楊樺

【摘 要】針對(duì)新能源汽車充電樁數(shù)據(jù)的特點(diǎn)，文章提出了一種新能源汽車充電樁數(shù)據(jù)分析挖掘框架，并詳細(xì)介紹了該框架涉及的關(guān)鍵技術(shù)。通過分析和挖掘新能源汽車充電樁數(shù)據(jù)，為運(yùn)營商提供決策支持，為充電用戶提供智能服務(wù)。

【關(guān)鍵詞】新能源汽車;充電樁;海量數(shù)據(jù);數(shù)據(jù)分析

【中圖分類號(hào)】F426.61 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1674-0688（2020）01-0040-04

0 引言

隨著新能源汽車使用人數(shù)的增長，電動(dòng)汽車充電需求迅速提升，截至2019年4月，全國充電基礎(chǔ)設(shè)施累計(jì)數(shù)量已達(dá)到95.3萬臺(tái)。然而，由于布局不合理、維護(hù)不到位、缺乏平臺(tái)管理等問題，可充電設(shè)施的利用率卻長期偏低。2015年10月9日，國家發(fā)展改革委、國家能源局、工業(yè)和信息化部、住房城鄉(xiāng)建設(shè)部共同印發(fā)了《電動(dòng)汽車充電基礎(chǔ)設(shè)施發(fā)展指南（2015—2020年）》，提出：“充電智能服務(wù)平臺(tái)建設(shè)要與充電基礎(chǔ)設(shè)施建設(shè)同步考慮，融合互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智能交通、大數(shù)據(jù)等技術(shù)，通過‘互聯(lián)網(wǎng)+充電基礎(chǔ)設(shè)施，積極推進(jìn)電動(dòng)汽車與智能電網(wǎng)間的能量和信息互動(dòng)，提升充電服務(wù)的智能化水平。鼓勵(lì)圍繞用戶需求，為用戶提供充電導(dǎo)航、狀態(tài)查詢、充電預(yù)約、費(fèi)用結(jié)算等服務(wù)，拓展增值業(yè)務(wù)，提升用戶體驗(yàn)和運(yùn)營效率。”[1]實(shí)現(xiàn)上述目標(biāo)的重點(diǎn)就是對(duì)充電樁數(shù)據(jù)進(jìn)行分析挖掘。

1 新能源汽車充電樁數(shù)據(jù)描述

我們需要收集的新能源汽車充電樁數(shù)據(jù)主要有兩類：第一類是運(yùn)營管理系統(tǒng)與充電設(shè)備之間的通信數(shù)據(jù)，這類數(shù)據(jù)可以在上級(jí)監(jiān)控管理系統(tǒng)中獲取。由于信息通信對(duì)新能源汽車充電運(yùn)營的重要性，因此國家能源局、國家電網(wǎng)公司、中國南方電網(wǎng)有限責(zé)任公司發(fā)布了系統(tǒng)與離散充電樁通信規(guī)約，在這些規(guī)約的要求下，現(xiàn)行建設(shè)的充電樁大多具備與上級(jí)監(jiān)控管理系統(tǒng)進(jìn)行通信的功能，運(yùn)營管理系統(tǒng)與充電設(shè)備之間通信的接口支持TCP/IP協(xié)議，數(shù)據(jù)可通過有線網(wǎng)絡(luò)或無線網(wǎng)絡(luò)進(jìn)行傳輸。第二類是用戶評(píng)價(jià)和建議數(shù)據(jù)，這類數(shù)據(jù)主要來源于社交網(wǎng)絡(luò)，是充電用戶對(duì)新能源汽車充電服務(wù)的各種評(píng)論及建議，需要到網(wǎng)頁中抓取。

1.1 數(shù)據(jù)內(nèi)容及類型介紹

（1）運(yùn)營管理系統(tǒng)與充電設(shè)備之間的通信數(shù)據(jù)。這類數(shù)據(jù)主要用于判斷充電樁的運(yùn)行情況及分析其利用率。根據(jù)中國南方電網(wǎng)有限責(zé)任公司發(fā)布的《電動(dòng)汽車充換電服務(wù)網(wǎng)絡(luò)運(yùn)營監(jiān)控系統(tǒng)通信規(guī)約第2部分：系統(tǒng)與充電設(shè)施》（試行），運(yùn)營管理系統(tǒng)與充電設(shè)備之間的通信數(shù)據(jù)主要包括充電過程實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、鑒權(quán)數(shù)據(jù)、遠(yuǎn)程控制數(shù)據(jù)、交易數(shù)據(jù)等。規(guī)約中對(duì)這些數(shù)據(jù)的參數(shù)名稱、字段類型、字段長度都做了定義，不同廠家的充電樁遵從不同的通信規(guī)約，內(nèi)容會(huì)有所差異（見表1）。

