一种电动汽车用户充电品牌偏好度计算方法与流程

1.本发明涉及电动汽车数据分析与应用技术领域，具体是一种电动汽车用户充电品牌偏好度计算方法。


背景技术：

2.由于电动汽车高效清洁、低碳环保，可以提高能源战略安全以及减缓温室气体排放，符合我国未来能源需求以及电网系统与交通系统可持续发展定位，国家提出了新基建战略，大力发展电动汽车充电桩。
3.电动汽车充电设施现有众多品牌，包括特来电、星星、国家电网等，电动汽车用户对充电设施的偏好一般是通过问卷调查的方式来获取，调查问卷方式获得的结果往往有局限性。通过计算用户对充电品牌的偏好度，可为充电设施的规划、运营提供数据依据。
4.申请号为201710110119.8的中国发明专利“基于标签用户品牌偏好行为预测方法及其装置”，通过获取用户上网行为数据及电商浏览数据，获得用户对品牌信息的偏好程度，计算得到用户的品牌偏好。申请号为201310286786.3的中国发明专利“多媒体数据的用户偏好度获取的方法、装置和系统”，根据请求播放过的多媒体的数目和请求播放次数，计算出每个请求播放过的多媒体的用户偏好度。
5.现有的涉及品牌偏好度的计算方法，传统的调查问卷方式只能获取部分人员对品牌的偏好度，具有局限性；申请号为201710110119.8的专利适用于网购品牌偏好的计算，申请号为201310286786.3的专利适用于多媒体用户偏好度的计算，不适用于电动汽车用户充电品牌偏好度的计算。


