王忠輝，王立曉

(新疆大學 建筑工程學院，烏魯木齊 830047)

近年來，我國的機動車保有量迅速增加，給人們的生活帶來了便利。與此同時，車輛的大量使用也帶來了一系列問題，其中能源短缺和環(huán)境污染問題日益凸顯。在這一背景下，大力發(fā)展新能源汽車已成為交通運輸管理部門的主要任務(wù)，其中電動汽車(EV)以零污染、低噪音和能源利用率高的特點得以快速發(fā)展，成為解決能源和環(huán)境問題的重要途徑[1]。我國政府也積極推廣電動汽車，國務(wù)院于2012年頒布了《節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2012—2020)》，該規(guī)劃指出將發(fā)展電動汽車作為國家戰(zhàn)略之一[2]；為進一步推動電動汽車的發(fā)展，國務(wù)院于2020年發(fā)布了《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2021—2035年)》，提出汽車產(chǎn)業(yè)轉(zhuǎn)型升級和推動新能源汽車產(chǎn)業(yè)高質(zhì)量發(fā)展的重要作用[3]?；诋斍暗腅V技術(shù)以及驅(qū)動原理，電動汽車可分為燃料電池汽車、混合動力汽車以及純電動汽車3種[4]，其中純電動汽車從環(huán)境性能和社會效益方面來說均為理想型車型[5](下文的電動汽車均指純電動汽車)。然而，充電設(shè)施的不足阻礙了電動汽車的發(fā)展，電動汽車市場的蕭條降低了運營商建設(shè)充電設(shè)施的意愿，很容易陷入“有車無樁、有樁無車”的現(xiàn)象，Upchurch等[6]研究表明建設(shè)足量的充電設(shè)施可促進電動汽車的發(fā)展。因此，合理的充電設(shè)施布局對于電動汽車的發(fā)展具有重要意義[7]。

關(guān)于充電設(shè)施布局，已有學者從不同角度進行了研究。有學者考慮充電方式對布局的影響，如肖湘寧等[8]對電動汽車發(fā)展規(guī)模預測、充電方式的選擇、充電設(shè)施與電力系統(tǒng)的互饋作用等問題進行分析，對充電設(shè)施布局給出若干條指導性建議；付鳳杰等[9]基于充電選擇方式模擬電動汽車充電行為，并給出了充電設(shè)施布局的指導性意見；還有學者從充電需求角度對充電設(shè)施布局展開研究，如張智禹等[10]提出了基于充電需求分布的預測結(jié)果，以充電站建設(shè)運營成本、電動汽車充電成本及電網(wǎng)懲罰成本之和最小化為目標函數(shù)對充電設(shè)施進行布局；楊現(xiàn)青等[11]考慮了電動汽車充電需求點的分布，以充電設(shè)施收益最大化為目標對充電設(shè)施布局展開研究。此外，還有學者采用不同的充電設(shè)施布局模型展開研究，鄭瑤[12]從運營商和用戶的角度出發(fā)，運用截流選址模型以及排隊論，分別考慮建站成本與充電站服務(wù)水平，對電動汽車充電設(shè)施布局進行決策；蔡燕喃[13]選取公共停車場作為充電設(shè)施候選點，從電動汽車用戶角度出發(fā)，運用p-median模型和遺傳算法進行充電設(shè)施布局，使需求點到達離自己最近的充電設(shè)施距離之和最小。目前關(guān)于各類能源供應(yīng)設(shè)施布局的理論和模型研究數(shù)量較多，但缺少全面闡述電動汽車充電設(shè)施布局的綜述性文獻，因此，筆者系統(tǒng)整理了充電設(shè)施布局研究方法及發(fā)展進程，為后續(xù)充電設(shè)施布局研究提供思路和理論依據(jù)。

1 充電方式概述

充電設(shè)施是指為電動汽車提供電能補給的充換電設(shè)施，是電動汽車發(fā)展的重要基礎(chǔ)保障。目前，電動汽車充電方式有快速直流充電、慢速交流充電、電池更換以及無線充電等[14]，但充換電設(shè)施內(nèi)普遍存在三種充電類型(見表1)。

