多源數(shù)據(jù)融合的用戶充電行為分析與充電設(shè)施規(guī)劃實(shí)踐

盛裕杰，郭慶來，劉夢潔，蘭 健，曾泓泰，王 芳

（1. 清華大學(xué)電機(jī)工程與應(yīng)用電子技術(shù)系，北京市 100084；2. 電力系統(tǒng)及大型發(fā)電設(shè)備安全控制和仿真國家重點(diǎn)實(shí)驗(yàn)室（清華大學(xué)），北京市 100084；3. 上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測研究中心，上海市 201805）

0 引言

電動(dòng)汽車作為一種綠色交通工具，近年來獲得了快速發(fā)展［1-2］。2020 年底，中國以492 萬輛的電動(dòng)汽車保有量領(lǐng)跑全球［3］，并呈現(xiàn)出純電動(dòng)比例高、特大城市為主、營運(yùn)車輛領(lǐng)跑的發(fā)展趨勢。由于土地資源的有限性，城市將面臨巨大的公共快速充電設(shè)施需求。作為國家新基建戰(zhàn)略的重要組成，國內(nèi)公共充電設(shè)施快速擴(kuò)張，截至2020 年底已達(dá)79.8 萬臺［4］，成為能源-交通融合網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)［5-6］。然而，充電設(shè)施發(fā)展可能面臨有樁無車、有車無樁的供需失配難題［7］。因此，亟須構(gòu)建高效的公共充電設(shè)施規(guī)劃體系，有效服務(wù)電動(dòng)汽車發(fā)展。

目前，許多學(xué)者綜合考慮能源系統(tǒng)與交通系統(tǒng)等多重因素，建立了點(diǎn)需求模型［8］、截流選址模型［9］、出行-到達(dá)（origin-destination，O-D）分析模型［10］等多類充電設(shè)施規(guī)劃模型，并給出了高效的求解算法［11］，為電動(dòng)汽車充電設(shè)施選址定容提供了研究基礎(chǔ)。與燃油車加油相比，電動(dòng)汽車充電時(shí)間更長，因此其充電設(shè)施規(guī)劃需綜合考慮用戶的出行-充電行為，以減小充電對用戶出行的負(fù)面影響［12］。但上述研究對車輛用戶行為的刻畫通常較為簡單，常默認(rèn)車主完全理性，如假設(shè)用戶在路徑選擇和充電決策中追求既定目標(biāo)最大化。然而，真實(shí)場景的用戶出行-充電行為具有一定主觀性與異質(zhì)性，可能受多種因素影響。針對這一問題，部分學(xué)者引入累計(jì)前景理論［13］、后悔理論［14］、用戶均衡［15］、離散選擇模型［16］、潛在分類模型［17］、隨機(jī)效用理論［18］等社會科學(xué)領(lǐng)域的行為決策理論，對用戶出行-充電過程中的“感知-決策-行動(dòng)”過程進(jìn)行了刻畫。但上述研究通常在仿真建模層面開展，多未結(jié)合實(shí)測數(shù)據(jù)驗(yàn)證模型和參數(shù)的有效性。

近年來，隨著大數(shù)據(jù)技術(shù)的快速發(fā)展，能源與交通行業(yè)積累了海量的車輛時(shí)空軌跡、手機(jī)基站信號、充電記錄等數(shù)據(jù)，為用戶行為分析、充電負(fù)荷預(yù)測與引導(dǎo)提供了新的解決方案，例如：文獻(xiàn)［19］基于傳感器數(shù)據(jù)提取駕乘用戶決策特征，提出了不同信息可知度下的營運(yùn)車輛充電負(fù)荷預(yù)測方法，并通過多種價(jià)格手段引導(dǎo)用戶行為，提高系統(tǒng)性能［20］；文獻(xiàn)［21］通過網(wǎng)約車數(shù)據(jù)集挖掘獲得再生特征數(shù)據(jù)，采用累積前景理論描述車輛用戶的隨機(jī)充電決策行為，并將其應(yīng)用于充電站推薦；文獻(xiàn)［22］基于手機(jī)信號數(shù)據(jù)與充電站數(shù)據(jù)，發(fā)掘了車輛用戶的典型出行模式及其與充電負(fù)荷的關(guān)聯(lián)；文獻(xiàn)［23］基于充電站記錄數(shù)據(jù)，采用條件隨機(jī)場模型分析了充電負(fù)荷的時(shí)空價(jià)格彈性。部分研究開展了數(shù)據(jù)驅(qū)動(dòng)的充電設(shè)施規(guī)劃研究，例如：文獻(xiàn)［24］針對充電軟件的用戶評價(jià)，開展充電服務(wù)需求的主題挖掘，為充電站布局優(yōu)化提供了指導(dǎo)；文獻(xiàn)［25］通過軌跡數(shù)據(jù)有效定位潛在交通需求量大的位置，降低了充電站選址的盲目性；文獻(xiàn)［26］根據(jù)電動(dòng)汽車行駛數(shù)據(jù)，選擇車輛長期停車地點(diǎn)作為候選地址，降低了電動(dòng)汽車的過放電率；文獻(xiàn)［27］基于電動(dòng)出租車軌跡數(shù)據(jù)提取充電需求，實(shí)現(xiàn)充電站選址與充電樁配置優(yōu)化；文獻(xiàn)［28］融合浮動(dòng)車時(shí)空軌跡、機(jī)動(dòng)車屬性信息與社交網(wǎng)絡(luò)簽到信息，提出了駕駛用戶畫像方法與基于聚合算法的充電樁選址方法；文獻(xiàn)［29］基于網(wǎng)約車軌跡數(shù)據(jù)提取交通可再生時(shí)空特征，對快速充電需求進(jìn)行仿真，并結(jié)合實(shí)際充電站運(yùn)營數(shù)據(jù)進(jìn)行了驗(yàn)證。上述數(shù)據(jù)驅(qū)動(dòng)充電設(shè)施規(guī)劃研究多基于單一數(shù)據(jù)集開展，面向充電需求聚合、充電站選址推薦等單一維度進(jìn)行挖掘，在選址定容規(guī)劃過程中仍存在較多模型假設(shè)，對用戶選擇的多重影響因素考慮不全，與現(xiàn)實(shí)結(jié)果可能存在一定偏差。

