CN112183888B - 一种基于链路预测的充电站推荐的方法、装置和*** - Google Patents
一种基于链路预测的充电站推荐的方法、装置和*** Download PDFInfo
- Publication number
- CN112183888B CN112183888B CN202011153272.7A CN202011153272A CN112183888B CN 112183888 B CN112183888 B CN 112183888B CN 202011153272 A CN202011153272 A CN 202011153272A CN 112183888 B CN112183888 B CN 112183888B
- Authority
- CN
- China
- Prior art keywords
- node
- charging station
- recommended
- recommendation
- position information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000029305 taxis Effects 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"
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于链路预测的充电站推荐的方法、装置和***。该方法以汽车和充电站为节点,计算出相遇数据,然后依据相遇数据找一个与目标汽车相遇的节点,依据该节点计算出与该节点相遇的节点集合,然后计算该节点集合中的节点与目标汽车之间的链路相似度,然后依据相似度的大小对该节点集合中的节点进行排序,最后依据排序后的节点所关联的充电站作为推荐充电站。相似度表示了目标电动汽车未来行程的可能性,由此推荐的充电站可能正好处于目标电动汽车未来行程的路径附近,从而便利了用户。
Description
技术领域
本发明涉及汽车的充电站推荐技术。
背景技术
汽车由于加速强劲,运行成本低并且绿色环保受到越来越多的车主青睐。但汽车存在一个充电问题。一方面,相比于基于油气的汽车,汽车充电时间太长,通常需要一至两个小时,而基于油气的汽车充一次油或气仅需要几分钟。另一方面,目前充电站的数量比加油站少很多。汽车电量不足时,很容易因为找不到合适的充电站充电而抛锚。目前,技术人员开发了很多种充电站推荐的方法:
专利文献CN 107133841A公开了一种充电桩站点推荐方法和装置;
专利文献CN 109767055A公开了一种充电站点评估推荐平台及其采用的评估推荐方法;
专利文献CN 110888908A公开了一种可持续深度学习的充电站/桩推荐***及方法;
专利文献CN 111428137A公开了一种汽车充电设施的推荐方法及推荐装置;
专利文献CN 111179506A公开了共享充电桩自助充电***及共享充电桩的推荐方法;
专利文献CN 111291920A公开了一种考虑多因素多场景的汽车充电站推荐方法;
专利文献CN 110667428A公开了一种基于实时定位数据的汽车充电站推荐方法;
专利文献CN 110489671A公开了一种基于编码器和解码器的道路充电桩推荐方法;
自2017年至当前的最近四年内技术人员开发了几百种充电站点的推荐技术。这些技术方案所采用的技术各不相同,所要解决的问题也各不相同。
发明内容
本发明所要解决的问题:汽车电量不足应急状态下为汽车推荐充电站点。
为解决上述问题,本发明采用的方案如下:
根据本发明的一种基于链路预测的充电站推荐的方法,该方法包括如下步骤:
S1:获取目标电动汽车、各充电站的位置信息和最近一段时间TK内的各汽车位置信息;
S2:根据所述各充电站的位置信息和所述最近一段时间TK内的各汽车的位置信息,计算出汽车和汽车的相遇时间以及汽车和充电站的相遇时间,得到相遇数据集;
S3:以汽车和充电站为节点,根据所述相遇数据集,找出一个与节点a的相遇的节点m,并取节点a和m的相遇时间tm;所述节点a表示为所述目标电动汽车;
S4:根据所述相遇数据集,找出所有与所述节点m相遇并且相遇时间早于tm的节点组成节点集B;其中,节点集B满足
S5:根据所述各充电站的位置信息和所述最近一段时间TK内的各汽车的位置信息,计算出节点a的邻居节点组成节点集合Γ(a),并计算出所述节点集B中各个节点的邻居节点组成相应的节点集合Γ(b),然后计算节点集合Γ(a)和节点集合Γ(b)的交集G(b)=Γ(a)∩Γ(b);
其中,Γ(b)是节点b的邻居节点集合,b∈B;
所述邻居节点是在所述最近一段时间TK内存在某个时刻,该时刻时根据位置信息计算的与目标节点的距离小于D的节点,D是预先设定的值;
S6:计算所述节点集B中各个节点与节点a之间的相似度;
其中,所述计算节点与节点a之间的相似度采用如下公式进行计算:
其中,
a表示为节点a,b表示为节点b,b∈B;
S(a,b)表示为节点a和b之间的相似度;
