CN120196816A 一种共享电单车与充换电一体化基站智能交互动态资源推 荐方法

(19)国家知识产权局新区399号龙光国际A座3206-7室所(特殊普通合伙)45117专利代理师黄振乐一种共享电单车与充换电一体化基站智能种共享电单车与充换电一体化基站智能交互动长根据用户实时位置与导航预估时间动态调整，实时采集共享电车的电池状态数据、用户行为数据及充电需实时采集共享电车的电池状态数据、用户行为数据及充电需求标识：同时采集充换电一体化基站的资源状态数据基于资源状态数据评估各墓站可用电池的可用性特征，可用性特征包括电池健廉度、充电位可用数量及环境适配性根据共享电车的电池状态数揽、用户行为数据、充电需求标识及可用性特征生成各基站的推荐优先级向优先级最高的目标基站发送包含动态预留时长的资源锁定请求，动态预留时长根据用户实时位置与导航预估时间动态调整，若用户未在动态预留时间内到达则自动解除资源锁定当检测到路径受阻或用户需求变更时，重新匹配满足最低可用性特征且抵达效率最高的基站并更新推荐优先级在换电操作完成后，更换的新电池的实际性能数据与用户操作反馈忧化推荐策略，新电池的实际性能数据包括与可用性特征对应的电池健康度、充放电效率及温度稳定性—S1621.一种共享电单车与充换电一体化基站智能交互动态资源推荐方法，其特征在于，包实时采集共享电车的电池状态数据、用户行为数据及充电需求标识；同时采集充换电一体化基站的资源状态数据；基于所述资源状态数据评估各基站可用电池的可用性特征，所述可用性特征包括电池健康度、充电位可用数量及环境适配性；根据共享电车的电池状态数据、用户行为数据、充电需求标识及所述可用性特征生成各基站的推荐优先级；向优先级最高的目标基站发送包含动态预留时长的资源锁定请求，所述动态预留时长根据用户实时位置与导航预估时间动态调整，若用户未在动态预留时间内到达则自动解除资源锁定；当检测到路径受阻或用户需求变更时，重新匹配满足最低可用性特征且抵达效率最高的基站并更新推荐优先级；在换电操作完成后，基于更换的新电池的实际性能数据与用户操作反馈优化推荐策略，所述新电池的实际性能数据包括与可用性特征对应的电池健康度、充放电效率及温度稳定性。2.根据权利要求1所述的共享电单车与充换电一体化基站智能交互动态资源推荐方法，其特征在于，所述基于所述资源状态数据评估各基站可用电池的可用性特征，所述可用性特征包括电池健康度、充电位可用数量及环境适配性，包括：其中：SoH为电池健康度指数，Cactual为电池当前实际容量，Cnominal为标称容量，ΔTdev(t)=|Tavg(t)-Topt|为第t次充放电周期内平均温度与最佳温度Topt的偏差，次数次之及温度长期影响的优先级分配。3.根据权利要求2所述的共享电单车与充换电一体化基站智能交互动态资源推荐方法，其特征在于，所述基于所述资源状态数据评估各基站可用电池的可用性特征，所述可用性特征包括电池健康度、充电位可用数量及环境适配性，还包括：ScoreslotDpredict))3为当前时间tcurrent与第k个充电位最近使用时间tk的间隔，为衰减因子e-T·Atk赋予近期数，确保实时空闲率、历史衰减与预测不确定性的合理占比。4.根据权利要求3所述的共享电单车与充换电一体化基站智能交互动态资源推荐方法，其特征在于，所述基于所述资源状态数据评估各基站可用电池的可用性特征，所述可用性特征包括电池健康度、充电位可用数量及环境适配性，还包括：EAI实时负载，Pbuse为基准负载，WarningLevel为气象预5.根据权利要求1-4中任一项所述的共享电单车与充换电一体化基站智能交互动态资源推荐方法，其特征在于，所述根据共享电车的电池状态数据、用户行为数据、充电需求标识及所述可用性特征生成各基站的推荐优先级，包括：获取当前电池电量及电池健康度指数，基于电池健康度量化模型生成电池状态评分，所述量化模型融合电压、循环次数及温度历史数据；根据用户行为数据中的历史骑行路径偏好、时间敏感度及电池选择倾向，生成用户行为适配评分；解析充电需求标识，根据用户订单紧急程度生成充电需求紧急评分；结合计算的Scoreslot及计算的EAI,对所述电池状态评分、用户行为适配评分及充电需求紧急评分进行加权求和，生成各基站的推荐总分。