路成为20公里，那么，换电成本为1.2×20＝24元。如前所述，换电停车点的换电价值为44.12元（大于24元），此时，服务器可以将此换电停车点标记为必换停车点。当运营片区中存在必换停车点时，运维人员必须优先对必换停车点的共享车辆进行换电，当对运营片区内的所有必换停车点均完成换电之后，才允许运维人员对其他停车点进行换电。

参照图4，本实施例还提供一种共享车辆的服务器，包括：获取单元，所述获取单元用于获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失；计算单元，所述计算单元用于根据所述预测骑行损失计算所述停车点在所述预设骑行时段内的换电价值，所述换电价值为所述预测骑行损失；比较单元，所述比较单元用于根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为参考停车点；确定单元，所述确定单元用于以所述参考停车点为中心确定换电片区，所述换电片区内的停车点与所述参考停车点之间的距离在预设距离值以内；所述计算单元还用于计算所述换电片区内的总换电价值，所述总换电价值为所述换电片区内的所有停车点的换电价值之和；所述比较单元还用于根据所述总换电价值从大到小对所述换电片区进行排序，筛选出排名靠前的若干换电片区作为参考换电片区；所述比较单元还用于在所述参考换电片区内，根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为换电停车点。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (6)

1.一种共享车辆的换电方法，其特征在于，包括：

获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失；根据所述预测骑行损失计算所述停车点在所述预设骑行时段内的换电价值，所述换电价值为所述预测骑行损失；

或者，获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失，获取在预设骑行时段内的运营片区内的所有停车点的预测资产损失；根据所述预测骑行损失和所述预测资产损失计算所述换电价值：所述换电价值为所述预测骑行损失和所述预测资产损失之和；

或者，获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失，获取在预设骑行时段内的运营片区内的所有停车点的预测资产损失；获取在预设骑行时段内的运营片区内的所有停车点的预测低电损失；根据所述预测骑行损失、所述预测资产损失和所述预测低电损失计算所述换电价值：所述换电价值为所述预测骑行损失、所述预测资产损失和所述预测低电损失之和；

根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为参考停车点；

以所述参考停车点为中心确定换电片区，所述换电片区内的停车点与所述参考停车点之间的距离在预设距离值以内；

计算所述换电片区内的总换电价值，所述总换电价值为所述换电片区内的所有停车点的换电价值之和；

根据所述总换电价值从大到小对所述换电片区进行排序，筛选出排名靠前的若干换电片区作为参考换电片区；

在所述参考换电片区内，根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为换电停车点；

所述获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失包括：

获取在历史骑行时段内的运营围栏的骑行总收益和骑行订单量，所述运营围栏至少包括一个所述运营片区；

获取在预设骑行时段内的所述停车点的预测骑行次数；

获取当前时刻所述停车点的预测丢单概率；

计算平均骑行单价：平均骑行单价＝骑行总收益/骑行订单量；

计算所述预测骑行损失：预测骑行损失＝平均骑行单价×预测骑行次数×预测丢单概率；

所述获取当前时刻所述停车点的预测丢单概率包括：

获取当前时刻所述停车点的换电车辆数M和库存车辆数N，所述换电车辆数M指的是所述停车点内电量值在换电阈值以下的共享车辆的数量，所述库存车辆数N指的是所述停车点内共享车辆的总数；

获取当前时刻用户在所述停车点的容忍换车次数X；

计算所述预测丢单概率：预测丢单概率＝C(容忍换车次数,换电车辆数)/C(容忍换车次数,库存车辆数)＝C(X ,M)/C(X ,N)＝(M!/(X!×(M－X)!))/(N!/(X!×(N－X)!))。