技术实现要素：

6.针对现有技术存在的上述不足，本发明提供一种电动汽车用户充电品牌偏好度计算方法。
7.本发明采用的技术方案为：
8.一种电动汽车用户充电品牌偏好度计算方法，包括以下步骤：
9.a、获取充电设施及电动汽车相关信息；
10.b、根据步骤a获取的充电设施及电动汽车相关信息，计算电动汽车用户充电特征矩阵；
11.c、根据步骤b计算的电动汽车用户充电特征矩阵，识别电动汽车用户充电时段及品牌；
12.d、根据步骤c得到的电动汽车用户充电时段及品牌，计算电动汽车用户充电品牌偏好度。
13.进一步的，步骤a获取充电设施及电动汽车用户相关信息，具体包括：充电站名称、充电站运营品牌名称、充电站经纬度、电动汽车用户编号、时间、电动汽车充电状态、电动汽车经纬度。
14.进一步的，步骤b中根据步骤a获取的充电设施及电动汽车相关信息，计算电动汽车用户充电特征矩阵，具体包括：
15.若分析范围内有n个充电站，则充电站的特征矩阵如下：
[0016][0017]
其中nai表示第i个充电站的名称，ppi表示第i个充电站的品牌，lonsi表示第i个充电站的经度，lats1表示第i个充电站的维度，i＝1,2
…
,n
[0018]
若分析的时间范围为(1，t)，有m个电动汽车用户，则对于电动汽车用户j，其用户特征矩阵表述为：
[0019][0020]
其中cs
t,j
表示电动汽车用户j在时刻t的充电状态，停车充电时cs
t,j
＝1，否则cs
t,j
＝0；lonc
t,j
表示电动汽车用户j在时刻t电动车所处的经度；latc
t,j
表示电动汽车用户j在时刻t电动车所处的维度。其中0≤t≤t，1≤j≤m；
[0021]
根据电动汽车用户j、充电站i经纬度坐标计算两者之间的距离：
[0022]
c＝sin(latsi·
π/180)
·
sin(latcj·
π/180)
[0023]
cos(latsi·
π/180)
·
cos(latcj·
π/180)
·
cos((lons
i-loncj)
·
π/180)
[0024]di,j
＝r
·
arccos(c)
·
π/180
[0025]
其中d
i,j
为电动汽车用户j与充电站i之间的距离；
[0026]
根据计算的距离对电动汽车用户相关信息进行扩充，形成电动汽车用户特征矩阵：
[0027][0028]
其中ps
t,j
为电动汽车用户j在时刻t与电动汽车充电站的距离特征量，计算规则如下：
[0029]
若在时刻t，则ps
t,j
＝0；
[0030]
若在时刻t，且电动汽车用户j与充电站i的距离最小，则ps
t,j
＝ppi。
[0031]
进一步的，根据步骤b计算的电动汽车用户充电特征矩阵，识别电动汽车用户充电时段及品牌，具体为：
[0032]
扩充后的电动汽车用户特征矩阵为：
[0033][0034]
首先识别电动汽车用户充电的时段：
[0035]
对任意时刻t1，若cs
t1,j
＝1，且cs
t1-1,j
＝0，则时刻t1为充电起始时段；
[0036]
对任意时刻t2，若cs
t2,j
＝1，且cs
t2 1,j
＝0，则时刻t1为充电结束时段；
[0037]
则时段[t1,t2]为用户的充电时段，在时间范围[1,t]，电动汽车用户j的充电时段集合记为{cd
1,j
,cd
2,j
,
…
,cd
k,j
}，其中cd
k,j
表示电动汽车用户j的第k个充电时段，cd
k,j
＝[t
1,k
,t
2,k
]，根据用户特征矩阵csp计算用户的充电品牌集合{cdp
1,j
,cdp
2,j
,
…
,cdp
k,j
}；
[0038]
其中充电时段cd
k,j
在[t
1,k
,t
2,k
]时段内对应的距离特征量为
[0039]
若则表明用户未在充电站充电，对应时段的充电品牌记为cdp
k,j
＝0；
[0040]
若则统计该时段内出现次数最多的充电站品牌，若为充电站i，则记为cdp
k,j
＝ppi。
[0041]
进一步的，步骤d中根据步骤c得到的电动汽车用户充电时段及品牌，计算电动汽车用户充电品牌偏好度，具体为：
[0042]
对于用户j、充电品牌ppi，根据步骤c计算的充电品牌集合{cdp
1,j
,cdp
2,j
,
…
,cdp
k,j
}，统计充电品牌ppi在集合中出现的次数ppni，统计充电品牌集合中{cdp
1,j
,cdp
2,j
,
…
,cdp
k,j
}不为0的次数ppt，计算充电品牌ppi的偏好度
[0043]
本发明提供一种电动汽车用户充电品牌偏好度计算方法，通过大数据分析挖掘电动汽车用户及充电设施的相关数据，计算电动汽车用户充电品牌偏好度，克服了调查问卷方式的局限性。
附图说明
[0044]
图1是本发明一种电动汽车用户充电品牌偏好度计算方法其中一个实施例的流程示意图。
具体实施方式
[0045]
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。
[0046]
请参阅图1，为本发明一种电动汽车用户充电品牌偏好度计算方法其中一个实施例的流程示意图，所述方法包括以下步骤：