6.根据权利要求5所述的共享电单车与充换电一体化基站智能交互动态资源推荐方法，其特征在于，所述根据用户行为数据中的历史骑行路径偏好、时间敏感度及电池选择倾定义用户行为状态空间，包括历史骑行路径集合、时间敏感度区间及电池健康度选择定义动作空间为基站选择行为，奖励函数根据用户最终选择的基站与系统推荐基站的匹配度、订单完成效率及电池续航满意度动态计算；通过用户行为数据训练预设的强化学习模型，输出用户对基站的偏好概率分布；根据所述偏好概率分布将用户行为模式划分为高频优化型、常规型及随机型，并映射7.根据权利要求5所述的共享电单车与充换电一体化基站智能交互动态资源推荐方根据推荐总分对所有基站进行排序，并划分优先级等级；基于动态权重调整策略优化优先级结果，所述策略包括在高峰时段提升充电位可用性4权重、在极端天气条件下提升环境适配性权重以及针对VIP用户提升用户行为适配权重；对优先级结果进行多维度验证，验证条件包括电池健康度是否满足最低阈值、充电位预留冲突概率及路径可达性；输出最终优先级列表，并向用户终端推送推荐基站的实时状态及导航路径。8.根据权利要求1所述的共享电单车与充换电一体化基站智能交互动态资源推荐方法，其特征在于，所述向优先级最高的目标基站发送包含动态预留时长的资源锁定请求，所述动态预留时长根据用户实时位置与导航预估时间动态调整，若用户未在预留时间内到达采集目标基站的历史使用数据，包括不同时段的充电位占用率、用户到达间隔及电池更换耗时；构建时间序列模型，通过滑动窗口算法提取周期性特征与趋势特征，预测未来预设时段内的基站拥塞概率；根据拥塞概率与用户实时位置到基站的导航预估时间，动态计算预留时长；其中，若预测到目标基站在用户到达时段内的拥塞概率高于预设阈值，则缩短预留时长以避免资源闲置，反之则延长预留时长。9.根据权利要求8所述的共享电单车与充换电一体化基站智能交互动态资源推荐方法，其特征在于，所述动态预留时长根据用户实时位置与导航预估时间动态调整，若用户未在预留时间内到达则自动解除资源锁定，包括：实时监测用户行进速度、交通路况变化及基站资源状态更新；若用户行进速度低于导航预估值的预设比例，则按延迟比例延长预留时长，并通过用户终端推送新的预计到达时间；若基站资源状态更新显示预留充电位被意外占用，则重新匹配可用基站并更新预留时若外部事件触发基站负载突变，则根据实时负载率压缩或扩展预留时长。10.根据权利要求1所述的共享电单车与充换电一体化基站智能交互动态资源推荐方法，其特征在于，所述当检测到路径受阻或用户需求变更时，重新匹配满足最低可用性特征且抵达效率最高的基站并更新推荐优先级，包括：基于预设最低可用性阈值，筛选满足电池健康度≥预设健康度阈值、充电位空闲率≥预设空闲率阈值及环境适配性≥预设适配性阈值的候选基站；根据候选基站的位置、实时交通路况及用户行进速度，计算各基站的最短预估到达时将候选基站按最短预估到达时间升序排序，生成更新后的推荐优先级列表，并向用户终端推送调整后的推荐结果及导航路径；若原目标基站不再符合条件，则释放其预留资源，并为新优先级最高的基站发送动态资源锁定请求。5一种共享电单车与充换电一体化基站智能交互动态资源推荐方法技术领域[0001]本发明涉及资源推荐技术领域，特别涉及一种共享电单车与充换电一体化基站智能交互动态资源推荐方法。背景技术[0002]目前，共享电单车系统已形成以电单车终端、用户移动应用、后台管理平台及充换电基础设施为核心的技术架构。电单车通过集成GPS定位、电池管理系统及无线通信模块，能够实时上报位置和电池状态；充换电基站则配备充电桩、换电柜及环境监测传感器，支持电池更换与充电服务。用户可通过APP查找附近可用车辆或基站，后台系统基于设定规则进行资源分配。