利用参数可调的混合多面模糊建模方法分析电动汽车充电站的排队行为

《Sustainable Computing: Informatics and Systems》：Analyzing queuing behavior at electric vehicle charging stations with parameter-adjusted hybrid multi-facet fuzzy modelling

　　•研究了电动汽车充电站的投资选择。•基于排队理论定义了绩效标准。•使用贝叶斯网络方法对标准进行加权。•开发了一个动态多面模糊集结构。•利用率是最关键的因素。

引言
电动汽车充电站的排队行为是指驾驶员在使用充电设施时所涉及的排队、资源分配和决策过程。由于充电时间较长且充电站容量有限，这一现象尤为重要。与在传统加油站几分钟内完成的服务不同，电动汽车充电需要更长的时间，直接影响用户的等待时间、充电点的使用效率以及充电站的位置策略[46]。这一现象在学术文献中通过排队理论和交通流管理的框架进行研究，对于建模等待时间、容量规划以及提高用户满意度具有重要价值。正确分析排队行为有助于更策略性地布置充电站，并通过数字预订和动态定价等方法平衡需求。这也有助于优化能源供需管理并加强可持续交通政策。在这个背景下，研究排队行为不仅是一个技术基础设施问题，而且在用户体验、城市规划、能源管理和环境可持续性方面也具有多维度的意义[21]。该理论的优势包括减少等待时间、提高充电基础设施的效率，并为未来的投资提供科学依据。

考虑电动汽车充电站的排队行为不仅是技术参数，也是制定投资策略的战略要求。用户在充电站经历的等待时间、充电站容量的有效性以及需求密度的空间和时间分布对于合理制定投资决策至关重要[11]、[12]、[13]。在这种情况下，对排队行为的详细分析可以为充电站的选址和容量确定提供指导，并确定可以在哪些地区实施技术或组织解决方案以减少拥堵[16]。此外，这种方法不仅提高了基础设施利用率，还增加了用户的满意度，从而提高了对电动汽车的社会接受度。在能源基础设施项目中，特别是在投资成本高且资源有限的情况下，基于排队行为的投资策略有助于降低风险、解决容量短缺问题并实现长期可持续发展目标。因此，将排队理论和行为分析纳入投资策略中提供了一种整体方法，不仅确保了财务盈利性，还有助于实现可持续的交通基础设施和智慧城市愿景。

然而，考虑排队行为所产生的各种投资策略之间如何确定优先级是一个问题。尽管现有文献中有许多研究强调了基于排队的策略的重要性及其在投资规划中的必要性，但对于如何优先考虑这些策略的理解仍然有限。换句话说，尽管文献中概述了一个总体框架，但没有明确的共识来说明哪些投资策略能够在短期内带来更高的效率，哪些能在长期内带来更高的效率。这种差距给投资者和政策制定者带来了很大的不确定性，导致资源分配不当、成本增加和战略错误。特别是在高成本充电基础设施投资中，未能正确确定战略优先级会导致经济资源的低效利用和运营效率下降。此外，不同国家和地区实施的投资模型多样性阻碍了全球范围内统一方法的形成。这种情况不仅在学术文献中造成了混乱，还在实践中引发了标准化问题。因此，大多数现有学术研究仅关注策略的重要性，进一步加深了关于确定优先级方面的知识空白。因此，亟需一种新的、全面的优先级分析方法，能够根据电动汽车充电站的排队行为来优先考虑投资策略。这样的分析不仅将为学术文献做出贡献，还将直接帮助政策制定者和投资者做出更加明智、有效和可持续的决策。

本研究的主要目标是利用基于排队行为的方法确定电动汽车充电站的最优先投资选项，并相应地开发一个新的决策模型。通过文献回顾，定义了五个基于排队理论的不同绩效评估标准，并根据这些标准生成了五个投资选项。研究方法包括与该领域10位专家的评估团队会面，他们对这些标准和选项提出了综合意见。然后，通过考虑不同的情景和条件，利用人工智能辅助的聚合技术对这些数据进行了处理。在所提出的模型中，使用贝叶斯网络方法计算标准的重要性权重，并使用正交度量稳健聚合方法对投资选项进行优先级排序。此外，还开发了一个动态多面模糊集结构以减少过程中的不确定性。这种整体方法不仅提供了一个技术决策模型，还旨在填补文献中的优先级空白，并有助于制定更有效的投资策略。本研究的动机是提出一种系统化的、由人工智能支持的方法，以应对电动汽车充电基础设施中日益增长的需求和资源限制，从而做出最佳投资决策。在这方面，研究试图回答以下问题：(1) 考虑排队行为，电动汽车充电站最关键的绩效标准是什么？(2) 应如何比较和优先考虑基于这些标准生成的投资选项？(3) 在不确定性条件下，如何有效地使用动态模糊集结构进行决策？(4) 贝叶斯网络和稳健聚合方法在计算标准权重和排序选项方面有哪些优势？(5) 该模型如何在投资策略优先级方面的文献空白中发挥作用，并如何帮助决策者？

