CN115031746A - 一种电动汽车充电路径规划方法、***、设备及介质 - Google Patents
一种电动汽车充电路径规划方法、***、设备及介质 Download PDFInfo
- Publication number
- CN115031746A CN115031746A CN202210451174.4A CN202210451174A CN115031746A CN 115031746 A CN115031746 A CN 115031746A CN 202210451174 A CN202210451174 A CN 202210451174A CN 115031746 A CN115031746 A CN 115031746A
- Authority
- CN
- China
- Prior art keywords
- charging
- electric vehicle
- user
- data
- portrait
- 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 57
- 238000012216 screening Methods 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- JXASPPWQHFOWPL-UHFFFAOYSA-N Tamarixin Natural products C1=C(O)C(OC)=CC=C1C1=C(OC2C(C(O)C(O)C(CO)O2)O)C(=O)C2=C(O)C=C(O)C=C2O1 JXASPPWQHFOWPL-UHFFFAOYSA-N 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
- Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
一种电动汽车充电路径规划方法、***、设备及介质，包括：基于预先获取的电动汽车全量数据，利用地图平台，得到至少一个或多个电动汽车出行路径规划数据；基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得到充电路径规划结果；其中，所述用户画像数据包括：基于已画像的电动汽车历史数据确定的已画像用户对应的画像数据和标签信息和未画像用户对应的临时画像数据和临时标签信息，与当前充电路径规划方法相比，本专利提出的基于用户画像的电动汽车充电路径规划方法，能够有效减少用户在充电路径规划客户端的输入，提高路径规划结果与用户预期的契合度，增加了用户对规划产品满意度，提升了用户黏性。
Description
技术领域
本发明属于电动汽车充电路径规划领域，具体涉及一种电动汽车充电路径规划方法、***、设备及介质。
背景技术
当前电动汽车保有量巨大，以中国市场为例，截至2021年9月，纯电动汽车保有量达552万辆，公共类充电桩104.4万台，预计到2030年，中国的电动汽车市场规模将增长15倍以上，充电桩市场规模将增长35倍以上，发展潜力巨大。但同时据电动汽车充电基础设施促进联盟的数据显示，目前超过80％的充电场站设施利用率都低于5％，与汽车、能源行业的协同服务水平比较低，僵尸桩与充电排长队现象并存，对用户补电体验、设施资源利用和车网友好互动的影响越来越大，严重制约了电动汽车的推广速度和产业低碳发展战略目标的实现。
合理有效的充电路径规划，能实现对电动汽车充电行为的引导，降低电动汽车出行充电排队时间，提高用户充电体验。而现有的充电路径规划功能模块，终端用户输入内容较多、路径规划时间较长等缺点，导致用户使用率较低，用户粘性不足，无法满足智能车联网服务平台的业务规划应用。因此，如何在减少用户每次充电路径规划输入的同时，为用户提供更准确、更高效的充电路径规划方法，是本领域技术人员需要解决的重点问题。
发明内容
为提高电动汽车用户出行过程中的充电体验，缓解用户充电焦虑，本发明提出一种电动汽车充电路径规划方法，综合考虑用户特征、出行交通网络状态、充电场站状态等信息，为电动汽车用户规划合适的出行充电路径，本发明提出一种基于用户画像的电动汽车充电路径规划方法，包括：
基于预先获取的电动汽车全量数据，得到至少一个或多个电动汽车出行路径规划数据；
基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得到充电路径规划结果；
其中，所述用户画像数据包括：基于已画像的电动汽车历史数据确定的已画像用户对应的画像数据和标签信息和未画像用户对应的临时画像数据和临时标签信息。
优选的，所述用户画像数据的确定包括：
当电动汽车用户为已画像用户时，利用已画像的电动汽车历史数据，提取已画像用户的用户特征，确定已画像用户的画像数据和标签信息；
其中，所述用户特征至少包括以下一种或多种：通过客户端记录的车辆品牌、车辆型号、百公里耗电、电池容量、驾车习惯和车辆总续航里程；所述标签信息至少包括以下一种或多种：时间敏感型用户、价格敏感型用户和距离敏感型用户。
优选的，所述用户画像数据的确定包括：
当电动汽车用户为未画像用户时，基于已画像用户电动汽车的画像数据和客户端输入数据进行聚类分析和特征参数拟合，依据聚类情况为电动汽车设置不同用户标签信息，依据预先得知的电动汽车相关数据，拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯；
获取未画像用户客户端输入的出发状态数据和电动汽车参数数据，同时，获取首次使用的用户向客户端输入电动汽车的总续航里程；
