融合空间信息与社会网络的电动汽车转型规划研究

《Nature Communications》：Planning the electric vehicle transition by integrating spatial information and social networks

为解决电动汽车(PEV)推广过程中空间分布预测不准确的问题，研究人员开展了整合空间信息与社会网络的电动汽车转型规划研究。通过对比基准Bass模型(BM)与社会网络Bass模型(SocNet BM)，发现考虑空间社会网络效应的预测结果至2050年仅为基准预测的三分之一。该研究为电网规划和充电基础设施布局提供了关键空间信息，强调了基于本地社会网络结构制定推广策略的重要性。

　　

随着全球应对气候变化的紧迫性日益增加，从汽油动力车辆向插电式电动汽车(Plug-in Electric Vehicles, PEVs)的转型被视为减少温室气体排放的一条重要途径。然而，这场交通革命的顺利推进面临着一个关键挑战：如何准确预测未来PEV用户的空间分布。由于PEV目前仍处于推广早期（截至2022年，美国领先的加利福尼亚州和华盛顿州的PEV保有率分别仅为2.0%和1.9%），可用于预测的数据有限，这使得电网适应性改造和充电基础设施规划充满了不确定性。

传统的预测模型，如Bass模型(Bass Model, BM)，虽然能够提供时间维度的预测，但其假设所有潜在采用者之间是均匀且全局互联的。这意味着模型认为每个人的购买决策都会同等程度地受到所有已购车者的影响，而忽略了现实世界中社会影响的异质性和地理空间的重要性。这导致BM无法提供对未来PEV采用者地理分布的预测，而这对电网规划和充电站选址至关重要。不同的模型校准可能复现当前的趋势，但却可能产生截然不同的远期预测，这为决策者带来了困惑。

为了更准确地描绘电动汽车的未来图景，来自加州大学伯克利分校等机构的研究团队在《Nature Communications》上发表了一项题为“Planning the electric vehicle transition by integrating spatial information and social networks”的研究。该研究创新性地将空间信息和社会网络结构整合到扩散模型中，旨在揭示社会网络如何影响PEV的采用预测，并为基础设施规划提供更可靠的空间依据。

为了开展这项研究，研究人员主要运用了几个关键技术方法。首先，他们利用美国加利福尼亚州清洁车辆补贴项目(Clean Vehicle Rebate Project, CVRP)和华盛顿州电动汽车所有权登记(Electric Vehicle Title and Registration Activity, EVTRA)提供的2010年至2022年的个体购车记录，并结合美国人口普查局的家庭收入中位数等数据，进行了市场细分，将潜在市场按收入分为低、中、高三个群体。其次，他们构建了融合优先连接和地理距离效应的空间社会网络模型。然后，他们校准并比较了两种基准模型（州/县级BM）和提出的社会网络Bass模型(SocNet BM)的拟合效果和预测差异。最后，他们利用Moran‘s I统计量来量化预测结果的空间自相关性，并评估了不同营销策略在不确定性下的效果。

研究结果

2.1 采用概述

研究人员首先对加州和华盛顿州的PEV采用情况进行了实证分析。数据显示，PEV的采用呈现出明显的空间聚集性，早期采用者主要集中在人口密集的大都市区，如加州的湾区、洛杉矶县和华盛顿州的国王县。此外，普查区层面的分析表明，PEV采用率与家庭收入中位数存在显著正相关关系（斜率系数约为0.03-0.04），这为按收入进行市场细分提供了依据。

2.2 PEV扩散模型的校准

研究比较了State/County BM和SocNet BM在不同空间尺度（州、县、普查区）上的拟合效果。在州和县级层面，两种模型都能很好地拟合截至2022年的历史数据。然而，在更精细的普查区层面，SocNet BM的预测误差表现出更大的方差，这反映了其基于个体的代理模型在捕捉局部异质性方面的能力，同时也体现了其概率模拟过程固有的不确定性。

