本發明涉及選址優化，具體涉及基于多維度數據的片區建站評估的方法和裝置。

背景技術：

1、隨著我國新能源汽車的保有量持續增加，新能源汽車占總汽車保有量的比例也在增加。當前，我國充電樁公共樁與新能源車輛的車樁比大于7。雖然車樁比總體來說呈現下降的趨勢。但是，仍然存在較大的公共樁缺口。

2、充電場站的投建，往往需要大量的設備和資金成本投入，選址決策失誤，意味著投資無法得到合理的回報，會造成人力和物力的浪費。

技術實現思路

1、有鑒于此，本發明提供了一種基于多維度數據的片區建站評估的方法和裝置，以解決充電站選址決策失誤，造成人力和物力的浪費的問題。

2、第一方面，本發明提供了一種基于多維度數據的片區建站評估的方法，所述方法包括：構建訓練樣本，所述訓練樣本包括，充電站標識符、所述充電站標識符對應的充電站建站時間和所述充電站標識符對應的樣本標簽，其中，基于所述訓練樣本中充電站建站前與建站后充電量的差值，確定所述樣本標簽；基于所述訓練樣本，構建統計特征，基于所述統計特征訓練片區建站推薦模型，所述統計特征包括，所述訓練樣本中充電站所在片區的充電量和行程次數；基于建站候選片區數據和訓練完成的片區建站推薦模型，生成所述建站候選片區的建站評估結果。

3、在一種可選的實施方式中，所述基于所述訓練樣本，構建統計特征，包括以下至少之一：基于所述訓練樣本中充電站所在片區的建站候選片區數量，構建所述統計特征；基于所述訓練樣本中充電站所在片區的道路數量，構建所述統計特征。

4、在一種可選的實施方式中，所述基于所述統計特征訓練片區建站推薦模型，包括：初始化決策樹；基于所述統計特征對所述決策樹進行迭代訓練，直至滿足所述片區建站推薦模型的結束條件，得到訓練完成的片區建站推薦模型；其中，每次迭代構建新決策樹，基于所述新決策樹糾正所述新決策樹前一決策樹；在所述迭代訓練過程中，最小化損失函數；對于所述決策樹或者所述新決策樹，基于分裂增益選擇分裂點，其中，基于所述分裂增益最大的葉子節點確定所述分裂點，基于所述分裂增益，評估分裂后葉子節點純度的增加。

5、在一種可選的實施方式中，所述構建訓練樣本，包括：獲取預設時間范圍內已經建立的充電站信息，所述充電站信息包括，所述充電站標識符、充電站位置信息、所述充電站建站時間；確定與所述位置信息對應的h3索引；若所述差值大于或者等于預設閾值，所述樣本標簽為正樣本；若所述差值小于所述預設閾值，所述樣本標簽為負樣本；構建得到所述訓練樣本包括，所述h3索引、所述充電站建站時間和所述樣本標簽。

6、在一種可選的實施方式中，所述基于建站候選片區數據和訓練完成的片區建站推薦模型，生成所述建站候選片區的建站評估結果，包括：將建站候選片區數據輸入所述訓練完成的片區建站推薦模型，生成建站候選片區對應的推薦指數，若目標建站候選片區的推薦指數大于預設推薦閾值，推薦在所述目標建站候選片區建立充電站；其中，所述建站候選片區數據包括，建站候選片區位置信息和預計建站時間。

7、在一種可選的實施方式中，所述方法還包括：基于所述統計特征的均值，確定所述片區建站推薦模型的特征值；基于所述特征值，計算所述分裂增益。

8、第二方面，本發明提供了一種基于多維度數據的片區建站評估的裝置，所述裝置包括：樣本構建模塊，用于構建訓練樣本，所述訓練樣本包括，充電站標識符、所述充電站標識符對應的充電站建站時間和所述充電站標識符對應的樣本標簽，其中，基于所述訓練樣本中充電站建站前與建站后充電量的差值，確定所述樣本標簽；模型構建模塊，用于基于所述訓練樣本，構建統計特征，基于所述統計特征訓練片區建站推薦模型，所述統計特征包括，所述訓練樣本中充電站所在片區的充電量和行程次數；評估模塊，用于基于建站候選片區數據和訓練完成的片區建站推薦模型，生成所述建站候選片區的建站評估結果。

9、第三方面，本發明提供了一種計算機設備，包括：存儲器和處理器，存儲器和處理器之間互相通信連接，存儲器中存儲有計算機指令，處理器通過執行計算機指令，從而執行上述第一方面或其對應的任一實施方式的基于多維度數據的片區建站評估的方法。

10、第四方面，本發明提供了一種計算機可讀存儲介質，該計算機可讀存儲介質上存儲有計算機指令，計算機指令用于使計算機執行上述第一方面或其對應的任一實施方式的基于多維度數據的片區建站評估的方法。

11、第五方面，本發明提供了一種計算機程序產品，包括計算機指令，計算機指令用于使計算機執行上述第一方面或其對應的任一實施方式的基于多維度數據的片區建站評估的方法。

12、基于歷史充電站建設數據，構建片區建站推薦模型，片區建站推薦模型可以基于建站候選片區的統計特征，預測建立充電站后的可能效果，為充電站建設提供決策支持；相比于采用人工經驗的方法篩選建站區域，提高了選址的工作效率，并且可以兼顧充電量需求和交通便利性等多維度數據，可以給出模型可解釋性，也可以更合理更高效地進行區域篩選。

技術特征：

1.基于多維度數據的片區建站評估的方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述基于所述訓練樣本，構建統計特征，包括以下至少之一：

3.根據權利要求2所述的方法，其特征在于，所述基于所述統計特征訓練片區建站推薦模型，包括：

4.根據權利要求1所述的方法，其特征在于，所述構建訓練樣本，包括：

5.根據權利要求1所述的方法，其特征在于，所述基于建站候選片區數據和訓練完成的片區建站推薦模型，生成所述建站候選片區的建站評估結果，包括：

6.根據權利要求3所述的方法，其特征在于，所述方法還包括：

7.基于多維度數據的片區建站評估的裝置，其特征在于，所述裝置包括：

8.一種計算機設備，其特征在于，包括：

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機指令，所述計算機指令用于使計算機執行權利要求1至6中任一項所述的基于多維度數據的片區建站評估的方法。

10.一種計算機程序產品，其特征在于，包括計算機指令，所述計算機指令用于使計算機執行權利要求1至6中任一項所述的基于多維度數據的片區建站評估的方法。

技術總結
本發明涉及選址優化技術領域，公開了基于多維度數據的片區建站評估的方法和裝置，方法包括：構建訓練樣本，訓練樣本包括，充電站標識符、充電站標識符對應的充電站建站時間和充電站標識符對應的樣本標簽，其中，基于訓練樣本中充電站建站前與建站后充電量的差值，確定樣本標簽；基于訓練樣本，構建統計特征，基于統計特征訓練片區建站推薦模型，統計特征包括，訓練樣本中充電站所在片區的充電量和行程次數；基于建站候選片區數據和訓練完成的片區建站推薦模型，生成建站候選片區的建站評估結果。提高了選址的工作效率，并且可以兼顧充電量需求和交通便利性等多維度數據，可以給出模型可解釋性，也可以更合理更高效地進行區域篩選。

技術研發人員：王震坡,劉鵬,祁春玉,夏智卿,韓偉,石文童,周恩承
受保護的技術使用者：北京理工新源信息科技有限公司
技術研發日：
技術公布日：2025/4/28