依据所述未画像用户客户端输入的出发状态数据和电动汽车参数数据以及所述用户标签信息和拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯，完成用户临时画像，确定未画像用户的临时画像数据，并利用所述未画像用户的临时画像数据，设置临时标签，得到未画像用户的临时标签信息。
优选的，所述全量数据包括：用户客户端输入的出发时间、起始位置、终点位置、剩余电池容量和电动汽车剩余续航里程。
优选的，所述基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得到充电路径规划结果，包括：
基于出行路径规划数据和车联网平台充电资源数据，得到电动汽车准备充电时的当前状态数据并确定出行路径周围充电资源数据；
基于电动汽车当前状态数据和所述出行路径周围充电资源数据，筛选出满足预设条件的出行路径周围各充电站；
基于所述满足预设条件的出行路径周围各充电站，通过与用户标签信息进行匹配，得到对应用户标签信息的充电路径规划结果；
其中所述当前状态数据包括：电动汽车处于当前状态时剩余的行驶里程、电动汽车当前的平均行驶速度、电动汽车当前电池的荷电状态和当前工作状态下电动汽车单位里程耗电量；所述充电资源数据包括：充电站数量、充电站位置、服务费、充电站内充电桩数量和充电功率。
优选的，所述基于电动汽车当前状态数据和所述出行路径周围充电资源数据，筛选出满足预设条件的出行路径周围各充电站，包括：
基于电动汽车当前状态数据和所述出行路径周围充电资源数据，计算得到电动汽车到达出行路径周围各充电站时的荷电值；
将所述电动汽车到达各充电站时的荷电值与预设荷电值进行比较，以大于预设荷电值为预设条件，筛选出满足预设条件的出行路径周围各充电站。
优选的，所述基于所述满足预设条件的出行路径周围各充电站，通过与用户标签信息进行匹配，得到对应用户标签信息的充电路径规划结果，包括：
基于电动汽车当前状态数据和所述电动汽车到达满足预设条件的出行路径周围的各充电站时的荷电值，结合所述满足预设条件的出行路径周围各充电站的充电资源数据，读取电动汽车到达所述充电站的距离，并通过计算式计算得到电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用和总耗时；
按照用户标签信息，分别基于电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用、总耗时或电动汽车到达所述充电站的距离，筛选出对应所述用户标签信息的充电站；
依据所述对应用户标签信息的充电站，得到对应用户标签信息的充电路径规划结果。
优选的，所述电动汽车到达充电站时的荷电值的计算式是：
式中所述，SOCj为电动汽车到达充电站j时的荷电值，SOCcur为电动汽车当前荷电状态，
为当前工作状态下电动汽车单位里程耗电量，Δdj为电动汽车当前位置到充电站j的里程，Emax为电动汽车电池容量。
优选的，所述电动汽车到达充电站充电时的总充电费用的计算式是：
式中所述，Cj为电动汽车在充电站j充电费用，
为电动汽车在充电站j充电总电量，pj为充电站j充电单价。
优选的，所述电动汽车到达充电站充电时的总耗时的计算式是：
式中所述，Δtj为电动汽车在充电站j的充电总耗时，
为电动汽车驾驶至充电站j所需的时间，
为电动汽车在充电站j时的充电时间，
为从进入充电站开始到电车汽车插仓充电的等待时间。
基于同一发明构思，本发明还提供了一种电动汽车充电路径规划***，包括：数据模块和规划模块；
所诉数据模块，用于：基于预先获取的电动汽车全量数据，利用地图平台，得到至少一个或多个电动汽车出行路径规划数据；
所述规划模块，用于：基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得充电路径规划结果；
其中，所述用户画像数据包括：基于已画像的电动汽车历史数据确定的已画像用户对应的画像数据和标签信息和未画像用户对应的临时画像数据和临时标签信息。
优选的，所述***，还包括确定模块用于：
当电动汽车用户为已画像用户时，利用已画像的电动汽车历史数据，提取已画像用户的用户特征，确定已画像用户的画像数据和标签信息；
其中，所述用户特征至少包括以下一种或多种：通过客户端记录的车辆品牌、车辆型号、百公里耗电、电池容量、驾车习惯和车辆总续航里程；所述标签信息至少包括以下一种或多种：时间敏感型用户、价格敏感型用户和距离敏感型用户。
优选的，所述***，还包括确定模块用于：
当电动汽车用户为未画像用户时，基于已画像用户电动汽车的画像数据和客户端输入数据进行聚类分析和特征参数拟合，依据聚类情况为电动汽车设置不同用户标签信息，依据预先得知的电动汽车相关数据，拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯；
获取未画像用户客户端输入的出发状态数据和电动汽车参数数据，同时，获取首次使用的用户向客户端输入电动汽车的总续航里程；
依据所述未画像用户客户端输入的出发状态数据和电动汽车参数数据以及所述用户标签信息和拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯，完成用户临时画像，确定未画像用户的临时画像数据，并利用所述未画像用户的临时画像数据，设置临时标签，得到未画像用户的临时标签信息。
优选的，所述全量数据包括：用户客户端输入的出发时间、起始位置、终点位置、剩余电池容量和电动汽车剩余续航里程。