但是由于规则设定基于静态因素，导致出现电池状态信息更新延迟或误差较大，运维难以及时调度低电量车辆，用户可能租用到劣质电池的情况。[0003]另外，部分系统具备基础数据分析功能，但在动态调度与智能推荐方面仍依赖人工干预，就这就出现充换电基站的负载分布不均，用户到达后可能面临充电位占满或电池不足的问题，资源利用率低下。并且当前电单车、基站、用户APP及后台系统间缺乏深度交互，无法基于实时电网负载、环境参数及用户行为优化充电策略。[0004]鉴于此，提出一种共享电单车与充换电一体化基站智能交互动态资源推荐方法。发明内容[0005]本发明提供了一种共享电单车与充换电一体化基站智能交互动态资源推荐方法，用于解决资源利用率低的问题。[0006]本发明提供了一种共享电单车与充换电一体化基站智能交互动态资源推荐方法，实时采集共享电车的电池状态数据、用户行为数据及充电需求标识；同时采集充换电一体化基站的资源状态数据；基于所述资源状态数据评估各基站可用电池的可用性特征，所述可用性特征包括电池健康度、充电位可用数量及环境适配性；根据共享电车的电池状态数据、用户行为数据、充电需求标识及所述可用性特征生成各基站的推荐优先级；向优先级最高的目标基站发送包含动态预留时长的资源锁定请求，所述动态预留时长根据用户实时位置与导航预估时间动态调整，若用户未在动态预留时间内到达则自动解除资源锁定；当检测到路径受阻或用户需求变更时，重新匹配满足最低可用性特征且抵达效率最高的基站并更新推荐优先级；在换电操作完成后，基于更换的新电池的实际性能数据与用户操作反馈优化推荐策略，所述新电池的实际性能数据包括与可用性特征对应的电池健康度、充放电效率及温6Scoreslot个充电位的历史使用频率，EAI7根据用户行为数据中的历史骑行路径偏好、时间敏感度及电池选择倾向，生成用户行为适配评分；解析充电需求标识，根据用户订单紧急程度生成充电需求紧急评分；结合计算的Scoreslot及计算的EAI,对所述电池状态评分、用户行为适配评分及充电需求紧急评分进行加权求和，生成各基站的推荐总分。[0011]更进一步地，所述根据用户行为数据中的历史骑行路径偏好、时间敏感度及电池定义用户行为状态空间，包括历史骑行路径集合、时间敏感度区间及电池健康度选择偏好；定义动作空间为基站选择行为，奖励函数根据用户最终选择的基站与系统推荐基站的匹配度、订单完成效率及电池续航满意度动态计算；通过用户行为数据训练预设的强化学习模型，输出用户对基站的偏好概率分布；根据所述偏好概率分布将用户行为模式划分为高频优化型、常规型及随机型，并根据推荐总分对所有基站进行排序，并划分优先级等级；基于动态权重调整策略优化优先级结果，所述策略包括在高峰时段提升充电位可用性权重、在极端天气条件下提升环境适配性权重以及针对VIP用户提升用户行为适配权对优先级结果进行多维度验证，验证条件包括电池健康度是否满足最低阈值、充电位预留冲突概率及路径可达性；输出最终优先级列表，并向用户终端推送推荐基站的实时状态及导航路径。[0013]更进一步地，所述向优先级最高的目标基站发送包含动态预留时长的资源锁定请求，所述动态预留时长根据用户实时位置与导航预估时间动态调整，若用户未在预留时间采集目标基站的历史使用数据，包括不同时段的充电位占用率、用户到达间隔及电池更换耗时；构建时间序列模型，通过滑动窗口算法提取周期性特征与趋势特征，预测未来预设时段内的基站拥塞概率；根据拥塞概率与用户实时位置到基站的导航预估时间，动态计算预留时长；其中，若预测到目标基站在用户到达时段内的拥塞概率高于预设阈值，则缩短预留时长以避免资源闲置，反之则延长预留时长。[0014]更进一步地，所述动态预留时长根据用户实时位置与导航预估时间动态调整，若用户未在预留时间内到达则自动解除资源锁定，包括：实时监测用户行进速度、交通路况变化及基站资源状态更新；若用户行进速度低于导航预估值的预设比例，则按延迟比例延长预留时长，并通过用户终端推送新的预计到达时间；若基站资源状态更新显示预留充电位被意外占用，则重新匹配可用基站并更新预8若外部事件触发基站负载突变，则根据实时负载率压缩或扩展预留时长。