（2）用戶評(píng)價(jià)和建議數(shù)據(jù)。這類數(shù)據(jù)是一種補(bǔ)充數(shù)據(jù)，用于分析用戶的滿意度，主要包括各網(wǎng)頁中用戶對(duì)新能源汽車充電服務(wù)的評(píng)價(jià)和建議，例如對(duì)現(xiàn)有充電樁安裝地點(diǎn)、數(shù)量密度是否滿意，充電時(shí)長能否接受等。

1.2 數(shù)據(jù)特點(diǎn)分析

（1）數(shù)據(jù)海量增長。以北京為例，根據(jù)中商產(chǎn)業(yè)研究院的數(shù)據(jù)，截至2019年3月北京市公共類充電樁數(shù)量已達(dá)50 694個(gè)，這些電樁采集的實(shí)時(shí)數(shù)據(jù)，日增長量早已超過TB級(jí)。

（2）結(jié)構(gòu)化數(shù)據(jù)占比大。在我們收集的新能源汽車充電樁數(shù)據(jù)中，運(yùn)營管理系統(tǒng)與充電設(shè)備之間的通信數(shù)據(jù)多為結(jié)構(gòu)化數(shù)據(jù)，用戶評(píng)價(jià)和建議數(shù)據(jù)多為半結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)。但從數(shù)據(jù)收集量來看，主要是以第一類數(shù)據(jù)為主，它是分析挖掘的最有價(jià)值的數(shù)據(jù)，并且隨著標(biāo)準(zhǔn)體系的逐步完善，這類數(shù)據(jù)的結(jié)構(gòu)會(huì)越來越規(guī)范。

（3）價(jià)值密度低。新能源汽車充電樁數(shù)據(jù)雖然海量，但是多半都是記錄數(shù)據(jù)，價(jià)值密度并不高。例如，充電過程實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)一般是正常的，異常數(shù)據(jù)非常少，但是后者才是狀態(tài)檢修的最重要依據(jù)。

（4）處理速度快。對(duì)新能源汽車充電樁數(shù)據(jù)的分析挖掘需要在極短的時(shí)間內(nèi)對(duì)大量數(shù)據(jù)進(jìn)行分析，用于決策制定。在線狀態(tài)數(shù)據(jù)的處理性能要求遠(yuǎn)高于離線數(shù)據(jù)，若未得到及時(shí)到位的處理，數(shù)據(jù)信息價(jià)值就會(huì)遞減。因此，在線的流數(shù)據(jù)分析挖掘相比傳統(tǒng)數(shù)據(jù)挖掘技術(shù)有本質(zhì)的不同。

2 新能源汽車充電樁數(shù)據(jù)分析挖掘方案

2.1 需求分析

新能源汽車充電樁數(shù)據(jù)分析主要對(duì)海量數(shù)據(jù)進(jìn)行智能采集、分析、管理和高效利用，需要支持PB級(jí)的數(shù)據(jù)存儲(chǔ)和處理。通過統(tǒng)計(jì)和挖掘分析充電樁運(yùn)行數(shù)據(jù)，進(jìn)行故障預(yù)警及判斷，提高設(shè)備的運(yùn)檢水平和運(yùn)作效率;通過分析用戶充電時(shí)間、分布狀況等數(shù)據(jù)，合理規(guī)劃安裝充電樁，提前進(jìn)行電力資源配置;通過持續(xù)跟蹤觀察電動(dòng)汽車用戶充電特征狀況，探索電動(dòng)汽車用戶充電行為習(xí)慣，研究電動(dòng)汽車用戶充電消費(fèi)模式，為用戶的充電行為提供智能推薦，提高服務(wù)的效率和質(zhì)量。

