下载掌阅APP，畅读海量书库
立即打开
Shaheen S.A.等（2013） ［19］ 通过整理2006年、2008年与2010年的调查数据，总结了汽车共享业务扩张的六大关键因素：能源成本上升、经济不确定性、汽车共享主流化、跨国汽车共享运营商的扩张、单向汽车共享和个人汽车共享的增长，以及传统汽车租赁提供商和汽车制造商对汽车共享业务的增加。
Winter K.等（2021） ［20］ 探讨了将自动驾驶车辆引入城市所带来的机会与威胁，研究发现交通部门采用限制停车设施的停车管理策略可以减少乘客等待时间，减少交通拥堵，停车管理可用于改善整个城市以及选定区域的各个方面的服务，但与此同时会导致服务外部性，总而言之，在网络中尽可能均匀地分布空闲车辆是有益的。
Kumar R.R.等（2021） ［21］ 对于充电桩等电动汽车基础设施的出资建设方进行了讨论，并制定了4种模式：①电动汽车制造商投资建立充电基础设施，并向电动汽车消费者提供政府补贴，即模式M；②电动汽车制造商投资建立充电基础设施，即模型R；③政府投资建立充电基础设施，并向电动汽车消费者提供补贴，即模型MG；④政府投资建立充电基础设施，即模型G。研究结果表明，模型MG和模型M在产生最大电动汽车需求和市场份额方面同样有效，尽力开发充电基础设施十分有必要。
Pucci P.（2021） ［22］ 以米兰为研究区域，通过构建6种场景且以空间划分为依据确定电动车的需求情况，该研究发现，相同的政策措施在不同的情景中将会产生不同的影响。
李嫚嫚等（2021） ［23］ 对共享电动汽车的系统规划问题进行了研究，从需求价格弹性出发，建立共享新能源汽车系统配置模型并求解，通过算例证明了在对共享电动汽车进行系统规划时，将共享需求不确定性纳入考虑非常有必要，而且该系统利润会受到共享需求弹性、方差与需求量的影响，且与需求量和需求方差呈正相关关系，与需求弹性绝对值呈负相关关系。
李牧南、黄槿（2020） ［24］ 对以共享单车、共享新能源汽车等为代表的共享经济发展进行研究发现，阻碍我国共享经济发展的主要原因有4个方面：一是我国共享经济的资源并非闲置资源，而是为开发共享模式而推出的增量资源，进而演化为新的负担；二是形式为共享，实质为租赁；三是与绿色减排的目标背道而驰，监管与激励措施缺席；四是本质不变的情况下滥造商业模式，以赚钱为出发点而并非盘活资源，改善环境。
此外，停车位不足、城市交通拥堵也是阻碍共享电动汽车发展的重要因素，对此，姬杨蓓蓓等（2022） ［25］ 对共享电动汽车的停车位置进行研究，提出“共享新能源汽车”与“共享停车位”相结合的模式（即SEV+SP模式），并对其定价方式进行了探讨，结果表明，较低的停车费用与较高的时变租赁费用的定价方式既符合社会效益的期待，又能降低交通排放成本。
曹可心、邓羽（2021） ［26］ 从供需理论出发研究了城市共享新能源汽车分布的时空演变及影响因素，根据时空异质性将共享新能源汽车的分布分为“早晚”型、“日间”型与“均匀”型；在研究中发现出行需求是影响其空间分布的重要因素之一，共享新能源汽车的目的地主要有购物场所、科教文化场所、医疗保健场所等公共场所；并基于这些研究结果对政府建设相关设施提出了建议：可以将“日间”型集聚中心、居住空间与公共服务场所作为资源的重点布局对象。
仝德等（2021） ［27］ 对2018年上海市共享新能源汽车的运营数据进行了整理与分析，对用户使用共享新能源汽车的时间、空间与频率特征进行研究，发现工作日与休息日的数据特征存在明显差异：工作日的早晚高峰使用量大且空间分布集中，而休息日的使用量大于工作日且空间布局分散。按照使用频率可分为10种模式，中高频使用的用户单次行驶里程较长，且主要活动地点集中在中心城区与副中心区域；而低频率使用的用户主要使用场景为夜间、长途、加班等普通出行方式成本较高或不便利的情形，且空间分布分散。基于研究结果，提出对出行者提供差别化用车方案，如包月、包周等收费方案，优化车辆调度的方式，促进共享新能源汽车的发展。
汪洋等（2022） ［28］ 考虑到用户出行体验，同时为缩减企业成本，将交通网络、使用场景、充电站建设与维护、出行者行程不确定性等因素纳入动态随机规划框架，构建充电站布局与类型优化模型；同时发现在影响充电站规划的诸多因素中，预算、电价与权重因子会起到重要的决定作用。
