一种通过向量网络连接强度计算换电柜撤柜需求的方法技术

本发明专利技术公开了一种通过向量网络连接强度计算换电柜撤柜需求的方法，依次包括数据采集和上报、数据收集和存储、数据清洗和预处理、数据归一化、换电柜宽表构建、构建撤柜需求模型、撤柜执行与反馈七个步骤；在构建撤柜需求模型步骤中，首先使用聚类算法对收集的换电柜数据进行群组化的聚类分配计算，获取每个换电柜被划分到各个聚类中心的概率，实现换电柜数据的概率化聚类，然后使用随机森林模型的预测函数并依据换电柜的概率化聚类来预测换电柜的撤柜需求数，形成撤柜需求模型。本发明专利技术通过对换电柜的数据向量进行概率化聚类计算，获取换电柜能够分配到各聚类中心的概率，并依此结合随机森林模型函数构建撤柜需求模型，实现撤柜需求的准确预测。求的准确预测。求的准确预测。

【技术实现步骤摘要】
一种通过向量网络连接强度计算换电柜撤柜需求的方法


[0001]本专利技术属于换电柜撤柜
，尤其涉及一种通过向量网络连接强度计算换电柜撤柜需求的方法。

技术介绍

[0002]在二轮车换电行业中，准确判断换电柜的撤柜需求对于优化运营和提高效率至关重要。传统的判断方法可能依赖于主观经验或简单的数据统计，存在一定的不准确性和局限，生成的统计数据对正确、严谨撤柜方案的确立支撑性不够，撤柜存在误判现象。

