基于GM(1，1)模型與GIS的城市充電設(shè)施布局優(yōu)化

摘要： 為解決城市充電基礎(chǔ)設(shè)施分布不均衡、利用不充分問題，采用GM（1，1）模型及Arc GIS空間網(wǎng)絡(luò)分析功能，對現(xiàn)有充電基礎(chǔ)設(shè)施布局展開優(yōu)化。首先，通過灰色預(yù)測模型分析未來電動汽車增長情況，以廈門市為例，選取2016-2023年電動汽車保有量數(shù)據(jù)，經(jīng)預(yù)測至2030年將達(dá)到45萬輛，以此作為充電總需求計(jì)算依據(jù)，屆時公共充電樁總數(shù)需達(dá)到64 490個。其次，基于城市交通路網(wǎng)、興趣點(diǎn)（POI）分布、充電基礎(chǔ)設(shè)施及公共停車場場點(diǎn)等數(shù)據(jù)展開核密度分析及緩沖區(qū)分析進(jìn)行初次選址，建立最小化設(shè)施點(diǎn)模型完成二次選址。最后，利用Voronoi圖對模型選址結(jié)果進(jìn)行檢驗(yàn)，并通過位置分配模型完成容量分配。結(jié)果表明：至2030年，廈門市需在16處公共停車場處新建充電站，充電站整體擴(kuò)容比例達(dá)到72.89%，在全市3 000 m充電服務(wù)半徑范圍內(nèi)覆蓋率為99.08%，1 500 m范圍內(nèi)為95.41%，基本滿足電動汽車用戶未來出行的充電需求。

關(guān)鍵詞： 電動汽車； 保有量預(yù)測； 充電設(shè)施； Arc GIS； 選址定容

中圖分類號： U 491.8； F 224.9文獻(xiàn)標(biāo)志碼： A ""文章編號： 1000-5013（2025）02-0183-09

Optimisation of Urban Charging Facilities Layout Based on GM（1，1） Model and GIS

NAN Qimeng， YE Qing， LI Yue

（College of Civil Engineering， Huaqiao University， Xiamen 361021， China）

Abstract： In order to solve the problem of unbalanced distribution and insufficient utilisation of urban charging infrastructure， GM（1，1） model and the spatial network analysis function of Arc GIS are used to optimise the layout of the existing charging infrastructure. The grey prediction model is used to analyse the future growth of electric vehicles，taking Xiamen City as an example， according to the data of electric vehicle ownership from 2016-2023， 450 000 electric vehicles will be predicted by 2030， which is the basis for calculating the total charging demand， and the total number of public charging piles demanded by that time is 64 490. Based on data such as urban transport network， point of interest （POI） distribution， charging infrastructure， and public car park locations， kernel density analysis and buffer zone analysis are conducted for initial site selection， and a minimum facility point model is established to complete secondary site selection. The model site selection results are checked using Voronoi diagrams， and the capacity allocation is completed by the location allocation model. The results show that by 2030， Xiamen City needs to build new charging stations at 16 public car parks， and the overall expansion ratio of charging stations reaches 72.89%， the coverage rate is 99.08%

within 3 000 m charging service radius， and 95.41% within 1 500 m radius， which basically meets the charging needs of electric vehicle users for future travel.

Keywords：

electric vehicles； ownership forecasts； charging facilities； Arc GIS； siting and capacity

當(dāng)前，我國以“碳達(dá)峰碳中和”目標(biāo)為牽引推動綠色轉(zhuǎn)型，交通運(yùn)輸行業(yè)作為碳排放的主要領(lǐng)域之一，也是受氣候變化影響最顯著的行業(yè)之一［1］。發(fā)展新能源汽車成為解決交通運(yùn)輸行業(yè)能源消耗大、污染排放多的重要舉措，為我國應(yīng)對氣候變化、推動綠色發(fā)展提供支撐。在新能源汽車快速增長的趨勢下，國內(nèi)電動汽車發(fā)展步入全面拓展期，充電基礎(chǔ)設(shè)施逐步成為重要的交通能源融合類基礎(chǔ)設(shè)施。