2.2 新能源汽車充電樁數(shù)據(jù)分析挖掘框架

針對(duì)新能源汽車充電樁數(shù)據(jù)的特點(diǎn)，最大限度地為新能源汽車充電樁運(yùn)營商及充電用戶提供更有用的知識(shí)、更精確的信息及更及時(shí)的響應(yīng)，本文提出了一種能源汽車充電樁數(shù)據(jù)分析挖掘框架，該框架包括5層（如圖1所示）。

（1）數(shù)據(jù)源。數(shù)據(jù)來源主要有運(yùn)營監(jiān)控系統(tǒng)和互聯(lián)網(wǎng)兩個(gè)。從運(yùn)營監(jiān)控系統(tǒng)中獲取充電樁傳回的通信數(shù)據(jù)，包括充電過程實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、鑒權(quán)數(shù)據(jù)、遠(yuǎn)程控制數(shù)據(jù)、交易數(shù)據(jù)等。在互聯(lián)網(wǎng)中抓取帶有用戶評(píng)價(jià)和建議的網(wǎng)頁。

（2）數(shù)據(jù)采集及預(yù)處理層。兩種不同的數(shù)據(jù)源分別采用不同的數(shù)據(jù)采集方法。運(yùn)營監(jiān)控系統(tǒng)數(shù)據(jù)庫中數(shù)據(jù)是結(jié)構(gòu)化的，采集方法可以使用數(shù)據(jù)庫導(dǎo)入工具或特定系統(tǒng)接口。互聯(lián)網(wǎng)頁面中的數(shù)據(jù)是非結(jié)構(gòu)化和半結(jié)構(gòu)化的，可以先用網(wǎng)站公開的API或網(wǎng)絡(luò)爬蟲進(jìn)行原始網(wǎng)頁抓取，再利用網(wǎng)頁解析工具解析并提取數(shù)據(jù)。然后將簡單、獨(dú)立的數(shù)據(jù)通過解析、清洗、重構(gòu)，轉(zhuǎn)換成適合數(shù)據(jù)挖掘的形式，再對(duì)數(shù)據(jù)進(jìn)行過濾、抽取和融合。經(jīng)過上述預(yù)處理后，所獲取的源數(shù)據(jù)保存在由數(shù)據(jù)存儲(chǔ)計(jì)算層提供的分布式存儲(chǔ)中，可供數(shù)據(jù)分析層直接使用。

（3）數(shù)據(jù)存儲(chǔ)計(jì)算層。數(shù)據(jù)存儲(chǔ)計(jì)算層的主要功能是將數(shù)據(jù)采集及預(yù)處理層的數(shù)據(jù)進(jìn)行高效存儲(chǔ)，并提高系統(tǒng)的容錯(cuò)性。傳統(tǒng)的數(shù)據(jù)存儲(chǔ)方法和數(shù)據(jù)庫技術(shù)無法有效處理海量數(shù)據(jù)，所以本層中采用分布式的存儲(chǔ)架構(gòu)解決該問題，通過分布式架構(gòu)提升數(shù)據(jù)的存儲(chǔ)能力及數(shù)據(jù)吞吐量，通過在不同分布節(jié)點(diǎn)上的備份提高系統(tǒng)的容錯(cuò)能力。

（4）數(shù)據(jù)分析層。數(shù)據(jù)分析分為兩類，分別是統(tǒng)計(jì)分析和數(shù)據(jù)挖掘。統(tǒng)計(jì)分析部分主要是對(duì)充電集中時(shí)間、充電電量增量情況和故障出現(xiàn)情況等信息的統(tǒng)計(jì)。數(shù)據(jù)挖掘部分包括基于用戶畫像的行為分析、趨勢(shì)分析、客戶分析等。針對(duì)用戶畫像的行為分析包括用戶充電統(tǒng)計(jì)、用戶偏好計(jì)算、用戶偏好調(diào)整。用戶充電統(tǒng)計(jì)算包括充電時(shí)長統(tǒng)計(jì)、充電時(shí)間段統(tǒng)計(jì)、充電地點(diǎn)統(tǒng)計(jì);用戶偏好計(jì)算包括充電時(shí)長偏好計(jì)算、充電時(shí)間段偏好計(jì)算、充電地點(diǎn)偏好計(jì)算。數(shù)據(jù)挖掘分析可以根據(jù)需要進(jìn)行擴(kuò)展。

