CN116992998A - 新能源公交充电情况预测方法、装置、电子设备及介质 - Google Patents
新能源公交充电情况预测方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN116992998A CN116992998A CN202310652480.9A CN202310652480A CN116992998A CN 116992998 A CN116992998 A CN 116992998A CN 202310652480 A CN202310652480 A CN 202310652480A CN 116992998 A CN116992998 A CN 116992998A
- Authority
- CN
- China
- Prior art keywords
- driving
- information
- task
- new energy
- historical
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims description 46
- 230000005611 electricity Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000010365 information processing Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010257 thawing Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 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
- G06Q10/04—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
- G06Q10/06311—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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本申请涉及一种新能源公交充电情况预测方法、装置、电子设备及介质。获取若干公交编号,确定任务信息和当前电量;根据驾驶员信息获取历史驾驶数据,预处理得到历史集成驾驶数据;结合历史任务信息得到驾驶习惯操作;分析获取的历史电量损耗信息,确定驾驶任务组合数量和其中驾驶任务组合对应的时间序列长度,结合驾驶任务组合数量对历史电量损耗信息进行无监督时间序列数据整理,得到电量损耗矩阵数据;进行数据处理生成驾驶任务组合未来的损耗电量;分析任务信息得到驾驶任务组合,根据当前电量、驾驶任务组合、当前任务路线和定位信息确定实际里程数;根据实际里程数、目标任务地点、定位信息和场站位置信息,确定新能源公交是否返场进行充电。
Description
技术领域
本申请涉及新能源汽车技术领域,尤其是涉及一种新能源公交充电情况预测方法、装置、电子设备及介质。
背景技术
新能源公交是指采用新型动力系统,完全或主要依靠新型能源驱动的公交车。随着经济和社会的发展,越来越多的人选择公共交通出行。其中,传统公交作为最常见的公共交通工具,响应环保的号召,逐步发展到依靠新型能源驱动的新能源公交。新能源公交充电时需要返回到新能源公交场站中。
目前由于新能源公交数量较多,充电场站中的充电桩数量是有限的,需要对新能源公交的剩余电量进行预测,以合理安排新能源公交的后续工作和充电。相关技术中经常结合新能源公交的历史行驶数据来预测消耗的电量,进而对该新能源公交的充电情况进行预测。但是新能源公交电量的消耗受很多因素的影响,因此同一段路程消耗的电量也可能有所不同,分析历史行驶数据得到的预测结果并不准确,以致新能源公交的工作安排无法被顺利执行。
发明内容
本申请提供一种新能源公交充电情况预测方法、装置、电子设备及介质。
第一方面,本申请提供新能源公交充电情况预测方法,包括:
获取若干新能源公交各自对应的公交编号,并根据若干公交编号,确定各自对应的任务信息和各自对应的当前电量,所述任务信息携带有对应的驾驶员信息、当前任务路线和对应的目标任务地点;
根据每一新能源公交的驾驶员信息,获取对应的每一驾驶员对应的历史驾驶数据,并对所述历史驾驶数据进行预处理,得到历史集成驾驶数据,所述历史驾驶数据包括若干历史任务信息、历史驾驶员操作方式,历史任务信息包括对应的历史任务、对应的历史任务路线、对应的历史路况信息和对应的历史天气信息;
根据所述历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到所述每一驾驶员执行每一历史任务对应的驾驶习惯操作;
获取预设历史时段的历史电量损耗信息,所述历史电量损耗信息为不同驾驶习惯操作在不同任务信息中,所述任务信息对应的新能源公交的电量损耗信息;
对所述历史电量损耗信息进行分析,确定所述历史电量损耗信息中不同驾驶习惯操作与对应的不同任务信息的驾驶任务组合数量以及所述驾驶任务组合数量中每个驾驶任务组合对应的时间序列长度,并基于所述时间序列长度以及所述驾驶任务组合数量对所述历史电量损耗信息进行无监督时间序列数据整理,得到电量损耗矩阵数据;
对所述电量损耗矩阵数据进行数据处理,根据处理结果生成所述驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量;
分析若干新能源公交各自对应的任务信息得到各自对应的驾驶任务组合,并根据所述每一新能源公交的当前电量、对应的驾驶任务组合、对应的所述当前任务路线和所述新能源公交的定位信息,确定所述每一新能源公交的实际里程数;
根据所述每一新能源公交的实际里程数、对应的所述目标任务地点、对应的所述定位信息和新能源公交场站的位置信息,确定所述每一新能源公交是否返场进行充电。
通过采用上述技术方案,可以根据新能源公交的公交编号确定出对应的任务信息,由任务信息可以得到驾驶新能源公交的驾驶员信息。通过预处理获取到的每一驾驶员信息对应的历史驾驶数据,得到历史集成驾驶数据。不同的驾驶习惯操作对于新能源公交的耗电量影响情况不相同。可以结合历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到每一驾驶员执行每一历史任务对应的驾驶习惯操作。然后可以获取预设历史时段的历史电量损耗信息,该历史电量损耗信息为不同驾驶习惯操作在不同任务信息中,所述任务信息对应的新能源公交的电量损耗信息。通过对历史电量损耗信息的分析,可以得到电量损耗矩阵数据,进一步对电量损耗矩阵数据进行数据处理,可以预测出每个驾驶任务组合在未来预设时间段内的损耗电量,提升了对损耗电量的预测准确度。基于此确定每一新能源公交是否返场进行充电的预测结果也更加准确,进一步使新能源公交的工作安排能被顺利执行。
可选的,所述根据所述历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到所述每一驾驶员执行每一历史任务对应的驾驶习惯操作,包括:
根据每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,确定若干驾驶需求;
根据每一驾驶需求,对所述历史集成驾驶数据进行分类,得到若干组以驾驶需求为标签的历史分类驾驶数据;
分析每一驾驶需求对应的若干组历史分类驾驶数据,得到所述驾驶员执行每一历史任务对应的驾驶习惯操作,所述驾驶习惯操作为次数最多的历史驾驶员操作方式对应的操作。
通过采用上述技术方案,根据每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,确定若干驾驶需求。根据每一驾驶需求对历史集成驾驶数据进行分类,得到的若干组以驾驶需求为标签的历史分类驾驶数据对应每一任务的路况信息、天气信息。在同一种路况信息、天气信息的历史分类驾驶数据查找次数最多的驾驶员的操作,更具有针对性,得到的驾驶习惯操作也更加的符合对应驾驶员的实际驾驶情况。
可选的,所述方法还包括:
根据所述驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量,确定所述若干新能源公交各自对应的损耗电量;
获取当前天气信息,根据所述当前天气信息确定所述任务信息对应的辅助耗电装置;
实时检测所述每一新能源公交的行驶状态,所述行驶状态包括减速行驶状态;
当任一新能源公交的行驶状态为减速行驶状态时,获取对应的回收电量;
根据所述回收电量和所述辅助耗电装置,更新对应的新能源公交的损耗电量,得到实际损耗电量。
通过采用上述技术方案,结合了天气信息对应的天气下开启的辅助耗电装置的耗电情况和减速行驶状态下回收电量的情况,对每一新能源公交的损耗电量进行更新,得到的实际损耗电量更加的准确可靠。