電動汽車保有量預(yù)測的研究主要采用灰色理論模型和Bass擴(kuò)散模型。Zhao等［2］結(jié)合灰色預(yù)測模型生成歷史數(shù)據(jù)和短期預(yù)測數(shù)據(jù)，采用遺傳算法對Bass模型的創(chuàng)新系數(shù)、模仿系數(shù)等進(jìn)行訓(xùn)練，應(yīng)用于2023-2040年的中長期所有權(quán)預(yù)測。Dong等［3］針對上海市近年電動汽車保有量較少的問題，提出一種改進(jìn)的灰色模型（GM）-馬爾可夫預(yù)測方法，對電動汽車保有量進(jìn)行預(yù)測。Ding等［4］提出一種新的自適應(yīng)優(yōu)化灰色模型，利用動態(tài)加權(quán)序列及Simpson公式重構(gòu)背景值改正，從而提高灰色模型的適應(yīng)性和預(yù)測精度。

在電動汽車的全面發(fā)展中，地理信息系統(tǒng)（GIS）為城市基礎(chǔ)設(shè)施規(guī)劃整合各類重要數(shù)據(jù)，并綜合展開可視化的空間分析，有效支持電動汽車成長的不同階段，為城市基礎(chǔ)設(shè)施布局提供強(qiáng)大支撐［5］。Suhandri等［6］針對從Ayer Hitam到Batu Pahat，在 柔佛州（Johor）主要道路上應(yīng)用Arc GIS對公共設(shè)施定位分析，開展加油站（PPS）規(guī)劃。吳鵬［7］在興趣點(diǎn)（POI）數(shù)據(jù)的基礎(chǔ)上，提出了一種基于加權(quán)K-Means聚類算法的電動汽車充電樁選址規(guī)劃模型。韓韶光等［8］為解決電動汽車充電站選址布局不合理問題，采用Arc GIS網(wǎng)絡(luò)分析法優(yōu)化原有充電站站點(diǎn)。

Kemala等［9］指出為加強(qiáng)電動汽車的普及應(yīng)規(guī)劃配套基礎(chǔ)設(shè)施，預(yù)測電動汽車的增長對幫助行業(yè)及政府的戰(zhàn)略決策具有重要意義。Gao等［10］研究表明電動汽車的數(shù)量、分布與充電設(shè)施之間的緊密對稱性對充電設(shè)施的布局提出了更高的要求。因此，本文以福建省廈門市為例，探討充電設(shè)施布局，分析電動汽車保有量不斷提升下充電基礎(chǔ)設(shè)施的總體規(guī)劃。

1 廈門市電動汽車增長預(yù)測

1.1 數(shù)據(jù)來源

國內(nèi)新能源汽車市場主要由純電動汽車（BEV）、插電式混合動力汽車（HEV）及燃料電池電動汽車（FCEV）3類構(gòu)成，其中，燃料電池汽車占比很小?；谛履茉雌嚤Ｓ辛扛芊从呈袌稣w規(guī)模，對電動汽車的分析采用廈門市新能源汽車保有量展開。2016-2023年廈門市新能源汽車保有量，如表1所示。數(shù)據(jù)來自廈門市統(tǒng)計(jì)局、廈門市工業(yè)和信息化局、廈門市車輛管理所等發(fā)布的有關(guān)報(bào)道。

1.2 GM（1，1）模型分析

1.2.1 數(shù)據(jù)檢驗(yàn) 建模前輸入原始數(shù)列，判斷是否適用于GM（1，1）模型。

1.3 預(yù)測結(jié)果分析

GM（1，1）灰色預(yù)測模型分析隨時間的拉長，精度降低，因此，選取2024-2030年的數(shù)據(jù)進(jìn)行預(yù)測，擬合結(jié)果，如表3所示。

