共享汽车充电调度方法、电子设备及存储介质与流程

本发明涉及车辆相关技术领域，特别是一种共享汽车充电方法、电子设备及存储介质。

背景技术：

随着共享经济的发展，共享汽车作为共享交通体系的重要组成部分，有效缓解了城市交通的运载负荷。当前共享汽车采取固定场站(停车场)取车还车的租赁模式，为了保证共享汽车电量充足，可以有效满足用户的使用需求，需要定期对共享汽车进行充电。

但是发明人在实现本发明的过程中发现，现有的充电调度方式，只要汽车没有充满电，均会要求调度员进行充电调度。然而共享汽车的残余电量不同，且每个区域的共享汽车需求量也不同，因此，现有的充电调度方式，并不能满足共享汽车的实际需求。

技术实现要素：

基于此，有必要针对现有技术的充电调度方式不能满足实际需求的技术问题，提供一种共享汽车充电方法、电子设备及存储介质。

本发明提供一种共享汽车充电调度方法，包括：

获取多个区域未来预设时间段的共享汽车预测需求量；

对于其中一个或多个区域，根据该区域未来预设时间段的预测需求量、该区域的场站信息、以及该区域的充电调度信息，对多个充电决策进行仿真，根据仿真结果确定该区域的共享汽车的充电决策；

根据所述充电决策生成该区域用于调度共享汽车充电的工单。

进一步地，所述场站信息包括区域内的共享汽车的数量、和/或共享汽车的电量，所述充电调度信息包括：区域内的电站数量、区域内的场站数量、区域内的调度员数量、区域内每个电站的可用电桩数量。

进一步地，所述对多个充电决策进行仿真，根据仿真结果确定该区域的共享汽车的充电决策，具体包括：

以区域内的可充电总时间为限制，对多个充电决策进行仿真，选择充电后区域内满足预测需求量的共享汽车数量最大的充电决策。

进一步地，所述充电决策为：将区域内的共享汽车依据残余电量由低到高进行排序，根据排序选择预测需求量的共享汽车设定为需要充电汽车，并确定每辆需要充电汽车的充电量。

更进一步地，所述充电策略还包括：确定每辆需要充电汽车的充电时间。

本发明提供一种共享汽车充电调度电子设备，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一个处理器执行的指令，所述指令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：

获取多个区域未来预设时间段的共享汽车预测需求量；

对于其中一个或多个区域，根据该区域未来预设时间段的预测需求量、该区域的场站信息、以及该区域的充电调度信息，对多个充电决策进行仿真，根据仿真结果确定该区域的共享汽车的充电决策；

根据所述充电决策生成该区域用于调度共享汽车充电的工单。

进一步地，所述场站信息包括区域内的共享汽车的数量、和/或共享汽车的电量，所述充电调度信息包括：区域内的电站数量、区域内的场站数量、区域内的调度员数量、区域内每个电站的可用电桩数量。

进一步地，所述对多个充电决策进行仿真，根据仿真结果确定该区域的共享汽车的充电决策，具体包括：

以区域内的可充电总时间为限制，对多个充电决策进行仿真，选择充电后区域内满足预测需求量的共享汽车数量最大的充电决策。

进一步地，所述充电决策为：将区域内的共享汽车依据残余电量由低到高进行排序，根据排序选择预测需求量的共享汽车设定为需要充电汽车，并确定每辆需要充电汽车的充电量。

更进一步地，所述充电策略还包括：确定每辆需要充电汽车的充电时间。

本发明提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的共享汽车充电调度方法的所有步骤。

本发明在根据对区域未来时间段的共享汽车的需求进行预测，然后利用仿真优化算法，获取城市各区域下单/选单的决策方案，从而满足实际的充电调度需求。

附图说明

图1为本发明一实施例一种共享汽车充电调度方法的工作流程图；

图2为本发明第二实施例一种共享汽车充电调度方法的工作流程图；

图3为本发明第三实施例种共享汽车充电调度电子设备的硬件结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步详细的说明。