可选的,所述根据所述每一新能源公交的当前电量、对应的驾驶任务组合、对应的所述当前任务路线和所述新能源公交的定位信息,确定所述每一新能源公交的实际里程数,包括:
获取所述每一新能源公交的定位信息对应的当前任务路况信息;
根据所述每一新能源公交的当前电量和每一新能源公交对应的实际损耗电量,确定实际任务电量;
根据所述当前天气信息和所述当前任务路况信息,预测所述每一新能源公交的行驶速度分布数据;
根据所述行驶速度分布数据和所述实际任务电量,确定所述每一新能源公交的实际里程数。
通过采用上述技术方案,结合当前天气信息和当前任务路况信息对每一新能源公交的行驶速度分布数据进行预测,基于此得到每一新能源公交的实际里程数的过程更加的细致可靠,实际里程数也更加准确。
可选的,所述根据所述每一新能源公交的实际里程数、对应的所述目标任务地点、对应的所述定位信息和新能源公交场站的位置信息,确定所述每一新能源公交是否返场进行充电,包括:
分析所述每一新能源公交的目标任务地点、对应的所述定位信息和新能源公交场站的位置信息,得到所述每一新能源公交的理想里程数;
若所述每一新能源公交的理想里程数大于对应的实际里程数,则生成对应的驾驶员的优化驾驶信息,并根据所述优化驾驶信息生成优化提示发送给对应的驾驶员;
接收所述驾驶员的优化驾驶反馈信号,根据所述优化驾驶反馈信号确定所述新能源公交是否返场进行充电。
通过采用上述技术方案,可以在理想里程数大于实际里程数时,表示当前驾驶习惯操作可能无法完成任务。若驾驶员的驾驶习惯操作可以进行优化,可以生成优化驾驶信息,若驾驶员的优化驾驶反馈信号显示可以优化,则能够尽量避免中途回场的情况,避免降低乘车对象的乘车体验感。
可选的,所述优化驾驶反馈信号包括拒绝优化返场信号;所述方法还包括:
若所述驾驶员的优化驾驶反馈信号为拒绝优化返场信号且所述新能源公交上存在乘车对象,则根据所述新能源公交的当前电量、所述新能源公交场站的位置信息和返场电量阈值,确定所述新能源公交的安全行驶里程数,所述返场电量阈值用于表征所述新能源公交抵达所述新能源公交场站的最低电量;
根据所述安全行驶里程数,确定所述新能源公交的若干安全行驶路线;
获取所述若干安全行驶路线上的可停靠站点及对应的站点位置信息;
根据所述新能源公交的定位信息和所述可停靠站点的站点位置信息,获取最佳可停靠站点;
从所述最佳可停靠站点对应的若干安全行驶路线中,确定里程数最少的安全行驶路线,并将所述里程数最少的安全行驶路线显示给所述驾驶员。
通过采用上述技术方案,可以在驾驶员的优化驾驶反馈信号为拒绝优化返场信号且新能源公交上存在乘车对象时,确定新能源公交的安全行驶里程数。基于此确定若干安全行驶路线,再根据每一条安全行驶路线上的可停靠站点与新能源公交位置的距离得到返场时的行驶路线,避免驾驶员为了将乘车对象放置到方便乘车的区域而导致在返场路上断电。
可选的,所述优化驾驶信息包括优化驾驶习惯操作和辅助驾驶信息;所述生成对应的驾驶员的优化驾驶信息,包括:
分析若干驾驶习惯操作,得到对应的驾驶员的可选优化习惯;
基于预设驾驶习惯等级,从所述可选优化习惯中确定目标优化习惯;
以所述目标优化习惯为标签,在若干驾驶习惯操作中获取对应的优化驾驶习惯操作;
根据所述当前电量、所述当前天气信息和预设辅助设备优先级,确定对应的辅助驾驶信息;
根据所述优化驾驶习惯操作和所述辅助驾驶信息,生成所述驾驶员对应的优化驾驶信息。
通过采用上述技术方案,可以根据预设驾驶习惯等级确定出目标优化习惯,进而获取的优化驾驶习惯操作更加全面。然后可以结合当前电量、所述当前天气信息和预设辅助设备优先级,得到的辅助驾驶信息,在不影响正常行驶的基础上关闭不必要的辅助设备,节省电量。
第二方面,本申请提供一种新能源公交充电情况预测装置,包括:
当前电量确定模块,用于获取若干新能源公交各自对应的公交编号,并根据若干公交编号,确定各自对应的任务信息和各自对应的当前电量,所述任务信息携带有对应的驾驶员信息、当前任务路线和对应的目标任务地点;
历史集成驾驶数据确定模块,用于根据每一新能源公交的驾驶员信息,获取对应的每一驾驶员对应的历史驾驶数据,并对所述历史驾驶数据进行预处理,得到历史集成驾驶数据,所述历史驾驶数据包括若干历史任务信息、历史驾驶员操作方式,历史任务信息包括对应的历史任务、对应的历史任务路线、对应的历史路况信息和对应的历史天气信息;
驾驶习惯操作确定模块,用于根据所述历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到所述每一驾驶员执行每一历史任务对应的驾驶习惯操作;
历史电量损耗信息获取模块,用于获取预设历史时段的历史电量损耗信息,所述历史电量损耗信息为不同驾驶习惯操作在不同任务信息中,所述任务信息对应的新能源公交的电量损耗信息;
电量损耗矩阵数据确定模块,用于对所述历史电量损耗信息进行分析,确定所述历史电量损耗信息中不同驾驶习惯操作与对应的不同任务信息的驾驶任务组合数量以及所述驾驶任务组合数量中每个驾驶任务组合对应的时间序列长度,并基于所述时间序列长度以及所述驾驶任务组合数量对所述历史电量损耗信息进行无监督时间序列数据整理,得到电量损耗矩阵数据;
损耗电量生成模块,用于对所述电量损耗矩阵数据进行数据处理,根据处理结果生成所述驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量;
实际里程数确定模块,用于分析若干新能源公交各自对应的任务信息得到各自对应的驾驶任务组合,并根据所述每一新能源公交的当前电量、对应的驾驶任务组合、对应的所述当前任务路线和所述新能源公交的定位信息,确定所述每一新能源公交的实际里程数;
返场充电确定模块,用于根据所述每一新能源公交的实际里程数、对应的所述目标任务地点、对应的所述定位信息和新能源公交场站的位置信息,确定所述每一新能源公交是否返场进行充电。
可选的,所述驾驶习惯操作确定模块具体用于:
根据每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,确定若干驾驶需求;
根据每一驾驶需求,对所述历史集成驾驶数据进行分类,得到若干组以驾驶需求为标签的历史分类驾驶数据;
分析每一驾驶需求对应的若干组历史分类驾驶数据,得到所述驾驶员执行每一历史任务对应的驾驶习惯操作,所述驾驶习惯操作为次数最多的历史驾驶员操作方式对应的操作。
可选的,所述新能源公交充电情况预测装置还包括实际损耗电量更新模块,用于:
根据所述驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量,确定所述若干新能源公交各自对应的损耗电量;
获取当前天气信息,根据所述当前天气信息确定所述任务信息对应的辅助耗电装置;
实时检测所述每一新能源公交的行驶状态,所述行驶状态包括减速行驶状态;
当任一新能源公交的行驶状态为减速行驶状态时,获取对应的回收电量;
根据所述回收电量和所述辅助耗电装置,更新对应的新能源公交的损耗电量,得到实际损耗电量。
可选的,所述实际里程数确定模块具体用于:
获取所述每一新能源公交的定位信息对应的当前任务路况信息;
根据所述每一新能源公交的当前电量和每一新能源公交对应的实际损耗电量,确定实际任务电量;
根据所述当前天气信息和所述当前任务路况信息,预测所述每一新能源公交的行驶速度分布数据;
根据所述行驶速度分布数据和所述实际任务电量,确定所述每一新能源公交的实际里程数。
可选的,所述返场充电确定模块具体用于:
分析所述每一新能源公交的目标任务地点、对应的所述定位信息和新能源公交场站的位置信息,得到所述每一新能源公交的理想里程数;
若所述每一新能源公交的理想里程数大于对应的实际里程数,则生成对应的驾驶员的优化驾驶信息,并根据所述优化驾驶信息生成优化提示发送给对应的驾驶员;
接收所述驾驶员的优化驾驶反馈信号,根据所述优化驾驶反馈信号确定所述新能源公交是否返场进行充电。
可选的,所述优化驾驶反馈信号包括拒绝优化返场信号;所述新能源公交充电情况预测装置还包括安全行驶路线确定模块,用于:
若所述驾驶员的优化驾驶反馈信号为拒绝优化返场信号且所述新能源公交上存在乘车对象,则根据所述新能源公交的当前电量、所述新能源公交场站的位置信息和返场电量阈值,确定所述新能源公交的安全行驶里程数,所述返场电量阈值用于表征所述新能源公交抵达所述新能源公交场站的最低电量;
根据所述安全行驶里程数,确定所述新能源公交的若干安全行驶路线;
获取所述若干安全行驶路线上的可停靠站点及对应的站点位置信息;
根据所述新能源公交的定位信息和所述可停靠站点的站点位置信息,获取最佳可停靠站点;
从所述最佳可停靠站点对应的若干安全行驶路线中,确定里程数最少的安全行驶路线,并将所述里程数最少的安全行驶路线显示给所述驾驶员。
可选的,所述优化驾驶信息包括优化驾驶习惯操作和辅助驾驶信息;所述返场充电确定模块具体用于:
分析若干驾驶习惯操作,得到对应的驾驶员的可选优化习惯;
基于预设驾驶习惯等级,从所述可选优化习惯中确定目标优化习惯;