綜上，現(xiàn)有充電設(shè)施研究缺乏對用戶充電行為的刻畫與多源真實(shí)數(shù)據(jù)的聯(lián)合挖掘分析，在分析對象與研究視角上尚存一定局限性。為此，本文依托上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測研究中心舉辦的新能源汽車大數(shù)據(jù)競賽［30］，面向賽道“新能源汽車公共充電設(shè)施配套評價(jià)及優(yōu)化分析”，融合營運(yùn)車輛軌跡數(shù)據(jù)、充電站數(shù)據(jù)、乘用車出行數(shù)據(jù)、交通路況數(shù)據(jù)與興趣點(diǎn)檢索數(shù)據(jù)等多源數(shù)據(jù)，開展了真實(shí)數(shù)據(jù)挖掘?qū)嵺`，旨在計(jì)及用戶行為偏好，為充電基礎(chǔ)設(shè)施規(guī)劃提供現(xiàn)實(shí)可行的架構(gòu)，服務(wù)電動(dòng)汽車與新型電力系統(tǒng)發(fā)展。

1 多源數(shù)據(jù)融合與挖掘

本文研究架構(gòu)如圖1 所示，以多源數(shù)據(jù)融合為基礎(chǔ)，從宏觀角度分析用戶群體出行-充電行為與城市宏觀時(shí)空特征的關(guān)聯(lián)；從微觀角度，綜合設(shè)施規(guī)模、分時(shí)價(jià)格與區(qū)域功能屬性等多重影響因素，對用戶充電需求產(chǎn)生與選擇過程的異質(zhì)偏好進(jìn)行建模。在此基礎(chǔ)上，建立能源-交通融合網(wǎng)絡(luò)仿真架構(gòu)，實(shí)現(xiàn)現(xiàn)有公共充電設(shè)施性能評估與未來充電設(shè)施擴(kuò)展規(guī)劃。本章首先對多源數(shù)據(jù)融合進(jìn)行介紹。

圖1 本文研究架構(gòu)Fig.1 Research framework of this paper

1.1 數(shù)據(jù)集描述

考慮到單一數(shù)據(jù)集包含信息的不完整性，本文建立了圖2 所示的多源數(shù)據(jù)融合分析架構(gòu)，試圖為能源-交通融合網(wǎng)絡(luò)的建模提供更為真實(shí)、完整的研究視角。下面對數(shù)據(jù)的概況與用途作簡要介紹，數(shù)據(jù)集的詳細(xì)描述見附錄A。

圖2 多源數(shù)據(jù)融合分析架構(gòu)Fig.2 Analysis framework of multi-source data fusion

1.1.1 營運(yùn)車輛軌跡數(shù)據(jù)

競賽官方發(fā)布的數(shù)據(jù)集包含100 輛營運(yùn)電動(dòng)汽車100 天內(nèi)的時(shí)空軌跡與充電、行駛等狀態(tài)記錄。根據(jù)車輛狀態(tài)，可對該時(shí)空軌跡進(jìn)行分割，提取反映宏觀充電需求與微觀用戶充電偏好的關(guān)鍵特征，應(yīng)用于充電設(shè)施規(guī)劃。

1.1.2 充電站數(shù)據(jù)

考慮到軌跡數(shù)據(jù)途經(jīng)的充電站數(shù)量有限，無法反映現(xiàn)有充電設(shè)施的全貌，難以完整呈現(xiàn)用戶充電選擇的過程，因此，本文從充電服務(wù)軟件等渠道獲取了上海市公共充電站的地理位置、充電樁數(shù)目以及充電、服務(wù)價(jià)格信息，為用戶充電選擇的分析過程提供支撐。

1.1.3 乘用車出行數(shù)據(jù)

考慮到營運(yùn)車輛的有限性，本文向上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測研究中心申請了乘用車出行統(tǒng)計(jì)數(shù)據(jù)，包括乘用車出行O-D 表與停留熱點(diǎn)表等信息，以反映全體車輛用戶的出行需求，應(yīng)用于充電負(fù)荷的仿真重構(gòu)，也可為充電設(shè)施選址提供參考。

1.1.4 交通路況數(shù)據(jù)

考慮到用戶充電選擇受到交通擁堵的影響，本文還向上述研究平臺申請獲得上海市道路交通流量、車速與交通指數(shù)等統(tǒng)計(jì)數(shù)據(jù)，以反映交通網(wǎng)絡(luò)暢通情況，用于充電負(fù)荷仿真與充電設(shè)施選址。

1.1.5 周邊興趣點(diǎn)檢索數(shù)據(jù)

考慮到用戶充電選擇可能受區(qū)域功能屬性的影響，本文通過地圖軟件查詢充電站周邊的興趣點(diǎn)信息，共覆蓋美食、酒店、購物等16 類主要一級行業(yè)信息，可應(yīng)用于充電行為分析與充電設(shè)施選址。

1.2 數(shù)據(jù)預(yù)處理

針對營運(yùn)車輛時(shí)空軌跡數(shù)據(jù)，本文首先將車輛軌跡分割為行駛、長時(shí)間停車和充電的多條記錄，并在此基礎(chǔ)上進(jìn)行數(shù)據(jù)清洗與補(bǔ)充，最終實(shí)現(xiàn)充電位置聚合與真實(shí)站點(diǎn)匹配，具體流程見附錄B 第B1 章。

1.3 關(guān)鍵特征提取

上述預(yù)處理過程壓縮了軌跡數(shù)據(jù)信息，因此，還需針對每條充電記錄，補(bǔ)充其排隊(duì)與逗留時(shí)長與充電前軌跡等關(guān)鍵特征，具體流程見附錄B 第B2 章。

