CN107256461A - 一种充电设施建设地址评价方法及系统 - Google Patents

Abstract

本发明公开一种充电设施建设地址评价方法及系统，所述方法包括选取充电设施使用状况的影响因素指标体系，该指标体系包括对充电设施的使用状况产生影响的多个指标，所述多个指标包括充电设施建设地址及其他指标；对充电设施的使用状况进行等级划分及评级，得到各种使用等级；确定出对充电设施使用状况有显著影响的因素；基于所述有显著影响的因素，构建充电设施使用状况的等级分类模型，并利用该模型对存在评价需求的充电设施候选地址进行评价。可见，本发明实现了一种基于多影响因素进行建模并利用所建模型实现评价的充电设施建设地址评价方案，较为客观，不会依赖于人为因素，可进一步提升充电设施的投放精准性，提高充电设施的使用率。

Description

一种充电设施建设地址评价方法及系统

技术领域

本发明属于充电设施建设规划领域，尤其涉及一种充电设施建设地址评价方法及系统。

背景技术

随着都市电能替代的推进和电动汽车的快速发展，以及在国家政策的导向下，电动汽车在国内的市场份额占比逐年增长，相对应地，用户对充电设施的需求亦呈增长趋势。电动汽车保有量的增加，不仅意味着需要新建充电设施来满足用户快速增长的充电需求，而且也需要探索充电设施投放区域及规模等问题，从而使充电设施使用率提升、经济效益最大化。

充电设施的建设规划是影响电动汽车推广成效及发展规模的重要因素，但当前充电设施的建设规划以主观判断为主，过分依赖于人为因素，客观性欠佳，导致存在充电设施资源投放区域、投放规模不精准及部分已投运设施使用率有待提升等问题，缺乏科学、全面的规划方法。

而构建充电设施建设地址的评价方案对精准投放充电设施及提高充电设施的使用率等至关重要，鉴于此，本领域需提供一种充电设施建设地址的评价方案。

发明内容

有鉴于此，本发明的目的在于提供一种充电设施建设地址评价方法及系统，旨在克服现有技术以主观判断方法对充电设施进行建设规划时存在的各种问题，进一步提升充电设施的投放精准性，提高充电设施的使用率。

为此，本发明公开如下技术方案：

一种充电设施建设地址评价方法，包括：

选取充电设施使用状况的影响因素指标体系，所述影响因素指标体系包括对充电设施的使用状况产生影响的多个指标，所述多个指标包括充电设施建设地址及除充电设施建设地址之外的其他指标；

对充电设施的使用状况进行等级划分及评级，得到充电设施的各种使用状况所对应的相应使用等级；

从所述影响因素指标体系中确定出对充电设施的使用状况有显著影响的因素；

基于所确定出的对充电设施的使用状况有显著影响的因素，构建充电设施使用状况的等级分类模型，并利用所述分类模型对存在评价需求的充电设施候选地址进行评价。

上述方法，优选的，所述选取充电设施使用状况的影响因素指标体系，包括：

选取充电设施的时间占用率的影响因素指标体系，所述影响因素指标体系中的多个指标至少包括充电设施的地理环境、自有桩占比、建设地址及停车收费标准；其中，充电设施的时间占用率用于反映充电设施的使用状况。

上述方法，优选的，所述对充电设施的使用状况进行等级划分及评级，包括：

利用箱线图法，对充电设施的时间占用率进行等级划分及评级，得到充电设施的各种时间占用率状况所对应的充电设施使用等级；所述使用等级包括闲置等级、正常等级及紧张等级。

上述方法，优选的，所述从所述影响因素指标体系中确定出对充电设施的使用状况有显著影响的因素，包括：

利用多因素方差分析法，根据显著性检验值筛选出对充电设施的时间占用率具有显著影响的因素。

上述方法，优选的，所述基于所确定出的对充电设施的使用状况有显著影响的因素，构建充电设使用状况的等级分类模型，并利用所述分类模型对存在评价需求的充电设施候选地址进行评价，包括：利用决策树算法，结合方差分析结果，基于所确定出的对充电设施的使用状况有显著影响的因素建立充电设施使用状况的等级分类模型；

