CN117227581A - 一种电动汽车充电提醒方法、装置、电子设备及存储介质 - Google Patents
一种电动汽车充电提醒方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117227581A CN117227581A CN202311267101.0A CN202311267101A CN117227581A CN 117227581 A CN117227581 A CN 117227581A CN 202311267101 A CN202311267101 A CN 202311267101A CN 117227581 A CN117227581 A CN 117227581A
- Authority
- CN
- China
- Prior art keywords
- charging
- user
- vehicle
- historical
- determining
- 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 54
- 230000006399 behavior Effects 0.000 claims description 124
- 238000012549 training Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电动汽车充电提醒方法、装置、电子设备及存储介质。该方法包括：根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯；根据车辆的当前电量信息、当前用户行为信息以及历史用户行为信息，确定车辆的当前车辆状态；若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒。采用本发明实施例的技术方案，使得对用户充电习惯的确定能够不再仅仅通过车辆的剩余电量以及充电时间进行判断，使得用户充电习惯的确定更为准确，使得在提醒用户需要对电动汽车进行充电时，更加符合用户自身的用户充电习惯，使得提醒的准确性更高，且更能满足不同用户的需求。
Description
技术领域
本发明涉及车辆控制技术领域，尤其涉及一种电动汽车充电提醒方法、装置、电子设备及存储介质。
背景技术
随着科技的高速发展，越来越多的人响应绿色环保的出行模式，而电动汽车作为其中最重要的一环，也受到非常大的重视。
但是与传统能源车辆相比，电动汽车电池组的电力容量有限，需要频繁充电，使得电动汽车在行驶过程中，经常需要寻找充电桩进行再次充电。寻找充电桩以及充电的过程，必然会产生额外时间和额外行驶路径。因此，急需一种能够根据用户自身充电习惯，及时提醒用户充电，并提供符合用户习惯的充电站的方法。
发明内容
本发明提供了一种电动汽车充电提醒方法、装置、电子设备及存储介质，以解决对用户进行充电提醒时，无法满足用户真实需求的问题。
根据本发明的一方面，提供了一种电动汽车充电提醒方法，该方法包括：
根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯；
根据车辆的当前电量信息、当前用户行为信息以及历史用户行为信息，确定车辆的当前车辆状态；
若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒。
根据本发明的另一方面，提供了一种电动汽车充电提醒装置，该装置包括：
充电行为确定模块，用于根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯；
车辆状态确定模块，用于根据车辆的当前电量信息、当前用户行为信息以及历史用户行为信息，确定车辆的当前车辆状态；
充电提醒模块，用于若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒。
根据本发明的另一方面，提供了一种电子设备，电子设备包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的电动汽车充电提醒方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的电动汽车充电提醒方法。
采用本发明实施例的技术方案，通过根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯，使得对用户充电习惯的确定能够不再仅仅通过车辆的剩余电量以及充电时间进行判断，而是综合考虑了用户自身的用户行为信息以及车辆的历史充电信息进行判断，从而使得用户充电习惯的确定更为准确。通过若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒，使得在提醒用户需要对电动汽车进行充电时，更加符合用户自身的用户充电习惯，使得提醒的准确性更高，且更能满足不同用户的需求。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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他的附图。