2 電動(dòng)汽車用戶宏觀充電行為分析

在預(yù)處理基礎(chǔ)上，本章首先站在宏觀視角進(jìn)行分析，旨在讓讀者對城市電動(dòng)汽車群體行為有整體感知，發(fā)掘電動(dòng)汽車用戶充電行為的影響因素，為后續(xù)的用戶行為建模與充電設(shè)施規(guī)劃提供參考。

2.1 單源數(shù)據(jù)：用戶充電記錄分析

首先，基于車輛軌跡數(shù)據(jù)集獲得的記錄，從充電起止時(shí)間、充電功率、荷電狀態(tài)（state of charge，SOC）等多重維度，對電動(dòng)汽車群體充電行為的社會化特征進(jìn)行分析。

針對車輛充電開始時(shí)間與充電開始SOC 進(jìn)行聯(lián)合分析，如圖3 所示，可見用戶充電呈現(xiàn)白天與夜晚的兩個(gè)高峰，主要集中在00：00 后的休息時(shí)間、12：00 后與19：00 后的餐后時(shí)間，符合營運(yùn)車輛的特征，即在客源較少時(shí)進(jìn)行充電。同時(shí)，車輛開始充電的SOC 主要集中在40%～50%之間，可見司機(jī)存在較大的里程焦慮，而并非有固定的充電觸發(fā)SOC 閾值。這一結(jié)果說明充電需求預(yù)測應(yīng)聯(lián)合考慮時(shí)間與SOC 兩大重要因素，也證明了電動(dòng)汽車充電與出行的關(guān)聯(lián)，體現(xiàn)了多源真實(shí)數(shù)據(jù)研究的必要性。

圖3 電動(dòng)汽車用戶群體充電開始SOC 與時(shí)段分析Fig.3 Analysis on charging starting SOC and time period of electric vehicle user group

進(jìn)一步對充電開始與結(jié)束時(shí)間進(jìn)行聯(lián)合分析，結(jié)果如附錄C 圖C1（a）所示，可見車輛在白天的充電時(shí)長一般在1 h 以內(nèi)，符合司機(jī)的營運(yùn)需求；夜晚則存在較長時(shí)間的充電行為，對應(yīng)了司機(jī)的休息時(shí)間。這一結(jié)果也表明充電需求預(yù)測應(yīng)計(jì)及不同類型車輛的時(shí)段偏好。充電結(jié)束時(shí)間與結(jié)束SOC 的分析如圖C1（b）所示，可見大部分車輛以充滿為主，但也有部分車輛在白天由于營運(yùn)壓力，主動(dòng)放棄了SOC 達(dá)到95%以后的慢速涓流充電。

同時(shí)，針對充電次數(shù)與充電功率進(jìn)行分析，結(jié)果如附錄C 圖C2 所示，可見大部分車輛一日兩充，其中白天以20 kW 以上的快充居多。

2.2 多源數(shù)據(jù)：城市時(shí)空關(guān)聯(lián)分析

本節(jié)結(jié)合多源數(shù)據(jù)對用戶群體行為進(jìn)行分析。結(jié)合充電站數(shù)據(jù)，分析充電站規(guī)模與充電價(jià)格對用戶充電的影響，結(jié)果如附錄C 圖C3 所示：約70%的充電發(fā)生在該時(shí)刻充電價(jià)格最低的30%充電站，可見用戶總是傾向于選擇低價(jià)的充電站。而在單個(gè)充電站，充電車輛數(shù)的局部高峰、低谷與充電價(jià)格低谷、高峰分別對應(yīng)，體現(xiàn)了用戶的價(jià)格彈性。因此，充電價(jià)格是充電行為建模中需要考慮的要素。

接著，對充電站訪問頻次與充電樁數(shù)量進(jìn)行相關(guān)性分析，可得訪問頻次與快充樁數(shù)目呈正相關(guān)，說明快充用戶通常會關(guān)注站點(diǎn)規(guī)模導(dǎo)致的排隊(duì)時(shí)長差異。而本文主要對公共快充樁的規(guī)劃進(jìn)行研究，因此充電站規(guī)模也需在充電行為建模中加以考慮。

結(jié)合交通路況數(shù)據(jù)，計(jì)算各時(shí)段處于行駛、停車、充電的車輛比例，結(jié)合道路的平均擁堵指數(shù)，分析車輛充電行為與城市時(shí)間特征的關(guān)聯(lián)。如圖4 所示，08：00 的早高峰與18：00 的晚高峰時(shí)段充電車輛明顯較少。具體計(jì)算可得，嘉定區(qū)、楊浦區(qū)道路交通擁堵指數(shù)與充電車輛比例的相關(guān)性分別為-0.67與-0.78，體現(xiàn)了營運(yùn)車輛的錯(cuò)峰充電特征：一方面，高峰時(shí)段出行需求較大，錯(cuò)峰充電可避免營運(yùn)收入的流失；另一方面，在擁堵時(shí)段前去充電可能帶來更大的空駛時(shí)間損失。因此，后續(xù)的用戶充電行為建模與能源-交通協(xié)同仿真中應(yīng)計(jì)及不同時(shí)段的交通擁堵導(dǎo)致的旅行時(shí)間差異，從而對用戶充電決策進(jìn)行更為精準(zhǔn)的刻畫。

圖4 電動(dòng)汽車充電行為與城市時(shí)間特征的關(guān)聯(lián)分析Fig.4 Analysis of correlation between electric vehicle charging behavior and urban temporal characteristics

結(jié)合乘用車出行數(shù)據(jù)，對比到達(dá)率前100 的熱門到達(dá)街道和訪問頻率前100 的高頻充電站，結(jié)果如附錄C 圖C4 所示，可見77%的高頻充電站都位于熱門到達(dá)街道。這一結(jié)果反映了車輛的出行與充電的關(guān)聯(lián)性：營運(yùn)車輛通常在人流量較大的位置進(jìn)行充電，以便接到后續(xù)乘客，從而避免長途空駛。因此，后續(xù)的能源-交通融合仿真應(yīng)考慮各類用戶的出行需求，充電設(shè)施選址也應(yīng)計(jì)及候選站點(diǎn)潛在客源（與乘用車到達(dá)率、周邊路段交通流量相關(guān)）的規(guī)模。