针对存在评价需求的充电设施候选地址，将所述候选地址及其对应的其他各影响因素指标作为所述分类模型的输入，得到充电设施在各个影响因素指标下被模型分为各使用等级的概率，并根据所述各使用等级的概率对所述候选地址进行评价。

一种充电设施建设地址评价系统，包括：

指标体系选取单元，用于选取充电设施使用状况的影响因素指标体系，所述影响因素指标体系包括对充电设施的使用状况产生影响的多个指标，所述多个指标包括充电设施建设地址及除充电设施建设地址之外的其他指标；

等级划分单元，用于对充电设施的使用状况进行等级划分及评级，得到充电设施的各种使用状况所对应的相应使用等级；

指标确定单元，用于从所述影响因素指标体系中确定出对充电设施的使用状况有显著影响的因素；

模型构建及地址评价单元，用于基于所确定出的对充电设施的使用状况有显著影响的因素，构建充电设施使用状况的等级分类模型，并利用所述分类模型对存在评价需求的充电设施候选地址进行评价。

上述系统，优选的，所述指标体系选取单元，进一步用于：选取充电设施的时间占用率的影响因素指标体系，所述影响因素指标体系中的多个指标至少包括充电设施的地理环境、自有桩占比、建设地址及停车收费标准；其中，充电设施的时间占用率用于反映充电设施的使用状况。

上述系统，优选的，所述等级划分单元，进一步用于：利用箱线图法，对充电设施的时间占用率进行等级划分及评级，得到充电设施的各种时间占用率状况所对应的充电设施使用等级；所述使用等级包括闲置等级、正常等级及紧张等级。

上述系统，优选的，所述指标确定单元，进一步用于：利用多因素方差分析法，根据显著性检验值筛选出对充电设施的时间占用率具有显著影响的因素。

上述系统，优选的，所述模型构建及地址评价单元，进一步用于：

利用决策树算法，结合方差分析结果，基于所确定出的对充电设施的使用状况有显著影响的因素建立充电设施使用状况的等级分类模型；针对存在评价需求的充电设施候选地址，将所述候选地址及其对应的其他各影响因素指标作为所述分类模型的输入，得到充电设施在各个影响因素指标下被模型分为各使用等级的概率，并根据所述各使用等级的概率对所述候选地址进行评价。

由以上方案可知，本发明提供的充电设施建设地址评价方法及系统，选取充电设施使用状况的影响因素指标体系，该指标体系包括对充电设施的使用状况产生影响的多个指标，所述多个指标包括充电设施建设地址及除充电设施建设地址之外的其他指标；对充电设施的使用状况进行等级划分及评级，得到充电设施的各种使用状况所对应的相应使用等级；确定对充电设施使用状况有显著影响的因素；基于所述有显著影响的因素，构建充电设施使用状况的等级分类模型，并利用该模型对存在评价需求的充电设施候选地址进行评价。可见，本发明实现了一种基于多影响因素进行建模并利用所建模型实现评价的充电设施建设地址评价方案，较为客观，不会依赖于人为因素，可进一步提升充电设施的投放精准性，提高充电设施的使用率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明实施例提供的充电设施建设地址评价方法的流程示意图；

图2是本发明实施例提供的箱线图法的原理示意图；

图3是本发明实施例提供的充电设施建设地址评价系统的结构示意图。

具体实施方式

为了引用和清楚起见，下文中使用的技术名词、简写或缩写总结解释如下：

时间占用率：反映充电设施使用状况的指标，计算公式为：充电时间(min)/(考察期内的天数*24h*60min)，从充电时间长短来判断该充电设施是否被充分使用，该指标取值越大说明充电设施使用得越充分。但现实生活中存在用户将车充满电后充电枪一直未拔的情况，这时需要综合充电时间、交易电量以及交易费用等因素来对数据进行清洗。