以所述目标优化习惯为标签,在若干驾驶习惯操作中获取对应的优化驾驶习惯操作;
根据所述当前电量、所述当前天气信息和预设辅助设备优先级,确定对应的辅助驾驶信息;
根据所述优化驾驶习惯操作和所述辅助驾驶信息,生成所述驾驶员对应的优化驾驶信息。
第三方面,本申请提供一种电子设备,包括:存储器和处理器,所述存储器上存储有能够被处理器加载并执行第一方面的方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,存储有能够被处理器加载并执行第一方面的方法的计算机程序。
第五方面,本申请提供一种计算机程序产品,包括:计算机程序;所述计算机程序被处理器执行时,实现如第一方面任一项所述的方法。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的一种应用场景示意图;
图2为本申请一实施例提供的一种新能源公交充电情况预测方法的流程图;
图3为本申请一实施例提供的一种电量损耗矩阵数据的示意图
图4为本申请一实施例提供的一种新能源公交充电情况预测装置的结构示意图;
图5为本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
目前相应环保的号召,传统公交逐步发展到了依靠新型能源驱动的新能源公交。新能源公交带来的排放污染降低,但是需要经常返回新能源公交场站中进行充电。在城市中运行的新能源公交数量众多,但是充电场站中的充电桩数量是有限的,因此需要对新能源公交的剩余电量进行预测,以合理安排新能源公交的后续工作和充电。相关技术中经常结合新能源公交的历史行驶数据来预测未来某一时刻或者未来某一段时间消耗的电量,进而对该新能源公交的充电情况进行预测。但是新能源公交电量的消耗受很多因素的影响,其中,驾驶员的操作非常重要,起步、加速、刹车等日常操作与能耗息息相关,在新能源公交的硬件情况无法被控制改变时,驾驶操作是最具可控性的。因此由于驾驶员的驾驶操作的不同,同一段路程消耗的电量也可能有所不同。因此相关技术中分析历史行驶数据得到的预测结果并不准确,以致新能源公交的工作安排无法被顺利执行。
基于此,本申请提供一种新能源公交充电情况预测方法、装置、电子设备及介质。通过获取若干新能源公交各自对应的公交编号确定各自对应的任务信息和各自对应的当前电量。其中任务信息携带有对应的驾驶员信息、当前任务路线和目标任务地点。根据每一新能源公交的驾驶员信息,可以获取对应的每一驾驶员对应的历史驾驶数据,并对该历史驾驶数据进行预处理,得到历史集成驾驶数据。然后可以根据历史驾驶数据中的每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息、对应的历史天气信息和对应的历史集成驾驶数据,得到每一驾驶员执行每一历史任务对应的驾驶习惯操作。然后可以获取预设历史时段的历史电量损耗信息,通过分析历史电量损耗信息确定历史电量损耗信息中不同驾驶习惯操作与对应的不同任务信息的驾驶任务组合数量以及驾驶任务组合数量中每个驾驶任务组合对应的时间序列长度,进而对历史电量损耗信息进行无监督时间序列数据整理,得到电量损耗矩阵数据。将电量损耗矩阵数据进行数据处理,根据数据处理得到的结果生成驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量。通过分析若干新能源公交各自对应的任务信息得到各自对应的驾驶任务组合,并根据每一新能源公交的当前电量、对应的驾驶任务组合、对应的当前任务路线、和对应的定位信息,确定每一新能源公交的实际里程数。再结合新能源公交场站的位置信息、每一新能源公交的实际里程数、对应的目标任务地点、对应的定位信息和位置信息,确定每一新能源公交是否返场进行充电。
图1为本申请提供的一种应用场景示意图。城市道路上有若干辆新能源公交正在执行预先安排好的工作任务。为了防止新能源公交执行工作任务过程中出现突发情况导致耗电增加时无法被及时发现,可以按照预设频率对新能源公交充电情况进行预测。在图1的应用场景中,本申请的新能源公交充电情况预测方法可以应用于充电预测平台。该充电预测平台可以与新能源公交进行信息交互,充电预测平台可以根据新能源公交对应的任务信息分析对应驾驶员的驾驶习惯操作,并结合历史驾驶数据预测不同驾驶任务组合在未来预设时间段内的损耗电量,进一步确定每一新能源公交是否需要返场进行充电。
具体的实现方式可以参考以下实施例。
图2为本申请一实施例提供的一种新能源公交充电情况预测方法的流程图,本实施例的方法可以应用于以上场景中的充电预测平台。如图2所示的,该方法包括:
S201、获取若干新能源公交各自对应的公交编号,并根据若干公交编号,确定各自对应的任务信息和各自对应的当前电量,任务信息携带有对应的驾驶员信息、当前任务路线和对应的目标任务地点。
充电预测平台可以为不同的新能源公交设置唯一的公交编号用以区分。在新能源公交开始每天的工作之前,可以为每一辆新能源公交安排一天的工作任务,例如,编号为1332的新能源公交的司机为张三,在3月4日当天要在早上5:30从新能源公交场站出发,前往A点公交站,按照对应的任务路线,从A-B-C-D-E-F-G点公交站,然后从G-A点公交站原路返回,在十二点前进行A-G点公交站的往返任务,十二点回到新能源公交场站进行充电,然后在下午两点前往a公司所在的地址,搭载该公司员工前往b地址,后续原路返回,回到新能源公交场站。在该例中,从A-B-C-D-E-F-G点公交站的任务路线可以作为当前任务路线,G点公交站可以作为目标任务地点。可以将这些任务内容集合成任务信息,并对应存储在该新能源公交对应的公交编号对应的工作日期下。
具体的,充电预测平台可以在新能源公交当天第一次离开新能源公交场站时,向新能源公交发送获取公交编号和当前电量的信号,并对应接收若干新能源公交发送的各自对应的公交编号和各自对应的当前电量。然后可以根据当天的日期和公交编号对应确定出若干新能源公交各自对应的任务信息。在新能源公交驶出新能源公交场站后,可以按照预设频率向若干新能源公交发送获取当前电量的信号。
在一些实现方式中,可以每五分钟向若干新能源公交发送一次获取当前电量的信号。
S202、根据每一新能源公交的驾驶员信息,获取对应的每一驾驶员对应的历史驾驶数据,并对历史驾驶数据进行预处理,得到历史集成驾驶数据,历史驾驶数据包括若干历史任务信息、历史驾驶员操作方式,历史任务信息包括对应的历史任务、对应的历史任务路线、对应的历史路况信息和对应的历史天气信息。
驾驶员信息可以包括驾驶员的姓名、长相。历史驾驶数据可以用于表示该驾驶员驾驶每一新能源公交时对应生成的行驶数据,可以包括若干历史任务信息、历史驾驶员操作方式。其中历史任务信息可以包括对应的历史任务、对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,历史驾驶员操作方式可以包括驾驶员在对应历史任务信息中如何提速、如何减速以及在什么样的情况下开启什么样的辅助设备等操作。可以在充电预测平台上预先创建一个驾驶数据库,不同的驾驶员驾驶每一新能源公交时生成的行驶数据都可以被实时存储进该驾驶数据库中,可以以驾驶员的姓名为标签。
具体的,可以从每一新能源公交的驾驶员信息中提取驾驶员的姓名和长相,确定该驾驶员的身份,对应在驾驶数据库中查找对应的历史驾驶数据。然后可以在历史驾驶数据中查找出现次数为一次或者两次的数据作为异常数据进行剔除,然后将剔除异常数据后的历史驾驶数据进行集成,得到历史集成驾驶数据。
S203、根据历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到每一驾驶员执行每一历史任务对应的驾驶习惯操作。
可以建立一个待训练的驾驶习惯操作确定模型,向该模型中输入大量的历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息以及每一驾驶员执行每一历史任务对应的驾驶习惯操作的信息,进行模型训练,得到驾驶习惯操作确定模型。该驾驶习惯操作确定模型具有输入历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,直接输出每一驾驶员执行每一历史任务对应的驾驶习惯操作的能力。
具体的,向驾驶习惯操作确定模型中输入历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,输出每一驾驶员执行每一历史任务对应的驾驶习惯操作。
S204、获取预设历史时段的历史电量损耗信息,历史电量损耗信息为不同驾驶习惯操作在不同任务信息中,任务信息对应的新能源公交的电量损耗信息。
预设历史时段可以是一个连续的时段,也可以是间隔的时段。例如可以是过去一年内对应的时段,也可以是过去一年内每周三的全天。历史电量损耗信息可以是不同驾驶习惯操作在不同任务信息中,任务信息对应的新能源公交的电量损耗信息,也可以表述成不同的驾驶员在不同任务信息对应的任务中驾驶习惯操作导致的对应的新能源公交的电量损耗信息。
