链上镖师 / Chain Biaoshi
TRD|公共充电偏好异质性：基础设施可达性与日常出行规律评估
基于365名BEV车主问卷，论文把公共充电偏好拆成八个维度、两类画像，并用IPW估计私人充电、出行目的和充电频率对画像归属的影响。
公共充电站利用率不能只看站点供给，论文用因子分析、潜在画像和IPW说明：私人充电接入、商务用途、通勤惯例和公共充电频率会塑造车主选择充电站时真正看重的东西。
- 01：样本来自365名美国BEV车主，偏好条目覆盖站点可达性、成本、速度、等待、服务商信任、便利设施和使用情境。
- 02：研究识别出两类用户：76%的效率导向型用户更看重可达性和成本，24%的信息响应型用户更看重服务商信任、便利设施和情境匹配。
- 03：IPW结果显示，私人充电接入、商务用途和每周公共充电频率提高信息响应型画像归属概率，通勤用途降低该画像概率。
研究背景
美国插电式车辆数量从2013年的20万辆增长到2023年的480万辆，公共充电基础设施随之成为电动化交通能否服务多类人群的关键条件。多单元住宅居民、长距离出行者、低收入和少数族裔社区用户，对公共充电可达性和可靠性存在更强依赖。
论文关注一个容易被供给侧规划覆盖的问题：用户对公共充电站的评价并非只由距离、价格和速度决定，真实选择还受到日常路线、私人充电可得性、服务商信任、附近活动机会和既往体验影响。只扩建站点数量，可能继续强化部分站点拥挤、部分站点闲置的格局。
来源：Table 1。365名BEV用户对公共充电站偏好条目的五点量表回答分布，变量覆盖能源来源、服务商、便利设施、可达性、成本、经验、时间和等待等条目。
这篇论文的切入点在于把公共充电站看作一个被行为筛选的基础设施系统：同一座站点对不同车主的吸引力，取决于他们拥有怎样的充电接入条件和出行惯例。
核心问题
既有研究常把公共充电选择建模为站点属性之间的权衡，例如距离、费用、速度和排队时间。论文指出，这类模型能够回答用户重视哪些属性，却难以解释用户为什么形成不同的评价结构，也容易把被基础设施和出行惯例塑造出来的偏好误读为固定口味。
01第一，BEV车主评价公共充电站时包含哪些潜在偏好维度。
02第二，基于这些维度能否识别出结构不同的用户画像。
03第三，私人充电接入、公共充电频率、机会充电、出行目的和驾驶频率是否会影响画像归属。
研究样本限定在当前BEV车主，数量为365人，目的是观察已经具有公共充电经验的人群内部差异。论文先从44个五点量表偏好条目中提取潜在因子，再用潜在画像分析划分用户类型，最后把画像归属作为结果变量，用逆概率加权估计行为和基础设施条件的影响。
来源：Fig. 1。方法框架显示研究链路：EFA/CFA识别偏好维度，LPA划分用户画像，IPW估计画像归属驱动因素。
方法框架
1先将公共充电站偏好条目分为站点侧选择属性和用户侧情境因素两组，分别开展探索性因子分析。
2再用验证性因子分析检查结构拟合，并将EFA因子得分作为潜在画像分析输入。
3随后估计2至6类LPA模型，比较BIC、熵值、分类不确定性和最小画像占比。
4最后以画像归属为结果，对私人充电接入、公共充电频率、机会充电、使用目的和驾驶频率分别构造IPW模型。
来源：Fig. 2。潜在因子碎石图用于判断EV属性重要性与外生特征两组变量的可解释因子结构。
来源：Table 2。旋转因子载荷与解释方差显示，八个潜在维度构成BEV用户评估公共充电站的基础。
最终八个维度覆盖基础设施与信任、时间与出行约束、可达性与充电速度、成本敏感性、便利设施、外生情境、车辆特征和环境态度。各因子的Cronbach alpha在0.68到0.85之间，说明这些条目能够形成相对一致的行为构念。
来源：Table 3。LPA模型拟合统计显示，2类方案熵值为0.870，分类不确定性为8.2%，最小画像占比为23.6%。
案例或实验设置
调查通过Prolific Academic在2024年5月至10月完成，研究只保留美国18岁及以上当前BEV车主。问卷包含人口统计、EV使用、公共充电行为、站点偏好和环境态度等内容，完成时间中位数约20分钟，参与者获得4美元补偿。
有效BEV车主样本
365人
偏好测量条目
44项
来源：Fig. 3。不同潜在画像的人口统计组成对比显示，P1与P2在性别、教育、收入、族裔和政治倾向上存在分布差异。
来源：Table 5。充电行为相关logit与多项logit模型结果显示，社交网络、收入、教育和族裔与部分行为变量相关。
IPW阶段把年龄、家庭收入、性别、教育、种族与族裔、EV社交网络规模作为混杂变量。每个处理变量分别建模，避免在样本有限时把私人充电、公共充电频率、机会充电和使用目的的影响混在同一个联合处理设定中。
结果分析
LPA将BEV车主分成两类。P1为效率导向型用户，占76%，优先关注可达性、成本、充电速度和时间负担。P2为信息响应型用户，占24%，在基础设施信任、便利设施、情境兼容性和服务体验方面得分更高。
来源：Table 4。两个LPA画像的平均因子得分显示，P2更重视基础设施信任、便利设施和情境匹配。
来源：Table 6。IPW诊断汇总各处理模型的权重范围、最大事后SMD和有效样本量，用于检查加权后协变量平衡质量。
来源：Table 7。充电与使用行为对LPA画像归属的赔率比显示，私人充电接入、商务用途和公共充电频率显著提高P2归属概率。
核心数值结果很清楚：私人充电接入使信息响应型画像的赔率比达到2.39，商务用途为2.70，每周公共充电频率为7.43；通勤用途的赔率比为0.47，说明通勤车主更可能停留在效率导向型评价结构中。
管理启示
论文给公共充电规划的直接含义是：站点建设不能只按平均用户配置。效率导向型用户需要更清晰的可达性、价格、速度和排队表现；信息响应型用户还会评估服务商可信度、附近活动机会、推荐与评价信息以及站点是否适合自己的使用情境。
✓面向通勤型用户，优先降低绕行、等待和费用不确定性，让公共充电更接近日常出行链路。
✓面向商务和高频公共充电用户，强化网络服务质量、可靠信息披露、便利设施和可预期体验。
✓对拥有私人充电接入的用户，公共站点可承担补充性、情境性和活动耦合型充电功能。
这项研究也解释了站点低利用率的一类成因：部分站点在物理上存在，却没有匹配目标用户的评价结构。规划者如果只看空间覆盖和枪口数量，容易低估信任、信息、等待和日常路线对真实使用的影响。
公共充电网络的下一步优化，需要把“站在哪里”和“谁会在什么惯例下选择它”放在同一个框架里评估。
论文：Infrastructure access and routines shape heterogeneous public EV charging preferences
作者：Hossein Gazmeh，Omar Faruqe Hamim，Torsten Reimer，Juan Pablo Loaiza-Ramírez，Satish V. Ukkusuri，Xinwu Qian
期刊：Transportation Research Part D
链上镖师、先卜交通、先卜运筹通用论文ID
保存此推文 ID，可在粉丝群内获取相关材料，未来更多功能敬请期待
先卜科技团队：常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义
