CN113486262B - 一种电动汽车充电站选址方法、***和可读存储介质 - Google Patents

一种电动汽车充电站选址方法、***和可读存储介质 Download PDF

Info

Publication number
CN113486262B
CN113486262B CN202111045841.0A CN202111045841A CN113486262B CN 113486262 B CN113486262 B CN 113486262B CN 202111045841 A CN202111045841 A CN 202111045841A CN 113486262 B CN113486262 B CN 113486262B
Authority
CN
China
Prior art keywords
charging station
charging
demand
address
candidate address
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111045841.0A
Other languages
English (en)
Other versions
CN113486262A (zh
Inventor
韩丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Guangmingding Technology Co ltd
Original Assignee
Shenzhen Guangmingding Lighting Science & Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Guangmingding Lighting Science & Technology Co ltd filed Critical Shenzhen Guangmingding Lighting Science & Technology Co ltd
Priority to CN202111045841.0A priority Critical patent/CN113486262B/zh
Publication of CN113486262A publication Critical patent/CN113486262A/zh
Application granted granted Critical
Publication of CN113486262B publication Critical patent/CN113486262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供一种电动汽车充电站选址方法、***和可读存储介质，所述方法包括：枚举出预设行政区域内所有充电站待选地址；分别测量两两充电站待选地址之间的最短路程，当最短路程小于第一预设阈值时，则认定所述两两充电站待选地址为临近充电站待选地址；沿着最短路程标记出临近充电站待选地址的路程中点；以路程中点为中心获取预设半径范围内的所有充电需求点；分别测量所有充电需求点到临近充电站待选地址的路程，并分别累加得到第一总路程和第二总路程；将较小总路程对应的临近充电站待选地址进行保留，并剔除较大总路程对应的临近充电站待选地址。本发明能够有效提升电动汽车充电站规划的合理性。