i表示为节点集合G(b)中的节点;
k(i)表示为节点i的度;
t表示为当前时间;
ti表示为节点a和节点i相遇的时间;
tb表示为节点i和节点b相遇的时间;
e表示为自然常数e;
log表示为以10为底的对数运算;
S7:根据相似度由大到小顺序对节点集B进行排序,得到排序后的节点序列U;
S8:根据所述节点序列U向所述目标电动汽车推荐充电站。
进一步,根据本发明的基于链路预测的充电站推荐的方法,
所述步骤S3中,还包括根据所述相遇数据集,找出与节点a的最近相遇的充电站节点p;
所述步骤S8中,根据从所述节点序列U中选择排在最前面的、且不为节点p的充电站节点z作为向所述目标电动汽车推荐的充电站;所述充电站节点是节点类型为充电站的节点。
进一步,根据本发明的基于链路预测的充电站推荐的方法,
所述步骤S3中,还包括根据所述相遇数据集,找出与节点a的最近相遇的充电站节点p;
所述步骤S8包括如下步骤:
S81:从所述节点序列U中依次选取前k个节点,组成节点集合K={K1,K2,…,Kk};
S82:对所述节点集合K中每个节点Kj,j∈[1..k]做如下处理:
若节点Kj的节点类型为充电站,且节点Kj不为节点p,则将节点Kj加入至推荐充电站集合Z;
若节点Kj的节点类型为汽车,则根据取节点Kj默认推荐充电站节点zj,若节点zj不为节点p则将节点zj加入至推荐充电站集合Z;
所述节点Kj默认推荐充电站节点zj是根据各充电站的位置信息和最近一段时间TK内的各汽车位置信息,计算得到的与节点Kj距离最近的充电站zj;
向所述目标电动汽车推荐的充电站为推荐充电站集合Z。
进一步,根据本发明的基于链路预测的充电站推荐的方法,所述步骤S8还包括步骤:
S83:判断推荐充电站集合Z是否为空;若推荐充电站集合Z为空,则将节点p作为向所述目标电动汽车推荐的充电站。
进一步,根据本发明的基于链路预测的充电站推荐的方法,该方法涉及终端和远程服务器;所述终端设置于电动汽车上;所述终端通过移动网络连接所述远程服务器;所述方法还包括如下步骤:
所述终端实时向所述远程服务器发送充电站推荐请求;
所述远程服务器接收到充电站推荐请求后,以发送充电站推荐请求的电动汽车作为目标电动汽车根据所述步骤S1至S8计算出向所述目标电动汽车推荐的充电站;
所述远程服务器将所述向所述目标电动汽车推荐的充电站发送至所述终端;
所述终端接收到所述远程服务器所发送的推荐的充电站后向驾驶人提示推荐的充电站。
根据本发明的一种基于链路预测的充电站推荐的装置,该装置包括如下模块:
M1,用于:获取目标电动汽车、各充电站的位置信息和最近一段时间TK内的各汽车位置信息;
M2,用于:根据所述各充电站的位置信息和所述最近一段时间TK内的各汽车的位置信息,计算出汽车和汽车的相遇时间以及汽车和充电站的相遇时间,得到相遇数据集;
M3,用于:以汽车和充电站为节点,根据所述相遇数据集,找出一个与节点a的相遇的节点m,并取节点a和m的相遇时间tm;所述节点a表示为所述目标电动汽车;
M4,用于:根据所述相遇数据集,找出所有与所述节点m相遇并且相遇时间早于tm的节点组成节点集B;其中,节点集B满足
M5,用于:根据所述各充电站的位置信息和所述最近一段时间TK内的各汽车的位置信息,计算出节点a的邻居节点组成节点集合Γ(a),并计算出所述节点集B中各个节点的邻居节点组成相应的节点集合Γ(b),然后计算节点集合Γ(a)和节点集合Γ(b)的交集G(b)=Γ(a)∩Γ(b);
其中,Γ(b)是节点b的邻居节点集合,b∈B;
所述邻居节点是在所述最近一段时间TK内存在某个时刻,该时刻时根据位置信息计算的与目标节点的距离小于D的节点,D是预先设定的值;
M6,用于:计算所述节点集B中各个节点与节点a之间的相似度;
其中,所述计算节点与节点a之间的相似度采用如下公式进行计算:
其中,
a表示为节点a,b表示为节点b,b∈B;
S(a,b)表示为节点a和b之间的相似度;
i表示为节点集合G(b)中的节点;
k(i)表示为节点i的度;
t表示为当前时间;
ti表示为节点a和节点i相遇的时间;
tb表示为节点i和节点b相遇的时间;
e表示为自然常数e;
log表示为以10为底的对数运算;
M7,用于:根据相似度由大到小顺序对节点集B进行排序,得到排序后的节点序列U;
M8,用于:根据所述节点序列U向所述目标电动汽车推荐充电站。
进一步,根据本发明的基于链路预测的充电站推荐的装置,
所述模块M3中,还用于根据所述相遇数据集,找出与节点a的最近相遇的充电站节点p;
所述模块M8中,根据从所述节点序列U中选择排在最前面的、且不为节点p的充电站节点z作为向所述目标电动汽车推荐的充电站;所述充电站节点是节点类型为充电站的节点。
进一步,根据本发明的基于链路预测的充电站推荐的装置,
所述模块M3中,还包括根据所述相遇数据集,找出与节点a的最近相遇的充电站节点p;
所述模块M8包括如下模块:
M81,用于:从所述节点序列U中依次选取前k个节点,组成节点集合K={K1,K2,…,Kk};
M82,用于:对所述节点集合K中每个节点Kj,j∈[1..k]做如下处理:
