-
公开(公告)号：CN116542005A
公开(公告)日：2023-08-04
申请号：CN202310821603.7
申请日：2023-07-06
Applicant: 杭州宇谷科技股份有限公司
IPC: G06F30/18 , G06F30/27 , G06N3/045 , G06N3/09 , G06F18/25 , G06F18/211 , G06F113/04
Abstract: 本发明公开了一种基于深度学习的换电柜网络布局方法、系统、装置及介质，根据换电柜的当前特征数据获取所述换电柜的原始特征向量，以及目标点位的落柜标签；确定所述原始特征向量和所述落柜标签之间的相关性系数，并根据所述相关性系数进行特征选择，获取输入数据；采用基于所述换电柜的历史特征数据预先训练好的深度学习网络模型，根据所述输入数据获取预测标签；基于所述预测标签和所述换电柜的点位特征参数，确定所述目标点位的换电柜落柜数量。本发明充分利用多重特征维度信息获取换电柜网络可行性点位的落柜数量，既减小了换电柜网络点位预测的偏差，也减小了由于历史因素信息缺失比较严重时，影响到推荐的落柜点位数量的总体误差。
-
公开(公告)号：CN117407718A
公开(公告)日：2024-01-16
申请号：CN202311726033.X
申请日：2023-12-15
Applicant: 杭州宇谷科技股份有限公司
IPC: G06F18/214 , G06F18/23 , G06N3/092 , G06N3/0499 , G06N3/084
Abstract: 本申请涉及一种换电预测模型的训练方法、应用方法和系统，其中，该训练方法包括：基于电池基本特征、用户基本特征和交互性特征，构建得到换电状态特征；对电池基本特征进行连续性特征的离散化，构建得到换电动作特征；基于换电状态特征、换电动作特征和奖励值特征，构建用于模型训练的训练数据集，其中，奖励值特征通过问卷调查的形式获得；基于训练数据集，完成换电预测模型的训练。通过本申请，首次实现了基于图网络结构的换电预测模型的训练，通过该模型能够实时准确输出契合用户需求的换电电池，解决了如何合理进行换电电池的推荐的问题。
-
公开(公告)号：CN116878535B
公开(公告)日：2023-12-12
申请号：CN202311134737.8
申请日：2023-09-05
Applicant: 杭州宇谷科技股份有限公司
IPC: G01C21/34 , B60L53/80 , G06Q10/047 , G06Q50/06 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/08
Abstract: 本申请涉及一种种基于混合时序网络的智能换电引导方法，通过从历史换电数据提取换电特征；通过基于换电特征建立的相关性系数图谱，从换电特征中抽取目标换电特征；基于目标换电特征对混合时序网络进行训练，得到续航距离预估模型，其中，混合时序网络包括Lstm_mix网络和MLP网络；通过续航距离预估模型得到预估续航距离，并根据预估续航距离，以及预先获取的用户位置和换电柜位置，生成用户换电引导信息。解决了相关技术中用户换电效率较低的问题，充分考虑到用户个性化换电习惯，贴合大数据分析预估模型，对骑手配送时换电需求作出精(56)对比文件Di Huang;Chenyu Zhang;Qiang Li;等.Prediction of Solar Photovoltaic PowerGeneration Based on MLP and LSTM neuralnetworks.2020 IEEE 4th Conference onEnergy Internet and Energy SystemIntegration.2021,全文.欧微;柳少军;贺筱媛;郭圣明.基于时序特征编码的目标战术意图识别算法.指挥控制与仿真.2016,38(06),全文.
-
公开(公告)号：CN116542498B
公开(公告)日：2023-11-24
申请号：CN202310821537.3
申请日：2023-07-06
Applicant: 杭州宇谷科技股份有限公司
IPC: G06Q10/0631 , G06Q50/26 , G06N3/092
Abstract: 本发明公开了基于深度强化学习的电池调度方法、系统、装置及介质，包括：基于换电柜的当前使用特征数据和当前电池特征数据确定当前强化学习参数；获取目标点位的第一电池分布数量；根据所述历史电池特征数据估算第二电池分布数量；基于所述第一电池分布数量和所述第二电池分布数量，确定所述目标点位的电池分布数量。本发明通过充分利用多重特征维度信息，并利用多重特征维度信息和深度强化学习模型输出各城市各换电柜点位中不同电池类型数量分布策略，减少电池分布的方差，能够在中国各城市内进行不同类型电池的抽取和调拨，使换电柜中不同电池类型数量满足骑手的需求，节省成本的同时，也为骑手派单提供有效的保障。
-
公开(公告)号：CN116703364B
公开(公告)日：2024-01-16
申请号：CN202310961230.3
申请日：2023-08-02
Applicant: 杭州宇谷科技股份有限公司
IPC: G06Q10/20 , G06Q10/047 , G06Q50/06 , G06F16/36 , G06F18/23
Abstract: 本申请涉及一种基于最优化算法的运维工单生成方法，其中，该方法包括：通过以目标区域内换电装置的位置信息为节点，以换电装置之间的连线为边，构建换电网络图谱；基于该换电网络图谱，通过不同处理算法，集合点位距离、运维工单时间、工单优先级、工单难易程度等多种维度，进行运维工单的规划处理，生成城市各区域的运维工单包。从而能够在现实大规模复杂环境中，为运维人员提供最优的运维路线，提升运维效率。