表1 電動汽車充電類型及特點

充電設(shè)施布局研究內(nèi)容包括充電設(shè)施的類型以及充電設(shè)施數(shù)量，國內(nèi)外充電設(shè)施布局已有研究大多只考慮單一的充電類型[15-16]。隨著電動汽車技術(shù)的發(fā)展，多類型充電網(wǎng)絡(luò)布局需求逐漸凸顯，在后續(xù)研究中趨向于同時考慮快速充電和慢速充電[17-20]?，F(xiàn)有研究較少考慮電池更換，且僅作為應(yīng)急為電動汽車補充電能。雖然換電時間較短，一天可完成多次換電服務(wù)，但電池更換需要專業(yè)工作人員使用專門的工具才能完成，且電池型號規(guī)格不同，若實現(xiàn)統(tǒng)一還很難做到，因此，在運營初期需要購買大量的電池組與充電機。這些都將導致建設(shè)初期的運營成本較高，并且電池在使用過程中還有損壞和丟失的風險[21]。所以，同一充電站內(nèi)涉及快速充電、慢速充電、電池更換以及其他充電方式將是未來的研究方向。

2 電動汽車充電需求預測

充電需求是指當電動汽車剩余續(xù)航里程不足以完成后續(xù)出行，需要進行充電時產(chǎn)生的需求，通常用待充電動汽車的數(shù)量來衡量[22]。電動汽車充電需求受多種因素影響，且充電需求預測又是電動汽車充電設(shè)施布局的依據(jù)[23]。因此，筆者從充電需求影響因素和電動汽車充電需求預測的研究現(xiàn)狀展開論述。

2.1 電動汽車充電需求影響因素

電動汽車充電需求的影響因素是研究電動汽車充電需求預測的基礎(chǔ)，若要建立一個準確預測電動汽車充電需求的模型，有必要對其影響因素進行全面分析[24]。從宏觀角度看，電動汽車出行群體特性將會影響整個區(qū)域電網(wǎng)。從微觀角度來看，可分為車輛屬性、充電設(shè)施屬性以及用戶個人行為習慣。影響電動汽車充電需求的具體因素如表2所示。

由表2可知影響電動汽車充電需求因素較多，且考慮不同的影響因素進行充電需求預測將導致預測結(jié)果不同[25]。因此，應(yīng)綜合考慮上述影響因素，進行電動汽車充電需求預測。

表2 電動汽車影響因素

宏觀影響因素可分為環(huán)境和政策的影響，其中環(huán)境因素包括是否工作日和天氣情況等影響電動汽車用戶出行時間、行駛速度和行駛里程因素，研究表明，不同天氣情況、出行日類型(工作日和休息日)將會有很大差異，不同出行日類型呈現(xiàn)不同的交通狀況[26]。政策因素主要包括影響電動汽車發(fā)展的相關(guān)政策，各地制定不同的電動汽車發(fā)展與激勵政策，將導致不同地區(qū)電動汽車發(fā)展速度不同，從而影響電動汽車充電需求。

從微觀角度來看，關(guān)于車輛屬性的研究，羅卓偉等[27]將電動汽車類型分為私家車、商務(wù)車、公交車和出租車，因不同類型電動汽車具有固定或非固定的行駛路線，所以在電動汽車充電需求建模時通常采用不同的分析思路。

現(xiàn)有電動汽車充電方式分為有線充電和無線充電，有線充電主要有快速充電和慢速充電。電動汽車使用不同充電方式對應(yīng)不同的充電時間，文獻[8]指出：快速充電方式利用較大的電流給電動汽車充電，充電時間短但對電網(wǎng)沖擊較大，也會減少電動汽車電池的使用壽命；而慢速充電方式充電時間較長，對電池損耗較小。因此，電動汽車用戶選擇不同的充電方式將直接影響某一時刻的充電功率和充電持續(xù)時間。然而，電動汽車用戶對充電方式選擇具有隨機性，且充電站內(nèi)充電樁數(shù)量不同，其充電功率仍是變數(shù)，充電功率的大小將不同程度影響電動汽車充電時間。此外，為解決電動汽車充電速度慢、緩解充電時對電網(wǎng)的影響，電動公交車通常采用電池更換的方式，這樣有利于分布式電網(wǎng)規(guī)劃，統(tǒng)一對電池充電進行集中控制，便于協(xié)調(diào)調(diào)度。無線充電技術(shù)雖然有較多優(yōu)點，但現(xiàn)階段其技術(shù)尚未成熟，對充電需求影響較小。因此在充電需求預測時，應(yīng)考慮不同充電方式對充電需求影響。