Description

一种电动汽车充电站选址方法、***和可读存储介质
技术领域
本发明涉及灯光控制技术领域，尤其涉及一种电动汽车充电站选址方法、***和可读存储介质。
背景技术
传统汽车是以汽油或柴油为燃料，经发动机工作产生动能驱动汽车前行。燃油属于不可再生资源，在当今社会经济快速发展，资源消耗与日俱增。汽车排出的尾气严重污染了空气，使大气变暖气温升高。在化石能源过度采集和环境污染日趋严峻的趋势下，人们开始寻求低碳无污染且经济高效的电动汽车作为代步工具。
电动汽车的健康可持续发展离不开充电基础设施的保障。在进行充电站布设时，重中之重即是布设选址及布设规模的合理性。目前，很多地区出现电动汽车与充电站设施发展不协调的问题，多数地区的用户由于充电难、充电慢等问题而不愿意使用电动汽车。还有一些地区由于充电设施规划不当造成覆盖范围间有重叠或覆盖间有盲区，从而导致供大于求“车少桩多”资源浪费的情况或出现供不应求“车多桩少”的现象。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种电动汽车充电站选址方法、***和可读存储介质，能够有效提升电动汽车充电站规划的合理性。
本发明第一方面提出了一种电动汽车充电站选址方法，所述方法包括：
枚举出预设行政区域内所有充电站待选地址；
分别测量两两充电站待选地址之间的最短路程，当所述最短路程小于第一预设阈值时，则认定所述两两充电站待选地址为临近充电站待选地址，预设临近充电站待选地址包括充电站待选地址A和充电站待选地址B；
沿着最短路程标记出充电站待选地址A和充电站待选地址B的路程中点；
以所述路程中点为中心获取预设半径范围内的所有充电需求点；
分别测量所有充电需求点到充电站待选地址A的路程，并进行累加得到第一总路程；分别测量所有充电需求点到充电站待选地址B的路程，并进行累加得到第二总路程；
将第一总路程与第二总路程中较小的总路程对应的充电站待选地址A或充电站待选地址B进行保留，并剔除较大的总路程对应的充电站待选地址B或充电站待选地址A。
本方案中，在选定较小的总路程对应的充电站待选地址A或充电站待选地址B晋级为充电站候选地址之后，所述方法还包括：
基于剩余的充电站待选地址重新进行测量两两充电站待选地址之间的最短路程，并判断最短路程是否小于预设阈值，如果小于预设阈值，则继续对临近充电站待选地址进行剔除处理；
直到经过多轮剔除处理后，剩余的充电站待选地址的两两充电站待选地址之间的最短路程均不小于第一预设阈值，则停止继续剔除处理流程，并将剩余的充电站待选地址作为最终的充电站候选地址。
本方案中，在以所述路程中点为中心获取预设半径范围内的所有充电需求点之后，所述方法还包括：
分别获取所有充电需求点的需求量
Figure DEST_PATH_IMAGE001
，
Figure 696914DEST_PATH_IMAGE002
表示第n个充电需求点的需求量，n表示所有充电需求点的总数量；
分别测量每个充电需求点到充电站待选地址A的最短路程
Figure DEST_PATH_IMAGE003
，以及每个充电需求点到充电站待选地址B的最短路程
Figure 339248DEST_PATH_IMAGE004
，其中
Figure DEST_PATH_IMAGE005
表示n个充电需求点到充电站待选地址A的最短路程，
Figure 694137DEST_PATH_IMAGE006
表示n个充电需求点到充电站待选地址B的最短路程；
将每个充电需求点的需求量与每个充电需求点到充电站待选地址A的最短路程进行相乘，并进行累计，得到第一累计值
Figure DEST_PATH_IMAGE007
；将每个充电需求点的需求量与每个充电需求点到充电站待选地址A的路程进行相乘，并进行累计，得到第二累计值
Figure 130934DEST_PATH_IMAGE008
；
分别对比第一累计值
Figure DEST_PATH_IMAGE009
和第二累计值
Figure 820542DEST_PATH_IMAGE010
，并选定累计值较小的充电站待选地址进行保留，并剔除累计值较大的充电站候选地址。
本方案中，在以所述路程中点为中心获取预设半径范围内的所有充电需求点之后，所述方法还包括：
获取电动汽车由充电需求点出发的常行驶方向L；
分别获取所有充电需求点的需求量
Figure 987DEST_PATH_IMAGE001
，
Figure 131754DEST_PATH_IMAGE002
表示第n个充电需求点的需求量，n表示所有充电需求点的总数量；
分别测量出每个充电需求点到充电站待选地址A的最短路程
Figure 5032DEST_PATH_IMAGE003
，以及每个充电需求点到充电站待选地址B的最短路程
Figure 322881DEST_PATH_IMAGE004
，其中
Figure 680919DEST_PATH_IMAGE005
表示n个充电需求点到充电站待选地址A的路程，
Figure 400613DEST_PATH_IMAGE006
表示n个充电需求点到充电站待选地址B的路程；
将每个最短路程
Figure 444793DEST_PATH_IMAGE003
分别投影在常行驶方向L，计算获取每个最短路程
Figure 249938DEST_PATH_IMAGE003
的投影向量
Figure DEST_PATH_IMAGE011
，剔除向量为正的投影向量，并保留向量为负的投影向量；将每个最短路程
Figure 162399DEST_PATH_IMAGE004
分别投影在常行驶方向L，计算获取每个最短路程
Figure 736600DEST_PATH_IMAGE004
