利用GIS和遥感技术进行多准则决策分析以确定电动汽车充电站的位置

《Case Studies on Transport Policy》：Multi-criteria decision analysis for locating electric vehicle charging stations using GIS & remote sensing

　　巴哈拉特·库马尔 | 穆凯什·库马尔 | 皮塔姆·辛格 | 普里扬姆瓦达·辛格
印度普拉亚格拉杰莫蒂拉尔·尼赫鲁国立技术学院GIS小组

**摘要**
电动汽车（EV）的迅速普及 necessitates the strategic placement of Electric Vehicle Charging Stations (EVCSs) to support sustainable urban mobility. 这项研究利用地理信息系统（GIS）和遥感（RS）来确定最佳的EVCS站点位置。研究采用多标准决策分析（MCDA）方法，包括层次分析法（AHP）和模糊层次分析法（FAHP），来评估各种标准的重要性，如便利设施的临近程度、加油站、人口密度、主要道路网络和现有基础设施等，这些因素共同决定了EVCS的最佳选址。研究过程包括空间数据收集、标准权重设定、数据标准化、叠加分析以及站点验证。研究结果为政策制定者和城市规划者提供了关键见解，强调了在EVCS部署中考虑多个标准的重要性。同时，研究还提出了未来的研究方向，建议应用人工智能和机器学习来提升决策效率。本研究为政府官员、管理人员和相关利益方提供了宝贵的指导，帮助他们制定有效的EV充电基础设施规划，促进可持续交通发展并减少碳排放。

**引言**
对化石燃料在交通中的依赖日益增加，导致了严重的环境退化和噪音污染，这些问题严重影响了城市居民的生活条件（Rane等人，2023年）。随着化石燃料资源的枯竭，寻找更清洁、更可持续的能源替代方案变得尤为紧迫。其中，特别是来自太阳能和风能等可再生能源的电能被认为是最有前景和最易获得的替代品。从传统车辆向电动汽车（EV）的转型带来了许多生态效益，并降低了运营成本。虽然电动汽车没有尾气排放，但它们的整体碳足迹仍取决于用于发电的能源构成。只有当电动汽车完全使用可再生能源充电时，才能实现真正的“零排放”；此外，由于电动机运行更为安静，电动汽车还能显著减少噪音污染（Chellaswamy和Ramesh，2017年）。研究表明，电动汽车产生的二氧化碳量远低于内燃机汽车（Kawamoto等人，2019年）。在讨论这些排放问题时，明确生命周期中的具体阶段至关重要。相关研究特别强调了使用阶段排放的情况，此时电动汽车的二氧化碳排放量通常低于内燃机汽车，尤其是当使用低碳来源的电力充电时。尽管生产阶段（尤其是电池制造过程）可能会产生较高的前期排放，但这些排放通常会在使用阶段因尾气和燃料循环排放的减少而被抵消。因此，进行全面生命周期评估（包括生产、使用和报废阶段）对于准确了解电动汽车的整体环境影响至关重要。来自太阳能、风能、水力发电或生物质能等可再生能源的电能具有较低的温室气体排放、空气和水污染，以及对生态系统的负面影响较小。全球向电动出行的转变推动了电动汽车需求的快速增长，从而凸显了建立高效充电基础设施的必要性。

由于严峻的环境挑战和有限的化石燃料储备，向可持续能源的转型变得更加紧迫。来自可再生能源的绿色电能是最可行的替代方案。在政府政策的推动下，电动汽车的采用速度正在加快（Bitencourt等人，2021年；Sisman等人，2021年；Charly等人，2023年；Desai等人，2025年；Nirala等人，2025年）。为了解决选择最佳充电站站点的复杂性，本研究采用了层次分析法（AHP），这是一种由Saty（1988年）提出的广泛使用的多标准决策分析（MCDA）方法。在各种MCDA工具中，层次分析法因其能够通过成对比较有效推导标准权重而得到广泛应用（Saaty，1994年；Saaty，1990年）。然而，AHP对专家判断的依赖性可能导致不确定性，尤其是在数据不完整或模糊的情况下。为了解决这一问题，模糊层次分析法（FAHP）结合了模糊集合理论，以更好地处理标准评估中的不确定性（Kumar等人，2014年；Tripathi等人，2022年；Csiszár等人，2020年；Sangesa等人，2021年；Banegas和Mamkhezri，2023年）。将MCDA与地理信息系统（GIS）和遥感技术相结合，提供了一个综合的、数据驱动的框架，以支持可持续的城市交通规划和电动汽车的推广（Sadeghi-Barzani等人，2014年；Bian等人，2021年；Guler和Yomralioglu，2020年；Arfi，2020年；Vansola等人，2022年；Islam等人，2024年；Sisman，2023年；Erba?等人，2018年；Charabi和Gastli，2011年）。MCDA已成为处理EVCS站点选择多标准问题的关键工具，需要在可访问性、成本、环境影响和交通模式等相互冲突的目标之间找到平衡（Kaya等人，2020a；Kaya等人，2020年；Desta等人，2023年；Anugya和Jain，2017年；Hannan等人，2014年；Patil等人，2022年）。将地理信息系统（GIS）与MCDA结合使用，可以利用先进的计算方法分析空间分布的标准，从而实现精确的站点适宜性评估。

