一种换电柜的部署方法、装置、介质及电子设备制造方法及图纸

本发明专利技术公开了一种换电柜的部署方法、装置、介质及电子设备。该方法包括：若检测到当前城市换电数据预测需求，则确定当前城市所属的城市等级；根据所述城市等级确定换电柜数量；获取所述当前城市的换电数据、订单数据以及用户数据，作为特征数据，并将所述特征数据输入至预测模型，确定输出的换电布置数据；根据所述换电柜数量与所述换电布置数据，确定换电柜的部署结果。通过采用本方案，可以提高换电柜部署的效果。

【技术实现步骤摘要】
一种换电柜的部署方法、装置、介质及电子设备
本专利技术涉及物联网
，尤其涉及一种换电柜的部署方法、装置、介质及电子设备。
技术介绍
随着共享出行的发展，在全国各个大、中型城市兴起的共享单车几乎随处可见，同时助力车的出现更加方便了中距离出行。由于助力车需要定时更换低电电池的特性，使得如何合理布局电池充电点显的尤为重要。对于现在助力车的换电点有多种模式，如仓库模式，充电桩模式，人为携带模式等，早期的仓库模式在助力车发展的早期阶段起到了十分重要的作用，但是随着规模的不断扩大，其自身的缺点显得尤为突出，主要体现在以下三点：一，仓库模式的仓库一般布局在城市偏远地带，对城市助力车缺电响应较为缓慢；二，仓库模式受限于运维人员运力，通常几十块电池几十公里的换电路程，满足不了众多小电量换电的需求；三，需要大型仓库和管理人员来管理。在早期，换电柜的布设是纯按人工经验部署，出现耗时长，空间统筹能力弱，响应慢等问题。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是，人工部署换电柜造成的诸多问题。为此，本方案提供一种换电柜的部署方法、装置、介质及电子设备。换电柜是相对于仓库的集中式的分布式布局，主要分散布局在城市的空间中，为助力车换电提供“短频快”的换电支持。本方案采用有理论支撑及机器学习的换电柜选址方法，同时根据运营数据不断的迭代模型，使得换电柜的选址更加精准。为实现上述目的，本专利技术提供了一种换电柜的部署方法、装置、介质及电子设备。在本专利技术的较佳实施方式中，本申请实施例提供了一种换电柜的部署方法，所述方法包括：若检测到当前城市换电数据预测需求，则确定当前城市所属的城市等级；根据所述城市等级确定换电柜数量；获取所述当前城市的换电数据、订单数据以及用户数据，作为特征数据，并将所述特征数据输入至预测模型，确定输出的换电布置数据；根据所述换电柜数量与所述换电布置数据，确定换电柜的部署结果。进一步的，在将所述特征数据输入至预测模型之前，所述方法还包括：根据所述城市等级，以及对各城市等级预先训练得到的各城市等级的候选预测模型，确定所述预测模型。进一步的，所述预测模型的训练过程包括：获取当前级别城市的换电数据、订单数据以及用户数据，作为训练样本；根据预设地理空间分割规则，得到地理空间分割后的网格；并确定所述网格中训练样本的特征数据；根据所述网格中训练样本的特征数据对构建的初始模型进行训练，得到预测模型。进一步的，所述换电布置数据包括：所述网格中的换电柜数值比例。进一步的，所述根据所述换电柜数量与所述换电布置数据，确定换电柜的部署结果的步骤，包括：根据所述换电柜数量与所述网格中的换电柜数值比例，确定网格中的换电柜的部署结果；遍历所有网格，以得到所述当前城市的换电柜的部署结果。进一步的，在所述根据所述网格中训练样本的特征数据对构建的初始模型进行训练之前，所述方法还包括：获取网格中的地图分类信息；提取网格中地图分类信息中数量满足预设条件的目标信息分类，作为网格的特征数据。进一步的，所述确定所述网格中训练样本的特征数据，包括：将所述订单数据以及用户数据映射至所述网格，以确定所述网格中训练样本的特征数据。在本专利技术的另一较佳实施方式中，本申请实施例提供了一种换电柜的部署装置，该装置包括：城市等级确定模块，用于若检测到当前城市换电数据预测需求，则确定当前城市所属的城市等级；换电柜数量确定模块，用于根据所述城市等级确定换电柜数量；换电布置数据输出模块，用于获取所述当前城市的换电数据、订单数据以及用户数据，作为特征数据，并将所述特征数据输入至预测模型，确定输出的换电布置数据；部署结果确定模块，用于根据所述换电柜数量与所述换电布置数据，确定换电柜的部署结果。进一步的，所述装置还包括：预测模型选择模块，用于根据所述城市等级，以及对各城市等级预先训练得到的各城市等级的候选预测模型，确定所述预测模型。可选的，所述装置还用于：进一步的，所述预测模型的训练过程包括：获取当前级别城市的换电数据、订单数据以及用户数据，作为训练样本；根据预设地理空间分割规则，得到地理空间分割后的网格；并确定所述网格中训练样本的特征数据；根据所述网格中训练样本的特征数据对构建的初始模型进行训练，得到预测模型。进一步的，所述换电布置数据包括：所述网格中的换电柜数值比例。进一步的，在所述根据所述网格中训练样本的特征数据对构建的初始模型进行训练之前，所述装置还用于：获取网格中的地图分类信息；提取网格中地图分类信息中数量满足预设条件的目标信息分类，作为网格的特征数据。进一步的，所述确定所述网格中训练样本的特征数据，包括：将所述订单数据以及用户数据映射至所述网格，以确定所述网格中训练样本的特征数据。在本专利技术的另一较佳实施方式中，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本申请实施例所述的换电柜的部署方法。在本专利技术的另一较佳实施方式中，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在所述存储器上并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的换电柜的部署方法。本专利技术提供的技术方案具有以下技术效果：本专利技术适用于助力车换电柜的部署操作的情况，本专利技术采用的是智能选址的方式，其中利用到了机器学习模型以及其他统计分析手段，可以辅助确定换电柜的部署方案，为城市助力车换电选址提供了重要的技术支撑。以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。附图说明图1是本申请实施例提供的换电柜的部署方法的流程图；图2是本申请实施例提供的换电柜的部署过程的示意图；图3是本申请实施例提供的换电柜的部署装置的示意图；图4是本申请实施例提供的一种电子设备的结构示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。为了阐释的目的而描述了本专利技术的一些示例性实施例，需要理解的是，本专利技术可通过附图中没有具体示出的其他方式来实现。图1是本申请实施例提供的换电柜的部署方法的流程图，本实施例可适用于换电柜部署的情况。如图1所示，所述换电柜的部署方法包括：S110、若检测到当前城市换电数据预测需求，则确定当前城市所属的城市等级。本文档来自技高网...

