一种充电设施新增热点预测方法及其装置和设备
本发明属于城市充电基础设施规划,尤其涉及一种充电设施新增热点预测方法及其装置和设备。
背景技术:
1、随着新能源汽车使用规模扩大,充电设施网络需要持续扩充。充电设施的建设位置同时受到既有设施基础、道路连接条件、周边城市功能和人口活动等因素影响,因此新增设施在空间上并非独立、均匀发生,而是具有明显的时间依赖和空间关联。
2、现有充电设施预测或选址方法常以行政区、规则栅格或既有站点为基本单元。而行政区和规则栅格难以直接表达设施选址与实际道路连接的关系;且仅以既有站点为预测单元又无法覆盖尚未建设充电设施的候选空间,因而不利于识别新增热点。
3、一些现有方法将候选位置的属性特征输入回归模型或分类模型。该类方法能够利用人口、兴趣点或道路等属性,但通常将候选位置相互独立处理,难以同时表达道路网络中的物理邻接关系以及地理上不相邻、但城市功能构成相似的位置之间的关联。
4、另外,充电设施新增事件还具有高度稀疏的特点。在一个预测窗口内,大多数候选节点的新增数量为零,少数节点发生一个或多个新增事件。若直接采用普通分类模型,难以表达正样本的新增数量;若直接采用泊松回归或负二项回归,大量零值又容易主导模型训练,使零事件发生机制与正计数生成机制相互混淆。
技术实现思路
1、本发明的目的在于解决现有方法中,历史动态特征、节点静态特征、物理邻接关系、功能相似关系和稀疏计数分布在在完整道路候选空间中没有联合处理、不能在全部有效候选节点上统一输出新增事件热点程度和预测新增数量的问题,提供一种充电设施新增热点预测方法,包括以下步骤:
2、步骤1:获取的充电设施数据、人口数据及夜间灯光数据、道路网络数据和兴趣点数据,将道路网络中的道路节点确定为候选节点,并将充电设施数据按空间位置和建设时间映射至候选节点中,其中,候选节点包括未映射有充电设施数据的道路节点;
3、步骤2:基于映射结果,通过充电设施数据、人口数据及夜间灯光数据构建各候选节点的历史动态特征、通过兴趣点数据构建静态节点特征、通过道路网络数据构建道路邻接图,根据各候选节点对应的兴趣点密度向量构建兴趣点功能相似图;
4、步骤3:将历史动态特征、静态节点特征、道路邻接图和兴趣点功能相似图输入训练后的充电设施新增热点预测模型中的双图时空卷积网络中,通过时间门控卷积提取时间依赖特征,分别在道路邻接图和兴趣点功能相似图上执行图卷积,并通过土门控制机制融合两路图卷积结果,得到动态时空表示,将动态时空表示与静态节点特征编码结果融合,得到候选节点表示;
5、步骤4:将候选节点表示输入训练后的充电设施新增热点预测模型中的门槛负二项输出结构,通过门槛分类头输出未来目标窗口内发生新增时间的发生概率,由计数均值头和离散度参数头输出新增数量分布参数,将发生概率确定为模型热点得分,并根据发生概率和新增数量分布参数确定预测期望新增数量;
6、步骤5:根据模型热点得分对目标区域的所有有效候选节点进行排序,并按照预设数量选取候选节点,将选取的候选节点确定为充电设施新增热点,并输出充电设施新增热点的空间位置、模型热点得分和预测期望新增数量。
7、进一步地,步骤1中,历史动态特征具体包括候选节点对应的既有充电设施累计数量、近期新增数量、人口密度、夜间灯光强度、兴趣点密度、预设空间邻域内充电设施供给量的比值和供需差异特征。
8、进一步地,步骤1还包括:对充电设施数据中的设施标识、经纬度、建设时间和设施数量字段进行类型、取值范围和缺失状态校验,剔除无法确定空间位置或建设时间的记录,合并设施标识及空间位置相同的重复记录;
9、将通过校验的充电设施记录匹配至路网距离最近且路网距离不大于预设映射阈值的候选节点;