全球电动汽车（EV）的快速增长凸显了建立广泛、高效且易于使用的电动汽车充电站（EVCS）网络的关键性（Capasso和Veneri，2015年）。早期关于电动汽车的研究主要集中在电池和电力转换器等车辆部件上，而最近的研究则强调了优化EVCS站点选择的复杂性，这对推动电动汽车的广泛采用至关重要（Ghodusinejad等人，2022年；Guo和Zhao，2015年）。此外，还采用了ELECTRE-TRI、TOPSIS、VIKOR、折中规划和目标规划等更先进的技术来提高排名和决策精度（Dell’Ovo等人，2018年；Soltani等人，2019年；Kempton和Letendre，1997年；Mishra，2014年）。将PF-VIKOR与灰色DEMATEL和ULMULTIMOORA相结合的混合方法也展示了改进的标准权重和排名能力（Harshil和Nagababu，2024年；Kabaku?和Kaya，2025年；Almansi等人，2022年）。有效的EVCS规划还需要考虑城市和人口增长趋势。预计的电动汽车采用量上升要求建立能够适应未来充电需求、城市化和出行行为的动态模型，这表明GIS与MCDA技术的结合至关重要（Iravani，2022年；Pal等人，2021年）。越来越多的研究关注将可再生能源集成并通过聚类算法和粒子群优化来优化充电站的满意度，进一步提高EVCS的可持续性（Liu等人，2018年；Awasthi等人，2017年）。Cai等人（2014年）利用出租车路线数据分析了北京公共电动汽车充电站的理想位置；Lam等人（2014年）采用多种技术寻找电动汽车充电站的位置，但他们的方法仅能帮助选择合适的区域而非精确位置；He等人（2013年）提出了一种比较当地限制、电动汽车充电需求和站点模型的方法，不过未说明用于确定标准权重的具体方法。Wang等人（2018年）使用遗传算法结合启发式方法估计道路上的充电站位置和数量，但这种方法在人口密集区域可能不适用。Rane等人（2023年）利用地理信息系统（GIS）软件在印度孟买确定了新的电动汽车充电站位置，他们首先通过多影响因素（MIF）权重确定了各参数之间的关系，然后在GIS中进行加权叠加分析以选择合适的充电站。在现有的文献中，没有其他研究能够综合考虑地质、技术、经济和环境因素。这是该研究领域首个确定电动汽车充电站适宜性的研究，但作者未解释标准权重的确定方式。为消除这种不确定性，本研究采用了多标准决策分析（MCDM）技术来验证决策一致性。

本研究在将多标准决策分析（MCDA）与地理信息系统（GIS）和遥感技术结合用于城市站点选择的框架基础上进行了扩展。虽然以往的研究常在GIS框架内使用层次分析法（AHP）或模糊层次分析法（FAHP），但本研究通过系统比较这两种方法在站点适宜性评估方面的优缺点，提供了宝贵的见解。此外，遥感数据的整合进一步提高了分析中主题层次的空间精度和时效性，使得决策过程更加稳健。本研究还关注印度的城市背景，提供了具有地域针对性的指导，有助于 local planners 和 policy makers 的决策。通过这种方法，研究不仅重申了MCDA与GIS和遥感结合的实用性，还通过实证表明了AHP与FAHP在实际城市站点选择场景中的有效性。

**研究区域**
本研究的研究区域是位于印度北方北方邦的普拉亚格拉杰市。该城市以其丰富的历史遗产、多元的人口结构和快速的城市发展而闻名，在文化和环境方面具有重要意义。从地理上看，普拉亚格拉杰位于恒河、亚穆纳河和神话中的萨拉斯瓦蒂河的交汇处，这三条河流被称为“Sangam”。普拉亚格拉杰的纬度介于25°22′ N至25°32′ N之间。

**数据来源与方法**
本研究探讨了利用GIS技术和多标准决策分析（MCDA）来识别合适电动汽车充电站站点的方法。我们开发了一套方法，以确保该方法可以在世界各地的不同地点复制应用。首先确定研究区域以展示技术的实用性，然后对相关文献进行深入分析，以明确影响充电站选址的各种标准。

**结论**
研究结果表明，在决策过程中考虑多个标准对于确保充电站的有效部署、兼顾环境问题、提高可访问性和满足用户需求至关重要。在本研究中，通过GIS对潜在地点进行了叠加分析，使用了7个标准来确定印度普拉亚格拉杰市合适的电动汽车充电站位置。在进行叠加分析之前，为选定的标准分配了适当的权重。

**作者贡献声明**
巴哈拉特·库马尔：撰写原始草案、进行调查和概念化；
穆凯什·库马尔：软件开发及正式分析；
皮塔姆·辛格：撰写、审阅和编辑工作；
普里扬姆瓦达·辛格：提供监督支持。普里扬姆瓦达·辛格（Priyamvada Singh）：擅长写作（包括评论与编辑）、方法论研究以及形式分析。关于利益冲突的声明：作者声明他们没有已知的财务利益冲突或个人关系，这些因素可能会影响本文所述的研究成果。