結(jié)合周邊興趣點(diǎn)檢索數(shù)據(jù)，對熱門充電位置周圍的設(shè)施分布情況進(jìn)行分析，結(jié)果如圖5 所示。

圖5 電動(dòng)汽車充電行為與周邊設(shè)施的關(guān)聯(lián)分析Fig.5 Analysis on correlation between electric vehicle charging behavior and surrounding facilities

由圖5 可見，熱門充電位置周邊的高頻興趣點(diǎn)主要包括住房、美食、購物與生活服務(wù)等，反映了司機(jī)與乘客的用餐與生活需求。其中，排名第4 的296號充電位置相對特殊，周圍基本只有旅游景點(diǎn)。經(jīng)查詢，該充電站在上海歡樂谷附近，說明司機(jī)在將乘客送達(dá)景點(diǎn)之后進(jìn)行了充電。上述結(jié)果說明了充電站選址過程應(yīng)重點(diǎn)考慮興趣點(diǎn)熱點(diǎn)所在處，既為營運(yùn)車輛司機(jī)提供充足的客源，也為私家車司機(jī)提供生活的便利。

3 電動(dòng)汽車用戶微觀充電行為建模

上述宏觀分析發(fā)掘了用戶群體充電行為的特征與影響因素，下面從微觀用戶個(gè)體角度進(jìn)行定量分析，建立能源-交通融合仿真模型，為充電設(shè)施規(guī)劃提供支撐。車輛的快速充電行為建?？煞譃槌潆娦枨螽a(chǎn)生與充電站選擇兩步：前者主要考慮車輛充電前自身的狀態(tài)，重在體現(xiàn)車輛從“行駛”到“充電”的狀態(tài)轉(zhuǎn)變；后者則主要考慮車輛尋找充電站過程中所感知的備選充電站特征屬性，重在體現(xiàn)車輛在局域充電站間的篩選與決策。

3.1 用戶充電需求產(chǎn)生建模

本文首先基于決策樹模型對用戶充電需求的產(chǎn)生進(jìn)行建模，以所處時(shí)段與SOC 狀態(tài)為特征變量，預(yù)測車輛是否發(fā)生充電行為。一方面，所處時(shí)段和SOC 與用戶產(chǎn)生充電需求的眾多因素（如交通流與電價(jià)低谷、累計(jì)行駛里程）存在關(guān)聯(lián)；另一方面，這兩個(gè)因素也是相對易于獲取的車輛狀態(tài)，有利于模型在不同場景下的泛化拓展。

決策樹模型是運(yùn)用概率分析的一種機(jī)器學(xué)習(xí)方法，通過樹形結(jié)構(gòu)反映輸入屬性與判斷結(jié)果間的映射。每個(gè)內(nèi)部節(jié)點(diǎn)代表對一個(gè)屬性的判斷，每個(gè)分支代表一個(gè)判斷結(jié)果；每個(gè)末端葉節(jié)點(diǎn)代表一種分類結(jié)果，具有較高的可解釋性。將預(yù)處理得到的記錄分為充電與不充電兩類樣本，構(gòu)建二元分類決策樹。隨機(jī)抽取80%的樣本作為訓(xùn)練集，采用分類回歸樹算法進(jìn)行訓(xùn)練，并通過限制分支數(shù)避免過擬合。剩余20%的樣本作為測試集，檢驗(yàn)得到模型平均準(zhǔn)確率達(dá)到91%。以某車輛為例，所獲得的決策樹模型如圖6 所示，其中，每個(gè)節(jié)點(diǎn)都以餅圖形式呈現(xiàn)，其數(shù)字代表了其下屬支路對應(yīng)的記錄數(shù)目，餅圖中的黃色與綠色分別代表充電（charging）與不充電（no-charging）記錄的比例。各內(nèi)部節(jié)點(diǎn)標(biāo)注的變量代表了該節(jié)點(diǎn)的判斷屬性，其中time_stage_h 表示所處時(shí)間段，start_soc 表示當(dāng)前SOC；而末端的葉節(jié)點(diǎn)標(biāo)注的狀態(tài)則代表了該次記錄的分類結(jié)果。

由圖6 可見，決策樹的根節(jié)點(diǎn)（紅圈）首先以SOC 為判據(jù)對1 047 條記錄進(jìn)行判斷，當(dāng)SOC 小于等于30.5%則更可能發(fā)生充電行為，反映了用戶的里程焦慮；而藍(lán)圈節(jié)點(diǎn)則以所處時(shí)段為判據(jù)對118條記錄進(jìn)行分類：當(dāng)time_stage_h 小于等于4.2 h（凌晨04：12）時(shí)更偏向于充電，反映了用戶休息前充電的習(xí)慣。因此，該模型為后續(xù)充電站規(guī)劃提供了具有一定解釋性的需求預(yù)測。

3.2 用戶充電站選擇建模

在充電需求預(yù)測的基礎(chǔ)上，為衡量不同電動(dòng)汽車用戶對充電站距離、規(guī)模、價(jià)格及周邊興趣點(diǎn)等多重因素的異質(zhì)偏好，同時(shí)兼顧模型解釋性與復(fù)雜度，本文引入地理信息領(lǐng)域評估商業(yè)中心吸引力的Huff 模型［31-32］，通過真實(shí)數(shù)據(jù)對用戶選擇充電站的過程進(jìn)行建模。傳統(tǒng)Huff 模型假設(shè)顧客光顧商業(yè)中心的空間概率分布與商業(yè)中心面積正相關(guān)，與顧客的旅行成本反相關(guān)。本文針對充電選擇場景對其進(jìn)行改進(jìn)，引入充電價(jià)格、站點(diǎn)規(guī)模、旅行時(shí)間與周邊設(shè)施屬性等因素，以描述用戶產(chǎn)生充電需求時(shí)選擇各充電站的概率。假設(shè)用戶r當(dāng)前充電站選擇集合為Ωr，則其在時(shí)段t選擇充電站s的概率為：

