《Transportation Research Interdisciplinary Perspectives》：Electric vehicle demand projection in an emerging country using agent-based modeling and nonlinear methods
编辑推荐：
电动汽车（EV）在全球范围内的采用率日益增加，使其成为汽车行业脱碳的关键组成部分。然而，由于消费者行为和市场动态的复杂性，预测电动汽车需求仍然是一项重大的全球性挑战。本研究提出了一种混合方法，将基于智能体的建模（ABM）与非线性扩散模型（特别是Bass扩散模型
电动汽车（EV）在全球范围内的采用率日益增加，使其成为汽车行业脱碳的关键组成部分。然而，由于消费者行为和市场动态的复杂性，预测电动汽车需求仍然是一项重大的全球性挑战。本研究提出了一种混合方法，将基于智能体的建模（ABM）与非线性扩散模型（特别是Bass扩散模型）相结合，以预测电动汽车的采用。基于智能体的模型模拟消费者的个体决策过程，纳入偏好和约束的异质性，而Bass模型则基于创新效应和模仿效应捕捉随时间的累积采用趋势。研究人员应用该框架分析厄瓜多尔多个城市的电动汽车采用率，使用了多年的电动汽车销售历史数据。模拟纳入了影响消费者决策的关键因素，包括车辆续航里程、电池容量、维护成本、充电时间、购置成本以及已在流通中的电动汽车数量。为此，开发并实现了一个参数化软件工具，能够模拟和分析各种电动汽车采用情景，考虑多个变量和环境条件。结果表明，电动汽车采用的障碍与个体车辆特征和更广泛的系统性约束密切相关。这些发现强调了需要更有效的政策和策略，考虑消费者行为、经济因素和基础设施限制。通过解决这些障碍，像厄瓜多尔这样的国家可以加速向更可持续的交通系统过渡，并为汽车行业显著减少碳排放做出贡献。
论文解读：《使用基于智能体的建模和非线性方法的新兴国家电动汽车需求预测》（发表于《Transportation Research Interdisciplinary Perspectives》）
一、研究背景与问题
随着全球对气候变化和化石燃料依赖的担忧加剧，电动汽车被视为汽车行业脱碳的关键技术。全球电动汽车市场在过去十年呈指数级增长，相关预测显示，到2032年全球乘用车队中30%将为电动汽车。然而，电动汽车需求预测仍是一项全球性挑战，因为消费者行为和市场动态具有高度复杂性。尤其在新兴国家，充电基础设施有限、初始购置成本高、车型供应不足、政策激励不稳定以及消费者对车辆可靠性和便利性的认知不足，导致电动汽车采用率远低于发达国家。厄瓜多尔虽已推出税收优惠等政策，但其市场渗透率仍低于智利、哥伦比亚等国，且充电网络和政策框架发展不完善。因此，研究人员提出了一项混合预测框架，以厄瓜多尔为参考案例，从宏观扩散和个体偏好双重角度分析电动汽车需求，识别行为模式、细分用户并评估公共政策影响，为制定促进可持续电动出行的有效策略提供证据。
二、研究内容与结论
本研究构建了一种结合Bass扩散模型与基于智能体建模（Agent-Based Model, ABM）的混合框架。Bass模型通过创新系数p、模仿系数q和市场潜力m刻画宏观层面的技术扩散轨迹，而ABM则模拟异质性消费者的个体决策过程，纳入车辆续航里程、电池容量、维护成本、充电时间、购置价格和充电基础设施等关键因素。研究利用厄瓜多尔昆卡市2017—2023年官方车辆登记历史数据（累计销量114辆）进行模型校准，并开发了参数化软件工具以模拟乐观、现实和悲观三种情景。结果表明，电动汽车采用障碍与车辆个体特性和系统性约束密切相关；ABM调整后的采用者数量系统性地低于纯Bass模型预测值，说明消费者层面的行为与情境约束会减缓实际扩散速度。该框架为新兴市场评估激励机制、充电设施扩展和技术改进提供了决策支持工具，有助于加速可持续交通转型并减少汽车行业碳排放。
三、主要技术方法
