前言

伴随经济发展而来的日渐严重的全球变暖与环境污染问题已成为人类可持续发展的阻碍，节能减排是全球各国关注的重点。城市燃油汽车数量的不断增多不仅造成交通拥堵，其排放的大量尾气也是城市空气污染的重要源头之一。为了城市可持续健康发展，共享新能源汽车的普及与推广刻不容缓。共享新能源汽车不仅为居民带来绿色出行，解决长久以来的传统汽车碳排放问题，也能够高效利用社会资源，节省城市土地资源，舒缓城市的交通堵塞问题，在互联网背景下有着长足发展的先天优势，是未来共享经济的主流方向之一。然而，选址位置不佳，停车难、找车难的痛点使得其普及率不高，用户较少，用户使用频率较低，阻碍了城市共享新能源汽车的发展。本书以选址问题为切入点，旨在通过建立数理模型对城市共享新能源汽车的选址进行优化，以促进共享新能源汽车产业的发展。

本书首先利用PEST分析工具对城市共享新能源汽车发展的政治背景、经济背景、社会背景与技术背景进行探讨，说明了本次研究的重要性与必要性。在大量文献阅读、归纳与整理的基础上，从利益相关者与准公共物品角度出发，构建了“G-B-U”理论分析框架，认为城市共享新能源汽车是由政府主导的准公共物品，政府、企业与用户是其核心利益相关者，因此在选址中应当将与这三方相关的因素考虑在内。本书将这些影响因素划分为10个维度，分别为政府方面的发展规划、区位特征、城市交通与政策规制；企业方面的企业成本、企业收益与拥挤临界点；用户需求方面的需求偏好、影响因素与需求量预测。

在搜集归纳相关文献与资料的基础上，本书认为，对于政府而言，优化选址可以节约城市的土地资源，促进城市交通发展，同时让产业发展带动就业发展，有利于增加城市就业岗位，提升就业率；对于企业而言，良好的选址能促进居民的使用，从而有助于企业规模的扩大与收益的增加；对于居民而言，增加其对出行方式的选择，实现绿色出行的同时节约时间与经济成本。考虑到城市共享新能源汽车的服务终端是居民，共享新能源汽车的长足发展离不开居民使用，因此了解居民出行需求，调查其日常出行行为，探知其对共享新能源汽车的看法与使用意愿是合理选址的关键所在，也是建立优化求解模型的前提。因此，本书在文献梳理的基础上，面向XZ市的部分用户进行了深度访谈，从用户的角度探讨其对于共享新能源汽车的需求偏好与影响其使用意愿的因素，得出租还便利性、公共交通替代性、私家车替代性、出行目的地、出行里程、出行规模、出行时间、经济成本、汽车驾驶能力、风险感知、卫生意识、环保意识、天气、疫情等14个因素是影响用户使用共享新能源汽车的关键因素。

在理论分析与实地调查的基础上，本书提出了“市场需求预测—备选网点筛选—选址模型求解”的三阶段选址决策方法，将主客观数据相融合确定测量指标，弥补现有研究中需求预测体系考虑不完整的缺陷，建立一套更为科学、合理、严谨的需求预测指标，构建P中值选址优化模型。

为了验证模型的可行性与科学性，本书针对XZ市的共享新能源汽车选址进行了优化算例研究。在需求预测阶段，为了深入探知研究区域的共享新能源汽车市场现状，获取市场需求预测指标计算所需的相关信息，本书在深度访谈、文献归纳与理论分析的基础上设计问卷，对XZ市居民的日常出行行为、共享新能源汽车使用经历、影响选择的因素、未来使用行为与基本情况五大部分进行了调查。由分析结果可知，共享新能源汽车分布不均衡、网点太少、数量不多、不如其他交通方式便利是影响XZ市共享新能源汽车扩散的主要原因；XZ市居民使用共享新能源汽车出行的主要目的地是休闲娱乐场所、工作单位与转乘站点；使用经历是影响XZ市居民未来使用共享新能源汽车的关键因素。本书以XZ市5个主城区为研究区域，构建P中值模型并使用Matlab中的CPLEX 12.8进行求解，结果表明，在优化前现有的XZ市57个布局点条件下，用户的总出行距离加权成本为5339400000米；而在优化后的57个选址布局条件下，用户的总出行距离加权成本为4074900000米，即共节省总出行距离加权成本1264500000米，平均节省人均出行步行时间11分钟，证明了该模型的适应性与优越性。

同时，本书构建的基于准公共物品理论与利益相关者理论的“GB-U”分析框架对现有的城市共享新能源汽车的研究理论进行了补充；本书设计的调查问卷量表可为相关研究提供参考；本书提出的“市场需求预测—备选网点筛选—选址模型求解”的三阶段选址决策方法可以应用到其他城市的共享新能源汽车选址问题上，有利于对城市现有选址方案进行质量判别，并提供优化方案，有利于城市规划与共享新能源汽车的产业发展。

本书整体架构及共享新能源汽车选址理论分析框架构建部分由党建民博士和王晓珍博士共同完成，其余部分由党建民博士主笔，其中模型构建及求解部分由中国矿业大学研究生付子怡辅助完成。另，感谢南开大学研究生丁毅梦在本书问卷调查、资料搜集与整理方面给予的支持，感谢清华大学研究生李彦琛在本书模型搭建与数据分析方面提供的帮助。特别感谢华润杨宇先生在影响因素分析和模型构建方面给予的指导和帮助。