优选的，所述规划模块，包括：资源子模块、筛选子模块和匹配子模块；
所述资源子模块，用于：基于出行路径规划数据和车联网平台充电资源数据，得到电动汽车准备充电时的当前状态数据并确定出行路径周围充电资源数据；
所述筛选子模块，用于：基于电动汽车当前状态数据和所述出行路径周围充电资源数据，筛选出满足预设条件的出行路径周围各充电站；
所述匹配子模块，用于：基于所述满足预设条件的出行路径周围各充电站，通过与用户标签信息进行匹配，得到，对应用户标签信息的充电路径规划结果；
其中所述当前状态数据包括：电动汽车处于当前状态时剩余的行驶里程、电动汽车当前的平均行驶速度、电动汽车当前电池的荷电状态和当前工作状态下电动汽车单位里程耗电量；所述充电资源数据包括：充电站数量、充电站位置、服务费、充电站内充电桩数量和充电功率。
优选的，所述筛选子模块，具体用于：
基于电动汽车当前状态数据和所述出行路径周围充电资源数据，计算得到电动汽车到达出行路径周围各充电站时的荷电值；
将所述电动汽车到达各充电站时的荷电值与预设荷电值进行比较，以大于预设荷电值为预设条件，筛选出满足预设条件的出行路径周围各充电站。
优选的，所述匹配子模块，具体用于：
基于电动汽车当前状态数据和所述电动汽车到达满足预设条件的出行路径周围的各充电站时的荷电值，结合所述满足预设条件的出行路径周围各充电站的充电资源数据，读取电动汽车到达所述充电站的距离，并通过计算式计算得到电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用和总耗时；
按照用户标签信息，分别基于电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用、总耗时或电动汽车到达所述充电站的距离，筛选出对应所述用户标签信息的充电站；
依据所述对应用户标签信息的充电站，得到对应用户标签信息的充电路径规划结果。
优选的，所述筛选子模块通过下式计算到得到电动汽车到达充电站时的荷电值
式中所述，SOCj为电动汽车到达充电站j时的荷电值，SOCcur为电动汽车当前荷电状态，
为当前工作状态下电动汽车单位里程耗电量，Δdj为电动汽车当前位置到充电站j的里程，Emax为电动汽车电池容量。
优选的，所述匹配子模块通过下式计算到得到电动汽车到达充电站充电时的总充电费用：
式中所述，Cj为电动汽车在充电站j充电费用，
为电动汽车在充电站j充电总电量，pj为充电站j充电单价。
优选的，所述筛选子模块通过下式计算到得到电动汽车到达充电站充电时的总耗时：
式中所述，Δtj为电动汽车在充电站j的充电总耗时，
为电动汽车驾驶至充电站j所需的时间，
为电动汽车在充电站j时的充电时间，
为从进入充电站开始到电车汽车插仓充电的等待时间。
再一方面，本申请还提供了一种计算机设备，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现上述的一种基于用户画像的电动汽车充电路径规划方法。
再一方面，本申请还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现上述的一种基于用户画像的电动汽车充电路径规划方法。
与最接近的现有技术相比，本发明具有的有益效果如下：
一种电动汽车充电路径规划方法、***、设备及介质，包括：基于预先获取的电动汽车全量数据，利用地图平台，得到至少一个或多个电动汽车出行路径规划数据；基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得到充电路径规划结果；其中，所述用户画像数据包括：基于已画像的电动汽车历史数据确定的已画像用户对应的画像数据和标签信息和未画像用户对应的临时画像数据和临时标签信息，与当前充电路径规划方法相比，本专利提出的基于用户画像的电动汽车充电路径规划方法，能够有效减少用户在充电路径规划客户端的输入，提高路径规划结果与用户预期的契合度，增加了用户对规划产品满意度，提升了用户黏性。
附图说明
图1为本发明提供的一种电动汽车充电路径规划方法流程示意图；
图2为电动汽车历史用户聚类分析和特征参数拟合流程图；
图3为已画像用户的充电路径规划流程示意图；
图4为未画像用户的充电路径规划流程示意图；
图5为本发明提供的一种电动汽车充电路径规划***结构示意图。
具体实施方式
基于一种电动汽车充电路径规划方法，具体实现时，首先根据是否对用户进行画像将用户分为两类：已画像用户和未画像用户。其中，已画像用户指的是通过客户端联网使用过路径规划服务、同意***记录画像数据，并且***已对其完成画像的用户。***为用户建立的标签，包括：时间敏感型用户、价格敏感型用户、距离敏感型用户等。针对已画像用户，***不仅能够调取该用户的标签信息，还包括通过客户端记录的车辆品牌、车辆型号、百公里耗电、电池容量、剩余电量、驾车习惯(是否开空调、充电期望值、是否接收下高速、下高速可接受的距离等)等车辆特征数据。已画像用户和未画像用户均能被调取的充电路径规划数据包括：出发时间、起始位置、终点位置、续航里程、剩余续航里程等。
充电路径规划的关键步骤包括：基于用户特征画像数据、用户客户端输入的出发时间、起始位置、终点位置、续航里程、剩余续航里程等全量数据完成用户出行充电需求输入，生成充电路径规划需求；然后调用地图API接口，生成出行路径规划数据；基于出行路径规划数据和车联网平台充电资源数据，完成行程规划路径充电资源查找，通过调用改进A-star算法完成最佳充电路径资源匹配，完成充电路径规划。