上述步骤中的驾驶数据库中也可以对应存储历史工作过程中,不同任务信息对应的电量损耗信息,并且与驾驶员的标签相关联。
具体的,充电预测平台可以接收相关工作人员预先输入的预设历史时段,然后根据预设历史时段在驾驶数据库查找对应的历史电量损耗信息进行获取。
在一些实现方式中,充电预测平台默认选择过去一年内与当前日期相对应的历史日期对应的各个时段,作为预设历史时段,例如过去一年内每周三的时段。
S205、对历史电量损耗信息进行分析,确定历史电量损耗信息中不同驾驶习惯操作与对应的不同任务信息的驾驶任务组合数量以及驾驶任务组合数量中每个驾驶任务组合对应的时间序列长度,并基于时间序列长度以及驾驶任务组合数量对历史电量损耗信息进行无监督时间序列数据整理,得到电量损耗矩阵数据。
历史电量损耗信息可以是在过往时间中每个驾驶员驾驶新能源公交完成不同的任务信息对应的任务时,新能源公交损耗的电量。历史电量损耗信息中可以包括:电量损耗发生的具体驾驶操作以及驾驶操作持续的时间等。时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测,进一步的,从数据中挖掘出某个或者某些随机变量随着时间的推移不断进行变化的变化规律。时间序列研究包括有监督学习算法、半监督学习算法和无监督学习算法,其中无监督算法无需含类标签的训练集就能对所有样本数据集进行学习。在本实施例中,时间序列长度可以表示新能源公交的电量损耗虽时间不断变化的长度。
具体的,充电预测平台获取历史电量损的耗信息后,可以对信息内容中的驾驶操作进行提取,从未确定不同历史电量损耗信息驾驶任务组合(在什么任务信息中进行的什么驾驶操作),然后对驾驶任务组合的数量进行统计,得到驾驶任务组合数量。然后可以根据时间序列长度以及驾驶任务组合数量对历史电量损耗信息进行无监督时间序列数据整理,可以得到如图3所示的电量损耗矩阵数据,其中m为驾驶任务组合数量,n为时间序列长度。
S206、对电量损耗矩阵数据进行数据处理,根据处理结果生成驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量。
未来预设时间段可以是想要预测损耗电量的时间段,在本实施例中可以为未来20分钟内。
具体的,可以将电量损耗矩阵数据输入到训练好的提取模型进行向量特征提取,然后将提取到的向量特征进行统计,得到特征维度数量。然后可以将得到的特征维度数量与电量损耗矩阵数据进行数据结合处理,生成预测电量损耗矩阵数据。然后对预测电量损耗矩阵数据中包含的数据进行数据处理,得到电量损耗数据,并将得到的电量损耗数据输入至任一已有的推算模型中进行数据推算,生成驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量。
其中,提取模型可以是预先训练好的神经网络模型,该提取模型具有输入电量损耗矩阵数据直接提取出向量特征的能力。向量特征可以包括历史电量损耗信息中的电量损耗文本向量特征、时间向量特征以及驾驶任务组合向量特征等。
S207、分析若干新能源公交各自对应的任务信息得到各自对应的驾驶任务组合,并根据每一新能源公交的当前电量、对应的驾驶任务组合、对应的当前任务路线和新能源公交的定位信息,确定每一新能源公交的实际里程数。
实际里程数可以表示新能源公交实际能移动的距离。上述的驾驶数据库中也可以对应保存不同情况下新能源公交的实际里程数。定位信息可以是新能源公交当前所处的位置信息。
具体的,可以通过分析若干新能源公交各自对应的任务信息,得到各自对应的驾驶员和任务信息的组合关系,然后确定属于的驾驶任务组合。充电预测平台可以根据每一新能源公交的当前电量、对应的驾驶任务组合、对应的当前任务路线和对应的定位信息,在驾驶数据库中查找各自对应的实际里程数,然后从中确定出前述所有信息出现在同一任务中时对应的实际里程数。
S208、根据每一新能源公交的实际里程数、对应的目标任务地点、对应的定位信息和新能源公交场站的位置信息,确定每一新能源公交是否返场进行充电。
新能源公交场站的位置可以是固定的,对应的位置信息可以预先存储在充电预测平台中。另外,驾驶数据库中还可以存储历史工作过程中,基于实际里程数,新能源公交在执行不同任务时返场充电的时刻。
具体的,充电预测平台可以直接提取新能源公交场站的位置信息,然后结合每一新能源公交的实际里程数、对应的目标任务地点、对应的定位信息和新能源公交场站的位置信息在驾驶数据库中查找对应的任务,进而确定出是否返场充电。
在一些实现方式中,若需要返场充电,可以对应查找返场的时刻。
本实施例可以根据新能源公交的公交编号确定出对应的任务信息,由任务信息可以得到驾驶新能源公交的驾驶员信息。通过预处理获取到的每一驾驶员信息对应的历史驾驶数据,得到历史集成驾驶数据。不同的驾驶习惯操作对于新能源公交的耗电量影响情况不相同。可以结合历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到每一驾驶员执行每一历史任务对应的驾驶习惯操作。然后可以获取预设历史时段的历史电量损耗信息,该历史电量损耗信息为不同驾驶习惯操作在不同任务信息中,任务信息对应的新能源公交的电量损耗信息。通过对历史电量损耗信息的分析,可以得到电量损耗矩阵数据,进一步对电量损耗矩阵数据进行数据处理,可以预测出每个驾驶任务组合在未来预设时间段内的损耗电量,提升了对损耗电量的预测准确度。基于此确定每一新能源公交是否返场进行充电的预测结果也更加准确,进一步使新能源公交的工作安排能被顺利执行。
在一些实施例中,可以根据每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息确定出若干驾驶需求,然后根据每一驾驶需求对历史分类驾驶数据进行分类,对分类后的历史分类驾驶数据进行分析,得到驾驶习惯操作。具体的,根据每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,确定若干驾驶需求;根据每一驾驶需求,对历史集成驾驶数据进行分类,得到若干组以驾驶需求为标签的历史分类驾驶数据;分析每一驾驶需求对应的若干组历史分类驾驶数据,得到驾驶员执行每一历史任务对应的驾驶习惯操作,驾驶习惯操作为数量最多的历史驾驶员操作方式对应的操作。
驾驶数据库还可以存储历史工作过程中,新能源公交在不同的历史任务路线上执行任务时,对应的历史路况信息和历史天气信息下的驾驶需求。驾驶需求可以包括历史路况信息下不同时间段移动的速度、历史天气信息下需要对应开启何种例如空调、除霜机等的耗电设备。历史集成驾驶数据可以是按照历史任务信息进行集成的,因此可以包括若干组不同历史任务信息对应的历史集成驾驶数据。
具体的,充电预测平台可以根据每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,在驾驶数据库中匹配各自对应的驾驶需求,进而得到若干驾驶需求。然后可以将每一驾驶需求对应的历史任务信息与每一组历史集成驾驶数据对应的历史任务信息进行匹配,确定出每一驾驶需求对应的若干组历史集成驾驶数据,即将原本的若干组历史集成驾驶数据进行分类,分出的每一类可以以对应的驾驶需求为标签,得到不同驾驶需求标签下的若干组历史分类驾驶数据。可以对每一驾驶需求对应的若干组历史分类驾驶数据进行分析,确定每一组历史分类驾驶数据中驾驶员的操作信息,然后将出现次数最多的操作信息对应的操作作为驾驶习惯操作。
本实施例根据每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,确定若干驾驶需求。根据每一驾驶需求对历史集成驾驶数据进行分类,得到的若干组以驾驶需求为标签的历史分类驾驶数据对应每一任务的路况信息、天气信息。在同一种路况信息、天气信息的历史分类驾驶数据查找次数最多的驾驶员的操作,更具有针对性,得到的驾驶习惯操作也更加的符合对应驾驶员的实际驾驶情况。
在一些实施例中,还可以在驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量里面确定正在预测的若干新能源公交各自对应的损耗电量。然后可以在新能源公交处于减速行驶状态时接收对应的回收电量,再结合辅助耗电装置对若干新能源公交各自对应的损耗电量进行更新。具体的,根据驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量,确定若干新能源公交各自对应的损耗电量;获取当前天气信息,根据当前天气信息确定任务信息对应的辅助耗电装置;实时检测每一新能源公交的行驶状态,行驶状态包括减速行驶状态;当任一新能源公交的行驶状态为减速行驶状态时,获取对应的回收电量;根据回收电量和辅助耗电装置,更新对应的新能源公交的损耗电量,得到实际损耗电量。
