一种基于电动自行车充电桩的数据分析方法与流程

本发明涉及数据信息处理领域，且更具体地涉及一种基于电动自行车充电桩的数据分析方法。

背景技术：

1、随着社会经济的快速发展，城市城区面积不断扩大，然而城区面积扩大的速度使得居民出行时间大大延长，为了方便出行并减少乘坐公共交通工具的时间，乘坐电动自行车出行成为广大居民的出行和通勤方式首选。

2、电动自行车充电桩是为电动自行车提供充电设施的一种设备，主要作用是为电动自行车提供充电服务，方便用户在骑行时进行充电。电动自行车充电桩的一些特点和配置比如，配置充电口和插座、充电功率和电流、充电方式等：电动自行车充电桩应该有适合的充电方式，如手动充电、自动充电、远程监控等。这些方式在工作过程中，比如充电量、充电线路检测、火灾异常、数据信息报警等各种问题时，就难以实现数据信息的处理。电动自行车充电桩的设计和配置应该考虑到用户需求和使用环境，以提高充电效率和用户体验。

3、在实际运营过程中，车辆乱停放、充电设施缺乏等问题也随之而来，为了解决上述问题各个城市大力投放电动自行车充电桩，居民使用手机扫描充电桩上的二维码，选择充电时长，将车辆停在指定的位置即可，并且充电过程便捷，充电过程中，居民可以通过手机app随时查看充电情况，充电结束后，扫描二维码点击结束充电，横杆自动落下，然而普通的电动自行车充电桩的功能单一，且具有智能化程度低，损坏概率高，无法进行不同充电桩之间的数据互通，无法做出临近位置最优充电桩位置预判等一系列问题，现有技术数据信息处理和分析能力滞后，数据信息分析效率差，难以及时对电动自行车充电桩的数据及时分析。

4、因此针对上述充电桩存在的不足，需要一种基于电动自行车充电桩的数据分析方法来提升充电桩的智能化程度，以提升充电桩的使用感，提高电动自行车充电桩的数据分析能力。

技术实现思路

1、针对现有技术的不足，本发明公开了一种基于电动自行车充电桩的数据分析方法，通过采用多种无线扫描监控单元在网络层面进行数据融合实现数据的实现异地保存与备份，采用特征标签分析模型提取特征标签提高自动化程度并降低异常概率，采用跨平台流媒体协议htmp加快数据双向传输速度，采用动态因子寻优模型实现精准数据挖掘并滤除数据挖掘过程中的异常波形干扰，采用聚类融合模板对反馈数据进行解析和融合，大大提高了数据信息分析能力。

2、本发明采用以下技术方案：

3、一种基于电动自行车充电桩的数据分析方法，包括以下步骤：

4、步骤一、获取电动自行车充电桩数据，通过在电动自行车充电桩前侧设置无线扫描监控模块获取充电桩使用年限，日均使用时间，日均使用次数、充电桩电能转化率、充电桩智能逆变器瓦数、电动自行车外观尺寸、电动自行车品牌分布情况和电动自行车地域使用情况数据，无线扫描监控模块包含rfid射频识别单元、二维码收集单元和wifi摄像单元；

5、步骤二、对收集到的数据预处理，通过数据清洗模块过滤、整合和清洗采集到的电动自行车充电桩数据来筛除不完整数据、异常数据、无效数据和冗余数据，以实现数据的可用性和有效性，通过整合提取模块规范化和归一化电动自行车充电桩数据，整合提取模块通过特征挖掘模型提取电动自行车充电桩数据的特征值并基于特征值将自行车充电桩数据按类分块，以便于下一步的数据分析处理；

6、步骤三、分析和处理自行车充电桩数据，通过数据分析与处理模块对经过预处理后输出的信息做特征分析和统计处理，数据分析与处理模块包含源数据采集单元、数据属性分类单元、数据特征分析单元、数据统计处理单元和数据对接单元，源数据采集单元用于采集待处理数据的地址信息和含特征的源数据，数据属性分类单元用于将待处理数据按照属性向量分为属性数据块，数据特征分析单元用于提取属性数据块的特征向量并分析特征标签编码，数据统计处理单元用于统计整理数据块动态结构，数据对接单元用于将数据块动态结构传输至备份管理云服务器并通过充电桩数据库管理平台做充电桩大数据分析；

7、所述源数据采集单元的输出端与数据属性分类单元的输入端连接，所述数据属性分类单元的输出端与数据特征分析单元的输入端连接，所述数据特征分析单元的输出端与数据统计处理单元的输入端连接，所述数据统计处理单元的输出端与数据对接单元的输入端连接；

8、步骤四、大数据分析与比对，数据分析与处理模块的数据对接单元将数据块动态结构传输至大数据分析与比对模块，大数据分析与比对模块包括大数据导入单元、大数据汇总单元、大数据挖掘单元和大数据实时预测单元，大数据导入单元用于分布式存储大数据分析与比对模块前端采集到的数据，大数据汇总单元用于将分布式存储器中的数据进行按类集群部署操作并将操作结果汇总，大数据挖掘单元用于挖掘数据库中的电动自行车充电桩得实时位置数据和状态数据，大数据实时预测单元按照距离、时间和工作状态预测故障充电桩方位和最佳充电桩方位，并将预测值返回给自动更新反馈端口，自动更新反馈端口每30秒自动更新反馈数据并将反馈数据传输至用户端在线管理平台；

