一種充電設施建設地址評價方法及系統與流程
2023-10-09 02:20:54 3
本發明屬於充電設施建設規劃領域，尤其涉及一種充電設施建設地址評價方法及系統。
背景技術：
隨著都市電能替代的推進和電動汽車的快速發展，以及在國家政策的導向下，電動汽車在國內的市場份額佔比逐年增長，相對應地，用戶對充電設施的需求亦呈增長趨勢。電動汽車保有量的增加，不僅意味著需要新建充電設施來滿足用戶快速增長的充電需求，而且也需要探索充電設施投放區域及規模等問題，從而使充電設施使用率提升、經濟效益最大化。
充電設施的建設規劃是影響電動汽車推廣成效及發展規模的重要因素，但當前充電設施的建設規劃以主觀判斷為主，過分依賴於人為因素，客觀性欠佳，導致存在充電設施資源投放區域、投放規模不精準及部分已投運設施使用率有待提升等問題，缺乏科學、全面的規劃方法。
而構建充電設施建設地址的評價方案對精準投放充電設施及提高充電設施的使用率等至關重要，鑑於此，本領域需提供一種充電設施建設地址的評價方案。
技術實現要素：
有鑑於此，本發明的目的在於提供一種充電設施建設地址評價方法及系統，旨在克服現有技術以主觀判斷方法對充電設施進行建設規劃時存在的各種問題，進一步提升充電設施的投放精準性，提高充電設施的使用率。
為此，本發明公開如下技術方案：
一種充電設施建設地址評價方法，包括：
選取充電設施使用狀況的影響因素指標體系，所述影響因素指標體系包括對充電設施的使用狀況產生影響的多個指標，所述多個指標包括充電設施建設地址及除充電設施建設地址之外的其他指標；
對充電設施的使用狀況進行等級劃分及評級，得到充電設施的各種使用狀況所對應的相應使用等級；
從所述影響因素指標體系中確定出對充電設施的使用狀況有顯著影響的因素；
基於所確定出的對充電設施的使用狀況有顯著影響的因素，構建充電設施使用狀況的等級分類模型，並利用所述分類模型對存在評價需求的充電設施候選地址進行評價。
上述方法，優選的，所述選取充電設施使用狀況的影響因素指標體系，包括：
選取充電設施的時間佔用率的影響因素指標體系，所述影響因素指標體系中的多個指標至少包括充電設施的地理環境、自有樁佔比、建設地址及停車收費標準；其中，充電設施的時間佔用率用於反映充電設施的使用狀況。
上述方法，優選的，所述對充電設施的使用狀況進行等級劃分及評級，包括：
利用箱線圖法，對充電設施的時間佔用率進行等級劃分及評級，得到充電設施的各種時間佔用率狀況所對應的充電設施使用等級；所述使用等級包括閒置等級、正常等級及緊張等級。
上述方法，優選的，所述從所述影響因素指標體系中確定出對充電設施的使用狀況有顯著影響的因素，包括：
利用多因素方差分析法，根據顯著性檢驗值篩選出對充電設施的時間佔用率具有顯著影響的因素。
上述方法，優選的，所述基於所確定出的對充電設施的使用狀況有顯著影響的因素，構建充電設使用狀況的等級分類模型，並利用所述分類模型對存在評價需求的充電設施候選地址進行評價，包括：利用決策樹算法，結合方差分析結果，基於所確定出的對充電設施的使用狀況有顯著影響的因素建立充電設施使用狀況的等級分類模型；
針對存在評價需求的充電設施候選地址，將所述候選地址及其對應的其他各影響因素指標作為所述分類模型的輸入，得到充電設施在各個影響因素指標下被模型分為各使用等級的概率，並根據所述各使用等級的概率對所述候選地址進行評價。
一種充電設施建設地址評價系統，包括：
指標體系選取單元，用於選取充電設施使用狀況的影響因素指標體系，所述影響因素指標體系包括對充電設施的使用狀況產生影響的多個指標，所述多個指標包括充電設施建設地址及除充電設施建設地址之外的其他指標；