图1是根据本发明实施例一提供的一种电动汽车充电提醒方法的流程图；
图2是根据本发明实施例一提供的另一种电动汽车充电提醒方法的流程图；
图3是根据本发明实施例三提供的一种电动汽车充电提醒装置的结构示意图；
图4是实现本发明实施例的电动汽车充电提醒方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种电动汽车充电提醒方法的流程图，本实施例可适用于根据用户自身习惯，进行电动汽车充电提醒情况，该方法可以由电动汽车充电提醒装置来执行，该电动汽车充电提醒装置可以采用硬件和/或软件的形式实现，该电动汽车充电提醒装置可配置于具有数据处理能力的电子设备中。如图1所示，该方法包括：
S110、根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯。
历史充电信息可以是用户以往进行充电时，车辆的剩余电量、充电时间、充电过程的充电时长以及充电电量等。历史充电行为可以是用户以往对车辆进行充电的充电行为。历史用户行为信息可以是导致用户进行充电行为的行为。例如，用户每周六固定进行较长时间驾驶，因此每周五晚无论剩余电量多少，固定进行充电的行为。用户充电习惯可以是用户决定车辆应该进行充电的判断，例如电量低于50％，用户认定应该充电，或车辆历程超过200公里，用户认为应该进行充电等。
在用户使用电动汽车时，不同的用户对需要进行充电的判断条件不同，这也就导致了不同用户对车辆是否需要进行充电的判断存在一定的差异性。
因此需要利用车辆的历史充电信息与历史充电行为对应的历史用户行为信息，对用户何种情况下认为电动汽车需要进行充电进行确定，从而得到用户充电习惯。
通过根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯，使得对用户充电习惯的确定能够不再仅仅通过车辆的剩余电量以及充电时间进行判断，而是综合考虑了用户自身的用户行为信息以及车辆的历史充电信息进行判断，从而使得用户充电习惯的确定更为准确。
在一种可选方案中，根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯，可包括步骤A1-A4:
步骤A1、根据用户的历史充电信息，确定用户电量充电习惯。
步骤A2、根据历史用户行为信息，确定用户行为充电习惯。
步骤A3、根据历史充电信息，确定用户电量充电习惯与用户行为充电习惯的权重系数。
步骤A4、基于权重系数，根据用户电量充电习惯和用户行为充电习惯确定用户充电习惯。
用户电量充电习惯可以是用户对于电动汽车的剩余电量等信息，确定是否应该充电的习惯。用户行为充电习惯可以是用户对于以往充电对应的行为所判断是否应该对电动汽车进行充电的习惯。权重系数可以是用户电量充电习惯以及用户行为充电习惯对用户充电习惯的影响程度。
在确定历史充电信息后，可以通过历史充电信息确定出当电动汽车的剩余电量等处于何种情况时，用户将会进行充电的习惯，也就是用户电量充电习惯。
在确定历史用户行为信息后，可以通过历史用户行为信息确定出在用户进行了何种操作或将要进行何种操作前，需要对电动汽车进行充电的习惯，也就是用户行为充电习惯。
在确定了用户电量充电习惯与用户行为充电习惯后，可以根据历史充电信息，确定出用户电量充电习惯与用户行为充电习惯在每一次用户进行充电时，各自所占的权重系数。
根据各自所占的权重系数，可以对用户电量充电习惯和用户行为充电习惯进行处理，从而得到用户充电习惯。
可选的，示例性的，当确定了用户电量充电习惯的权重系数为0.5，用户行为充电习惯的权重系数也为0.5时，则用户充电习惯等于0.5*用户电量充电习惯+0.5*用户行为充电习惯。
S120、根据车辆的当前电量信息、当前用户行为信息以及历史用户行为信息，确定车辆的当前车辆状态。
当前电量信息可以是当前时刻电动汽车的剩余电量等信息。当前用户行为信息可以是用户当前对电动汽车的操作行为，包括但不限于驾驶、预热以及预冷等。
在确定了用户的用户充电习惯后，可以根据车辆的当前电量信息、当前用户行为信息以及历史用户行为信息，对电动汽车的当前车辆状态进行确定。
在一种可选方案中，根据车辆的当前电量信息、当前行为信息以及历史用户行为信息，确定车辆的当前车辆状态，可包括步骤B1-B2：
步骤B1、将当前电量信息、当前行为信息以及历史用户行为信息输入至预先训练的XGboost模型中。
步骤B2、通过预先训练的XGboost模型，确定当前车辆状态。
其中，预先训练的XGboost模型由车辆的历史充电信息与历史充电行为前的历史用户行为信息训练得到。
在得到当前电量信息、当前行为信息以及历史用户行为信息，可以通过神经网络模型对当前电量信息、当前行为信息以及历史用户行为信息进行运算，确定出车辆的当前车辆状态。
通过将当前电量信息、当前行为信息以及历史用户行为信息输入至预先训练的XGboost模型中，经由预先训练的XGboost模型对输入的数据进行运算，从而得到电动汽车的当前车辆状态。
在一种可选方案中，XGboost模型的训练过程，可包括步骤C1-C3：