[0015]更进一步地，所述当检测到路径受阻或用户需求变更时，重新匹配满足最低可用性特征且抵达效率最高的基站并更新推荐优先级，包括：基于预设最低可用性阈值，筛选满足电池健康度≥预设健康度阈值、充电位空闲率≥预设空闲率阈值及环境适配性≥预设适配性阈值的候选基站；根据候选基站的位置、实时交通路况及用户行进速度，计算各基站的最短预估到达时间；将候选基站按最短预估到达时间升序排序，生成更新后的推荐优先级列表，并向用户终端推送调整后的推荐结果及导航路径；若原目标基站不再符合条件，则释放其预留资源，并为新优先级最高的基站发送动态资源锁定请求。[0016]从以上技术方案可以看出，本发明具有以下优点：本发明通过实时采集电池状态、用户行为及基站资源数据，构建多源动态数据库，为后续分析提供高时效性、高精度的数据基础；基于量化模型将异构数据转化为标准化指标；通过动态加权融合用户需求、电池健康度及基站可用性特征，生成个性化推荐优先级，有效提升资源匹配精准度；通过时间序列预测与实时监测机制，动态调整资源预留时长，平衡资源利用效率与用户体验；在路径受阻或需求变更时，通过阈值筛选与最短到达时间计算快速重匹配基站，确保系统灵活性与服务连续性；最后基于换电后电池性能数据与用户反馈，利用强化学习迭代优化推荐策略。本发明能够为用户提供高度智能化、个性化的基站推荐，同时优化整体系统资源配置，显著提升用户体验和运营效率。附图说明[0017]图1为本发明中一种共享电单车与充换电一体化基站智能交互动态资源推荐方法的实施例流程示意图。具体实施方式在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。[0019]实施例一本实施例中实现方法可在系统中实现，可以在服务器实现，也可以在终端实现，具体不做明确限定。下面将从系统实现的角度，对本申请中共享电单车与充换电一体化基站智能交互动态资源推荐方法进行介绍。请参阅图1,本申请实施例提供的方法包括以下步S11.实时采集共享电车的电池状态数据、用户行为数据及充电需求标识；同时采9集充换电一体化基站的资源状态数据；本实施例中，通过电单车内置的电池管理系统实时采过APP发起换电请求的频率及操作响应时间。[0021]充电需求标识是对用户当前充电需求的分类标记，用于动态调整资源分配策略。[0022]充换电一体化基站的资源状态数据通过基站终端的如光电传感器、温湿度传感异常告警。该步骤基于上述步骤S11实时采集的电池状态数据、用户行为数据及基站资源状量，Ncycle为累计循环次数，Nmax为设计最大循环寿命，T为充放电周期的总次数，△Tdev(t)=|Tavg(t)—Topt|为第t次充放电周期内平均温度与最佳温度Topt的偏差，次数次之及温度长期影响的优先级分配。比如容量衰减的权重设置60%反映电池当前可用容量，直接决定续航能力；循环寿命的权重设置30%表征电池老化程度，循环次数越接近设计寿命，评分越低；温度偏差的权重设置10%累计温度偏离最佳值(如25℃)的时长，高温加ScoreslotDpredict))Δtk=tcurrent-tk为当前时间tcurrent与第k个充电位最近使用时间tk的间隔，为衰减时空闲率(主项)直接反映当前可用性，空闲率≥50%时评分最高；历史使用衰减(次项)赋予近期高频使用充电位更高权重，避免老旧数据干扰；预测置信度修正(次项)若未来时段需EAI比如，温度安全设置50%实时温度超过安全阈值(如40℃)时显著降低评分，触发冷却系统或降额充电；电网负载设置30%负载高于基准值(如历史均值)时降低评分，结合分时电价优化充电成本；气象预警设置20%对应的暴雨、大风等极端天气时降低评分，优先推荐受保护基站。[0026]该步骤量化指标可综合反映基站的综合性能，避免单一维度偏差，通过量化评分，系统可优先推荐高健康度电池、低负载基站及环境稳定的资源，提升用户体验与运营效率。[0027]S13.