一种智慧城市充电智能推荐方法和系统技术方案

本发明专利技术涉及一种智慧城市充电智能推荐方法和系统。智慧城市充电智能推荐方法包括以下步骤：基于各充电站点的大数据预测各充电站点在未来一段时间内的忙闲概率；综合预测得到的各充电站点在未来一段时间内的忙闲概率以及各充电站点的历史数据对各充电站点进行评分；综合各充电站点的评分、电动汽车的车辆信息和用户信息，得到可向电动汽车用户推荐的可用充电站点信息并发送给电动汽车用户；依据电动汽车用户反馈的其所选择的充电站点，对可向电动汽车用户推荐的可用充电站点信息进行自适应调整。实现上述智慧城市充电智能推荐方法的系统包括概率预测模块、评分模块、推荐模块、调整模块。本发明专利技术能够为电动汽车用户推荐更加合适的充电站点。

【技术实现步骤摘要】
一种智慧城市充电智能推荐方法和系统
本专利技术属于电动汽车服务
，具体涉及一种向电动汽车用户推荐充电站点的智慧城市充电智能推荐方法及系统。
技术介绍
目前新能源汽车生产规模不断扩大，但是公共充电桩的铺设远远没有赶上电动汽车的增速，在这种情况下，找到合适自己的充电桩比较困难，还会遇到电桩无效，电桩被占用的情况，目前已成为目前电动汽车用户的一大痛点。目前已出现一些用于为电动汽车用户推荐充电站点/充电桩的应用。已有的推荐方法一般是基于计算预计到达充电站的充电车的数量（依据电动汽车的电池状态、剩余里程等预计所到达的充电站）来计算可能的排队时间。但是除了国家平台，其他平台很难接入所有的电动车的情况。因此，现有技术对充电桩的推荐可能会跟车、客户的实际数据脱节，或者只是计算而没有预测未来的情况，或者有些重要的影响因素没有考虑进去，导致推荐的质量不高，没有把正真高质量的充电桩推荐给不同需求的用户。
技术实现思路
本专利技术的目的是提供一种基于充电站点自身情况、能够为电动汽车用户推荐更加合适的充电站点的智慧城市充电智能推荐方法。为达到上述目的，本专利技术采用的技术方案是：一种智慧城市充电智能推荐方法，用于向电动汽车用户推荐可用的充电站点，所述智慧城市充电智能推荐方法包括以下步骤：步骤1：基于各充电站点的大数据预测各充电站点在未来一段时间内的忙闲概率；步骤2：综合预测得到的各充电站点在未来一段时间内的忙闲概率以及各充电站点的历史数据对各充电站点进行评分；步骤3：综合各充电站点的评分、电动汽车的车辆信息和用户信息，得到可向电动汽车用户推荐的可用充电站点信息并发送给电动汽车用户。所述智慧城市充电智能推荐方法还包括：步骤4：依据电动汽车用户反馈的其所选择的充电站点，对可向电动汽车用户推荐的可用充电站点信息进行自适应调整。所述步骤1包括以下子步骤：子步骤1-1：收集各充电站点自身的属性信息及其在过去一段时间内的使用历史数据；子步骤1-2：将一天时间分为n个时间段，依据各所述充电站点在过去一段时间内的使用历史数据标记各充电站点内的各充电桩在过去一段时间内的各个时段的忙闲状态；子步骤1-3：为各所述充电站点在过去一段时间内的使用历史数据对应补充数据特征；子步骤1-4：建立深度学习模型，将各所述充电站点的自身的属性信息及其在过去一段时间内的使用历史数据对应的数据特征作为所述深度学习模型的输入，将各所述充电站点在过去一段时间内的各个时段的忙闲状态作为所述深度学习模型的输出，训练所述深度学习模型；子步骤1-5：利用训练好的所述深度学习模型预测各充电站点在未来一段时间内的忙闲概率。所述子步骤1-1中，所述充电站点自身的属性信息包括充电站点中充电桩的接口个数和额定功率、充电站点的地理位置。所述子步骤1-2中，将一天时间分为48个时间段。所述子步骤1-3中，所述数据特征包括时间特征、天气特征、环境特征、价格特征。所述步骤3中，所述电动汽车的车辆信息包括车型、里程、当前SOC、剩余里程。所述步骤3中，所述电动汽车的用户信息包括电动汽车用户所在位置和常用充电位置。本专利技术还提供一种实现上述智慧城市充电智能推荐方法，从而能够基于充电站点自身情况、能够为电动汽车用户推荐更加合适的充电站点的系统，其方案是：一种智慧城市充电智能推荐系统，用于向电动汽车用户推荐可用的充电站点，所述智慧城市充电智能推荐系统包括：概率预测模块，所述概率预测模块用于基于各充电站点的大数据预测各充电站点在未来一段时间内的忙闲概率；评分模块，所述评分模块用于综合预测得到的各充电站点在未来一段时间内的忙闲概率以及各充电站点的历史数据对各充电站点进行评分；推荐模块，所述推荐模块用于综合各充电站点的评分、电动汽车的车辆信息和用户信息，得到可向电动汽车用户推荐的可用充电站点信息并发送给电动汽车用户。所述智慧城市充电智能推荐系统还包括：调整模块，所述调制模块用于依据电动汽车用户反馈的其所选择的充电站点，对可向电动汽车用户推荐的可用充电站点信息进行自适应调整。由于上述技术方案运用，本专利技术与现有技术相比具有下列优点：本专利技术基于充电站点自身情况，预测充电站点中充电桩的空闲情况，进而结合其他信息能够为电动汽车用户推荐更加合适的充电站点。附图说明附图1为本专利技术的智慧城市充电智能推荐方法中步骤1的流程图。附图2为本专利技术的智慧城市充电智能推荐方法的流程图。具体实施方式下面结合附图所示的实施例对本专利技术作进一步描述。实施例一：如附图1所示，一种用于向电动汽车用户推荐可用的充电站点的智慧城市充电智能推荐方法，包括以下步骤：步骤1：基于各充电站点的大数据预测各充电站点在未来一段时间内的忙闲概率。如附图1所示，该步骤1包括以下子步骤：子步骤1-1：收集各充电站点自身的属性信息及其在过去一段时间内的使用历史数据。各充电站点自身的属性信息包括充电站点中充电桩的接口个数和额定功率、充电站点的地理位置，还可以包括充电站桩品牌、运营商品牌等。充电站点自身的在过去一段时间内的使用历史数据主要包括其为电动汽车充电过程中的相关数据，包括充电起止时间、充电时长等。子步骤1-2：将一天时间分为n个时间段，依据各充电站点在过去一段时间内的使用历史数据标记各充电站点内的各充电桩在过去一段时间内的各个时段的忙闲状态。通常可以将一天时间分为48个时间段，即每半小时为一个时间段。若在一个时间段内某个充电桩正在为电动汽车充电，则将该充电桩的该段时间段标记为忙。子步骤1-3：为各充电站点在过去一段时间内的使用历史数据对应补充数据特征。数据特征包括时间特征（例如充电日期是工作日还是周末或者节假日）、天气特征（充电的季节，是否晴天等）、环境特征（充电时的气温等）、价格特征（是否有优惠活动，当时所属的峰谷尖平的电价的档位等）。子步骤1-4：建立深度学习模型，将各充电站点的自身的属性信息及其在过去一段时间内的使用历史数据对应的数据特征作为深度学习模型的输入，将各充电站点在过去一段时间内的各个时段的忙闲状态作为深度学习模型的输出，从而利用上述海量数据训练深度学习模型，得到训练好的深度学习模型。子步骤1-5：利用训练好的深度学习模型预测各充电站点在未来一段时间（例如未来24小时）内的忙闲概率。充电站点的忙闲概率可利用处于充电状态的充电桩数量与充电桩总数之比来获得。步骤2：综合预测得到的各充电站点在未来一段时间内的忙闲概率以及各充电站点的历史数据（例如充电站点历史评分、充电站点评论、充电桩故障率、充电桩的充电数据等）对各充电站点进行评分。步骤3：综合各充电站点的评分、电动汽车的车辆信息（包括车型、里程、当前SOC、剩余里程等）和用户信息（包括电动汽车用户所在位置和常用充电位置等），基于设定的推荐标准（如剩余里程内评分最高、空闲概率最大等）筛选，得本文档来自技高网...