若节点Kj的节点类型为充电站,且节点Kj不为节点p,则将节点Kj加入至推荐充电站集合Z;
若节点Kj的节点类型为汽车,则根据取节点Kj默认推荐充电站节点zj,若节点zj不为节点p则将节点zj加入至推荐充电站集合Z;
所述节点Kj默认推荐充电站节点zj是根据各充电站的位置信息和最近一段时间TK内的各汽车位置信息,计算得到的与节点Kj距离最近的充电站zj;
向所述目标电动汽车推荐的充电站为推荐充电站集合Z。
进一步,根据本发明的基于链路预测的充电站推荐的装置,所述模块M8还包括模块:
M83:判断推荐充电站集合Z是否为空;若推荐充电站集合Z为空,则将节点p作为向所述目标电动汽车推荐的充电站。
根据本发明的一种基于链路预测的充电站推荐的***,该***包括客户端和服务端;所述客户端配置于电动汽车上的终端;所述服务端配置于远程服务器;所述电动汽车上的终端通过移动网络连接所述远程服务器;
所述客户端包括推荐请求模块和推荐提示模块;
所述推荐请求模块用于:向所述远程服务器发送充电站推荐请求;
所述推荐提示模块用于:接收到所述远程服务器所发送的推荐的充电站后向驾驶人提示推荐的充电站;
所述服务端包括请求接收模块、推荐分析模块和推荐发送模块;
所述请求接收模块用于:接收到充电站推荐请求后,以发送充电站推荐请求的电动汽车作为目标电动汽车提交至所述推荐分析模块;
所述推荐分析模块为上述的基于链路预测的充电站推荐的装置;
所述推荐发送模块用于:将所述推荐分析模块得到的向所述目标电动汽车推荐的充电站发送至所述终端。
本发明的技术效果如下:
本发明充电站的推荐依赖于相似度,而相似度是依据相邻关系、相遇时间等链路参数计算得到,由此相似度表示了目标电动汽车未来行程的可能性,由此推荐的充电站可能正好处于目标电动汽车未来行程的路径附近,从而便利了用户。
附图说明
图1是本发明所涉及的汽车充电服务***的结构示意图。
图2是本发明基于链路预测的充电推荐***的结构示意图。
图3是本发明推荐分析模块的模块结构示意图。
其中,
100是终端,1是客户端,11是推荐请求模块,12是推荐提示模块;
200是远程服务器,2是服务端,21是请求接收模块,22是推荐发送模块,23是推荐分析模块;
800是移动网络,901是充电站,902是非电动汽车终端。
具体实施方式
下面结合附图对本发明做进一步详细说明。
本实施例涉及一种汽车充电服务***。如图1所示,该***包括配置于电动汽车上的终端100、配置于非电动汽车上的非电动汽车终端902设置在远端机房内的远程服务器200。终端100和非电动汽车终端902通过移动网络800连接远程服务器200该***为使得电动汽车能够在顺着其行驶的路径上就近找到充电站901。该***通过软件程序实现了一种基于链路预测的充电站推荐的***,如图2所示,该***包括配置于终端100的客户端1和配置于远程服务器200的服务端2。其中,客户端1包括推荐请求模块11和推荐提示模块12;服务端2包括请求接收模块21、推荐发送模块22以及推荐分析模块23。
终端100通过推荐请求模块11实时采集电动汽车上的电量,当电动汽车上的电量小于预先设定的阈值时,向远程服务器200发送充电站推荐请求。远程服务器200通过请求接收模块21接收充电站推荐请求,接收到充电站推荐请求后,以发送该充电站推荐请求的电动汽车作为目标电动汽车提交至推荐分析模块23进行分析。推荐分析模块23用于分析向目标电动汽车推荐的充电站,分析得到向目标电动汽车推荐的充电站后,将推荐的充电站传递至推荐发送模块22。远程服务器200最终通过推荐发送模块22将推荐的充电站发送至终端100。终端100通过推荐提示模块22接收推荐的充电站,接收到远程服务器200所发送的推荐的充电站后,向驾驶人提示推荐的充电站。向驾驶人提示推荐的充电站可以采用屏幕显示的方式,或者也可以采用语音提示的方式。
需要指出的强调指出的是,这里的终端100是配置于电动汽车上的,但不一定是固定设置在电动汽车上的。终端100也可能是电动汽车车内成员所持有的移动终端,比如智能手机、掌上电脑等。这里的车内成员不仅限于驾驶人,还可以是车内其他成员。此情形下,由于终端100无法实时采集电动汽车上的电量,显而易见地,终端100无法自主向远程服务器200发送充电站推荐请求。此时,通常由终端100的持有人通过终端100上的UI界面下达指令,然后终端100根据所接收的下达指令向远程服务器200发送充电站推荐请求。此时,“实时采集电动汽车上的电量,当电动汽车上的电量小于预先设定的阈值时”是由人工完成。终端100中“实时采集电动汽车上的电量,当电动汽车上的电量小于预先设定的阈值时”不是必要的。
推荐分析模块23也就是本发明所指的基于链路预测的充电站推荐的装置,如图3所示,分成模块M1~M8的8个模块。或者从计算步骤的角度,步骤S1~S8分成8个步骤。
