[发明专利]用于为车辆推荐站点的方法、装置、设备以及存储介质

权利要求书

1.一种为车辆推荐站点的方法，包括：

在服务器处，接收来自所述车辆的接入请求；

针对接收到的所述接入请求，从与所述车辆相关联的多个站点中的每个站点，获取预先训练的推荐模型的对应观察值，所述对应观察值至少包括与所述车辆和对应站点的接入相关联的因素；

基于所述对应观察值以及所述预先训练的推荐模型，确定针对所述每个站点的对应动作值，所述对应动作值指示所述接入请求与对应的所述每个站点的匹配程度；

基于所述多个站点的所述对应动作值，确定推荐站点；以及

向所述车辆发送驾驶到所述推荐站点的指令。

2.根据权利要求1所述的方法，其中所述预先训练的推荐模型是基于历史推荐及其对应的奖励值而训练的。

3.根据权利要求2所述的方法，其中所述奖励值基于以下各项中的一项或多项来确定：所述车辆在所述推荐站点的接入等待时间、奖励阈值、所述车辆在所述推荐站点的花费、所述车辆的型号与所述推荐站点的可接入型号的匹配度、所述推荐站点的站点接入效率和/或所述车辆对所述推荐站点的评分。

4.根据权利要求3所述的方法，还包括：

响应于在向所述车辆发送所述指令的第一时刻开始的一时间阈值内所述车辆接入所述推荐站点，

获取所述第一时刻；

获取第二时刻，所述第二时刻是所述车辆接入所述推荐站点的时刻；

基于所述第一时刻和所述第二时刻，确定所述车辆在所述推荐站点的所述接入等待时间；

基于所述接入等待时间，确定所述奖励值；以及

将所述奖励值与所述历史推荐相关联。

5.根据权利要求3所述的方法，还包括：

响应于在向所述车辆发送所述指令的第一时刻开始的一时间阈值内所述车辆未接入所述推荐站点，

基于所述奖励阈值，确定所述奖励值；以及

将所述奖励值与所述历史推荐相关联。

6.根据权利要求1所述的方法，其中所述多个站点是距所述车辆第一距离阈值内的站点。

7.根据权利要求1所述的方法，其中所述对应观察值包括：

针对对应站点的第一观察值；以及

针对与所述对应站点相距第二距离阈值内的其他站点的第二观察值。

8.根据权利要求7所述的方法，其中获取预先训练的推荐模型的对应观察值包括：

为所述第二观察值中的每个第二观察值确定相应的权重。

9.根据权利要求3所述的方法，所述奖励值是基于所述接入等待时间以及与所述第一时刻相关联的时刻的奖励值而确定的。

10.根据权利要求1所述的方法，其中确定推荐站点包括：

确定所述多个站点的每个站点的所述对应动作值；

从所述对应动作值中确定最大的动作值；以及

将对应于所述最大的动作值的站点确定为所述推荐站点。

11.根据权利要求1所述的方法，其中所述对应观察值指示：

当前的时间；

对应站点的空闲接入点的数目；

从所述接入请求发出的位置到所述对应站点的驾驶时间；和/或

所述对应站点的接入效率。

12.根据权利要求1所述的方法，其中所述站点是充电站。