基于轨迹预测的城市移动充电桩的迁移方法和系统与流程

本发明涉及数据处理技术，尤其涉及一种基于轨迹预测的城市移动充电桩的迁移方法和系统。

背景技术：

1、现有技术中，对于移动充电桩等服务类设施的迁移选址方法主要采用分布核密度确定需求点，通过筛选后确定密度最高的覆盖点。例如，在文献《基于服务需求的出租汽车服务站选址方法》（叶臻等，交通运输部科学研究院，2019）中就提出了一种通过核密度估计法确定出租车服务站选址的方法。再例如，cn202010351142.8公开了一种充电桩选址布设方法及系统，通过地理识别技术确定周边环境的分布情况，从而确定最高效率的选址。上述技术手段在轨迹预测过程中都需要较大样本容量的位置数据作为支撑，预测细粒度局限于“位置点”，而非“位置轨迹”。因此，现有技术希望围绕用户的移动终端，依靠有限的位置信息的基础上，基于片段轨迹尽可能精确地识别车辆的轨迹。进一步的，现有技术希望通过聚类分组的方法，根据车辆移动的与偏好进行高效的轨迹预测，提供一种城市移动充电桩的选址方法。

技术实现思路

1、针对上述问题，本发明提供了一种基于轨迹预测的城市移动充电桩的迁移方法和系统，通过调用用户车辆终端有限的位置信息，根据用户车辆中片段轨迹相似度作为分组标准，结合用户个人信息为轨迹预测提供一置信度条件，通过轨迹分组与地址偏好概率预测车辆的出行轨迹，并根据出行轨迹中重合的地点区域作为移动充电桩的选址推荐点。

2、本申请的发明目的可通过以下技术方案实现：

3、一种基于轨迹预测的城市移动充电桩的迁移方法，包括以下步骤：

4、步骤1：确定城市移动充电桩的寻址区间，调取该寻址区间的地理空间数据，根据地理空间数据将寻址区间分割为多个子区间；

5、步骤2：调取多个用户终端设备的位置信息和时间信息，提取空间特征向量与时间特征向量，生成一轨迹嵌入序列；

6、步骤3：将轨迹嵌入序列映射至地理空间数据，生成至少一个的用户出行轨迹表，出行轨迹表存储至用户数据库，出行轨迹表包含用户与时间相关的历史轨迹t；

7、步骤4：将子区间分为访问频率大于基准频率的第一子区间以及访问频率小于等于基准频率的第二子区间，轨迹预测单元将用户的历史轨迹t分割为n个片段轨迹，t={ti｜i≤n}，每个片段轨迹ti仅与唯一的第一子区间相交；

8、步骤5：根据任意用户终端设备的多个片段轨迹确定任意用户的轨迹函数f(ti)，通过损失函数比对至少两个用户的轨迹函数的相似度，相似度高的用户轨迹单独分组，记录各个组中用户的地址偏好概率；

9、步骤6：调用用户的属性参数，根据用户的属性参数为历史轨迹t的任意片段轨迹设置轨迹置信度kti预测用户完整轨迹；

10、步骤7：统计多个子区间内用户完整轨迹的数量，确定各个子区间的选址期望值；

11、步骤8：将选址期望值最大的子区间作为一城市移动充电桩的目标地址，若城市移动充电桩分配完毕，进入步骤9，否则进入步骤8；

12、步骤9：根据目标地址与选定子区间的欧式距离，调整任意未被选定子区间的选址期望值，返回至步骤7；

13、步骤10：根据目标地址将全部城市移动充电桩的迁移至对应的子区间。

14、在本发明中，在步骤8中，选取与子区间距离最小的未被选取的城市移动充电桩。

15、在本发明中，寻址区间通过将城市移动充电桩的迁移地点位置信息的离散向量转变为低维度向量进行表示，寻址区间内包含城市移动充电桩迁移地点位置的地理空间数据。

16、在本发明中，轨迹嵌入序列由空间特征向量以及时间特征向量共同组成，其中，空间特征向量标识为用户的地理坐标，包括经度、纬度、所属行政规划区三个变量组成，时间特征向量为用户访问各个验码位置签到的时间值，相应的时间值与位置信息共同构成时间矩阵。

17、在本发明中，时间矩阵基于空间特征向量与时间特征向量的重参数化方法获得，地点位置信息中包含时间矩阵中的隐层向量，隐层向量为周边的其他地点的空间特征向量以及时间特征向量的提取提供位置拓扑关系。

18、在本发明中，出行轨迹表为用户终端定位的位置信息与时间构成的集合，轨迹云终端为共享数据服务器，通过无线网络通信协议构成的云存储终端设备。

19、在本发明中，基于移动形状复杂度、 用户访问频次、时间阈值将用户历史轨迹t分割成片段轨迹。

20、在本发明中，基于用户的出行轨迹表中属性参数的出现频率确定轨迹置信度ktn。

21、在本发明中，属性参数至少包含用户的家庭住址、工作地址，根据用户的属性参数赋予该用户对应轨迹下的轨迹置信度ktn。

22、一种基于轨迹预测的城市移动充电桩的迁移系统，该迁移系统用于所述基于轨迹预测的城市移动充电桩的迁移方法，该迁移系统包括用户数据库、轨迹获取单元、数据处理单元、数据分析单元、轨迹预测单元、指令发送单元，