的投影向量
Figure 951681DEST_PATH_IMAGE012
；
根据投影向量
Figure 978542DEST_PATH_IMAGE011
中为负的投影向量中确定出对应的充电需求点，并根据对应的充电需求确定出其对应的需求量，将投影向量
Figure 445427DEST_PATH_IMAGE011
中为负的投影向量分别与对应的需求量进行相乘，并进行累计，得到第一投影向量累计值；根据投影向量
Figure 874134DEST_PATH_IMAGE012
中为负的投影向量中确定出对应的充电需求点，并根据对应的充电需求确定出其对应的需求量，将投影向量
Figure 260116DEST_PATH_IMAGE012
中为负的投影向量分别与对应的需求量进行相乘，并进行累计，得到第二投影向量累计值；
分别对比第一投影向量累计值和第二投影向量累计值，并选定投影向量累计值较大的充电站待选地址进行保留，并剔除投影向量累计值较小的充电站候选地址。
本方案中，在枚举出预设行政区域内所有充电站待选地址之后，所述方法还包括：
通过遥感技术获取预设行政区域在预设时间段的历史遥感图像；
从所述历史遥感图像中判断每个充电站待选地址被水淹没的次数；
当某充电站待选地址被水淹没的次数大于预设次数时，则剔除该充电站待选地址。
本方案中，在将剩余的充电站待选地址作为最终的充电站候选地址之后，所述方法还包括：
获取某充电站候选地址的面积，并提供单个充电装置占用面积，以及单个充电装置完成一次充电的单次充电时长；
预测出该充电站候选地址的高峰时段，并根据该充电站候选地址的面积与单个充电装置占用面积计算出该充电站候选地址能容纳的充电装置数量；
统计历史时间的高峰时段通过该充电站候选地址的车流量；
将所述车流量与预设充电需求比值进行相乘计算高峰时段的最大需求充电车辆数量；
获取每个候选地址的面积，根据总面积以及单个充电装置占用面积计算出充电装置数量；
将该充电站候选地址能容纳的充电装置数量、单个充电装置的单次充电时长以及高峰时段进行相乘以计算出高峰时段该充电站候选地址能够完成充电最多车辆数量；
判断所述充电最多车辆数量是否大于等于最大需求充电车辆数量，如果是，则认定该充电站候选地址合格，如果否，则认定该充电站候选地址不合格。
本发明第二方面还提出一种电动汽车充电站选址***，包括存储器和处理器，所述存储器中包括一种电动汽车充电站选址方法程序，所述电动汽车充电站选址方法程序被所述处理器执行时实现如上述的一种电动汽车充电站选址方法的步骤。
本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种电动汽车充电站选址方法程序，所述电动汽车充电站选址方法程序被处理器执行时，实现如上述的一种电动汽车充电站选址方法的步骤。
本发明提出的一种电动汽车充电站选址方法、***和计算机可读存储介质，能够实现对充电站的位置进行合理规划，缓解用户充电难的问题，同时避免充电站的过度重叠，有效防止资源浪费。
本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1示出了本发明一种电动汽车充电站选址方法的流程图；
图2示出了本发明一种电动汽车充电站选址***的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种电动汽车充电站选址方法的流程图。
如图1所示，本发明第一方面提出一种电动汽车充电站选址方法，所述方法包括：
S102，枚举出预设行政区域内所有充电站待选地址；
S104，分别测量两两充电站待选地址之间的最短路程，当所述最短路程小于第一预设阈值时，则认定所述两两充电站待选地址为临近充电站待选地址，预设临近充电站待选地址包括充电站待选地址A和充电站待选地址B；
S106，沿着最短路程标记出充电站待选地址A和充电站待选地址B的路程中点；
S108，以所述路程中点为中心获取预设半径范围内的所有充电需求点；
S110，分别测量所有充电需求点到充电站待选地址A的路程，并进行累加得到第一总路程；分别测量所有充电需求点到充电站待选地址B的路程，并进行累加得到第二总路程；
S112，将第一总路程与第二总路程中较小的总路程对应的充电站待选地址A或充电站待选地址B进行保留，并剔除较大的总路程对应的充电站待选地址B或充电站待选地址A。
需要说明的是，由于现有的城市，尤其一二线城市的中心区域大部分规划建设已定型，直接根据充电站服务半径规划出多块区域新建充电站的可能性较小。本发明初始的充电站待选地址是由城市规划部门针对现有的停车场或空置区域中的选定的地址。可以理解，由于这些选定的地址是基于现有的城市环境选定的，其分布可能会比较集中，因此本发明首先确认出临近充电站待选地址，然后基于充电需求点选定最适合的充电站待选地址，从而方便周围的电动汽车车主进行充电，并节省充电所需的路程消耗和时间。
需要说明的是，最短路程是指在遵循道路交通规章制度的情况下，电动汽车沿道路通行在两两充电站待选地址之间的最短路程。可以理解，路程中点是指由路程中点到临近充电站待选地址的路程距离相等，换言之，路程中点等分所述最短路程。可以理解，所述充电需求点可以为小区、写字楼、商场、酒店等；但不限于此。
根据本发明的具体实施例，以以所述路程中点为中心获取预设半径范围内的所有充电需求点之后，所述方法还包括：
针对每个充电需求点计算其到路程中点的最短路程；
判断所述最短路程是否超过第二预设阈值，如果是，则剔除该充电需求点，如果否，则选定该充电需求点并进行后续对临近充电站待选地址的抉择。