辅助耗电装置可以是除了新能源公交进行移动时的耗电装置之外的耗电装置,可以包括车内空调、除霜机、客流仪、电子线路牌、导乘牌、多媒体系统、全景风道广告灯箱以及车内监控系统等装置。当新能源公交减速时,存在能量回收现象。新能源公交上可以设置能量回收显示装置,该装置可以在减速时显示对应的回收电量。充电预测平台可以与天气监控平台相关联。不同天气下需要开启的辅助耗电装置也可以对应存储在驾驶数据库中,可以对辅助耗电装置开启时的用电情况进行默认设置,对应的默认设置也可以存储具体。该用电情况可以用于表示辅助耗电装置开启时长与用电数据的对应情况。
具体的,充电预测平台可以根据若干新能源公交的任务信息确定对应的驾驶任务组合,然后在驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量内匹配若干新能源公交各自对应的损耗电量。然后可以从天气监控平台上直接获取当前天气信息,然后在驾驶数据库中查找对应的辅助耗电装置以及对应的用电数据。充电预测平台可以实时获取新能源公交的定位信息,因此可以根据前后两个时刻新能源公交的位置变化来确定新能源公交不同时刻的瞬时速度,当后一瞬时速度小于当前瞬时速度时就可以看作新能源公交的行驶状态为减速行驶状态。此时充电预测平台可以向新能源公交发送回收电量发送信号,以获取对应的回收电量。然后可以将回收电量、此刻辅助耗电装置的损耗电量与预测的损耗电量进行加减运算,更新得到实际损耗电量。
本实施例结合了天气信息对应的天气下开启的辅助耗电装置的耗电情况和减速行驶状态下回收电量的情况,对每一新能源公交的损耗电量进行更新,得到的实际损耗电量更加的准确可靠。
在一些实施例中,还可以获取新能源公交定位信息对应的当前任务路况信息。然后可以根据每一新能源公交的当前电量和每一新能源公交对应的实际损耗电量确定出实际任务电量,对每一新能源公交在对应的任务信息中的行驶速度分布数据,进而确定每一新能源公交的实际里程数。具体的,获取每一新能源公交的定位信息对应的当前任务路况信息;根据每一新能源公交的当前电量和每一新能源公交对应的实际损耗电量,确定实际任务电量;根据当前天气信息和当前任务路况信息,预测每一新能源公交的行驶速度分布数据;根据行驶速度分布数据和实际任务电量,确定每一新能源公交的实际里程数。
充电预测平台可以与路况监测平台相关联。实际任务电量可以用于表示新能源公交继续执行任务时可用的电量。行驶速度分布数据可以是在当前时刻之前的每次预测时新能源公交的行驶速度在整个任务过程中的分布数据。当行驶速度分布数据显示新能源公交频繁的刹车、启动时,对应电量的消耗也较多。可以预先设置一个待训练的实际里程数确定模型,可以向该模型中输入大量的行驶速度分布数据和对应的实际任务电量以及最终对应的实际里程数进行训练,得到实际里程数确定模型。该实际里程数确定模型具有输入行驶速度分布数据和实际任务电量直接输出对应的实际里程数的能力。
具体的,充电预测平台可以路况监测平台中获取新能源公交当前的定位信息对应的当前任务路况信息。其中可以以新能源公交对应的位置为基础,向新能源公交的行驶朝向延伸2千米,将该范围的路况信息作为当前任务路况信息。然后可以按照预设频率获取到每一新能源公交的当前电量,与对应的实际损耗电量做减法,得到实际任务电量。然后可以结合驾驶数据库中的历史天气信息和历史任务路况信息对应的每一新能源公交行驶速度分布数据,对当前天气信息和当前任务路况信息对应的每一新能源公交的行驶速度分布数据进行类比。将类比得到的行驶速度分布数据和对应的实际任务电量输入到实际里程数确定模型,得到每一新能源公交的实际里程数。
本实施例结合当前天气信息和当前任务路况信息对每一新能源公交的行驶速度分布数据进行预测,基于此得到每一新能源公交的实际里程数的过程更加的细致可靠,实际里程数也更加准确。
在一些实施例中,可以对每一新能源公交的目标任务地点、对应的定位信息和新能源公交场站的位置信息进行分析,得到理想里程数。当理想里程数小于对应的实际里程数时生成对应驾驶员的优化驾驶信息,然后根据驾驶员对应发送的优化驾驶反馈信号确定是否返场充电。具体的,分析每一新能源公交的目标任务地点、对应的定位信息和新能源公交场站的位置信息,得到每一新能源公交的理想里程数;若每一新能源公交的理想里程数大于对应的实际里程数,则生成对应的驾驶员的优化驾驶信息,并根据优化驾驶信息生成优化提示发送给对应的驾驶员;接收驾驶员的优化驾驶反馈信号,根据优化驾驶反馈信号确定新能源公交是否返场进行充电。
理想里程数可以是忽略实际可行的里程数,按照新能源公交的任务信息得到的顺利完成任务并返回到新能源公交场站时需要移动的里程数。优化驾驶信息可以是相比较驾驶员的驾驶习惯操作更能省电的操作对应的信息。优化驾驶反馈信号包括同意进行优化驾驶信号和拒绝优化驾驶并返场充电信号。驾驶员可以配备用于接收优化提示和其他信号的设备,同时新能源公交上可以设置用于显示优化提示和其他信息的显示设备。
具体的,可以根据每一新能源公交的目标任务地点的位置和对应的定位信息的位置,确定每一新能源公交的任务距离,然后由每一新能源公交的目标任务地点对应的位置和新能源公交场站的位置信息对应的位置,确定每一新能源公交的返场里程数。其中返场里程数表示返回新能源公交场站的距离。然后可以将每一新能源公交对应的任务距离与每一新能源公交的返场里程数相加,得到每一新能源公交的理想里程数。将每一新能源公交的理想里程数和对应的实际里程数进行对比,当每一新能源公交的理想里程数大于对应的实际里程数时,可以先在该驾驶员的若干驾驶习惯操作中查找是否存在更加省电的操作,若不存在,再在其他驾驶员的若干驾驶习惯操作中查找对应的更加省电的操作。将查找到的操作对应能节省的时间与进行优化后该新能源公交行驶到理想里程数的时间进行对比,能节省的时间远远超过进行优化后该新能源公交行驶到理想里程数的时间的操作对应的驾驶信息作为优化驾驶信息。将优化驾驶信息对应的操作与该驾驶员的驾驶习惯操作进行对比,得到驾驶过程中发生不同的操作,对应生成优化提示发送给驾驶员配置的设备进行播放和对应新能源公交上的显示设备进行显示。
在一些实现方式中,当驾驶员的优化驾驶反馈信号为同意进行优化驾驶信号时,可以将优化提示按照操作优化的具体时间生成提示方案。在该驾驶员需要进行优化的驾驶习惯操作出现之前进行优化操作的播报。
本实施例可以在理想里程数大于实际里程数时,表示当前驾驶习惯操作可能无法完成任务。若驾驶员的驾驶习惯操作可以进行优化,可以生成优化驾驶信息,若驾驶员的优化驾驶反馈信号显示可以优化,则能够尽量避免中途回场的情况,避免降低乘车对象的乘车体验感。
在一些实施例中,上述的优化驾驶反馈信号可以包括拒绝优化返场信号。可以在驾驶员的优化驾驶反馈信号为拒绝优化返场信号且新能源公交上存在乘车对象时,确定该新能源公交的安全行驶里程数,然后确定最佳可停靠站点对应的里程数最少的目标行驶路线,显示给对应驾驶员。具体的,若驾驶员的优化驾驶反馈信号为拒绝优化返场信号且新能源公交上存在乘车对象,则根据新能源公交的当前电量、新能源公交场站的位置信息和返场电量阈值,确定新能源公交的安全行驶里程数,返场电量阈值用于表征新能源公交抵达新能源公交场站的最低电量;根据安全行驶里程数,确定新能源公交的若干安全行驶路线;获取若干安全行驶路线上的可停靠站点及对应的站点位置信息;根据新能源公交的定位信息和可停靠站点的站点位置信息,获取最佳可停靠站点;从最佳可停靠站点对应的若干安全行驶路线中,确定里程数最少的安全行驶路线,并将里程数最少的安全行驶路线显示给驾驶员。
拒绝优化返场信号可以为拒绝优化并进行返场充电的信号。返场电量阈值可以用于表征达新能源公交场站时的最低电量,可以预先进行设置,例如,在冬天电量到达30%以下可能有断电的风险,因此可以将返场电量阈值设置为满电量的30%。安全行驶里程数可以是电量下降到返场电量阈值的时段内可行驶的里程数。安全行驶路线可以用于表示新能源公交行驶时,能满足安全行驶里程数的要求,不会断电的路线。可停靠站点可以包括公交站点。最佳可停靠站点可以是距离新能源公交的位置最近的站点。新能源公交行驶到最佳可停靠站点的路线也可能包括很多,因此并不能将包含最佳可停靠站点的安全行驶路线直接发送给驾驶员。
具体的,当驾驶员的优化驾驶反馈信号为拒绝优化返场信号且新能源公交上存在乘车对象时,可以根据新能源公交的当前电量、新能源公交场站的位置信息和返场电量阈值来确定电量降低到返场电量阈值前还能移动的安全行驶里程数。然后充电预测平台可以查找里程数小于等于安全行驶里程数的若干安全行驶路线,并且获取每一条安全行驶路线上的可停靠站点以及对应的站点位置信息。根据当前新能源公交的定位信息对应的位置和可停靠站点的站点位置信息对应的位置,得到每一个可停靠站点与新能源公交的位置的距离,然后将距离最短的可停靠站点作为最佳可停靠站点。分析最佳可停靠站点对应的若干安全行驶路线中哪一条里程数最少,将最少的安全行驶路线显示给驾驶员。
需要说明的是,这里的里程数最少指的是新能源公交到最佳可停靠站点到新能源公交场站三个位置对应的路线的里程数。