綜合新能源汽車保有量預(yù)測發(fā)展趨勢可知，廈門市電動汽車發(fā)展有較大增長空間。一方面，隨著《“電動廈門”展規(guī)劃（2023-2025 年）》（廈府辦〔2023〕63號）等文件的發(fā)布，廈門市政府正在不斷完善充電基礎(chǔ)設(shè)施體系，多方面優(yōu)化電動汽車發(fā)展環(huán)境，為新能源汽車產(chǎn)業(yè)發(fā)展持續(xù)提供政策利好。另一方面，省級新能源政府監(jiān)管和便民信息服務(wù)平臺加快建設(shè)，“以樁促車”配套服務(wù)建設(shè)得如火如荼，為廣大新能源電動汽車用戶提供便捷的充電服務(wù)環(huán)境，極大提高了新能源電動汽車用戶的滿意度。

2 廈門市充電設(shè)施布局分析

2.1 廈門市概況與數(shù)據(jù)源

2.1.1 廈門市概況 廈門市位于中國東南沿海，福建省南部，閩南金三角中部，與漳州市、泉州市相連，地處北緯24°23′-24°54′、東經(jīng)117°53′-118°26′。廈門市轄區(qū)包括廈門島內(nèi)（含鼓浪嶼）的思明區(qū)、湖里區(qū)，島外西部的海滄區(qū)、集美區(qū)，島外北部的同安區(qū)及東部的翔安區(qū)［12］。截至2023年末，廈門市常住人口532.70萬人，常住人口城鎮(zhèn)化率90.81%［13］。各類經(jīng)濟(jì)指標(biāo)表現(xiàn)良好，地區(qū)生產(chǎn)總值、全社會用電量、機(jī)動車保有量等均穩(wěn)步增加。

2.1.2 基礎(chǔ)地理信息數(shù)據(jù) 依托國家地理信息公共服務(wù)平臺天地圖（https：∥www.tianditu.gov.cn/），申請獲取國家1∶1 000 000基礎(chǔ)地理信息數(shù)據(jù)庫G50（2021公眾版），導(dǎo)入Arc GIS整理得到廈門市區(qū)概況，如圖1所示。

2.1.3 電動汽車用戶的出行興趣點(diǎn) 分析中考慮興趣點(diǎn)分布較多的區(qū)域?yàn)槌鲂心康牡丶?。設(shè)定區(qū)域中興趣點(diǎn)的數(shù)量多少體現(xiàn)電動汽車用戶出行的充電需求大小，若數(shù)量多，則該區(qū)域?qū)Τ潆娦枨筝^高，應(yīng)優(yōu)先設(shè)立充電站。

基于高德開放平臺（https：∥lbs.amap.com/）利用Python多邊形查詢，爬取廈門市POI數(shù)據(jù)作為電動汽車用戶的出行興趣點(diǎn)，以高德POI分類與編碼文件為分類標(biāo)準(zhǔn)，相關(guān)興趣點(diǎn)類包括餐飲服務(wù)、風(fēng)景名勝等15個大類。高德地圖采用GCJ-02坐標(biāo)，研究轉(zhuǎn)換為WGS-84坐標(biāo)系，并對數(shù)據(jù)展開清洗處理，主要去除重復(fù)數(shù)據(jù)、無效數(shù)據(jù)及漳、泉兩地的邊緣數(shù)據(jù)，得到廈門市POI興趣點(diǎn)xlsx格式坐標(biāo)數(shù)據(jù)223 602條。

2.2 核密度分析

對電動汽車用戶出行興趣點(diǎn)釆用核密度分析。結(jié)合分析的服務(wù)范圍，環(huán)境處理和柵格分析的掩膜選取廈門市行政區(qū)域，以1 000 m作為闕值，采用幾何間隔分類，優(yōu)化類范圍，保證核密度圖像分析質(zhì)量。POI核密度分析圖，如圖2所示。

