CN110163463A - 电动汽车充电设施数据处理方法和装置 - Google Patents
电动汽车充电设施数据处理方法和装置 Download PDFInfo
- Publication number
- CN110163463A CN110163463A CN201811566965.1A CN201811566965A CN110163463A CN 110163463 A CN110163463 A CN 110163463A CN 201811566965 A CN201811566965 A CN 201811566965A CN 110163463 A CN110163463 A CN 110163463A
- Authority
- CN
- China
- Prior art keywords
- charging
- electrically
- electric car
- data
- charging equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000013210 evaluation model Methods 0.000 claims abstract description 31
- 238000013145 classification model Methods 0.000 claims abstract description 23
- 238000003860 storage Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 238000000540 analysis of variance Methods 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000001543 one-way ANOVA Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012360 testing method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 108010014173 Factor X Proteins 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Technology Law (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电动汽车充电设施数据处理方法和装置。该方法包括:获取电动汽车充电设施资产和充电交易记录数据;通过预设的资源占用率评价分级模型对充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;通过影响因素分析模型对划分结果进行分析,得到分析结果;根据分析结果建立充电站选址评价模型;基于充电站选址评价模型确定新建的充电站地址。通过本发明,达到了提高电动汽车新增的充电设施位置确定准确率的效果。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种电动汽车充电设施数据处理方法和装置。
背景技术
随着电动汽车成为人们的出行工具,相关的配套设施,如充电设施等也越来越受重视,如何确定充电桩的位置和数量对大众的使用具有重要影响,而充电桩的使用率可以作为一个确定依据,相关技术中对于如何确定充电设施的使用率都是人工统计的,错误率高,容易带来误导。
针对相关技术中电动汽车新增的充电设施位置确定不准确的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种电动汽车充电设施数据处理方法和装置,以解决电动汽车新增的充电设施位置确定不准确的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种电动汽车充电设施数据处理方法,该方法包括:获取电动汽车充电设施资产和充电交易记录数据;通过预设的资源占用率评价分级模型对所述充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;通过影响因素分析模型对所述划分结果进行分析,得到分析结果;根据所述分析结果建立充电站选址评价模型;基于所述充电站选址评价模型确定新建的充电站地址。
进一步地,获取电动汽车充电设施资产和充电交易记录数据包括:获取电动汽车充电记录数据;获取电动汽车充电站和充电桩数据;获取电动汽车周边环境数据;获取电动汽车周边服务数据。
进一步地,通过预设的资源占用率评价分级模型对所述充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果包括:根据所述充电设施资产和充电交易记录数据计算资源占用率;通过预设的资源占用率评价分级模型对计算得到的资源占用率进行等级划分,得到划分结果。
进一步地,通过影响因素分析模型对所述划分结果进行分析,得到分析结果包括:通过单因素方差分析法筛选出对占用率具有显著影响的因素;通过多因素方差分析法分析影响因素的显著性程度;按照影响因素的显著性程度对影响因素进行排序。