本实施例可以在驾驶员的优化驾驶反馈信号为拒绝优化返场信号且新能源公交上存在乘车对象时,确定新能源公交的安全行驶里程数。基于此确定若干安全行驶路线,再根据每一条安全行驶路线上的可停靠站点与新能源公交位置的距离得到返场时的行驶路线,避免驾驶员为了将乘车对象放置到方便乘车的区域而导致在返场路上断电。
在一些实施例中,上述的优化驾驶信息可以包括优化驾驶习惯操作和辅助驾驶信息。可以基于预设驾驶习惯等级对可选优化习惯进行筛选,得到目标优化习惯。然后以目标优化习惯为标签,在若干驾驶习惯操作中获取对应的优化驾驶习惯操作。同时可以结合预设辅助设备优先级确定辅助驾驶信息,与优化驾驶习惯操作一起违优化驾驶信息。具体的,分析若干驾驶习惯操作,得到对应的驾驶员的可选优化习惯;基于预设驾驶习惯等级,从可选优化习惯中确定目标优化习惯;以目标优化习惯为标签,在若干驾驶习惯操作中获取对应的优化驾驶习惯操作;根据当前电量、当前天气信息和预设辅助设备优先级,确定对应的辅助驾驶信息;根据优化驾驶习惯操作和辅助驾驶信息,生成驾驶员对应的优化驾驶信息。
预设驾驶习惯等级可以表示驾驶习惯操作的易改变程度,例如起步速度、刹车速度容易被调整,对应的驾驶习惯等级较低。在进行目标优化习惯的选择时,优先选择驾驶习惯等级较低的习惯,较为顽固的习惯可以作为备选。预设辅助设备优先级可以用于表示辅助设备在新能源汽车行驶过程中的重要程度。例如在盛夏时节,空调的开启时非常必要的,此时空调的优先级较高,此时除霜机等用于冬日的设备就可以的优先级最低,同时像是电子线路牌、导乘牌、多媒体系统等没有使用时间限制的辅助设备的优先级可以排在有使用时间限制的辅助设备的优先级之前。具体的预设辅助设备优先级可以根据实际的工作时间进行调整。
具体的,可以在驾驶习惯操作中确定出更省电的操作作为可选优化习惯,根据预设驾驶习惯等级,将可选优化习惯中易于优化的习惯作为目标优化习惯。以该目标优化习惯为标签,在若干驾驶习惯操作中查找包含该目标优化习惯的操作,作为优化驾驶习惯操作。然后可以根据当前天气信息,确定对应的有使用时间限制的辅助设备,然后按照预设辅助设备优先级从低到高确定没有使用时间限制的辅助设备,生成对应的辅助驾驶信息。然后将优化驾驶习惯操作和辅助驾驶信息进行整合,生成驾驶员对应的优化驾驶信息。
本实施例可以根据预设驾驶习惯等级确定出目标优化习惯,进而获取的优化驾驶习惯操作更加全面。然后可以结合当前电量、当前天气信息和预设辅助设备优先级,得到的辅助驾驶信息,在不影响正常行驶的基础上关闭不必要的辅助设备,节省电量。
图4为本申请一实施例提供的一种新能源公交充电情况预测装置的结构示意图,如图4所示的,本实施例的新能源公交充电情况预测装置400包括:当前电量确定模块401、历史集成驾驶数据确定模块402、驾驶习惯操作确定模块403、历史电量损耗信息获取模块404、电量损耗矩阵数据确定模块405、损耗电量生成模块406、实际里程数确定模块407和返场充电确定模块408。
当前电量确定模块401,用于获取若干新能源公交各自对应的公交编号,并根据若干公交编号,确定各自对应的任务信息和各自对应的当前电量,任务信息携带有对应的驾驶员信息、当前任务路线和对应的目标任务地点;
历史集成驾驶数据确定模块402,用于根据每一新能源公交的驾驶员信息,获取对应的每一驾驶员对应的历史驾驶数据,并对历史驾驶数据进行预处理,得到历史集成驾驶数据,历史驾驶数据包括若干历史任务信息、历史驾驶员操作方式,历史任务信息包括对应的历史任务、对应的历史任务路线、对应的历史路况信息和对应的历史天气信息;
驾驶习惯操作确定模块403,用于根据历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到每一驾驶员执行每一历史任务对应的驾驶习惯操作;
历史电量损耗信息获取模块404,用于获取预设历史时段的历史电量损耗信息,历史电量损耗信息为不同驾驶习惯操作在不同任务信息中,任务信息对应的新能源公交的电量损耗信息;
电量损耗矩阵数据确定模块405,用于对历史电量损耗信息进行分析,确定历史电量损耗信息中不同驾驶习惯操作与对应的不同任务信息的驾驶任务组合数量以及驾驶任务组合数量中每个驾驶任务组合对应的时间序列长度,并基于时间序列长度以及驾驶任务组合数量对历史电量损耗信息进行无监督时间序列数据整理,得到电量损耗矩阵数据;
损耗电量生成模块406,用于对电量损耗矩阵数据进行数据处理,根据处理结果生成驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量;
实际里程数确定模块407,用于分析若干新能源公交各自对应的任务信息得到各自对应的驾驶任务组合,并根据每一新能源公交的当前电量、对应的驾驶任务组合、对应的当前任务路线和新能源公交的定位信息,确定每一新能源公交的实际里程数;
返场充电确定模块408,用于根据每一新能源公交的实际里程数、对应的目标任务地点、对应的定位信息和新能源公交场站的位置信息,确定每一新能源公交是否返场进行充电。
可选的,驾驶习惯操作确定模块403具体用于:
根据每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,确定若干驾驶需求;
根据每一驾驶需求,对历史集成驾驶数据进行分类,得到若干组以驾驶需求为标签的历史分类驾驶数据;
分析每一驾驶需求对应的若干组历史分类驾驶数据,得到驾驶员执行每一历史任务对应的驾驶习惯操作,驾驶习惯操作为次数最多的历史驾驶员操作方式对应的操作。
可选的,新能源公交充电情况预测装置400还包括实际损耗电量更新模块409,用于:
根据驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量,确定若干新能源公交各自对应的损耗电量;
获取当前天气信息,根据当前天气信息确定任务信息对应的辅助耗电装置;
实时检测每一新能源公交的行驶状态,行驶状态包括减速行驶状态;
当任一新能源公交的行驶状态为减速行驶状态时,获取对应的回收电量;
根据回收电量和辅助耗电装置,更新对应的新能源公交的损耗电量,得到实际损耗电量。
可选的,实际里程数确定模块407具体用于:
获取每一新能源公交的定位信息对应的当前任务路况信息;
根据每一新能源公交的当前电量和每一新能源公交对应的实际损耗电量,确定实际任务电量;
根据当前天气信息和当前任务路况信息,预测每一新能源公交的行驶速度分布数据;
根据行驶速度分布数据和实际任务电量,确定每一新能源公交的实际里程数。
可选的,返场充电确定模块408具体用于:
分析每一新能源公交的目标任务地点、对应的定位信息和新能源公交场站的位置信息,得到每一新能源公交的理想里程数;
若每一新能源公交的理想里程数大于对应的实际里程数,则生成对应的驾驶员的优化驾驶信息,并根据优化驾驶信息生成优化提示发送给对应的驾驶员;
接收驾驶员的优化驾驶反馈信号,根据优化驾驶反馈信号确定新能源公交是否返场进行充电。
可选的,优化驾驶反馈信号包括拒绝优化返场信号;新能源公交充电情况预测装置400还包括安全行驶路线确定模块410,用于:
若驾驶员的优化驾驶反馈信号为拒绝优化返场信号且新能源公交上存在乘车对象,则根据新能源公交的当前电量、新能源公交场站的位置信息和返场电量阈值,确定新能源公交的安全行驶里程数,返场电量阈值用于表征新能源公交抵达新能源公交场站的最低电量;
根据安全行驶里程数,确定新能源公交的若干安全行驶路线;
获取若干安全行驶路线上的可停靠站点及对应的站点位置信息;
根据新能源公交的定位信息和可停靠站点的站点位置信息,获取最佳可停靠站点;
从最佳可停靠站点对应的若干安全行驶路线中,确定里程数最少的安全行驶路线,并将里程数最少的安全行驶路线显示给驾驶员。
可选的,优化驾驶信息包括优化驾驶习惯操作和辅助驾驶信息;返场充电确定模块408具体用于:
分析若干驾驶习惯操作,得到对应的驾驶员的可选优化习惯;
基于预设驾驶习惯等级,从可选优化习惯中确定目标优化习惯;
以目标优化习惯为标签,在若干驾驶习惯操作中获取对应的优化驾驶习惯操作;
根据当前电量、当前天气信息和预设辅助设备优先级,确定对应的辅助驾驶信息;
根据优化驾驶习惯操作和辅助驾驶信息,生成驾驶员对应的优化驾驶信息。
本实施例的装置,可以用于执行上述任一实施例的方法,其实现原理和技术效果类似,此处不再赘述。
图5为本申请一实施例提供的一种电子设备的结构示意图,如图5所示,本实施例的电子设备500可以包括:存储器501和处理器502。
存储器501上存储有能够被处理器502加载并执行上述实施例中方法的计算机程序。
其中,处理器502和存储器501相连,如通过总线相连。
可选地,电子设备500还可以包括收发器。需要说明的是,实际应用中收发器不限于一个,该电子设备500的结构并不构成对本申请实施例的限定。