无交易天数：充电设施在一段时间内，全天24小时无交易记录的天数。

连单数：同一充电设施连续两单交易的时间间隔小于等于10分钟即为连单，连单数指充电设施在一段时间内总的连单交易的单数。

划分评级：将数值型数据应用分级方法进行等级划分，分成具有统计意义或业务含义的多个等级。

方差分析：方差分析是在随机干扰存在的情况下，把由于因素变化所产生的影响分离出来，进而做出因素变化对研究对象是否具有显著性影响的推断。

决策树：决策树是一种用树来展现数据受各变量的影响情形的预测模型，根据对目标变量产生的效应的不同而构建的分类规则。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种充电设施建设地址评价方法，用于克服现有技术中以主观判断方法对充电设施进行建设规划时存在的各种问题，以进一步提升充电设施的投放精准性，提高充电设施的使用率。参考图1示出的充电设施建设地址评价方法的流程示意图，该方法可以包括以下步骤：

步骤101、选取充电设施使用状况的影响因素指标体系，所述影响因素指标体系包括对充电设施的使用状况产生影响的多个指标，所述多个指标包括充电设施建设地址及除充电设施建设地址之外的其他指标。

本发明实施例具体采用充电设施的时间占用率来反映充电设施的使用状况，其中，所述时间占用率的计算式为：充电时间(min)/(考察期内的天数*24h*60min)，也就是说，从充电设施的充电时间长短来判断充电设施是否被充分使用，该指标取值越大说明充电设施使用得越充分。但现实生活中存在用户将车充满电后充电枪一直未拔的情况，针对此种情况，则需要综合充电时间、交易电量以及交易费用等因素来对数据进行清洗。

基于此，本步骤中，选取充电设施使用状况的影响因素指标体系，具体可以是选取充电设施时间占用率的影响因素指标体系。本实施例中，根据实际应用场景中能够对充电设施的时间占用率产生影响的因素，共选取充电设施的“地理环境”、“自有桩占比”“建设地址(或称为停车场空间位置)”以及“停车收费标准”这四个影响因素指标来构成充电设施时间占用率的影响因素指标体系，其中，所述自有桩是指国家电网布置的充电桩，非自有桩是指由运行商布置的充电桩。

参考以下的表1，表1中给出了该指标体系中包含的各指标以及各指标对应表示的含义。

表1

步骤102、对充电设施的使用状况进行等级划分及评级，得到充电设施的各种使用状况所对应的相应使用等级。

由于本实施例采用充电设施的时间占用率来反映充电设施的使用状况，从而，本步骤中对充电设施的使用状况进行等级划分及评级，具体可以是对充电设施的时间占用率进行划分评级。

示例性地，本实施例具体将充电设施的时间占用率划分为闲置、正常及紧张三个等级。实际应用中，在对充电设施的时间占用率进行等级划分时，不必局限于本实施例所提供的等级类别，具体可以由本领域技术人员依据实际需求对充电设施的时间占用率进行更细或更粗粒度的等级划分。

充电设施的无交易天数可以反映充电设施闲置的状况，而充电设施的连单数则能够体现充电设施紧张的情况，鉴于此，本实施例利用箱线图法对无交易天数数据进行划分，得到充电设施闲置等级的时间占用率阈值；同理，利用箱线图法对连单数据进行划分，得到充电设施紧张等级的时间占用率阈值，而时间占用率介于闲置等级阈值与紧张等级阈值之间的取值则被划分为正常等级。

其中，充电设施的无交易天数与连单数具体可通过对充电设施的交易数据进行统计得出。

接下来，对本实施例采用的箱线图法进行介绍。

其中，箱线图法对数据没有限制，不需要事先假定数据服从特定的分布形式。参考图2提供的箱线图法的原理示意图，在下边缘与异常值之间和上边缘与异常值之间为温和异常值，在异常值之外就属于极端异常值，下边缘与上边缘之间为正常值，且四分位数具有一定的抗耐性，因此将上四分位数和下四分位数所对应的数据作为合理数据区域。