首先是数据获取。获取的数据包括目标电动汽车、各充电站的位置信息和最近一段时间TK内的各汽车位置信息。这里的目标电动汽车是前述发出充电站推荐请求的电动汽车。时间段TK是预先设定的,可以是72小时,或者24小时不等。显而易见地,充电站的位置是固定的,因此,充电站的位置信息可以预先由人工输入而设定。这里的汽车是与远程服务器200相连的汽车,包括电动汽车和非电动汽车。比如在图1的示例中,非电动汽车终端902配置在非电动汽车上,非电动汽车终端902能够通过移动网络800向远程服务器200实时或定时传送该非电动汽车的位置信息。
考虑本发明实际的应用场景,比如出租车运营***。在出租车运营***中,每一台出租车上的终端能够实时或定时向远程服务器200传送位置信息,由此远程服务器200能够得到各汽车的最近一段时间TK内的各汽车位置信息。出租车可以是电动汽车,也可以是非电动汽车。
此外,需要指出的是,向远程服务器200传送位置信息的终端与向远程服务器200发送充电站推荐请求的终端可以是同一台设备,也可以不是同一台设备。若终端100是电动汽车车内成员所持有的移动终端时,远程服务器200可能无法得到终端100所处电动汽车的最近一段时间TK内的位置信息,此时,终端100需要向远程服务器200提供当前的位置信息,远程服务器200将该当前的位置信息作为该汽车的最近一段时间TK内的位置信息。此时,可以认为,该电动汽车在最近一段时间TK内未被驾驶,所以最近一段时间TK内任意时刻的位置相同。
然后是相遇分析。也就是,根据各充电站的位置信息和最近一段时间TK内的各汽车的位置信息,计算出汽车和汽车的相遇时间以及汽车和充电站的相遇时间,得到相遇数据集。相遇数据集是相遇数据的集合。相遇数据包括相遇的两个节点和相遇时间。这里的节点可以是汽车,也可以是充电站。也就是本发明以汽车和充电站作为节点。相遇的判断是最近一段时间TK内以时间序列判断出两个节点之间的距离由远到近或者由近到远的变化过程,并且在这变化过程中,两个节点之间的最近距离小于某个特定的阈值。该阈值可以是1000米或者500米。因此,这里的相遇并非是通常意义上的相遇。此种情形下,即便目标电动汽车在最近一段时间TK内未被驾驶,也可能存在相遇的汽车。
再然后是根据相遇数据集,找出一个与目标电动汽车的相遇的节点m,并取目标电动汽车和节点m的相遇时间tm。为表述简单起见,目标电动汽车定义为节点a。此外,也有可能找不到节点m。比如在最近一段时间TK内,目标电动汽车未被驾驶的情形。对于找不到节点m的情形,直接为目标电动汽车查找距离目标电动汽车最近的充电站或者几个较近的充电站作为推荐的充电站即可。
需要指出的是,根据相遇数据集,显而易见地,可能能够找出多个与目标电动汽车的相遇的节点。因此,这里就存在了如何从这么多相遇的节点中确定节点m的问题。本实施例中,优选选择最近相遇的节点作为节点m。
需要指出的是,这里的节点m可能是电动汽车,也可能是非电动汽车,也可能是充电站。为此,本实施例中,还找出与节点a的最近相遇的充电站节点p。这里的充电站节点是指节点类型为充电站的节点。充电站节点p可能与节点m是同一个,也可能不相同。
再然后是根据相遇数据集,找出所有与节点m相遇并且相遇时间早于tm的节点组成节点集B,并且,节点集B满足也就是,节点集B是节点的集合。节点集B中的节点不包括目标电动汽车。
再然后是相邻分析。也就是,根据各充电站的位置信息和最近一段时间TK内的各汽车的位置信息,计算出节点a的邻居节点组成节点集合Γ(a),并计算出节点集B中各个节点的邻居节点组成相应的节点集合Γ(b),然后计算节点集合Γ(a)和节点集合Γ(b)的交集G(b)=Γ(a)∩Γ(b)。其中,Γ(b)是节点b的邻居节点集合,b∈B。节点集B由多个节点,显而易见地,这里节点集合Γ(b)能够组成节点集合的集合,同样地,节点集合G(b)同样能够组成节点集合的集合。也就是本步骤的输出是节点集合G(b)的集合,该集合中的每个节点集合与节点集B中的节点对应。
这里的邻居节点是根据节点与节点之间的距离计算得到。由于最近一段时间TK内的汽车的位置信息能够组成一个汽车行驶轨迹。因此本发明中的邻居节点是邻居节点是在最近一段时间TK内存在某个时刻,该时刻时根据位置信息计算的与目标节点的距离小于D的节点。也就是最近一段时间TK内的某一时刻,两个节点之间距离小于D,这两个节点互为邻居关系,其中一个节点为另一节点的邻居节点。则这里的D是预先设定的值,可以设置为10000米或者3000米不等。
再然后是相似分析或者相似度计算,也就是,计算节点集B中各个节点与节点a之间的相似度。其中,计算节点与节点a之间的相似度采用如下公式进行计算:
其中,
a表示为节点a,b表示为节点b,b∈B;
S(a,b)表示为节点a和b之间的相似度;
i表示为节点集合G(b)中的节点;
k(i)表示为节点i的度;
t表示为当前时间;
ti表示为节点a和节点i相遇的时间;
tb表示为节点i和节点b相遇的时间;
e表示为自然常数e;
log表示为以10为底的对数运算。
上述公式中,节点集合G(b)是由相邻分析得到。
再然后是节点排序。也就是,根据相似度由大到小顺序对节点集B进行排序,得到排序后的节点序列U。
