本發(fā)明涉及電動(dòng)汽車充電基礎(chǔ)設(shè)施，更具體的，涉及一種基于多維度的汽車充電站規(guī)劃方法。

背景技術(shù)：

1、目前的電動(dòng)汽車充電站規(guī)劃多依賴于模擬數(shù)據(jù)和理論分析，這種方法雖然在初步規(guī)劃階段提供了便利，但常常因缺乏對(duì)實(shí)際運(yùn)營(yíng)數(shù)據(jù)的深入分析而導(dǎo)致規(guī)劃結(jié)果與實(shí)際需求不符。例如，傳統(tǒng)模型可能無(wú)法準(zhǔn)確預(yù)測(cè)充電需求的峰值時(shí)間，或者忽視了特定區(qū)域內(nèi)潛在用戶群的具體需求。此外，僅依靠地理和路網(wǎng)分析無(wú)法全面評(píng)估充電站的效率和效果，可能導(dǎo)致資源配置不均、充電站利用率低下或用戶滿意度下降。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為了解決現(xiàn)有充電站規(guī)劃資源分配不均的問(wèn)題，提出了一種基于多維度的汽車充電站規(guī)劃方法，根據(jù)充電站的充電需求量預(yù)測(cè)的分類等級(jí)進(jìn)行充電站規(guī)劃，避免充電站規(guī)劃資源分配不均。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案是：

3、本發(fā)明公開了一種基于多維度的汽車充電站規(guī)劃方法，包括：

4、構(gòu)建數(shù)據(jù)采集器，通過(guò)數(shù)據(jù)采集器對(duì)充電站的充電需求進(jìn)行數(shù)據(jù)采集，制作充電需求等級(jí)的標(biāo)簽；對(duì)充電站在若干個(gè)維度上進(jìn)行評(píng)估，并對(duì)每個(gè)維度劃分為若干個(gè)類目進(jìn)行打分；

5、構(gòu)建基于自注意力機(jī)制的分類模型，使用數(shù)據(jù)采集器中不同類目的打分作為分類模型的輸入特征，分類模型通過(guò)學(xué)習(xí)輸入特征與充電需求等級(jí)標(biāo)簽之間的關(guān)系，確定不同類目對(duì)充電需求等級(jí)影響的權(quán)重，完成對(duì)分類模型的訓(xùn)練；

6、將數(shù)據(jù)采集器采集到的數(shù)據(jù)輸入到訓(xùn)練后的分類模型，得到充電站的充電需求量預(yù)測(cè)的分類等級(jí)，根據(jù)充電站的充電需求量預(yù)測(cè)的分類等級(jí)進(jìn)行充電站規(guī)劃。

7、構(gòu)建數(shù)據(jù)采集器包括：

8、統(tǒng)計(jì)k個(gè)真實(shí)充電站的充電需求并將其由大到小排序：x1,x2,x3,....,xk，避免由于不同地區(qū)人口總量帶來(lái)的充電需求量影響，對(duì)充電需求量做歸一化處理：

9、根據(jù)涉及到的樣本所處地區(qū)的人口總量數(shù)據(jù)，計(jì)算人口歸一化所需的系數(shù)：

10、

11、其中，zi表示第i個(gè)充電站樣本的經(jīng)過(guò)人口歸一化系數(shù)后的充電需求量，pi表示第i個(gè)充電站樣本所屬地區(qū)的人口數(shù)量，pmin表示k個(gè)充電站樣本所屬于的n個(gè)地區(qū)中人口的最少的地區(qū)的人口數(shù)量；pmax表示k個(gè)充電站樣本所屬于的n個(gè)地區(qū)中人口的最多的地區(qū)的人口數(shù)量；

12、將經(jīng)過(guò)人口歸一化后的充電需求量做充電需求量歸一化，如下所示：

13、

14、其中，qi表示第i個(gè)樣本經(jīng)過(guò)歸一化后的充電需求量，zmin表示k個(gè)充電站樣本中充電需求量最小的需求量；zmax表示k個(gè)充電站樣本中充電需求量最大的需求量；

15、根據(jù)歸一化結(jié)果qi對(duì)k個(gè)充電站樣本進(jìn)行排序，劃分g個(gè)區(qū)間，用來(lái)表示g個(gè)不同的充電需求等級(jí)標(biāo)簽。

16、對(duì)于每個(gè)充電站xi，在m個(gè)維度上進(jìn)行評(píng)估，并在每個(gè)維度下細(xì)分為n個(gè)類目進(jìn)行打分。

17、m個(gè)維度包括：

18、商業(yè)生態(tài)，交通環(huán)境，運(yùn)營(yíng)管理，配套設(shè)施，場(chǎng)地規(guī)模，競(jìng)爭(zhēng)情況，營(yíng)銷能力。

19、所述商業(yè)生態(tài)包括以下類目：

20、城市核心cbd、商業(yè)中心、寫字樓、居民區(qū)、交通樞紐；

21、所述交通環(huán)境包括以下類目：

22、充電站位于地上還是地下、是否位于主要道路旁、從外部道路到場(chǎng)站的進(jìn)入動(dòng)線距離和轉(zhuǎn)彎次數(shù)；

23、所述運(yùn)營(yíng)管理包括以下類目：

24、充電站是否有專人值守、是否有場(chǎng)地獨(dú)立道閘管理或是否加裝地鎖；

25、所述配套設(shè)施包括以下類目：

26、是否有洗手間、休息室、熱食供應(yīng)、便利店或自動(dòng)販賣機(jī)、洗車服務(wù)；

27、所述場(chǎng)地規(guī)模包括以下類目：

28、依據(jù)占地面積和直流充電槍的數(shù)量來(lái)判斷；

29、所述競(jìng)爭(zhēng)情況包括以下類目：

30、評(píng)估1公里范圍內(nèi)目標(biāo)競(jìng)品數(shù)量和與目標(biāo)競(jìng)品站的行車距離；

31、所述營(yíng)銷能力包括以下類目：

32、是否外部道路50m外充電站清晰可見(jiàn)，是否有露出的廣告位。

33、數(shù)據(jù)采集器c中，各個(gè)維度下的類目用cmn表示，cmn均用二元變量表示，取值范圍為{0,1}；m∈[1，m]，n∈[1，nm]，n∈{n1，n2…nm}。