在本发明中，由于连单数据体现充电设施被使用的紧张情况，而箱线图法的上四分位值或上边缘值为具有统计意义的分界值，因此考虑应用连单数据的上四分位值或上边缘值对应的时间占用率为划分紧张等级的依据，也就是说，将连单数据的上四分位值或上边缘值对应的时间占用率作为紧张等级阈值；同理，应用无交易天数的上四分位值或上边缘值对应的时间占用率为划分闲置等级的依据，即将无交易天数的上四分位值或上边缘值对应的时间占用率作为闲置等级阈值；而时间占用率介于闲置等级阈值与紧张等级阈值之间的取值则为正常等级。

步骤103、从所述影响因素指标体系中确定出对充电设施的使用状况有显著影响的因素。

本步骤具体利用多因素方差分析法，根据显著性检验值从所述影响因素指标体系中筛选出对充电设施的时间占用率具有显著影响的因素。

接下来对多因素方差分析法进行介绍。本实施例具体以双因素方差分析法为例，介绍多因素方差分析法的数学原理。

(一)无交互作用的双因素方差分析

a)建立数学模型

首先假设所有试验数据都来自同一正态总体。

对试验A、B两个因素进行考察，二者试验地位平等。A因素有a个不同水平：A₁,A₂,A₃，…,A_a；B因素有b个不同水平：B₁,B₂,B₃，…,B_b。A、B之间无交互作用，对水平的每种组合(A_i B_j)进行一次独立试验，共得ab个试验结果X_ij(i＝1,2,…,a；j＝1,2,…,b)，试验结果所得数据如表2所示。

表2

其中，

设X_ij是服从正态分布X_ij～N(μ_ij,σ²)的总体中抽取的样本，假定A，B不存在交互作用。

假定：

X_ij＝μ_ij+ε_ij (2)

ε_ij～N(0,σ²)(i＝1，2，…，a；j＝1，2，…，b)，其中μ_ij表示A_iB_j条件下的理论期望值,ε_ij表示随机误差，且相互独立。由(1)得：

令α_i＝μ_i·-μ，β_j＝μ_·j-μ，称α_i为因素A_i的第i个水平的效应，β_i为因素B_j的第j个水平的效应，分别表示因素A、B的各个水平的影响的程度。显然有关系式：

将μ_ij进行分解，可得：

μ_ij＝μ+α_i+β_j+(μ_ij-μ_i·-μ_·j+μ)

令δ_ij＝μ_ij-μ_i·-μ_·j+μ称为A_i和B_j的交互效应。而对双因素无重复试验方差分析，假设任意A_i和B_j之间不存在交互效应，即全部δ_ij＝0。这样μ_ij分解式可写为μ_ij＝μ+α_i+β_j。

综上所述，可得双因素方差分析的数学模型：

其中μ，σ²，α，β(i＝1，2，…，a；j＝1，2，…，b)，均为未知参数。b)显著性检验

对于双因素无交互方差数学模型(1.5)的检验主要是检验两个因素A与B的影响是否显著。

要判断因素A的影响是否显著等价于检验假设：

H₀₁:α₁＝α₂＝…＝α_a＝0

要判断因素B的影响是否显著等价于检验假设：

H₀₂:β₁＝β₂＝…＝β_b＝0

检验上述假设的基本原理是将总离差平方和分解为各因素导致的离差平方和及随机误差导致的离差平方和。具体方法如下：

设定：

由(6)有：

其中SS_A称为因素A的效应平方和,表示因素A的水平变化引起的影响；SS_B称为因素B的效应平方和，表示因素B的水平变化引起的影响；SS_E称为误差平方和，表示试验的随机误差影响。总离差分解后的公式为：

