Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海智租物联科技有限公司蔡钺获国家专利权

上海智租物联科技有限公司蔡钺获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉上海智租物联科技有限公司申请的专利一种基于数据算法的点位落柜方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117010948B

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310968395.3,技术领域涉及:G06Q30/0204;该发明授权一种基于数据算法的点位落柜方法是由蔡钺;程禹斯;章群华设计研发完成,并于2023-08-03向国家知识产权局提交的专利申请。

一种基于数据算法的点位落柜方法在说明书摘要公布了:本发明公开了一种基于数据算法的点位落柜方法,包括换电柜数据采集、城市地图数据生成、换电柜历史数据获取、外卖数据采集和数据聚合;城市地图数据生成为利用地图获取城市经纬度,根据经纬度将城市划分为若干区块,赋予各区块唯一id并存入数据库,对生成的地图区块进行临8域计算,获取临8域内容,对临8域内容进行拼接后存入数据库,并通过临8域计算构建落柜模型;数据聚合为生成能够在终端展示的预测区块落柜数、热力图经纬度、地图区块与落柜点位数据、区块详情数据。本发明基于大数据与人工智能技术构建落柜模型,根据落柜模型指导城市换电柜的选址,从而找到最佳落柜点。

本发明授权一种基于数据算法的点位落柜方法在权利要求书中公布了:1.一种基于数据算法的点位落柜方法,其特征在于:具体步骤如下: 步骤S1:换电柜数据采集 通过爬虫获取不同品牌公开已有的站点和换电柜数据,包括站点位置、类型,将数据归一化处理后存入数据库; 步骤S2:城市地图数据生成 利用地图获取城市经纬度,根据经纬度将城市划分为若干区块,赋予各区块唯一id并存入数据库,对生成的地图区块进行临8域计算,获取临8域内容,对临8域内容进行拼接后存入数据库,并通过临8域计算构建落柜模型; 在步骤S2中,临8域模型计算的步骤如下: 1数据收集和处理 收集临8域落柜数的历史数据,包括每个临8域的落柜数以及影响落柜数的气候条件和地理位置因素,同时,收集换电柜离线与在线画像数据,然后,使用Pandas库将这些数据加载到DataFrame中,并进行预处理和特征工程; 2创建训练集和测试集 将数据集划分为训练集和测试集,采用随机划分的方式,将数据集的80%用作训练集,20%用作测试集; 3模型训练 线性回归模型的函数表示为对第i个样本的预测: h_thetax_i=\theta_0+\theta_1x_{i1}+\theta_2x_{i2}+...+\theta_nx_{in} 其中,h_thetax_i表示模型对第i个样本的预测值,\theta=[\theta_0,\theta_1,\theta_2,…,\theta_n]是模型的参数向量,x_{i1},x_{i2},...,x_{in}是第i个样本的n个特征值; MSE\theta=\frac{1}{2m}\sum_{i=1}^{m}h_\thetax_i-y_i^2 目标是最小化均方误差,通过调整参数\theta来使得MSE\theta达到最小值; 梯度下降算法的参数更新规则如下: \theta_j:=\theta_j-\alpha\frac{1}{m}\sum_{i=1}^{m}h_\thetax_i-y_ix_{ij} 其中,\alpha是学习率,控制每次更新的步长; 根据上述更新规则,重复迭代更新参数\theta,直到达到拟合程度; 4验证模型 训练完成后,使用测试集的均方误差、决定系数来评估模型的性能,其中:决定系数用于衡量模型对目标变量的解释能力,其数学公式如下: R^2=1-\frac{SS_{res}}{SS_{tot}} 其中,SS_{res}表示残差平方和,为模型预测值与实际值之间的差异的平方和,SS_{tot}表示总平方,为目标变量的总方差; 均方误差的公式为: MSE=\frac{1}{m}\sum_{i=1}^{m}h_\thetax_i-y_i^2 其中,h_\thetax_i表示模型对第i个样本的预测值,y_i表示实际目标值,m表示样本数量; 5使用模型进行预测 通过迭代的参数\theta,预测新的临8域的落柜数,将模型保存下来,并在需要预测新数据时加载模型; 步骤S3:换电柜历史数据获取 通过爬虫获取换电柜历史数据,从中提取电池数据存入数据库; 步骤S4:外卖数据采集 通过爬虫获取公开的外卖数据,包括各区块的商家经纬度订单量、订单密度,并存入数据库; 步骤S5:数据聚合 将步骤S1至步骤S4中获取的数据进行聚合,生成能够在终端展示的预测区块落柜数、热力图经纬度、地图区块与落柜点位数据、区块详情数据,其中: 预测区块落柜数:基于历史柜效以及该区块电柜数,以及该区块外卖数据订单量获得该区块最大承载电柜数,以此判定该区块是否继续落柜; 热力图经纬度:基于外卖数据与地图区块数据,将区块范围内外卖商家与该商家订单量形成热力图以判定核心商区,并引导落柜向该商区靠拢; 地图区块与落柜点位数据:利用区块中心点与该换电柜之间的距离判断是否在该区块内部,以此获得每个换电柜对应的区块id,并记录存入数据库。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海智租物联科技有限公司,其通讯地址为:200000 上海市闵行区申虹路666弄16号楼;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。