1.一种基于数据驱动的电动公交车充电站选址方法，其特征在于，包括：S1：对目标城市进行格栅化，生成目标城市栅格；

S2：根据电动公交车的刷卡数据提取对应的乘客OD出行数据；

S3：将乘客OD出行数据匹配到目标城市栅格中，生成对应的城市出行网络；

S4：对城市出行网络进行社区发现，将划分得到的社区作为初始的充电服务区；

S5：对乘客OD出行数据进行数据挖掘得到各条公交线路的发车班次和运营里程，再根据发车班次和运营里程得到各条公交线路的充电需求；

S6：根据初始的充电服务区和各条公交线路的充电需求确定充电站选址及其服务范围；

具体包括：

S601：对每个充电服务区内的充电需求进行冷热点分析，确定充电需求聚集的热点区域和冷点区域；

S602：以充电需求为权重，利用重心法确定每个充电服务区内的充电站选址；

S603：利用Voronoi图重新划分充电站选址的服务范围；

S604：根据充电需求聚集的热点区域和冷点区域结合充电站选址及其服务范围计算对应的空间聚集度和需求聚集度；

步骤S604中，需求聚集度的计算公式为：

式中：H表示需求聚集度；D

空间聚集度的计算公式为：

式中：S表示需求聚集度；Dis

S605：判断空间聚集度和需求聚集度是否稳定或达到最优：若是，则进入步骤S606，否则，根据新划分的充电站选址服务范围更新充电服务区的服务范围，并返回步骤S601进行下一次迭代；

S606：输出对应的充电站选址及其服务范围的划分结果。

2.如权利要求1所述的基于数据驱动的电动公交车充电站选址方法，其特征在于：步骤S3中，首先对乘客OD出行数据的起终点进行集计；然后将居民出行的起终点站匹配至目标城市栅格中的对应格栅；最后将居民出行的起终点视为网络节点，OD线视为网络边，OD量作为边权，生成基于电动公交车出行的城市出行网络。

3.如权利要求1所述的基于数据驱动的电动公交车充电站选址方法，其特征在于：步骤S4中，通过如下步骤进行社区发现：S401：初始化，将城市出行网络中的每个节点划分在不同的社区中；

S402：对于每个节点，拟将其划分到与其邻接的节点所在的社区中，并计算划分前后的模块度变化值：若模块度变化值为零，则放弃本次划分；否则，接受本次划分；

1)模块度的计算公式为：

式中：Q表示城市出行网络的模块度；A表示领接矩阵；A

2)模块度变化值的计算公式为：

ΔQ＝Q

式中：ΔQ表示划分前后模块度Q的变化量，即模块度变化值；QS403：重复步骤S402，直到所有节点都被访问一遍且没有发生更新，生成对应的社区结构；

S404：根据步骤S403中生成的社区结构重新构造城市出行网络，将同一个社区内的所有节点聚合到一起，形成新的节点；

S405：重复步骤S402至S404，直到城市出行网络的结构不再改变时，将划分得到的社区作为充电服务区。

4.如权利要求1所述的基于数据驱动的电动公交车充电站选址方法，其特征在于：步骤S5中，通过如下公式计算公交线路的充电需求：Demand

Mileage

式中：Demand

5.如权利要求1所述的基于数据驱动的电动公交车充电站选址方法，其特征在于：步骤S601中，首先识别公交线路的首末站，并将公交线路的首末站作为冷热点分析的基本空间单元；然后将各条公交线路的充电需求作为冷热点分析的数值依据；最后对各条公交线路首末站的聚集形态进行热点分析，得到充电需求聚集的热点区域和冷点区域。

6.如权利要求5所述的基于数据驱动的电动公交车充电站选址方法，其特征在于：步骤S601中，基于莫兰指数进行冷热点分析；

通过莫兰指数将公交线路首末站的聚集形态分为高值聚集、低值被高值包围、低值聚集和高值被低值包围，将高值聚集和低值聚集作为充电需求聚集的热点区域和冷点区域；

莫兰指数的计算公式描述为：

式中：I表示全局莫兰指数；n表示格栅的个数；i和j表示两个不同的格栅；w

7.如权利要求1所述的基于数据驱动的电动公交车充电站选址方法，其特征在于：步骤S602中，重心法的计算公式表示为：式中：C

8.如权利要求1所述的基于数据驱动的电动公交车充电站选址方法，其特征在于：步骤S605中，判断空间聚集度是否稳定或达到最优是指，连续两次计算得到的空间聚集度和需求聚集度不再变化或下降。