上式表明总离差的平方和分解为双因素的影响(组间)和随机误差影响(组内)的离差平方和。

在(8)成立时，利用关于正态分布平方和分解的Cochran定理。可证明H₀₁与H₀₂分别成立时的SS_A，SS_B，SS_E及M_SS的分布规律。

其中，Cochran定理：X₁,X₂,…,X_n为n个相互独立的服从标准正态分布的随机变量，Q_i(i＝1,2,…,k)是某些X₁,X₂,…,X_n线性组合的平方和，其自由度分SS_A别为d_i(i＝1,2,…,k)。

如果Q₁+Q₂+…+Q_k～x²(n)且d₁+d₂+…+d_k＝n，

则Q_i～X²(i＝1,2,…,k)，并且Q₁,Q₂,…,Q_k相互独立。

在(8)成立的条件下，利用Cochran分解定理，可证明在仅有H₀₁成立时，有：

且它们相互独立，从而有统计量：

所以对给定的显著性水平α,查F分布表,可得临界值F[a-1,(a-1)(b-1)]，当F_A＞F_a时，拒绝H₀₁，因素A影响显著；反之，则接受H₀₁，因素A影响不显著。

同理，可得在仅有H₀₂成立时因素B影响是否显著的检验方法。

综上所述，可得到双因素无交互影响试验方差分析数学模型显著性假设检验的统计分析结果如表3。

表3

表3中的各项指标利用表2中的样本数据计算，可使用下面的简捷式成立：

其中：

(二)有交互作用的双因素方差分析

在有交互作用的双因素试验中，因素A、B的不同水平的搭配必须作重复检验。我们可以把交互作用作为一个新因素来处理，即通过把每种搭配A_iB_j看作一个总体X_ij来进行试验数据的处理。

基本假设①X_ij相互独立，②X_ij～N(μ_ij,σ²)，(方差齐性)

线性统计模型：

可以通过检验下列假设是否成立开判断因素A，B及A x B对试验的结果是否有显著影响。

H₀₁:α₁＝α₂＝…＝α_a＝0

H₀₂:β₁＝β₂＝…＝β_b＝0

H₀₃:(αβ)_ij＝0(i＝1,2,…,b)

仿照单因素方差分析的方法，考察总离差平方和：

其中，SS_A为因素A的离差平方和，反映因素A对试验指标的影响。SS_B称为因素B的离差平方和，反映因素B对试验指标的影响。SS_AxB称为交互作用的离差平方和，反映交互作用AxB对试验指标的影响。SS_E为误差平方和，反应试验误差对试验指标的影响率。

若“各因素、个水平及其交互作用的影响无统计意义”的假设成立，则X_ij～N(μ_ij,σ²)。

可推得：

则：

得到表4的有交互作用的双因素试验资料表和表5有重复的双因素试验方差分析表。

表4

表5

在本发明中，为研究各因素对时间占用率的影响，选取充电设施的地理环境、自有桩占比、建设地址及停车场空间位置四个因素作为影响因素指标，建立多因素方差模型。根据方差分析结果的显著性检验值筛选出对充电设施的时间占用率具有显著影响的因素。

步骤104、基于所确定出的对充电设施的使用状况有显著影响的因素，构建充电设施使用状况的等级分类模型，并利用所述分类模型对存在评价需求的充电设施候选地址进行评价。

本实施例具体利用决策树算法，结合方差分析结果，基于所确定出的对充电设施的时间占用率有显著影响的因素，建立充电设施时间占用率的等级分类模型，即充电设施在各个影响因素水平下被模型分为各使用等级的概率，其中，在某一使用等级(如闲置、正常或紧张)上的概率取值越大说明充电设施的时间占用率等级越倾向于该等级。

在建立所述分类模型的基础上，对于存在评价需求的候选地址而言，可首先提取该候选地址所对应的相关因素，如地理环境、停车收费标准等，并将所述候选地址及其对应的其他相关因素指标值，作为模型的输入，从而，可得到在候选地址上建设充电设施时所建充电设施在各时间占用率等级(闲置、正常及紧张)上的概率，进而在此基础上，可基于候选地址上的充电设施在各时间占用率等级上的概率，对候选地址进行评价，为充电设施的建设规划提供了依据。