9、所述大数据导入单元的输出端与大数据汇总单元的输入端连接，所述大数据导入单元的输出端与大数据挖掘单元的输入端连接，所述大数据挖掘单元的输出端与大数据实时预测单元的输入端连接；

10、步骤五、生成记录表单日志，将数据分析与处理模块输出的数据块动态结构和大数据分析与比对模块输出的反馈数据通过表单日志生成模块生成电动自行车充电桩数据日志，电动自行车充电桩数据日志包含充电桩工作状态、充电桩故障情况、空闲充电桩分布情况和区域电动自行车实时密度。

11、作为本发明进一步的技术方案，所述rfid射频识别单元、二维码收集单元和wifi摄像单元通过多端无线互通接口实现采集到的数据在网络平台融合，融合后的数据组通过拓扑网络在不同电动自行车充电桩设备上实现异地保存与备份。

12、作为本发明进一步的技术方案，所述数据特征分析单元采用独立特征标签分析模型提取特征标签，特征标签输出公式为：

13、（1）

14、在公式（1）中，为特征标签输出函数，为第一特征整合参数，为特征密度独立情况，为独立密度分析维度，为误差补充修正值，为防冗余参数；

15、在特征标签提取过程中若出现异常报错，通过特征标签异常报错模型筛选出特征标签异常值并输出，特征标签异常值输出公式为：

16、（2）

17、在公式（2）中，为特征标签异常值输出函数，为最大异常阈值，为异常值诊断函数，为异常值地址宽度，为异常值节点深度，为异常值码元异常总项数，为统计集合总元素数量，为统计元素，为噪声反馈值，为噪声幅值。

18、作为本发明进一步的技术方案，所述大数据实时预测单元收集构成预测信息集合的电动自行车充电桩相关参数，再将参数整合并建立基于时间推进的预测模型，用户通过仿真实验验证和评估预测模型的可用性和准确度并输出预测结果至自动更新反馈端口。

19、作为本发明进一步的技术方案，所述大数据分析与比对模块使用跨平台流媒体协议htmp将反馈数据分装成数据段切片，数据段切片在用户端在线管理平台和大数据分析与比对模块完成服务器链路对接操作后采用ip地址和内容数据双封装实现大数据分析与比对模块向用户端在线管理平台的传输操作。

20、作为本发明进一步的技术方案，所述大数据挖掘单元采用动态因子寻优模型实现精准数据挖掘并滤除数据挖掘过程中的异常波形干扰，动态因子寻优模型输出公式为：（3）

21、在公式（3）中，为动态因子寻优模型输出函数，为寻优阈值控制函数，为波形调节模型输出函数，为横向延伸域，为纵向延伸域，为横向延伸域为、纵向延伸域为时的波形调节函数，为动态因子横向范围，为动态因子纵向范围，为波形调节函数，为波形相位参数， y为相邻寻优域差值参数，为异常波形消除常数，为异常波形调节辅助参数；在寻优过程中，动态因子寻优模型不断进行相邻两组寻优效果对比以获取最佳路径，路径对比输出公式为：

22、（4）

23、在公式（4）中，为路径对比输出函数，为路径变量，为路径更新函数，为路径状态比较函数，为路径历经时间，为路径遍历范围，为时间跨度参数，为范围跨度参数；动态因子寻优模型设置延迟辅助消除板块消除寻优过程中的时间延迟，延迟消除输出公式为：

24、（5）

25、在公式（5）中，为延迟消除输出函数，为延迟因子，为寻优维度，为延迟类别参数，为延迟诊断函数。

26、作为本发明进一步的技术方案，所述表单日志生成模块通过聚类融合模板对反馈数据进行解析和融合，聚类融合输出公式为：

27、（6）

28、在公式（6）中，为聚类融合输出函数，为模板周期参数，为模板循环周期总维度，为周期时间补齐常数，为模式异常参数，为模式相似度参数，为辅助反馈常量；解析和融合步骤完成后对输出结果做循环更新处理，循环更新公式为：

29、（7）

30、在公式（7）中，为循环更新函数，为更新时间参数，为元素个数预测参数，为动态调整参数，为动态差值补充参数，为循环总次数，为循环间隔，为阶梯型防冗余参数，为线性辅助参数。

31、积极有益效果：

32、本发明公开了一种基于电动自行车充电桩的数据分析方法，采用多种无线扫描监控单元在网络层面进行数据融合实现数据的实现异地保存与备份，采用特征标签分析模型提取特征标签提高自动化程度并降低异常概率，采用跨平台流媒体协议htmp加快数据双向传输速度，采用动态因子寻优模型实现精准数据挖掘并滤除数据挖掘过程中的异常波形干扰，采用聚类融合模板对反馈数据进行解析和融合。