充电路径规划服务服务器保存电动汽车用户集N＝{n1,n2,...,nm}历史充电规划数据、规划结果选择数据以及电动汽车行驶过程中实时定位数据和SOC数据。当电动汽车用户ni联网使用该充电路径规划服务时，若ni∈N，且ni对应历史数据满足画像样本量最低要求时，ni为已画像用户；若
或ni对应历史数据不满足画像样本量最低要求时，则为未画像用户。
下面结合附图对本发明的具体实施方式做进一步的详细说明。
实施例1：
本发明提供的一种电动汽车充电路径规划方法流程示意图如图1所示，包括：
步骤1：基于预先获取的电动汽车全量数据，利用地图平台，得到至少一个或多个电动汽车出行路径规划数据；
步骤2：基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得到充电路径规划结果；
其中，所述用户画像数据包括：基于已画像的电动汽车历史数据确定的已画像用户对应的画像数据和标签信息和未画像用户对应的临时画像数据和临时标签信息。
步骤1包括：
用户输入：用户根据自身出行需求，通过客户端输入出发时间、出发起始位置、出发终点位置、出发时剩余续航里程数据等全量数据；
出行路径规划：根据用户输入的起点、终点位置，调用地图厂商(如百度、高德等)。
综上所述，可知：用户通过客户端完成出发时间、出发起始位置、出发终点位置、出发时剩余续航里程等全量数据的输入，然后，基于所述输入的全量数据，根据起点、终点位置调用地图API接口，生成一个或多个电动汽车出行路径规划数据；
步骤1之后，步骤2之前，还包括：
当用户为已画像用户时，已画像用户的画像数据确定，包括：
当电动汽车用户为已画像用户时，利用已画像的电动汽车历史数据，提取已画像用户的用户特征，确定已画像用户的画像数据和标签信息；
其中，所述用户特征至少包括以下一种或多种：通过客户端记录的车辆品牌、车辆型号、百公里耗电、电池容量、驾车习惯和车辆总续航里程；所述标签信息至少包括以下一种或多种：时间敏感型用户、价格敏感型用户和距离敏感型用户。
当用户为未画像用户时，由于缺乏画像数据支撑，首先需要进行电动汽车历史用户集N的聚类分析和特征参数拟合，获得基于全量电动汽车用户数据的聚类模型。然后，用户完成客户端输入，利用未画像用户的基础数据，提取未画像用户分类特征，为未画像用户设置临时标签和临时画像；
未画像用户的临时画像数据的确定的具体实施，包括：
电动汽车历史用户集N的聚类分析和特征参数拟合，如图2所示，首先利用已画像电动汽车全量数据进行聚类分析和特征参数拟合，聚类方法可采用K-means法、***聚类法等。依据聚类情况，可为电动汽车设置时间敏感型、价格敏感型、距离敏感型等不同标签；依据电动汽车品牌、型号、行驶过程SOC动态数据等拟合得到不同品牌、型号电动汽车的百公里耗电参数；拟合不同驾车习惯参数概率，如行驶过程中是否开空调、充电期望值、是否接收下高速、下高速可接受的距离等。
未画像用户联网调用充电路径规划客户端，输入出发时间、出发起始位置、出发终点位置、出发时剩余续航里程数据。同时，针对首次使用的用户还需要输入电动汽车的总续航里程。未画像用户可选择输入的参数包括有：电动汽车品牌型号、电动汽车电池总容量、驾驶习惯、充电时SOC期望值等。
用户临时画像：根据用户输入以及用户充电路径规划选择结果的历史数据，完成用户临时画像，设置临时标签。根据用户充电路径规划选择结果的历史数据，利用这些数据完成对用户标签的预测，为用户设置临时标签。针对已输入可选参数的用户，为用户选择步骤1)拟合得到的对应车型品牌/型号的百公里耗电参数、驾车习惯参数。针对未输入可选参数的用户，为用户选择步骤1)拟合得到的用户整体的百公里耗电参数；同时，充电时SOC期望值SOCexp设置为默认的90％，电动汽车用户可接受的最低SOC值SOCmin设置为默认的20％。
步骤2，包括：
结合用户画像数据与车联网平台充电资源数据，完成行程规划路径充电资源查找，结合所述出行路径规划数据，通过调用改进A-star算法实现最佳充电路径资源匹配，完成充电路径规划；
考虑用户画像标签信息，为用户显示与用户标签信息对应的各类型充电路径规划结果，如：最短耗时充电路径、最短行程充电路径、充电费用最少充电路径等不同类型的充电路径规划结果；已画像用户的充电路径规划如图3所示，未画像用户的充电路径规划如图4所示；
所述充电路径规划详细步骤如下：
利用用户画像提取用户特征输入与车联网平台充电资源数据，通过调用改进A-star算法实现最佳充电路径资源匹配，输出充电路径规划结果。其中，用户特征数据包括电动汽车车辆品牌、车辆型号、总续航里程、电池容量、百公里耗电数据、驾车习惯(是否开空调、充电期望值、是否接收下高速、下高速可接受的距离等)等数据：
其中，Drem为电动汽车剩余行驶里程，km；SOCcur为电动汽车当前SOC状态；SOCexp为电动汽车每次充电预期达到的SOC值；SOCmin为电动汽车用户可接受的最低SOC值，根据用户历史数据推测得到；Emax为电动汽车电池容量，kWh；
为当前工作状态下电动汽车单位里程耗电量，kWh/km，根据电动汽车历史数据拟合得到。
结合已规划的出行路径数据与车联网平台充电资源数据，可筛选出路径周围可用充电资源CS，其中筛选出来了电动汽车周围可到的充电站资源，具体的信息包括充电站位置信息，服务费信息、充电站内桩数量和充电功率等信息。
若选择CS中的充电站j，则到达该充电站j时电动汽车SOC值为：
其中，Δdj电动汽车当前位置到充电站j的里程，km；且SOCj需要满足：
SOCj＞SOCmin
电动汽车到达充电站j充电，总充电费用和总耗时为：
其中，
为电动汽车在充电站j充电总电量，kWh；Cj为电动汽车在充电站j充电费用，￥；pj为充电站j充电费用，￥/kWh；
