《Frontiers in Sustainable Cities》：Determinants of consumers’ intention to adopt smart electric vehicle charging in India
编辑推荐：
摘要翻译：引言：印度电动汽车（EV）的使用产生了对便捷高效充电系统的更大需求。然而，关于EV车主为何会选择使用智能EV充电，目前的理解仍然有限。本研究考察了与印度EV车主使用智能EV充电意向相关的因素，整合了三种理论视角：技术准备度（Technology Re
摘要翻译：引言：印度电动汽车（EV）的使用产生了对便捷高效充电系统的更大需求。然而，关于EV车主为何会选择使用智能EV充电，目前的理解仍然有限。本研究考察了与印度EV车主使用智能EV充电意向相关的因素，整合了三种理论视角：技术准备度（Technology Readiness）、技术接受与使用统一理论2（UTAUT2）以及新生态范式（NEP）。方法：研究人员通过线上和线下数据收集方式，采用结构化问卷收集了印度535名EV车主的数据。研究考察了技术准备度、绩效期望、努力期望、促进条件、价格价值和环境关切与消费者使用智能EV充电意向之间的关系。数据采用偏最小二乘结构方程模型（PLS-SEM）进行分析。结果：研究结果表明，所有六个假设均与消费者使用智能EV充电的意向呈显著正相关。其中，技术准备度与智能EV充电使用意向的标准化关联最强，其次是绩效期望和努力期望。价格价值、环境关切和促进条件也与消费者意向呈显著正相关。讨论：结果表明，当EV车主感到自身已准备好使用新技术、预期获得实用收益、认为技术易于使用、感知到经济价值、具有环境关切且拥有合适的配套支持设施时，可能更愿意使用智能EV充电。本研究整合了技术准备度、UTAUT2和NEP，为印度情境下EV车主使用智能EV充电的意向提供了更全面的理解。研究结果可为政策制定者、EV制造商和充电基础设施提供商制定鼓励使用智能EV充电的措施提供有用信息。
论文解读文章
一、研究背景与问题
交通运输部门是温室气体（GHG）排放和能源消耗的主要来源，对气候变化和环境问题具有显著影响。快速城镇化、人口增长以及私家车使用增加导致二氧化碳（CO2）排放持续上升，而该部门仍高度依赖化石燃料。电动汽车（EV）作为减少温室气体排放、降低化石燃料依赖并提升能源效率的重要途径，受到各国政府广泛关注。然而，尽管EV技术不断进步且政府支持力度加大，许多地区的EV普及率仍低于预期。已有研究主要关注消费者购买或采用EV的意向，而非使用智能充电技术的意向。智能EV充电是一种比传统充电更先进的系统，可实现EV、充电站与电网之间的双向通信，能够优化充电时间、平抑电网负荷、降低用电成本，并支持可再生能源消纳及车辆到电网（V2G）技术。然而，智能充电的成功不仅取决于技术本身，还取决于消费者的使用意愿。消费者需要借助数字应用、智能电表和自动化充电系统完成充电操作，并可能需响应电价变化，因此其使用意向可能受到技术准备度、技术接受信念和环境价值观等多重因素影响。当前针对新兴经济体如印度消费者智能EV充电使用意向的研究仍然不足。为此，本研究整合技术准备度、UTAUT2（技术接受与使用统一理论2）和新生态范式（NEP）三种理论视角，旨在回答两个研究问题：哪些因素与印度消费者使用智能EV充电的意向显著相关？整合的技术准备度—UTAUT2—NEP框架对该意向的解释力如何？
二、研究设计与方法