等級劃分單元，用於對充電設施的使用狀況進行等級劃分及評級，得到充電設施的各種使用狀況所對應的相應使用等級；
指標確定單元，用於從所述影響因素指標體系中確定出對充電設施的使用狀況有顯著影響的因素；
模型構建及地址評價單元，用於基於所確定出的對充電設施的使用狀況有顯著影響的因素，構建充電設施使用狀況的等級分類模型，並利用所述分類模型對存在評價需求的充電設施候選地址進行評價。
上述系統，優選的，所述指標體系選取單元，進一步用於：選取充電設施的時間佔用率的影響因素指標體系，所述影響因素指標體系中的多個指標至少包括充電設施的地理環境、自有樁佔比、建設地址及停車收費標準；其中，充電設施的時間佔用率用於反映充電設施的使用狀況。
上述系統，優選的，所述等級劃分單元，進一步用於：利用箱線圖法，對充電設施的時間佔用率進行等級劃分及評級，得到充電設施的各種時間佔用率狀況所對應的充電設施使用等級；所述使用等級包括閒置等級、正常等級及緊張等級。
上述系統，優選的，所述指標確定單元，進一步用於：利用多因素方差分析法，根據顯著性檢驗值篩選出對充電設施的時間佔用率具有顯著影響的因素。
上述系統，優選的，所述模型構建及地址評價單元，進一步用於：
利用決策樹算法，結合方差分析結果，基於所確定出的對充電設施的使用狀況有顯著影響的因素建立充電設施使用狀況的等級分類模型；針對存在評價需求的充電設施候選地址，將所述候選地址及其對應的其他各影響因素指標作為所述分類模型的輸入，得到充電設施在各個影響因素指標下被模型分為各使用等級的概率，並根據所述各使用等級的概率對所述候選地址進行評價。
由以上方案可知，本發明提供的充電設施建設地址評價方法及系統，選取充電設施使用狀況的影響因素指標體系，該指標體系包括對充電設施的使用狀況產生影響的多個指標，所述多個指標包括充電設施建設地址及除充電設施建設地址之外的其他指標；對充電設施的使用狀況進行等級劃分及評級，得到充電設施的各種使用狀況所對應的相應使用等級；確定對充電設施使用狀況有顯著影響的因素；基於所述有顯著影響的因素，構建充電設施使用狀況的等級分類模型，並利用該模型對存在評價需求的充電設施候選地址進行評價。可見，本發明實現了一種基於多影響因素進行建模並利用所建模型實現評價的充電設施建設地址評價方案，較為客觀，不會依賴於人為因素，可進一步提升充電設施的投放精準性，提高充電設施的使用率。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。
圖1是本發明實施例提供的充電設施建設地址評價方法的流程示意圖；
圖2是本發明實施例提供的箱線圖法的原理示意圖；
圖3是本發明實施例提供的充電設施建設地址評價系統的結構示意圖。
具體實施方式
為了引用和清楚起見，下文中使用的技術名詞、簡寫或縮寫總結解釋如下：
時間佔用率：反映充電設施使用狀況的指標，計算公式為：充電時間(min)/(考察期內的天數*24h*60min)，從充電時間長短來判斷該充電設施是否被充分使用，該指標取值越大說明充電設施使用得越充分。但現實生活中存在用戶將車充滿電後充電槍一直未拔的情況，這時需要綜合充電時間、交易電量以及交易費用等因素來對數據進行清洗。
無交易天數：充電設施在一段時間內，全天24小時無交易記錄的天數。
連單數：同一充電設施連續兩單交易的時間間隔小於等於10分鐘即為連單，連單數指充電設施在一段時間內總的連單交易的單數。
劃分評級：將數值型數據應用分級方法進行等級劃分，分成具有統計意義或業務含義的多個等級。
方差分析：方差分析是在隨機幹擾存在的情況下，把由於因素變化所產生的影響分離出來，進而做出因素變化對研究對象是否具有顯著性影響的推斷。
