数学建模UrbanEV数据集说明.docxVIP

UrbanEV数据集说明

UrbanEV项目由中山大学智能系统实验室主导，联合香港理工大学等机构共同开发。该项目公开了中国深圳地区的大规模电动汽车充电行为数据集，并配套发布了完整的预测模型工具包。

UrbanEV数据集采集自2022年9月至2023年2月期间深圳市的公共充电设施，具有以下显著特点：

空间覆盖全面：原始数据包含1,682个公共充电站，24,798个充电桩，覆盖331个交通分区。经过清洗后的基准数据集包含1,362个充电站和17,532个充电桩，对应275个交通分区。

时间分辨率精细：原始数据以5分钟为最小时间单元记录充电状态，同时提供聚合后的1小时分辨率数据，满足不同研究需求。

多维特征丰富：数据集不仅包含基础的充电量信息，还整合了丰富的时空特征，如地理位置、时间戳、天气条件等上下文信息。

数据质量与处理：研究团队对原始数据进行了严格的质量控制，包括，异常值检测与处理：采用统计方法和领域知识识别并修正异常充电记录；缺失值填补：结合时空相关性进行合理插补；数据标准化：统一不同来源的数据格式和单位；隐私保护：对敏感信息进行匿名化处理。清洗后的数据集更适合机器学习模型训练，同时保留了原始数据的统计特性。

技术工具包组成：UrbanEV项目不仅提供数据，还开源了完整的预测模型实现，包括：

传统时间序列模型

自回归(AR)模型

差分整合移动平均自回归(ARIMA)模型

基础机器学习模型

全连接神经网络(FCNN)

长短期记忆网络(LSTM)

图神经网络模型

图卷积网络(GCN)

时空图卷积网络(ASTGCN)

前沿Transformer架构

多种基于注意力机制的时空预测变体

工具包采用模块化设计，支持快速模型比较和扩展。所有代码都经过优化，可在普通计算设备上高效运行。

网址：/IntelligentSystemsLab/UrbanEV