技术实现思路

[0003]专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种通过向量网络连接强度计算换电柜撤柜需求的方法，通过对换电柜的数据向量进行概率化聚类计算，获取换电柜能够分配到各聚类中心的概率，并依此结合随机森林模型函数构建撤柜需求模型，实现撤柜需求的准确预测。
[0004]技术方案：为实现上述目的，本专利技术的一种通过向量网络连接强度计算换电柜撤柜需求的方法，步骤如下：
[0005]步骤S1：数据采集和上报
[0006]通过网络爬虫或物联设备对已有各站点的换电柜数据进行采集，并将采集的数据上报至大数据平台；
[0007]步骤S2：数据收集和存储
[0008]通过实时接入方式或离线同步方式对采集的数据进行收集并存储；
[0009]步骤S3：数据清洗和预处理
[0010]对收集到的数据进行清洗和预处理，为建模数据的正确性与有效性奠定基础；
[0011]步骤S4：数据归一化
[0012]对收集到的数据进行归一化，使各个数据特征在相同的尺度范围内；
[0013]步骤S5：换电柜宽表构建
[0014]将收集到的换电柜数据进行关联和聚合处理，构建以换电柜ID为主键关联对应换电柜各采集数据的宽表；
[0015]步骤S6：构建撤柜需求模型
[0016]首先使用聚类算法对收集的换电柜数据进行群组化的聚类分配计算，获取每个换电柜被划分到各个聚类中心的概率，实现换电柜数据的概率化聚类，然后使用随机森林模型的预测函数并依据换电柜的概率化聚类来预测换电柜的撤柜需求数，形成撤柜需求模型；
[0017]步骤S7：撤柜执行与反馈
[0018]依据撤柜需求模型，生成对应的撤柜工单，根据工单执行撤柜任务并实施执行结果的反馈。
[0019]进一步地，在步骤S1中，换电柜数据采集的内容包括换电柜ID、换电柜编号、经度、纬度、财务柜效、换电链接强度、换电次数、用户换电频率、换电柜上次维护时间、换电柜容量以及换电柜故障状态。
[0020]进一步地，在步骤S3中，数据清洗和预处理的内容包括处理缺失值、处理异常值、数据格式转换和统一化、时间特征提取以及地理信息特征提取。
[0021]进一步地，在步骤S4中，归一化的特征公式为：
[0022][0023]其中：Zi、Xi和Yi分别表示第i个换电柜的财务柜效、距离和换电链接强度，归一化后的特征分别表示为zi、xi和yi。
[0024]进一步地，在步骤S6中，使用概率化的K
‑
Means聚类算法将换电柜数据划分为K个群组和n个电柜数据，每个换电柜被划分到第k个群组的概率为P(i＝k)，则可定义一个n
×
K的聚类概率矩阵P，具体步骤如下：
[0025]ⅰ
)定义换电柜数据的特征向量表示：每个电柜的特征向量为x
i
＝[zi,xi,yi]，其中：zi表示财务柜效，xi表示距离，yi表示换电链接强度；
[0026]ⅱ
)初始化K个聚类中心μ
k
，表示随机选择的K个换电柜特征向量；
[0027]ⅲ
)使用高斯混合模型计算每个换电柜被分配到各个聚类中心的概率：
[0028][0029]其中：Σk表示第k个聚类的协方差矩阵，用于衡量聚类的数据分散程度；
[0030]ⅳ
)根据计算得到的概率P(i＝k)对每个换电柜进行重新分配到概率最高的聚类中心：
[0031]Cluster(i)＝argmax
k P(i＝k)
[0032]其中，Σk是第k个聚类的协方差矩阵，用于衡量聚类的数据分散程度；
[0033]ⅴ
)根据计算得到的概率P(i＝k)对每个电柜进行重新分配到概率最高的聚类中心：
[0034]Cluster(i)＝argmax
k P(i＝k)来更新聚类中心μ
k
，根据新的聚类分配重新计算每个聚类中心的值：
[0035][0036]ⅵ
)重复步骤
ⅳ
和步骤
ⅴ
，直到聚类中心不再变化，最终得到n
×
K的聚类概率矩阵P，表示每个电柜被划分到各个聚类中心的概率，实现换电柜数据的概率化聚类；
[0037]使用随机森林模型来预测电柜的撤柜需求数CR
i
，使用归一化后的特征聚类K、zi、xi和yi作为输入：
[0038]CRi^(k)＝RandomForestModel(zi,xi,yi)
[0039]从而得到每个电柜在第k个群组中的撤柜需求数CRi^(k)；
[0040]其中：RandomForestModel(zi,xi,yi)表示随机森林模型的预测函数。
[0041]进一步地，在步骤S7中，将计算结果CRi^(k)回传给CRM系统，自动创建工单，并下发对应的指令给业务负责人进行执行，且执行结果通过数据回传至数据库，进行算法优化。
[0042]有益效果：本专利技术通过对换电柜的数据向量进行概率化聚类计算，获取换电柜能够分配到各聚类中心的概率，并依此结合随机森林模型函数构建撤柜需求模型，实现撤柜需求的准确预测，其相比现有简单统计实施撤柜的措施依据更加可靠，撤柜计算更加准确，避免造成经济效益损失。
附图说明
[0043]附图1为本专利技术的方法步骤的示意图；
[0044]附图2为本专利技术的大致流程框图；
[0045]附图3为聚类后的换电链接强度示意图。
具体实施方式
[0046]下面结合附图对本专利技术作更进一步的说明。
[0047]如附图1所示，一种通过向量网络连接强度计算换电柜撤柜需求的方法，步骤如下：
[0048]步骤S1：数据采集和上报
[0049]通过网络爬虫或物联设备对已有各站点的换电柜数据进行采集，并将采集的数据上报至大数据平台。
[0050]在步骤S1中，换电柜数据采集的内容包括换电柜ID、换电柜编号、经度、纬度、财务柜效、换电链接强度、换电次数、用户换电频率、换电柜上次维护时间、换电柜容量以及换电柜故障状态，其中：
[0051]换电柜ID：每个换电柜的唯一标识符；
[0052]换电订单编号：记录每次换电的订单编号，用于关联换电柜与用户的换电行为；
[0053]经度：换电柜所在位置的经度信息，用于计算换电柜的距离；
[0054]纬度：换电柜所在位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过向量网络连接强度计算换电柜撤柜需求的方法，其特征在于：步骤如下：步骤S1：数据采集和上报通过网络爬虫或物联设备对已有各站点的换电柜数据进行采集，并将采集的数据上报至大数据平台；步骤S2：数据收集和存储通过实时接入方式或离线同步方式对采集的数据进行收集并存储；步骤S3：数据清洗和预处理对收集到的数据进行清洗和预处理，为建模数据的正确性与有效性奠定基础；步骤S4：数据归一化对收集到的数据进行归一化，使各个数据特征在相同的尺度范围内；步骤S5：换电柜宽表构建将收集到的换电柜数据进行关联和聚合处理，构建以换电柜ID为主键关联对应换电柜各采集数据的宽表；步骤S6：构建撤柜需求模型首先使用聚类算法对收集的换电柜数据进行群组化的聚类分配计算，获取每个换电柜被划分到各个聚类中心的概率，实现换电柜数据的概率化聚类，然后使用随机森林模型的预测函数并依据换电柜的概率化聚类来预测换电柜的撤柜需求数，形成撤柜需求模型；步骤S7：撤柜执行与反馈依据撤柜需求模型，生成对应的撤柜工单，根据工单执行撤柜任务并实施执行结果的反馈。2.根据权利要求1所述的一种通过向量网络连接强度计算换电柜撤柜需求的方法，其特征在于：在步骤S1中，换电柜数据采集的内容包括换电柜ID、换电柜编号、经度、纬度、财务柜效、换电链接强度、换电次数、用户换电频率、换电柜上次维护时间、换电柜容量以及换电柜故障状态。3.根据权利要求1所述的一种通过向量网络连接强度计算换电柜撤柜需求的方法，其特征在于：在步骤S3中，数据清洗和预处理的内容包括处理缺失值、处理异常值、数据格式转换和统一化、时间特征提取以及地理信息特征提取。4.根据权利要求1所述的一种通过向量网络连接强度计算换电柜撤柜需求的方法，其特征在于：在步骤S4中，归一化的特征公式为：其中：Zi、Xi和Yi分别表示第i个换电柜的财务柜效、距离和换电链接强度，归一化后的特征分别表示为zi、xi和yi。5.根据权利要求4所述的一种通过向量网络连接强度计算换电柜撤柜需求的方法，其特征在于：在步骤S6中，使用概率化的K
‑
Means聚类算法将换电柜数据划分为K个群组和n个电柜数据，每个换电柜被划分到第k个群组的概率为P(i＝k)，则可定义一个n

【专利技术属性】
技术研发人员：蔡钺，程禹斯，
申请(专利权)人：上海智租物联科技有限公司，
类型：发明
国别省市：