2.3 PEV扩散模型的参数

模型校准得到的参数揭示了不同收入群体的行为差异。创新参数_p（代表不受他人影响的独立购买倾向）在高收入群体中最高，在低收入群体中最低。模仿参数_q（代表“口碑”效应）在不同收入群体间则相对接近。与华盛顿州相比，加州各收入群体的_p值普遍更高。SocNet BM拟合出的参数比State/County BM具有更大的方差，这反映了有限数据拟合和基于代理的模拟过程本身带来的不确定性。

2.4 PEV采用预测的分歧

尽管所有模型都能很好地拟合历史数据，但它们对未来的预测出现了显著分歧。预测结果显示，到2050年，SocNet BM预测的PEV采用率仅为State/County BM预测值的三分之一左右。这种差异源于模型的基本假设：State/County BM假设全局互联，而SocNet BM则考虑了实际社会网络中存在的局部连接和影响力衰减。此外，即使在聚合层面预测相似，State BM和County BM在县级尺度上的预测也存在明显差异，凸显了精细空间尺度预测的重要性。

2.5 网络结构对空间扩散的影响

研究通过改变社会网络构建中的距离选择参数γ（γ值越高，节点越倾向于与近距离邻居连接），分析了网络结构对空间扩散模式的影响。通过计算Moran‘s I空间自相关统计量，发现SocNet BM能够更灵活地捕捉实证扩散过程的空间自相关性。当γ=10时，模型最能反映洛杉矶县实证数据的空间模式。随着γ增大（网络更局部化），低收入群体的采用率显著下降，原因是高收入早期采用者与通常居住较远的低收入群体之间的社会连接减少，减缓了模仿效应在低收入群体中的扩散。

2.6 不确定性下的PEV推广

研究还探讨了在不同网络结构和模型参数不确定性下，推广活动对PEV采用的潜在影响。提出了针对网络“影响者”的策略，并比较了创新相关（提升_p值）和模仿相关（增加早期采用者）的策略效果。研究发现，在社会网络中存在较多远距离连接（γ较小）时，针对不同收入群体的影响者策略效果相似且优于随机选择。而当网络连接更局部化（γ较大）时，针对特定收入群体的策略效果更显著。研究强调，最佳的推广策略取决于当地的社会人口结构和网络特性，在推广初期数据有限的情况下，结论具有不确定性，但随着采用进入多数阶段，可以更清晰地识别有效的策略。

结论与讨论

该研究通过严谨的模型对比和空间分析，有力地证明了在预测PEV扩散时，纳入空间社会网络信息至关重要。忽略社会网络的异质性和空间约束，可能会导致对未来采用率的严重高估。SocNet BM不仅提供了更保守（可能也更现实）的远期预测，而且其输出的空间分布信息对于电网升级和充电基础设施的公平布局具有直接的指导意义。

研究结论对电力系统规划具有重要启示。PEV采用的区域不均衡性要求电网投资必须具有针对性。在PEV高渗透率地区，无协调的充电行为可能对输配电网络造成压力，导致变压器过载、线路拥堵和设备过早老化。因此，需要战略性地部署控制策略和基础设施以避免瓶颈。此外，考虑到PEV采用中存在的人口统计学差异，确保充电基础设施规划的公平性也至关重要。结果表明，中低收入群体由于创新相关因素（如车辆价格、充电便利性）的制约，采用PEV的意愿较低。为了鼓励这些群体采纳，电网运营商可能需要提供更优惠的电价或增强局部电网容量以支持新建充电站。

这项研究为在技术-社会复杂系统中进行更精准的预测提供了范例。它指出，未来的研究可以进一步整合技术演进、政策变化和建成环境演变等因素到扩散预测中。同时，随着采用阶段从创新者进入早期多数（例如，加州2023年底的BEV保有率已达3.8%），更丰富的数据将允许对BEV和PHEV进行分别预测，并更细致地研究它们对电网的不同影响。总之，这项工作强调，成功的电动汽车转型不仅依赖于技术进步，更需要基于对人类社会网络和空间行为的深刻理解，来制定适应性强、因地制宜的规划和推广策略。