[发明专利]一种移动充电机器人的远程调度方法和系统

说明书

本发明公开了一种移动充电机器人的远程调度方法和系统，其中方法包括以下步骤：S1，获取用户终端充电任务的数据信息；S2，根据优先级算法对充电任务进行排队；S3，按照充电任务的排队顺序，对充电任务所在场地环境路况进行侦测；S4，进行闲置状态下的智能移动充电机器人与充电任务所在位置之间的路径最优化，得到最优行进路线；S5，智能移动充电机器人按照最优行进路线行进至充电任务所在位置，为用户车辆充电。本申请发明了一种高效、实用的远程调度方法及系统，可实现电动汽车用户预定快速调用移动充电机器人进行充电服务。

技术领域

本发明涉及移动储能电站领域，特别涉及一种移动充电机器人的远程调度方法和系统。

背景技术

随着电动汽车的普及，移动充电机器人作为给电动汽车充电的电能提供设备，已经开始面世，目前只是基于人工方式，将移动充电机器人开到电动汽车停靠点进行充电服务，此方法效率低下，无论电充汽车用户还是移动充电车运营商，都无法实现快速预定充电服务，将电动汽车充电难的问题缓解。随着智能化技术、自动驾驶、云端、物联网等技术的革新，亟需一种智能化的移动充电机器人的远程调度方法及系统，实现电动汽车充电快速、高效的调度服务。

发明内容

为了解决现有问题，本发明提供了一种移动充电机器人的远程调度方法和系统，具体方案如下：

一种移动充电机器人的远程调度方法，包括以下步骤：

S1，获取用户终端充电任务的数据信息；

S2，根据优先级算法对充电任务进行排队；

S3，按照充电任务的排队顺序，对充电任务所在场地环境路况进行侦测；

S4，进行闲置状态下的智能移动充电机器人与充电任务所在位置之间的路径最优化，得到最优行进路线；

S5，智能移动充电机器人按照最优行进路线行进至充电任务所在位置，为用户车辆充电。

优选的，步骤2中的优先级算法选用基于Logistic回归的充电客户优质度评分方法，具体包括以下步骤：

S2.1，获取数据；

S2.2，对S2.1获取的数据进行处理；

S2.3，建立Logistic回归模型；

S2.4，对S2.2处理后的数据进行数据的划分，分为训练集和测试集；

S2.5，获取数据各维度的各自分布情况；

S2.6，根据S2.5中获取的数据各维度的各自分布情况，对数据各维度进行数据分段；

S2.7，对分段后的数据进行分析筛选，得到优质状态影响指标的排序；

S2.8，根据S2.4中划分的测试集对训练好的Logistic模型进行检验。

优选的，S2.2中数据进行处理的步骤包括：

S2.2.1，对S1获取的数据进行预处理；

S2.2.2，对预处理后的数据进行缺失值处理；

S2.2.3，对缺失值处理后的数据进行异常值处理。

优选的，S2.2.1中预处理包括将S2.1获取的数据转化为可用作模型开发的格式化数据，并根据Python内有describe函数，掌握数据集的缺失值、均值和中位数。

优选的，S2.3中建立Logistic回归模型需要建立应变量与自变量的对应关系函数表达式，所述自变量指Logistic回归模型中的输入的各个维度数据，所述应变量指客户优质程度的评价。