处理器502可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器502也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线可包括一通路,在上述组件之间传送信息。总线可以是PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器501可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器501用于存储执行本申请方案的应用程序代码,并由处理器502来控制执行。处理器502用于执行存储器501中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图5示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本实施例的电子设备,可以用于执行上述任一实施例的方法,其实现原理和技术效果类似,此处不再赘述。
本申请还提供一种计算机可读存储介质,存储有能够被处理器加载并执行如上实施例中的方法的计算机程序。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种新能源公交充电情况预测方法,其特征在于,包括:
获取若干新能源公交各自对应的公交编号,并根据若干公交编号,确定各自对应的任务信息和各自对应的当前电量,所述任务信息携带有对应的驾驶员信息、当前任务路线和对应的目标任务地点;
根据每一新能源公交的驾驶员信息,获取对应的每一驾驶员对应的历史驾驶数据,并对所述历史驾驶数据进行预处理,得到历史集成驾驶数据,所述历史驾驶数据包括若干历史任务信息、历史驾驶员操作方式,历史任务信息包括对应的历史任务、对应的历史任务路线、对应的历史路况信息和对应的历史天气信息;
根据所述历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到所述每一驾驶员执行每一历史任务对应的驾驶习惯操作;
获取预设历史时段的历史电量损耗信息,所述历史电量损耗信息为不同驾驶习惯操作在不同任务信息中,所述任务信息对应的新能源公交的电量损耗信息;
对所述历史电量损耗信息进行分析,确定所述历史电量损耗信息中不同驾驶习惯操作与对应的不同任务信息的驾驶任务组合数量以及所述驾驶任务组合数量中每个驾驶任务组合对应的时间序列长度,并基于所述时间序列长度以及所述驾驶任务组合数量对所述历史电量损耗信息进行无监督时间序列数据整理,得到电量损耗矩阵数据;
对所述电量损耗矩阵数据进行数据处理,根据处理结果生成所述驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量;
分析若干新能源公交各自对应的任务信息得到各自对应的驾驶任务组合,并根据所述每一新能源公交的当前电量、对应的驾驶任务组合、对应的所述当前任务路线和所述新能源公交的定位信息,确定所述每一新能源公交的实际里程数;
根据所述每一新能源公交的实际里程数、对应的所述目标任务地点、对应的所述定位信息和新能源公交场站的位置信息,确定所述每一新能源公交是否返场进行充电。
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到所述每一驾驶员执行每一历史任务对应的驾驶习惯操作,包括:
根据每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,确定若干驾驶需求;
根据每一驾驶需求,对所述历史集成驾驶数据进行分类,得到若干组以驾驶需求为标签的历史分类驾驶数据;
分析每一驾驶需求对应的若干组历史分类驾驶数据,得到所述驾驶员执行每一历史任务对应的驾驶习惯操作,所述驾驶习惯操作为次数最多的历史驾驶员操作方式对应的操作。
3.根据权利要求1所述的方法,其特征在于,还包括:
根据所述驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量,确定所述若干新能源公交各自对应的损耗电量;
获取当前天气信息,根据所述当前天气信息确定所述任务信息对应的辅助耗电装置;
实时检测所述每一新能源公交的行驶状态,所述行驶状态包括减速行驶状态;
当任一新能源公交的行驶状态为减速行驶状态时,获取对应的回收电量;
根据所述回收电量和所述辅助耗电装置,更新对应的新能源公交的损耗电量,得到实际损耗电量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述每一新能源公交的当前电量、对应的驾驶任务组合、对应的所述当前任务路线和所述新能源公交的定位信息,确定所述每一新能源公交的实际里程数,包括:
获取每一新能源公交的定位信息对应的当前任务路况信息;
根据所述每一新能源公交的当前电量和每一新能源公交对应的实际损耗电量,确定实际任务电量;
根据所述当前天气信息和所述当前任务路况信息,预测所述每一新能源公交的行驶速度分布数据;
根据所述行驶速度分布数据和所述实际任务电量,确定所述每一新能源公交的实际里程数。
5.根据权利要求3所述的方法,其特征在于,所述根据所述每一新能源公交的实际里程数、对应的所述目标任务地点、对应的所述定位信息和新能源公交场站的位置信息,确定所述每一新能源公交是否返场进行充电,包括:
分析所述每一新能源公交的目标任务地点、对应的所述定位信息和新能源公交场站的位置信息,得到所述每一新能源公交的理想里程数;
若所述每一新能源公交的理想里程数大于对应的实际里程数,则生成对应的驾驶员的优化驾驶信息,并根据所述优化驾驶信息生成优化提示发送给对应的驾驶员;
接收所述驾驶员的优化驾驶反馈信号,根据所述优化驾驶反馈信号确定所述新能源公交是否返场进行充电。
6.根据权利要求5所述的方法,其特征在于,所述优化驾驶反馈信号包括拒绝优化返场信号;所述方法还包括:
若所述驾驶员的优化驾驶反馈信号为拒绝优化返场信号且所述新能源公交上存在乘车对象,则根据所述新能源公交的当前电量、所述新能源公交场站的位置信息和返场电量阈值,确定所述新能源公交的安全行驶里程数,所述返场电量阈值用于表征所述新能源公交抵达所述新能源公交场站的最低电量;
根据所述安全行驶里程数,确定所述新能源公交的若干安全行驶路线;
获取所述若干安全行驶路线上的可停靠站点及对应的站点位置信息;
根据所述新能源公交的定位信息和所述可停靠站点的站点位置信息,获取最佳可停靠站点;
从所述最佳可停靠站点对应的若干安全行驶路线中,确定里程数最少的安全行驶路线,并将所述里程数最少的安全行驶路线显示给所述驾驶员。
7.根据权利要求5或6所述的方法,其特征在于,所述优化驾驶信息包括优化驾驶习惯操作和辅助驾驶信息;所述生成对应的驾驶员的优化驾驶信息,包括:
分析若干驾驶习惯操作,得到对应的驾驶员的可选优化习惯;
基于预设驾驶习惯等级,从所述可选优化习惯中确定目标优化习惯;
以所述目标优化习惯为标签,在若干驾驶习惯操作中获取对应的优化驾驶习惯操作;
根据所述当前电量、所述当前天气信息和预设辅助设备优先级,确定对应的辅助驾驶信息;
根据所述优化驾驶习惯操作和所述辅助驾驶信息,生成所述驾驶员对应的优化驾驶信息。
8.一种新能源公交充电情况预测装置,其特征在于,包括:
当前电量确定模块,用于获取若干新能源公交各自对应的公交编号,并根据若干公交编号,确定各自对应的任务信息和各自对应的当前电量,所述任务信息携带有对应的驾驶员信息、当前任务路线和对应的目标任务地点;
历史集成驾驶数据确定模块,用于根据每一新能源公交的驾驶员信息,获取对应的每一驾驶员对应的历史驾驶数据,并对所述历史驾驶数据进行预处理,得到历史集成驾驶数据,所述历史驾驶数据包括若干历史任务信息、历史驾驶员操作方式,历史任务信息包括对应的历史任务、对应的历史任务路线、对应的历史路况信息和对应的历史天气信息;
驾驶习惯操作确定模块,用于根据所述历史集成驾驶数据、每一驾驶员的每一历史任务对应的历史任务路线、对应的历史路况信息和对应的历史天气信息,得到所述每一驾驶员执行每一历史任务对应的驾驶习惯操作;
历史电量损耗信息获取模块,用于获取预设历史时段的历史电量损耗信息,所述历史电量损耗信息为不同驾驶习惯操作在不同任务信息中,所述任务信息对应的新能源公交的电量损耗信息;
电量损耗矩阵数据确定模块,用于对所述历史电量损耗信息进行分析,确定所述历史电量损耗信息中不同驾驶习惯操作与对应的不同任务信息的驾驶任务组合数量以及所述驾驶任务组合数量中每个驾驶任务组合对应的时间序列长度,并基于所述时间序列长度以及所述驾驶任务组合数量对所述历史电量损耗信息进行无监督时间序列数据整理,得到电量损耗矩阵数据;
损耗电量生成模块,用于对所述电量损耗矩阵数据进行数据处理,根据处理结果生成所述驾驶任务组合数量中每个驾驶任务组合在未来预设时间段内的损耗电量;
实际里程数确定模块,用于分析若干新能源公交各自对应的任务信息得到各自对应的驾驶任务组合,并根据所述每一新能源公交的当前电量、对应的驾驶任务组合、对应的所述当前任务路线和所述新能源公交的定位信息,确定所述每一新能源公交的实际里程数;
返场充电确定模块,用于根据所述每一新能源公交的实际里程数、对应的所述目标任务地点、对应的所述定位信息和新能源公交场站的位置信息,确定所述每一新能源公交是否返场进行充电。