进一步地,根据所述分析结果建立充电站选址评价模型包括:通过CART决策树算法建立充电站选址评价模型,其中,决策变量为充电设施占用率等级,分类变量为周边环境参数、自有桩占比。
为了实现上述目的,根据本发明的另一方面,还提供了一种电动汽车充电设施数据处理装置,该装置包括:获取单元,用于获取电动汽车充电设施资产和充电交易记录数据;划分单元,用于通过预设的资源占用率评价分级模型对所述充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;分析单元,用于通过影响因素分析模型对所述划分结果进行分析,得到分析结果;建立单元,用于根据所述分析结果建立充电站选址评价模型;确定单元,用于基于所述充电站选址评价模型确定新建的充电站地址。
进一步地,所述获取单元用于:获取电动汽车充电记录数据;获取电动汽车充电站和充电桩数据;获取电动汽车周边环境数据;获取电动汽车周边服务数据。
进一步地,所述划分单元包括:计算模块,用于根据所述充电设施资产和充电交易记录数据计算资源占用率;划分模块,用于通过预设的资源占用率评价分级模型对计算得到的资源占用率进行等级划分,得到划分结果。
为了实现上述目的,根据本发明的另一方面,还提供了一种存储介质,包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行本发明所述的电动汽车充电设施数据处理方法。
为了实现上述目的,根据本发明的另一方面,还提供了一种处理器,用于运行程序,其中,所述程序运行时执行本发明所述的电动汽车充电设施数据处理方法。
本发明通过获取电动汽车充电设施资产和充电交易记录数据;通过预设的资源占用率评价分级模型对充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;通过影响因素分析模型对划分结果进行分析,得到分析结果;根据分析结果建立充电站选址评价模型;基于充电站选址评价模型确定新建的充电站地址,解决了电动汽车新增的充电设施位置确定不准确的问题,进而达到了提高电动汽车新增的充电设施位置确定准确率的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的电动汽车充电设施数据处理方法的流程图;
图2是根据本发明实施例的充电设施使用率分析过程的示意图;
图3是本发明实施例的决策树分类结果的示意图;
图4是根据本发明实施例的电动汽车充电设施数据处理装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于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。
本发明实施例提供了一种电动汽车充电设施数据处理方法。
图1是根据本发明实施例的电动汽车充电设施数据处理方法的流程图,如图1所示,该方法包括以下步骤:
步骤S102:获取电动汽车充电设施资产和充电交易记录数据;
步骤S104:通过预设的资源占用率评价分级模型对充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;
步骤S106:通过影响因素分析模型对划分结果进行分析,得到分析结果;
步骤S108:根据分析结果建立充电站选址评价模型;
步骤S110:基于充电站选址评价模型确定新建的充电站地址。
该实施例采用获取电动汽车充电设施资产和充电交易记录数据;通过预设的资源占用率评价分级模型对充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;通过影响因素分析模型对划分结果进行分析,得到分析结果;根据分析结果建立充电站选址评价模型;基于充电站选址评价模型确定新建的充电站地址,解决了电动汽车新增的充电设施位置确定不准确的问题,进而达到了提高电动汽车新增的充电设施位置确定准确率的效果。
本发明实施例的技术方案可以作为一种充电站地址确定方法,本发明实施例中,电动汽车充电设施资产和充电交易记录数据可以是某个市所有的充电站和充电桩的相关数据,例如,位置、数量、使用时间、使用频率等相关数据,通过预设的资源占用率评价分级模型基于充电设施资产和充电交易记录数据,对每个充电桩或充电站进行占用率等级划分,得到划分结果,例如,有的充电桩是占用率高的,需要增加充电桩数量,有的是占用率低,空置较多,通过影响因素分析模型分析出不同占用率的影响因素,例如小区人员数量、附近的服务设施情况等,在分析完成后根据分析结果建立充电站选址评价模型,基于这个评价模型可以确定新建充电站的地址。
可选地,获取电动汽车充电设施资产和充电交易记录数据包括:获取电动汽车充电记录数据;获取电动汽车充电站和充电桩数据;获取电动汽车周边环境数据;获取电动汽车周边服务数据。
可选地,通过预设的资源占用率评价分级模型对充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果包括:根据充电设施资产和充电交易记录数据计算资源占用率;通过预设的资源占用率评价分级模型对计算得到的资源占用率进行等级划分,得到划分结果。