实施例一

如图1所示为本发明一实施例一种共享汽车充电调度方法的工作流程图，包括：

步骤s101，获取多个区域未来预设时间段的共享汽车预测需求量；

步骤s102，对于其中一个或多个区域，根据该区域未来预设时间段的预测需求量、该区域的场站信息、以及该区域的充电调度信息，对多个充电决策进行仿真，根据仿真结果确定该区域的共享汽车的充电决策；

步骤s103，根据所述充电决策生成该区域用于调度共享汽车充电的工单。

具体来说，步骤s101，可以采用正六边形/正方形作为单元网格，将城市划分成网格区域，例如将城市划分为多个六边形/正方形网格区域，且地图网格区域间不存在缝隙。然后，基于已训练好的需求预测模型，预测城市不同区域未来某时间段的需求量。

需求预测模型：可以是gbdt模型，也可以是xgboost模型，或者也可以是其他回归模型。模型输入，优选为：历史特征数据和实时特征数据。

比如利用训练好的需求预测模型预测明天城市某区域的用户需求量，则将历史特征和明天的实时数据输入到模型中。其中，历史特征数据为历史时序特征、供需特征、天气特征、交通状况特征等4类特征，明天的实时数据为实时时序特征、实时供需特征、实时天气特征、实时交通状况特征。

模型输出：城市各区域未来各个场站以及各个时间段的流入车辆数、流出的车量数。

比如，可以利用需求预测模型每15min或30min对区域内未来时间段每个场站的流入单量和流出单量做预测，通过对区域内所有场站进行聚合，可以获得整个区域的流入单量和流出单量，从而获得区域未来某时段的共享汽车需求量。

然后，执行步骤s102进行仿真优化，从而得到充电决策，并执行步骤s102，根据充电决策下电/选单。

本发明在根据对区域未来时间段的共享汽车的需求进行预测，然后利用仿真优化算法，获取城市各区域下单/选单的决策方案，从而满足实际的充电调度需求。

实施例二

如图2所示为本发明第二实施例一种共享汽车充电调度方法的工作流程图，包括：

步骤s201，获取多个区域未来预设时间段的共享汽车预测需求量。

步骤s202，对于其中一个或多个区域，根据该区域未来预设时间段的预测需求量、该区域的场站信息、以及该区域的充电调度信息，以区域内的可充电总时间为限制，对多个充电决策进行仿真，选择充电后区域内满足预测需求量的共享汽车数量最大的充电决策。

其中，所述场站信息包括区域内的共享汽车的数量、和/或共享汽车的电量，所述充电调度信息包括：区域内的电站数量、区域内的场站数量、区域内的调度员数量、区域内每个电站的可用电桩数量。

其中，所述充电决策为：将区域内的共享汽车依据残余电量由低到高进行排序，根据排序选择预测需求量的共享汽车设定为需要充电汽车，并确定每辆需要充电汽车的充电量，确定每辆需要充电汽车的充电时间。

步骤s203，根据所述充电决策生成该区域用于调度共享汽车充电的工单。

具体来说，步骤s202的充电决策的优化的输入为：未来某时间段城市不同区域需求量(比如第二天城市不同区域的车辆需求)、不同区域场站信息(共享汽车的电量、共享汽车的数量)、不同区域充电场中电桩可用情况(空置电桩数量)、不同区域内电站数量、不同区域内场站数量、不同区域调度员数量，输出的充电决策为：每个区域下单/选单的决策方案，即决策出给哪些车下单和充电，也就是给多少辆车、哪些车，充多少电。

其中，下单/选单的决策方案包括但不限于：

方案一：每辆车充电至100％满电，但可能只能充满所需车辆的一部分。比如该城市区域共有60辆共享汽车，预估第二天车辆需求量为50辆，则将该区域中的60辆车依据残余电量由低到高进行排序，挑选出第二天需要的前50辆车。由于场站中车辆的残余电量不同，所以每辆车充满所需电量不同。比如，第一辆车需要50min充满电，第二辆车需要40min充满电，第三辆车需要30min充满电，第四辆车需要20min充满电，而充电桩总共可充电时间是300min，当充满45辆共享汽车时总共充电时间达300min，则剩下的5辆就不再充电。