[0047]
a、获取充电设施及电动汽车相关信息，具体包括：充电站名称、充电站运营品牌名称、充电站经纬度、电动汽车用户编号、时间、电动汽车充电状态、电动汽车经纬度；
[0048]
b、根据步骤a获取的信息，计算电动汽车用户充电特征矩阵，具体包括：
[0049]
若分析范围内有n个充电站，则充电站的特征矩阵如下：
[0050][0051]
其中nai表示第i个充电站的名称，ppi表示第i个充电站的品牌，lonsi表示第i个充电站的经度，lats1表示第i个充电站的维度，i＝1,2
…
,n
[0052]
若分析的时间范围为(1，t)，有m个电动汽车用户，则对于电动汽车用户j，其用户特征矩阵可表述为：
[0053][0054]
其中cs
t,j
表示电动汽车用户j在时刻t的充电状态，停车充电时cs
t,j
＝1，否则cs
t,j
＝0；lonc
t,j
表示电动汽车用户j在时刻t电动车所处的经度；latc
t,j
表示电动汽车用户j在时刻t电动车所处的维度。其中0≤t≤t，1≤j≤m。
[0055]
根据电动汽车用户、充电站经纬度坐标计算两者之间的距离，以用户j和第i个充电站为例：
[0056]
c＝sin(latsi·
π/180)
·
sin(latcj·
π/180)
[0057]
cos(latsi·
π/180)
·
cos(latcj·
π/180)
·
cos((lons
i-loncj)
·
π/180)
[0058]di,j
＝r
·
arccos(c)
·
π/180
[0059]
其中d
i,j
为电动汽车用户j与充电站i之间的距离。
[0060]
根据计算的距离对电动汽车用户相关信息进行扩充，形成用户特征矩阵，以用户j为例：
[0061][0062]
其中ps
t,j
为电动汽车用户j在时刻t与电动汽车充电站的距离特征量，计算规则如下：
[0063]
若在时刻t，则ps
t,j
＝0；
[0064]
若在时刻t，且电动汽车用户j与充电站i的距离最小，则ps
t,j
＝ppi；
[0065]
c、根据步骤b计算的电动汽车用户充电特征矩阵，识别电动汽车用户充电时段及品牌，具体为：
[0066]
扩充后的电动汽车用户特征矩阵为：
[0067][0068]
首先识别电动汽车用户充电的时段，以电动汽车用户j为例：
[0069]
对任意时刻t1，若cs
t1,j
＝1，且cs
t1-1,j
＝0，则时刻t1为充电起始时段；
[0070]
对任意时刻t2，若cs
t2,j
＝1，且cs
t2 1,j
＝0，则时刻t1为充电结束时段；
[0071]
则时段[t1,t2]为用户的充电时段，在时间范围[1,t]，电动汽车用户的充电时段集合记为{cd
1,j
,cd
2,j
,
…
,cd
k,j
}，其中cd
k,j
表示电动汽车用户j的第k个充电时段，cd
k,j
＝[t
1,k
,t
2,k
]。根据用户特征矩阵csp计算用户的充电品牌集合{cdp
1,j
,cdp
2,j
,
…
,cdp
k,j
}。
[0072]
以充电时段cd
k,j
为例，在[t
1,k
,t
2,k
]时段内对应的距离特征量为
[0073]
若则表明用户未在充电站充电，对应时段的充电品牌记为cdp
k,j
＝0；
[0074]
若则统计该时段内出现次数最多的充电站品牌，若为充电站i，则记为cdp
k,j
＝ppi。
[0075]
d、根据步骤c计算结果，计算电动汽车用户充电品牌偏好度，具体为：
[0076]
以用户j、充电品牌ppi为例，根据步骤c计算的充电品牌集合{cdp
1,j
,cdp
2,j
,
…
,cdp
k,j
}，统计充电品牌ppi在集合中出现的次数ppni，统计充电品牌集合中{cdp
1,j
,cdp
2,j
,
…
,cdp
k,j
}不为0的次数ppt，计算充电品牌ppi的偏好度
[0077]
下面以一个具体实施例对本发明的技术方案和效果进行详细说明：
[0078]
步骤a，获取充电设施及电动汽车用户相关信息，如下表所示(示例数据)。充电站名称、充电站运营品牌名称、充电站经纬度、电动汽车用户编号、时间、电动汽车充电状态、电动汽车经纬度
[0079]
表1充电站信息
[0080][0081]
表2电动汽车用户信息
[0082][0083]
步骤b，根据步骤a获取的信息，计算电动汽车用户充电特征矩阵，以用户j为例：
[0084]
表3电动汽车用户充电特征矩阵
[0085][0086][0087]
步骤c，步骤b计算的电动汽车用户充电特征矩阵，识别电动汽车用户充电时段及品牌，得到用户的充电品牌集合为{cdp
1,j
,cdp
2,j
,
…
,cdp
k,j
}＝{特来电，特来电，...，星星}。
[0088]
步骤d，根据步骤c计算结果，计算电动汽车用户充电品牌偏好度，得到用户j对特来电的偏好度为80％，对星星的偏好度为20％。
[0089]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。