本研究采用的主要方法包括：Bass扩散模型用于估计宏观采用轨迹，参数通过SciPy库curve_fit函数的非线性最小二乘优化算法校准，以最小化观测与预测累积采用值的残差平方和。拟合优度采用平均绝对误差（MAE）和均方根误差（RMSE）评估，预测性能采用平均绝对百分比误差（MAPE）和决定系数（R2）评估。基于智能体的模型利用非线性函数（如sigmoid函数、分段函数）刻画消费者对续航、电池、价格、维护成本、充电时间及基础设施的异质性反应。样本队列来源为厄瓜多尔昆卡市官方车辆注册数据，车辆技术参数取自厄瓜多尔市场畅销电动车型（AEADE 2023—2024，包括BYD、Nissan、Dongfeng、Kia等）的技术规格。
四、研究结果
（一）Bass扩散模型
通过历史数据训练，得到创新系数p=0.00009、模仿系数q=0.0475，市场潜力m由2030年的1139辆增加至2040年的1700辆（现实情景）。在悲观、乐观和现实三种情景下，模型分别预测了2030、2035、2040年的累计采用者数量。乐观情景中p和q取值更高（p=0.00015，q=0.15），市场潜力更大（2040年达4000辆），表明更强的政策支持、消费意识和基础设施投入会显著加速扩散。
（二）基于智能体的模型
ABM中，每个智能体根据六种主要属性计算采用概率：续航里程（300–530 km）、电池容量（44–85 kWh）、维护成本（100–600美元）、充电时间（30–480分钟）、购置价格（23,990–75,000美元）及充电基础设施密度。模型采用非线性函数反映消费者心理阈值，例如续航里程低于最低阈值300 km时采用概率接近0.1，而电池容量不足时采用概率为0.5（代表可被其他因素部分补偿）。该模型能够再现消费者异质性，体现不同人群对车辆属性敏感度的差异。
（三）混合模型
将Bass模型输出作为ABM输入后，混合模型得到的采用者数量均低于纯Bass模型。例如2030年现实情景下，Bass预测211辆，ABM调整为192辆；2040年现实情景下由1753辆调整为1592辆。在乐观情景中差异最大（如2040年差异为470辆），表明在较高采用量下，价格敏感性和充电设施不足等个体约束对采用决策的抑制作用更明显。这种系统性差异说明，结合微观行为约束的混合模型能更真实地反映实际扩散轨迹。
五、讨论与结论
讨论指出，电动汽车采用受技术属性（续航、电池）、经济因素（价格、维护成本）和社会扩散效应（模仿效应）共同影响。续航里程是降低里程焦虑、提升消费者信心的首要技术特征；充电时间直接影响使用便利性，快速充电设施对市场渗透至关重要；购置价格和维护成本则提高总拥有成本，尤其对价格敏感型消费者形成阻碍。社会模仿效应随着在用车保有量增加而增强，但仅靠经济激励不足以消除所有障碍，还需结合基础设施扩展、公众意识提升和差异化消费者细分策略。研究局限性包括充电基础设施未以空间显式建模，且未将车辆折旧和电池更换成本作为独立决策变量。
本研究提出并评估了一个混合Bass-ABM框架，用于预测电动汽车采用。该框架整合了Bass模型的宏观扩散动态与基于智能体模型所代表的异质性消费者决策，并通过历史电动车采用数据进行校准，从而同时表征了宏观市场演变和微观消费者行为。与仅依赖宏观扩散或个体行为模型的方法相比，该框架提供了对电动汽车采用过程更全面的表示，并增强了评估替代政策与市场情景的能力。结果表明，电动汽车采用由技术、经济和社会因素的相互作用决定；续航里程、电池容量、充电时间、购置价格、维护成本和社会模仿是主要决定因素。该混合方法通过同时表示宏观扩散趋势和微观消费者异质性，改进对替代采用情景的分析，并支持在不同市场条件下评估政策干预。所提出的模拟工具可作为实践性决策支持框架，帮助政策制定者与利益相关方在实施前评估激励措施、充电基础设施扩展、技术改进等政策的潜在效果，从而加速新兴市场的电动汽车采用，促进可持续交通发展。
