多源数据驱动的电动出租车充电站部署选址和实时推荐

Using electric taxis for public transport is supported by our government. Usage of existing electric taxi charging infrastructure is highly unbalanced: The first reason is improper charging station locations, the second reason is the lack of charging stations load information for taxi drivers. This situation unnecessarily increases electric taxis’ queuing time, thereby reduces the profitability of electric taxis. We propose “Multi-source Data Driven Site Selection and Real-time Recommendation of Charging Stations for Electric-Vehicle Taxis”. The main data source is the real-time collected electric taxi GPS data and operational data; cleaning and feature extraction are applied to the data. More specifically, our research includes: restore electric taxi trajectory from the data record, to help the location of charging stations; predict the conditions of road networks and future charging demand, combined with charging station load, together to achieve high-precision real-time charging station recommendation. Our group has a solid foundation in intelligent transportation system research via data mining. This project can greatly improve the operational time of electric taxis, hence has a great chance to reduce the subsidiary from the government. This result is of great importance to the society.

电动出租车是政府大力推广的公共交通工具。现有电动出租车充电基础设施的利用极不均衡：原因首先是充电站选址不科学，其次是选择充电时缺乏充电站负载信息。这种不均衡会增加电动出租的排队时间，进而影响车辆盈利能力。本课题研究多源数据驱动的电动出租充电站部署选址和实时推荐，以电动出租车载GPS数据为主研究数据源，结合营运数据等多源数据，研究城市交通大数据的清洗、特征提取和应用。具体研究工作有：从数据中还原电动出租的完整行程，研究符合其特有行为模式的充电站位置部署；车辆行为分析结合车载GPS的实时数据，预测道路网的实时全局信息，包括车辆充电需求、充电站负载、道路状况等，实现实时高精度的充电站推荐。课题组长期使用数据挖掘技术进行智能交通的学科交叉研究，有着丰富的研究经历和积累。本课题有助于推动电动公交模式良性发展，减轻政府对绿色交通进行扶持的经济压力，具有非常重要的社会应用价值和和和较高的理论指导意义。

作为物联网技术在智能交通系统领域的典型应用，车联网系统提供了海量的可供分析利用的多种异构的城市交通大数据。基于这些城域范围内交通大数据的分析和挖掘，可以解决城市交通系统所面临的一系列问题。特别的，在当前大气污染和能源匮乏现象日益严重的情况下，将新能源汽车引入到公共交通领域内，结合数据挖掘技术和智能交通系统，可以进一步推动新能源汽车产业的发展，为城市“绿色交通”的智能化升级提供一定的基础。.本课题中，我们希望能够基于新能源出租车数据研究其城域行为特征，并将若干研究应用于其实际运营中。我们的研究主要是针对我国深圳市的新能源出租车运营模式而展开的，首先融合多源异构数据源对新能源出租车的群体行为进行了分析，证实了城域内出租车电动化方案的可行性，同时对新能源出租车的个体行为也进行了细粒度的挖掘，在此基础上提出了一种针对新能源出租车的基于贝叶斯概率模型的充电站推荐方法，该方法能够将新能源出租车在充电上的总耗时减少大约一半；本文随后对新能源汽车赖以依靠的充电设施进行了研究，主要针对充电站的选址及充电桩的配置进行了归纳性的总结，在此基础上研究了单个充电站停运后对新能源出租车运营的影响，并提出了一种基于回归模型的充电资源调度方案来解决这一问题。.本课题在研究思路上体现了工程技术和社会科学结合的趋势，采用工程技术手段量化研究客观存在的新能源出租汽车行为规律，并相应的提出了针对新能源出租车的基于贝叶斯概率模型的充电站推荐算法、基于回归模型的充电资源调度算法，对于促进新能源汽车的发展具有一定的意义。此外，本研究的成功实施，将推进对新能源车辆行为的研究向定量化、模型化的方向发展，具有较大的理论意义