分析圖2可知：POI興趣點(diǎn)總體分布表現(xiàn)出發(fā)展核心高密度集聚，其他片區(qū)沿主要發(fā)展方向發(fā)散布置的特征［14］，其中，高密度斑主要集中在思明區(qū)、湖里區(qū)，隨著與廈門島的距離拉大，集聚程度逐步降低。各區(qū)POI數(shù)量和集聚差異大，空間分布發(fā)散性較強(qiáng)。思明、湖里兩區(qū)合計(jì)135.82 萬人，占全市戶籍人口的45.0%［13］，人口數(shù)量大，生活集聚，故POI興趣點(diǎn)數(shù)量較多；海滄區(qū)作為廈門島外第一個新興城區(qū)，開發(fā)建設(shè)時點(diǎn)最早、城區(qū)成熟度最高，POI沿主要交通道路分散布置；集美區(qū)發(fā)展基礎(chǔ)夯實(shí)，分布相對均勻；同安區(qū)是島外商業(yè)基礎(chǔ)較為薄弱的板塊之一，POI分布主要位于同安老城區(qū)，輻射范圍較局限，在環(huán)東海域新城片區(qū)濱海居住帶呈現(xiàn)帶狀分布；翔安區(qū)發(fā)展基礎(chǔ)較為薄弱，POI分布圍繞匯景購物廣場與閩籃城市廣場一北一南雙中心格局分散。整體來看，島外四區(qū)大都分布于南部，這也與北部的生態(tài)屏障相適應(yīng)。

基于核密度分析結(jié)果，將不同密度區(qū)域劃分為不同量級的充電需求區(qū)域。紅色及深橙色區(qū)域?yàn)橐患墔^(qū)域，考慮該區(qū)域有旺盛的充電需求；淺橙色區(qū)域?yàn)槎墔^(qū)域，充電需求程度較大；黃色區(qū)域?yàn)槿墔^(qū)域，充電需求一般。針對不同需求程度的區(qū)域分別設(shè)定充電服務(wù)半徑。

2.3 緩沖區(qū)分析

根據(jù)廈門市POI數(shù)據(jù)分類統(tǒng)計(jì)整理充電站、換電站、專用充電站三類數(shù)據(jù)，具體包括站點(diǎn)名稱、經(jīng)緯度、站點(diǎn)運(yùn)營信息、充電容量等屬性。

現(xiàn)有充電設(shè)施分布情況，如圖3所示，在此基礎(chǔ)上分別建立900、1 500、2 500、3 000 m緩沖區(qū)，明確覆蓋范圍，從而建立合適的服務(wù)半徑，如圖4所示?；诰彌_區(qū)分析結(jié)果，對一級區(qū)域設(shè)定充電站服務(wù)半徑為900 m，二級區(qū)域服務(wù)半徑為1 500 m，三級區(qū)域服務(wù)半徑為3 000 m，分級覆蓋全市所有充電需求。

對現(xiàn)有充電設(shè)施的優(yōu)化基于廈門市公共停車場建設(shè)情況新建充電站，一定程度上避免部分區(qū)域由于盲目建站帶來的資源浪費(fèi)。經(jīng)過篩查可知，目前共有4 830個公共停車場，分布情況與POI核密度圖近似。

在未覆蓋到的需求區(qū)域中最多需在18處公共停車場增設(shè)充電站，候選站點(diǎn)，如表4所示，最大化覆蓋所有充電需求。

完成充電站的初次選址，對候選充電站建立后的情況分級進(jìn)行緩沖區(qū)分析復(fù)核。據(jù)目前廈門市充電設(shè)施發(fā)展情況，城市核心區(qū)公共充電服務(wù)半徑已達(dá)900 m，對最大化覆蓋范圍下建設(shè)情況展開1 500、3 000 m緩沖分析，復(fù)核通過。

