【技术实现步骤摘要】
本申请涉及场站管理，具体涉及一种场站服务费折扣率调整方法、电子设备及存储介质。
技术介绍
1、随着电动汽车保有量的逐步增加，促进了电动汽车补能服务行业的发展。补能场站的服务费折扣动态调整是提升场站经营效率的有效手段，一方面较低的折扣率能够激活场站的流量，从而增加场站知名度；另一方面较高的折扣率能够抑制场站流量减少用户排队时间，从而提升场站的补能体验。
2、由于每个补能场站分布在不同的区域位置，场站周边的整体需求和细分市场竞争格局各有差异，加上基础电价本身就存在峰谷平波动，补能场站服务费折扣调整是一个非常复杂的经营工程。
3、传统方法以基于运营专家经验的人工调整为主，场站运营人员会结合场站的利用率和周边场站的竞价情况去做批次调整和观察。该方式对基础数据信息的参考受限，不能充分参考每个小时颗粒维度的特征信息，同时随着场站数的增加需要投入的人力成本将成倍数增加，运营效率较低。此外，在实际的经营场景下，补能场站服务费折扣率动态调整的经营目标除了服务费收益目标，还应该包括其他多个目标，而基于运营专家经验很难实现多目标优化的决策。
4、相应地，本领域需要一种新的场站服务费折扣率调整方案来解决上述问题。
技术实现思路
1、为了克服上述缺陷，提出了本申请，以提供解决或至少部分地解决现有的场站服务费折扣率调整方法运营效率较低，并且无法实现多经营目标优化的技术问题的一种场站服务费折扣率调整方法、电子设备及存储介质。
2、在第一方面，提供一种场站服务费折扣
3、获取当前场站和周边区域整体的经营特征信息；所述周边区域为距离所述当前场站预设距离范围的区域；
4、将所述当前场站和周边区域整体的经营特征信息输入训练好的价格弹性预估模型，得到不同服务费折扣率对应的场站利用率；
5、获取多个目标权重因子，并基于所述多个目标权重因子和所述不同服务费折扣率对应的场站利用率获取当前场站的服务费折扣率参数；
6、基于所述服务费折扣率参数对当前场站的服务费折扣率进行调整。
7、在上述场站服务费折扣率调整方法的一个技术方案中，所述周边区域整体的经营特征信息包括周边场站的经营特征信息，所述周边场站为所述周边区域内与所述当前场站的场站类型相同的场站；所述获取当前场站和周边区域整体的经营特征信息包括：
8、获取当前场站的场站画像信息、电池画像信息和充电桩画像信息中至少一种；
9、获取所述周边场站的经营特征信息，以及周边区域的周边场站总数、分时周边需求总数、用户体验标签和时间信息中至少一种；所述周边场站的经营特征信息包括周边场站的场站画像信息、电池画像信息、充电桩画像信息中至少一种，以及周边场站与当前场站的第一距离参数、周边场站与其他周边场站的第二距离参数；
10、获取周边区域的周边场站总数、分时周边需求总数、用户体验标签和时间信息中至少一种；
11、其中，所述场站画像信息至少包括场站id和所述场站类型。
12、在上述场站服务费折扣率调整方法的一个技术方案中，所述价格弹性预估模型至少包括特征模块和预测模块；所述将所述当前场站和周边区域整体的经营特征信息输入训练好的价格弹性预估模型，得到不同服务费折扣率对应的场站利用率包括：
13、所述特征模块基于所述当前场站的经营特征信息和所述周边场站的经营特征信息生成当前场站的经营竞争图；
14、所述预测模块基于所述当前场站的经营特征信息、所述周边区域整体的经营特征信息和所述当前场站的经营竞争图得到经营语义向量，并基于所述经营语义向量得到所述不同服务费折扣率对应的当前场站的场站利用率。
15、在上述场站服务费折扣率调整方法的一个技术方案中，所述预测模块至少包括图卷积网络层和多感知网络层，所述经营语义向量包括竞争图语义向量和本地语义向量；所述预测模块基于所述当前场站的经营特征信息、所述周边区域整体的经营特征信息和所述当前场站的经营竞争图得到经营语义向量包括：
16、所述图卷积网络层基于所述当前场站的经营竞争图生成所述竞争图语义向量；
17、所述多感知网络层基于所述当前场站和所述周边区域整体的经营特征信息生成所述本地语义向量。
18、在上述场站服务费折扣率调整方法的一个技术方案中，所述预测模块还包括全连接层；所述基于所述经营语义向量得到所述不同服务费折扣率对应的当前场站的场站利用率包括：
19、所述全连接层基于所述竞争图语义向量和所述本地语义向量得到所述不同服务费折扣率对应的当前场站的场站利用率；
20、其中，所述服务费折扣率在预设服务费折扣率区间内。
21、在上述场站服务费折扣率调整方法的一个技术方案中，所述多个目标权重因子包括服务费收益权重因子、设备健康度权重因子和用户体验权重因子；所述基于所述多个目标权重因子和所述不同服务费折扣率对应的场站利用率获取当前场站的服务费折扣率参数包括：
22、基于所述多个目标权重因子构建多目标优化函数；
23、基于所述多目标优化函数和所述不同服务费折扣率对应的场站利用率获取时间区块优化函数；
24、基于所述时间区块优化函数得到每个时间区块对应的当前场站的服务费折扣率参数。