方案二：所需车辆均充电至某一电量水平，如80％。比如该城市区域共有60辆共享汽车，预估第二天车辆需求量为50辆，则将该区域中的60辆车依据残余电量由低到高进行排序，挑选出第二天需要的前50辆车。该方案需要将挑选出的50辆共享汽车的电量均统一充至80％(也可以是其他电量，比如85％、90％)。

方案三：所需车辆的一部分充电至100％，另一部分充电至某一电量水平，如80％。比如该城市区域共有60辆共享汽车，预估第二天车辆需求量为50辆。如果需要对50辆车白天进行充电，则需要将60辆车依据残余电量由高到低进行排序，挑选出前50辆车；如果需要对50辆车夜间进行充电，则需要将60辆车依据残余电量由低到高进行排序，挑选出前50辆车；无论是白天还是夜间充电，都需要使得其中一部分车辆(比如30辆共享汽车)充电至100％，另一部分车辆(比如20辆共享汽车)充电至80％(也可以是其他电量，比如85％)，总体充电目标是在保证需要充电车辆数量的情况下，使充电电量最大化。

本实施例，基于本发明提供的下单选单决策对车辆下单和充电，在保证需要充电车辆数量的情况下，使充电电量最大化。在现有电桩/人力资源和工作时长约束下，充电总量平均提升8％，单位人时充电工单完成数提升约36％。

实施例三

如图3所示为本发明第三实施例种共享汽车充电调度电子设备的硬件结构示意图，包括：

至少一个处理器301；以及，

与所述至少一个处理器301通信连接的存储器302；其中，

所述存储器302存储有可被所述一个处理器执行的指令，所述指令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：

获取多个区域未来预设时间段的共享汽车预测需求量；

对于其中一个或多个区域，根据该区域未来预设时间段的预测需求量、该区域的场站信息、以及该区域的充电调度信息，对多个充电决策进行仿真，根据仿真结果确定该区域的共享汽车的充电决策；

根据所述充电决策生成该区域用于调度共享汽车充电的工单。

图3中以一个处理器302为例。

电子设备还可以包括：输入装置303和显示装置304。

处理器301、存储器302、输入装置303及显示装置304可以通过总线或者其他方式连接，图中以通过总线连接为例。

存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的共享汽车充电调度方法对应的程序指令/模块，例如，图1或图2所示的方法流程。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块，从而执行各种功能应用以及数据处理，即实现上述实施例中的共享汽车充电调度方法。

存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据共享汽车充电调度方法的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至执行共享汽车充电调度方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置303可接收输入的用户点击，以及产生与共享汽车充电调度方法的用户设置以及功能控制有关的信号输入。显示装置304可包括显示屏等显示设备。

在所述一个或者多个模块存储在所述存储器302中，当被所述一个或者多个处理器301运行时，执行上述任意方法实施例中的共享汽车充电调度方法。

本发明在根据对区域未来时间段的共享汽车的需求进行预测，然后利用仿真优化算法，获取城市各区域下单/选单的决策方案，从而满足实际的充电调度需求。

实施例四

本发明第四实施例一种共享汽车充电调度电子设备，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一个处理器执行的指令，所述指令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：

获取多个区域未来预设时间段的共享汽车预测需求量。

对于其中一个或多个区域，根据该区域未来预设时间段的预测需求量、该区域的场站信息、以及该区域的充电调度信息，以区域内的可充电总时间为限制，对多个充电决策进行仿真，选择充电后区域内满足预测需求量的共享汽车数量最大的充电决策。

其中，所述场站信息包括区域内的共享汽车的数量、和/或共享汽车的电量，所述充电调度信息包括：区域内的电站数量、区域内的场站数量、区域内的调度员数量、区域内每个电站的可用电桩数量。

其中，所述充电决策为：将区域内的共享汽车依据残余电量由低到高进行排序，根据排序选择预测需求量的共享汽车设定为需要充电汽车，并确定每辆需要充电汽车的充电量，确定每辆需要充电汽车的充电时间。

根据所述充电决策生成该区域用于调度共享汽车充电的工单。

本实施例，基于本发明提供的下单选单决策对车辆下单和充电，在保证需要充电车辆数量的情况下，使充电电量最大化。

实施例五

本发明第五实施例提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的共享汽车充电调度方法的所有步骤。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。