现有文献中对于选址模型的构建主要分为5个方面：第一方面是从企业角度出发，模型构建的主要目标是使企业成本最小化，利润最大化；第二方面是从用户角度出发，模型构建主要目的是使用户的出行成本最小，获得效用最大；第三方面是从电网出发，考虑电网承载能力、电网容量、用电安全等因素构建模型；第四方面是基于社会总效益最大化、系统管理等角度构建模型；第五方面是根据现实数据利用更优化的数理方法构建评价模型，进行选址优化。
Worley O.等（2012） ［29］ 在经典车辆路径问题的基础上，以最小化旅行成本、充电成本和充电站选址成本之和为目标，将充电站定位和电动汽车路线设计问题表述为离散整数规划优化问题并进行求解，证明了模型的合理性。
黄振森、杨珺（2015） ［30］ 以将充电站建设成本降到最低且满足供电需求为目标，从充电桩数量与用电配额两方面衡量充电站服务容量，将这一指标纳入现有模型，从而建立新的充电站选址模型，并应用到湖北省高速公路网充电站规划中去，发现充电站建设需要考虑到安全电量水平与行驶范围等因素。
李永竞、裴文卉（2023） ［31］ 综合考虑影响选址的因素与建设成本，对充电站提出了三阶段选址方案：首先，采用层次分析法，利用多个地域的大数据对影响选址的多种因素进行综合分析与评价，建立相应的评价体系；其次，在同时考虑用户便捷性与企业营利性的条件下构建最低成本目标下的选址优化模型，并利用改善后的免疫粒子群算法求解；最后，将增扩问题考虑在内，利用Voronoi图确定新增站点。
Mirzaei M.J.和Kazemi A.（2020） ［32］ 对电动汽车停车场选址优化问题进行了探讨，采用动态规划的方法来确定配电系统中电动汽车停车场开发的最佳数量、容量、位置与开发时间。此外，该研究还从企业利润出发，通过调查预算短缺、预算不确定性和不同年度的分配类型等问题，研究了预算对电动汽车停车场动态规划的影响。研究结果表明，本研究提出的动态规划方法能够在考虑财务限制与系统约束的情况下帮助企业获取最大利润。
Li X.等（2016） ［33］ 提出了一个连续近似模型，以确定在随机动态出行需求下，以综合建设成本最低为目标的共享新能源汽车选址的位置与相应的汽车投放规模。
Zhu Z.H.等（2016） ［34］ 以最小化总成本为目标，对纯电动汽车充电站选址问题进行了模型构建，通过该模型对充电站位置以及每个充电站配置的充电桩数量进行了确定。
陈征等（2013） ［35］ 从可再生能源利用率以及投资运行成本角度出发，以充电功率需求分布及平衡、储能系统电量为约束条件，提出多目标优化模型，并通过NSGA-Ⅱ的寻优机制求解最优方案。
Liu Z.等（2012） ［36］ 以充电站相关的投资成本、运营成本、维护成本和网络损耗成本等总成本最小化为目标函数，以EV充电站的允许最大变压器容量限制、EV充电站补偿所需无功功率的下限和上限、每个总线的电压下限和上限、电动汽车充电站的允许最小和最大充电功率限制7个非等式约束条件为限制，建立了电动汽车充电站优化规模的数学模型，并用改进的原—对偶内点算法（MPDIPA）求解。
Kazemi M.A.等（2016） ［37］ 从企业角度出发，在配电公司利润最大化的目标下，开发一种新的方法来确定电动汽车停车场的最佳数量、位置以及容量，利用K均值聚类法确定停车场数量，使得预测停车场的收入与成本更贴近实际。
陈静鹏等（2016） ［38］ 从用户需求出发，兼顾运营商利益，利用动态仿真技术对电动汽车一周的出行进行模拟，将充电需求的空间分布考虑在内，着眼于用户空驶成本最小，建立优化的EV充电站规划模型。
邵赛等（2016） ［39］ 认为提高用户效用可以使企业在竞争环境中取得优势，是充电桩选址时应该考虑的重要因素，因此从用户角度出发，以排队时间与电动汽车里程为约束，以最大化用户效用为目标，建立充电桩选址模型，采用免疫优化算法进行求解，为充电站运营商提供更好的选址方案，帮助其动态调整充电桩开放数量，合理分配资源。