2.4 位置分配及容量分析

2.4.1 最小化設(shè)施點(diǎn)模型 總體滿足全部充電需求后，遵循資源分配及經(jīng)濟(jì)性原則，使充電站數(shù)量最小化。在充電站的不同服務(wù)半徑內(nèi)，讓盡可能多的興趣點(diǎn)被分配到充電站的服務(wù)范圍內(nèi)，同時保證覆蓋出行興趣點(diǎn)的充電站建設(shè)數(shù)量最小化。在Arc GIS中對充電站進(jìn)行細(xì)化分類，分類標(biāo)準(zhǔn)，如表5所示。

依托廈門市路網(wǎng)數(shù)據(jù)分析搭建交通路網(wǎng)。構(gòu)建基于1 500，3 000 m服務(wù)半徑下充電站的最小化設(shè)施點(diǎn)模型，如圖5所示。

不同阻抗最小化模型選址結(jié)果，如表6所示。由模型分析表6可知，廈門市內(nèi)至少需要表 6 要求位置處建設(shè)充電站才能滿足所有充電需求，從而優(yōu)化候選站。

以必選類、已選類站點(diǎn)作為基礎(chǔ)，在不同阻抗最小設(shè)施點(diǎn)模型中選取對應(yīng)區(qū)域站點(diǎn)作為候選?？芍患墔^(qū)域900 m范圍內(nèi)已完全覆蓋，不需要新建站點(diǎn)；二級區(qū)域若要滿足充電服務(wù)半徑在1 500 m范圍內(nèi)，仍需在2處位置新建充電站；三級區(qū)域若要滿足充電服務(wù)半徑在3 000 m范圍內(nèi)，仍需在14處位置新建充電站。組合選址情況，如圖6所示。最后，對選址結(jié)果進(jìn)行緩沖區(qū)分析，幾乎滿足全部充電需求，二次復(fù)核結(jié)果通過。

2.4.2 容量分配 借助電動汽車保有量預(yù)測值估計(jì)充電總需求，查詢歷年車樁比變化情況，2020年廈門市新能源汽車與公共充電樁比為1.0∶11.8，到2021年車樁比達(dá)到1.0∶10.5，而到2023年車樁比約為1∶15，電動汽車的推廣速度逐漸加快。2030年廈門市整體車樁比力求達(dá)到2∶1，按照目前1個公樁約等于3個私樁的比例進(jìn)行測算，考慮電動汽車的增長速度及公共充電樁的建設(shè)程度，推斷至2030年廈門市公共充電樁的車樁比約為7∶1，公共充電樁總數(shù)需達(dá)到64 490個。

綜合核密度分析、緩沖區(qū)分析及位置分配模型的結(jié)果分配具體容量。對于候選充電站，根據(jù)最小化設(shè)施模型中的網(wǎng)絡(luò)分析數(shù)據(jù)將各充電站分配的充電需求數(shù)目進(jìn)行統(tǒng)計(jì)分析。對現(xiàn)有充電設(shè)施建立最大化覆蓋范圍模型進(jìn)行分析，確定各站點(diǎn)分配到的權(quán)重。

兩類模型中有部分站點(diǎn)重復(fù)分析，對此分配的優(yōu)先級別為3 000 m最小化設(shè)施模型gt;1 500 m最大化覆蓋范圍模型gt;1 500 m最小化設(shè)施模型。原因是以1 500 m為阻抗，最大化覆蓋范圍模型考慮到2個及以上已有充電站相距較近時，對充電需求的分配更偏向于實(shí)際，最小化設(shè)施模型則更偏向于經(jīng)濟(jì)，忽略此類站點(diǎn)的存在；以覆蓋范圍為考慮因素，阻抗越大，意味著有更多的需求點(diǎn)被選入。在此基礎(chǔ)上，仍有部分興趣點(diǎn)在超過一個模型中被重復(fù)計(jì)算，對此平均分配誤差到各站點(diǎn)。

結(jié)合充電站總體規(guī)模及充電站點(diǎn)權(quán)重完成容量分配，結(jié)果如表7所示。由表7可知：廈門市不同區(qū)域的充電設(shè)施擴(kuò)容比例均在60%以上。其中，各區(qū)域有10%～30%的充電站容量變化不大，設(shè)計(jì)適度超前；主要在充電樁數(shù)量過少的候選站及換電站處需新增充電樁來更好滿足周邊充電需求，兼顧充換電模式的充電設(shè)施將持續(xù)增加。

