【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及新能源汽車(chē)充電樁，尤其涉及一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)及方法。
技術(shù)介紹
1、據(jù)中國(guó)汽車(chē)工業(yè)協(xié)會(huì)數(shù)據(jù)，2022年我國(guó)新能源汽車(chē)行業(yè)產(chǎn)銷(xiāo)量分別完成705.8萬(wàn)輛和688.7萬(wàn)輛，同比分別增長(zhǎng)96.9%和93.4%，連續(xù)8年保持全球第一。截至2022年底，國(guó)內(nèi)車(chē)樁比為5:2，充電樁數(shù)量仍十分緊張。
2、目前市面大多方案都是通過(guò)計(jì)算車(chē)樁之間的距離和空閑狀態(tài)進(jìn)行充電樁查詢。而我們則利用紅旗車(chē)輛的車(chē)況信息，采用自定義的駕駛行為算法計(jì)算不同情況下電量消耗率，充電樁分時(shí)價(jià)格數(shù)據(jù)、車(chē)型信息，購(gòu)車(chē)時(shí)間，以及出行數(shù)據(jù)及路線數(shù)據(jù)推算出評(píng)分最高的充電樁信息。利用推送技術(shù)將適合用戶的充電樁推薦給用戶。
3、目前一般業(yè)務(wù)都是展示充電樁的空閑狀態(tài)，由用戶自行選擇充電樁，給予用戶信息相對(duì)單一。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的是提供一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)及方法，以解決如何為用戶推薦最優(yōu)充電樁，提高車(chē)主用電管理的科學(xué)性、實(shí)惠性的技術(shù)問(wèn)題。
2、本專利技術(shù)是采用以下技術(shù)方案實(shí)現(xiàn)的：一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)，包括特征提取模塊、模型建立模塊、模型應(yīng)用模塊和模型修正模塊，其中，
3、特征提取模塊，整合用戶出行和充電習(xí)慣數(shù)據(jù)，并結(jié)合機(jī)器學(xué)習(xí)算法，完成數(shù)據(jù)特征抽取，得到具體的用戶特征數(shù)據(jù)；
4、模型建立模塊，根據(jù)用戶的歷史特征數(shù)據(jù)，進(jìn)行分類與用戶畫(huà)像標(biāo)簽分析，建立推薦模型；
5、模型應(yīng)用模塊，將用戶行為特征
6、模型修正模塊，根據(jù)用戶反饋或用戶是否充電結(jié)果，對(duì)推薦模型進(jìn)行修正。
7、進(jìn)一步的，所述用戶特征數(shù)據(jù)包括用車(chē)頻率、駕駛風(fēng)格、出行習(xí)慣、充電數(shù)據(jù)和充電樁營(yíng)銷(xiāo)活動(dòng)規(guī)律中的一種或多種，其中，
8、用車(chē)頻率，根據(jù)用戶網(wǎng)聯(lián)車(chē)車(chē)輛行駛數(shù)據(jù)，分析判斷用戶用車(chē)頻率；
9、駕駛風(fēng)格，根據(jù)用戶網(wǎng)聯(lián)車(chē)駕駛行為數(shù)據(jù)，分析車(chē)主的用車(chē)行為，包括急加速、急減速、常用檔位和油門(mén)踏板次數(shù)；
10、出行習(xí)慣，根據(jù)用戶網(wǎng)聯(lián)車(chē)駕駛行為數(shù)據(jù)，分析月車(chē)型天數(shù)、日均里程、早晚高峰出行里程和早晚高峰出行時(shí)長(zhǎng)；
11、充電數(shù)據(jù)，根據(jù)網(wǎng)聯(lián)車(chē)充電數(shù)據(jù)與充電樁位置數(shù)據(jù)，分析判斷具體充電情況；
12、充電樁營(yíng)銷(xiāo)活動(dòng)規(guī)律，根據(jù)充電樁營(yíng)銷(xiāo)活動(dòng)數(shù)據(jù)，分析充電樁營(yíng)銷(xiāo)活動(dòng)計(jì)劃與活動(dòng)規(guī)律，在匹配推薦中，增加預(yù)測(cè)因素占比。
13、進(jìn)一步的，模型建立模塊采用k-means聚類分析法對(duì)用戶進(jìn)行分類，并根據(jù)用戶歷史數(shù)據(jù)建立推薦模型，所述推薦模型首先根據(jù)用戶駕駛行為日志，隨機(jī)將歷史數(shù)據(jù)的70%作為訓(xùn)練樣本，剩余30%作為驗(yàn)證，采用gdbt決策樹(shù)進(jìn)行模型訓(xùn)練，數(shù)據(jù)準(zhǔn)確率大于80%，得到用戶行程預(yù)測(cè)結(jié)果，并用時(shí)間序列算法，進(jìn)行周期性分析，得到用戶周期性行程預(yù)測(cè)結(jié)果。