步骤C1、根据历史充电信息与历史充电行为前的历史用户行为信息以及当前行为信息，确定第一训练数据集与第二训练数据集。
步骤C2、将第一训练数据集输入至第一XGboost模型中进行训练，得到第二XGboost模型。
步骤C3、根据第二训练数据集对第二XGboost模型进行矫正，得到XGboost模型。
第一训练数据集可以是用以对XGboost模型进行训练的数据。第二训练数据集可以是用以对训练后的XGboost模型进行矫正的数据。第一XGboost模型可以是未经训练的XGboost模型。第二XGboost模型可以是经过初次训练，但未经矫正的XGboost模型。
对于XGBoost模型的训练，需要将历史充电信息与历史充电行为前的历史用户行为信息以及当前行为信息进行划分，确定出用于进行模型训练的第一训练数据集，以及用于矫正模型计算结果的第二训练数据集。
将第一训练数据集输入至第一XGboost模型中，用以使得第一XGboost模型能够根据历史充电信息与历史充电行为前的历史用户行为信息以及当前行为信息，确定出车辆的当前车辆状态。
再将第二训练数据集输入值第二XGboost模型中，用以矫正第一XGboost模型计算结果的准确性，从而得到第二XGboost模型。
S130、若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒。
在确定了车辆的当前车辆状态与用户充电习惯后，可以判断当前车辆状态是否满足用户的用户充电习惯。
如果满足，则表明根据用户习惯，此时应该对电动汽车进行充电，因此将向用户发送电动汽车充电提示，用以提示用户需要对电动汽车进行充电。
通过若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒，使得在提醒用户需要对电动汽车进行充电时，更加符合用户自身的用户充电习惯，使得提醒的准确性更高，且更能满足不同用户的需求。
可选的，除了可以利用神经网络模型确定当前车辆状态外，还可以通过神经网络模型直接对车辆的状态进行判断，判断当前车辆是否满足用户的用户充电习惯，如果满足则直接向用户发出电动汽车充电提醒。
示例性的，将历史充电信息与历史充电行为前的历史用户行为信息进行合并映射，得到第一训练数据集与第二训练数据集。
其中，第一训练数据集T可表示为：
式中，X表示电动汽车对应的历史充电信息与历史充电行为前的历史用户行为信息。y表示当前车辆的当前车辆状态满足用户充电习惯，0表示不满足，1表示满足。
损失函数为平方误差损失函数(MSE)：
L(y,f(x))＝(y-f(x))2
得到提升树fM(x)
初始化f0(x)＝0；
对m＝1,2,3,...M.依次驯良第m个CART回归树
计算残差：rmi＝yi-fm-1(xi),i＝1,2,...N
拟合残差rmi学习一个回归树，得到
Rj为回归树在输入空间划分的J个区域j＝1,2,...,J,也就是叶子结点的个数。所以cj就表示每个结点也就是区域输出的常量。参数θm＝{(R1,c1).(R1,c2),...,(RJ,cJ)},表示树的区域划分和各个区域上的常数。
c：更新：fm＝fm-1+T(x；θm)
得到回归问题提升树:
此时输出的fM(x)，将直接表示为是否向用户发出电动汽车充电提醒。
采用本发明实施例的技术方案，通过根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯，使得对用户充电习惯的确定能够不再仅仅通过车辆的剩余电量以及充电时间进行判断，而是综合考虑了用户自身的用户行为信息以及车辆的历史充电信息进行判断，从而使得用户充电习惯的确定更为准确。通过若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒，使得在提醒用户需要对电动汽车进行充电时，更加符合用户自身的用户充电习惯，使得提醒的准确性更高，且更能满足不同用户的需求。
实施例二
图2为本发明实施例二提供的另一种电动汽车充电提醒方法的流程图，本实施例在上述实施例的基础上对前述实施例中若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒之后的过程进行进一步优化，本实施例可以与上述一个或多个实施例中各个可选方案进行结。如图2所示，该方法包括：
S210、根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯。
S220、根据车辆的当前电量信息、当前用户行为信息以及历史用户行为信息，确定车辆的当前车辆状态。
S230、若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒。
S240、根据车辆的历史充电信息，确定车辆的至少两个常用充电站。
常用充电站可以是用户在对电动汽车进行充电时，选取率最高的至少两个充电站。
在对用户发出电动汽车充电提醒后，可以通过历史充电信息，确定历史充电信息中所记录的每次充电时，用户所选择的充电站。并将各个充电站根据选取的次数进行排列，确定出至少两个充电站。
通过根据车辆的历史充电信息，确定车辆的至少两个常用充电站，使得确定出的充电站更加符合用户常用充电站，从而提高用户充电的便利程度。