【技术保护点】
1.一种换电柜的部署方法，其特征在于，所述方法包括：/n若检测到当前城市换电数据预测需求，则确定当前城市所属的城市等级；/n根据所述城市等级确定换电柜数量；/n获取所述当前城市的换电数据、订单数据以及用户数据，作为特征数据，并将所述特征数据输入至预测模型，确定输出的换电布置数据；/n根据所述换电柜数量与所述换电布置数据，确定换电柜的部署结果。/n

【技术特征摘要】
1.一种换电柜的部署方法，其特征在于，所述方法包括：
若检测到当前城市换电数据预测需求，则确定当前城市所属的城市等级；
根据所述城市等级确定换电柜数量；
获取所述当前城市的换电数据、订单数据以及用户数据，作为特征数据，并将所述特征数据输入至预测模型，确定输出的换电布置数据；
根据所述换电柜数量与所述换电布置数据，确定换电柜的部署结果。


2.如权利要求1所述的方法，其特征在于，在将所述特征数据输入至预测模型之前，所述方法还包括：
根据所述城市等级，以及对各城市等级预先训练得到的各城市等级的候选预测模型，确定所述预测模型。


3.如权利要求2所述的方法，其特征在于，所述预测模型的训练过程包括：
获取当前级别城市的换电数据、订单数据以及用户数据，作为训练样本；
根据预设地理空间分割规则，得到地理空间分割后的网格；并确定所述网格中训练样本的特征数据；
根据所述网格中训练样本的特征数据对构建的初始模型进行训练，得到所述预测模型。


4.如权利要求3所述的方法，其特征在于，所述换电布置数据包括：
所述网格中的换电柜数值比例。


5.如权利要求4所述的方法，其特征在于，所述根据所述换电柜数量与所述换电布置数据，确定换电柜的部署结果的步骤，包括：
根据所述换电柜数量与所述网格中的换电柜数值比例，确定网格中的换电柜的部署结果；
遍历所有网格，以得到所述当前城市的换电柜的部署结果。


6.如权利要求3所述的方法，其特征在于，在所述根据所述网格中训练样本的...

【专利技术属性】
技术研发人员：杨磊，曾荣俊，
申请(专利权)人：上海钧正网络科技有限公司，
类型：发明
国别省市：上海;31