決策樹：決策樹是一種用樹來展現數據受各變量的影響情形的預測模型，根據對目標變量產生的效應的不同而構建的分類規則。
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
本發明實施例提供一種充電設施建設地址評價方法，用於克服現有技術中以主觀判斷方法對充電設施進行建設規劃時存在的各種問題，以進一步提升充電設施的投放精準性，提高充電設施的使用率。參考圖1示出的充電設施建設地址評價方法的流程示意圖，該方法可以包括以下步驟：
步驟101、選取充電設施使用狀況的影響因素指標體系，所述影響因素指標體系包括對充電設施的使用狀況產生影響的多個指標，所述多個指標包括充電設施建設地址及除充電設施建設地址之外的其他指標。
本發明實施例具體採用充電設施的時間佔用率來反映充電設施的使用狀況，其中，所述時間佔用率的計算式為：充電時間(min)/(考察期內的天數*24h*60min)，也就是說，從充電設施的充電時間長短來判斷充電設施是否被充分使用，該指標取值越大說明充電設施使用得越充分。但現實生活中存在用戶將車充滿電後充電槍一直未拔的情況，針對此種情況，則需要綜合充電時間、交易電量以及交易費用等因素來對數據進行清洗。
基於此，本步驟中，選取充電設施使用狀況的影響因素指標體系，具體可以是選取充電設施時間佔用率的影響因素指標體系。本實施例中，根據實際應用場景中能夠對充電設施的時間佔用率產生影響的因素，共選取充電設施的「地理環境」、「自有樁佔比」「建設地址(或稱為停車場空間位置)」以及「停車收費標準」這四個影響因素指標來構成充電設施時間佔用率的影響因素指標體系，其中，所述自有樁是指國家電網布置的充電樁，非自有樁是指由運行商布置的充電樁。
參考以下的表1，表1中給出了該指標體系中包含的各指標以及各指標對應表示的含義。
表1
步驟102、對充電設施的使用狀況進行等級劃分及評級，得到充電設施的各種使用狀況所對應的相應使用等級。
由於本實施例採用充電設施的時間佔用率來反映充電設施的使用狀況，從而，本步驟中對充電設施的使用狀況進行等級劃分及評級，具體可以是對充電設施的時間佔用率進行劃分評級。
示例性地，本實施例具體將充電設施的時間佔用率劃分為閒置、正常及緊張三個等級。實際應用中，在對充電設施的時間佔用率進行等級劃分時，不必局限於本實施例所提供的等級類別，具體可以由本領域技術人員依據實際需求對充電設施的時間佔用率進行更細或更粗粒度的等級劃分。
充電設施的無交易天數可以反映充電設施閒置的狀況，而充電設施的連單數則能夠體現充電設施緊張的情況，鑑於此，本實施例利用箱線圖法對無交易天數數據進行劃分，得到充電設施閒置等級的時間佔用率閾值；同理，利用箱線圖法對連單數據進行劃分，得到充電設施緊張等級的時間佔用率閾值，而時間佔用率介於閒置等級閾值與緊張等級閾值之間的取值則被劃分為正常等級。
其中，充電設施的無交易天數與連單數具體可通過對充電設施的交易數據進行統計得出。
接下來，對本實施例採用的箱線圖法進行介紹。
其中，箱線圖法對數據沒有限制，不需要事先假定數據服從特定的分布形式。參考圖2提供的箱線圖法的原理示意圖，在下邊緣與異常值之間和上邊緣與異常值之間為溫和異常值，在異常值之外就屬於極端異常值，下邊緣與上邊緣之間為正常值，且四分位數具有一定的抗耐性，因此將上四分位數和下四分位數所對應的數據作為合理數據區域。
在本發明中，由於連單數據體現充電設施被使用的緊張情況，而箱線圖法的上四分位值或上邊緣值為具有統計意義的分界值，因此考慮應用連單數據的上四分位值或上邊緣值對應的時間佔用率為劃分緊張等級的依據，也就是說，將連單數據的上四分位值或上邊緣值對應的時間佔用率作為緊張等級閾值；同理，應用無交易天數的上四分位值或上邊緣值對應的時間佔用率為劃分閒置等級的依據，即將無交易天數的上四分位值或上邊緣值對應的時間佔用率作為閒置等級閾值；而時間佔用率介於閒置等級閾值與緊張等級閾值之間的取值則為正常等級。