-
Patent Agency Ranking
公开(公告)号：CN116703364A
公开(公告)日：2023-09-05
申请号：CN202310961230.3
申请日：2023-08-02
Applicant: 杭州宇谷科技股份有限公司
IPC: G06Q10/20 , G06Q10/047 , G06Q50/06 , G06F16/36 , G06F18/23
Abstract: 本申请涉及一种基于最优化算法的运维工单生成方法，其中，该方法包括：通过以目标区域内换电装置的位置信息为节点，以换电装置之间的连线为边，构建换电网络图谱；基于该换电网络图谱，通过不同处理算法，集合点位距离、运维工单时间、工单优先级、工单难易程度等多种维度，进行运维工单的规划处理，生成城市各区域的运维工单包。从而能够在现实大规模复杂环境中，为运维人员提供最优的运维路线，提升运维效率。
-
公开(公告)号：CN119358987A
公开(公告)日：2025-01-24
申请号：CN202411930369.2
申请日：2024-12-26
Applicant: 杭州宇谷科技股份有限公司
IPC: G06Q10/0631 , G06Q10/047 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06F18/213 , G06F18/241 , G06F18/25
Abstract: 本申请涉及一种基于多模态融合的出行选址方法，该方法包括：获取候选点位的场所规模数据、热度POI数据和流量时序数据，通过预先构建的多模态融合深度神经网络模型，分别对场所规模数据、热度POI数据和流量时序数据进行特征提取和特征分析，得到规模特征、POI特征和时序特征，以及跨模态特征交互关系，根据跨模态特征交互关系，融合规模特征、POI特征和时序特征，基于融合结果生成候选点位的推荐值。通过本申请，解决了出行选址决策准确度低的问题，考虑多个模态数据，避免单一数据类型导致决策依据片面，并采用深度神经网络融合多模态数据，分析数据间的深层次关联，提高了选址决策的准确度。
-
公开(公告)号：CN117407718B
公开(公告)日：2024-03-26
申请号：CN202311726033.X
申请日：2023-12-15
Applicant: 杭州宇谷科技股份有限公司
IPC: G06F18/214 , G06F18/23 , G06N3/092 , G06N3/0499 , G06N3/084
Abstract: 本申请涉及一种换电预测模型的训练方法、应用方法和系统，其中，该训练方法包括：基于电池基本特征、用户基本特征和交互性特征，构建得到换电状态特征；对电池基本特征进行连续性特征的离散化，构建得到换电动作特征；基于换电状态特征、换电动作特征和奖励值特征，构建用于模型训练的训练数据集，其中，奖励值特征通过问卷调查的形式获得；基于训练数据集，完成换电预测模型的训练。通过本申请，首次实现了基于图网络结构的换电预测模型的训练，通过该模型能够实时准确输出契合用户需求的换电电池，解决了如何合理进行换电电池的推荐的问题。
-
公开(公告)号：CN116878535A
公开(公告)日：2023-10-13
申请号：CN202311134737.8
申请日：2023-09-05
Applicant: 杭州宇谷科技股份有限公司
IPC: G01C21/34 , B60L53/80 , G06Q10/047 , G06Q50/06 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/08
Abstract: 本申请涉及一种种基于混合时序网络的智能换电引导方法，通过从历史换电数据提取换电特征；通过基于换电特征建立的相关性系数图谱，从换电特征中抽取目标换电特征；基于目标换电特征对混合时序网络进行训练，得到续航距离预估模型，其中，混合时序网络包括Lstm_mix网络和MLP网络；通过续航距离预估模型得到预估续航距离，并根据预估续航距离，以及预先获取的用户位置和换电柜位置，生成用户换电引导信息。解决了相关技术中用户换电效率较低的问题，充分考虑到用户个性化换电习惯，贴合大数据分析预估模型，对骑手配送时换电需求作出精准换电点位推荐，为用户提供实时、丰富且准确的换电信息支持。
-
公开(公告)号：CN117689272B
公开(公告)日：2024-06-07
申请号：CN202410147379.2
申请日：2024-02-02
Applicant: 杭州宇谷科技股份有限公司
IPC: G06Q10/0639 , G06Q50/06 , G06Q30/018 , G06N3/0455 , G06N3/08
Abstract: 本申请涉及一种衡量ESG换电系统价值的方法、电子设备及存储介质，包括：获取骑手的换电订单数据和电池GPS定位数据，并根据电池GPS定位数据确定骑手的固定出发点；根据换电订单数据和电池GPS定位数据得到骑手的真实轨迹数据；将真实轨迹数据中的换电柜位置替换为固定出发点，得到假设轨迹数据；基于假设轨迹数据，通过预先构建的电池电量估算模型计算骑手到达固定出发点时电池的剩余电量，得到电量估算值，并将假设轨迹数据中固定出发点的电池电量替换为所述电量估算值，得到最终假设轨迹数据；分别根据真实轨迹数据和最终假设轨迹数据分析所述ESG换电系统的价值。本发明首次基于假设性数据挖掘换电柜网络存在的价值，使得评估结果更准确。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.043 seconds)