最后是推荐分析。根据节点序列U向目标电动汽车推荐充电站。具体而言,向目标电动汽车推荐充电站数量可以是多个,也可以是一个。多个的情形下,本实施例采用如下方法:
首先,从从节点序列U中依次选取前k个节点,组成节点集合K={K1,K2,…,Kk}。也就是前述步骤S81,或者模块M81。
然后,对节点集合K中每个节点Kj,j∈[1..k]按顺序依次做如下处理:
若节点Kj的节点类型为充电站,且节点Kj不为节点p,则将节点Kj加入至推荐充电站集合Z;若节点Kj的节点类型为汽车,则根据取节点Kj默认推荐充电站节点zj,若节点zj不为节点p则将节点zj加入至推荐充电站集合Z。这里的节点p前述找出节点m时同步找到的与节点a的最近相遇的充电站节点p。
节点Kj默认推荐充电站节点zj是根据各充电站的位置信息和最近一段时间TK内的各汽车位置信息,计算得到的与节点Kj距离最近的充电站zj。这里,距离节点Kj最近的充电站zj有很多种方法,比如以下列举的几种方法:
第一种是计算各充电站与节点Kj最近一段时间TK内行车轨迹的平均距离,然后选择平均距离最小的充电站作为距离节点Kj最近的充电站zj;
第二种是计算各充电站与节点Kj最近一段时间TK内行车轨迹的最短距离,然后根据最短距离最小的充电站作为距离节点Kj最近的充电站zj;
第三种是根据节点Kj当前位置按照地图导航至与各充电站之间的路径作为节点Kj与充电站之间的距离,并选择该距离最小的充电站作为距离节点Kj最近的充电站zj;
第四种是根据节点Kj当前位置按照地图导航至与各充电站所需耗费的行车时间作为节点Kj与充电站之间的距离,并选择该距离最小的充电站作为距离节点Kj最近的充电站zj。
上述过程也就是前述步骤S82,或者也是模块M82所实现的功能。
再然后是在上述过程后,判断推荐充电站集合Z是否为空;若推荐充电站集合Z为空,则将节点p作为向目标电动汽车推荐的充电站。该过程即为前述的步骤S83,也是模块M82所实现的功能。
上述推荐充电站集合Z也就是向目标电动汽车推荐的充电站。需要指出的是,上述推荐充电站集合Z生成过程中,由于是按顺序依次对节点集合K中每个节点Kj所做出的处理,因此,上述推荐充电站集合Z中的充电站集合实质上存在顺序之别,也就是,上述推荐充电站集合Z可以视为是充电站的推荐优先序列。而且该推荐优先序列与前述的相似度排序呈对应关系。
此外,根据节点序列U向目标电动汽车推荐充电站也可以仅推荐一个充电站。此种情形下,可以直接从节点序列U中选择排在最前面的、且不为节点p的充电站节点z作为向目标电动汽车推荐的充电站。若找不到上述的充电站节点z,还可以将节点p作为推荐的充电站。
此外,需要指出的是,本发明上述充电站推荐方法或者装置,在实际的应用中,还可以和其他推荐方法相结合。比如,最为简单的推荐方法则是根据目标电动汽车当前位置按照地图导航至各充电站的路径距离或者行车时间,然后选择路径距离较短或者行车时间较小的充电站作为向目标电动汽车推荐的充电站集合。该方法和本发明结合后,可以将本发明中的相似度值和路径距离或者行车时间进行加权运算得到一个推荐值,然后按照推荐值进行排序,将推荐值高的充电站最为最终推荐给用户的充电站。本发明中的相似度值和路径距离或者行车时间如何进行加权运算等问题已经超出本发明所讨论的范畴,本说明书不再赘述。
此外,由上述相似度公式可以看出,相似度S(a,b)是依据相邻关系、相遇时间等链路参数计算得到,由此相似度S(a,b)是一个链路相似度,表示了节点a所表示的目标电动汽车未来行程的可能性,相似度高表示了目标电动汽车未来行程的可能性较高。由此推荐的充电站可能正好处于目标电动汽车未来行程的路径附近,从而便利了用户。
Claims (10)
1.一种基于链路预测的充电站推荐的方法,其特征在于,该方法包括如下步骤:
S1:获取目标电动汽车、各充电站的位置信息和最近一段时间TK内的各汽车位置信息;
S2:根据所述各充电站的位置信息和所述最近一段时间TK内的各汽车的位置信息,计算出汽车和汽车的相遇时间以及汽车和充电站的相遇时间,得到相遇数据集;
S3:以汽车和充电站为节点,根据所述相遇数据集,找出一个与节点a的相遇的节点m,并取节点a和m的相遇时间tm;所述节点a表示为所述目标电动汽车;
S4:根据所述相遇数据集,找出所有与所述节点m相遇并且相遇时间早于tm的节点组成节点集B;其中,节点集B满足
S5:根据所述各充电站的位置信息和所述最近一段时间TK内的各汽车的位置信息,计算出节点a的邻居节点组成节点集合Γ(a),并计算出所述节点集B中各个节点的邻居节点组成相应的节点集合Γ(b),然后计算节点集合Γ(a)和节点集合Γ(b)的交集G(b)=Γ(a)∩Γ(b);
其中,Γ(b)是节点b的邻居节点集合,b∈B;
所述邻居节点是在所述最近一段时间TK内存在某个时刻,该时刻时根据位置信息计算的与目标节点的距离小于D的节点,D是预先设定的值;
S6:计算所述节点集B中各个节点与节点a之间的相似度;
其中,所述计算节点与节点a之间的相似度采用如下公式进行计算:
其中,
a表示为节点a,b表示为节点b,b∈B;
S(a,b)表示为节点a和b之间的相似度;
i表示为节点集合G(b)中的节点;