步驟103、從所述影響因素指標體系中確定出對充電設施的使用狀況有顯著影響的因素。
本步驟具體利用多因素方差分析法，根據顯著性檢驗值從所述影響因素指標體系中篩選出對充電設施的時間佔用率具有顯著影響的因素。
接下來對多因素方差分析法進行介紹。本實施例具體以雙因素方差分析法為例，介紹多因素方差分析法的數學原理。
(一)無交互作用的雙因素方差分析
a)建立數學模型
首先假設所有試驗數據都來自同一正態總體。
對試驗a、b兩個因素進行考察，二者試驗地位平等。a因素有a個不同水平：a1,a2,a3，…,aa；b因素有b個不同水平：b1,b2,b3，…,bb。a、b之間無交互作用，對水平的每種組合(aibj)進行一次獨立試驗，共得ab個試驗結果xij(i＝1,2,…,a；j＝1,2,…,b)，試驗結果所得數據如表2所示。
表2
其中，
設xij是服從正態分布xij～n(μij,σ2)的總體中抽取的樣本，假定a，b不存在交互作用。
假定：
xij＝μij+εij(2)
εij～n(0,σ2)(i＝1，2，…，a；j＝1，2，…，b)，其中μij表示aibj條件下的理論期望值,εij表示隨機誤差，且相互獨立。由(1)得：
令αi＝μi·-μ，βj＝μ·j-μ，稱αi為因素ai的第i個水平的效應，βi為因素bj的第j個水平的效應，分別表示因素a、b的各個水平的影響的程度。顯然有關係式：
將μij進行分解，可得：
μij＝μ+αi+βj+(μij-μi·-μ·j+μ)
令δij＝μij-μi·-μ·j+μ稱為ai和bj的交互效應。而對雙因素無重複試驗方差分析，假設任意ai和bj之間不存在交互效應，即全部δij＝0。這樣μij分解式可寫為μij＝μ+αi+βj。
綜上所述，可得雙因素方差分析的數學模型：
其中μ，σ2，α，β(i＝1，2，…，a；j＝1，2，…，b)，均為未知參數。b)顯著性檢驗
對於雙因素無交互方差數學模型(1.5)的檢驗主要是檢驗兩個因素a與b的影響是否顯著。
要判斷因素a的影響是否顯著等價於檢驗假設：
h01:α1＝α2＝…＝αa＝0
要判斷因素b的影響是否顯著等價於檢驗假設：
h02:β1＝β2＝…＝βb＝0
檢驗上述假設的基本原理是將總離差平方和分解為各因素導致的離差平方和及隨機誤差導致的離差平方和。具體方法如下：
設定：
由(6)有：
其中ssa稱為因素a的效應平方和,表示因素a的水平變化引起的影響；ssb稱為因素b的效應平方和，表示因素b的水平變化引起的影響；sse稱為誤差平方和，表示試驗的隨機誤差影響。總離差分解後的公式為：
上式表明總離差的平方和分解為雙因素的影響(組間)和隨機誤差影響(組內)的離差平方和。
在(8)成立時，利用關於正態分布平方和分解的cochran定理。可證明h01與h02分別成立時的ssa，ssb，sse及mss的分布規律。
其中，cochran定理：x1,x2,…,xn為n個相互獨立的服從標準正態分布的隨機變量，qi(i＝1,2,…,k)是某些x1,x2,…,xn線性組合的平方和，其自由度分ssa別為di(i＝1,2,…,k)。
如果q1+q2+…+qk～x2(n)且d1+d2+…+dk＝n，
則qi～x2(i＝1,2,…,k)，並且q1,q2,…,qk相互獨立。
在(8)成立的條件下，利用cochran分解定理，可證明在僅有h01成立時，有：
且它們相互獨立，從而有統計量：