【技术保护点】
1.一种智慧城市充电智能推荐方法，用于向电动汽车用户推荐可用的充电站点，其特征在于：所述智慧城市充电智能推荐方法包括以下步骤：/n步骤1：基于各充电站点的大数据预测各充电站点在未来一段时间内的忙闲概率；/n步骤2：综合预测得到的各充电站点在未来一段时间内的忙闲概率以及各充电站点的历史数据对各充电站点进行评分；/n步骤3：综合各充电站点的评分、电动汽车的车辆信息和用户信息，得到可向电动汽车用户推荐的可用充电站点信息并发送给电动汽车用户。/n

【技术特征摘要】
1.一种智慧城市充电智能推荐方法，用于向电动汽车用户推荐可用的充电站点，其特征在于：所述智慧城市充电智能推荐方法包括以下步骤：
步骤1：基于各充电站点的大数据预测各充电站点在未来一段时间内的忙闲概率；
步骤2：综合预测得到的各充电站点在未来一段时间内的忙闲概率以及各充电站点的历史数据对各充电站点进行评分；
步骤3：综合各充电站点的评分、电动汽车的车辆信息和用户信息，得到可向电动汽车用户推荐的可用充电站点信息并发送给电动汽车用户。


2.根据权利要求1所述的一种智慧城市充电智能推荐方法，其特征在于：所述智慧城市充电智能推荐方法还包括：
步骤4：依据电动汽车用户反馈的其所选择的充电站点，对可向电动汽车用户推荐的可用充电站点信息进行自适应调整。


3.根据权利要求1或2所述的一种智慧城市充电智能推荐方法，其特征在于：所述步骤1包括以下子步骤：
子步骤1-1：收集各充电站点自身的属性信息及其在过去一段时间内的使用历史数据；
子步骤1-2：将一天时间分为n个时间段，依据各所述充电站点在过去一段时间内的使用历史数据标记各充电站点内的各充电桩在过去一段时间内的各个时段的忙闲状态；
子步骤1-3：为各所述充电站点在过去一段时间内的使用历史数据对应补充数据特征；
子步骤1-4：建立深度学习模型，将各所述充电站点的自身的属性信息及其在过去一段时间内的使用历史数据对应的数据特征作为所述深度学习模型的输入，将各所述充电站点在过去一段时间内的各个时段的忙闲状态作为所述深度学习模型的输出，训练所述深度学习模型；
子步骤1-5：利用训练好的所述深度学习模型预测各充电站点在未来一段时间内的忙闲概率。


4.根据权利要求3所述的一种智慧城市充电智能推荐...

【专利技术属性】
技术研发人员：钱磊，朱卓敏，
申请(专利权)人：上海电享信息科技有限公司，
类型：发明
国别省市：上海;31