基于充電履歷的充電站挖掘中的去噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及利用充電履歷挖掘充電站過(guò)程中對(duì)噪聲的識(shí)別方法，特別是涉及一種 對(duì)從電動(dòng)汽車的充電履歷中挖掘、提取新建充電站POI數(shù)據(jù)的處理過(guò)程，屬于導(dǎo)航、電子地 圖、智能交通系統(tǒng)和數(shù)據(jù)挖掘的交叉領(lǐng)域。
【背景技術(shù)】
[0002] 為了解決能源匱乏、污染嚴(yán)重等問(wèn)題，各國(guó)都在大力發(fā)展新能源汽車，而在各種新 能源汽車中，發(fā)展電動(dòng)汽車已經(jīng)成為最為現(xiàn)實(shí)且最具應(yīng)用前景的發(fā)展方向。而充電站作為 電動(dòng)汽車重要的基礎(chǔ)配套設(shè)施，在電動(dòng)汽車推廣過(guò)程中起著決定性的作用。然而，基于傳統(tǒng) 技術(shù)采集的充電站數(shù)據(jù)往往存在更新不及時(shí)、數(shù)據(jù)滯后嚴(yán)重、充電站位置不準(zhǔn)確等一系列 問(wèn)題，這極大影響了電動(dòng)汽車的推廣普及。隨著ITS技術(shù)的發(fā)展，從電動(dòng)汽車的充電履歷信 息中，利用數(shù)據(jù)挖掘技術(shù)，提取新建充電站數(shù)據(jù)，成為一種快捷、有效的手段。然而，電動(dòng)汽 車的充電履歷中存在大量噪聲數(shù)據(jù)，從而會(huì)導(dǎo)致提取的充電站偏離真實(shí)充電站的位置，甚 至提取了錯(cuò)誤的充電站，這種錯(cuò)誤，會(huì)極大的降低用戶的使用體驗(yàn)。
[0003] 相關(guān)名詞解釋：
[0004] 1.電動(dòng)汽車
[0005] 指混合動(dòng)力汽車和純電動(dòng)汽車等可以通過(guò)插電方式充電并以電力驅(qū)動(dòng)行駛的汽 車。
[0006] 2.充電履歷
[0007] 指電動(dòng)汽車記錄下來(lái)的充電行為信息，一般包括充電的開始、結(jié)束時(shí)間、充電位 置、電池電量信息和充電類型等信息。
[0008] 3.充電站
[0009] 類似于加油站，可以為電動(dòng)汽車補(bǔ)充電力的站點(diǎn)，包括大型充電站和充電粧。充電 粧可部署在停車場(chǎng)、小區(qū)、私人住宅等區(qū)域。
[0010] 4.待識(shí)別充電站
[0011] 即通過(guò)初步聚類，已經(jīng)識(shí)別為可能是可以進(jìn)行充電的地點(diǎn)，但是不明確是否由于 是噪聲導(dǎo)致，需要進(jìn)一步識(shí)別判斷的充電站。

【發(fā)明內(nèi)容】

[0012] 本發(fā)明所要解決的問(wèn)題是：提供基于充電履歷的充電站挖掘中的去噪聲方法，使 用該方法可以比較有效的對(duì)待識(shí)別充電站進(jìn)一步識(shí)別，去除噪聲后可以去除一些由于噪聲 提取的錯(cuò)誤的充電站，從而得到更為準(zhǔn)確的充電站信息。
[0013] 本發(fā)明所采用的技術(shù)方案的步驟包括：
[0014] 1)獲取充電履歷；取出一個(gè)待識(shí)別充電站，將用以發(fā)現(xiàn)該充電站的所有充電履歷 取出，并計(jì)算出該組充電履歷的方差α。
[0015] 2)再聚類：對(duì)待識(shí)別充電站的每一充電履歷都按一個(gè)較小的半徑重新聚類。
[0016] 3)擴(kuò)展類：對(duì)再聚類后的小類按照密度是否符合要求進(jìn)行擴(kuò)展合并，組成新的 類。具體包括：
[0017] 31)將再聚類后的各個(gè)類按照包含充電履歷多少進(jìn)行排序；
[0018] 32)對(duì)密度符合要求即該類所包含的充電履歷數(shù)量大于閥值λ i的進(jìn)行擴(kuò)展合并， 組成新的類；
[0019] 4)計(jì)算類正態(tài)分布的概率：分別計(jì)算擴(kuò)展后各滿足條件類是正態(tài)分布的概率。具 體包括如下：
[0020] 41)按照包含充電履歷的個(gè)數(shù)從大到小依次判斷各類，判斷該類所包含的充電履 歷個(gè)數(shù)是否大于閥值λ 2，如果大于則進(jìn)行后續(xù)操作，否則結(jié)束。
[0021] 42)計(jì)算該類的中心位置，并計(jì)算該類充電履歷中離中心位置最遠(yuǎn)的充電履歷到 中心位置的距離β，記待識(shí)別充電站到該類中心位置的距離為ε。
[0022] 43)判斷類的中心位置是否落在待識(shí)別充電站一倍方差α范圍之內(nèi)，如果是，則 出現(xiàn)該類的概率 P1= β 2/α2*0· 6826,否則，P1= β ν(3 α2)*0.2718。
[0023] 44)如果P1大于閥值則返回步驟41)繼續(xù)下一個(gè)小類的處理，否則繼續(xù)步驟5)操 作。