25、在上述场站服务费折扣率调整方法的一个技术方案中，所述基于所述多个目标权重因子构建多目标优化函数包括：
26、获取分时服务费收益函数、分时设备健康度函数和分时用户体验函数；
27、基于所述服务费收益权重因子、设备健康度权重因子、用户体验权重因子以及所述分时服务费收益函数、分时设备健康度函数和分时用户体验函数构建所述多目标优化函数。
28、在上述场站服务费折扣率调整方法的一个技术方案中，所述获取分时服务费收益函数、分时设备健康度函数和分时用户充电体验函数包括：
29、获取平均补能功率、设备健康度最小场站利用率、设备健康度关于场站利用率的负增长斜率、用户体验最小场站利用率、用户体验关于场站利用率的负增长斜率；
30、基于所述不同服务费折扣率对应的场站利用率和所述平均补能功率构建所述分时服务费收益函数；
31、基于所述设备健康度最小场站利用率和所述设备健康度关于场站利用率的负增长斜率构建所述分时设备健康度函数；
32、基于所述用户体验最小场站利用率和所述用户体验关于场站利用率的负增长斜率构建所述分时用户充电体验函数。
33、在上述场站服务费折扣率调整方法的一个技术方案中，所述周边场站的经营特征信息包括周边场站的分时订单数量；所述基于所述多目标优化函数和所述不同服务费折扣率对应的场站利用率获取时间区块优化函数包括：
34、基于所述周边场站的分时订单数量分配权重系数，以获取分时周边参考总价；
35、基于所述分时周边参考总价和分时电价做全天时区块划分，得到多个时间区块；其中本文档来自技高网...
【技术保护点】
1.一种场站服务费折扣率调整方法，其特征在于，所述方法包括：
2.根据权利要求1所述的场站服务费折扣率调整方法，其特征在于，所述周边区域整体的经营特征信息包括周边场站的经营特征信息，所述周边场站为所述周边区域内与所述当前场站的场站类型相同的场站；所述获取当前场站和周边区域整体的经营特征信息包括：
3.根据权利要求2所述的场站服务费折扣率调整方法，其特征在于，所述价格弹性预估模型至少包括特征模块和预测模块；所述将所述当前场站和周边区域整体的经营特征信息输入训练好的价格弹性预估模型，得到不同服务费折扣率对应的场站利用率包括：
4.根据权利要求3所述的场站服务费折扣率调整方法，其特征在于，所述预测模块至少包括图卷积网络层和多感知网络层，所述经营语义向量包括竞争图语义向量和本地语义向量；所述预测模块基于所述当前场站的经营特征信息、所述周边区域整体的经营特征信息和所述当前场站的经营竞争图得到经营语义向量包括：
5.根据权利要求3所述的场站服务费折扣率调整方法，其特征在于，所述预测模块还包括全连接层；所述基于所述经营语义向量得到所述不同服务费折
6.根据权利要求1所述的场站服务费折扣率调整方法，其特征在于，所述多个目标权重因子包括服务费收益权重因子、设备健康度权重因子和用户体验权重因子；所述基于所述多个目标权重因子和所述不同服务费折扣率对应的场站利用率获取当前场站的服务费折扣率参数包括：
7.根据权利要求6所述的场站服务费折扣率调整方法，其特征在于，所述基于所述多个目标权重因子构建多目标优化函数包括：
8.根据权利要求7所述的场站服务费折扣率调整方法，其特征在于，所述获取分时服务费收益函数、分时设备健康度函数和分时用户充电体验函数包括：
9.根据权利要求6所述的场站服务费折扣率调整方法，其特征在于，所述周边场站的经营特征信息包括周边场站的分时订单数量；所述基于所述多目标优化函数和所述不同服务费折扣率对应的场站利用率获取时间区块优化函数包括：
10.根据权利要求1所述的场站服务费折扣率调整方法，其特征在于，所述方法还包括至少基于以下步骤对所述价格弹性预估模型进行训练：
...【技术特征摘要】
1.一种场站服务费折扣率调整方法，其特征在于，所述方法包括：
2.根据权利要求1所述的场站服务费折扣率调整方法，其特征在于，所述周边区域整体的经营特征信息包括周边场站的经营特征信息，所述周边场站为所述周边区域内与所述当前场站的场站类型相同的场站；所述获取当前场站和周边区域整体的经营特征信息包括：
3.根据权利要求2所述的场站服务费折扣率调整方法，其特征在于，所述价格弹性预估模型至少包括特征模块和预测模块；所述将所述当前场站和周边区域整体的经营特征信息输入训练好的价格弹性预估模型，得到不同服务费折扣率对应的场站利用率包括：
4.根据权利要求3所述的场站服务费折扣率调整方法，其特征在于，所述预测模块至少包括图卷积网络层和多感知网络层，所述经营语义向量包括竞争图语义向量和本地语义向量；所述预测模块基于所述当前场站的经营特征信息、所述周边区域整体的经营特征信息和所述当前场站的经营竞争图得到经营语义向量包括：
5.根据权利要求3所述的场站服务费折扣率调整方法，其特征在于，所述预测模块还包括全连接层；所述基于所述经...
【专利技术属性】
技术研发人员：邰康盛，潘鹏举，吴毅成，
申请(专利权)人：蔚来汽车科技安徽有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。