式中：Us，r，t為用戶r選擇充電站s獲得的效用?？紤]到分時(shí)價(jià)格，分時(shí)段t進(jìn)行討論。

根據(jù)文獻(xiàn)［32］，Us，r，t采用Logit 形式表達(dá)如下：

式中：As，r，t為充電站s對用戶r的吸引力；Ts，r，t，d為到達(dá)該充電站的旅行時(shí)間，代表了充電站的鄰近程度；λ為旅行時(shí)間影響系數(shù)。

本文對充電站吸引力定義如下：

式中：ss為充電站s快充樁數(shù)量；ps，t為充電站s在時(shí)段t的充電服務(wù)價(jià)格（含電費(fèi)、服務(wù)費(fèi)與停車費(fèi)）；ws為充電站s的周邊興趣點(diǎn)規(guī)模［29］。a、b、c為上述各影響因素的系數(shù)，d為常數(shù)。

在模型參數(shù)求解過程中，以用戶充電10 min 前所處位置為起點(diǎn)還原充電站備選集?？紤]到不同影響因素量綱的差異，對各項(xiàng)因素作min-max 歸一化，采用極大似然法進(jìn)行參數(shù)擬合，并在求解過程中逐步剔除置信度小于0.95 的影響因素。部分典型用戶的選擇行為擬合結(jié)果如表1 所示。

表1 Huff 模型擬合結(jié)果Table 1 Fitting results of Huff model

從表1 中總體平均系數(shù)來看：

1）前往充電站的旅行時(shí)間對應(yīng)系數(shù)為負(fù)，說明隨距離的增加，充電站對用戶的吸引力逐漸衰減。

2）充電服務(wù)價(jià)格對應(yīng)系數(shù)為負(fù)，說明低價(jià)充電站對用戶的吸引力更強(qiáng)，與營運(yùn)車輛的性質(zhì)相符。

3）充電站設(shè)施規(guī)模對應(yīng)系數(shù)為正，說明用戶傾向于選擇設(shè)施較多的充電站，以避免產(chǎn)生排隊(duì)。

4）興趣點(diǎn)數(shù)量對應(yīng)系數(shù)為正，說明用戶傾向于選擇周邊設(shè)施更完善的站點(diǎn)，減小充電對出行的影響。

由用戶1 至用戶4 可見，各類用戶的選擇行為存在異質(zhì)性，其擬合系數(shù)反映了用戶對該因素的敏感程度，據(jù)此可進(jìn)一步將用戶分為充電價(jià)格偏好型、旅行時(shí)間偏好型、周邊便利偏好型與設(shè)施規(guī)模偏好型等多個(gè)類別。針對同樣一組充電站，不同用戶可能呈現(xiàn)不同的選擇概率，為充電站規(guī)劃階段提供了計(jì)及用戶偏好的輸入，也為充電站運(yùn)行階段提供了系統(tǒng)下發(fā)激勵(lì)的參考依據(jù)。

3.3 能源-交通融合網(wǎng)絡(luò)仿真

在上述充電行為建?；A(chǔ)上，可通過用戶特征聚類分析，對海量用戶充電行為進(jìn)行仿真與重構(gòu)。融合乘用車數(shù)據(jù)集，構(gòu)建交通出行鏈模型［33］，建立綜合考慮交通出行與充電決策過程的能源-交通融合網(wǎng)絡(luò)仿真架構(gòu)，如圖7 所示。該架構(gòu)綜合考慮了車輛用戶產(chǎn)生充電需求時(shí)刻的決策過程、車輛在交通網(wǎng)中的路徑選擇與行駛過程和充電站內(nèi)的隊(duì)列分配與充電過程，為后續(xù)充電設(shè)施規(guī)劃中不同選址定容方案的充電設(shè)施服務(wù)質(zhì)量計(jì)算提供了基礎(chǔ)。該架構(gòu)也實(shí)現(xiàn)了用戶對充電價(jià)格等激勵(lì)信號響應(yīng)的模擬，可應(yīng)用于運(yùn)行層面調(diào)控策略的設(shè)計(jì)。該架構(gòu)的詳細(xì)說明見附錄D。

圖7 能源-交通融合網(wǎng)絡(luò)仿真架構(gòu)Fig.7 Simulation framework of integrated energy-traffic network

仿真針對上海全體乘用車開展，參考的車輛保有量數(shù)據(jù)見附錄E 表E1?？紤]到本文軌跡數(shù)據(jù)為營運(yùn)車輛，與私家車等車輛行為可能存在一定差異，仿真過程融入了乘用車出行與停留統(tǒng)計(jì)數(shù)據(jù)，從而對各類車輛的出行-充電行為進(jìn)行綜合考量，盡可能提升充電需求預(yù)測的準(zhǔn)確性。

4 現(xiàn)有充電設(shè)施質(zhì)量評估

4.1 總體充電網(wǎng)絡(luò)供需匹配

在用戶充電行為分析與建模的基礎(chǔ)上，從總體與個(gè)體兩大維度開展上海市現(xiàn)有充電設(shè)施的評價(jià)，從而明確后續(xù)的充電設(shè)施規(guī)劃目標(biāo)。首先，選取典型行政區(qū)域，通過歷史充電點(diǎn)數(shù)量、使用頻次與已建充電站、快充樁數(shù)量的比較，對充電設(shè)施總體供需的充裕程度進(jìn)行評估，結(jié)果如表2 所示。