本研究通过提出一个集成人工智能和先进决策技术的原创模型，在基于排队行为的电动汽车充电站投资中确定优先投资选项方面为文献做出了重要贡献。该模型在方法和实践上均优于文献中先前开发的决策模型。其关键优势在于通过独特结合多种方法和发展新方法实现了整体的决策框架。该模型的主要优势如下：(1) 动态多面模糊集结构的发展使其区别于文献中常用的经典模糊集，使其能够在多维和动态框架下处理决策过程中遇到的不确定性。传统模糊集通常仅限于建模一维不确定性，而动态多面模糊集可以同时考虑标准之间的相互作用以及不同条件下的变化决策环境。这一特点不仅使决策者能够更准确地分析现有不确定性，还能系统地评估在不同情景下可能出现的潜在风险和机会。(2) 基于排队理论的五个不同绩效测量变量来确定标准，不仅为投资策略的评估提供了理论贡献，还提供了一种更现实、可衡量且以基础设施为中心的方法。这些绩效变量基于可直接观察和计算的要素定义，如用户在充电站的等待时间、服务容量、站内占用率和系统可靠性。因此，投资决策不仅受抽象评估的影响，还受具体运营问题和绩效指标的影响。(3) 用于计算标准权重的贝叶斯网络方法在考虑不确定性和条件依赖性方面显著区别于传统的加权技术。虽然传统方法通常假设标准之间存在线性且独立的关系，但贝叶斯网络通过考虑多维依赖性和条件概率分布提供了更现实和灵活的建模方式。这一特点使决策者能够在高不确定性和动态条件下的投资环境中产生更稳健和可靠的结果，例如电动汽车充电站。与传统的模糊扩展（如图像模糊集或毕达哥拉斯模糊集）不同，本研究引入了一个专门为这项研究开发的动态多面模糊集框架。所提出的模型结合了五个互补的功能，代表成员身份、非成员身份、犹豫、参与度和抵抗力，以及动态可调参数，以在不同情景和条件下模拟多维不确定性。因此，本研究的方法论贡献不仅在于应用现有的模糊集模型，还在于开发了一个新的模糊决策框架。

本研究的方法论贡献不仅在于将现有技术结合起来形成一个混合框架，而且还解决了传统决策模型的各种局限性。所提出的动态多面模糊集框架通过加入参与度和抵抗力维度，增强了不确定性表达能力，从而捕捉了现有模糊集扩展无法表示的行为特征。贝叶斯网络不仅作为一种加权技术使用，而且还作为一种概率机制，能够在不确定环境中对评估标准之间的条件依赖性进行建模。此外，正交度量稳健聚合方法通过同时考虑多种距离指标，提供了稳健的排序性能，从而减少了噪声或不稳定评估的影响。因此，所提出的混合结构在理论上是有意义的，因为每个方法论组件都解决了决策过程中的不同不确定性来源，从而形成了一个连贯的计算框架，而不仅仅是独立方法的简单组合。除了对电动汽车基础设施规划的贡献外，本研究还通过提出一个用于智能基础设施管理的计算决策支持框架，与可持续计算的目标紧密一致。所提出的方法论整合了数据驱动的决策制定、基于贝叶斯网络的概率推理和先进的模糊计算，以支持在不确定环境下的可持续基础设施投资。此外，参数调整的动态多面模糊框架能够在不同的运营情景中进行适应性评估，从而支持智能基础设施规划和计算可持续性。从这个角度来看，所提出的模型不仅有助于交通基础设施规划，还有助于开发能够支持复杂投资决策的智能和可持续计算系统。

本研究包含六个部分。第一部分介绍了研究的背景、目的和意义；第二部分回顾了文献中的研究并指出了现有的空白之处；第三部分详细解释了所提出模型的方法论框架和结构；第四部分展示了分析结果；第五部分讨论了在文献和实践背景下的发现；第六部分也是最后一部分，提出了研究的总体结论、理论贡献、实践贡献以及对未来研究的建议。非常高的利用率系数
结论性意见
本研究的主要目标是根据电动汽车充电站的排队情况确定最优先的投资方案，并据此开发一种新的决策模型。通过文献回顾，本研究定义了基于排队理论的五个不同的性能评估标准，并根据这些标准提出了五种投资方案。从10位领域专家那里获得的评估意见通过人工分析进行了进一步的补充和完善。

作者贡献声明
Hasan Din?er：撰写 – 修订与编辑、撰写 – 初稿、可视化、验证、监督、软件使用、资源协调、项目管理、方法论制定、数据调查、资金筹集、形式化分析、数据整理、概念化。
Serhat Yüksel：撰写 – 修订与编辑、撰写 – 初稿、可视化、验证、监督、软件使用、资源协调、项目管理、方法论制定、数据调查、资金筹集、形式化分析、数据整理。

利益冲突声明
作者声明他们不存在任何可能影响本文研究内容的已知财务利益冲突或个人关系。

作者名单：Hasan Din?er | Serhat Yüksel | Serkan Eti | Ay?e Nur ??rak