电动汽车驾驶员如何看待他们使用的充电网络？

随着电动汽车成为主流，建立覆盖全国的充电站网络以使其继续行驶将变得越来越重要。

佐治亚理工学院公共政策学院的一项新研究利用机器学习技术来提供有关电动汽车（EV）驾驶员对现有充电器网络态度的最佳见解。研究结果可以帮助决策者集中精力。

该论文发表在2020年6月的《自然可持续发展》杂志上，由助理教授奥马尔·伊萨克·阿森西奥（OmarIsaacAsensio）领导的团队描述了如何训练机器学习算法来分析来自美国12270个电动汽车充电站的非结构化消费者数据

这项研究演示了如何使用机器学习工具来快速分析流数据以进行近实时的策略评估。流数据是指连续供稿中的数据，例如来自应用程序的用户评论。该研究还揭示了有关电动汽车驾驶员对充电站的感受的令人惊讶的发现。

例如，传统的观念是驾驶员偏爱私人车站而不是公共车站。该研究还发现了大城市充电站的潜在问题，预示了在创建满足所有驾驶员需求的强大充电系统方面尚待解决的挑战。

“基于来自消费者数据的证据，我们认为仅仅投资增加车站数量是不够的，投资充电体验的质量也很重要，”Asensio写道。

认为缺乏充电站是采用障碍

电动汽车被认为是解决气候变化的关键部分：交通运输现在是导致气候变暖的主要因素。但是，广泛采用电动汽车的一个主要障碍是缺乏充电站的感觉，以及随之而来的“里程焦虑”，使许多驾驶员对购买电动汽车感到紧张。

Asensio说，尽管近年来该基础设施有了很大的增长，但是这项工作并未考虑到消费者的实际需求。

“在电动汽车基础设施发展的最初几年，大多数政策都旨在利用激励措施来增加充电站的数量，”Asensio说。“我们对建立可靠的基础架构没有足够的重视，这些基础架构可以使用户充满信心。”

这项研究通过提供基于证据的国民实际消费者情绪分析来纠正这一缺点，这与间接旅行调查或许多分析中使用的模拟数据相反。

Asensio带领五个人组成的研究小组在公共政策，工程和计算领域指导了这项研究。两人来自佐治亚理工学院：CatharinaHollauer，最近毕业于H.Milton工业和系统工程学院，和SoojiHa，双重博士学位。土木与环境工程学院和计算科学与工程学院的学生。

其他三人参加了2018年佐治亚理工大学公民数据科学研究员计划，该计划将来自全国各地的优秀学生吸引到佐治亚理工大学校园进行研究和学习。他们是北卡罗莱纳州立大学的KevinAlvarez，史密斯学院的ArielleDror和塔夫茨大学的EmersonWenzel。

揭示电动汽车充电痛点

Asensio的团队使用深度学习文本分类算法来分析来自流行的EV用户智能手机应用程序的数据。使用传统方法将花费一年的大部分时间。但是，团队的方法将任务减少到了几分钟，同时以与人类专家相似的准确性对情感进行了分类。

该研究发现，工作场所和多功能住宅站的收视率很低，并且经常抱怨缺乏可及性和标牌。收费收费站比免费收费站获得的评价更差。这项研究表明，真正引起抱怨的是密集城市中心的车站。

当研究人员控制地点和其他特征时，与非城市地点相比，人口稠密的城市地区的车站负面情绪增加了12-15％。

Asensio说，这可能表明在最大的电动汽车市场中存在广泛的服务质量问题，包括设备故障和充电器数量不足之类的问题。

收视率最高的车站通常位于酒店，饭店和便利店，这一发现可能支持基于激励的管理实践，在该实践中安装了充电器来吸引顾客。这项研究表明，公园和娱乐设施，房车公园和游客中心的车站也表现良好。

但是，与预测私人电台应提供更高效服务的理论相反，该研究发现，在公共充电器与私人充电器之间，用户偏好没有统计学上的显着差异。

阿森西奥说，这一发现可能会诱使人们投资公共收费基础设施，以满足未来的增长。国家研究委员会的一项研究认为，这种网络是帮助克服电动汽车采用障碍的关键。

超越电动汽车的政策评估

总体而言，Asensio表示，研究指出，在考虑如何构建基础设施时，尤其是在对新建筑物中的充电站的要求时，需要优先考虑消费者数据。

但是，EV策略并不是研究的深度学习技术可用于分析此类材料的唯一方法。它们可以适应广泛的能源和运输问题，从而使研究人员只需几分钟的计算就可以进行快速分析，而使用传统方法有时需要数月或数年才能测量出时滞。

阿森西奥说：“能源政策的后续潜力是朝着由机器学习支持的自动化基础设施管理形式迈进，特别是在能源和交通运输系统与智慧城市之间的关键联系方面。”