由表2 可見：J 區(qū)歷史充電點(diǎn)數(shù)量多，但已安裝充電樁比例低，說明小型充電站居多，且因區(qū)域面積較大，導(dǎo)致司機(jī)充電位置較為分散；P 區(qū)充電點(diǎn)使用頻次低于已安裝充電樁比例，建設(shè)進(jìn)度略顯超前，與其建設(shè)規(guī)劃相符；M 區(qū)的快充樁數(shù)量比例較少，但歷史使用頻次卻相對較高，說明需要增設(shè)充電站。

考慮到本文軌跡數(shù)據(jù)與充電設(shè)施數(shù)據(jù)有限，評估結(jié)果可能與實(shí)際存在偏差。當(dāng)引入更大規(guī)模的數(shù)據(jù)時(shí)，將更為精確地衡量各區(qū)域總體供需匹配情況。

4.2 總體充電網(wǎng)絡(luò)覆蓋情況

接著，從充電網(wǎng)絡(luò)覆蓋的角度，設(shè)定充電站的不同服務(wù)半徑，分析現(xiàn)有充電設(shè)施對上海市的覆蓋比率，如附錄E 圖E1 所示。以1 km 為服務(wù)半徑，約覆蓋50%的城市區(qū)域；以2 km 為服務(wù)半徑，約覆蓋70%的城市區(qū)域，以3 km 為服務(wù)半徑，約覆蓋85%的城市區(qū)域，說明目前上海市部分區(qū)域充電網(wǎng)絡(luò)密度還稍顯不足。服務(wù)半徑設(shè)定越大，所需充電設(shè)施越少，但也會加劇用戶的里程焦慮，增加車輛前往充電站途中的空駛里程與能耗，增大整體碳排放。

4.3 個(gè)體充電站服務(wù)質(zhì)量分析

面向充電站個(gè)體，以等候時(shí)長為指標(biāo)，評價(jià)充電站的充電服務(wù)質(zhì)量，箱線圖如圖8 所示，結(jié)果表明高頻充電站等待時(shí)間小于3 min 的概率為40%。部分熱門站點(diǎn)平均等待時(shí)長超過10 min，說明目前熱門充電站點(diǎn)的充電樁數(shù)量仍顯不足。

圖8 高頻充電站點(diǎn)等候時(shí)長箱線圖Fig.8 Box plots for waiting time of frequently used charging stations

4.4 個(gè)體充電站運(yùn)營效率分析

為衡量個(gè)體充電站的運(yùn)營效率，基于3.3 節(jié)的仿真架構(gòu)，對充電設(shè)施的利用率進(jìn)行仿真分析。以某充電站為例，其38 個(gè)充電樁一天內(nèi)的運(yùn)行狀態(tài)如圖9 所示，熱力圖的顏色深淺代表了該時(shí)刻的充電設(shè)施利用率（正在充電的充電樁占比）。由圖9 可見，仿真得到的充電高峰與原樣本特征相符。

圖9 充電設(shè)施利用率仿真Fig.9 Simulation of charging facility utilization

具體計(jì)算表明，充電設(shè)施平均利用率為29.82%，最低利用率僅1.46%。充電站規(guī)劃與運(yùn)行過程亟須計(jì)及用戶真實(shí)需求，避免有樁無車的資源浪費(fèi)。

5 未來充電設(shè)施擴(kuò)展規(guī)劃

為解決現(xiàn)有充電設(shè)施供需不平衡、充電等待與資源浪費(fèi)并存等問題，本章提出“候選區(qū)域評價(jià)-分區(qū)選址定容-容量優(yōu)化調(diào)整”三階段充電網(wǎng)絡(luò)規(guī)劃架構(gòu)，面向上海市核心城區(qū)［31.055 9，31.355 9］，［121.256 6，121.656 6］的區(qū)域，以2 km×2 km 為單位將研究區(qū)域劃分為15×20 的柵格網(wǎng)絡(luò)，并以(i，j)表示第i行第j列的柵格。

5.1 第1 階段：候選區(qū)域評價(jià)

第1 階段，首先從區(qū)域建設(shè)潛力的角度，根據(jù)第2 章所得結(jié)論，綜合區(qū)域交通網(wǎng)絡(luò)擁塞程度、停駐熱度、興趣點(diǎn)分布進(jìn)行各柵格潛力評估，從而圈定新建充電站的候選區(qū)域，以提升選址的現(xiàn)實(shí)合理性，并降低規(guī)劃過程的計(jì)算量。評價(jià)指標(biāo)如下。

5.1.1 交通流量適中

根據(jù)宏觀分析，充電站的選址應(yīng)鄰近具有一定客流的主干道，以保證客源充足，同時(shí)也需避免交通擁堵，保證充電站的可達(dá)性。具體地，可采用各柵格內(nèi)道路的平均交通指數(shù)作為指標(biāo)進(jìn)行評估。

5.1.2 停駐熱度高

考慮到充電站不同于加油站，其占地面積小，在室內(nèi)或地下停車場均可設(shè)置。因此，停駐熱點(diǎn)區(qū)域具備作為候選區(qū)域的潛力。同時(shí)，本文所采用的停駐熱點(diǎn)數(shù)據(jù)覆蓋了全體營運(yùn)車輛與私家車輛，彌補(bǔ)了車輛軌跡數(shù)據(jù)的單一性。具體地，可采用各柵格平均停駐車輛數(shù)作為指標(biāo)進(jìn)行評估。

5.1.3 興趣熱點(diǎn)多

根據(jù)宏觀分析，用戶的充電站選擇與住宅區(qū)、商場、餐廳等區(qū)域功能屬性有一定關(guān)聯(lián)。若在公眾興趣點(diǎn)設(shè)置充電設(shè)施，車輛用戶可方便地利用在此停留的時(shí)間充電。具體地，可采用各柵格內(nèi)的興趣點(diǎn)數(shù)量作為指標(biāo)進(jìn)行評估。

上述候選區(qū)域評價(jià)示意圖如附錄E 圖E2 所示。在具備電網(wǎng)真實(shí)數(shù)據(jù)的情況下，還可根據(jù)配電變壓器與線路剩余容量，優(yōu)先選擇容量充足的區(qū)域，減小新建充電站給電網(wǎng)帶來的過載風(fēng)險(xiǎn)。