接下来，对本实施例采用的决策树的基本知识进行介绍。

a)决策树的基本认识

决策树是一种依托决策而建立起来的树。在机器学习中，决策树是一种预测模型，代表的是对象属性与对象值之间的一种映射关系，每一个节点代表某个对象，树中的每一个分叉路径代表某个可能的属性值，而每一个叶子节点则对应从根节点到该叶子节点所经历的路径所表示的对象的值。决策树仅有单一输出，如果有多个输出，可以分别建立独立的决策树以处理不同的输出。以ID3(Iterative Dichotomiser 3，迭代二分法)算法为例介绍决策树算法的数学原理。

b)ID3算法介绍

在信息论中，期望信息越小，那么信息增益就越大，从而纯度就越高。ID3算法的核心思想就是以信息增益来度量属性的选择，选择分裂后信息增益最大的属性进行分裂。该算法采用自顶向下的贪婪搜索遍历可能的决策空间。

c)信息熵与信息增益

在信息增益中，重要性的衡量标准是考查特征能够为分类系统带来多少信息，带来的信息越多，该特征越重要。首先给出信息熵的定义，熵的概念最早起源于物理学，在物理学中是用来度量一个热力学系统的无序程度，而在信息学里面，熵是对不确定性的度量，将其定义为离散随机事件出现的概率，一个系统越是有序，信息熵就越低，反之一个系统越是混乱，它的信息熵就越高。所以信息熵被认为是系统有序化程度的一个度量。

假设一个随机变量X的取值为X＝{x₁，x₂，…，x_n}，取值概率分别是{p₁，p₂，…，p_n}，那么X的熵定义为：

其含义是一个变量的变化情况越多，那么它携带的信息量就越大。

对于分类系统来说，类别C是变量，它的取值是{C₁，C₂，…，C_n}，而每一个类别出现的概率分别是：

P(C₁)，P(C₂)，…，P(C_n)

而这里的n就是类别的总数，此时分类系统的熵就可以表示为：

以上就是信息熵的定义，接下来介绍信息增益。

信息增益是针对每个特征而言的，即考查特征t，系统有它和没有它时的信息量分别是多少，两者的差值就是这个特征给系统带来的信息量，即信息增益。

在决策树分类问题中，信息增益就是决策树在进行属性选择划分前和划分后信息的差值。在决策树的每一个非叶子结点划分之前，先计算每一个属性所带来的信息增益，选择最大信息增益的属性来划分，因为信息增益越大，区分样本的能力就越强，越具有代表性，这是一种自顶向下的贪心策略。

在本发明中，方差分析为我们识别出对充电设施时间占用率具有显著影响的影响因素，并采用决策树CART算法构建充电设施时间占用率分类模型。其中，影响因素作为决策变量，充电设施占用率等级作为分类变量。

本发明实施例提供的充电设施建设地址评价方法，包括选取充电设施使用状况的影响因素指标体系，该指标体系包括对充电设施的使用状况产生影响的多个指标，所述多个指标包括充电设施建设地址及除充电设施建设地址之外的其他指标；对充电设施的使用状况进行等级划分及评级，得到充电设施的各种使用状况所对应的相应使用等级；确定对充电设施使用状况有显著影响的因素；基于所述有显著影响的因素，构建充电设施使用状况的等级分类模型，并利用该模型对存在评价需求的充电设施候选地址进行评价。可见，本发明实现了一种基于多影响因素进行建模并利用所建模型实现评价的充电设施建设地址评价方案，较为客观，不会依赖于人为因素，可进一步提升充电设施的投放精准性，提高充电设施的使用率。

本发明的另一实施例提供一种充电设施建设地址评价系统，用于克服现有技术中以主观判断方法对充电设施进行建设规划时存在的各种问题，进一步提升充电设施的投放精准性，提高充电设施的使用率。参考图3示出的充电设施建设地址评价系统的结构示意图，所述系统包括：