2.5 Voronoi 圖檢驗(yàn)

通過Voronoi圖對模型輸出結(jié)果進(jìn)一步驗(yàn)證，檢驗(yàn)Voronoi圖中各充電站覆蓋的充電需求點(diǎn)是否與模型輸出結(jié)果相同，從而驗(yàn)證結(jié)果的可行性［15］。在預(yù)設(shè)站點(diǎn)選址基礎(chǔ)上，生成的Voronoi圖，如圖7所示。圖7中大多數(shù)需求點(diǎn)符合要求，充分表明模型輸出結(jié)果的可行性。

3 結(jié)論

從整體規(guī)劃角度出發(fā)，運(yùn)用灰色預(yù)測方法及Arc GIS建模分析對充電站選址、定容進(jìn)行優(yōu)化，構(gòu)建廈門市電動汽車保有量預(yù)測模型和充電站布局模型，并對模型輸出結(jié)果進(jìn)行有效性檢驗(yàn)。主要有以下3點(diǎn)結(jié)論。

1） 利用GM（1，1）模型對廈門市電動汽車未來6年保有量進(jìn)行預(yù)測，結(jié)果顯示，2024-2030年廈門市電動汽車發(fā)展仍保持增長勢頭，至2030年全市電動汽車保有量將突破45萬輛，并將該數(shù)據(jù)作為充電總需求的計(jì)算依據(jù)，按車樁比7∶1的需求進(jìn)行分配，屆時公共充電樁總數(shù)需達(dá)到64 490個。

2） 結(jié)合核密度分析、緩沖區(qū)分析、位置分配模型可知，需在16處公共停車場附近新建充換電站，分級滿足廈門市電動汽車用戶出行的充電需求。

3） 綜合選址與容量分析結(jié)果，廈門市充電設(shè)施擴(kuò)容將成為未來幾年的必然趨勢；廈門市有約20%的充電設(shè)施設(shè)計(jì)適度超前，符合未來需求；兼顧充換電模式的充電設(shè)施將持續(xù)增加。

由于時間等諸多因素限制，未充分考慮針充電樁與換電站的比例及建造成本，未來還可以從以下兩方面展開深入的研究。

1） 建立的GM（1，1）訓(xùn)練集與測試集驗(yàn)證模型的預(yù)測圖像顯示，2022年、2023年的實(shí)際值明顯高于預(yù)測值，預(yù)測精度不夠高。未來可結(jié)合政策波動、技術(shù)發(fā)展、市場影響等因素，基于微博平臺挖掘關(guān)鍵詞判斷當(dāng)前形勢是否有利于電動汽車發(fā)展的情感分析，從而提高預(yù)測精度。

2） Arc GIS空間分析部分爬取了實(shí)時POI數(shù)據(jù)分析復(fù)雜的現(xiàn)實(shí)情況，對充電需求分布趨勢作出判斷。分析時由于交通路網(wǎng)數(shù)據(jù)只覆蓋主要道路，各級道路數(shù)據(jù)不夠全面，選用了任意兩點(diǎn)間的通勤距離都可以在略長于直線距離范圍內(nèi)到達(dá)的歐式距離，這與實(shí)際行駛道路有差異。

參考文獻(xiàn)：

［1］ 宋媛媛，姚恩建，徐洪磊，等.交通運(yùn)輸領(lǐng)域應(yīng)對氣候變化策略及路徑［J］.清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，63（11）：1707-1718.DOI：10.16511/j.cnki.qhdxxb.2023.26.021.

［2］ ZHAO Xiaxiao，JIANG Weijia，LIU Xiangyu，et al.Medium- and long-term electric vehicle ownership forecasting for urban residents［J］.World Electric Vehicle Journal，2024，15（5）：212.DOI：10.3390/wevj15050212.

