一种充电桩推荐方法、系统及电子设备技术方案

本申请公开了一种充电桩推荐方法、系统及电子设备，获得车辆的充电影响因素，充电影响因素至少包括电量及价格，将充电影响因素输入至预先训练得到的多目标跨域推荐模型，多目标跨域推荐模型基于样本影响因素及样本目标候选集合训练得到，获得多目标跨域推荐模型输出的充电桩集合，基于车辆的充电紧急程度从充电桩集合中筛选出目标充电桩结果集合，将目标充电桩结果中的目标充电桩输出。电桩结果中的目标充电桩输出。电桩结果中的目标充电桩输出。

【技术实现步骤摘要】
一种充电桩推荐方法、系统及电子设备


[0001]本申请涉及信息处理领域，尤其涉及一种充电桩推荐方法、系统及电子设备。

技术介绍

[0002]目前，新能源汽车的使用率越来越高，充电是新能源汽车使用过程中的重要问题。在新能源汽车的行驶过程中，若需要进行充电，则通常是选择距离最近的充电桩。

技术实现思路

[0003]有鉴于此，本申请提供一种充电桩推荐方法、系统及电子设备，其具体方案如下：
[0004]一种充电桩推荐方法，包括：
[0005]获得车辆的充电影响因素，所述充电影响因素至少包括电量及价格；
[0006]将所述充电影响因素输入至预先训练得到的多目标跨域推荐模型，所述多目标跨域推荐模型基于样本影响因素及样本目标候选集合训练得到；
[0007]获得所述多目标跨域推荐模型输出的充电桩集合；
[0008]基于所述车辆的充电紧急程度从所述充电桩集合中筛选出目标充电桩结果集合；
[0009]将所述目标充电桩结果集合中的目标充电桩输出。
[0010]进一步的，所述基于所述车辆的充电紧急程度从所述充电桩集合中筛选出目标充电桩结果集合，包括：
[0011]基于所述车辆的充电紧急程度确定从所述车辆的当前位置到达所述充电桩集合中的每个充电桩的距离及最优路径；
[0012]基于所述从所述车辆的当前位置到达所述充电桩集合中的每个充电桩的距离及最优路径从所述充电桩集合中选择目标充电桩，组成目标充电桩结果集合。
[0013]进一步的，所述基于所述车辆的充电紧急程度从所述充电桩集合中筛选出目标充电桩结果集合，包括：
[0014]若确定所述车辆的充电紧急程度低于第一阈值，则基于所述车辆的关联车辆的充电桩偏好从所述充电桩集合中筛选出目标充电桩结果集合；
[0015]若确定所述车辆的充电紧急程度不低于第二阈值，则基于所述从所述车辆的当前位置到达所述充电桩集合中的每个充电桩的距离及最优路径从所述充电桩集合中选择目标充电桩，组成目标充电桩结果集合，其中，所述第二阈值不小于第一阈值。
[0016]进一步的，所述将所述充电影响因素输入至预先训练得到的多目标跨域推荐模型，获得所述多目标跨域推荐模型输出的充电桩集合，包括：
[0017]将所述充电影响因素输入至所述多目标跨域推荐模型中的输入层，确定充电桩选择域及全局域的知识图谱卷积神经网络；
[0018]获得所述充电桩选择域中的充电桩信息及全局域的用户选择信息；
[0019]将所述充电桩信息及用户选择信息合并，得到并集特征标签；
[0020]基于所述并集特征标签进行模型输出，获得充电桩集合。
[0021]进一步的，所述将所述充电桩信息及用户选择信息合并，得到并集特征标签，包括：
[0022]基于全局域的用户选择信息对所述充电桩选择域中的充电桩信息进行调整，得到并集特征标签。
[0023]进一步的，还包括：
[0024]训练多目标跨域推荐模型；
[0025]其中，所述训练多目标跨域推荐模型，包括：
[0026]获得样本影响因素及样本目标候选集合；
[0027]通过所述样本目标候选集合对基于所述样本影响因素训练得到的模型进行优化训练，得到多目标跨域推荐模型。
[0028]一种充电桩推荐系统，包括：
[0029]第一获得单元，用于获得车辆的充电影响因素，所述充电影响因素至少包括电量及价格；
[0030]输入单元，用于将所述充电影响因素输入至预先训练得到的多目标跨域推荐模型，所述多目标跨域推荐模型基于样本影响因素及样本目标候选集合训练得到；
[0031]第二获得单元，用于获得所述多目标跨域推荐模型输出的充电桩集合；
[0032]筛选单元，用于基于所述车辆的充电紧急程度从所述充电桩集合中筛选出目标充电桩结果集合；
[0033]输出单元，用于将所述目标充电桩结果集合中的目标充电桩输出。
[0034]进一步的，所述筛选单元用于：
[0035]基于所述车辆的充电紧急程度确定从所述车辆的当前位置到达所述充电桩集合中的每个充电桩的距离及最优路径；基于所述从所述车辆的当前位置到达所述充电桩集合中的每个充电桩的距离及最优路径从所述充电桩集合中选择目标充电桩，组成目标充电桩结果集合。