電動汽車電池容量的差異性也將會影響EV用戶的充電行為，如電池容量越大，電動汽車續(xù)航里程越大，則充電頻率越低。用戶個人行為習慣對電動汽車充電需求分布也起到關(guān)鍵性作用，主要包括出行距離、出發(fā)時間以及充電起始時間等，如EV用戶充電起始時間，將直接影響電動汽車的充電需求分布，田立亭等[28]將EV結(jié)束一天行程返家時間設(shè)置為起始充電時間。此外，充電時間越集中，充電需求就會越突出，在某個時間段內(nèi)的充電需求就會越大。Lojowska等[29]研究表明電動汽車行駛距離與行程開始、結(jié)束時間具有相關(guān)性，也使研究更符合實際充電需求。

2.2 電動汽車充電需求預測

隨著電動汽車滲透率的不斷提升，電動汽車充電需求預測方法也逐漸成熟。現(xiàn)有研究關(guān)于充電需求預測的方法主要有蒙特卡洛隨機模擬方法、運用交通行業(yè)起訖點(OD)分析法以及基于多智能體系統(tǒng)仿真方法等。蒙特卡羅方法以其能夠逼真描述事物發(fā)展特點和物理實驗過程的優(yōu)點在各大領(lǐng)域得到廣泛應(yīng)用，相較于其他智能算法，蒙特卡羅方法在運行過程中，對于連續(xù)問題無需離散化，且程序結(jié)構(gòu)簡單，比較容易實現(xiàn)。但該方法還存在一定的缺陷，利用該方法進行模擬要求所輸入的變量之間相互獨立，所求解的誤差是在一定置信水平下判定，且算法收斂速度較慢[30]。運用OD分析法是采用OD流量矩陣模擬得到，并非實際的OD對。如He等[31]假設(shè)充電需求通常在出行終點被滿足，通過模擬的OD對估算電動汽車的充電需求。多智能體系統(tǒng)核心由一系列智能體構(gòu)成，是處于一定環(huán)境中的分布式系統(tǒng)，可用于解決單一系統(tǒng)難以處理的復雜問題，如鄭恩澤等[32]通過劃分充電站Agent、用戶Agent以及綜合決策Agent，進行充電需求預測以及充電設(shè)施布局，該方法已成為解決復雜問題分析與模擬的工具。隨著研究的深入，研究方法的創(chuàng)新較小，相關(guān)研究主要體現(xiàn)在數(shù)據(jù)方面的創(chuàng)新。充電需求預測的研究數(shù)據(jù)主要分三種：基于統(tǒng)計數(shù)據(jù)、基于仿真模擬數(shù)據(jù)以及基于車輛出行規(guī)律，進而預測電動汽車充電需求。

研究初期，由于缺乏實際的出行數(shù)據(jù)，通常使用統(tǒng)計數(shù)據(jù)預測電動汽車充電需求，如居民人口數(shù)、汽車保有量數(shù)、交通流量以及加油加氣站分布等數(shù)據(jù)。如張進[33]基于灰色模型進行電動汽車保有量分布預測，通過重力模型計算各個交通小區(qū)電動汽車的出行量和吸引量，從而預測各個交通小區(qū)電動汽車充電需求量；孫政[34]通過線性回歸和BASS模型對保定市未來電動汽車保有量進行預測，并在此基礎(chǔ)上預測電動汽車充電需求；寇凌峰等[35]利用居民數(shù)量來估算電動汽車充電需求；Ge等[36]利用路網(wǎng)節(jié)點交通流量預測充電需求，并將充電設(shè)施建設(shè)在交通流量大的路段上。盡管統(tǒng)計數(shù)據(jù)獲取相對容易，但這些數(shù)據(jù)都是靜態(tài)，如居民數(shù)量、車輛保有量和加油加氣站等數(shù)據(jù)能否準確反映電動汽車數(shù)量和充電需求仍有待驗證，因為使用統(tǒng)計數(shù)據(jù)估算需求并沒有考慮到電動汽車的使用情況，而使用情況才與電動汽車充電需求密切相關(guān)。也有學者基于仿真模擬數(shù)據(jù)進行電動汽車充電需求預測，如張洪財?shù)萚37]通過仿真電動汽車不同時間、空間的停放以及充電行為，根據(jù)SOC(State of Charge)閾值來判斷是否產(chǎn)生充電需求；田夢瑤等[38]通過電動汽車出行大數(shù)據(jù)獲取出行和充電行為特征，用輪盤賭法和馬爾科夫原理模擬EV出行鏈，預測電動汽車充電需求的時空分布；許威等[39]通過蒙特卡洛方法模擬電動汽車一天行駛過程并考慮了交通擁堵對其產(chǎn)生的影響，從而預測不同區(qū)域電動汽車在不同類型日的充電需求分布情況。基于仿真模擬數(shù)據(jù)預測電動汽車充電需求時，電動汽車用戶的充電決策假設(shè)普遍存在較為主觀或偏于簡單的情況，如假設(shè)電動汽車SOC低于某一閾值產(chǎn)生充電需求或充電需求在終點被滿足[40]。實際上，由于出行者受里程焦慮等心理的影響，在電動汽車使用過程中就會產(chǎn)生充電需求，因此，基于仿真模擬數(shù)據(jù)也不能較真實反映實際充電需求。