陈振等（2021） ［40］ 考虑到传统充电桩规划模型并未对资源进行充分均衡的分配，提出以充电效率为导向，设置充电需求等3项约束条件，以出行效率与服务能力为目标，建立多因子约束P中值模型并采用贪心算法进行求解，进一步通过Matlab工具求得全局最优解，最后进行实例验证发现，优化后的模型能够大幅提升各布点的资源均衡性与充电便捷性，显著减轻了对供电网络的负荷压力，为充电桩布局提供了更优解。
Kelley S.和Kuby M.（2013） ［41］ 通过对加利福尼亚州的259名汽车司机进行调查获取其住址以及加油前后的停车位置，利用地理信息系统分析了其行程时间最短的路线和选择的加油站，研究发现，规划早期加油基础设施的最佳位置模型应通过服务于驾驶员经常使用的路线，而不是其家乡位置来最大限度地提高便利性，并且高交通量道路附近的位置可能是早期站点的理想候选位置。
Davidov S.和PantošM.（2017） ［42］ 从满足电动汽车车主/驾驶员期望的充电可靠性和服务质量来最小化总成本的角度提出了一种充电站布局优化模型，该模型考虑了电动汽车的充电可靠性和行驶里程限制，使用集合建模来表示道路网络和电动汽车行驶轨迹。
杨珍珍、高自友（2018） ［43］ 利用大量的位置数据，通过4步走方法确定电动汽车充电桩选址：首先通过大数据确定可能存在的需求位置；其次将目标区域划分为大小相等的网格；再次结合需求位置与网格，计算每一网格的交通需求量；最后将每一网格的交通需求量作为排序标准，选取排序靠前的网格作为潜在的充电站选址位置。
Zenginis I.等（2016） ［44］ 分析认为，各种电动汽车模型可以根据其电池大小进行分类，并通过考虑可用充电点、随机到达过程和各种电动汽车类别的随机充电需求来计算客户在队列中的平均等待时间。他们在此基础上提出一种策略，允许充电站在不增加排队等待时间的情况下为更多客户提供服务，并通过仿真模型验证该分析模型的高精度。
曹弋等（2016） ［45］ 在轨道交通停车换乘条件下，以车辆总出行距离最短为目标，构建Logit模型以确定停车需求，并在此基础上建立停车场选址优化模型。
杨俊等（2015） ［46］ 在对各类电动汽车充电模式进行分析的基础上，将出行需求、使用习惯、充电设施等影响EV充电负荷的因素考虑在内，对电动汽车的充电负荷进行预测并对充电桩的充电需求进行计算，以市场需求与可行性两种因素为约束，提出了一种基于分区充电需求系数的电动汽车充电设施选址定容方法。
卞芸芸等（2017） ［47］ 将充电需求分为4种类型，以充电需求为导向对充电设施进行规划。
段庆等（2017） ［48］ 考虑了如何在确定住宅区充电桩数量的前提下，满足电动汽车分布不平衡的充电需求，使得用户充电距离最小，同时在考虑电动汽车充电频率的条件下对公共充电桩选址进行规划。
刘锴等（2015） ［49］ 从3个角度出发对比了点需求模型与路径流量需求模型各自的优势与不足，对两类模型提出了对应的改进建议，认为电动汽车的续驶里程、充电时长等问题应考虑在模型中。
付凤杰等（2018） ［50］ 从ANPR数据获取车辆行驶路线的记录并仿真模拟其出行，在特定充电站布局情形下，计算其充电需求，并将运营商利润、充电成本与电网负荷3种因素考虑在内建立模型，采用遗传算法对选址与定容进行优化，最终得到最优布局方案。
Bayram I.S.等（2015） ［51］ 提出适用于大型网络与小型网络的两种类型框架，确保了电网的可靠性，并显著节省了容量。
Pan F.等（2010） ［52］ 将充电需求、充电负荷与电网发电能力3方面因素考虑在内对电池交换站的选址方案进行探讨。
Phonrattanasak P.和Leeprechanon N.（2014） ［53］ 从快速充电站带来的线路损耗与充电站位置两个因素出发，提出了用于住宅区快速充电站规划的多目标蚁群优化方法，旨在最小化配电系统的线路安装总成本和线路损耗，同时维护系统安全。研究结果表明，该方法在满足技术、地理和安全约束的情况下，以最小的总成本和损耗找到了住宅配电上快速充电站的最佳位置。
Mozafar M.R.等（2017） ［54］ 从电能质量、功率损耗与电压偏差等电力系统角度出发，提出了一种同时优化可再生能源和电动汽车充电站位置和规模的新方法、一种管理电动汽车充电过程的优化策略，并基于电动汽车参数和可再生能源模型，提出了一个多目标优化问题，研究采用GA-PSO混合改进优化算法求解优化问题。