根据资源占用率对充电站进行占用率等级划分,例如,占用率在20%以下可以划分为一个占用率等级,占用率在20%-40%可以划分为一个占用率等级。
可选地,通过影响因素分析模型对划分结果进行分析,得到分析结果包括:通过单因素方差分析法筛选出对占用率具有显著影响的因素;通过多因素方差分析法分析影响因素的显著性程度;按照影响因素的显著性程度对影响因素进行排序。
可选地,根据分析结果建立充电站选址评价模型包括:通过CART决策树算法建立充电站选址评价模型,其中,决策变量为充电设施占用率等级,分类变量为周边环境参数、自有桩占比。
本发明实施例还提供了一种优选实施方式。
本发明实施例基于大量的充电设施资产及其充电交易记录数据,采用箱线图法、方差分析、决策树等数据分析算法,针对公共领域充电设施的资源占用率及其影响因素进行分析,提出了充电站占用率评估和充电站选址评价模型,为充电设施运营管理和规划建设提供数据支撑和技术支持。
图2是根据本发明实施例的充电设施使用率分析过程的示意图,如图2所示,主要包括数据采集、资源占用率评价分级模型、影响因素分析模型、充电站建设选址评价模型几个部分。
基于大量的充电设施资产及其充电交易记录数据,结合连单数据与无交易数据,采用箱线图法对占用率进行划分评级。应用方差分析法进行占用率的影响因素分析,识别出对充电设施占用率有显著影响的影响因素。根据方差分析结果建立充电设施占用率判别模型。
(1)影响因素分析
影响因素分析具体步骤:先应用单因素方差分析法筛选出对占用率具有显著影响的因素,然后通过多因素方差分析法分析影响因素的显著性程度。其中,
占用率等级:A、B、C。本发明实施例分析内容将占用率为[0,4.6289%)的桩的等级定义为A,占用率为[4.6289%,20.5309%)的桩的等级为B,占用率为[20.5309%,60%)定义为C等级,各个等级的样本数分别为51、73、46。
停车收费标准:每时5元以上、每时5元以下、按次收费、先免费后收费、免费、条件收费;
停车场空间位置:地面、地下、停车楼;
自有桩占比(取值范围为[0,1]):水平a、水平b、水平c。划分原则:综合考虑自有桩占比的数据分布,发现数据集中于0与1附近,因此将自有桩占比为0-20%定义为水平a,取值为20%-80%定义为水平b,80%-100%为水平c。
周围环境:4S店、地方委办局、地铁口、孵化器、高速路、公司营业厅、公园、供电所、机场、街道、开发区、科技园区、其它企业、桥下空间、商场广场、商务园、医院、院校、住宅小区、自然风景区。
表1:单因素方差分析结果
因素名称 | 停车收费标准 | 周边环境 | 停车场空间位置 | 自有桩占比 |
显著值 | 0.196 | 0.000531 | 0.549 | <0.0001 |
显著程度 | 不显著 | 高度显著 | 不显著 | 极其显著 |
在统计学中,显著值(简记为p值或者Sig)表示的是拒绝原假设所犯错的概率。在方差分析中,显著值代表的是如果因素X不显著,则认为其是显著的概率。
通常情况下,显著值与显著程度对应关系为:当显著值小于等于0.05时,显著程度为一般显著;当显著值小于等于0.01时为非常显著;小于等于0.001时为高度显著;小于等于0.0001时为极其显著;大于0.05为不显著。
通过单因素方差分析得出各个因素的显著性以及显著程度,显著值越小说明该因素越显著,越能够影响充电站的占用率大小。通过上表的对比,发现自有桩占比因素高度显著,说明占用率的取值在自有桩占比三个水平下有显著的差异;同理,周边环境因素非常显著,说明占用率取值在周边环境各水平下有显著的差异;而停车场空间位置因素与停车收费标准因素不显著,说明占用率在其因素各水平下取值没有明显差异。
单因素方差分析是检验单个因素对占用率是否有显著影响,而多因素方法分析是考查多个因素对占用率的联合作用是否显著。由于把0.05作为是因素是否显著的评判阈值,但实际中存在这样的情形:单因素检验时某因素的显著值略小于0.05,而进行多因素检验时该因素的显著值微微大于0.05,因此为了分析地更全面,将该因素归为具有显著影响的因素。
接下来通过多因素方差分析提取影响因素的显著值与显著性程度。
表2多因素方差分析结果
因素名称 | 停车收费标准 | 周边环境 | 停车场空间位置 | 自有桩占比 |
显著值 | 0.493 | <0.0001 | 0.718 | <0.0001 |
显著程度 | 不显著 | 极其显著 | 不显著 | 极其显著 |
通过方差分析(包括单因素与多因素),发现周边环境与自有桩占比为极其显著的影响因素,停车收费标准与停车场空间位置对占用率的影响不显著。
(2)充电设施占用率判别模型
方差分析为识别出对充电设施占用率有显著影响的影响因素,在充电设施占用率评估模型中,将采用CART决策树算法,决策变量为充电设施占用率等级,分类变量为周边环境、自有桩占比。将170个充电站数据随机分为训练集和测试集,样本数分别为153和17,采用分层抽样选取A、B、C 3个等级的样本数分别为46、65、42。由于模型输出的可视化结果的可读性较低,图3是本发明实施例的决策树分类结果的示意图。模型解读:图形从上至下分为根节点、树节点、叶节点。其中最末端的节点为叶节点,除最上面的初始节点为根节点外,其余节点为树节点,且在图中叶节点中反应的信息有模型在满足相应的分类条件下将样本判为了哪个类别以及判为该类别的样本数与错判样本数,如模型将最左边的叶节点归为了B等级,(40/18)表示的是模型将40个样本判为了B等级,其中有18个样本是其他等级而被错判成B等级的样本数。根节点为分类算法的开始,叶节点为分类算法的结束,即叶节点得到最后分类结果,而树节点为分类算法的中间过程。在模型中周围环境与自有桩占比参与了分类。例如某桩属性为地铁口桩、3km范围内自有桩占比很少,则该桩将会划分到B等级上。
