电动汽车驶离充电桩行为研究

赵 倩，罗 霞，张奕源

（西南交通大学，交通运输与物流学院，成都 611756）

0 引言

大力发展新能源汽车是缓解当前我国能源依赖和大气污染问题的有效途径之一，在碳达峰和碳中和的目标下，电动汽车和充电基础设施迅速发展。目前，根据中国电动汽车充电基础设施促进联盟公布数据，国内车桩比约3:1，车桩发展不协调，且公共充电桩存在燃油车占位导致利用率低，以及电动汽车充电完成后不移动导致周转率低[3]等问题。因此，鼓励电动汽车用户充电完成后即时驶离车位，提高充电设施运营周转率，是打破充电设施发展掣肘的有效手段之一。

目前，电动汽车充电选择行为的研究集中于充电前的决策，通常采用离散选择模型描述充电选择行为。Ge[1]等研究了充电费用、充电功率、离家距离等因素对是否在公共充电桩充电的影响；Daina[2]等提出了基于活动出行的充电选择行为模型用以评估智能充电服务；Xu[3]等研究发现用户选择充电模式和位置受电池容量、SOC、出行间隔等因素影响；Zhao[4]等对公共充电桩和私人共享充电桩的博弈选择进行了研究；Wang[5]等分析了SOC、排队时间等充电场景因素和满意度如何影响电动汽车驾驶人的充电选择行为。

有研究表明，受访者的态度变量会影响选择行为[6]，有助于更深理解选择行为机理。态度变量往往难以量化，因此需要用问题指标进行测量，通常以潜变量形式体现在模型中。Ben-Akiva 等[7]提出的混合选择模型（Hybrid Choice Model,HCM）框架被广泛应用于态度和感知加入选择模型的场景。HCM模型可兼顾考虑异质性与心理态度潜变量，减少模型的内生误差，提升模型解释能力。如胡晓伟等[8]将感知风险、服务质量和社会影响引入混合选择模型，研究了共享自动驾驶汽车的使用意愿；Daina 等[9]构建了HCM 模型研究了风险态度对充电选择行为的影响，结果表明风险厌恶的人群更倾向于获得更多电量；Pan[10]等利用HCM 模型研究风险态度对是否在目的地充电选择行为的影响。

现有研究对不同充电选择行为场景进行了分析，但鲜有对充电后的驶离行为决策进行研究。随着车桩不协调和电动汽车充电难问题的日益凸显，敦促电动汽车用户在公共充电桩充完电后即时驶离充电车位能够有效提升充电设施的使用率及周转率，更加充分利用充电桩资源，并为电动汽车用户充电难问题提供一个解决思路，是当下电动汽车发展需要重点关注的问题。Wolbertu[11]等基于荷兰调查数据首次对充电后移车行为进行研究，但未考虑个人心理态度，且并未对影响因素做进一步讨论分析。已有研究发现，社会责任意识、利他性意识等亲社会性偏好对电动汽车购买意愿[12]、公众参与交通拥堵治理[13]和自动驾驶网约车使用意愿[14]等行为产生重要影响，社会责任意识对充电后驶离行为是否产生影响是值得探讨的。另一方面，充电后移动车辆可能面临着停车困难、时间精力耗费等风险。经济学中有学者提出转换成本是顾客在转换时的困难性和整体成本[15]，或是在改变选择服务中所感知的时间费用和精力成本[16]，个体的感知转换成本是否影响电动汽车用户在充电后的移车行为值得分析。

因此，本文依托国内的电动汽车用户数据，利用HCM 模型，引入社会责任意识和感知转换成本两个心理层面的态度潜变量，对电动汽车充电后的决策行为进行研究，更加深入分析驱动电动汽车用户驶离充电桩行为的潜在因素，弥补现有充电选择行为研究的空缺，具有现实意义。

1 电动汽车充电驶离行为模型

本文研究电动汽车充电驶离行为采用混合选择模型（HCM），模型框架包括结构模型、测量模型和选择模型。HCM 框架如图1 所示，结构模型部分表示社会经济属性与潜变量间的关系，测量模型部分用于表示测量指标对潜变量的衡量，离散选择模型部分表征受访者的选择行为，三部分需同时标定。本文HCM模型中引入两个潜变量分别用于表征受访者的社会责任意识和感知转换成本。

图1 HCM模型框架

1.1 结构模型

结构模型中设置社会责任意识潜变量和感知转换成本潜变量，潜变量计算公式可表述如下：

式中：Yk为潜变量（k= 1,2）；Za为受访者a的个人社会经济属性变量；λka为结构回归系数;ωk为随机变量，假设服从均值为0的正态分布。

1.2 测量模型

本文的两个潜变量均采用含5 个测量问题的Likert 5 级量表，回答选项间可能存在非线性变化特点，故在测量模型中采用序列logit 模型来表述潜变量和指标间的关系：