曾博等（2017） ［55］ 在考虑到电网的基本物理结构、风电等间歇性DG出力、常规用电以及EV充电负荷时空分布的不确定性等因素的基础上，以投资运行成本最小化为目标，构建智能停车场选址定容的两阶段模型并采用遗传算法求解。
Wang G.等（2013） ［56］ 提出了一种可以在保证充电服务进行的同时，减少配电系统的功率损耗与电压偏差的多目标电动汽车充电站规划，并采用交叉熵方法求解，该模型在仿真中取得了良好的效果。
栗然等（2021） ［57］ 以对用户捕获程度最大、配电系统网络损耗最小以及配电系统电压偏移最小为目标，建立了最优规划模型并进行求解。
Ip A.等（2010） ［58］ 针对交通密度大、街道空间有限、电网分布等充满复杂因素的城市化地区，提出了一个两步模型以对城市充电站布局进行规划，第一步是将道路信息量化为数据点并通过层次聚类分析将其汇聚成“需求集群”；第二步是将优化技术应用于需求集群，在考虑一定的约束条件和成本因素的基础上满足供给和需求。
Wang H.等（2011） ［59］ 建立了一套可持续、可扩展的多目标充电站规划模型，在考虑现有加油站分布位置的基础上，以需求优先级为依据进行了模型求解。
Jorge D.和Correia G.（2013） ［60］ 提出了一个单向汽车共享系统模型对单程共享租车网点进行优化。
Hongzhi Miao等（2019） ［61］ 基于两阶段多目标优化模型，实现了两个主要目标，即在第一阶段优化适当的地理服务区域和充电基础设施，在第二阶段有效地处理充电基础设施分配问题。
Lemme R.F.F.等（2019） ［62］ 在考虑经济、技术与环境的约束条件下，将共享价值原则中的可持续性问题纳入优化模型，将定量评估方法与共享价值的定性可持续性描述原则相结合，以构建支持复杂问题决策的优化模型；此外，他们还研究开发了综合灵活的模型，能够评估多种环境，从具有原始信息的文献中汇编数据，使研究结果更接近真实案例。
Wang H.等（2015） ［63］ 研究与设计了一种基于车辆推荐和调度算法的电动汽车共享系统全服务模型，该模型可以实现高效的车辆管理，并将时间匹配、站点推荐、车辆利用率和客户满意度等因素考虑在内。研究通过利用该模型对GreenGo进行仿真，证明了算法的有效性。
何敏藩、王玥（2018） ［64］ 以资金与服务能力为约束条件，引入效用理论，对充电设施不充足的情境下高速公路充电桩选址与定容优化问题进行了探讨，建立了相应的优化模型并改进了遗传算法进行求解，利用实例验证并发现，改进充电能力对增加高速路上使用充电桩的车辆数量有明显效果。
He F.等（2013） ［65］ 将公共充电机会的可用性、电力价格以及插电式混合动力汽车（PHEV）在区域交通和由PHEV耦合的输电网络中的目的地和路线选择之间的相互作用等因素考虑在内，开发了一个均衡建模框架，并应用该建模框架确定该地区大都市之间给定数量的公共充电站的最优分配，以最大限度地提高与耦合网络相关的社会福利。
Sadeghi-Barzani P.等（2014） ［66］ 将电站开发成本、电动汽车能量损耗、电网损耗以及变电站和城市道路的位置等因素考虑在内，构建了一种混合整数非线性优化方法，并利用遗传算法技术求解，优化充电站的布局和规模。
KayaÖ.等（2022） ［67］ 提出基于地理信息系统（GIS）的模糊多准则决策方法来解决共享电动汽车的选址问题，该方法共有三步：第一步，确定影响选址的最主要因素，包括能源、经济、社会与交通等，并且使用模糊层次分析法（f-AHP）对这些因素进行加权处理；第二步，通过GIS获得潜在生态系统的适用性图；第三步，通过消除和选择转换现实对根据适用性图分配的生态系统的性能水平进行排序。
Dong J.等（2014） ［68］ 分析了公共充电基础设施的部署对增加电动行驶里程的影响，提出了一种基于活动的评估方法，以评估BEV在真实驾驶环境中对异质旅行人群的可行性，利用遗传算法寻找公共充电站的最佳网点。
Khalkhali K.等（2015） ［69］ 采用两阶段程序优化充电站规划方法，提出一种新的公式来确定充电站的最佳尺寸和位置，以最大限度地提高配电系统管理器的效益。第一阶段根据车辆充电和放电的效益总和与配电网满足网络负载需求的效益两方面确定候选位置与规模；第二阶段优化改进，将充电站分为高效充电站和低效充电站，且仿真结果表明，适当的规划可以带来经济效益，改善有功功率损耗和电压分布。