为电动汽车在充电站j充电时间；
为电动汽车充电效率；
为充电站j平均充电功率，kW；
为电动汽车驾驶至充电站j所需时间；
为电动汽车平均行驶速度，km/h；Δtj为电动汽车完成充电总耗时；
为电动汽车在充电站j的充电等待时间。
考虑用户画像标签，采用改进型A-star算法完成模型优化求解，给出针对用户充电需求的最优充电桩和充电路径选择，完成充电路径规划，并将与用户标签契合程度更高的方案优先显示，显示的方案类型包括最短耗时充电路径、最短行程充电路径、最少充电费用充电路径、下高速充电路径等不同类型的充电路径规划结果。
实施例2：
基于同一发明构思，本发明还提供了一种电动汽车充电路径规划***，所述***如图5所示，包括：数据模块和规划模块；
所诉数据模块，用于：基于预先获取的电动汽车全量数据，利用地图平台，得到至少一个或多个电动汽车出行路径规划数据；
所述规划模块，用于：基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得充电路径规划结果；
其中，所述用户画像数据包括：基于已画像的电动汽车历史数据确定的已画像用户对应的画像数据和标签信息和未画像用户对应的临时画像数据和临时标签信息。
其中，所述用户画像数据的确定包括：
当电动汽车用户为已画像用户时，利用已画像的电动汽车历史数据，提取已画像用户的用户特征，确定已画像用户的画像数据和标签信息；
其中，所述用户特征至少包括以下一种或多种：通过客户端记录的车辆品牌、车辆型号、百公里耗电、电池容量、驾车习惯和车辆总续航里程；所述标签信息至少包括以下一种或多种：时间敏感型用户、价格敏感型用户和距离敏感型用户。
其中，所述用户画像数据的确定包括：
当电动汽车用户为未画像用户时，基于已画像用户电动汽车的画像数据和客户端输入数据进行聚类分析和特征参数拟合，依据聚类情况为电动汽车设置不同用户标签信息，依据预先得知的电动汽车相关数据，拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯；
获取未画像用户客户端输入的出发状态数据和电动汽车参数数据，同时，获取首次使用的用户向客户端输入电动汽车的总续航里程；
依据所述未画像用户客户端输入的出发状态数据和电动汽车参数数据以及所述用户标签信息和拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯，完成用户临时画像，确定未画像用户的临时画像数据，并利用所述未画像用户的临时画像数据，设置临时标签，得到未画像用户的临时标签信息。
其中，所述全量数据包括：用户客户端输入的出发时间、起始位置、终点位置、剩余电池容量和电动汽车剩余续航里程。
其中，所述规划模块，主要用于：
基于出行路径规划数据和车联网平台充电资源数据，得到电动汽车准备充电时的当前状态数据并确定出行路径周围充电资源数据；
基于电动汽车当前状态数据和所述出行路径周围充电资源数据，筛选出满足预设条件的出行路径周围各充电站；
基于所述满足预设条件的出行路径周围各充电站，通过与用户标签信息进行匹配，得到，对应用户标签信息的充电路径规划结果；
其中所述当前状态数据包括：电动汽车处于当前状态时剩余的行驶里程、电动汽车当前的平均行驶速度、电动汽车当前电池的荷电状态和当前工作状态下电动汽车单位里程耗电量；所述充电资源数据包括：充电站数量、充电站位置、服务费、充电站内充电桩数量和充电功率。
其中，所述基于电动汽车当前状态数据和所述出行路径周围充电资源数据，筛选出满足预设条件的出行路径周围各充电站，包括：
基于电动汽车当前状态数据和所述出行路径周围充电资源数据，计算得到电动汽车到达出行路径周围各充电站时的荷电值；
将所述电动汽车到达各充电站时的荷电值与预设荷电值进行比较，以大于预设荷电值为预设条件，筛选出满足预设条件的出行路径周围各充电站。
其中，所述基于所述满足预设条件的出行路径周围各充电站，通过与用户标签信息进行匹配，得到对应用户标签信息的充电路径规划结果，包括：
基于电动汽车当前状态数据和所述电动汽车到达满足预设条件的出行路径周围的各充电站时的荷电值，结合所述满足预设条件的出行路径周围各充电站的充电资源数据，读取电动汽车到达所述充电站的距离，并通过计算式计算得到电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用和总耗时；
按照用户标签信息，分别基于电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用、总耗时或电动汽车到达所述充电站的距离，筛选出对应所述用户标签信息的充电站；
依据所述对应用户标签信息的充电站，得到对应用户标签信息的充电路径规划结果。
其中，所述筛选子模块通过下式计算到得到电动汽车到达充电站时的荷电值
式中所述，SOCj为电动汽车到达充电站j时的荷电值，SOCcur为电动汽车当前荷电状态，
为当前工作状态下电动汽车单位里程耗电量，Δdj为电动汽车当前位置到充电站j的里程，Emax为电动汽车电池容量。
其中，所述匹配子模块通过下式计算到得到电动汽车到达充电站充电时的总充电费用：
式中所述，Cj为电动汽车在充电站j充电费用，
为电动汽车在充电站j充电总电量，pj为充电站j充电单价。
其中，所述筛选子模块通过下式计算到得到电动汽车到达充电站充电时的总耗时：
式中所述，Δtj为电动汽车在充电站j的充电总耗时，
为电动汽车驾驶至充电站j所需的时间，
为电动汽车在充电站j时的充电时间，
为从进入充电站开始到电车汽车插仓充电的等待时间。