研究人员采用定量研究方法，通过横截面研究设计，在印度六个城市（金奈、班加罗尔、孟买、海得拉巴、德里和加尔各答）以线上线下相结合的方式收集数据。线上通过社交媒体、EV车主社群、专业网络及EV相关论坛分发Google Forms问卷；线下在充电站、公共场所、汽车经销商、服务中心和工作场所接触EV车主，通过扫描二维码或链接填写问卷。调查对象为18周岁以上且拥有并使用EV的印度成年人。数据收集时间为2026年3月至6月，最终获得535份完整有效问卷。样本中男性占67.3%，年龄25–35岁组占35.5%，43.0%的受访者月收入在?50,001至?1,00,000之间；65.4%的受访者拥有家庭或私人充电设施。测量工具采用先前验证过的量表，并针对智能EV充电情境进行了适当修改。所有构念均采用五级李克特量表测量。数据分析采用偏最小二乘结构方程模型（PLS-SEM），分测量模型评估和结构模型评估两个阶段。
三、主要研究结果
（1）测量模型评估
通过外载荷、Cronbach's alpha、组合信度（rho_a、rho_c）和平均方差抽取量（AVE）评估信度与收敛效度。所有构念的Cronbach's alpha介于0.861至0.886之间，rho_a介于0.871至0.968，rho_c介于0.905至0.919，AVE介于0.705至0.739，均超过推荐阈值。判别效度通过异质-单质比率（HTMT）和Fornell-Larcker准则评估，所有HTMT值均低于0.85，且各构念AVE平方根均大于其与其他构念的相关系数，表明判别效度良好。
（2）结构模型与假设检验
采用自助法（5,000次重抽样）检验假设关系。结果显示：技术准备度（TR）与消费者意向（CI）显著正相关（β=0.241，t=5.863，p<0.001）；促进条件（FC）（β=0.140，t=3.711，p<0.001）和价格价值（PV）（β=0.164，t=4.753，p<0.001）均显著正相关；努力期望（EE）（β=0.207，t=5.694，p<0.001）、环境关切（EC）（β=0.151，t=4.258，p<0.001）和绩效期望（PE）（β=0.207，t=5.651，p<0.001）也均显著正相关。六个假设全部得到支持。
（3）模型解释力与预测相关性
消费者意向的R2值为0.227，表明模型中六个自变量解释了22.7%的方差变异。所有预测变量的效应量f2介于0.025至0.075之间，均为小效应量，其中技术准备度效应量最大（f2=0.075）。模型拟合度指标SRMR为0.040，低于0.08的推荐值，表明模型拟合良好。PLSpredict分析显示，消费者意向的Q2_predict为0.202，RMSE为0.898，MAE为0.712，且PLS-SEM模型在四个指标上的预测损失均小于线性模型基准，差异均显著（p≤0.004），表明模型具有较好的预测能力。
四、讨论与结论
研究发现，技术准备度与消费者使用智能EV充电意向的关联最强，表明对新技术更为开放和自信的消费者更可能接受智能充电；绩效期望与努力期望同样具有显著正向关联，说明消费者既看重智能充电带来的效率、便利性和充电性能改善，也重视其易学易用性；促进条件的正相关关系表明，可靠电力供应、互联网连接、充电设备和技术支持等资源条件与使用意向密切相关；价格价值的显著关系说明，消费者会权衡充电成本降低、电价优化和长期经济节省等利益；环境关切的正向关联则支持了新生态范式的观点，即具有更高环境意识的个体更倾向选择支持可持续能源的技术。
研究人员指出，智能充电意向涉及多个维度的消费者评估，而非单一技术接受因素。所有预测变量的效应量均较小，且R2表明模型仅提供了有限解释力，提示未来研究可纳入政府支持、感知风险、社会影响和信任等变量。本研究整合技术准备度、UTAUT2与NEP三个理论框架，为印度情境下消费者智能EV充电意向提供了更全面的理解。研究结果对政策制定者、电力公司、EV制造商和充电服务提供商具有实践意义：通过改进充电基础设施、开发用户友好技术、提高消费者认知度以及实施支持性政策，可促进智能EV充电的采用。研究局限性在于横截面设计无法捕捉行为变化、样本集中于印度且非概率抽样导致代表性受限，以及研究考察的是使用意向而非实际使用行为，未来可通过纵向设计和跨国家比较进一步深化该领域研究。