10、以固定时间粒度汇总各候选节点的新增数量,并以连续的第一时间窗口作为历时输入窗口,紧随第一时间窗口的第二时间窗口作为预测目标窗口。
11、进一步地,步骤2中,道路邻接图以候选节点为顶点,以道路网络中相邻候选节点之间的道路连接关系为边,并根据相邻候选节点之间的道路距离确定道路边权重;
12、兴趣点功能相似图的构建包括:对各候选节点预设空间邻域内不同类型兴趣点的密度进行对数变换和标准化,确定各类型兴趣点的密度占比,并与标准化后的兴趣点密度拼接成兴趣点密度向量;
13、计算候选节点之间的兴趣点密度向量余弦相似度,针对每个候选节点选取余弦相似度最高的预设数量候选节点,并从中保留余弦相似度不小于预设相似度阈值的候选节点以建立功能相似边,对该功能相似边进行对称化处理。
14、进一步地,步骤3中,双图时空卷积包括依次连接的动态特征投影层、两个两个双图时空图卷积子层和动态静态特征融合层;
15、动态特征投影层通过1×1二维卷积将历史动态特征投影至64个通道;
16、每一个双图时空图卷积子层皆包括第一时间门控线性单元、切比雪夫多项式阶数为3的道路图切比雪夫图卷积支路、兴趣点功能相似图切比雪夫图卷积支路、图门控融合单元、层归一化单元和第二时间门控线性单元,第一时间门控线性单元和第二时间门控线性单元分别通过沿时间维的一维卷积生成数值分量和门控分量;
17、双图时空图卷积子层对门控分量执行sigmoid变换后与数值分量逐元素相乘,并对逐元素相乘结果依次执行随机失活处理、残差连接、批归一化和relu激活。
18、进一步地,图门控融合单元按照下式融合道路图卷积结果和兴趣点功能相似图卷积结果:
19、
20、
21、其中,为第一时间门控线性单元输出的节点特征;为道路邻接图对应的图卷积结果;为兴趣点功能相似图对应的图卷积结果;表示特征拼接;和分别为门控权重和门控偏置;为sigmoid函数;表示逐元素乘法;g为图门控权重;为融合后的图特征;对融合后的图特征依次执行层归一化、relu激活和随机失活处理后,将其输入第二时间门控线性单元。
22、进一步地,门槛负二项输出结构按照下式生成第个候选节点的参数:
23、
24、
25、
26、其中,为新增事件发生概率;为负二项分布的均值参数;为离散度参数;、和分别为门槛分类头、计数均值头和离散度参数头的输出;为正数;
27、将零截断负二项分布的条件均值确定为:
28、
29、将确定为模型热点得分,并将确定为预测期望新增数量。
30、进一步地,步骤4中,充电设施新增热点预测模型的训练过程包括:
31、将连续12个月作为历时输入窗口,将紧随历史输入窗口的12个月作为预测目标窗口,按月滚动历史输入窗口和预测目标窗口以形成训练样本,并使训练集的预测目标窗口与验证集的预测目标窗口在时间上不重叠;
32、提高包含正样本候选节点的训练样本被选取的概率,从被选取的训练样本中选取不超过预设正样本数量的正样本候选节点,根据历史新增数量和既有充电设施累计数量,从负样本候选节点中抽取困难负样本候选节点,并从其余负样本候选节点中随机抽取负样本候选节点;
33、将抽取的正样本候选节点、困难负样本候选节点和随机抽取的负样本候选节点确定为核心节点,将核心节点及其在道路邻接图中的单跳邻居确定为训练节点;
34、基于训练节点以及道路邻接图和兴趣点功能相似图在训练节点之间的边构建训练子图,通过训练子图和三类损失函数联合训练充电设施新增热点预测模型,用于验推理阶段在目标区域的群补有效候选节点上计算模型热点得分。
35、进一步地,三类损失函数包括门槛分类损失、正计数负二项损失和成对排序损失;
36、对于真实新增数量;门槛分类损失根据真实新增数量是否大于零的指示函数和模型热点得分计算;