[0024] 5)檢驗(yàn)：根據(jù)概率統(tǒng)計(jì)計(jì)算出在待識(shí)別充電的所有充電履歷中出現(xiàn)該類的概率 判斷該類是否噪聲或者是另一個(gè)充電站。具體包括如下：
[0025] 51)假設(shè)待識(shí)別充電的所有充電履歷符合正態(tài)分布，計(jì)算該類出現(xiàn)的概率Ρ2。
【主權(quán)項(xiàng)】
1. 基于充電履歷的充電站挖掘中的去噪方法，以在利用聚類方法從充電履歷中挖掘充 電站過(guò)程中識(shí)別為充電站的一組充電履歷為處理對(duì)象，利用該組充電履歷的統(tǒng)計(jì)特征，識(shí) 別該組充電履歷中哪些是噪聲，從而使充電站的提取變得更加準(zhǔn)確，其特征在于包括以下 步驟： 1) 獲取充電履歷：取出一個(gè)待識(shí)別充電站，將用以發(fā)現(xiàn)該充電站的所有充電履歷取 出，并計(jì)算出該組充電履歷的方差α ; 2) 再聚類：對(duì)待識(shí)別充電站的每一充電履歷都按一個(gè)較小的半徑重新聚類； 3) 擴(kuò)展類：對(duì)再聚類后的小類按照密度是否符合要求進(jìn)行擴(kuò)展合并，組成新的類； 4) 計(jì)算類正態(tài)分布的概率：分別計(jì)算擴(kuò)展后各滿足條件類是正態(tài)分布的概率； 5) 檢驗(yàn)：根據(jù)概率統(tǒng)計(jì)計(jì)算出在待識(shí)別充電的所有充電履歷中出現(xiàn)該類的概率判斷 該類是否噪聲或者是另一個(gè)充電站。
2. 根據(jù)權(quán)利要求1所述的基于充電履歷的充電站挖掘中的去噪方法，其特征在于所述 步驟3)的具體步驟為： 31) 將再聚類后的各個(gè)類按照包含充電履歷多少進(jìn)行排序； 32) 對(duì)密度符合要求即該類所包含的充電履歷數(shù)量大于閥值進(jìn)行擴(kuò)展合并，組成 新的類。
3. 根據(jù)權(quán)利要求1所述的基于充電履歷的充電站挖掘中的去噪方法，其特征在于所述 步驟4)的具體步驟為： 41) 按照包含充電履歷的個(gè)數(shù)從大到小依次判斷各類，判斷該類所包含的充電履歷個(gè) 數(shù)是否大于閥值λ 2，如果大于則進(jìn)行后續(xù)操作，否則結(jié)束； 42) 計(jì)算該類的中心位置，并計(jì)算該類充電履歷中離中心位置最遠(yuǎn)的充電履歷到中心 位置的距離β，記待識(shí)別充電站到該類中心位置的距離為ε ; 43) 判斷類的中心位置是否落在待識(shí)別充電站一倍方差α范圍之內(nèi)，如果是，則出現(xiàn) 該類的概率 P1= β 2/α 2*0· 6826,否則，P1= β V(3a 2)*〇· 2718 ; 44) 如果P#于閥值則返回41)繼續(xù)下一個(gè)類的處理，否則繼續(xù)步驟5)的操作。
4. 根據(jù)權(quán)利要求1所述的基于充電履歷的充電站挖掘中的去噪方法，其特征在于所述 步驟5)的具體步驟為： 51) 假設(shè)待識(shí)別充電的所有充電履歷符合正態(tài)分布，計(jì)算該類出現(xiàn)的概率Ρ2， n m n-m ^ 巧=Σ(0,ΣΚ Σ(1-A) )，m為待識(shí)別充電站所包含的充電履歷數(shù)量，η為當(dāng)前處理的 i-m k=\ b-\ 類所包含的充電履歷數(shù)量，如果己小于閾值，則轉(zhuǎn)到步驟52)，否則，保留該類，返回步驟 41)； 52) 判斷該類是否滿足生成一個(gè)待識(shí)別充電站的條件，如果滿足則將該類單獨(dú)作為一 個(gè)待識(shí)別充電站，如果不滿足則將該類作為噪聲在待識(shí)別充電站的充電履歷中移除； 53) 所有的小類處理完畢后，如果仍然保留的充電履歷滿足生成充電站的條件，則將該 待識(shí)別充電站作為已確定充電站，否則將該充電站識(shí)別為無(wú)法確定充電站。
【專利摘要】本發(fā)明提出了一種基于充電履歷的充電站挖掘中的去噪方法，其步驟包括：1)獲取充電履歷，即獲得產(chǎn)生自待識(shí)別充電站的所有充電履歷；2)再聚類，即對(duì)待識(shí)別充電站的所有充電履歷進(jìn)行聚類；3)擴(kuò)展類，對(duì)再聚類后的符合密度要求的類進(jìn)行合并形成多個(gè)小類；4)計(jì)算各小類概率，即根據(jù)各小類的半徑以及所有充電履歷的方差依次計(jì)算各滿足條件的類的概率；5)檢驗(yàn)，假設(shè)該類出現(xiàn)符合正態(tài)分布，計(jì)算該類出現(xiàn)的概率，如果概率不符合要求則可以判斷該類為噪聲。
【IPC分類】G06K9-62
【公開號(hào)】CN104732234
【申請(qǐng)?zhí)枴緾N201510110095
【發(fā)明人】王軍德, 朱敦堯, 宋向勃, 劉正林, 劉俊波
【申請(qǐng)人】武漢理工大學(xué)
【公開日】2015年6月24日
【申請(qǐng)日】2015年3月13日