（5）數(shù)據(jù)應(yīng)用層。數(shù)據(jù)應(yīng)用層的主要功能是將數(shù)據(jù)分析層的分析結(jié)果為充電樁運(yùn)營商及充電用戶服務(wù)。運(yùn)營商服務(wù)方面包括數(shù)據(jù)分析結(jié)果的圖表展現(xiàn)，基于業(yè)故障分析的解決方案和預(yù)防措施，基于用戶行為分析的精準(zhǔn)營銷和后續(xù)充電設(shè)施建設(shè)等。充電用戶服務(wù)方面包括基于充電樁位置及狀態(tài)信息的充電導(dǎo)航及充狀態(tài)查詢和充電預(yù)約，基于用戶行為分析的智能推薦。

3 新能源汽車充電樁數(shù)據(jù)分析挖掘關(guān)鍵技術(shù)

3.1 新能源汽車充電樁數(shù)據(jù)存儲(chǔ)計(jì)算技術(shù)

新能源汽車充電樁數(shù)據(jù)存儲(chǔ)計(jì)算技術(shù)主要包括由Hadoop的MapReduce分布式并行計(jì)算框架和HDFS分布式文件系統(tǒng)，以及存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)和基礎(chǔ)結(jié)果數(shù)據(jù)的分布式數(shù)據(jù)庫。利用HDFS超大的存儲(chǔ)空間解決海量數(shù)據(jù)的存儲(chǔ)問題（如圖2所示），利用MapReduce分布式并行計(jì)算框架進(jìn)行高速、可靠的數(shù)據(jù)分析處理（如圖3所示）。

3.2 新能源汽車充電樁數(shù)據(jù)挖掘技術(shù)

海量數(shù)據(jù)的挖掘常用的方法有分類、聚類、回歸分析、關(guān)聯(lián)規(guī)則、偏差分析等，它們分別從不同的角度對(duì)數(shù)據(jù)進(jìn)行挖掘[4]。

（1）分類與聚類。分類與聚類都是按照相似性和差異性，把一組對(duì)象劃分成若干類。在新能源汽車充電樁海量數(shù)據(jù)分析中我們可以運(yùn)用這兩種分析方法進(jìn)行充電用戶的分類、屬性和特征分析、滿意度分析、充電行為趨勢(shì)預(yù)測(cè)等工作。分類方法有許多種，其中較為成熟的有決策樹、貝葉斯、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等。傳統(tǒng)的分區(qū)聚類、層次聚類、基于密度的聚類、基于模型的聚類和基于網(wǎng)格的聚類算法應(yīng)用到大數(shù)據(jù)的聚類中需要進(jìn)行抽樣或降維，而損失了聚類的精確性;并行聚類雖然對(duì)于大數(shù)據(jù)的聚類具有效率高、可擴(kuò)展性好的優(yōu)點(diǎn)，但是算法實(shí)現(xiàn)非常難;基于MapReduce能夠?qū)崿F(xiàn)高可擴(kuò)展的面向大數(shù)據(jù)的聚類算法，但對(duì)軟硬件資源要求高[5]。

（2）回歸分析?；貧w分析是大數(shù)據(jù)分析中的一種預(yù)測(cè)性的建模技術(shù)，它研究的是自變量和因變量之間的數(shù)量變化關(guān)系，該技術(shù)一般用于預(yù)測(cè)分析，常用的有線性回歸、邏輯回歸、多項(xiàng)式回歸、逐步回歸、嶺回歸、套索回歸和ElasticNet回歸。其中，邏輯回歸在數(shù)據(jù)化運(yùn)營中有更主流、更頻繁的應(yīng)用，該分析技術(shù)可以很好地回答諸如預(yù)測(cè)、分類等數(shù)據(jù)化運(yùn)營常見的分析項(xiàng)目主題。在新能源汽車充電樁數(shù)據(jù)挖掘中，可應(yīng)用該技術(shù)預(yù)測(cè)用戶接受新服務(wù)的可能性。例如，通過降價(jià)等手段能否讓用戶在指定地點(diǎn)或時(shí)間進(jìn)行充電。