37、正计数负二项损失仅针对的候选节点,根据负二项分布的均值参数和离散度参数确定的零阶段负二项似然计算;
38、成对排序损失根据正样本候选节点与负样本候选节点之间的的门槛分类头输出差值计算,以使正样本候选节点的门槛头分类输出大于负样本候选节点的门槛头分类输出,并优先从历史新增信号较强的负样本候选节点中选取参与成对排序损失计算的困难负样本候选节点。
39、进一步地,步骤5中,将候选节点在目标预测时点之前24个月内的新增数量确定为历史新增强度,分别对模型热点得分和历史新增强度进行标准化,并按照下式计算最终热点得分:
40、
41、其中,为标准化后的模型热点得分;为标准化后的历史新增强度,为历史项权重,;以最终热点得分替代模型热点得分对全部有效的候选节点进行排序,根据验证集的精确率-召回率曲线确定使f1(f1-score,精确率和召回率的调和平均数)值最大的分类阈值,并将最终热点得分不小于分类与之的候选节点确定为充电设施新增热点。
42、一种充电设施新增热点预测装置,用于执行充电设施新增热点预测方法,包括数据处理模块、双图构建模块、时空特征提取模块、模型存储模块、稀疏计数预测模块和热点输出模块;
43、数据处理模块用于获取并校验s1中充电设施数据、道路网络数据、兴趣点数据、人口数据及夜间灯光数据,并将充电设施记录映射至道路网络的候选节点,构建s2中的历史动态特征和静态节点特征;
44、双图构建模块用于构建s2中的道路邻接图和兴趣点功能相似图;
45、时空特征提取模块用于完成s3中,将时间门控卷积分别作用于道路邻接图和兴趣点功能相似图的图卷积以及图门控融合,生成候选节点的动态时空表示,并将动态时空表示与静态节点特征编码结果融合;
46、模型存储模块用于存储s4中训练完成后的的充电设施新增热点预测模型;
47、稀疏计数预测模块用于调用s4中训练完成后的的充电设施新增热点预测模型,并生成候选节点的模型热点得分和预测期望新增数量;
48、热点输出模块用于根据模型热点得分排序或筛选s5中的全部有效候选节点,并将最终热点得分不小于分类阈值的候选节点确定为充电设施新增热点,输出充电设施新增热点的空间位置、模型热点得分和预测期望新增数量。
49、一种电子设备,用于存储并运行实现充电设施新增热点预测方法的计算机程序,包括存储器和处理器,计算机程序存储于存储器中,当处理器运行计算机程序时,实现对充电设施新增热点的预测。
50、与现有技术相比,本发明的有益效果主要体现在:
51、1、 本发明以道路网络节点构成完整候选空间,将设施位置映射、路网连接关系和预测结果统一到同一空间单元,能够覆盖尚未建设充电设施的位置,并在全部有效候选节点上执行一致的预测和筛选。
52、2、 本发明同时使用道路邻接图和兴趣点功能相似图。道路邻接图传递物理相邻节点的信息,兴趣点功能相似图传递城市功能构成相近节点的信息;图门控机制结合时间门控输出自适应融合两类信息,能够弥补单一空间图表达能力不足的问题。
53、3、 本发明通过门槛分类头与零截断负二项计数部分分离零事件发生机制和正计数生成机制,并通过离散度参数适应新增计数的过度离散特征;分别输出模型热点得分和预测期望新增数量,能够兼顾新增可能性筛选和新增规模分析。
54、4、 本发明在推理主流程中可直接按照预设数量或分类阈值筛选热点,避免将特定训练或后处理方式限定为必要步骤;在优选方式中还可融合历史新增强度并使用验证数据确定分类阈值,以适应正负样本高度不均衡的数据分布。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com