34、通過(guò)自注意力機(jī)制確定不同類目對(duì)充電需求等級(jí)影響的權(quán)重的計(jì)算方法如下：

35、生成查詢、鍵、值：

36、對(duì)于每個(gè)輸入x，通過(guò)不同的線性變換生成查詢q、鍵k和值v：

37、q＝xwq,k＝xwk,v＝xwv

38、其中wq，wk，wv∈rd×d′是可學(xué)習(xí)的參數(shù)矩陣，d'是變換后的維度，通常與d相同或不同；

39、計(jì)算注意力得分：

40、自注意力機(jī)制通過(guò)計(jì)算查詢q和所有鍵k之間的點(diǎn)積來(lái)評(píng)估輸入特征的不同部分之間的影響力和相關(guān)性：

41、

42、矩陣a的每個(gè)元素aij表示位置i的特征對(duì)位置j的注意力得分，是縮放因子，用于穩(wěn)定訓(xùn)練過(guò)程中的梯度；

43、使用softmax進(jìn)行標(biāo)準(zhǔn)化：

44、使用softmax函數(shù)對(duì)每一行的得分進(jìn)行標(biāo)準(zhǔn)化，使每一行的元素和為1，即位置i對(duì)所有位置j的注意力權(quán)重如下：

45、

46、輸出加權(quán)的值：

47、將得到的注意力權(quán)重矩陣與值v相乘，得到最終的輸出，該輸出是輸入的加權(quán)表示，強(qiáng)調(diào)輸入中最相關(guān)部分的特征：

48、o＝attention(q,k,v)

49、其中o是輸出矩陣，維度與v相同，但內(nèi)容已根據(jù)輸入數(shù)據(jù)的內(nèi)在關(guān)聯(lián)性重新加權(quán)。

50、所述分類模型的網(wǎng)絡(luò)結(jié)構(gòu)包括依次連接的conv1層、第一卷積層、第二卷積層、第三卷積層、第四卷積層、子注意力層、平均池化層、扁平化層、全連接層。

51、所述的conv1層用于對(duì)輸入數(shù)據(jù)依次進(jìn)行濾波、批量歸一化、relu激活函數(shù)處理、最大池化處理；

52、所述第一卷積層對(duì)conv1層輸出的數(shù)據(jù)進(jìn)行再次卷積，提取維度特征，將空間維度減少至64x64，將通道數(shù)增加到64，進(jìn)行批量歸一化、relu激活函數(shù)處理；

53、所述第二卷積層對(duì)第一卷積層輸出的數(shù)據(jù)再次卷積，提取維度特征，將空間維度減少至32x32，將通道數(shù)增加到128，進(jìn)行批量歸一化、relu激活函數(shù)處理；

54、所述第三卷積層對(duì)第二卷積層輸出的數(shù)據(jù)再次卷積，提取維度特征，將空間維度減少至16x16，將通道數(shù)增加到256，進(jìn)行批量歸一化、relu激活函數(shù)處理；

55、所述第四卷積層對(duì)第三卷積層輸出的數(shù)據(jù)再次卷積，提取維度特征，將空間維度減少至16x16，將通道數(shù)增加到512，進(jìn)行批量歸一化、relu激活函數(shù)處理；

56、所述自注意力層通過(guò)捕獲輸入數(shù)據(jù)中的重要信息，提升模型對(duì)關(guān)鍵特征的感知能力，以此幫助分類模型理解實(shí)際充電站的運(yùn)營(yíng)和周邊環(huán)境信息并預(yù)測(cè)充電需求量；

57、所述平均池化層用于降低特征的空間維度，減少參數(shù)的數(shù)量，對(duì)數(shù)據(jù)進(jìn)行分類；

58、所述扁平化層用于將多維的特征圖展平為一維特征向量，所述全連接層用于綜合全連接層之前的所有特征，進(jìn)行線性組合和非線性變換，形成決策邊界，輸出最終的分類結(jié)果。

59、所述分類模型的輸入為充電量等級(jí)標(biāo)簽和由其余數(shù)據(jù)構(gòu)建的特征向量；

60、所述分類模型的輸出為一個(gè)具有g(shù)個(gè)單元的向量，每個(gè)g對(duì)應(yīng)一個(gè)類別；在分類任務(wù)中，單元通常代表了分類模型對(duì)于每個(gè)類別的預(yù)測(cè)概率。

61、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

62、1.通過(guò)構(gòu)建的分類模型，基于分類模型輸出的需求等級(jí)充電需求量預(yù)測(cè)的分類等級(jí)，有針對(duì)性地選擇充電站建設(shè)地點(diǎn)和配置資源，從而最大化投資回報(bào)率和用戶滿意度，避免配置資源分配不均。

63、2.通過(guò)引入自注意力機(jī)制，幫助分類模型更好地理解輸入數(shù)據(jù)中的復(fù)雜模式和關(guān)系，提高分類模型的精度和效率。