1.一种李群引导注意推理网络的电动汽车充电站选址方法，其特征在于，该方法将李群机器学习方法和引导注意推理网络方法结合，用于电动汽车充电站选址，依据交通数据的情况下获得电动汽车充电站候选位置；李群引导注意推理网络的电动汽车充电站选址方法在使用过程中的步骤为：步骤(1)：将引导注意推理网络方法用于处理交通数据，达到最优训练样本集的目的；

对于给定的图像I，在约束流Sc,l中，设fl,k激活第l层中单元k，对于每个来自真实标签c的类别C，类别C关于激活地图的梯度为s ，神经元重要性权重 为回流的梯度将通过全局平均池化：式中，GAP(·)表示全局平均池化；

c

为了整合所有激活地图，使用权重矩阵w 作为内核和应用二维卷积在激活图矩阵fl，进c行线性整流函数ReLU操作以获得A注意图：c c

A＝ReLU(conv(fl,w))

式中，l来自最后一个卷积层，特征在详细的空间信息和高级语义之间平衡；

c *c

使用注意图A生成一个用于原始输入图像的软遮罩获得I ：c c

式中， 表示元素级的乘法，T(A)是一个基于阈值操作的屏蔽函数；为了使T(A)可导，c使用sigmoid函数作为T(A)函数：I为给定的图像；

c c

式中，ω是尺度参数，当T(A)大于σ，或者等于0时，保证T(A)近似等于1；注意挖掘损失*c的损失函数目的是最小化类别C的I 的预测分数，c *c *c

式中，s(I )表示类别C的I 的预测得分；n为图像的真实标签的个数；

最终的自导向损耗Lself是分类损耗Lcl和Lam的总和：Lself＝Lcl+αLam

式中，Lcl是多标签软利润损失；α是权重参数，设置为1；

步骤(2)：将李群机器学习方法用于引导注意推理网络方法屏蔽函数参数；

李群机器学习方法用于引导注意推理网络方法屏蔽函数参数；σ为李群机器学习样本集的内均值：i＝1,2,…,c；j＝1,2,…,ni其中，xij表示李群训练样本集中第i个分类中第j个样本，ni表示第i个分类中训练样本的个数，一共有C个类别；

步骤(3)：将李群引导注意推理网络方法应用于电动汽车充电站选址；

将交通需求出发点和目的地的经纬度转换为网格编号，通过统计网格编号出现的次数，间接统计网格内的交通需求量；网格划分方法是按照一定间隔将分析区域划分为大小相等的网格，用D表示网格划分的间隔；当D＝0.01°时表示分析区域按照0.01°经度和纬度的间隔划分为若干等间隔的网格，每个网格为700m×1000m的长方形网格；

定义(Xmin,Ymin)为分析区域的左下角经纬度坐标，(Xmin,Ymin)为右上角经纬度坐标；(Xi,Yi)是任意一条交通需求点位置的经纬度坐标，则(Xi,Yi)所在网格编号(gridCx,gridCy)为gridCx＝(int)((Xi‑Xmin)/W)gridCy＝(int)((Yi‑Ymin)/W)；

(int)为取整数部分；选择需求量大的网格作为电动汽车充电站选址的候选位置。