根据本发明的实施例，在选定较小的总路程对应的充电站待选地址A或充电站待选地址B晋级为充电站候选地址之后，所述方法还包括：
基于剩余的充电站待选地址重新进行测量两两充电站待选地址之间的最短路程，并判断最短路程是否小于预设阈值，如果小于预设阈值，则继续对临近充电站待选地址进行剔除处理；
直到经过多轮剔除处理后，剩余的充电站待选地址的两两充电站待选地址之间的最短路程均不小于第一预设阈值，则停止继续剔除处理流程，并将剩余的充电站待选地址作为最终的充电站候选地址。
需要说明的是，对于充电站待选地址A而言，与其临近的待选地址可能不止充电站待选地址B，也可能有充电站待选地址C，然而第一轮剔除后，可能会从充电站待选地址A、B中，保留充电站待选地址A，稍后剩余的充电站待选地址中则包含充电站待选地址A、C，此时充电站待选地址A与C仍为本发明所述临近充电站待选地址，则仍需要进行第二轮剔除处理，直到剩余的充电站待选地址中没有临近充电站待选地址为止，即可完成整个剔除处理流程。且经过剔除处理后的剩余充电站待选地址由于不临近，则不会造成充电站过剩的局面，进一步确保充电站选址规划的合理性。
根据本发明的实施例，在以所述路程中点为中心获取预设半径范围内的所有充电需求点之后，所述方法还包括：
分别获取所有充电需求点的需求量
Figure 39853DEST_PATH_IMAGE001
，
Figure 294117DEST_PATH_IMAGE002
表示第n个充电需求点的需求量，n表示所有充电需求点的总数量；
分别测量每个充电需求点到充电站待选地址A的最短路程
Figure 842910DEST_PATH_IMAGE003
，以及每个充电需求点到充电站待选地址B的最短路程
Figure 665373DEST_PATH_IMAGE004
，其中
Figure 666827DEST_PATH_IMAGE005
表示n个充电需求点到充电站待选地址A的最短路程，
Figure 334569DEST_PATH_IMAGE006
表示n个充电需求点到充电站待选地址B的最短路程；
将每个充电需求点的需求量与每个充电需求点到充电站待选地址A的最短路程进行相乘，并进行累计，得到第一累计值
Figure 123488DEST_PATH_IMAGE007
；将每个充电需求点的需求量与每个充电需求点到充电站待选地址A的路程进行相乘，并进行累计，得到第二累计值
Figure 116852DEST_PATH_IMAGE008
；
分别对比第一累计值
Figure 340023DEST_PATH_IMAGE009
和第二累计值
Figure 342614DEST_PATH_IMAGE010
，并选定累计值较小的充电站待选地址进行保留，并剔除累计值较大的充电站候选地址。
需要说明的是，在获取所述充电需求点的需求量时，可以根据充电需求点的停车位数量推出电动汽车的数量，并将电动汽车的数量作为该充电需求点的需求量。进一步的，由于各个充电需求点，具有门禁***，通过门禁***记录的电动汽车信息进行统计计算该充电需求点的需求量。
可以理解，由于各个充电需求点的需求量不同，则对充电站的需求度也不尽相同，例如一个小区的电动汽车较多，则对充电站的需求度较高，另一个小区的电动汽车较少，则对充电站的需求度较小。在对临近充电站待选地址进行选择时，则可以基于路程和需求量的多少进行综合分析判断，以满足多数用户的需求，从而达到选址的合理性。
根据本发明的实施例，在以所述路程中点为中心获取预设半径范围内的所有充电需求点之后，所述方法还包括：
获取电动汽车由充电需求点出发的常行驶方向L；
分别获取所有充电需求点的需求量
Figure 600420DEST_PATH_IMAGE001
，
Figure 623740DEST_PATH_IMAGE002
表示第n个充电需求点的需求量，n表示所有充电需求点的总数量；
分别测量出每个充电需求点到充电站待选地址A的最短路程
Figure 599786DEST_PATH_IMAGE003
，以及每个充电需求点到充电站待选地址B的最短路程
Figure 874909DEST_PATH_IMAGE004
，其中
Figure 987222DEST_PATH_IMAGE005
表示n个充电需求点到充电站待选地址A的路程，
Figure 197755DEST_PATH_IMAGE006
表示n个充电需求点到充电站待选地址B的路程；
将每个最短路程
Figure 395518DEST_PATH_IMAGE003
分别投影在常行驶方向L，计算获取每个最短路程
Figure 739911DEST_PATH_IMAGE003
的投影向量
Figure 972310DEST_PATH_IMAGE011
，剔除向量为正的投影向量，并保留向量为负的投影向量；将每个最短路程
Figure 212798DEST_PATH_IMAGE004
分别投影在常行驶方向L，计算获取每个最短路程
Figure 288070DEST_PATH_IMAGE004
的投影向量
Figure 904996DEST_PATH_IMAGE012
；
根据投影向量
Figure 991901DEST_PATH_IMAGE011
中为负的投影向量中确定出对应的充电需求点，并根据对应的充电需求确定出其对应的需求量，将投影向量
Figure 403291DEST_PATH_IMAGE011
中为负的投影向量分别与对应的需求量进行相乘，并进行累计，得到第一投影向量累计值；根据投影向量
Figure 841225DEST_PATH_IMAGE012
中为负的投影向量中确定出对应的充电需求点，并根据对应的充电需求确定出其对应的需求量，将投影向量