根据共享电车的电池状态数据、用户行为数据、充电需求标识及可用性特征生成各基站的推荐优先级；该步骤基于步骤S11采集的电池状态、用户行为、充电需求标识及步骤S12量化的基站可用性特征，即电池健康度、充电位可用数量、环境适配性，通过多维度评分模型生成各基站的推荐优先级。[0028]S131.获取当前电池电量及电池健康度指数，基于电池健康度量化模3.通过用户历史行为数据训练预设的强化学习模型，输4.根据偏好概率分布将用户行为模式划分为高频优化型、常规型及随机型，并映送达率)及电池实际续航满意度(用户骑行后电量剩余[0031]总奖励值由匹配度奖励Rtotal、订单效率奖励Refficiency以及续航满意度奖励状态向量(维度=历史路路径数+时间敏感度分级数+电池偏好参数数);隐藏层为3陈连接神[0033]最后根据偏好概率分布将用户划分为：高频优化型对应偏好概率≥70%,评分+30%;常规型对应30%≤概率<70%,评分+1对应评分+25%,SoC<20%或订单剩余时间<10分钟；高需求对应评分+10%,20%≤SoC<50%且无紧急标记；普通需求对应评分+0%,SoC≥50%。通过响应用户紧急程度，确保低电量或加急订单优先分配资源。[0035]S134.结合计算的Scoreslot及计算的EAI,对电池状态评分、用户行为适配评分及充电需求紧急评分进行加权求和，生成各基站的推荐总分。[0036]将电池状态评分(权重30%)、用户行为适配评分(权重20%)、充电需求紧急评分(权重25%)、充电位可用性评分(权重15%)及环境适配性评分(权重10%)加权求和。通过动态权重适配实时场景需求，优化资源分配效率。具体的，针对各充电桩的推荐优先级进行优化，包括如下：1.根据推荐总分对所有基站进行排序，并划分优先级等级；2.基于动态权重调整策略优化优先级结果，策略包括在高峰时段提升充电位可用性权重、在极端天气条件下提升环境适配性权重以及针对VIP用户提升用户行为适配权重；3.对优先级结果进行多维度验证，验证条件包括电池健康度是否满足最低阈值、充电位预留冲突概率及路径可达性；4.输出最终优先级列表，并向用户终端推送推荐基站的实时状态及导航路径。[0037]具体的，动态筛选包括用户身份优先级：VIP用户自动提升至列表前10%;实时交通路况：若路径拥堵或施工，降低对应基站的优先级；气象预警等级：暴雨预警时优先推荐带雨棚或室内基站。电池健康度阈值为排除SoH<75%的基站；充电位预留冲突包括若目标基站预留位被抢占，切换至次优基站；路径可达性是通过导航API验证路径是否存在封闭或限行。最后向用户终端推送最终优先级列表，其中包含基站评分、预计到达时间及导航链接，并锁定最高优先级基站的资源。[0038]上述步骤结合用户行为偏好、电池健康度及实时需求，提供个性化基站推荐；通过权重调整与多维度验证，适配交通拥堵、极端天气等复杂场景；能够避免低健康度电池分配及基站过载，提升运营效率与用户满意度。[0039]S14.向优先级最高的目标基站发送包含动态预留时长的资源锁定请求，动态预留时长根据用户实时位置与导航预估时间动态调整，若用户未在预留时间内到达则自动解除资源锁定；该步骤基于步骤S13生成的推荐优先级列表，向优先级最高的目标基站发送资源锁定请求，并根据用户实时位置与导航预估时间动态调整预留时长，确保资源高效利用。若S141.采集目标基站的历史使用数据，包括不同时段的充电位占用率、用户到达间隔及电池更换耗时；采集目标基站的历史使用数据，包括不同时段(如早高峰、晚高峰)的充电位占用比例、用户到达基站的平均时间间隔及单次换电操作的平均耗时。[0040]S142.构建时间序列模型，通过滑动窗口算法提取周期性特征与趋势特征，预测未来预设时段内的基站拥塞概率；采用滑动窗口算法构建时间序列模型，具体操作如下：1.提取周期性特征(如每日高峰时段的占用率峰值);2.提取趋势特征(如周末充电需求较工作日增长20%);3.预测未来预设时段(如下一小时内)的基站拥塞概率。例如，若预测下一小时拥塞概率为80%,则判定基站可能过载。[0041]S143.