也有學者基于車輛出行規(guī)律預測電動汽車充電需求，如Hua等[41]利用北京市出租車的出行軌跡數(shù)據(jù)，提取車輛常停車的地點(停車熱點),并以此預測電動汽車充電需求；Chen等[42]利用3 000條居民出行記錄提取停車信息，通過回歸分析法預測停車需求，從而預測電動汽車充電需求；羅思杰等[43]通過對出租車軌跡數(shù)據(jù)提取，篩選出可支持充電時長的出租車停留點，并對非道路區(qū)域停留點進行聚類，最后分析停留點的時間分布，以高峰時刻停留點數(shù)預測電動汽車充電需求；假設(shè)某輛車在多個地點停車，將導致充電需求預測不準確。在獲取出行鏈或者出行活動時，通常使用的是調(diào)查數(shù)據(jù)或GPS行駛軌跡數(shù)據(jù)，GPS數(shù)據(jù)可以記錄行駛過程中一天的軌跡數(shù)據(jù)，但該數(shù)據(jù)通常通過燃油出租車數(shù)據(jù)獲取，不能真實反映一般出行者以及電動汽車的出行特征。綜上所述，基于車輛出行規(guī)律相較于統(tǒng)計數(shù)據(jù)和仿真數(shù)據(jù)，更能真實反映實際出行情況，可提高充電需求預測精度。

隨著研究的進展，在數(shù)據(jù)方面，雖然基于車輛出行規(guī)律進行電動汽車充電需求預測更符合實際的充電需求，但也存在不足之處：其一，研究中所用GPS數(shù)據(jù)大多為燃油汽車數(shù)據(jù)，不能真實反映電動汽車真實出行情況；其二，雖然考慮了電動汽車充電需求的分布情況，但未涉及季節(jié)、溫度及天氣對充電需求的影響；其三，現(xiàn)有研究僅考慮電動汽車行駛距離所損耗的電能，未考慮電動汽車其他形式的能耗，如燈光、音響和空調(diào)等，均會對電動汽車電能損耗造成一定的影響，故會造成充電需求預測不準確。因此，有必要獲取電動汽車行駛軌跡數(shù)據(jù)和考慮季節(jié)、溫度及天氣和其他電能損耗形式對電動汽車充電需求的影響。

3 電動汽車充電設(shè)施布局模型及規(guī)劃目標

1909年，Weber研究如何在一個區(qū)域?qū)ふ乙粋€倉庫的位置，使得所有用戶到達該倉庫之間的總距離最小，由此開始了設(shè)施選址布局研究[44]。設(shè)施選址布局研究相當廣泛，比如加氣加油站、物流中心等，筆者研究的是充電設(shè)施選址布局問題，介紹了典型的選址布局模型和布局時考慮的規(guī)劃目標。

3.1 電動汽車充電設(shè)施選址布局模型

現(xiàn)有關(guān)于電動汽車充電設(shè)施選址問題模型主要分為基于點需求和基于流量需求兩種[45]。點需求的三種模型為P-中位模型、P-中心模型以及覆蓋模型，其中1964年Hakimi提出的P-中位模型是基礎(chǔ)模型。即對于任意建設(shè)p個服務(wù)設(shè)施位置，使得服務(wù)設(shè)施地點到服務(wù)需求點的距離與需求量的乘積最小，模型的目標函數(shù)及約束條件為[46]