綜上所述，可建立如下優(yōu)化模型，在保證充電服務(wù)質(zhì)量的條件下，優(yōu)先在最合適的區(qū)域建設(shè)充電站。目標(biāo)函數(shù)為：

式中：U為柵格集合；Gi，j為0-1 變量，表示是否選擇柵格(i，j)作為候選建站區(qū)域；Fi，j，traffic、Fi，j，park、Fi，j，POI分別為交通流量、停駐熱度與興趣熱點(diǎn)對應(yīng)的評價(jià)函數(shù)。其中，交通流量采用中間值較高的映射，停駐熱度與興趣熱點(diǎn)采用單調(diào)映射。

為保證在有效覆蓋充電需求的同時(shí)選出足夠的候選區(qū)域，給出如下約束條件：

式中：ρi，j，m，n為0-1 變量，表示充電站柵格（i，j）的服務(wù)范圍是否覆蓋充電需求柵格（m，n）；d(i，j，m，n)表示柵格（m，n）和（i，j）之間的距離；r為服務(wù)半徑；α為柵格大?。沪螢榇笥? 的裕度系數(shù)，以保證不同區(qū)位的用戶充電需求得到充分覆蓋；Gtotal為待建設(shè)充電站數(shù)量的最大值。經(jīng)過優(yōu)化，累計(jì)圈定候選柵格區(qū)域120 個(gè)。候選區(qū)域中，熱度排名最高的3 個(gè)區(qū)域分別位于楊浦區(qū)特力時(shí)尚匯、長寧區(qū)友誼商城（虹橋店）與閔行區(qū)井亭天地生活服務(wù)廣場附近，為用戶充電提供了用餐與休閑的便利，具有一定現(xiàn)實(shí)意義。

5.2 第2 階段：初步選址定容

第2 階段，根據(jù)3.3 節(jié)仿真得到的用戶充電需求位置，參考文獻(xiàn)［34］進(jìn)行改進(jìn)，建立充電站初步選址定容模型，以綜合優(yōu)化站點(diǎn)建設(shè)運(yùn)營成本與用戶前往充電站的時(shí)間成本為目標(biāo)，以給定的服務(wù)質(zhì)量為約束。具體的目標(biāo)函數(shù)形式如下：

式中：Ki，j為整數(shù)變量，代表新增充電樁數(shù)量；Ii，j為0-1 變量，代表新增充電站位置；Si，j，m，n，t為連續(xù)變量，表示在第t個(gè)時(shí)段柵格（i，j）處的充電樁服務(wù)于柵格（m，n）處的充電需求的平均數(shù)值；Ti，j，m，n，t，d為第t個(gè)時(shí)段柵格（m，n）處的充電用戶前往柵格（i，j）進(jìn)行充電的旅行時(shí)長；Cch為單個(gè)充電樁購買和安裝的總費(fèi)用；Ci，j，la為柵格（i，j）處單位面積土地的使用價(jià)格；Cop，va為充電站的可變運(yùn)行費(fèi)用；Cop，fi為充電站的固定運(yùn)行費(fèi)用；Cca為充電站接入電網(wǎng)的單位容量費(fèi)用，即每千瓦負(fù)荷接入電網(wǎng)需繳納的費(fèi)用；Cot為其他投資費(fèi)用；Ast，va為每增加一個(gè)充電樁需要增加的面積；Ast，fi為建設(shè)一個(gè)充電站需要的固定面積；Pc為充電樁的額定充電功率；ω為用戶時(shí)間成本；Nt為一年總天數(shù)。各參數(shù)數(shù)值設(shè)定見附錄E 表E2。

目標(biāo)函數(shù)的3 項(xiàng)依次為充電站投資費(fèi)用、運(yùn)行費(fèi)用與用戶的旅行時(shí)間成本，其中投資成本既包含了充電樁購置安裝與運(yùn)營費(fèi)用，也包含了區(qū)域土地的使用費(fèi)用與負(fù)荷接入電網(wǎng)的費(fèi)用。約束條件主要包括如下3 類。

1）充電樁建設(shè)數(shù)量約束

考慮到土地面積與區(qū)域配電變壓器容量的限制，需對每個(gè)柵格內(nèi)的新增充電站與充電樁數(shù)量進(jìn)行限制：

2）能量平衡約束

對各時(shí)段t，充電站輸出電量需滿足電動(dòng)汽車充電需求：

式中：Dm，n，t為第t個(gè)時(shí)段柵格（m，n）處的充電需求；Δt為時(shí)段長度；T為時(shí)段集合。

3）服務(wù)質(zhì)量約束

上述優(yōu)化模型為混合整數(shù)線性規(guī)劃模型，本文采用YALMIP［35］調(diào)用Gurobi 軟件［36］進(jìn)行求解，初步選定37 個(gè)區(qū)域新建充電站，新增充電樁2 882 個(gè)。

5.3 第3 階段：充電樁容量優(yōu)化調(diào)整

第2 階段初步選定了新建充電站位置，但以覆蓋用戶需求為主要目標(biāo)，而未考慮用戶的異質(zhì)行為偏好。因此，在第3 階段，進(jìn)一步考慮用戶個(gè)體的充電需求的具體時(shí)空點(diǎn)位與行為偏好，綜合優(yōu)化用戶等待概率與充電站利用率，對站點(diǎn)容量進(jìn)行優(yōu)化調(diào)整。將用戶平均等待概率與充電站平均利用率之比定義為綜合服務(wù)質(zhì)量，作為目標(biāo)函數(shù)：