指标体系选取单元301，用于选取充电设施使用状况的影响因素指标体系，所述影响因素指标体系包括对充电设施的使用状况产生影响的多个指标，所述多个指标包括充电设施建设地址及除充电设施建设地址之外的其他指标；等级划分单元302，用于对充电设施的使用状况进行等级划分及评级，得到充电设施的各种使用状况所对应的相应使用等级；指标确定单元303，用于从所述影响因素指标体系中确定出对充电设施的使用状况有显著影响的因素；模型构建及地址评价单元304，用于基于所确定出的对充电设施的使用状况有显著影响的因素，构建充电设施使用状况的等级分类模型，并利用所述分类模型对存在评价需求的充电设施候选地址进行评价。

在本发明实施例的一实施方式中，所述指标体系选取单元，进一步用于：选取充电设施的时间占用率的影响因素指标体系，所述影响因素指标体系中的多个指标至少包括充电设施的地理环境、自有桩占比、建设地址及停车收费标准；其中，充电设施的时间占用率用于反映充电设施的使用状况。

在本发明实施例的一实施方式中，所述等级划分单元，进一步用于：利用箱线图法，对充电设施的时间占用率进行等级划分及评级，得到充电设施的各种时间占用率状况所对应的充电设施使用等级；所述使用等级包括闲置等级、正常等级及紧张等级。

在本发明实施例的一实施方式中，所述指标确定单元，进一步用于：利用多因素方差分析法，根据显著性检验值筛选出对充电设施的时间占用率具有显著影响的因素。

在本发明实施例的一实施方式中，所述模型构建及地址评价单元，进一步用于：利用决策树算法，结合方差分析结果，基于所确定出的对充电设施的使用状况有显著影响的因素建立充电设施使用状况的等级分类模型；针对存在评价需求的充电设施候选地址，将所述候选地址及其对应的其他各影响因素指标作为所述分类模型的输入，得到充电设施在各个影响因素指标下被模型分为各使用等级的概率，并根据所述各使用等级的概率对所述候选地址进行评价。

此处，需要说明的是，本实施例涉及的充电设施建设地址评价系统的描述，与上文方法的描述是类似的，且同方法的有益效果描述，对于本发明的充电设施建设地址评价系统在本实施例中未披露的技术细节，请参照本发明方法实施例的说明，本实施对此不再作赘述。

综上所述，本发明方案具有以下优势：

1)本发明方案基于充电设施交易数据，统计出充电设施的无交易天数与连单数，在此基础上，综合考虑充电设施的无交易天数数据与连单数据，根据箱线图法进行充电设施时间占用率的等级划分，使得等级划分更具有业务意义；

2)本发明方案利用方差分析法对影响因素进行显著性检验，确定对充电设施的时间占用率有显著影响的因素。为构建决策树分类模型提供了选择变量的依据，避免了盲目选择分类变量；

3)本发明方案利用方差分析结果中具有显著影响的因素建立决策树分类模型，得到充电设施使用情况的条件规则。根据决策树分类模型的结果，评价在候选地址上建设充电设施得到闲置、正常、紧张情况的概率，概率越大说明越有可能发生该种情况，为建设规划充电设施提供科学依据。另外，在业务方面，本发明方案通过对每个充电设施划分使用等级，为电力公司对充电设施的分级管理提供了便利，进而能够提高公司的运行效益。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

为了描述的方便，描述以上系统或装置时以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

最后，还需要说明的是，在本文中，诸如第一、第二、第三和第四等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种充电设施建设地址评价方法，其特征在于，包括：

选取充电设施使用状况的影响因素指标体系，所述影响因素指标体系包括对充电设施的使用状况产生影响的多个指标，所述多个指标包括充电设施建设地址及除充电设施建设地址之外的其他指标；