k(i)表示为节点i的度;
t表示为当前时间;
ti表示为节点a和节点i相遇的时间;
tb表示为节点i和节点b相遇的时间;
e表示为自然常数e;
log表示为以10为底的对数运算;
S7:根据相似度由大到小顺序对节点集B进行排序,得到排序后的节点序列U;
S8:根据所述节点序列U向所述目标电动汽车推荐充电站。
2.如权利要求1所述的基于链路预测的充电站推荐的方法,其特征在于,
所述步骤S3中,还包括根据所述相遇数据集,找出与节点a的最近相遇的充电站节点p;
所述步骤S8中,根据从所述节点序列U中选择排在最前面的、且不为节点p的充电站节点z作为向所述目标电动汽车推荐的充电站;所述充电站节点是节点类型为充电站的节点。
3.如权利要求1所述的基于链路预测的充电站推荐的方法,其特征在于,
所述步骤S3中,还包括根据所述相遇数据集,找出与节点a的最近相遇的充电站节点p;
所述步骤S8包括如下步骤:
S81:从所述节点序列U中依次选取前k个节点,组成节点集合K={K1,K2,…,Kk};
S82:对所述节点集合K中每个节点Kj,j∈[1..k]做如下处理:
若节点Kj的节点类型为充电站,且节点Kj不为节点p,则将节点Kj加入至推荐充电站集合Z;
若节点Kj的节点类型为汽车,则根据取节点Kj默认推荐充电站节点zj,若节点zj不为节点p则将节点zj加入至推荐充电站集合Z;
所述节点Kj默认推荐充电站节点zj是根据各充电站的位置信息和最近一段时间TK内的各汽车位置信息,计算得到的与节点Kj距离最近的充电站zj;
向所述目标电动汽车推荐的充电站为推荐充电站集合Z。
4.如权利要求3所述的基于链路预测的充电站推荐的方法,其特征在于,所述步骤S8还包括步骤:S83:判断推荐充电站集合Z是否为空;若推荐充电站集合Z为空,则将节点p作为向所述目标电动汽车推荐的充电站。
5.如权利要求1或2或3或4所述的基于链路预测的充电站推荐的方法,其特征在于,该方法涉及终端和远程服务器;所述终端设置于电动汽车上;所述终端通过移动网络连接所述远程服务器;所述方法还包括如下步骤:
所述终端向所述远程服务器发送充电站推荐请求;
所述远程服务器接收到充电站推荐请求后,以发送充电站推荐请求的电动汽车作为目标电动汽车根据所述步骤S1至S8计算出向所述目标电动汽车推荐的充电站;
所述远程服务器将所述向所述目标电动汽车推荐的充电站发送至所述终端;
所述终端接收到所述远程服务器所发送的推荐的充电站后向驾驶人提示推荐的充电站。
6.一种基于链路预测的充电站推荐的装置,其特征在于,该装置包括如下模块:
M1,用于:获取目标电动汽车、各充电站的位置信息和最近一段时间TK内的各汽车位置信息;
M2,用于:根据所述各充电站的位置信息和所述最近一段时间TK内的各汽车的位置信息,计算出汽车和汽车的相遇时间以及汽车和充电站的相遇时间,得到相遇数据集;
M3,用于:以汽车和充电站为节点,根据所述相遇数据集,找出一个与节点a的相遇的节点m,并取节点a和m的相遇时间tm;所述节点a表示为所述目标电动汽车;
M4,用于:根据所述相遇数据集,找出所有与所述节点m相遇并且相遇时间早于tm的节点组成节点集B;其中,节点集B满足
M5,用于:根据所述各充电站的位置信息和所述最近一段时间TK内的各汽车的位置信息,计算出节点a的邻居节点组成节点集合Γ(a),并计算出所述节点集B中各个节点的邻居节点组成相应的节点集合Γ(b),然后计算节点集合Γ(a)和节点集合Γ(b)的交集G(b)=Γ(a)∩Γ(b);
其中,Γ(b)是节点b的邻居节点集合,b∈B;
所述邻居节点是在所述最近一段时间TK内存在某个时刻,该时刻时根据位置信息计算的与目标节点的距离小于D的节点,D是预先设定的值;
M6,用于:计算所述节点集B中各个节点与节点a之间的相似度;
其中,所述计算节点与节点a之间的相似度采用如下公式进行计算:
其中,
a表示为节点a,b表示为节点b,b∈B;
S(a,b)表示为节点a和b之间的相似度;
i表示为节点集合G(b)中的节点;
k(i)表示为节点i的度;
t表示为当前时间;
ti表示为节点a和节点i相遇的时间;
tb表示为节点i和节点b相遇的时间;
e表示为自然常数e;
log表示为以10为底的对数运算;
M7,用于:根据相似度由大到小顺序对节点集B进行排序,得到排序后的节点序列U;
M8,用于:根据所述节点序列U向所述目标电动汽车推荐充电站。
7.如权利要求6所述的基于链路预测的充电站推荐的装置,其特征在于,
所述模块M3中,还用于根据所述相遇数据集,找出与节点a的最近相遇的充电站节点p;
所述模块M8中,根据从所述节点序列U中选择排在最前面的、且不为节点p的充电站节点z作为向所述目标电动汽车推荐的充电站;所述充电站节点是节点类型为充电站的节点。
8.如权利要求6所述的基于链路预测的充电站推荐的装置,其特征在于,
所述模块M3中,还包括根据所述相遇数据集,找出与节点a的最近相遇的充电站节点p;
所述模块M8包括如下模块:
M81,用于:从所述节点序列U中依次选取前k个节点,组成节点集合K={K1,K2,…,Kk};
