新能源汽车扩散的复杂性与加能站初始空间分布的优化

推广新能源汽车对我国的能源安全、节能减排和经济增长有着重要意义。新能源汽车的推广面临着加能站的建设问题。新能源汽车加能站初始空间分布的优化设计对推广能否取得成功起着重要作用。本项目从复杂自适应系统演化的视角出发，分析新能源汽车消费者效用和能源供应公司修建加能站意愿的动态变化，以及与此交织而又互为因果的技术学习、新能源汽车和加能站的互动扩散过程。构建整合地理信息系统的基于多agent的新能源汽车扩散模型，设计和开发模拟平台，探索用演化与场景分析相结合的方法来优化新能源汽车加能站的初始空间分布。并以上海为案例，研究新能源汽车加能站初始空间分布的优化方案。项目的研究结果将能为优化设计新能源汽车加能站初始空间分布提供模型和方法，对促进新能源汽车的推广具有重要作用。

技术学习被认为是新能源汽车得以扩散的内在动力，但技术学习存在着很大的不确定性。另外新能源汽车的扩散与其相应加能站的建设存在着“鸡与蛋”的问题，因此新能源汽车的技术学习很难自发起步，政府除了出台相应的补贴、优惠政策，还需要建设初始的加能站，作为新能源汽车技术学习和扩散的种子。新能源汽车的扩散是多种决策体相互作用的复杂过程，很难用传统的优化或均衡方法来分析这些措施是否能起到促进新能源汽车扩散的作用。. 本项目首先研究了技术学习的不确定性对技术扩散的影响、决策者应对技术学习不确定性的方法，以及相关政策如何影响技术发展路径，主要成果发表在《Management Science》(2010)以及《Energy Economics》(2012)，并入选《国家自然科学基金资助项目优秀成果选编（五）》。在这些理论研究的基础上，本项目把基于agent的新能源汽车扩散模型与GIS(地理信息系统)整合起来，为新能源汽车初始加能站的优化布局提供决策支持模型。现有的集成agent模型与GIS的方法大多为基于网格的，而路网数据是以矢量形式存储的，本项目提出了一种松耦合的、基于矢量的集成方式，主要成果已经被《管理科学学报》接收。另外，本项目提出了用真实的社会、经济、路网数据来生成驾驶者agent的开车路线的方法，并以上海为例模拟和分析不同技术学习率、不同补贴或优惠政策、以及不同初始加能站分布下新能源汽车的扩散场景，这些研究的主要成果已经投稿给SCI期刊，目前还在审稿中。