实施例3：
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种电动汽车充电路径规划方法的步骤。
实施例4：
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作***。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种电动汽车充电路径规划方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本发明后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。
Claims (22)
1.一种电动汽车充电路径规划方法，其特征在于，包括：
基于预先获取的电动汽车全量数据，得到至少一个或多个电动汽车出行路径规划数据；
基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得到充电路径规划结果；
其中，所述用户画像数据包括：基于已画像的电动汽车历史数据确定的已画像用户对应的画像数据和标签信息和未画像用户对应的临时画像数据和临时标签信息。
2.如权利要求1所述的方法，其特征在于，所述用户画像数据的确定包括：
当电动汽车用户为已画像用户时，利用已画像的电动汽车历史数据，提取已画像用户的用户特征，确定已画像用户的画像数据和标签信息；
其中，所述用户特征至少包括以下一种或多种：通过客户端记录的车辆品牌、车辆型号、百公里耗电、电池容量、驾车习惯和车辆总续航里程；所述标签信息至少包括以下一种或多种：时间敏感型用户、价格敏感型用户和距离敏感型用户。
3.如权利要求1所述的方法，其特征在于，所述用户画像数据的确定包括：
当电动汽车用户为未画像用户时，基于已画像用户电动汽车的画像数据和客户端输入数据进行聚类分析和特征参数拟合，依据聚类情况为电动汽车设置不同用户标签信息，依据预先得知的电动汽车相关数据，拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯；
获取未画像用户客户端输入的出发状态数据和电动汽车参数数据，同时，获取首次使用的用户向客户端输入电动汽车的总续航里程；
依据所述未画像用户客户端输入的出发状态数据和电动汽车参数数据以及所述用户标签信息和拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯，完成用户临时画像，确定未画像用户的临时画像数据，并利用所述未画像用户的临时画像数据，设置临时标签，得到未画像用户的临时标签信息。
4.如权利要求1所述的方法，其特征在于，所述全量数据包括：用户客户端输入的出发时间、起始位置、终点位置、剩余电池容量和电动汽车剩余续航里程。
5.如权利要求2所述的方法，其特征在于，所述基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得到充电路径规划结果，包括：
基于出行路径规划数据和车联网平台充电资源数据，得到电动汽车准备充电时的当前状态数据并确定出行路径周围充电资源数据；
基于电动汽车当前状态数据和所述出行路径周围充电资源数据，筛选出满足预设条件的出行路径周围各充电站；
基于所述满足预设条件的出行路径周围各充电站，通过与用户标签信息进行匹配，得到对应用户标签信息的充电路径规划结果；
其中所述当前状态数据包括：电动汽车处于当前状态时剩余的行驶里程、电动汽车当前的平均行驶速度、电动汽车当前电池的荷电状态和当前工作状态下电动汽车单位里程耗电量；所述充电资源数据包括：充电站数量、充电站位置、服务费、充电站内充电桩数量和充电功率。
6.如权利要求5所述的方法，其特征在于，所述基于电动汽车当前状态数据和所述出行路径周围充电资源数据，筛选出满足预设条件的出行路径周围各充电站，包括：
基于电动汽车当前状态数据和所述出行路径周围充电资源数据，计算得到电动汽车到达出行路径周围各充电站时的荷电值；
将所述电动汽车到达各充电站时的荷电值与预设荷电值进行比较，以大于预设荷电值为预设条件，筛选出满足预设条件的出行路径周围各充电站。
7.如权利要求6所述的方法，其特征在于，所述基于所述满足预设条件的出行路径周围各充电站，通过与用户标签信息进行匹配，得到对应用户标签信息的充电路径规划结果，包括：
基于电动汽车当前状态数据和所述电动汽车到达满足预设条件的出行路径周围的各充电站时的荷电值，结合所述满足预设条件的出行路径周围各充电站的充电资源数据，读取电动汽车到达所述充电站的距离，并通过计算式计算得到电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用和总耗时；
按照用户标签信息，分别基于电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用、总耗时或电动汽车到达所述充电站的距离，筛选出对应所述用户标签信息的充电站；
依据所述对应用户标签信息的充电站，得到对应用户标签信息的充电路径规划结果。
8.如权利要求6所述的方法，其特征在于，所述电动汽车到达充电站时的荷电值的计算式是：
式中所述，SOCj为电动汽车到达充电站j时的荷电值，SOCcur为电动汽车当前荷电状态，
为当前工作状态下电动汽车单位里程耗电量，Δdj为电动汽车当前位置到充电站j的里程，Emax为电动汽车电池容量。
9.如权利要求7所述的方法，其特征在于，所述电动汽车到达充电站充电时的总充电费用的计算式是：