可选的，在确定常用充电站后，还可根据各充电站的推送信息，确定电价最低的一个或较低的多个充电站进行推送。
S250、根据常用充电站的预测工作状态，确定充电站提示信息，并发送给用户。
预测工作状态可以是预测用户车辆抵达该常用充电站时，常用充电站的排队时间等信息。充电站提示信息可以是用以向用户进行充电站推荐的信息。
在确定了常用充电站后，可以根据常用充电站的预测工作状态，对各个常用充电站进行排序，确定出预测工作状态最好的常用充电站进行优先提示。
通过根据常用充电站的预测工作状态，确定充电站提示信息，并发送给用户，使得提示给用户的常用充电站能够更为迅速的为用户提供充电服务，从而减少用户的排队时间，提升用户的充电体验。
在一种可选方案中，常用充电站的预测工作状态，确定充电站提示信息之前，该方法还包括步骤D1-D3:
步骤D1、获取当前时刻的目标检测区域内其他车辆的当前车辆状态。
步骤D2、根据其他车辆的当前车辆状态，确定常用充电站的排队时间。
步骤D3、根据排队时间，确定常用充电站的预测工作状态。
目标检测区域可以是预先设定的，以用户的电动车辆为中心的区域。
在确定车辆的至少两个常用充电站之后，可以根据当前时刻目标检测区域其他车辆的当前车辆状态，判断出当前时刻需要进行充电的其他电动汽车，并确定其他充电汽车对应的常用充电站。
根据其他车辆的当前车辆状态，判断出用户的电动汽车抵达常用充电站时的排队长度，并依据排队长度确定排队时间，从而确定出常用充电站的预测工作状态。
在一种可选方案中，根据其他车辆的当前车辆状态，确定常用充电站的排队时间，可包括步骤E1-E4:
步骤E1、根据其他车辆的当前车辆状态与其他车辆的位置信息，确定其他车辆与常用充电站的第一距离。
步骤E2、根据车辆的位置信息，确定车辆到常用充电站的第二距离。
步骤E3、根据第一距离与第二距离，确定常用充电站的充电站排队数量。
步骤E4、根据充电站排队数量，确定常用充电站的排队时间。
第一距离可以是其他车辆距离用户常用充电站的距离。第二距离可以是用户车辆距离常用充电站的距离。
获取其他车辆的位置信息，并依据位置信息确定其他车辆到常用充电站的第一距离。获取用户车辆的位置信息，并根据用户车辆的位置信息，确定用户车辆距离常用充电站的第二距离。
在得到了第一距离与第二距离后，可以确定出其他车辆中比用户车辆更快抵达常用充电站的车辆数量，从而确定出充电站排队数量，进而确定出常用充电站的排队时间。
采用本申请实施例的技术方案，通过根据车辆的历史充电信息，确定车辆的至少两个常用充电站，使得确定出的充电站更加符合用户常用充电站，从而提高用户充电的便利程度。通过根据常用充电站的预测工作状态，确定充电站提示信息，并发送给用户，使得提示给用户的常用充电站能够更为迅速的为用户提供充电服务，从而减少用户的排队时间，提升用户的充电体验。
实施例三
图3为本发明实施例提供了一种电动汽车充电提醒装置的结构框图，本实施例可适用于根据用户自身习惯，进行电动汽车充电提醒的情形。该电动汽车充电提醒装置可以采用硬件和/或软件的形式实现，该电动汽车充电提醒装置可配置于具有数据处理能力的电子设备中。如图3所示，本实施例的电动汽车充电提醒装置，可包括：充电行为确定模块310、车辆状态确定模块320以及充电提醒模块330。其中：
充电行为确定模块310，用于根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯；
车辆状态确定模块320，用于根据车辆的当前电量信息、当前用户行为信息以及历史用户行为信息，确定车辆的当前车辆状态；
充电提醒模块330，用于若车辆的当前车辆状态满足用户充电习惯，则对用户发出电动汽车充电提醒。
在上述实施例的基础上，可选的，充电行为确定模块310，包括：
电量习惯确定单元，用于根据用户的历史充电信息，确定用户电量充电习惯；
行为习惯确定单元，用于根据历史用户行为信息，确定用户行为充电习惯；
权重系数确定单元，用于根据历史充电信息，确定用户电量充电习惯与用户行为充电习惯的权重系数；
用户习惯确定单元，用于基于权重系数，根据用户电量充电习惯和用户行为充电习惯确定用户充电习惯。
在上述实施例的基础上，可选的，充电行为确定模块310，包括：
模型输入单元，用于将当前电量信息、当前行为信息以及历史用户行为信息输入至预先训练的XGboost模型中；
模型运算单元，用于通过预先训练的XGboost模型，确定当前车辆状态；
其中，预先训练的XGboost模型由车辆的历史充电信息与历史充电行为前的历史用户行为信息训练得到。
在上述实施例的基础上，可选的，XGboost模型的训练过程，包括：
训练数据集确定子单元，用于根据历史充电信息与历史充电行为前的历史用户行为信息以及当前行为信息，确定第一训练数据集与第二训练数据集；
第二模型确定子单元，用于将第一训练数据集输入至第一XGboost模型中进行训练，得到第二XGboost模型；
模型矫正子单元，用于根据第二训练数据集对第二XGboost模型进行矫正，得到XGboost模型。
在上述实施例的基础上，可选的，充电提醒模块330之后，该装置还包括：
常用充电站确定模块，用于根据车辆的历史充电信息，确定车辆的至少两个常用充电站；