所以對給定的顯著性水平α,查f分布表,可得臨界值f[a-1,(a-1)(b-1)]，當fa＞fa時，拒絕h01，因素a影響顯著；反之，則接受h01，因素a影響不顯著。
同理，可得在僅有h02成立時因素b影響是否顯著的檢驗方法。
綜上所述，可得到雙因素無交互影響試驗方差分析數學模型顯著性假設檢驗的統計分析結果如表3。
表3
表3中的各項指標利用表2中的樣本數據計算，可使用下面的簡捷式成立：
其中：
(二)有交互作用的雙因素方差分析
在有交互作用的雙因素試驗中，因素a、b的不同水平的搭配必須作重複檢驗。我們可以把交互作用作為一個新因素來處理，即通過把每種搭配aibj看作一個總體xij來進行試驗數據的處理。
基本假設①xij相互獨立，②xij～n(μij,σ2)，(方差齊性)
線性統計模型：
可以通過檢驗下列假設是否成立開判斷因素a，b及axb對試驗的結果是否有顯著影響。
h01:α1＝α2＝…＝αa＝0
h02:β1＝β2＝…＝βb＝0
h03:(αβ)ij＝0(i＝1,2,…,b)
仿照單因素方差分析的方法，考察總離差平方和：
其中，ssa為因素a的離差平方和，反映因素a對試驗指標的影響。ssb稱為因素b的離差平方和，反映因素b對試驗指標的影響。ssaxb稱為交互作用的離差平方和，反映交互作用axb對試驗指標的影響。sse為誤差平方和，反應試驗誤差對試驗指標的影響率。
若「各因素、個水平及其交互作用的影響無統計意義」的假設成立，則xij～n(μij,σ2)。
可推得：
則：
得到表4的有交互作用的雙因素試驗資料表和表5有重複的雙因素試驗方差分析表。
表4
表5
在本發明中，為研究各因素對時間佔用率的影響，選取充電設施的地理環境、自有樁佔比、建設地址及停車場空間位置四個因素作為影響因素指標，建立多因素方差模型。根據方差分析結果的顯著性檢驗值篩選出對充電設施的時間佔用率具有顯著影響的因素。
步驟104、基於所確定出的對充電設施的使用狀況有顯著影響的因素，構建充電設施使用狀況的等級分類模型，並利用所述分類模型對存在評價需求的充電設施候選地址進行評價。
本實施例具體利用決策樹算法，結合方差分析結果，基於所確定出的對充電設施的時間佔用率有顯著影響的因素，建立充電設施時間佔用率的等級分類模型，即充電設施在各個影響因素水平下被模型分為各使用等級的概率，其中，在某一使用等級(如閒置、正常或緊張)上的概率取值越大說明充電設施的時間佔用率等級越傾向於該等級。
在建立所述分類模型的基礎上，對於存在評價需求的候選地址而言，可首先提取該候選地址所對應的相關因素，如地理環境、停車收費標準等，並將所述候選地址及其對應的其他相關因素指標值，作為模型的輸入，從而，可得到在候選地址上建設充電設施時所建充電設施在各時間佔用率等級(閒置、正常及緊張)上的概率，進而在此基礎上，可基於候選地址上的充電設施在各時間佔用率等級上的概率，對候選地址進行評價，為充電設施的建設規劃提供了依據。
接下來，對本實施例採用的決策樹的基本知識進行介紹。
a)決策樹的基本認識
決策樹是一種依託決策而建立起來的樹。在機器學習中，決策樹是一種預測模型，代表的是對象屬性與對象值之間的一種映射關係，每一個節點代表某個對象，樹中的每一個分叉路徑代表某個可能的屬性值，而每一個葉子節點則對應從根節點到該葉子節點所經歷的路徑所表示的對象的值。決策樹僅有單一輸出，如果有多個輸出，可以分別建立獨立的決策樹以處理不同的輸出。以id3(iterativedichotomiser3，迭代二分法)算法為例介紹決策樹算法的數學原理。
b)id3算法介紹
在資訊理論中，期望信息越小，那麼信息增益就越大，從而純度就越高。id3算法的核心思想就是以信息增益來度量屬性的選擇，選擇分裂後信息增益最大的屬性進行分裂。該算法採用自頂向下的貪婪搜索遍歷可能的決策空間。
c)信息熵與信息增益
在信息增益中，重要性的衡量標準是考查特徵能夠為分類系統帶來多少信息，帶來的信息越多，該特徵越重要。首先給出信息熵的定義，熵的概念最早起源於物理學，在物理學中是用來度量一個熱力學系統的無序程度，而在信息學裡面，熵是對不確定性的度量，將其定義為離散隨機事件出現的概率，一個系統越是有序，信息熵就越低，反之一個系統越是混亂，它的信息熵就越高。所以信息熵被認為是系統有序化程度的一個度量。
假設一個隨機變量x的取值為x＝{x1，x2，…，xn}，取值概率分別是{p1，p2，…，pn}，那麼x的熵定義為：
其含義是一個變量的變化情況越多，那麼它攜帶的信息量就越大。
對於分類系統來說，類別c是變量，它的取值是{c1，c2，…，cn}，而每一個類別出現的概率分別是：
p(c1)，p(c2)，…，p(cn)
而這裡的n就是類別的總數，此時分類系統的熵就可以表示為：
以上就是信息熵的定義，接下來介紹信息增益。
信息增益是針對每個特徵而言的，即考查特徵t，系統有它和沒有它時的信息量分別是多少，兩者的差值就是這個特徵給系統帶來的信息量，即信息增益。
在決策樹分類問題中，信息增益就是決策樹在進行屬性選擇劃分前和劃分後信息的差值。在決策樹的每一個非葉子結點劃分之前，先計算每一個屬性所帶來的信息增益，選擇最大信息增益的屬性來劃分，因為信息增益越大，區分樣本的能力就越強，越具有代表性，這是一種自頂向下的貪心策略。
在本發明中，方差分析為我們識別出對充電設施時間佔用率具有顯著影響的影響因素，並採用決策樹cart算法構建充電設施時間佔用率分類模型。其中，影響因素作為決策變量，充電設施佔用率等級作為分類變量。
本發明實施例提供的充電設施建設地址評價方法，包括選取充電設施使用狀況的影響因素指標體系，該指標體系包括對充電設施的使用狀況產生影響的多個指標，所述多個指標包括充電設施建設地址及除充電設施建設地址之外的其他指標；對充電設施的使用狀況進行等級劃分及評級，得到充電設施的各種使用狀況所對應的相應使用等級；確定對充電設施使用狀況有顯著影響的因素；基於所述有顯著影響的因素，構建充電設施使用狀況的等級分類模型，並利用該模型對存在評價需求的充電設施候選地址進行評價。可見，本發明實現了一種基於多影響因素進行建模並利用所建模型實現評價的充電設施建設地址評價方案，較為客觀，不會依賴於人為因素，可進一步提升充電設施的投放精準性，提高充電設施的使用率。
本發明的另一實施例提供一種充電設施建設地址評價系統，用於克服現有技術中以主觀判斷方法對充電設施進行建設規劃時存在的各種問題，進一步提升充電設施的投放精準性，提高充電設施的使用率。參考圖3示出的充電設施建設地址評價系統的結構示意圖，所述系統包括：
指標體系選取單元301，用於選取充電設施使用狀況的影響因素指標體系，所述影響因素指標體系包括對充電設施的使用狀況產生影響的多個指標，所述多個指標包括充電設施建設地址及除充電設施建設地址之外的其他指標；等級劃分單元302，用於對充電設施的使用狀況進行等級劃分及評級，得到充電設施的各種使用狀況所對應的相應使用等級；指標確定單元303，用於從所述影響因素指標體系中確定出對充電設施的使用狀況有顯著影響的因素；模型構建及地址評價單元304，用於基於所確定出的對充電設施的使用狀況有顯著影響的因素，構建充電設施使用狀況的等級分類模型，並利用所述分類模型對存在評價需求的充電設施候選地址進行評價。
在本發明實施例的一實施方式中，所述指標體系選取單元，進一步用於：選取充電設施的時間佔用率的影響因素指標體系，所述影響因素指標體系中的多個指標至少包括充電設施的地理環境、自有樁佔比、建設地址及停車收費標準；其中，充電設施的時間佔用率用於反映充電設施的使用狀況。
