一种基于多维度的充电站选址智能测评方法及系统技术方案

本发明专利技术涉及智能决策领域，揭露一种基于多维度的充电站选址智能测评方法及系统，所述方法包括：识别待测评充电站的业务场景，以查询待测评充电站的充电站分布网格，从充电站分布网格中筛选出与待测评充电站具有同类型的历史充电站；识别历史充电站的选址影响因子，将选址影响因子划分为内部影响因子和外部影响因子，识别内部影响因子和外部影响因子之间的因子关联关系；基于内部影响因子、外部影响因子及因子关联关系，对预构建的充电站选址测评模型进行训练，得到训练好的充电站选址测评模型；采集待测评充电站的当前选址因子，根据当前选址因子，计算待测评充电站的选址评分，以确定待测评充电站的选址结果。本发明专利技术可以提高充电站选址的精准性。充电站选址的精准性。充电站选址的精准性。

【技术实现步骤摘要】
一种基于多维度的充电站选址智能测评方法及系统


[0001]本专利技术涉及智能决策领域，尤其涉及一种基于多维度的充电站选址智能测评方法及系统。

技术介绍

[0002]充电站的选址是指在满足车主多方面需求的同时，尽量考虑后期增值服务的建设，以使收益最大化。
[0003]随着电动汽车数量的快速增长，实际生活中由于充电站的选址不当造成的问题日趋凸显，如在充电需求方面，用户无法在附近找到充电站，给生活和出行带来了极大的不便；在充电站运营方面，充电设施大规模建设，但充电站利用率却很低，极大地浪费了社会资源。
[0004]目前充电站的选址大都采用建立单一的充电站选址智能测评模型来确定充电站选址结果，而没有综合多维度测评模型的多维特征，从而导致充电站选址的精准性不高。