Lopes R.B.等（2016） ［70］ 提出了一种混合遗传算法，遵循标准遗传算法框架，在变异阶段使用局部搜索过程，对容量受限的位置—路由问题进行求解。
Guo S.、Zhao H.（2015） ［71］ 从可持续性角度构建了电动汽车发电厂选址评价指标体系，该指标体系由环境、经济和社会标准组成，然后专家评分确定权重，最后采用模糊TOPSIS法对电动汽车充电站的备选方案进行排序，将模糊TOPSIS方法应用于电动汽车控制系统选址。
程宏波等（2016） ［72］ 以经济效益与社会效益总的收益最大化为目标，建立收益最大化的规划模型并采用微分进化算法求解。
谭洋洋等（2016） ［73］ 将电动汽车充电站规划的影响因素归纳为5个方面，在考虑社会效益、投资者经济效益和充电者经济效益的基础上确定了设计规模、投资成本、便利程度、邻站距离等8个评价指标，采用模糊物元分析法理论评估了充电站的规划方案并论证了方法的可行性。
Ge S.等（2011） ［74］ 将路网结构、配送系统结构、容量与车流量信息作为约束条件，以用户到充电站途中的浪费成本和站线投资之和最小为目标选择站点和插电地点，并基于排队论对站点容量进行优化配置。最后，同时考虑电力公司和电动汽车用户的利益，以全社会成本最小为目标完成规划方案的优化。
Aghajani S.和Kalantar M.（2017） ［75］ 提出了一种停车场管理合作博弈模型来实现公用事业公司利润最大化和停车场成本最小化。
Bioki M.M.等（2013） ［76］ 首先研究了插电式混合动力汽车在停车场的概率出勤模型，利用径向基神经网络得到停车场的期望插电式混合动力汽车数量和等效发电容量。其次采用GA-ANN混合启发式方法求解了V2G停车场的特定UC问题，提出了对V2G停车场插电式混合动力车数量进行实时估计并实时解决负载变化下的ucv-V2G问题，并将该方法应用于标准IEEE 10单元测试系统，取得了良好的效果。
陆荣琴等（2021） ［77］ 为解决用户换车难的问题，同时考虑到提升企业利润率的目标，通过构建混合整数非线性规划模型对共享新能源汽车的还车策略进行研究，发现临时车位最高可帮助企业提升利润25%，供需持平时，企业拥有的临时车位越多，给企业带来的收益就越高；而空余车位在供小于需的条件下会给企业带来最高的利润率，可提升37%。
吴丽霞等（2016） ［78］ 认为现有的灰色层次分析法、熵权法与模糊评价方法的评价指标体系均不够完善，因此在电动汽车的现实发展状况条件下采用熵权模糊物元法建立了电动汽车充电站选址的评价模型。
魏玲（2016） ［79］ 采用多层次灰色评价方法和符号计算软件Mathematical确定各层评价指标的权重，构建了共享新能源汽车充电设施选址问题的多层次灰色评价模型，并用实际算例进行了评价研究。
乌云娜等（2017） ［80］ 考虑到不确定信息的模糊性与随机性，利用网络层次分析法得到各个影响指标的权重，综合效用理论和级别高于关系决策方法的优势，提出了一种新型充换电站选址优化模型。
Awasthi A.等（2017） ［81］ 以印度阿拉哈巴德市充电站基础设施为例进行选址的优化，利用基于遗传算法和传统粒子群优化改进版本的混合算法寻找阿拉哈巴德配电系统中充电站的最优位置。通过对阿拉哈巴德市实时系统的仿真研究，验证了上述技术在改善电压分布和质量方面相对于遗传算法和粒子群优化的优越性能。
Tao Y.等（2018） ［82］ 基于武汉196辆纯电动汽车的真实驾驶数据建立了优化充电设施布局的数理模型。
Xu J.等（2018） ［83］ 提出了一种基于语言信息的多准则群决策框架来解决四川省天府新区6座电动汽车厂的选址问题。
彭泽君等（2015） ［84］ 综合考虑影响充电站选址的相关因素，建立了电动汽车充电站选址评估指标体系，提出基于云重心理论的电动汽车充电站选址规划评估方法，将定量指标和定性指标分别进行处理并建立了相应的云模型，应用加权偏离度来评判充电站地址偏离理想状态的程度，并依据评语集给出了评估结果。