提示信息确定模块，用于根据常用充电站的预测工作状态，确定充电站提示信息，并发送给用户。
在上述实施例的基础上，可选的，在提示信息确定模块之前，该装置还包括：
其他车辆状态获取模块，用于获取当前时刻的目标检测区域内其他车辆的当前车辆状态；
排队时间确定模块，用于根据其他车辆的当前车辆状态，确定常用充电站的排队时间；
工作状态预测模块，用于根据排队时间，确定常用充电站的预测工作状态。
在上述实施例的基础上，可选的，排队时间确定模块，包括：
第一距离确定单元，用于根据其他车辆的当前车辆状态与其他车辆的位置信息，确定其他车辆与常用充电站的第一距离；
第二距离确定单元，用于根据车辆的位置信息，确定车辆到常用充电站的第二距离；
排队数量确定单元，用于根据第一距离与第二距离，确定常用充电站的充电站排队数量；
排队时间计算单元，用于根据充电站排队数量，确定常用充电站的排队时间。
本发明实施例所提供的电动汽车充电提醒装置可执行本发明任意实施例所提供的电动汽车充电提醒方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如电动汽车充电提醒方法。
在一些实施例中，电动汽车充电提醒方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的电动汽车充电提醒方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行电动汽车充电提醒方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种电动汽车充电提醒方法，其特征在于，包括：
根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯；
根据所述车辆的当前电量信息、当前用户行为信息以及所述历史用户行为信息，确定车辆的当前车辆状态；
若所述车辆的当前车辆状态满足所述用户充电习惯，则对用户发出电动汽车充电提醒。
2.根据权利要求1所述的方法，其特征在于，所述根据车辆的历史充电信息与历史充电行为前的历史用户行为信息，确定用户充电习惯，包括：
根据所述用户的所述历史充电信息，确定用户电量充电习惯；
根据所述历史用户行为信息，确定用户行为充电习惯；
根据所述历史充电信息，确定所述用户电量充电习惯与所述用户行为充电习惯的权重系数；
基于所述权重系数，根据所述用户电量充电习惯和所述用户行为充电习惯确定所述用户充电习惯。
3.根据权利要求1所述的方法，其特征在于，所述根据所述车辆的当前电量信息、当前行为信息以及所述历史用户行为信息，确定车辆的当前车辆状态，包括：
将所述当前电量信息、所述当前行为信息以及所述历史用户行为信息输入至预先训练的XGboost模型中；
通过所述预先训练的XGboost模型，确定所述当前车辆状态；
其中，所述预先训练的XGboost模型由所述车辆的所述历史充电信息与历史充电行为前的所述历史用户行为信息训练得到。
4.根据权利要求3所述的方法，其特征在于，所述XGboost模型的训练过程为：
根据所述历史充电信息与历史充电行为前的所述历史用户行为信息以及所述当前行为信息，确定第一训练数据集与第二训练数据集；
将第一训练数据集输入至第一XGboost模型中进行训练，得到第二XGboost模型；
根据第二训练数据集对所述第二XGboost模型进行矫正，得到所述XGboost模型。
5.根据权利要求1所述的方法，其特征在于，所述若所述车辆的所述当前车辆状态满足所述用户充电习惯，则修改所述车辆的所述当前车辆状态为预充电状态，并对用户发出电动汽车充电提醒之后，所述方法还包括：
根据所述车辆的所述历史充电信息，确定所述车辆的至少两个常用充电站；
根据所述常用充电站的预测工作状态，确定充电站提示信息，并发送给所述用户。
6.根据权利要求5所述的方法，其特征在于，根据所述常用充电站的预测工作状态，确定充电站提示信息之前，所述方法还包括：
获取当前时刻的目标检测区域内其他车辆的所述当前车辆状态；
根据所述其他车辆的所述当前车辆状态，确定所述常用充电站的排队时间；
根据所述排队时间，确定所述常用充电站的所述预测工作状态。
7.根据权利要求6所述的方法，其特征在于，所述根据所述其他车辆的所述当前车辆状态，确定所述常用充电站的排队时间，包括：
根据所述其他车辆的所述当前车辆状态与所述其他车辆的位置信息，确定所述其他车辆与所述常用充电站的第一距离；
根据所述车辆的位置信息，确定所述车辆到所述常用充电站的第二距离；
根据所述第一距离与所述第二距离，确定所述常用充电站的充电站排队数量；
根据所述充电站排队数量，确定所述常用充电站的排队时间。
8.一种电动汽车充电提醒装置，其特征在于，包括：
充电行为确定模块，用于根据车辆的历史充电信息与历史充电行为对应的历史用户行为信息，确定用户充电习惯；
车辆状态确定模块，用于根据所述车辆的当前电量信息、当前用户行为信息以及所述历史用户行为信息，确定车辆的当前车辆状态；
充电提醒模块，用于若所述车辆的当前车辆状态满足所述用户充电习惯，则对用户发出电动汽车充电提醒。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的电动汽车充电提醒方法。