技术实现思路

[0005]本专利技术提供一种基于多维度的充电站选址智能测评方法及系统，其主要目的在于提高充电站选址的精准性。
[0006]为实现上述目的，本专利技术提供的一种基于多维度的充电站选址智能测评方法，包括：识别待测评充电站的业务场景，根据所述业务场景，查询所述待测评充电站的充电站分布网格，并从所述充电站分布网格中筛选出与所述待测评充电站具有同类型的历史充电站；识别所述历史充电站的选址影响因子，将所述选址影响因子划分为内部影响因子和外部影响因子，并识别所述内部影响因子和所述外部影响因子之间的因子关联关系；基于所述内部影响因子、所述外部影响因子以及所述因子关联关系，对预构建的充电站选址测评模型进行训练，得到训练好的充电站选址测评模型；采集所述待测评充电站的当前选址因子，根据所述当前选址因子，利用所述训练好的充电站选址测评模型计算所述待测评充电站的选址评分，以基于所述选址评分，确定所述待测评充电站的选址结果。
[0007]可选地，所述识别所述内部影响因子和所述外部影响因子之间的因子关联关系，包括：利用下述公式计算所述内部影响因子和所述外部影响因子之间的相关系数：其中，表示内部影响因子和外部影响因子之间的相关系数，表示内部影响因子和外部影响因子之间的协方差，表示内部影响因子的标准差，表示外部
影响因子的标准差，表示内部影响因子，表示外部影响因子；根据所述相关系数，构建所述内部影响因子和所述外部影响因子的相关矩阵；根据所述相关矩阵，识别所述内部影响因子和所述外部影响因子之间的因子关联关系。
[0008]可选地，所述基于所述内部影响因子、所述外部影响因子以及所述因子关联关系，对预构建的充电站选址测评模型进行训练，得到训练好的充电站选址测评模型，包括：构建所述内部影响因子和所述外部影响因子的因子评分体系和因子影响权重；识别所述内部影响因子和所述外部影响因子对应的历史充电站，基于所述因子评分体系、所述因子影响权重及所述因子关联关系，计算所述历史充电站的因子评测得分；从预构建的多源数据库中，以预构建的第一比例随机选取训练样本，从所述内部影响因子和所述外部影响因子中，以预构建的第二比例随机选取影响因子特征；根据所述训练样本和所述影响因子特征及所述选址评测得分，构建所述历史充电站的选址决策树；基于所述选址决策树，构建所述历史充电站的选址随机森林；根据所述选址随机森林，确定训练好的充电站选址测评模型。
[0009]可选地，所述构建所述内部影响因子和所述外部影响因子的因子评分体系和因子影响权重，包括：构建所述内部影响因子和所述外部影响因子的树状层次结构，根据所述树状层次结构，构建所述内部影响因子和所述外部影响因子的因子评分体系及定量化标度；根据所述定量化标度,分别构建所述内部影响因子和所述外部影响因子的内因判断矩阵和外因判断矩阵，根据所述内因判断矩阵和外因判断矩阵，分别计算所述内部影响因子和所述外部影响因子的内部因子权重和外部因子权重，根据所述内部因子权重和所述外部因子权重，确定所述内部影响因子和所述外部影响因子的因子影响权重。
[0010]可选地，所述根据所述内因判断矩阵和外因判断矩阵，分别计算所述内部影响因子和所述外部影响因子的内部因子权重和外部因子权重，包括：对所述内因判断矩阵和所述外因判断矩阵进行列规范化处理，得到规范内因矩阵和规范外因矩阵，对所述规范内因矩阵和所述规范外因矩阵进行权重行规范处理，得到内因权重向量和外因权重向量；根据所述内因权重向量和所述外因权重向量，利用下述公式计算所述规范内因矩阵和所述规范外因矩阵的内因最大特征值和外因最大特征值：阵和所述规范外因矩阵的内因最大特征值和外因最大特征值：阵和所述规范外因矩阵的内因最大特征值和外因最大特征值：阵和所述规范外因矩阵的内因最大特征值和外因最大特征值：其中，，分别表示规范内因矩阵和规范外因矩阵的内因最大特征值和
外因最大特征值，，分别表示规范内因矩阵和规范外因矩阵，分别表示内因权重向量和外因权重向量,，分别表示规范内因矩阵与内因权重向量乘积的第个向量分量、规范外因矩阵与外因权重向量乘积的第个向量分量，，分别表示内因权重向量的第个向量分量和外因权重向量的第个向量分量，，分别表示规范内因矩阵的行列数量和规范外因矩阵的行列数量；根据所述内因最大特征值，计算所述规范内因矩阵的内因一致性比率，及根据所述外因最大特征值，计算所述规范外因矩阵的外因一致性比率，在所述内因一致性比率和所述外因一致性比率小于预设阈值时，识别所述内因权重向量和所述外因权重向量中的每个分量作为所述内部影响因子和所述外部影响因子的内部因子权重和外部因子权重。
[0011]可选地，所述根据所述内因最大特征值，计算所述规范内因矩阵的内因一致性比率，包括：利用下述公式计算所述规范内因矩阵的内因一致性指标：其中，表示规范内因矩阵的内因一致性指标，表示规范内因矩阵的内因最大特征值，表示规范内因矩阵的行列数量。
[0012]根据所述内因一致性指标，利用下述公式计算所述规范内因矩阵的内因一致性比率：其中，表示规范内因矩阵的内因一致性比率，表示规范内因矩阵的内因一致性指标，表示随机一致性指标，可通过查询预设的统计表得到。
[0013]可选地，所述基于所述因子评分体系、所述因子影响权重及所述因子关联关系，计算所述历史充电站的因子评测得分，包括：识别所述历史充电站的内部影响因子和外部影响因子，基于所述因子评分体系，确定所述内部影响因子的内部因子评分和所述外部影响因子的外部因子评分，识别所述因子关联关系的因子相关系数；根据所述内部因子评分、所述因子影响权重中的内部因子权重及所述因子相关系数，利用下述公式计算所述历史充电站的内部因子评测得分：其中，表示历史充电站的内部因子评测得分，表示内部因子评分，表示内部因子权重，表示与当前内部因子相关的第个外部因子的相关系数，表示与当前内部因子相关的外部因子的序号，表示与当前内部因子相关的外部因子的数量；根据所述外部因子评分、所述因子影响权重中的外部因子权重，利用下述公式计算所述历史充电站的外部因子评测得分：
其中，表示历史充电站的外部因子评测得分，表示外部因子评分，表示外部因子权重；根据所述内部因子评测得分和所述外部因子评测得分，确定所述历史充电站的因子评测得分。...