（3）關(guān)聯(lián)規(guī)則分析。關(guān)聯(lián)規(guī)則分析在數(shù)據(jù)挖掘領(lǐng)域主要用于發(fā)現(xiàn)隱藏在大型數(shù)據(jù)集中有意義的聯(lián)系。關(guān)聯(lián)規(guī)則最初用于購物籃分析，通過分析顧客購物籃中商品之間的關(guān)聯(lián)，掌握顧客的購物習(xí)慣，幫助零售商開發(fā)更好的營銷策略?，F(xiàn)在，該技術(shù)因?yàn)槟軌虺晒︻A(yù)測(cè)銀行客戶需求，而在西方金融業(yè)中得到廣泛應(yīng)用。在新能源汽車充電樁數(shù)據(jù)挖掘中，可以運(yùn)用該技術(shù)進(jìn)行用戶需求預(yù)測(cè)，利用預(yù)測(cè)信息，幫助充電樁運(yùn)營商改善自身營銷。Apriori算法是著名的關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法，其最大的缺陷是多次掃描事務(wù)數(shù)據(jù)。因此，在新能源汽車充電樁海量數(shù)據(jù)挖掘中，我們可以使用FP-樹頻集算法，該算法比Apriori算法效率高且能較好地適應(yīng)不同長度的規(guī)則。

（4）偏差分析。偏差分析的目的是發(fā)現(xiàn)與大部分其他對(duì)象不同的對(duì)象。例如，分類中的反常實(shí)例、模式的例外、觀察結(jié)果對(duì)期望的偏差等。偏差分析可采用的方法有橫道圖法、表格法及曲線法。在新能源汽車充電樁數(shù)據(jù)挖掘中，它可以應(yīng)用到充電樁設(shè)備異常信息的發(fā)現(xiàn)、分析、識(shí)別及預(yù)警等方面。

4 結(jié)語

文章提出了一種能源汽車充電樁數(shù)據(jù)分析挖掘框架，詳細(xì)描述了該框架各層的作用及數(shù)據(jù)挖掘技術(shù)。通過對(duì)新能源汽車充電樁海量數(shù)據(jù)進(jìn)行分析挖掘，找出充電用戶的行為特征和充電喜好，為運(yùn)營商及用戶雙方提供更大價(jià)值的信息。隨著信息壁壘的打破，該數(shù)據(jù)分析挖掘框架也可用于車、樁、網(wǎng)數(shù)據(jù)融合后充電、用電、駕駛等大數(shù)據(jù)分析，結(jié)合用戶交通指數(shù)為充電站建設(shè)提供數(shù)據(jù)支持，進(jìn)一步提高充電樁利用率，幫助運(yùn)營商調(diào)整運(yùn)營策略。

參 考 文 獻(xiàn)

[1]國家發(fā)展改革委.電動(dòng)汽車充電基礎(chǔ)設(shè)施發(fā)展指南（2015—2020年）[Z].2015.

[2]中國南方電網(wǎng)有限責(zé)任公司.電動(dòng)汽車充換電服務(wù)網(wǎng)絡(luò)運(yùn)營監(jiān)控系統(tǒng)通信規(guī)約第2部分：系統(tǒng)與充電設(shè)施（試行）[Z].2016

[3]管天云，侯春華.大數(shù)據(jù)技術(shù)在智能管道海量數(shù)據(jù)分析與挖掘中的應(yīng)用[J].現(xiàn)代電信科技，2014（2）.

[4]李蓉蓉.基于Hadoop的電商平臺(tái)大數(shù)據(jù)挖掘研究[J].南方農(nóng)機(jī)，2017（22）.

[5]海沫.大數(shù)據(jù)聚類算法綜述[J].計(jì)算機(jī)科學(xué)，2016（S1）.

[6]張文，王東，鄭靜楠，等.電動(dòng)汽車領(lǐng)域的大數(shù)據(jù)研究與應(yīng)用[J].大眾用電，2016（12）.

[7]潘鳴宇，張祿，孫舟，等.電動(dòng)汽車領(lǐng)域的大數(shù)據(jù)處理與分析[J].電氣應(yīng)用，2016（5）.

[8]邢偉寅，鐘樂海，羅金生.基于互聯(lián)網(wǎng)+新能源汽車充電導(dǎo)航系統(tǒng)設(shè)計(jì)[J].價(jià)值工程，2017（12）.