14、進(jìn)一步的，所述推薦模型根據(jù)用戶行為特征與行程預(yù)測(cè)，預(yù)估用戶電量可支持天數(shù)，并標(biāo)注近t日需要充電用戶，然后根據(jù)用戶歷史出行和充電數(shù)據(jù)，計(jì)算用戶與充電樁的親密度，最后接入充電站活動(dòng)數(shù)據(jù)，結(jié)合用戶預(yù)測(cè)行程當(dāng)前油量支撐天數(shù)以及用戶車(chē)型相關(guān)油耗情況，計(jì)算出最佳充電策略，進(jìn)行排序，并對(duì)用戶進(jìn)行推薦。
15、一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦方法，包括如下步驟：
16、s1：對(duì)用戶行程進(jìn)行判斷，并合并一日內(nèi)的多次行程數(shù)據(jù)，完成用戶單日行為統(tǒng)計(jì)；
17、s2：根據(jù)用戶歷史數(shù)據(jù)，進(jìn)行分類與用戶畫(huà)像標(biāo)簽分析，對(duì)用戶進(jìn)行分類；
18、s3：根據(jù)用戶歷史數(shù)據(jù)建立推薦模型，進(jìn)行分析，并預(yù)測(cè)用戶行程；
19、s4：根據(jù)用戶行為特征與行程預(yù)測(cè)，預(yù)估用戶電量可支持天數(shù)，標(biāo)注近t日需要充電用戶，并計(jì)算用戶與充電樁的親密度；
20、s5：接入充電站活動(dòng)數(shù)據(jù)，結(jié)合用戶預(yù)測(cè)行程當(dāng)前油量支撐天數(shù)以及用戶車(chē)型相關(guān)油耗情況，計(jì)算出最佳充電策略，進(jìn)行排序，并對(duì)用戶進(jìn)行推薦。
21、進(jìn)一步的，還包括如下步驟：
22、s6：根據(jù)用戶反饋情況，或者根據(jù)統(tǒng)計(jì)用戶是否充電情況，進(jìn)行推薦成功率統(tǒng)計(jì)分析，反饋并修正推薦模型，優(yōu)化參數(shù)。
23、進(jìn)一步的，步驟s1包括如下子步驟：
24、s11：將車(chē)機(jī)上報(bào)的總線數(shù)據(jù)及實(shí)時(shí)車(chē)況利用spark和flink?技術(shù)進(jìn)行實(shí)時(shí)計(jì)算判斷行程數(shù)據(jù)，判斷標(biāo)準(zhǔn)：預(yù)設(shè)時(shí)間內(nèi)無(wú)車(chē)況上報(bào)，或者有下線時(shí)間，兩種情況標(biāo)記為一段行程；
25、s12：統(tǒng)計(jì)一次行程內(nèi)相關(guān)車(chē)況數(shù)據(jù)，包括里程數(shù)、耗電量、急加速次數(shù)、急轉(zhuǎn)彎次數(shù)、超速次數(shù)、未系安全帶事件、疲勞駕駛事件和長(zhǎng)時(shí)間未掌控方向盤(pán)中的一種或多種；
26、s13：通過(guò)合并一日內(nèi)的多次行程數(shù)據(jù)，完成車(chē)主單日行為統(tǒng)計(jì)，統(tǒng)計(jì)內(nèi)容包括當(dāng)日駕駛時(shí)長(zhǎng)、當(dāng)日行駛里程、當(dāng)日平均電耗、當(dāng)日評(píng)價(jià)車(chē)速、當(dāng)日充電時(shí)長(zhǎng)、當(dāng)日充電電量、當(dāng)日充電次數(shù)和空調(diào)平均運(yùn)行時(shí)長(zhǎng)中的一種或多種。
27、進(jìn)一步的，步驟s3具體為：根據(jù)用戶歷史數(shù)據(jù)建立推薦模型，并取預(yù)設(shè)時(shí)間段內(nèi)的駕駛行為日志，隨機(jī)將歷史數(shù)據(jù)的70%作為訓(xùn)練樣本，剩余30%作為驗(yàn)證，采用gdbt決策樹(shù)進(jìn)行算法訓(xùn)練，數(shù)據(jù)準(zhǔn)確率大于80%，得到用戶行程預(yù)測(cè)結(jié)果，并采用時(shí)間序列算法，進(jìn)行周期性分析，得到用戶周期性行程預(yù)測(cè)結(jié)果。
28、本專利技術(shù)的有益效果在于：
29、本專利技術(shù)集合多維度數(shù)據(jù)，設(shè)計(jì)智能算法，科學(xué)準(zhǔn)確預(yù)判最優(yōu)充電時(shí)間、選擇價(jià)格最優(yōu)的充電樁，最優(yōu)的行駛路線，實(shí)現(xiàn)車(chē)主用戶科學(xué)用電，獲取最佳優(yōu)惠，降低養(yǎng)車(chē)成本。
30、本專利技術(shù)實(shí)現(xiàn)了車(chē)輛自動(dòng)研判饋電時(shí)間，用電消耗等信息，如結(jié)合車(chē)聯(lián)網(wǎng)的用戶數(shù)據(jù)，車(chē)輛數(shù)據(jù)，出行數(shù)據(jù)，充電樁運(yùn)營(yíng)數(shù)據(jù)，則可以為車(chē)主提供科學(xué)、精準(zhǔn)、優(yōu)惠的充電提醒與充電樁推薦，提高車(chē)主用電管理的科學(xué)性、實(shí)惠性。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)，其特征在于，包括特征提取模塊、模型建立模塊、模型應(yīng)用模塊和模型修正模塊，其中，