训练集样本中观测值为A、B、C等级样本数分别为46,65,42,抽样比0.85。模型正确率为71%,其中正确识别A、B、C等级的样本数为34,39,35,正确率分别为76%,60%,83.3%。
通过模型计算得到测试集正确率为72%,其中A等级正确率为71.4%,B等级正确率为69.2%,C等级正确率为80%。由此可得模型可以较好地识别A、C等级。该结果显示B等级的判别效果最差,这是因为B等级介于A、B等级之间,决策树结果将占用率为B等级中取值较小的桩易判别为A等级桩,将占用率为B等级中取值较大的桩易判别为C等级桩。这是由于占用率等级划分之间的分界线间距待优化所致。上述结论为建站选址提供了初步依据。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例提供了一种电动汽车充电设施数据处理装置,该装置可以用于执行本发明实施例的电动汽车充电设施数据处理方法。
图4是根据本发明实施例的电动汽车充电设施数据处理装置的示意图,如图4所示,该装置包括:
获取单元10,用于获取电动汽车充电设施资产和充电交易记录数据;
划分单元20,用于通过预设的资源占用率评价分级模型对充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;
分析单元30,用于通过影响因素分析模型对划分结果进行分析,得到分析结果;
建立单元40,用于根据分析结果建立充电站选址评价模型;
确定单元50,用于基于充电站选址评价模型确定新建的充电站地址。
该实施例采用获取单元10,用于获取电动汽车充电设施资产和充电交易记录数据;划分单元20,用于通过预设的资源占用率评价分级模型对充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;分析单元30,用于通过影响因素分析模型对划分结果进行分析,得到分析结果;建立单元40,用于根据分析结果建立充电站选址评价模型;确定单元50,用于基于充电站选址评价模型确定新建的充电站地址,从而解决了电动汽车新增的充电设施位置确定不准确的问题,进而达到了提高电动汽车新增的充电设施位置确定准确率的效果。
可选地,获取单元10用于:获取电动汽车充电记录数据;获取电动汽车充电站和充电桩数据;获取电动汽车周边环境数据;获取电动汽车周边服务数据。
可选地,划分单元20包括:计算模块,用于根据充电设施资产和充电交易记录数据计算资源占用率;划分模块,用于通过预设的资源占用率评价分级模型对计算得到的资源占用率进行等级划分,得到划分结果。
所述电动汽车充电设施数据处理装置包括处理器和存储器,上述获取单元、划分单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高电动汽车新增的充电设施位置确定准确率。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述电动汽车充电设施数据处理方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述电动汽车充电设施数据处理方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取电动汽车充电设施资产和充电交易记录数据;通过预设的资源占用率评价分级模型对充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;通过影响因素分析模型对划分结果进行分析,得到分析结果;根据分析结果建立充电站选址评价模型;基于充电站选址评价模型确定新建的充电站地址。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取电动汽车充电设施资产和充电交易记录数据;通过预设的资源占用率评价分级模型对充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;通过影响因素分析模型对划分结果进行分析,得到分析结果;根据分析结果建立充电站选址评价模型;基于充电站选址评价模型确定新建的充电站地址。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种电动汽车充电设施数据处理方法,其特征在于,包括:
获取电动汽车充电设施资产和充电交易记录数据;
通过预设的资源占用率评价分级模型对所述充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;
通过影响因素分析模型对所述划分结果进行分析,得到分析结果;