9.一种电子设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序指令;
所述处理器,用于调用并执行所述存储器中的程序指令,执行如权利要求1-7任一项所述的新能源公交充电情况预测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序;所述计算机程序被处理器执行时,实现如权利要求1-7任一项所述的新能源公交充电情况预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310652480.9A CN116992998B (zh) | 2023-06-03 | 2023-06-03 | 新能源公交充电情况预测方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310652480.9A CN116992998B (zh) | 2023-06-03 | 2023-06-03 | 新能源公交充电情况预测方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116992998A true CN116992998A (zh) | 2023-11-03 |
CN116992998B CN116992998B (zh) | 2024-03-26 |
Family
ID=88527267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310652480.9A Active CN116992998B (zh) | 2023-06-03 | 2023-06-03 | 新能源公交充电情况预测方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116992998B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180145514A1 (en) * | 2016-11-21 | 2018-05-24 | Microsoft Technology Licensing, Llc | Predictive battery charge and discharge analysis |
CN110414728A (zh) * | 2019-07-19 | 2019-11-05 | 上海博泰悦臻网络技术服务有限公司 | 新能源车辆的电量消耗预测方法、系统、及电子设备 |
CN111832881A (zh) * | 2020-04-30 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 基于路况信息预测电动车能耗的方法、介质和电子设备 |
CN114771502A (zh) * | 2022-06-02 | 2022-07-22 | 浙江吉利控股集团有限公司 | 能耗优化方法、装置、设备、存储介质以及系统 |
CN115366686A (zh) * | 2022-09-27 | 2022-11-22 | 上汽通用五菱汽车股份有限公司 | 一种车辆电量预警方法、装置、设备以及存储介质 |
-
2023
- 2023-06-03 CN CN202310652480.9A patent/CN116992998B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180145514A1 (en) * | 2016-11-21 | 2018-05-24 | Microsoft Technology Licensing, Llc | Predictive battery charge and discharge analysis |
CN110414728A (zh) * | 2019-07-19 | 2019-11-05 | 上海博泰悦臻网络技术服务有限公司 | 新能源车辆的电量消耗预测方法、系统、及电子设备 |
CN111832881A (zh) * | 2020-04-30 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 基于路况信息预测电动车能耗的方法、介质和电子设备 |
CN114771502A (zh) * | 2022-06-02 | 2022-07-22 | 浙江吉利控股集团有限公司 | 能耗优化方法、装置、设备、存储介质以及系统 |
CN115366686A (zh) * | 2022-09-27 | 2022-11-22 | 上汽通用五菱汽车股份有限公司 | 一种车辆电量预警方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116992998B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288096B (zh) | 预测模型训练及预测方法、装置、电子设备、存储介质 | |
CN109801491B (zh) | 基于风险评估的智能导航方法、装置、设备及存储介质 | |
US20180370537A1 (en) | System providing remaining driving information of vehicle based on user behavior and method thereof | |
Chen et al. | Driver’s eco-driving behavior evaluation modeling based on driving events | |
US9090255B2 (en) | Hybrid vehicle fuel efficiency using inverse reinforcement learning | |
CN107784587A (zh) | 一种驾驶行为评价系统 | |
JP2021503106A (ja) | 交差点における対象道路設備の有無を確定する方法及びシステム | |
CN103471605A (zh) | 使用荷电态消耗比识别环保路线的方法 | |
CN109552338A (zh) | 一种纯电动汽车生态驾驶行为评估方法及系统 | |
CN106097709A (zh) | 基于智能车载终端的驾驶行为识别方法 | |
US20210107495A1 (en) | Methods and systems for determining users' driving habits and pushing service information | |
DE112014000857B4 (de) | Verlangsamungsendortspeichersystem, Fahrassistenzsystem, Fahrassistenzverfahren und Computerprogramm | |
CN111397616A (zh) | 候选充电桩确定方法、装置、设备和介质 | |
CN112883645A (zh) | 单体电池电压不一致故障预测方法、装置及服务器 | |
CN112509317B (zh) | 基于机器学习算法的公交实时到站预测方法、装置和设备 | |
CN106323331A (zh) | 预测车辆行驶里程的方法及装置 | |
CN108573600A (zh) | 一种驾驶员行为诱导与局部交通流优化方法 | |
CN116992998B (zh) | 新能源公交充电情况预测方法、装置、电子设备及介质 | |
CN112849144B (zh) | 车辆控制方法、装置及存储介质 | |
CN113537615B (zh) | 一种充电车辆的预测方法、装置及电子设备 | |
CN114664085A (zh) | 危险路段的提醒方法、装置、电子设备及介质 | |
CN114248781B (zh) | 车辆工况的预测方法、装置及车辆 | |
Ma et al. | Eco-driving Intelligent Systems and Algorithms: A Patent Review | |
Wang et al. | Driver modeling based on vehicular sensing data | |
Yang et al. | Automatic Generation Analysis Method of Automobile Chassis Electronic Control System Based on NLP-intelligent Control Condition |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |