一、基本信息
所属科技项目名称：北京市自然科学基金面上项目
项目主管部门：北京市科学技术委员会、中关村科技园区管理委员会
二、科技成果信息
科技成果名称：考虑用户充电需求的城市电动汽车充电桩布局优化文本挖掘、仿真模型、案例库及推荐算法
科技成果类型：集成创新
科技成果所处阶段：技术原理构思
科技成果应用领域：交通运输、仓储和邮政业
三、科技成果简介
1. 科技成果来源
随着我国电动汽车发展的持续推进，越来越多的城市开始加大对电动汽车基础设施建设的投入，尤其是在充电桩的布局方面。尽管如此，当前的充电桩数量和分布仍然难以满足日益增长的电动汽车用户的充电需求。公共充电桩的布局应该从充电需求出发，以电动汽车的使用需求为导向，即在特定时间、特定地点，充电桩能够满足电动汽车的充电需求。为了实现这一目标，充电桩的布局应尽可能与电动汽车用户需求的分布保持一致，具体来说，就是要根据各个区域的电动汽车使用情况，合理分配充电桩的数量和位置。
本课题的研究目标是分析影响电动汽车公共充电桩布局的各项因素，并从用户的实际使用角度出发，运用文本挖掘和仿真技术，构建电动汽车公共充电桩布局的仿真模型及推荐算法。通过对北京市的充电需求情况进行详细分析，结合实际案例，研究充电需求的变化趋势，并进一步预测未来可能的需求变化，从而为充电桩的合理布局提供决策支持。 在实际应用中，未来的充电桩布局将主要集中在公共停车场、交通枢纽停车场、大型商超停车场等人流密集区域，以确保充电服务能够覆盖到更多的电动汽车用户。通过本课题的研究成果，不仅可以为电动汽车用户提供更加便捷的充电服务，缓解“充电难”的问题，还能够为城市规划和基础设施建设提供科学依据。最终，本研究将形成一套充电桩布局优化的模型体系，并且该体系能够转化为中间件，为未来充电桩的前期建设和后期管理提供参考和指导，从而推动我国电动汽车充电基础设施的可持续发展。
2. 技术应用
（1）基于充电订单数据的用户行为特征和充电站运营特征研究
本研究首先通过文献综述和相关研究，构建电动出租车司机的充电行为和充电站运营的描述性指标。以北京市为例，通过分析充电站的订单数据，提取司机和充电站的关键指标。接着，利用聚类算法对不同类型的电动出租车司机和充电站进行分类，并分析各类司机的充电行为特征以及充电站的运营模式。这为后续充电站选址和充电站推荐系统的研究奠定了基础。
（2）基于文本挖掘、共词分析的充电站服务布局优化研究
电动出租车司机在使用充电服务过程中，积累了大量关于充电站服务的评价数据，主要集中在充电站的服务缺陷上。通过自然语言处理技术，本文对这些评价文本进行规范化处理，利用LDA主题模型挖掘出评价内容中的服务缺陷主题及相关关键词。这为后续的充电站选址优化和推荐系统提供了有价值的参考。
（3）基于Agent仿真模型的的电动汽车充电站选址优化研究
在充电站的布局优化中，除了考虑传统的路径规划和位置选择外，还必须充分考虑用户的需求以及现有充电站的运营状态。本研究在前两部分数据分析的基础上，结合电动出租车司机的充电需求，分析现有充电站的运营状况，进一步对充电站的布局进行调整和优化，以更好地满足用户需求。
（4）基于隐语义模型改进组间效应的电动汽车用户充电推荐
通过收集充电站数据和用户数据，前者包括充电站ID、地理位置和充电速度等信息，后者包含用户ID、平均充电时长、兴趣点等数据，本文提出了一种基于隐语义模型的推荐算法。该算法能够有效地预测用户对不同充电站的偏好，从而为用户提供更加个性化和精准的充电站推荐。
（5）基于LBSN网络与协同过滤的电动汽车用户充电推荐
充电站周边的兴趣点评分在一定程度上影响电动出租车司机对充电站的总体评分，这种评分将直接影响用户的充电选择。当充电站正常运营时，评分将成为吸引用户选择该充电站的重要因素，从而推动电动出租车充电行业的可持续发展。基于这一点，本研究提出了多种用户充电推荐策略，包括基于协同过滤相似度的充电策略、基于K-means聚类的充电策略，以及最终的用户充电推荐应用系统。