［3］ DONG Ran，SUN Lijiang.Short-term forecast of EV ownership in Shanghai based on metabolic GM（1，1）-Markov model［J］.Journal of Physics： Conference Series，2022，2351（1）：012031.DOI：10.1088/1742-6596/2351/1/012031.

［4］ DING Song，LI Ruojin.Forecasting the sales and stock of electric vehicles using a novel self-adaptive optimized grey model［J］.Engineering Applications of Artificial Intelligence，2021，100：104148.DOI：10.1016/j.engappai.2020.104148.

［5］ 夏佼，段然，楊穎.基于城市規(guī)劃的地理信息系統(tǒng)探討［J］.信息系統(tǒng)工程，2024（1）：4-7.DOI：10.3969/j.issn.1001-2362.2024.01.003.

［6］ SUHANDRI H F，NOZLAN N F.Analysis of public facility （Petrol Pump Station） localization by using Geographic Information System （GIS）. Case study： Ayer Hitam-Batu Pahat， Johor［J］.IOP Conference Series： Earth and Environmental Science，2023，1205（1）：012071.DOI：10.1088/1755-1315/1205/1/012071.

［7］ 吳鵬.基于POI數(shù)據(jù)的電動汽車充電站選址規(guī)劃［C］∥2022世界交通運(yùn)輸大會論文集.重慶： 重慶交通大學(xué)，2022：159-165.DOI：10.26914/c.cnkihy.2022.019782.

［8］ 韓韶光，鄒常豐，何永明，等.電動汽車充電站選址優(yōu)化： 以哈爾濱市為例［J］.交通科技與經(jīng)濟(jì)，2023，25（1）：42-49.DOI：10.19348/j.cnki.issn1008-5696.2023.01.006.

［9］ KEMALA B K L，SURJANDARI I，PUSPITA A N G.Forecasting methods for the electric vehicle ownership： A literature review［J］.Procedia Computer Science，2024，234：87-95.DOI：10.1016/j.procs.2024.02.155.

［10］ GAO Hui，YANG Lutong，ZHANG Anyue，et al.Analysis of urban electric vehicle trip rule statistics and ownership prediction［J］.Symmetry，2021，13（11）：2052.DOI：10.3390/sym13112052.

［11］ 李夢迪，李嬌，薛月光，等.基于灰色-馬爾科夫模型評估石雀灘海洋牧場巖礁魚類碳儲量［J］.漁業(yè)科學(xué)進(jìn)展，2024，45（1）：14-22.DOI：10.19663/j.issn2095-9869.20220718001.

［12］ 廈門市人民政府.廈門市電動汽車充電設(shè)施專項(xiàng)規(guī)劃（2016-2020）［R］.廈門： 廈門市人民政府，2016.

［13］ 廈門市統(tǒng)計(jì)局.廈門市2023年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)［R］.廈門： 廈門市統(tǒng)計(jì)局，2023.

［14］ 沈飛，尚正永.基于POI數(shù)據(jù)的小學(xué)空間分布特征及可達(dá)性分析： 以蘇州市區(qū)為例［J］.蘇州科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，40（3）：54-61.DOI：10.12084/j.issn.2096-3289.2023.03.007.

［15］ 侯慧，唐俊一，王逸凡，等.城區(qū)電動汽車充電站布局規(guī)劃研究［J］.電力系統(tǒng)保護(hù)與控制，2022，50（14）：181-187.DOI：10.19783/j.cnki.pspc.226008.

（責(zé)任編輯： "黃曉楠 "英文審校： 方德平）

收稿日期： 2024-09-01

通信作者： 葉青（1968-），女，教授，博士，主要從事建筑經(jīng)濟(jì)與工程項(xiàng)目管理、節(jié)能建筑的研究。E-mail：yeqing@hqu.edu.cn。

基金項(xiàng)目： 福建省創(chuàng)新戰(zhàn)略研究項(xiàng)目（2023R0040）

https：∥hdxb.hqu.edu.cn/