23、用户数据库存储多个用户的属性参数；

24、轨迹获取单元调取该寻址区间的地理空间数据并生成n个片段轨迹；

25、数据处理单元根据任意用户终端设备的的多个片段轨迹确定任意用户的轨迹函数；

26、数据分析单元统计多个子区间内用户完整轨迹的数量，确定各个子区间的选址期望值；

27、轨迹预测单元基于用户的属性参数设置轨迹置信度，预测用户完整轨迹；

28、指令发送单元确定各个子区间的选址期望值，并基于选址期望值确定城市移动充电桩的目标地址。

29、实施本发明的基于轨迹预测的城市移动充电桩的迁移方法和系统，具有以下有益效果：通过获取用户的位置信息，符合应用实际，数据可得性较高；将用户历史轨迹分割为片段轨迹，以片段轨迹进行识别，减少了复杂的计算过程，成本能够得到有效控制；按照用户地址偏好概率分组进行轨迹预测，并引入用户个人信息作为置信度标准，可以提高轨迹预测在有限样本容量下的精确度，基于该方法的城市移动充电桩迁移后的选址地点更加符合地区车辆的出行习惯，提升城市移动充电桩的迁移后的辐射率与覆盖率。

技术特征：

1.一种基于轨迹预测的城市移动充电桩的迁移方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于轨迹预测的城市移动充电桩的迁移方法，其特征在于，在步骤8中，选取与子区间距离最小的未被选取的城市移动充电桩。

3.根据权利要求1所述的基于轨迹预测的城市移动充电桩的迁移方法，其特征在于，寻址区间通过将城市移动充电桩的迁移地点位置信息的离散向量转变为低维度向量进行表示，寻址区间内包含城市移动充电桩迁移地点位置的地理空间数据。

4.根据权利要求1所述的基于轨迹预测的城市移动充电桩的迁移方法，其特征在于，轨迹嵌入序列由空间特征向量以及时间特征向量共同组成，其中，空间特征向量标识为用户的地理坐标，包括经度、纬度、所属行政规划区三个变量组成，时间特征向量为用户访问各个验码位置签到的时间值，相应的时间值与位置信息共同构成时间矩阵。

5.根据权利要求4所述的基于轨迹预测的城市移动充电桩的迁移方法，其特征在于，时间矩阵基于空间特征向量与时间特征向量的重参数化方法获得，地点位置信息中包含时间矩阵中的隐层向量，隐层向量为周边的其他地点的空间特征向量以及时间特征向量的提取提供位置拓扑关系。

6.根据权利要求1所述的基于轨迹预测的城市移动充电桩的迁移方法，其特征在于，出行轨迹表为用户终端定位的位置信息与时间构成的集合，轨迹云终端为共享数据服务器，通过无线网络通信协议构成的云存储终端设备。

7.根据权利要求1所述的基于轨迹预测的城市移动充电桩的迁移方法，其特征在于，基于移动形状复杂度、 用户访问频次、时间阈值将用户历史轨迹t分割成片段轨迹。

8.根据权利要求1所述的基于轨迹预测的城市移动充电桩的迁移方法，其特征在于，基于用户的出行轨迹表中属性参数的出现频率确定轨迹置信度ktn。

9.根据权利要求1所述的基于轨迹预测的城市移动充电桩的迁移方法，其特征在于，属性参数至少包含用户的家庭住址、工作地址，根据用户的属性参数赋予该用户对应轨迹下的轨迹置信度ktn。

10.一种根据权利要求1所述的用于实现基于轨迹预测的城市移动充电桩迁移方法的迁移系统，其特征在于，该迁移系统包括用户数据库、轨迹获取单元、数据处理单元、数据分析单元、轨迹预测单元、指令发送单元，

技术总结
本发明公开了一种基于轨迹预测的城市移动充电桩的迁移方法。该方法通过获取用户终端分散的位置信息，经过向量化处理后构建轨迹嵌入序列，获得基于轨迹嵌入序列的出行轨迹表。将出行轨迹表中用户的历史轨迹T分割为的n个片段轨迹，以片段轨迹相似度进行轨迹分组，确定不同分组中用户的地址偏好概率，根据用户充电的地址偏好概率以及轨迹置信度，预测用户的出行的完整轨迹，根据完整轨迹确定任意用户途径子区间的选址期望值，选择出行轨迹表中期望最高的地点作为推荐的城市移动充电桩选址位置。本发明还公开了一种用于实现基于轨迹预测的城市移动充电桩迁移方法的迁移系统。

技术研发人员：刘皓琼,陈文杰,刘鼎议,周志强,张吉茂
受保护的技术使用者：中赣通信（集团）有限公司
技术研发日：
技术公布日：2024/1/12