受访者对第s个问题回答为jks,i的概率为：

1.3 选择模型

选择模型中因只考虑电动汽车充电后是否移车两种选项，故为二项logit（BL）模型。受访者选择移车的概率公式为：

2 问卷设计及调查

2.1 问卷设计

本文通过设计问卷对电动汽车用户进行调查，调查分为3 部分：个人社会经济属性等基本信息、个人相关态度，以及充电后驶离选择情境。其中个人基本信息包括受访者性别、年龄、收入及是否拥有私人充电桩；个人相关态度问题包括社会道德意识和感知转换成本两个态度变量，各含5个Likert 5级量表问题。已有学者在研究社会责任感心理变量时将公共场所行为和日常公德行为等一般性社会认知作为指标问题，本文中社会道德意识考察个体一般性社会认知、交通驾驶行为和充电桩使用行为，感知转换成本考察个体对使用充电桩时的时间和精力的感知。参考相关文献[17]并结合实际场景，确定态度指标问题如表1所示，1～5分别代表非常不同意、不同意、不确定、同意、非常同意，得分越高表示社会责任意识越强、感知转换成本越高。其中S2和S3是反向问题，在数据处理时反向给分，即同意程度越高，得分越低，按照5～1给分。

表1 测量态度变量的指标问题

选择情境为陈述偏好调查，假设在公共充电桩受访电动汽车用户充满电需要快充1h 或慢充4h。司机若在充电完成后15min 内未将车从充电桩移开，将面临惩罚费用，从充电完成时起按每30min 为单位的价格标准收费。情境因素根据相关文献[11]和现实场景确定，属性水平设置如表2所示。

表2 场景变量水平设置

将因素不同水平组合为多个情境，采用D-efficient 实验设计方法，利用Ngene 软件编程得到24个选择情境。每份问卷包含8 个选择情境，3 份分属于3 个不同组别的问卷构成一套全情境完整问卷，选择情境示例如图2所示。

图2 选择情境示例

2.2 问卷实施

采取网络调查方式，对电动汽车用户群进行问卷发放，随机发放问卷300份，回收有效问卷267份，回收率为89%，可用于模型估计使用的观测数据为2 136 条。有效样本的个人基本信息统计如表3所示。

·动态化原则。品牌定位不是一成不变的，是需要根据读者的需求而不断调整的，这样才能使品牌具有活力。不过，虽然从长期看，品牌定位需要不断进行调整优化，但在一定时期内应该保持相对稳定。

表3 样本个人基本信息统计

3 模型结果分析

建立不含态度潜变量的基础二项logit 模型（BL 模型）和含态度潜变量的二项混合选择模型（HCM BL 模型），对比分析态度潜变量对模型解释能力的影响。其中性别、充电类型、是否有私人桩、充电开始时间和地点为分类变量，分别以女性、慢充、无私人桩、18：00 商场和18：00 家为参照基准，利用Python 软件进行模型求解，参数标定结果见表4。已有经验表明[18]，当离散选择模型的拟合优度ρ2达到0.2 时具有较好拟合效果，达到0.4时相当于线性模型ρ2为0.8的拟合效果。从模型ρ2及调整ρ2的值可知，同时标定了态度潜变量的HCM BL 模型相较于普通BL 模型具有更高的拟合优度。ρ2由不足0.2提升至0.4以上，对于电动汽车用户充电后驶离选择行为有更好的解释能力。

表4 BL和HCM BL模型估计结果

3.1 参数显著性分析

根据表4 中HCM BL 选择模型参数标定结果可以看出：

（1）模型常数项的估计参数显著，表明未观测到效用对充电后移车行为具有影响作用，参数符号为正，表明相对于充电完成后不移车的行为，受访用户对移车行为更有偏好。

（2）移车费时和超时占用惩罚费用两个变量均显著且符号一负一正，表明当移车所需花费时间越长选择充电完成即时移车的概率越低；当惩罚费用越高时选择即时移车的概率越高，符合实际情况。

（3）充电类型、充电时间和地点对受访者的充电后驶离行为有影响。快充类型参数负显著，表明相对于慢充而言，电动汽车用户在快充时更不愿意即时移车；变量“9：00 单位”的参数显著且为正，表明相对于18：00 在家或商场充电，电动汽车用户9：00在单位充电的场景下更愿意即时移车。

（4）社会责任意识和感知转换成本态度变量均显著，表示所选潜变量是适合用于解释充电后的驶离行为的，两指标变量一正一负，表示社会责任意识越高和感知转换成本越低的个体越有在充电后即时将车驶离充电车位的倾向。

表5为HCM 中的结构模型和测量模型参数估计结果。在结构模型中，选择个人社会经济属性的年龄、性别和收入三个变量预测潜变量，结果表明三个变量均显著影响了受访者的社会责任意识，且显著影响了受访者的感知转换成本。同时，系数符号表明，年龄越小、收入越低和男性更倾向于有较强的社会责任意识和感知转换成本。结合在选择模型中个人社会经济属性对于选择没有直接观测到的显著影响来看，通过潜变量可以了解到影响行为的非观测效应。