Figure 635744DEST_PATH_IMAGE012
中为负的投影向量分别与对应的需求量进行相乘，并进行累计，得到第二投影向量累计值；
分别对比第一投影向量累计值和第二投影向量累计值，并选定投影向量累计值较大的充电站待选地址进行保留，并剔除投影向量累计值较小的充电站候选地址。
需要说明的是，对于郊区的各个充电需求点每天通常有一个常行驶方向，则是去往市中心或去往工作区域，一般情况下，城市都会有一些定位区域，例如某个区域则是写字楼聚集区域，比如城市东区，然而对于城市西区的各个小区（即充电需求点）则每天有一个常行驶方向，则是自西向东。在对临近充电站待选地址剔除过程中，则可以考虑常规电动汽车的出行方向，如果充电站待选地址位于电动汽车的出行方向，则可以达到事半功倍效果，如果充电站待选地址位于电动汽车出行方向的反方向，则容易造成过多的无用功，并会延长用户的充电时长，同时用户在往返充电过程中也会造成道路的拥堵。因此本发明的实施例综合考虑各个充电需求点的需求量与常行驶方向因素，选定合适的充电站待选地址进行保留。
根据本发明的实施例，在枚举出预设行政区域内所有充电站待选地址之后，所述方法还包括：
通过遥感技术获取预设行政区域在预设时间段的历史遥感图像；
从所述历史遥感图像中判断每个充电站待选地址被水淹没的次数；
当某充电站待选地址被水淹没的次数大于预设次数时，则剔除该充电站待选地址。
需要说明的是，由于充电站建立后需要稳定运行，如果某待选地址经常被水淹没，则说明该地址不适合建立充电站，应对该充电站待选地址进行剔除。
根据本发明的具体实施例，从所述历史遥感图像中判断每个充电站待选地址被水淹没，具体包括：
构建基于局部二值模式和频谱特征的整合模型：构建基于遥感图像数据的训练集，对训练集的遥感图像网格化为预设大小的特征提取单位后分别提取局部二值模式特征集和频谱特征集；对局部二值模式特征集和频谱特征集分别进行 K-means算法聚类，得到基于局部二值模式的聚类结果和基于频谱特征的聚类结果，以构建基于局部二值模式和频谱特征的整合模型；
采用整合模型进行遥感图像中的水体提取：将训练集的遥感图像基于整合模型进行向量化表示，构成训练特征向量集并训练整合模型中的 SVM 分类器；输入待识别的历史遥感图像，根据整合模型将待识别遥感图像分块向量化并由训练后的SVM 分类器进行分类，统计分类结果，得到待识别的历史遥感图像中的水体提取结果；
对水体提取结果中的混合像元块进行细化识别，以优化水体提取结果，判断是否有充电站待选地址落入水体提取结果中，如果是，则标记该充电站待选地址被水淹没一次。
根据本发明的实施例，在将剩余的充电站待选地址作为最终的充电站候选地址之后，所述方法还包括：
获取某充电站候选地址的面积，并提供单个充电装置占用面积，以及单个充电装置完成一次充电的单次充电时长；
预测出该充电站候选地址的高峰时段，并根据该充电站候选地址的面积与单个充电装置占用面积计算出该充电站候选地址能容纳的充电装置数量；
统计历史时间的高峰时段通过该充电站候选地址的车流量；
将所述车流量与预设充电需求比值进行相乘计算高峰时段的最大需求充电车辆数量；
获取每个候选地址的面积，根据总面积以及单个充电装置占用面积计算出充电装置数量；
将该充电站候选地址能容纳的充电装置数量、单个充电装置的单次充电时长以及高峰时段进行相乘以计算出高峰时段该充电站候选地址能够完成充电最多车辆数量；
判断所述充电最多车辆数量是否大于等于最大需求充电车辆数量，如果是，则认定该充电站候选地址合格，如果否，则认定该充电站候选地址不合格。
需要说明的是，本发明在分析该充电站待选地址的高峰时段时，首先判断该充电站待选地址的区域类别，然后根据区域类别匹配对应的高峰时段。所述区域类别可以为居民区域、写字楼区域等，针对居民区域，则其高峰时段通常在晚上6点至9点时段，而写字楼区域的高峰时段则是在上午9点至12点时段。可以理解，本发明的实施例则是分析该充电站候选地址的高峰时段所能完成充电的车辆数量是否满足最大需求充电车辆数量，如果不满足，则容易造成排队，而排队挤压，则会延伸至道路中间，进而给道路造成拥堵现象，长时间的道路拥堵将不利于城市健康运行。本发明的实施例在选定充电站建设时，则避免后期对道路造成拥堵。
根据本发明的具体实施例，预测出该充电站候选地址的高峰时段，具体包括：
获取预设行政区域内的已有充电站，并统计所述已有充电站的历史充电数据；
从所述历史充电数据中分析出已有充电站的高峰时段，并获取该已有充电站周围预设范围内的需求点数量以及需求点类型；
将所有已有充电站的高峰时段、周围预设范围内的需求点数量以及需求点类型作为训练集；
通过对训练集进行机器学习以获取高峰时段与周围预设范围内的需求点数量以及需求点类型之间的关联参数，并基于所述关联参数构建高峰时段预设模型；
获取该充电站候选地址周围预设范围内的需求点数量以及需求点类型，并输入高峰时段预设模型，由所述高峰时段预设模型预测出该充电站候选地址的高峰时段。
根据本发明的具体实施例，在将剩余的充电站待选地址作为最终的充电站候选地址之后，所述方法还包括：
获取每个充电站候选地址所在路段的拥堵历史数据；
根据拥堵历史数据计算拥堵频率，判断拥堵频率是否超过第二预设阈值，如果是，则认定该充电站候选地址合格，否者，则认定该充电站候选地址不合格。
根据本发明的具体实施例，在将剩余的充电站待选地址作为最终的充电站候选地址之后，所述方法还包括：
依次按照上述方式剔除完所有相邻待选地址后，对剩余的候选地址进行整体校对；
标出最终的充电站候选地址在预设行政区域的地图标记；
将预设行政区域划分多个小行政区域，统计每个小行政区域的充电站候选地址数量；
统计每个小行政区域的需求量；