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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的电动汽车充电提醒方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311267101.0A CN117227581A (zh) | 2023-09-27 | 2023-09-27 | 一种电动汽车充电提醒方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311267101.0A CN117227581A (zh) | 2023-09-27 | 2023-09-27 | 一种电动汽车充电提醒方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117227581A true CN117227581A (zh) | 2023-12-15 |
Family
ID=89090918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311267101.0A Pending CN117227581A (zh) | 2023-09-27 | 2023-09-27 | 一种电动汽车充电提醒方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117227581A (zh) |
-
2023
- 2023-09-27 CN CN202311267101.0A patent/CN117227581A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114581180B (zh) | 一种充电站推荐方法、充电桩状态的确定方法及装置 | |
| CN112819576B (zh) | 充电站推荐模型的训练方法、装置、及充电站的推荐方法 | |
| CN115221795A (zh) | 容量预测模型的训练方法、预测方法、装置、设备及介质 | |
| CN115796319B (zh) | 充电桩预约方法、装置、设备及计算机可读存储介质 | |
| EP3835906A1 (en) | Method and device for scheduling automated guided vehicle | |
| CN115293366B (zh) | 模型训练方法、信息预测方法、装置、设备及介质 | |
| CN112528160A (zh) | 智能推荐、模型训练方法、装置、电子设备及存储介质 | |
| CN112819215B (zh) | 推荐策略训练方法、装置、电子设备及可读存储介质 | |
| US20240169462A1 (en) | Online ride-hailing information processing method, device and computer storage medium | |
| CN111476389A (zh) | 一种预估接单等待时长的方法及装置 | |
| CN117227581A (zh) | 一种电动汽车充电提醒方法、装置、电子设备及存储介质 | |
| CN115952351A (zh) | 换电站推荐方法、装置、电子设备及存储介质 | |
| CN116311893A (zh) | 一种交通拥堵时间预测方法、装置、电子设备及存储介质 | |
| CN116359764A (zh) | 电池剩余充电时间计算方法、装置、电子设备及存储介质 | |
| CN115930987A (zh) | 一种充电站推荐方法、系统、设备和介质 | |
| CN115330556A (zh) | 充电站的信息调整模型的训练方法、装置及产品 | |
| CN115762503A (zh) | 车载语音系统、车载语音的自主学习方法、设备及介质 | |
| CN114964295A (zh) | 导航方法、装置、系统及电子设备 | |
| CN115495705A (zh) | 评价函数确定方法、装置、电子设备以及存储介质 | |
| JP7314822B2 (ja) | バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム | |
| CN117124923A (zh) | 样本的获取方法、模型训练以及预测方法 | |
| CN113689125A (zh) | 信息推送方法和装置 | |
| CN113590943A (zh) | 一种加油站推荐方法、系统、电子设备及介质 | |
| CN115907491A (zh) | 充电策略确定方法、装置、电子设备及存储介质 | |
| CN116662788B (zh) | 一种车辆轨迹处理方法、装置、设备和存储介质 |
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 |