M82,用于:对所述节点集合K中每个节点Kj,j∈[1..k]做如下处理:
若节点Kj的节点类型为充电站,且节点Kj不为节点p,则将节点Kj加入至推荐充电站集合Z;
若节点Kj的节点类型为汽车,则根据取节点Kj默认推荐充电站节点zj,若节点zj不为节点p则将节点zj加入至推荐充电站集合Z;
所述节点Kj默认推荐充电站节点zj是根据各充电站的位置信息和最近一段时间TK内的各汽车位置信息,计算得到的与节点Kj距离最近的充电站zj;
向所述目标电动汽车推荐的充电站为推荐充电站集合Z。
9.如权利要求8所述的基于链路预测的充电站推荐的装置,其特征在于,所述模块M8还包括模块:M83:判断推荐充电站集合Z是否为空;若推荐充电站集合Z为空,则将节点p作为向所述目标电动汽车推荐的充电站。
10.一种基于链路预测的充电站推荐的***,其特征在于,该***包括客户端和服务端;所述客户端配置于电动汽车上的终端;所述服务端配置于远程服务器;所述电动汽车上的终端通过移动网络连接所述远程服务器;
所述客户端包括推荐请求模块和推荐提示模块;
所述推荐请求模块用于:向所述远程服务器发送充电站推荐请求;
所述推荐提示模块用于:接收到所述远程服务器所发送的推荐的充电站后向驾驶人提示推荐的充电站;
所述服务端包括请求接收模块、推荐分析模块和推荐发送模块;
所述请求接收模块用于:接收到充电站推荐请求后,以发送充电站推荐请求的电动汽车作为目标电动汽车提交至所述推荐分析模块;
所述推荐分析模块为如权利要求6或7或8或9所述的基于链路预测的充电站推荐的装置;
所述推荐发送模块用于:将所述推荐分析模块得到的向所述目标电动汽车推荐的充电站发送至所述终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011153272.7A CN112183888B (zh) | 2020-10-26 | 2020-10-26 | 一种基于链路预测的充电站推荐的方法、装置和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011153272.7A CN112183888B (zh) | 2020-10-26 | 2020-10-26 | 一种基于链路预测的充电站推荐的方法、装置和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112183888A CN112183888A (zh) | 2021-01-05 |
CN112183888B true CN112183888B (zh) | 2024-05-17 |
Family
ID=73923415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011153272.7A Active CN112183888B (zh) | 2020-10-26 | 2020-10-26 | 一种基于链路预测的充电站推荐的方法、装置和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183888B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113127507B (zh) * | 2021-03-31 | 2023-05-23 | 广州宸祺出行科技有限公司 | 一种基于导航距离排序的充电站分组查询方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894123A (zh) * | 2010-05-11 | 2010-11-24 | 清华大学 | 基于子图的链接相似度的快速近似计算***和方法 |
CN108528233A (zh) * | 2018-02-28 | 2018-09-14 | 哈尔滨工程大学 | 一种智能交通中考虑能量信息的电动汽车多因素充电方法 |
CN110942178A (zh) * | 2019-11-01 | 2020-03-31 | 南京邮电大学 | 一种基于资源分配指标的链路预测方法的充电桩推荐方法 |
CN111428137A (zh) * | 2020-03-25 | 2020-07-17 | 全球能源互联网研究院有限公司 | 一种电动汽车充电设施的推荐方法及推荐装置 |
WO2020184826A1 (ko) * | 2019-03-12 | 2020-09-17 | 숙명여자대학교 산학협력단 | 전기 동력 자동차의 운전자를 위한 에너지원 저장수단의 충전 및 교체 정보 제공 방법 및 시스템, 전기 동력 자동차 충전소의 서비스 제공 방법 및 시스템, 및 전기 동력 자동차의 교체식 에너지원 저장수단 공급 서비스 방법. |
-
2020