根据所述分析结果建立充电站选址评价模型;
基于所述充电站选址评价模型确定新建的充电站地址。
2.根据权利要求1所述的方法,其特征在于,获取电动汽车充电设施资产和充电交易记录数据包括:
获取电动汽车充电记录数据;
获取电动汽车充电站和充电桩数据;
获取电动汽车周边环境数据;
获取电动汽车周边服务数据。
3.根据权利要求1所述的方法,其特征在于,通过预设的资源占用率评价分级模型对所述充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果包括:
根据所述充电设施资产和充电交易记录数据计算资源占用率;
通过预设的资源占用率评价分级模型对计算得到的资源占用率进行等级划分,得到划分结果。
4.根据权利要求1所述的方法,其特征在于,通过影响因素分析模型对所述划分结果进行分析,得到分析结果包括:
通过单因素方差分析法筛选出对占用率具有显著影响的因素;
通过多因素方差分析法分析影响因素的显著性程度;
按照影响因素的显著性程度对影响因素进行排序。
5.根据权利要求4所述的方法,其特征在于,根据所述分析结果建立充电站选址评价模型包括:
通过CART决策树算法建立充电站选址评价模型,其中,决策变量为充电设施占用率等级,分类变量为周边环境参数、自有桩占比。
6.一种电动汽车充电设施数据处理装置,其特征在于,包括:
获取单元,用于获取电动汽车充电设施资产和充电交易记录数据;
划分单元,用于通过预设的资源占用率评价分级模型对所述充电设施资产和充电交易记录数据进行占用率等级划分,得到划分结果;
分析单元,用于通过影响因素分析模型对所述划分结果进行分析,得到分析结果;
建立单元,用于根据所述分析结果建立充电站选址评价模型;
确定单元,用于基于所述充电站选址评价模型确定新建的充电站地址。
7.根据权利要求6所述的装置,其特征在于,所述获取单元用于:
获取电动汽车充电记录数据;
获取电动汽车充电站和充电桩数据;
获取电动汽车周边环境数据;
获取电动汽车周边服务数据。
8.根据权利要求6所述的装置,其特征在于,所述划分单元包括:
计算模块,用于根据所述充电设施资产和充电交易记录数据计算资源占用率;
划分模块,用于通过预设的资源占用率评价分级模型对计算得到的资源占用率进行等级划分,得到划分结果。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的电动汽车充电设施数据处理方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任意一项所述的电动汽车充电设施数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811566965.1A CN110163463A (zh) | 2018-12-19 | 2018-12-19 | 电动汽车充电设施数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811566965.1A CN110163463A (zh) | 2018-12-19 | 2018-12-19 | 电动汽车充电设施数据处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163463A true CN110163463A (zh) | 2019-08-23 |
Family
ID=67645283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811566965.1A Pending CN110163463A (zh) | 2018-12-19 | 2018-12-19 | 电动汽车充电设施数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163463A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200471A (zh) * | 2020-10-15 | 2021-01-08 | 国网北京市电力公司 | 充电桩的数量配置方法、装置和充电桩的分布系统 |
CN112668815A (zh) * | 2019-09-30 | 2021-04-16 | 北京国双科技有限公司 | 汽车数据处理方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023196A (zh) * | 2015-07-02 | 2015-11-04 | 国家电网公司 | 充电站充电交易数据的分析方法及装置 |
CN107220781A (zh) * | 2017-06-26 | 2017-09-29 | 北京中电普华信息技术有限公司 | 一种充电设施使用率评估方法及装置 |
CN107256461A (zh) * | 2017-06-13 | 2017-10-17 | 北京中电普华信息技术有限公司 | 一种充电设施建设地址评价方法及系统 |
CN108182508A (zh) * | 2017-12-07 | 2018-06-19 | 北京国网普瑞特高压输电技术有限公司 | 一种电动汽车充电站规划的方法及系统 |