对充电设施的使用状况进行等级划分及评级，得到充电设施的各种使用状况所对应的相应使用等级；

从所述影响因素指标体系中确定出对充电设施的使用状况有显著影响的因素；

基于所确定出的对充电设施的使用状况有显著影响的因素，构建充电设施使用状况的等级分类模型，并利用所述分类模型对存在评价需求的充电设施候选地址进行评价。

2.根据权利要求1所述的方法，其特征在于，所述选取充电设施使用状况的影响因素指标体系，包括：

选取充电设施的时间占用率的影响因素指标体系，所述影响因素指标体系中的多个指标至少包括充电设施的地理环境、自有桩占比、建设地址及停车收费标准；其中，充电设施的时间占用率用于反映充电设施的使用状况。

3.根据权利要求2所述的方法，其特征在于，所述对充电设施的使用状况进行等级划分及评级，包括：

利用箱线图法，对充电设施的时间占用率进行等级划分及评级，得到充电设施的各种时间占用率状况所对应的充电设施使用等级；所述使用等级包括闲置等级、正常等级及紧张等级。

4.根据权利要求3所述的方法，其特征在于，所述从所述影响因素指标体系中确定出对充电设施的使用状况有显著影响的因素，包括：

利用多因素方差分析法，根据显著性检验值筛选出对充电设施的时间占用率具有显著影响的因素。

5.根据权利要求4所述的方法，其特征在于，所述基于所确定出的对充电设施的使用状况有显著影响的因素，构建充电设使用状况的等级分类模型，并利用所述分类模型对存在评价需求的充电设施候选地址进行评价，包括：

利用决策树算法，结合方差分析结果，基于所确定出的对充电设施的使用状况有显著影响的因素建立充电设施使用状况的等级分类模型；

针对存在评价需求的充电设施候选地址，将所述候选地址及其对应的其他各影响因素指标作为所述分类模型的输入，得到充电设施在各个影响因素指标下被模型分为各使用等级的概率，并根据所述各使用等级的概率对所述候选地址进行评价。

6.一种充电设施建设地址评价系统，其特征在于，包括：

指标体系选取单元，用于选取充电设施使用状况的影响因素指标体系，所述影响因素指标体系包括对充电设施的使用状况产生影响的多个指标，所述多个指标包括充电设施建设地址及除充电设施建设地址之外的其他指标；

等级划分单元，用于对充电设施的使用状况进行等级划分及评级，得到充电设施的各种使用状况所对应的相应使用等级；

指标确定单元，用于从所述影响因素指标体系中确定出对充电设施的使用状况有显著影响的因素；

模型构建及地址评价单元，用于基于所确定出的对充电设施的使用状况有显著影响的因素，构建充电设施使用状况的等级分类模型，并利用所述分类模型对存在评价需求的充电设施候选地址进行评价。

7.根据权利要求6所述的系统，其特征在于，所述指标体系选取单元，进一步用于：选取充电设施的时间占用率的影响因素指标体系，所述影响因素指标体系中的多个指标至少包括充电设施的地理环境、自有桩占比、建设地址及停车收费标准；其中，充电设施的时间占用率用于反映充电设施的使用状况。

8.根据权利要求7所述的系统，其特征在于，所述等级划分单元，进一步用于：利用箱线图法，对充电设施的时间占用率进行等级划分及评级，得到充电设施的各种时间占用率状况所对应的充电设施使用等级；所述使用等级包括闲置等级、正常等级及紧张等级。

9.根据权利要求8所述的系统，其特征在于，所述指标确定单元，进一步用于：利用多因素方差分析法，根据显著性检验值筛选出对充电设施的时间占用率具有显著影响的因素。

10.根据权利要求9所述的方法，其特征在于，所述模型构建及地址评价单元，进一步用于：

利用决策树算法，结合方差分析结果，基于所确定出的对充电设施的使用状况有显著影响的因素建立充电设施使用状况的等级分类模型；针对存在评价需求的充电设施候选地址，将所述候选地址及其对应的其他各影响因素指标作为所述分类模型的输入，得到充电设施在各个影响因素指标下被模型分为各使用等级的概率，并根据所述各使用等级的概率对所述候选地址进行评价。