根据拥塞概率与用户实时位置到基站的导航预估时间，动态计算预留时长；其中，若预测到目标基站在用户到达时段内的拥塞概率高于预设阈值，则缩短预留时长以避免资源闲置，反之则延长预留时长。[0042]预留时长通过地图API实时计算的用户到达基站所需时间，基础预留缓冲时间以及拥塞概率临界值计算得到：预留时长=导航预估时间+基础预留缓冲时间×(1-拥塞概率/预设阈值),预设阈值为拥塞概率临界值(如60%),用于判断是否缩短或延长预留时长。阈值通过历史数据分析优化，平衡资源利用与用户体验。超过预设阈值则缩短预留时长。高拥塞概率≥60%则缩短预留时长，例如用户预计10分钟到达，预留时长设为8分钟；低拥塞概率<60%则延长预留时长，例如用户预计10分钟到达，预留时长设为15分钟。[0043]具体的，动态预留时长根据用户实时位置与导航预估时间动态调整，若用户未在预留时间内到达则自动解除资源锁定，包括如下：1.实时监测用户行进速度、交通路况变化及基站资源状态更新；2.若用户行进速度低于导航预估值的预设比例，则按延迟比例延长预留时长，并通过用户终端推送新的预计到达时间；3.若基站资源状态更新显示预留充电位被意外占用，则重新匹配可用基站并更新预留时长；4.若外部事件触发基站负载突变，则根据实时负载率压缩或扩展预留时长。[0044]实时监测参数包括用户行进速度即通过GPS定位数据与历史速度对比，计算实际速度与预估速度的偏差；接入交通API获取实时拥堵、施工或事故信息等交通路况变化；还监测充电位占用情况、电池健康度及环境参数。[0045]若实际速度低于预估值的预设比例(80%),则按延迟比例延长预留时长，公式设：新预留时长=原预留时长(1+预估时间-实际预估时间);比如，用户原需10分钟到达，因拥堵实际需15分钟，则延长预留时长至15分钟，并推送更新提醒。若其他用户或系统故障占用预留位，立即释放资源并重新匹配可用基站；如突降暴雨导致基站负载率骤增，压缩预留时长至最低阈值，加速资源周转。若触发暴雨或高温红色预警，优先推荐受保护基站，并延长其预留时长；若电网负载超过安全阈值，暂停充电操作并调整预留策略。[0046]S15.当检测到路径受阻或用户需求变更时，重新匹配满足最低可用性特征且抵达效率最高的基站并更新推荐优先级；该步骤用于在检测到如交通拥堵、道路施工等的路径受阻或如订单紧急状态调整、电量骤降等的用户需求变更时，重新筛选符合条件的基站并更新推荐优先级，确保用户1.基于预设最低可用性阈值，筛选满足电池健康度≥预设健康度阈值、充电位空闲率≥预设空闲率阈值及环境适配性≥预设适配性阈值的候选基站；路径受阻检测通过集成地图服务API实时获取交通事件数据，并结合用户GPS定位数据判断当前导航路径是否可行。若预估到达时间超过原值的预设偏差比例，则判定为路径受阻。用户需求变更检测通过监测用户手动操作或系统自动触发事件，更新充电需求标识为更高紧急等级。[0047]候选基站基于最低可用性阈值筛选候选基站，确保推荐基站满足基本可用性要求。其中电池健康度阈值根据历史数据分析，SoH≥75%的电池可保障至少80%的标称续航能位可用，防止用户到达后无位可换，用于筛选空闲率≥10%的基站；环度≤40℃、湿度≤80%为电池安全运行条件，超出阈值可能引发性能下降或故障，用于排除温度>40℃或湿度>80%的基站。[0048]2.根据候选基站的位置、实时交通路况及用户行进速度，计算各基站的最短预估到达时间；基于上述候选基站的地理位置、实时交通路况及用户实时行进速度，调用地图API(如高德路径规划)获取实时导航路径及预估时间，若用户行进速度低于历史平均值的预设比例(如80%),则按比例修正预估时间。计算公式：最短预估时间=导航API时间·(1+,例如若导航API预估8分钟到达，用户实时速度仅为历史平均的70%,则修正时间为10.4分钟。[0049]3.将候选基站按最短预估到达时间升序排序，生成更新后的推荐优先级列表，并向用户终端推送调整后的推荐结果及导航路径；将候选基站按最短预估到达时间升