并计算每个小行政区域的充电站候选地址数量与需求量之间的比值，判断所述比值是否落入预设区间范围内，如果是，则判定该小行政区域的候选地址达标；如果否，且小于预设区间范围的最小值，从该小行政区域内剔除的充电站待选地址中选定出对应数量的充电站待选地址晋级为充电站候选地址，直至所述比值落入预设区间范围；
如果否，且大于预设区间范围的最大值，则重新计算该小行政区域内两两充电站候选地址之间的最短路程，并对最短路程进行排序，选定最短路程较小的两两充电站候选地址，并按照剔除处理原则剔除一个充电站候选地址，直至所述比值落入预设区间范围。
可以理解，本发明按照预设的选定原则从该小行政区域内剔除的充电站待选地址中选定出对应数量的充电站待选地址，所述选定原则具体为：首先计算该小行政区域内所有剔除的充电站待选地址与邻近的充电站候选地址之间的最短路程，并对最短路程进行排序，选定最短路程较大的剔除的充电站待选地址晋级为充电站候选地址。
可以理解，预设行政区域可以为“市”，小行政区域可以为“区”，本发明进一步根据每个小行政区域的整体需求量对充电站候选地址进行修正，以满足每个小行政区域的充电站均衡化部署。
根据本发明的具体实施例，在将剩余的充电站待选地址作为最终的充电站候选地址之后，所述方法还包括：
建立不同类型充电站的充电装置部署模板库；
采集获取每个充电站候选地址的遥感图像，并从所述遥感图像中提取每个充电站候选地址的特征值；
将某充电站候选地址的特征值与所述充电装置部署模板库中不同类型充电站的特征值进行相似性分析，并按照相似性高度进行排序；
选取相似性高的充电站模板，按照所述充电站模板对该充电站候选地址进行部署充电装置。
图2示出了本发明一种电动汽车充电站选址***的框图。
如图2所示，本发明第二方面还提出一种电动汽车充电站选址***2，包括存储器21和处理器22，所述存储器中包括一种电动汽车充电站选址方法程序，所述电动汽车充电站选址方法程序被所述处理器执行时实现如下步骤：
枚举出预设行政区域内所有充电站待选地址；
分别测量两两充电站待选地址之间的最短路程，当所述最短路程小于第一预设阈值时，则认定所述两两充电站待选地址为临近充电站待选地址，预设临近充电站待选地址包括充电站待选地址A和充电站待选地址B；
沿着最短路程标记出充电站待选地址A和充电站待选地址B的路程中点；
以所述路程中点为中心获取预设半径范围内的所有充电需求点；
分别测量所有充电需求点到充电站待选地址A的路程，并进行累加得到第一总路程；分别测量所有充电需求点到充电站待选地址B的路程，并进行累加得到第二总路程；
将第一总路程与第二总路程中较小的总路程对应的充电站待选地址A或充电站待选地址B进行保留，并剔除较大的总路程对应的充电站待选地址B或充电站待选地址A。
根据本发明的实施例，在选定较小的总路程对应的充电站待选地址A或充电站待选地址B晋级为充电站候选地址之后，所述电动汽车充电站选址方法程序被所述处理器执行时还实现如下步骤：
基于剩余的充电站待选地址重新进行测量两两充电站待选地址之间的最短路程，并判断最短路程是否小于预设阈值，如果小于预设阈值，则继续对临近充电站待选地址进行剔除处理；
直到经过多轮剔除处理后，剩余的充电站待选地址的两两充电站待选地址之间的最短路程均不小于第一预设阈值，则停止继续剔除处理流程，并将剩余的充电站待选地址作为最终的充电站候选地址。
根据本发明的实施例，在以所述路程中点为中心获取预设半径范围内的所有充电需求点之后，所述电动汽车充电站选址方法程序被所述处理器执行时还实现如下步骤：
分别获取所有充电需求点的需求量
Figure 577155DEST_PATH_IMAGE001
，
Figure 425025DEST_PATH_IMAGE002
表示第n个充电需求点的需求量，n表示所有充电需求点的总数量；
分别测量每个充电需求点到充电站待选地址A的最短路程
Figure 84677DEST_PATH_IMAGE003
，以及每个充电需求点到充电站待选地址B的最短路程
Figure 168039DEST_PATH_IMAGE004
，其中
Figure 229536DEST_PATH_IMAGE005
表示n个充电需求点到充电站待选地址A的最短路程，
Figure 248308DEST_PATH_IMAGE006
表示n个充电需求点到充电站待选地址B的最短路程；
将每个充电需求点的需求量与每个充电需求点到充电站待选地址A的最短路程进行相乘，并进行累计，得到第一累计值
Figure 129676DEST_PATH_IMAGE007
；将每个充电需求点的需求量与每个充电需求点到充电站待选地址A的路程进行相乘，并进行累计，得到第二累计值
Figure 157675DEST_PATH_IMAGE008
；
分别对比第一累计值
Figure 949045DEST_PATH_IMAGE009
和第二累计值
Figure 138718DEST_PATH_IMAGE010
，并选定累计值较小的充电站待选地址进行保留，并剔除累计值较大的充电站候选地址。
本发明第二方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种电动汽车充电站选址方法程序，所述电动汽车充电站选址方法程序被处理器执行时，实现如上述的一种电动汽车充电站选址方法的步骤。
本发明提出的一种电动汽车充电站选址方法、***和计算机可读存储介质，能够实现对充电站的位置进行合理规划，缓解用户充电难的问题，同时避免充电站的过度重叠，有效防止资源浪费。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (6)