2.如權(quán)利要求1所述的一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)，其特征在于，所述用戶特征數(shù)據(jù)包括用車(chē)頻率、駕駛風(fēng)格、出行習(xí)慣、充電數(shù)據(jù)和充電樁營(yíng)銷(xiāo)活動(dòng)規(guī)律中的一種或多種，其中，
3.如權(quán)利要求1所述的一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)，其特征在于，模型建立模塊采用K-means聚類分析法對(duì)用戶進(jìn)行分類，并根據(jù)用戶歷史數(shù)據(jù)建立推薦模型，所述推薦模型首先根據(jù)用戶駕駛行為日志，隨機(jī)將歷史數(shù)據(jù)的70%作為訓(xùn)練樣本，剩余30%作為驗(yàn)證，采用GDBT決策樹(shù)進(jìn)行模型訓(xùn)練，數(shù)據(jù)準(zhǔn)確率大于80%，得到用戶行程預(yù)測(cè)結(jié)果，并用時(shí)間序列算法，進(jìn)行周期性分析，得到用戶周期性行程預(yù)測(cè)結(jié)果。
4.如權(quán)利要求3所述的一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)，其特征在于，所述推薦模型根據(jù)用戶行為特征與行程預(yù)測(cè)，預(yù)估用戶電量可支持天數(shù)，并標(biāo)注近T日需要充電用戶，然后根據(jù)用戶歷史出行和充電數(shù)據(jù)，計(jì)算用戶與充電樁的親密度，最后接入充電站活動(dòng)數(shù)據(jù)，結(jié)合用戶預(yù)測(cè)行程當(dāng)前油量
5.一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦方法，其特征在于，包括如下步驟：
6.如權(quán)利要求5所述的一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦方法，其特征在于，還包括如下步驟：
7.如權(quán)利要求5所述的一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦方法，其特征在于，步驟S1包括如下子步驟：
8.如權(quán)利要求5所述的一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦方法，其特征在于，步驟S3具體為：根據(jù)用戶歷史數(shù)據(jù)建立推薦模型，并取預(yù)設(shè)時(shí)間段內(nèi)的駕駛行為日志，隨機(jī)將歷史數(shù)據(jù)的70%作為訓(xùn)練樣本，剩余30%作為驗(yàn)證，采用GDBT決策樹(shù)進(jìn)行算法訓(xùn)練，數(shù)據(jù)準(zhǔn)確率大于80%，得到用戶行程預(yù)測(cè)結(jié)果，并采用時(shí)間序列算法，進(jìn)行周期性分析，得到用戶周期性行程預(yù)測(cè)結(jié)果。
...【技術(shù)特征摘要】
1.一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)，其特征在于，包括特征提取模塊、模型建立模塊、模型應(yīng)用模塊和模型修正模塊，其中，
2.如權(quán)利要求1所述的一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)，其特征在于，所述用戶特征數(shù)據(jù)包括用車(chē)頻率、駕駛風(fēng)格、出行習(xí)慣、充電數(shù)據(jù)和充電樁營(yíng)銷(xiāo)活動(dòng)規(guī)律中的一種或多種，其中，
3.如權(quán)利要求1所述的一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)，其特征在于，模型建立模塊采用k-means聚類分析法對(duì)用戶進(jìn)行分類，并根據(jù)用戶歷史數(shù)據(jù)建立推薦模型，所述推薦模型首先根據(jù)用戶駕駛行為日志，隨機(jī)將歷史數(shù)據(jù)的70%作為訓(xùn)練樣本，剩余30%作為驗(yàn)證，采用gdbt決策樹(shù)進(jìn)行模型訓(xùn)練，數(shù)據(jù)準(zhǔn)確率大于80%，得到用戶行程預(yù)測(cè)結(jié)果，并用時(shí)間序列算法，進(jìn)行周期性分析，得到用戶周期性行程預(yù)測(cè)結(jié)果。
4.如權(quán)利要求3所述的一種基于智能網(wǎng)聯(lián)數(shù)據(jù)的充電樁推薦系統(tǒng)，其特征在于，所述推薦模型根據(jù)用戶行為特征與行程預(yù)測(cè)，預(yù)估用戶電量可支持天數(shù)，并標(biāo)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：徐煥，張鴻彪，
申請(qǐng)(專利權(quán))人：啟明信息技術(shù)股份有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。