【技术保护点】

【技术特征摘要】
1.一种基于多维度的充电站选址智能测评方法，其特征在于，所述方法包括：识别待测评充电站的业务场景，根据所述业务场景，查询所述待测评充电站的充电站分布网格，并从所述充电站分布网格中筛选出与所述待测评充电站具有同类型的历史充电站；识别所述历史充电站的选址影响因子，将所述选址影响因子划分为内部影响因子和外部影响因子，并识别所述内部影响因子和所述外部影响因子之间的因子关联关系；基于所述内部影响因子、所述外部影响因子以及所述因子关联关系，对预构建的充电站选址测评模型进行训练，得到训练好的充电站选址测评模型；采集所述待测评充电站的当前选址因子，根据所述当前选址因子，利用所述训练好的充电站选址测评模型计算所述待测评充电站的选址评分，以基于所述选址评分，确定所述待测评充电站的选址结果。2.如权利要求1所述的基于多维度的充电站选址智能测评方法，其特征在于，所述识别所述内部影响因子和所述外部影响因子之间的因子关联关系，包括：利用下述公式计算所述内部影响因子和所述外部影响因子之间的相关系数：其中，表示内部影响因子和外部影响因子之间的相关系数，表示内部影响因子和外部影响因子之间的协方差，表示内部影响因子的标准差，表示外部影响因子的标准差，表示内部影响因子，表示外部影响因子；根据所述相关系数，构建所述内部影响因子和所述外部影响因子的相关矩阵；根据所述相关矩阵，识别所述内部影响因子和所述外部影响因子之间的因子关联关系。3.如权利要求1所述的基于多维度的充电站选址智能测评方法，其特征在于，所述基于所述内部影响因子、所述外部影响因子以及所述因子关联关系，对预构建的充电站选址测评模型进行训练，得到训练好的充电站选址测评模型，包括：构建所述内部影响因子和所述外部影响因子的因子评分体系和因子影响权重；识别所述内部影响因子和所述外部影响因子对应的历史充电站，基于所述因子评分体系、所述因子影响权重及所述因子关联关系，计算所述历史充电站的因子评测得分；从预构建的多源数据库中，以预构建的第一比例随机选取训练样本，从所述内部影响因子和所述外部影响因子中，以预构建的第二比例随机选取影响因子特征；根据所述训练样本和所述影响因子特征及选址评测得分，构建所述历史充电站的选址决策树；基于所述选址决策树，构建所述历史充电站的选址随机森林；根据所述选址随机森林，确定训练好的充电站选址测评模型。4.如权利要求3所述的基于多维度的充电站选址智能测评方法，其特征在于，所述构建所述内部影响因子和所述外部影响因子的因子评分体系和因子影响权重，包括：构建所述内部影响因子和所述外部影响因子的树状层次结构，根据所述树状层次结构，构建所述内部影响因子和所述外部影响因子的因子评分体系及定量化标度；
根据所述定量化标度,分别构建所述内部影响因子和所述外部影响因子的内因判断矩阵和外因判断矩阵，根据所述内因判断矩阵和外因判断矩阵，分别计算所述内部影响因子和所述外部影响因子的内部因子权重和外部因子权重，根据所述内部因子权重和所述外部因子权重，确定所述内部影响因子和所述外部影响因子的因子影响权重。5.如权利要求4所述的基于多维度的充电站选址智能测评方法，其特征在于，所述根据所述内因判断矩阵和外因判断矩阵，分别计算所述内部影响因子和所述外部影响因子的内部因子权重和外部因子权重，包括：对所述内因判断矩阵和所述外因判断矩阵进行列规范化处理，得到规范内因矩阵和规范外因矩阵，对所述规范内因矩阵和所述规范外因矩阵进行权重行规范处理，得到内因权重向量和外因权重向量；根据所述内因权重向量和所述外因权重向量，利用下述公式计算所述规范内因矩阵和所述规范外因矩阵的内因最大特征值和外因最大特征值：所述规范外因矩阵的内因最大特征值和外因最大特征值：所述规范外因矩阵的内因最大特征值和外因最大特征值：所述规范外因矩阵的内因最大特征值和外因最大特征值：其中，，分别表示规范内因矩阵和规范外因矩阵的内因最大特征值和外因最大特征值，，分别表示规范内因矩阵和规范外因矩阵，分别表示内因权重向量和外因权重向量,，分别表示规范内因矩阵与内因权重向量乘积的第个向量分量、规范外因矩阵与外因权重向量乘积的第个向量分量，，分别表示内因权重向量的第个向量分量和外因权重向量的第个向量分量，，分别表示规范内因矩阵的行列数量和规范外因矩阵的行列数量；根据所述内因最大特征值，计算所述规范内因矩阵的内因一致性比率，及根据所述外因最大特征值，计算所述规范外因矩阵的外因一致性比率；在所述内因一致性比率和所述外因一致性比率小于预设阈值时，识别所述内因权重向量和所述外因...

【专利技术属性】
技术研发人员：杜双育，姜磊，郑静楠，马苗，
申请(专利权)人：佰聆数据股份有限公司，
类型：发明
国别省市：