1.一种电动汽车充电站选址方法，其特征在于，所述方法包括：
枚举出预设行政区域内所有充电站待选地址；
分别测量两两充电站待选地址之间的最短路程，当所述最短路程小于第一预设阈值时，则认定所述两两充电站待选地址为临近充电站待选地址，预设临近充电站待选地址包括充电站待选地址A和充电站待选地址B；
沿着最短路程标记出充电站待选地址A和充电站待选地址B的路程中点；
以所述路程中点为中心获取预设半径范围内的所有充电需求点；
分别测量所有充电需求点到充电站待选地址A的路程，并进行累加得到第一总路程；分别测量所有充电需求点到充电站待选地址B的路程，并进行累加得到第二总路程；
将第一总路程与第二总路程中较小的总路程对应的充电站待选地址A或充电站待选地址B进行保留，并剔除较大的总路程对应的充电站待选地址B或充电站待选地址A；
基于剩余的充电站待选地址重新进行测量两两充电站待选地址之间的最短路程，并判断最短路程是否小于预设阈值，如果小于预设阈值，则继续对临近充电站待选地址进行剔除处理；
直到经过多轮剔除处理后，剩余的充电站待选地址的两两充电站待选地址之间的最短路程均不小于第一预设阈值，则停止继续剔除处理流程，并将剩余的充电站待选地址作为最终的充电站候选地址；
获取某充电站候选地址的面积，并提供单个充电装置占用面积，以及单个充电装置完成一次充电的单次充电时长；
预测出该充电站候选地址的高峰时段，并根据该充电站候选地址的面积与单个充电装置占用面积计算出该充电站候选地址能容纳的充电装置数量；
统计历史时间的高峰时段通过该充电站候选地址的车流量；
将所述车流量与预设充电需求比值进行相乘计算高峰时段的最大需求充电车辆数量；
获取每个候选地址的面积，根据总面积以及单个充电装置占用面积计算出充电装置数量；
将该充电站候选地址能容纳的充电装置数量、单个充电装置的单次充电时长以及高峰时段进行相乘以计算出高峰时段该充电站候选地址能够完成充电最多车辆数量；
判断所述充电最多车辆数量是否大于等于最大需求充电车辆数量，如果是，则认定该充电站候选地址合格，如果否，则认定该充电站候选地址不合格。
2.根据权利要求1所述的一种电动汽车充电站选址方法，其特征在于，在以所述路程中点为中心获取预设半径范围内的所有充电需求点之后，所述方法还包括：
分别获取所有充电需求点的需求量
Figure 973202DEST_PATH_IMAGE001
，
Figure 155922DEST_PATH_IMAGE002
表示第n个充电需求点的需求量，n表示所有充电需求点的总数量；
分别测量每个充电需求点到充电站待选地址A的最短路程
Figure 263555DEST_PATH_IMAGE003
，以及每个充电需求点到充电站待选地址B的最短路程
Figure 924343DEST_PATH_IMAGE004
，其中
Figure 269874DEST_PATH_IMAGE005
表示n个充电需求点到充电站待选地址A的最短路程，
Figure 951391DEST_PATH_IMAGE006
表示n个充电需求点到充电站待选地址B的最短路程；
将每个充电需求点的需求量与每个充电需求点到充电站待选地址A的最短路程进行相乘，并进行累计，得到第一累计值
Figure 484004DEST_PATH_IMAGE007
；将每个充电需求点的需求量与每个充电需求点到充电站待选地址A的路程进行相乘，并进行累计，得到第二累计值
Figure 10800DEST_PATH_IMAGE008
；
分别对比第一累计值
Figure 939398DEST_PATH_IMAGE009
和第二累计值
Figure 260658DEST_PATH_IMAGE010
，并选定累计值较小的充电站待选地址进行保留，并剔除累计值较大的充电站候选地址。
3.根据权利要求1所述的一种电动汽车充电站选址方法，其特征在于，在以所述路程中点为中心获取预设半径范围内的所有充电需求点之后，所述方法还包括：
获取电动汽车由充电需求点出发的常行驶方向L；
分别获取所有充电需求点的需求量
Figure 546146DEST_PATH_IMAGE001
，
Figure 548737DEST_PATH_IMAGE002
表示第n个充电需求点的需求量，n表示所有充电需求点的总数量；
分别测量出每个充电需求点到充电站待选地址A的最短路程
Figure 400019DEST_PATH_IMAGE003
，以及每个充电需求点到充电站待选地址B的最短路程
Figure 361021DEST_PATH_IMAGE004
，其中
Figure 868226DEST_PATH_IMAGE005
表示n个充电需求点到充电站待选地址A的路程，
Figure 674508DEST_PATH_IMAGE006
表示n个充电需求点到充电站待选地址B的路程；
将每个最短路程
Figure 645875DEST_PATH_IMAGE003
分别投影在常行驶方向L，计算获取每个最短路程
Figure 246621DEST_PATH_IMAGE003
的投影向量
Figure 506701DEST_PATH_IMAGE011
，剔除向量为正的投影向量，并保留向量为负的投影向量；将每个最短路程
Figure 116674DEST_PATH_IMAGE004
分别投影在常行驶方向L，计算获取每个最短路程
Figure 942547DEST_PATH_IMAGE004
的投影向量
Figure 979773DEST_PATH_IMAGE012
；
根据投影向量
Figure 461570DEST_PATH_IMAGE011
中为负的投影向量中确定出对应的充电需求点，并根据对应的充电需求确定出其对应的需求量，将投影向量
Figure 671972DEST_PATH_IMAGE011
中为负的投影向量分别与对应的需求量进行相乘，并进行累计，得到第一投影向量累计值；根据投影向量
Figure 555614DEST_PATH_IMAGE012
中为负的投影向量中确定出对应的充电需求点，并根据对应的充电需求确定出其对应的需求量，将投影向量
Figure 763742DEST_PATH_IMAGE012
中为负的投影向量分别与对应的需求量进行相乘，并进行累计，得到第二投影向量累计值；
分别对比第一投影向量累计值和第二投影向量累计值，并选定投影向量累计值较大的充电站待选地址进行保留，并剔除投影向量累计值较小的充电站候选地址。
4.根据权利要求1所述的一种电动汽车充电站选址方法，其特征在于，在枚举出预设行政区域内所有充电站待选地址之后，所述方法还包括：
通过遥感技术获取预设行政区域在预设时间段的历史遥感图像；
从所述历史遥感图像中判断每个充电站待选地址被水淹没的次数；
当某充电站待选地址被水淹没的次数大于预设次数时，则剔除该充电站待选地址。
5.一种电动汽车充电站选址***，其特征在于，包括存储器和处理器，所述存储器中包括一种电动汽车充电站选址方法程序，所述电动汽车充电站选址方法程序被所述处理器执行时实现如权利要求1至4中任一项所述的一种电动汽车充电站选址方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种电动汽车充电站选址方法程序，所述电动汽车充电站选址方法程序被处理器执行时，实现如权利要求1至4中任一项所述的一种电动汽车充电站选址方法的步骤。
CN202111045841.0A 2021-09-07 2021-09-07 一种电动汽车充电站选址方法、***和可读存储介质 Active CN113486262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111045841.0A CN113486262B (zh) 2021-09-07 2021-09-07 一种电动汽车充电站选址方法、***和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111045841.0A CN113486262B (zh) 2021-09-07 2021-09-07 一种电动汽车充电站选址方法、***和可读存储介质