式中所述，Cj为电动汽车在充电站j充电费用，
为电动汽车在充电站j充电总电量，pj为充电站j充电单价。
10.如权利要求7所述的方法，其特征在于，所述电动汽车到达充电站充电时的总耗时的计算式是：
式中所述，Δtj为电动汽车在充电站j的充电总耗时，
为电动汽车驾驶至充电站j所需的时间，
为电动汽车在充电站j时的充电时间，
为从进入充电站开始到电车汽车插仓充电的等待时间。
11.一种电动汽车充电路径规划***，其特征在于，包括：数据模块和规划模块；
所诉数据模块，用于：基于预先获取的电动汽车全量数据，得到至少一个或多个电动汽车出行路径规划数据；
所述规划模块，用于：基于为电动汽车预先确定的用户画像数据与所述出行路径规划数据进行匹配，得充电路径规划结果；
其中，所述用户画像数据包括：基于已画像的电动汽车历史数据确定的已画像用户对应的画像数据和标签信息和未画像用户对应的临时画像数据和临时标签信息。
12.如权利要求11所述的***，其特征在于，所述***，还包括确定模块用于：
当电动汽车用户为已画像用户时，利用已画像的电动汽车历史数据，提取已画像用户的用户特征，确定已画像用户的画像数据和标签信息；
其中，所述用户特征至少包括以下一种或多种：通过客户端记录的车辆品牌、车辆型号、百公里耗电、电池容量、驾车习惯和车辆总续航里程；所述标签信息至少包括以下一种或多种：时间敏感型用户、价格敏感型用户和距离敏感型用户。
13.如权利要求11所述的***，其特征在于，所述***，还包括确定模块用于：
当电动汽车用户为未画像用户时，基于已画像用户电动汽车的画像数据和客户端输入数据进行聚类分析和特征参数拟合，依据聚类情况为电动汽车设置不同用户标签信息，依据预先得知的电动汽车相关数据，拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯；
获取未画像用户客户端输入的出发状态数据和电动汽车参数数据，同时，获取首次使用的用户向客户端输入电动汽车的总续航里程；
依据所述未画像用户客户端输入的出发状态数据和电动汽车参数数据以及所述用户标签信息和拟合得到不同车辆品牌、车辆型号的电动汽车的百公里耗电和不同驾车习惯，完成用户临时画像，确定未画像用户的临时画像数据，并利用所述未画像用户的临时画像数据，设置临时标签，得到未画像用户的临时标签信息。
14.如权利要求11所述的***，其特征在于，所述数据模块中的全量数据包括：用户客户端输入的出发时间、起始位置、终点位置、剩余电池容量和电动汽车剩余续航里程。
15.如权利要求12所述的***，其特征在于，所述规划模块，包括：资源子模块、筛选子模块和匹配子模块；
所述资源子模块，用于：基于出行路径规划数据和车联网平台充电资源数据，得到电动汽车准备充电时的当前状态数据并确定出行路径周围充电资源数据；
所述筛选子模块，用于：基于电动汽车当前状态数据和所述出行路径周围充电资源数据，筛选出满足预设条件的出行路径周围各充电站；
所述匹配子模块，用于：基于所述满足预设条件的出行路径周围各充电站，通过与用户标签信息进行匹配，得到对应用户标签信息的充电路径规划结果；
其中所述当前状态数据包括：电动汽车处于当前状态时剩余的行驶里程、电动汽车当前的平均行驶速度、电动汽车当前电池的荷电状态和当前工作状态下电动汽车单位里程耗电量；所述充电资源数据包括：充电站数量、充电站位置、服务费、充电站内充电桩数量和充电功率。
16.如权利要求15所述的***，其特征在于，所述筛选子模块，具体用于：
基于电动汽车当前状态数据和所述出行路径周围充电资源数据，计算得到电动汽车到达出行路径周围各充电站时的荷电值；
将所述电动汽车到达各充电站时的荷电值与预设荷电值进行比较，以大于预设荷电值为预设条件，筛选出满足预设条件的出行路径周围各充电站。
17.如权利要求16所述的***，其特征在于，所述匹配子模块，具体用于：
基于电动汽车当前状态数据和所述电动汽车到达满足预设条件的出行路径周围的各充电站时的荷电值，结合所述满足预设条件的出行路径周围各充电站的充电资源数据，读取电动汽车到达所述充电站的距离，并通过计算式计算得到电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用和总耗时；
按照用户标签信息，分别基于电动汽车到达所述满足预设条件的出行路径周围各充电站充电时的总充电费用、总耗时或电动汽车到达所述充电站的距离，筛选出对应所述用户标签信息的充电站；
依据所述对应用户标签信息的充电站，得到对应用户标签信息的充电路径规划结果。
18.如权利要求16所述的***，其特征在于，所述筛选子模块通过下式计算到得到电动汽车到达充电站时的荷电值：
式中所述，SOCj为电动汽车到达充电站j时的荷电值，SOCcur为电动汽车当前荷电状态，
为当前工作状态下电动汽车单位里程耗电量，Δdj为电动汽车当前位置到充电站j的里程，Emax为电动汽车电池容量。
19.如权利要求17所述的***，其特征在于，所述匹配子模块通过下式计算得到电动汽车到达充电站充电时的总充电费用：
式中所述，Cj为电动汽车在充电站j充电费用，
为电动汽车在充电站j充电总电量，pj为充电站j充电单价。
20.如权利要求17所述的***，其特征在于，所述匹配子模块通过下式计算得到电动汽车到达充电站充电时的总耗时：
式中所述，Δtj为电动汽车在充电站j的充电总耗时，
为电动汽车驾驶至充电站j所需的时间，
为电动汽车在充电站j时的充电时间，
为从进入充电站开始到电车汽车插仓充电的等待时间。
