EVCC项目中的Niu电动车里程查询功能实现分析
2025-06-13 23:29:56作者:温玫谨Lighthearted
背景介绍
EVCC是一个开源电动汽车充电控制项目,它支持与多种电动汽车和充电设备的集成。近期社区中有用户提出需要实现对Niu电动车当前里程数的查询功能,类似于传统汽车的里程表读数获取。
技术实现分析
现有API接口
通过分析Niu电动车的API接口文档,发现获取里程数据的端点位于/motoinfo/overallTally路径下。该接口需要以下参数:
- 序列号(sn):电动车的唯一标识符
- 访问令牌(token):用于身份验证
接口返回的JSON数据结构包含两个关键字段:
bindDaysCount:绑定天数totalMileage:总里程数(单位:公里)
请求方式问题
最初EVCC项目中使用GET方法请求该接口,但实际测试发现Niu API要求使用POST方法。这是导致最初实现返回404错误的主要原因。
参数传递格式
正确的请求需要将参数以application/x-www-form-urlencoded格式编码,包括:
- 序列号(sn)
- 访问令牌(token)
响应处理
API返回的成功响应示例:
{
"data": {
"bindDaysCount": 648,
"totalMileage": 1089.398
},
"desc": "Success",
"status": 0
}
失败响应可能包含错误代码和描述信息,如参数错误(status:1301)或令牌错误(status:1131)。
实现改进
代码修改要点
- 请求方法:从GET改为POST
- 参数编码:使用URL编码格式
- 身份验证:在请求体中包含访问令牌
- 错误处理:完善对不同错误状态的识别和处理
示例代码调整
修改后的Go代码应类似以下结构:
func (v *Niu) post(uri string) (*http.Request, error) {
data := url.Values{
"sn": {v.serial},
"token": {v.token.AccessToken},
}
return v.newRequest(http.MethodPost, uri, strings.NewReader(data.Encode()))
}
测试验证
在实际测试中,需要注意以下几点:
- 认证令牌:确保使用有效的访问令牌
- 序列号:验证电动车序列号的正确性
- 网络环境:确认API端点可访问性
- 响应解析:正确处理返回的JSON数据结构
总结
通过分析Niu电动车的API接口规范,EVCC项目成功实现了对电动车里程数据的查询功能。这一改进不仅丰富了EVCC对Niu电动车的支持功能,也为后续可能的功能扩展奠定了基础。关键在于正确理解第三方API的调用方式,包括请求方法、参数格式和身份验证机制。
对于开发者而言,这类集成工作的经验在于:
- 仔细阅读API文档
- 使用正确的请求方法和参数格式
- 实现完善的错误处理机制
- 进行充分的测试验证
这一功能的实现展示了EVCC项目良好的扩展性和对多种电动车品牌的支持能力。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137