👤
人
Human Dimension
意图识别用户画像行为预测
🗺️
场
Space Dimension
热力分析容量评估空间调度
⚡
物
Object Dimension
车辆感知地锁控制充电桩联动
⏰
时
Time Dimension
峰谷电价预约排程周期预测
👤 人维度 — 从行为到意图的精准理解
意图识别：P(intent|behavior) = softmax(W_emb · LSTM(seq_behavior) + b_intent)
用户画像：Profile(u) = {demographic, preference_vec, history_pattern, credit_score}
行为预测：â(t+1) = argmax_a Q(s_t, a; θ_dqn) ，基于强化学习预测下一步动作
通过多模态行为序列（导航、搜索、点击、停留）构建用户意图向量，实时更新画像，预测未来 15min / 1h / 24h 的需求概率分布，为场、物、时三维调度提供决策输入。
🗺️ 场维度 — 空间资源的热力感知与最优分配
热力图：Heat(x,y,t) = KDE(∑ events_i · K_σ(x-x_i, y-y_i)) · time_decay(t-t_i)
容量评估：Capacity(site) = min(parking_slots, charging_ports, lock_available) · throughput_factor
空间调度：assign = argmax_{site∈S} [Score(site, user) - TravelCost(user, site)]
基于核密度估计构建实时空间热力图，融合POI、交通、天气等外部数据预测各区域需求峰值；通过容量漏斗模型（车位→地锁→充电桩）评估场站真实承载能力，实现用户到最优场站的空间匹配。
⚡ 物维度 — 车-锁-桩三端感知与闭环控制
车辆感知：VehicleState = fusion(Camera_LPR, BLE_beacon, GPS_trace, payment_event)
地锁控制：LockAction = f(vehicle_authorized, slot_reserved, arrival_confidence)
充电桩联动：ChargePlan = optimize(power_limit, price_signal, battery_SOC, departure_time)
通过摄像头车牌识别 + 蓝牙信标 + GPS轨迹 + 支付事件的多源融合实现车辆精准感知；地锁根据授权状态、预约状态、到达置信度自动升降；充电桩根据电网负荷、电价信号、电池SOC、预计离场时间动态调整充电功率，实现车-锁-桩三端协同。
⏰ 时维度 — 时序预测与峰谷智能排程
峰谷电价：Price(t) = peak_price · I(t∈peak) + valley_price · I(t∈valley) + flat_price
预约排程：Schedule = min ∑ (wait_time_i + price_i · charge_i) s.t. resource_constraints
周期预测：Demand(t+T) = Prophet(trend, seasonality_24h, seasonality_7d, holiday_effect)
基于 Prophet / LSTM 时序模型融合日周期、周周期、节假日效应预测未来需求；结合峰谷电价信号引导用户错峰充电；通过预约排程算法在满足资源约束下最小化用户等待时间和充电成本，实现时间维度的资源平滑利用。