2.如权利要求1所述的换电方法，其特征在于，还包括：

获取所述运营围栏的围栏总面积；

获取当前时刻所述运营围栏的停车点总数和换电车辆总数，所述换电车辆总数指的是所述运营围栏内电量值在换电阈值以下的共享车辆的数量；

获取换电载具的电池可容纳数量；

所述以所述参考停车点为中心确定换电片区包括：

以所述参考停车点为圆心确定所述换电片区的换电片区面积；

计算所述换电片区面积：换电片区面积＝电池可容纳数量×（围栏总面积/换电车辆总数）＋围栏总面积/停车点总数；

根据所述换电片区面积确定所述预设距离值。

3.如权利要求1所述的换电方法，其特征在于，所述获取在预设骑行时段内的运营片区内的所有停车点的预测资产损失包括：

获取当前时刻所述停车点的低电车辆和对应的低电量值，所述低电车辆指的是所述共享车辆中电量值在低电阈值以下的共享车辆；

根据所述低电车辆确定车辆价值；

根据所述低电量值确定风险系数；

计算所述低电车辆的子预测资产损失：子预测资产损失＝车辆价值×风险系数；

所述预测资产损失为所述停车点的多个所述低电车辆的子预测资产损失之和。

4.如权利要求1所述的换电方法，其特征在于，所述获取在预设骑行时段内的运营片区内的所有停车点的预测低电损失包括：

获取当前时刻所述停车点的换电车辆数，所述换电车辆数指的是所述共享车辆中电量值在换电阈值以下的共享车辆的数量；

获取在预设骑行时段内的运营围栏的平均骑行单价和预测扫码次数；

获取所述运营围栏的车辆总数；

计算所述预测低电损失：预测低电损失＝平均骑行单价×换电车辆数×预测扫码次数/车辆总数。

5.如权利要求1所述的换电方法，其特征在于，还包括：

获取所述换电停车点和电池仓库之间的换电距离；

根据所述换电距离计算所述换电停车点的换电成本；

比较所述换电停车点的所述换电价值和所述换电成本，当所述换电价值大于所述换电成本时，将所述换电停车点标记为必换停车点。

6.一种共享车辆的服务器，其特征在于，包括：

获取单元，所述获取单元用于获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失；计算单元，所述计算单元用于根据所述预测骑行损失计算所述停车点在所述预设骑行时段内的换电价值，所述换电价值为所述预测骑行损失；

或者，获取单元，所述获取单元用于获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失，获取在预设骑行时段内的运营片区内的所有停车点的预测资产损失；计算单元，所述计算单元用于根据所述预测骑行损失和所述预测资产损失计算所述换电价值：所述换电价值为所述预测骑行损失和所述预测资产损失之和；

或者，获取单元，所述获取单元用于获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失，获取在预设骑行时段内的运营片区内的所有停车点的预测资产损失；获取在预设骑行时段内的运营片区内的所有停车点的预测低电损失；计算单元，所述计算单元用于根据所述预测骑行损失、所述预测资产损失和所述预测低电损失计算所述换电价值：所述换电价值为所述预测骑行损失、所述预测资产损失和所述预测低电损失之和；

比较单元，所述比较单元用于根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为参考停车点；

确定单元，所述确定单元用于以所述参考停车点为中心确定换电片区，所述换电片区内的停车点与所述参考停车点之间的距离在预设距离值以内；

所述计算单元还用于计算所述换电片区内的总换电价值，所述总换电价值为所述换电片区内的所有停车点的换电价值之和；

所述比较单元还用于根据所述总换电价值从大到小对所述换电片区进行排序，筛选出排名靠前的若干换电片区作为参考换电片区；

所述比较单元还用于在所述参考换电片区内，根据所述换电价值从大到小对所述停车点进行排序，筛选出排名靠前的若干停车点作为换电停车点；

所述获取在预设骑行时段内的运营片区内的所有停车点的预测骑行损失包括：

获取在历史骑行时段内的运营围栏的骑行总收益和骑行订单量，所述运营围栏至少包括一个所述运营片区；

获取在预设骑行时段内的所述停车点的预测骑行次数；

获取当前时刻所述停车点的预测丢单概率；

计算平均骑行单价：平均骑行单价＝骑行总收益/骑行订单量；

计算所述预测骑行损失：预测骑行损失＝平均骑行单价×预测骑行次数×预测丢单概率；

所述获取当前时刻所述停车点的预测丢单概率包括：

获取当前时刻所述停车点的换电车辆数M和库存车辆数N，所述换电车辆数M指的是所述停车点内电量值在换电阈值以下的共享车辆的数量，所述库存车辆数N指的是所述停车点内共享车辆的总数；

获取当前时刻用户在所述停车点的容忍换车次数X；

计算所述预测丢单概率：预测丢单概率＝C(容忍换车次数,换电车辆数)/C(容忍换车次数,库存车辆数)＝C(X ,M)/C(X ,N)＝(M!/(X!×(M－X)!))/(N!/(X!×(N－X)!))。