21.一种计算机设备，其特征在于，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至10中任一项所述的一种电动汽车充电路径规划方法。
22.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至10中任一项所述的一种电动汽车充电路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210451174.4A CN115031746A (zh) | 2022-04-26 | 2022-04-26 | 一种电动汽车充电路径规划方法、***、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210451174.4A CN115031746A (zh) | 2022-04-26 | 2022-04-26 | 一种电动汽车充电路径规划方法、***、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115031746A true CN115031746A (zh) | 2022-09-09 |
Family
ID=83119158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210451174.4A Pending CN115031746A (zh) | 2022-04-26 | 2022-04-26 | 一种电动汽车充电路径规划方法、***、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115031746A (zh) |
-
2022
- 2022-04-26 CN CN202210451174.4A patent/CN115031746A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110103719B (zh) | 电动汽车的充电提示方法、***及车辆 | |
| CN111532166A (zh) | 一种电动汽车充电路径规划方法、装置、汽车及计算机存储介质 | |
| JP5948674B2 (ja) | 自動車勧誘装置、車載端末装置、自動車勧誘方法及びそのプログラム | |
| CN111127130B (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 | |
| CN108154253B (zh) | 出行方式推荐方法及装置 | |
| CN110549877A (zh) | 电动汽车及其充电方法和计算机可读存储介质 | |
| CN110303908B (zh) | 一种充电电量的推荐方法及*** | |
| Mkahl et al. | An optimal solution for charging management of electric vehicles fleets | |
| CN111815096B (zh) | 共享汽车投放方法、电子设备及存储介质 | |
| US11201486B2 (en) | Battery control device, charge and discharge system, parking lot system, secondary battery reuse system, battery control method, and non-transitory storage medium | |
| CN113306448A (zh) | 充电提示方法、装置、设备及存储介质 | |
| CN112498164A (zh) | 充电策略的处理方法和装置 | |
| CN114936666B (zh) | 基于车-站-平台***的电动汽车充电导航方法及*** | |
| CN114971196A (zh) | 车型选择方法、装置、设备及存储介质 | |
| CN115689083A (zh) | 一种预见性能量管理方法、装置、电子设备及存储介质 | |
| JP7491294B2 (ja) | 情報処理装置、及び情報処理方法 | |
| JP7154948B2 (ja) | 少なくとも１つのデマンドレスポンスオーバーヘッド割合を決定するシステム及び方法 | |
| CN113537615A (zh) | 一种充电车辆的预测方法、装置及电子设备 | |
| Seow et al. | Performance of multiagent taxi dispatch on extended-runtime taxi availability: A simulation study | |
| CN115031746A (zh) | 一种电动汽车充电路径规划方法、***、设备及介质 | |
| CN114492169B (zh) | 考虑用户市场响应潜力的电动汽车用户画像方法及*** | |
| CN112406874B (zh) | 一种电动汽车远距离充电辅助决策方法 | |
| CN114881692A (zh) | 网约车调度方法、装置、电子设备及存储介质 | |
| CN113492695B (zh) | 一种电动汽车的控制方法、装置及控制设备 | |
| CN106952110B (zh) | 一种车费预估的方法、装置、设备和计算机存储介质 |
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 |