(1)

s.t.Yij-Xij≤0

(2)

Xj,Yij∈{0,1}

(3)

(4)

(5)

式中：i為需求點，j為建設(shè)充電設(shè)施的服務(wù)站點；hi為位置i的需求量；dij為需求點i到達候車點j的距離；Yij為0～1變量，若設(shè)施點j可以滿足需求點i，則Yij=1，否則為0;Xj為0～1變量，若該點未建設(shè)充電設(shè)施，則Xj=0，否則為1;p為建設(shè)服務(wù)設(shè)施的數(shù)量。

1990年Hodgson等[47]提出了基于流量的選址模型，又稱截流選址模型。該模型認為顧客需求由兩部分組成，一部分需求產(chǎn)生于一定區(qū)域內(nèi)的需求點，第二部分需求產(chǎn)生在路網(wǎng)上的過路需求。關(guān)于第二部分需求，Hodgson等提出了截流模型，當需求路線及流量確定的情況下，建設(shè)p個服務(wù)設(shè)施，如何布置充電設(shè)施的位置才能使通過電動汽車充電設(shè)施的需求量總和達到最大。同時建立了這類問題的基本模型——截流模型(FCLM)，模型的目標函數(shù)及約束條件為

(6)

(7)

(8)

yq∈{0,1}

(9)

xj∈{0,1}

(10)

其中，fy表示第y條線路上的車流量；式(6)為布置充電設(shè)施獲得過路需求流量最大化；式(8)中，yq為0～1變量，在第q條路徑上建有充電站時，yq=1，否則為0；關(guān)于截流選址模型方面的研究，后期相關(guān)學者也進行了拓展[48-50]。

相比于點需求，流量需求模型更符合人們的出行行為，即人們通常在出行的過程中會順路接受服務(wù)[51]。但模型也存在一些缺點，首先，截流模型所需要的數(shù)據(jù)獲取難度較大；其次，模型有一定的局限性，難以滿足長距離出行，可能一次出行需要接受多次充電服務(wù)，需要在行駛路徑上設(shè)置多個充電站，這顯然與實際情況不相符合。文獻[14]中指出模型假設(shè)能夠滿足路徑上的所有車輛需求，不考慮服務(wù)設(shè)施的容量限制，這顯然也與實際不符。當下，隨著電動汽車保有量迅速增加，該問題更加凸顯。

3.2 電動汽車充電設(shè)施規(guī)劃目標

在電動汽車保有量增加、各地充電樁運營補貼等因素推動下，充電樁保有量快速增長。截至2020年12月，我國公共充電樁保有量為80.7萬臺，同比增長56%[52]。因此，充電設(shè)施布局研究保持著高集中性，現(xiàn)有研究在規(guī)劃目標方面主要考慮其經(jīng)濟性,經(jīng)濟性目標主要考慮從電網(wǎng)公司、充電設(shè)施運營商以及用戶三個角度進行規(guī)劃布局[53]。

劉自發(fā)等[54]從電網(wǎng)公司角度出發(fā)，構(gòu)建了以土地成本、供電損耗成本以及配電網(wǎng)配置成本最小化為規(guī)劃目標，并采用量子粒子群算法對模型求解；栗然等[55]利用蒙特卡洛方法預測共享汽車的充電需求，并以對用戶捕獲程度最大、電網(wǎng)損耗最小及配電系統(tǒng)電壓偏移最小為目標函數(shù)，建立了共享電動汽車充換電站最優(yōu)規(guī)劃目標；Huang等[56]考慮運營商建站投資、運行、檢修、保障、報廢全壽命周期成本最小化為規(guī)劃目標；艾圣芳等[57]站在運營商角度考慮建設(shè)以充電設(shè)施每年的投資成本、運營成本、維護成本、折舊成本等之和最小為規(guī)劃目標，并使用蒙特卡洛方法計算充電設(shè)施容量；何戰(zhàn)勇[58]在研究中考慮用戶的出行價值和排隊系統(tǒng)，以充電設(shè)施運營成本及用戶排隊成本最小為規(guī)劃目標；陳靜鵬等[59]以用戶最小化排隊時間和最大化充電樁利用率為規(guī)劃目標，以一個城區(qū)為例驗證模型的有效性和可行性。