表5 HCM BL结构模型和测量模型结果

在测量模型中，两个潜变量对应的指标变量系数均符合预期。设定潜变量第一个测量指标系数为1，以标定相应参数。社会责任意识潜变量的测量指标符号均为正，表明当受访者对指标的回答结果越大，其社会责任意识越强；且测量指标系数t值均大于1.96，表明上述测量指标问题在95%概率上能够说明来自受访者社会责任意识的影响。感知转换成本潜变量的4 个测量指标系数符号均为负，且t值均大于1.96，表明当受访者回答结果越小，感知转换成本越大，且在95%概率上说明受访者的感知转换成本能够影响其在上述问题中的结果。

3.2 弹性与边际分析

3.2.1 弹性分析

弹性分析在统计分析中有较为广泛的应用，通过弹性分析可以了解到影响因素对被解释变量的反应或影响程度。电动汽车用户q选择即时移车项r的概率相对于该项的第h个属性（即Xrhq）的边际变化弹性如下式所示：

模型参数标定结果表明，移车花费时间和超时占用惩罚费用对于充电驶离行为有显著影响。为了更好理解其影响作用，对移车费时和惩罚费用两个连续变量进行直接弹性分析，结果见表6。结果表明，两个变量的直接弹性变化均大于1%，分别为-36.5%和16.9%，表明移车行为对移车费时和惩罚费用是富有弹性的，且移车费时的弹性大于惩罚费用。当移车费时每增加1%，选择移车的概率将降低36.5%；当惩罚费用每增加1%时，选择移车的概率将提升16.9%，电动汽车用户对移车费时的敏感程度高于惩罚费用。通常移车费时越长，人们感知到的移车成本越大，因此对于感知转换成本较高而不愿意移车的人，在移车费时不变的情况下收取超时占用惩罚费用是有效的促进充电驶离行为的策略。

表6 时间和费用的直接弹性

3.2.2 边际分析

相较于表示比例变化的弹性分析，边际分析侧重表示绝对变化，描述当变量发生1个单位变化时，决策者选择概率的绝对变化值。为了探求移车费时和惩罚费用如何更为具体地对充电驶离行为产生影响，对该变量作边际分析。直接边际效用计算公式为：式（9）表示电动汽车用户q选择即时移车项r的概率相对于该项第h个属性（即Xrhq）的边际效用。

同样利用PWSE 法求得样本整体的边际效用，结果见表7。移车费时边际值为-0.0173，表明当移车所需花费时间每增加1min，会减少1.73%的用户选择充电后即时移车；惩罚费用的边际值为0.0324，符号为正，表明当超时占用惩罚费用每半小时提高1 元，会增加3.24%的电动汽车用户选择即时移车。因此，为更加有效利用社会充电桩资源，一方面可考虑充电用户的可达性和便利性，合理进行充电设施的布局规划；另一方面，对于充电设施及场地提供者而言，按照供求关系制定合理的超时占用惩罚收费机制可以有效提升充电桩使用率及周转率。

表7 时间和费用的边际效用

4 结论

本文从充电设施运营效率角度出发，以电动汽车用户为研究对象，基于混合选择模型进行标定，考虑了心理潜变量的影响，分析讨论了电动汽车用户在公共充电桩充电完成后驶离的选择行为。主要研究结论如下：

（1）在研究场景方面，相较于已有的关于充电选择行为研究普遍为充电前的决策行为，针对公共桩充电后的驶离行为研究有助于提升充电设施运营效率，为电动汽车车桩发展不平衡及占桩问题提供科学合理的解决思路。

（2）在模型方面，引入心理层面潜变量的HCM模型能够解释受访者在面临行为决策时较难观测到的影响因素，拟合优度提高了0.237，相对没有潜变量的离散选择模型具有更高的拟合优度和解释力度。

（3）电动汽车用户的个人态度，即其社会责任意识和感知转换成本对充电驶离行为有显著影响。个人态度变量和个人社会经济属性相关，为提高充电设施使用率和周转率，可实施一定促进方案，比如针对感知转换成本更高的女性制定相应的营销策略，加大对充电后驶离行为的社会作用及意义的宣传力度，在充电设施处明确提示即时移车和超时占用费等。

（4）移车费时和惩罚费用对电动汽车用户影响很大，充电时间地点和充电类型一定程度对电动汽车用户存在影响。对充电的电动汽车用户实施超时占用收费可以提高充电设施使用效率，对不同充电场景可制定差异化超时占用惩罚收费策略。例如，结果显示快充时电动汽车用户更倾向于不即时移车，可以针对快充制定更高的惩罚收费方案。针对充电类型影响移车行为的现象可挖掘其背后原因，快充时间较短，原地等待时间成本较高，当有其他安排事项时，若选择即时移车将会打断个人时间安排，故移车的便利性较差；而慢充周期更长，相对而言个人时间安排会更加灵活，这对于不同充电站在充电类型设置时也具有一定启发意义。

（5）移车费时和惩罚费用的弹性和边际效应分析具有较强的现实意义，可根据实际用地类型和用户需求制定充电设施布局及优化方案，根据具体充电设施使用率和周转率进一步做定价定量分析，这也是后续研究中可进一步深入挖掘的方面。