- 2020-10-26 CN CN202011153272.7A patent/CN112183888B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894123A (zh) * | 2010-05-11 | 2010-11-24 | 清华大学 | 基于子图的链接相似度的快速近似计算***和方法 |
CN108528233A (zh) * | 2018-02-28 | 2018-09-14 | 哈尔滨工程大学 | 一种智能交通中考虑能量信息的电动汽车多因素充电方法 |
WO2020184826A1 (ko) * | 2019-03-12 | 2020-09-17 | 숙명여자대학교 산학협력단 | 전기 동력 자동차의 운전자를 위한 에너지원 저장수단의 충전 및 교체 정보 제공 방법 및 시스템, 전기 동력 자동차 충전소의 서비스 제공 방법 및 시스템, 및 전기 동력 자동차의 교체식 에너지원 저장수단 공급 서비스 방법. |
CN110942178A (zh) * | 2019-11-01 | 2020-03-31 | 南京邮电大学 | 一种基于资源分配指标的链路预测方法的充电桩推荐方法 |
CN111428137A (zh) * | 2020-03-25 | 2020-07-17 | 全球能源互联网研究院有限公司 | 一种电动汽车充电设施的推荐方法及推荐装置 |
Non-Patent Citations (3)
Title |
---|
一种基于协同过滤的电动汽车充电推荐方法;卜凡鹏;田世明;高晶晶;齐林海;;科技导报;20171113(21);全文 * |
利用时空轨迹数据的城市可达区域计算方法;柴明璐;唐晓岚;陈潇然;陈文龙;;小型微型计算机***;20200515(05);全文 * |
基于随机粒子群算法的EV 充电站建设选址推荐算法;杨纲等;《电动汽车技术》;20200531;第10-16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112183888A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2683902C2 (ru) | Транспортное средство, способ и система для планирования режимов транспортного средства с использованием изученных предпочтений пользователя | |
CN106652515B (zh) | 车辆自动控制方法、装置和*** | |
CN104280039A (zh) | 用于提供电动车的驾驶信息的***和方法 | |
CN109725635A (zh) | 自动驾驶车辆 | |
CN111899061B (zh) | 订单推荐方法、装置、设备及存储介质 | |
CN105894609A (zh) | 数据处理方法、装置及车险*** | |
CN105678412A (zh) | 面向多人乘车的路线规划方法和装置 | |
CN112801740A (zh) | 基于用户偏好的能源站点推荐方法、存储介质和电子设备 | |
CN110751133B (zh) | 一种道路交通标志提示*** | |
CN113253722B (zh) | 电动车充电路径规划方法、装置及*** | |
CN112418524A (zh) | 充电站可用状态的预测方法、装置、设备和存储介质 | |
CN105046996A (zh) | 用于预测的驾驶需求建模的方法和设备 | |
CN112562388B (zh) | 一种车辆连接管理方法、装置及存储介质 | |
CN109141448A (zh) | 一种电动车充电站搜索方法及智能车载终端 | |
CN112163063B (zh) | 生成高精度地图的方法、装置和计算机可读存储介质 | |
CN112183888B (zh) | 一种基于链路预测的充电站推荐的方法、装置和*** | |
CN111651664B (zh) | 基于事故位置点的事故车辆定位方法、装置、存储介质及电子设备 | |
CN111898042B (zh) | 乘车点推荐方法、装置、设备及存储介质 | |
CN113537615B (zh) | 一种充电车辆的预测方法、装置及电子设备 | |
CN108257406B (zh) | 终端、服务器和驾驶数据分享方法 | |
CN108648440B (zh) | 基于车联网监控的车辆调度平台 | |
CN110307856A (zh) | 一种导航路线推荐方法及装置 | |
CN112498132B (zh) | 车辆充电意图确定方法、装置及车辆 | |
CN106842272B (zh) | 停车场内生成停车轨迹的方法、***及装置 | |
JP7478831B2 (ja) | 自動運転に基づく乗車方法、装置、機器および記憶媒体 |
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 |