[0036]一种电子设备，包括：
[0037]处理器，用于获得车辆的充电影响因素，所述充电影响因素至少包括电量及价格；将所述充电影响因素输入至预先训练得到的多目标跨域推荐模型，所述多目标跨域推荐模型基于样本影响因素及样本目标候选集合训练得到；获得所述多目标跨域推荐模型输出的充电桩集合；基于所述车辆的充电紧急程度从所述充电桩集合中筛选出目标充电桩结果集合；将所述目标充电桩结果集合中的目标充电桩输出；
[0038]存储器，用于存储所述处理器执行上述处理过程的程序。
[0039]一种可读存储介质，用于至少存储一组指令集；
[0040]所述指令集用于被调用并至少执行如上任一项所述的充电桩推荐的方法。
[0041]从上述技术方案可以看出，本申请公开的充电桩推荐方法、系统及电子设备，获得车辆的充电影响因素，充电影响因素至少包括电量及价格，将充电影响因素输入至预先训练得到的多目标跨域推荐模型，多目标跨域推荐模型基于样本影响因素及样本目标候选集合训练得到，获得多目标跨域推荐模型输出的充电桩集合，基于车辆的充电紧急程度从充电桩集合中筛选出目标充电桩结果集合，将目标充电桩结果中的目标充电桩输出。本方案中首先基于车辆的充电影响因素进行一次筛选，得到充电桩集合，之后进一步基于车辆的
充电紧急程度从充电桩集合中进行二次筛选，从而得到目标充电桩结果集合，输出给用户，以便于用户能够基于充电影响因素及其车辆当前的实际情况综合考虑选择目标充电桩为车辆进行充电，增加了目标充电桩的选择因素，提高了用户体验。
附图说明
[0042]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1为本申请实施例公开的一种充电桩推荐方法的流程图；
[0044]图2为本申请实施例公开的一种充电桩推荐方法的流程图；
[0045]图3为本申请实施例公开的一种充电桩推荐方法的流程图；
[0046]图4为本申请实施例公开的一种多目标跨域推荐模型的模型框架示意图；
[0047]图5为本申请实施例公开的一种充电桩推荐系统的结构示意图；
[0048]图6为本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
[0049]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电桩推荐方法，其特征在于，包括：获得车辆的充电影响因素，所述充电影响因素至少包括电量及价格；将所述充电影响因素输入至预先训练得到的多目标跨域推荐模型，所述多目标跨域推荐模型基于样本影响因素及样本目标候选集合训练得到；获得所述多目标跨域推荐模型输出的充电桩集合；基于所述车辆的充电紧急程度从所述充电桩集合中筛选出目标充电桩结果集合；将所述目标充电桩结果集合中的目标充电桩输出。2.根据权利要求1所述的方法，其特征在于，所述基于所述车辆的充电紧急程度从所述充电桩集合中筛选出目标充电桩结果集合，包括：基于所述车辆的充电紧急程度确定从所述车辆的当前位置到达所述充电桩集合中的每个充电桩的距离及最优路径；基于所述从所述车辆的当前位置到达所述充电桩集合中的每个充电桩的距离及最优路径从所述充电桩集合中选择目标充电桩，组成目标充电桩结果集合。3.根据权利要求2所述的方法，其特征在于，所述基于所述车辆的充电紧急程度从所述充电桩集合中筛选出目标充电桩结果集合，包括：若确定所述车辆的充电紧急程度低于第一阈值，则基于所述车辆的关联车辆的充电桩偏好从所述充电桩集合中筛选出目标充电桩结果集合；若确定所述车辆的充电紧急程度不低于第二阈值，则基于所述从所述车辆的当前位置到达所述充电桩集合中的每个充电桩的距离及最优路径从所述充电桩集合中选择目标充电桩，组成目标充电桩结果集合，其中，所述第二阈值不小于第一阈值。4.根据权利要求1所述的方法，其特征在于，所述将所述充电影响因素输入至预先训练得到的多目标跨域推荐模型，获得所述多目标跨域推荐模型输出的充电桩集合，包括：将所述充电影响因素输入至所述多目标跨域推荐模型中的输入层，确定充电桩选择域及全局域的知识图谱卷积神经网络；获得所述充电桩选择域中的充电桩信息及全局域的用户选择信息；将所述充电桩信息及用户选择信息合并，得到并集特征标签；基于所述并集特征标签进行模型输出，获得充电桩集合。5.根据权利要求4所述的方法，其特征在于，所述将所述充电桩信息及用户选择信息合并，得到并集特征标签...

【专利技术属性】
技术研发人员：王益超，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：