在本發明實施例的一實施方式中，所述等級劃分單元，進一步用於：利用箱線圖法，對充電設施的時間佔用率進行等級劃分及評級，得到充電設施的各種時間佔用率狀況所對應的充電設施使用等級；所述使用等級包括閒置等級、正常等級及緊張等級。
在本發明實施例的一實施方式中，所述指標確定單元，進一步用於：利用多因素方差分析法，根據顯著性檢驗值篩選出對充電設施的時間佔用率具有顯著影響的因素。
在本發明實施例的一實施方式中，所述模型構建及地址評價單元，進一步用於：利用決策樹算法，結合方差分析結果，基於所確定出的對充電設施的使用狀況有顯著影響的因素建立充電設施使用狀況的等級分類模型；針對存在評價需求的充電設施候選地址，將所述候選地址及其對應的其他各影響因素指標作為所述分類模型的輸入，得到充電設施在各個影響因素指標下被模型分為各使用等級的概率，並根據所述各使用等級的概率對所述候選地址進行評價。
此處，需要說明的是，本實施例涉及的充電設施建設地址評價系統的描述，與上文方法的描述是類似的，且同方法的有益效果描述，對於本發明的充電設施建設地址評價系統在本實施例中未披露的技術細節，請參照本發明方法實施例的說明，本實施對此不再作贅述。
綜上所述，本發明方案具有以下優勢：
1)本發明方案基於充電設施交易數據，統計出充電設施的無交易天數與連單數，在此基礎上，綜合考慮充電設施的無交易天數數據與連單數據，根據箱線圖法進行充電設施時間佔用率的等級劃分，使得等級劃分更具有業務意義；
2)本發明方案利用方差分析法對影響因素進行顯著性檢驗，確定對充電設施的時間佔用率有顯著影響的因素。為構建決策樹分類模型提供了選擇變量的依據，避免了盲目選擇分類變量；
3)本發明方案利用方差分析結果中具有顯著影響的因素建立決策樹分類模型，得到充電設施使用情況的條件規則。根據決策樹分類模型的結果，評價在候選地址上建設充電設施得到閒置、正常、緊張情況的概率，概率越大說明越有可能發生該種情況，為建設規劃充電設施提供科學依據。另外，在業務方面，本發明方案通過對每個充電設施劃分使用等級，為電力公司對充電設施的分級管理提供了便利，進而能夠提高公司的運行效益。
需要說明的是，本說明書中的各個實施例均採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
為了描述的方便，描述以上系統或裝置時以功能分為各種模塊或單元分別描述。當然，在實施本申請時可以把各單元的功能在同一個或多個軟體和/或硬體中實現。
通過以上的實施方式的描述可知，本領域的技術人員可以清楚地了解到本申請可藉助軟體加必需的通用硬體平臺的方式來實現。基於這樣的理解，本申請的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該計算機軟體產品可以存儲在存儲介質中，如rom/ram、磁碟、光碟等，包括若干指令用以使得一臺計算機設備(可以是個人計算機，伺服器，或者網絡設備等)執行本申請各個實施例或者實施例的某些部分所述的方法。
最後，還需要說明的是，在本文中，諸如第一、第二、第三和第四等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個……」限定的要素，並不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
以上所述僅是本發明的優選實施方式，應當指出，對於本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護範圍。