電動汽車充電設(shè)施布局規(guī)劃可能涉及多個利益主體，但現(xiàn)有研究鮮有考慮多個利益主體，較多從單一主體出發(fā)進行規(guī)劃，這可能會影響到其他利益主體的接受程度，且規(guī)劃時較多基于運營商或用戶角度，因此，基于多個利益主體設(shè)置充電設(shè)施規(guī)劃目標進行充電設(shè)施布局值得考慮[60]。

4 充電設(shè)施布局的未來研究方向

4.1 多類型充電設(shè)施規(guī)劃

現(xiàn)有關(guān)于充電設(shè)施布局研究大多僅考慮一種充電方式，即快速充電方式或慢速充電方式，較少考慮換電站。近年來，隨著新型充電技術(shù)(無線充電)的出現(xiàn)，將會改變現(xiàn)存的充電方式。對于時間成本較高的人來說，無線充電方式或許是更好選擇。然而，現(xiàn)有研究大多針對公共充電設(shè)施，較少考慮其他類型充電設(shè)施，且規(guī)劃對象較多考慮了私家車。隨著電動出租車、電動環(huán)衛(wèi)車、電動公交車的出現(xiàn)，電動汽車充電需求的行業(yè)化將會越來越明顯，現(xiàn)有的充電設(shè)施布局顯然已不能滿足需求。因此，考慮多類型(快充、慢充、換電和無線充電等)充電設(shè)施布局以及依據(jù)相應(yīng)的規(guī)劃對象進行充電設(shè)施布局是未來的研究方向之一。

4.2 挖掘充電需求的影響因素

關(guān)于電動汽車充電需求預測，以往研究多基于統(tǒng)計數(shù)據(jù)、仿真及車輛出行規(guī)律預測需求，在獲取汽車出行鏈時，一般采用燃油汽車行駛軌跡數(shù)據(jù)，忽略了與電動汽車的區(qū)別。在考慮充電需求影響因素時較多考慮充電方式、充電地點以及SOC等易于觀察的因素，忽略了不易觀察的因素對電動汽車充電需求的影響，如溫度、季節(jié)、天氣等；其次，在電能損耗方面，僅考慮電池損耗與行駛路程有關(guān)，忽略了電動汽車輔助設(shè)備(如喇叭、空調(diào)等)對電能的消耗，這將導致電動汽車預測充電需求與實際充電需求存在誤差。因此，考慮電動汽車行駛軌跡數(shù)據(jù)和溫度、季節(jié)等不易觀察的因素以及輔助設(shè)備對電動汽車充電需求的影響，可進一步提高充電需求預測精度。

4.3 考慮不同利益主體的多目標規(guī)劃方法

電動汽車充電設(shè)施布局時，從不同的利益主體考慮，會有不同的目標函數(shù)及約束條件。文獻[59]中所述電網(wǎng)公司更注重在配電系統(tǒng)負荷率、容量等約束下降低網(wǎng)損，其規(guī)劃目標通常為總成本最小化、配電系統(tǒng)網(wǎng)損最小化等。充電設(shè)施運營商是運營的主體，更注重投資回報率，其規(guī)劃目標通常為年綜合成本最小化、年運營收益最大化等。電動汽車用戶在滿足自身的充電需求下，會選擇服務(wù)成本最小、總時間最少作為規(guī)劃目標。在充電設(shè)施布局時，從不同角度出發(fā)考慮的規(guī)劃目標不同，故綜合考慮多個利益主體是未來研究方向之一。

5 結(jié) 論

文中對現(xiàn)存充電設(shè)施規(guī)劃的基本模型進行分類總結(jié)及討論，提出了充電設(shè)施布局有待研究的3個主要方面：

1)考慮多類型充電設(shè)施布局，并依據(jù)規(guī)劃對象的不同進行充電設(shè)施布局；

2)考慮電動汽車行駛軌跡數(shù)據(jù)和溫度、季節(jié)等不易觀察的因素對電動汽車充電需求的影響；

3)綜合考慮不同的利益主體需求，對充電設(shè)施布局方向等方面展開研究。

未來研究也可圍繞以上方面進行創(chuàng)新，有望這些方面研究成果能夠為充電設(shè)施合理布局提供依據(jù)。