式中：Qr為用戶平均等待概率；λr為充電站的平均利用率。

約束條件如下：

式（16）為容量調(diào)整約束，其中Ki，j，0為第2 階段求得的新增充電樁數(shù)量，Ki，j，ad為調(diào)整后的新增充電樁數(shù)量。式（17）表示用戶的充電站選擇-行駛-排隊(duì)-充電的模擬（函數(shù)f(Ki,j,ad)表示通過模擬求得該調(diào)整方案下的用戶平均等待概率與充電站平均利用率），基于第3 章的用戶充電選擇模型與能源-交通融合網(wǎng)絡(luò)仿真實(shí)現(xiàn)。由于該問題包含仿真過程，面臨問題非凸的求解困難，但卻具有“輸入-輸出可順序高效計(jì)算”的特征，本文采用局部再調(diào)度的粒子群優(yōu)化算法對其進(jìn)行求解，并通過并行計(jì)算提高效率。

經(jīng)三階段規(guī)劃，共新增充電樁2 685 個(gè)。參考4.1 節(jié)的總體充電網(wǎng)絡(luò)供需匹配評價(jià)指標(biāo)，以6 km×6 km 劃分區(qū)域，將各區(qū)域充電需求與充電樁數(shù)量在全市范圍的占比之差定義為充電需求差額。對比擴(kuò)展規(guī)劃前后充電需求正差額（充電樁不足情況），結(jié)果分別如圖10（a）和（c）所示。

由圖10（a）可見，目前部分區(qū)域仍存在充電樁不足（偏紅色）。由圖10（b）和（c）可見，新增充電樁與缺額對應(yīng)，一定程度上彌補(bǔ)了局域充電資源的短缺（紅色變淺，數(shù)值降低）。參考4.2 節(jié)的總體充電網(wǎng)絡(luò)覆蓋情況評價(jià)指標(biāo)，以2 km 為服務(wù)半徑，服務(wù)各柵格的平均充電樁數(shù)量由542 個(gè)上升至585 個(gè)，實(shí)現(xiàn)了對充電需求的進(jìn)一步覆蓋。

具體充電服務(wù)質(zhì)量的比較如表3 所示，用戶的平均等待時(shí)長減少45%，平均等待概率降低55%，綜合服務(wù)質(zhì)量提高49%。同時(shí)，用戶空駛里程的降低也減少了空駛用電量與碳排放。相比第2 階段規(guī)劃結(jié)果，第3 階段規(guī)劃減少了6%的充電樁建設(shè)量，卻降低了19%的用戶等待時(shí)長。這一調(diào)整提升了資源配置的合理性，減少了規(guī)劃支出，體現(xiàn)了計(jì)及用戶具體行為偏好的重要性。在充電站運(yùn)行階段，也可基于3.2 節(jié)的用戶充電選擇模型，通過運(yùn)行設(shè)施數(shù)量與充電價(jià)格信號組成的聯(lián)合激勵(lì)應(yīng)對用戶需求的變化，實(shí)現(xiàn)能源-交通融合網(wǎng)絡(luò)的協(xié)同優(yōu)化。

6 結(jié)語

充電設(shè)施的快速發(fā)展可能面臨供需失配的問題，而現(xiàn)有研究缺乏基于真實(shí)數(shù)據(jù)挖掘的用戶充電行為刻畫與需求評估。本文以上海市為案例，面向電動(dòng)汽車用戶充電行為的多重影響因素與異質(zhì)特征，建立了基于多源數(shù)據(jù)融合分析與挖掘的充電行為分析與設(shè)施規(guī)劃架構(gòu)：首先，從宏觀角度對車輛用戶群體的出行-充電行為與城市時(shí)空特征的關(guān)聯(lián)進(jìn)行了挖掘與分析；從微觀角度對車輛用戶個(gè)體的充電需求產(chǎn)生與充電站選擇過程進(jìn)行了建模。在此基礎(chǔ)上，建立了城市能源-交通融合網(wǎng)絡(luò)仿真架構(gòu)，實(shí)現(xiàn)了海量用戶行為的重構(gòu)與仿真，對上海市現(xiàn)有充電設(shè)施的建設(shè)情況進(jìn)行了評估，并面向未來建立了充電設(shè)施擴(kuò)展規(guī)劃模型，為上海市電動(dòng)汽車充電設(shè)施規(guī)劃提供了現(xiàn)實(shí)參考。研究得到如下結(jié)論：

1）電動(dòng)汽車群體充電行為與出行高峰、到達(dá)熱點(diǎn)與區(qū)域功能屬性等城市時(shí)空特征密切關(guān)聯(lián)。

2）電動(dòng)汽車用戶充電選擇存在旅行時(shí)間、設(shè)施規(guī)模等多類異質(zhì)偏好，并呈現(xiàn)出充電價(jià)格彈性。

3）目前上海市局部區(qū)域存在充電供需不匹配，亟須通過真實(shí)數(shù)據(jù)分析用戶需求，開展因地制宜的充電設(shè)施規(guī)劃。

本文的軌跡數(shù)據(jù)主要為營運(yùn)車輛，故引入乘用車出行統(tǒng)計(jì)數(shù)據(jù)對各類型車輛進(jìn)行綜合考慮。下一步將研究多類型用戶數(shù)據(jù)，實(shí)現(xiàn)更為準(zhǔn)確的充電設(shè)施評估與規(guī)劃。同時(shí)，由于電網(wǎng)數(shù)據(jù)的保密性，本文未能引入?yún)^(qū)域電網(wǎng)的真實(shí)參數(shù)。在實(shí)際應(yīng)用的場景下，可基于本文所提規(guī)劃架構(gòu)，引入真實(shí)電網(wǎng)數(shù)據(jù)，提升規(guī)劃結(jié)果的可實(shí)施性。未來，隨著電動(dòng)汽車滲透率逐年增高，能源-交通網(wǎng)絡(luò)的融合將逐漸深化，亟須開展能源-交通網(wǎng)絡(luò)的聯(lián)合規(guī)劃，還可結(jié)合分布式光伏等數(shù)據(jù)，實(shí)現(xiàn)新能源與電氣化交通的一體化規(guī)劃，助力雙碳戰(zhàn)略的實(shí)現(xiàn)。

附錄見本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。