基于订单数据的网约车充电行为驱动因素及非线性效应

来源：交通运输系统工程与信息杂志2024年第6期北京时间：

作者：尹超英, 桂晨, 邵春福, 王菁, 王晓全

单位：1. 南京林业大学，汽车与交通工程学院，南京210037；2.新疆大学，新疆交通基础设施绿色建养与智慧交通管控重点实验室，乌鲁木齐830017；3.北京交通大学，综合交通运输大数据应用技术交通运输行业重点实验室，北京100044；4.河海大学，土木与交通学院，南京210098

摘要：为探究建成环境对电动网约车的充电行为驱动因素和非线性效应，本文以南京市网约车为例，提出一种基于订单数据的电动网约车充电行为识别算法，从密度、多样性、设计、目的可达性和公交临近度这5个维度构建建成环境指标，利用XGBoost模型和SHAP(SHAPleyadditive explanatory)值算法，识别影响电动网约车充电行为的关键因素，分析各因素与网约车充电行为之间的潜在非线性关系。同时，本文将该模型拟合回归效果与随机森林(RF)和LightGBM进行比较，以验证XGBoost模型在拟合回归效果上的优势。结果表明：XGBoost模型的拟合效果优于其他模型，具有最小的预测误差波动和最高的R2值(0.446)。在影响网约车充电行为的建成环境因素中，餐馆数量、与市中心的距离和休闲娱乐设施数量对网约车充电行为影响最大，对充电行为的贡献度超过75%。此外，建成环境各因素对网约车充电行为均存在非线性效应，到市中心的距离对充电行为的影响呈现先正后负的反馈特征，其余变量对充电行为的影响则呈现先负后正的反馈特征。

关键词：城市交通,非线性效应,机器学习,网约车充电行为,公共充电站规划

基金资助：国家自然科学基金 (52202388, 72204114)；教育部人文社科项目(22YJC630191)。