Publications (2)

Publication Number Publication Date
CN113486262A CN113486262A (zh) 2021-10-08
CN113486262B true CN113486262B (zh) 2021-11-16

Family

ID=77947305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111045841.0A Active CN113486262B (zh) 2021-09-07 2021-09-07 一种电动汽车充电站选址方法、***和可读存储介质

Country Status (1)

Country Link
CN (1) CN113486262B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116452245B (zh) * 2023-06-15 2023-09-01 跨越速运集团有限公司 一种物流场站选址方法、装置、设备及存储介质
CN116843045B (zh) * 2023-09-01 2023-11-14 南京特拉利精密电子科技有限公司 车辆充电桩管理方法及***
CN117196265A (zh) * 2023-11-07 2023-12-08 国网浙江省电力有限公司宁波供电公司 电动汽车充电站选址规划方法、***和可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109193727A (zh) * 2018-10-30 2019-01-11 国网江苏省电力有限公司南通供电分公司 一种含电动汽车的智能配电网概率协调规划方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009230555A (ja) * 2008-03-24 2009-10-08 Mitsubishi Electric Corp 需要予測方法、在庫計画策定方法、需要予測システムおよび在庫計画策定システム
JP5569317B2 (ja) * 2010-10-05 2014-08-13 株式会社オートネットワーク技術研究所 電力情報報知装置
US10417723B2 (en) * 2016-02-08 2019-09-17 Conduent Business Services, Llc Method and system for identifying locations for placement of replenishment stations for vehicles
CN107832958A (zh) * 2017-11-15 2018-03-23 云南电网有限责任公司 一种基于需求分析的电动出租车充电站规划方法
CN110288132B (zh) * 2019-06-06 2021-03-23 浙江工业大学 一种基于改进的tlbo算法的电动车充电桩的布局方法
US11878602B2 (en) * 2019-11-22 2024-01-23 State Grid Fujian Electric Power Co., Ltd. Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109193727A (zh) * 2018-10-30 2019-01-11 国网江苏省电力有限公司南通供电分公司 一种含电动汽车的智能配电网概率协调规划方法

Also Published As

Publication number Publication date
CN113486262A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN113486262B (zh) 一种电动汽车充电站选址方法、***和可读存储介质
Faridimehr et al. A stochastic programming approach for electric vehicle charging network design
Rane et al. An integrated GIS, MIF, and TOPSIS approach for appraising electric vehicle charging station suitability zones in Mumbai, India
CN108162771B (zh) 一种电动汽车智能充电导航方法
De Gennaro et al. Customer-driven design of the recharge infrastructure and Vehicle-to-Grid in urban areas: A large-scale application for electric vehicles deployment
CN105160428B (zh) 高速公路电动汽车快速充电站的规划方法
De Gennaro et al. GIS-driven analysis of e-mobility in urban areas: An evaluation of the impact on the electric energy grid
CN106548246B (zh) 一种电动车辆实时充电推荐方法及其***
CN109145982A (zh) 驾驶员的身份识别方法及装置、存储介质、终端
CN106600612A (zh) 一种电动汽车租赁前后损坏识别检测方法
Hsu et al. The depot and charging facility location problem for electrifying urban bus services
CN110189182B (zh) 一种基于车联网的里程焦虑管理方法
Tan et al. A stochastic flow capturing location and allocation model for siting electric vehicle charging stations
Andrenacci et al. Determination of the level of service and customer crowding for electric charging stations through fuzzy models and simulation techniques
Hu et al. Driving preference analysis and electricity pricing strategy comparison for electric vehicles in smart city
Iravani A multicriteria GIS-based decision-making approach for locating electric vehicle charging stations
Charly et al. Identifying optimal locations for community electric vehicle charging
CN110807552A (zh) 一种基于改进K-means的城市电动客车行驶工况构建方法
CN110254285A (zh) 一种基于车联网的对里程焦虑用户提供服务的方法及***
Li et al. An empirical analysis of electric vehicles’ charging patterns
CN111861527A (zh) 一种电动汽车充电站的确定方法、装置及存储介质
CN114186146A (zh) 带容量限制的网约车服务网点选址方法及***
CN117035357A (zh) 一种电动出租车队在能源-交通中的充放电调度方法
CN111429166A (zh) 基于最大轮廓聚类的电动汽车充电需求空间分布预测方法
He et al. Factors affecting the adoption intention of electric vehicles: The roles of objective, perceived and prospective accessibility

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: Floor 3, Building Lichun (1 #), Taihua wutong Industrial Park, Sanwei Community, Hangcheng Street, Bao'an District, Shenzhen, Guangdong 518100

Patentee after: Shenzhen Guangmingding Technology Co.,Ltd.

Address before: 518100 4th floor, building a, Runfeng Industrial Park, Bao'an Avenue, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN GUANGMINGDING LIGHTING SCIENCE & TECHNOLOGY CO.,LTD.

CP03 Change of name, title or address