CN108256666A (zh) * | 2017-12-01 | 2018-07-06 | 国网北京市电力公司 | 充电桩的位置确定方法及装置、处理器 |
-
2018
- 2018-12-19 CN CN201811566965.1A patent/CN110163463A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023196A (zh) * | 2015-07-02 | 2015-11-04 | 国家电网公司 | 充电站充电交易数据的分析方法及装置 |
CN107256461A (zh) * | 2017-06-13 | 2017-10-17 | 北京中电普华信息技术有限公司 | 一种充电设施建设地址评价方法及系统 |
CN107220781A (zh) * | 2017-06-26 | 2017-09-29 | 北京中电普华信息技术有限公司 | 一种充电设施使用率评估方法及装置 |
CN108256666A (zh) * | 2017-12-01 | 2018-07-06 | 国网北京市电力公司 | 充电桩的位置确定方法及装置、处理器 |
CN108182508A (zh) * | 2017-12-07 | 2018-06-19 | 北京国网普瑞特高压输电技术有限公司 | 一种电动汽车充电站规划的方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668815A (zh) * | 2019-09-30 | 2021-04-16 | 北京国双科技有限公司 | 汽车数据处理方法和装置 |
CN112200471A (zh) * | 2020-10-15 | 2021-01-08 | 国网北京市电力公司 | 充电桩的数量配置方法、装置和充电桩的分布系统 |
CN112200471B (zh) * | 2020-10-15 | 2023-11-21 | 国网北京市电力公司 | 充电桩的数量配置方法、装置和充电桩的分布系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107248082B (zh) | 养卡识别方法及装置 | |
US20210192586A1 (en) | Systems and Methods for Detecting and Responding to Anomalous Traffic Conditions | |
CN109766902A (zh) | 对同区域的车辆聚类的方法、装置和设备 | |
CN111028016A (zh) | 销量数据预测方法、装置以及相关设备 | |
CN108182508A (zh) | 一种电动汽车充电站规划的方法及系统 | |
CN108573355A (zh) | 模型更新后替换运行的方法、装置、及业务服务器 | |
CN108062674A (zh) | 基于gps的订单欺诈识别方法、系统、存储介质和电子设备 | |
CN111105628A (zh) | 一种停车场画像构建方法和装置 | |
CN110718057A (zh) | 路网运行状态评价方法、装置、电子设备及介质 | |
CN107506433A (zh) | 城市发展空间格局情景模拟系统 | |
CN108764375A (zh) | 高速公路货运车辆跨省匹配方法及装置 | |
CN107622061A (zh) | 一种确定地址唯一性的方法、装置及系统 | |
Ali et al. | Coverage and mobile sensor placement for vehicles on predetermined routes: A greedy heuristic approach | |
CN104123305A (zh) | 地理数据处理方法及其系统 | |
CN113792782A (zh) | 运营车辆的轨迹监测方法、装置、存储介质及计算机设备 | |
CN108648052B (zh) | 共享单车违停率判定方法及系统 | |
CN110163463A (zh) | 电动汽车充电设施数据处理方法和装置 | |
CN107809766A (zh) | 一种用于网络优化的机器学习样本的生成方法及装置 | |
CN106886517A (zh) | 业务选址方法、装置以及系统 | |
CN108389074A (zh) | 一种基于车牌识别的数据处理方法及相关设备 | |
CN116437291A (zh) | 一种基于手机信令的文化圈规划方法和系统 | |
CN107622467B (zh) | 一种通勤出行模式提取方法及装置 | |
CN107270919B (zh) | 公交路线分级方法、装置以及公交路线导航方法、装置 | |
CN111832599B (zh) | 一种基于机器学习随机森林的加油站预测方法 | |
CN107580329A (zh) | 一种网络分析优化方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |