里程焦慮對純電動汽車使用意愿的影響*

孫 葉 劉 鍇

(大連理工大學交通運輸學院 大連 116024)

里程焦慮對純電動汽車使用意愿的影響*

孫 葉 劉 鍇

(大連理工大學交通運輸學院 大連 116024)

基于大連市純電動汽車使用意愿SP調查數據，研究里程焦慮對日常出行選擇電動汽車的影響.從計劃出行距離和剩余電量相對關系角度提出量化里程焦慮“有效出行距離率”指標，建立包括里程焦慮、出行費用、出行時間及出行目的等因素的離散選擇模型，定量分析里程焦慮對純電動汽車使用意愿的影響.結果表明，當前技術發展水平和普及程度條件下，如果在工作出行途中沒有機會充電，里程焦慮導致電動汽車僅在剩余電量理論最大出行距離的32.7%距離范圍內出行有吸引力，如果有機會充電，則該范圍提高到83.3%.但純電動汽車的選擇使用概率對里程焦慮程度的2項指標都缺乏彈性.

純電動汽車；使用意愿；里程焦慮；離散選擇模型

0 引 言

近年來，隨著全球能源危機和環境問題的日益突出，以及人們環保意識的不斷增強，新能源汽車的發展逐漸受到世界各國的重視.純電動汽車在使用階段具有零排放的顯著優點，是新能源汽車領域發展的主要方向.盡管如此，電動汽車的市場規模仍然很低，除了非插電式混合動力汽車和燃料電池汽車，2014年電動汽車在全球汽車市場的份額約為0.3%[1]，2015年全球電動汽車銷量猛增到55萬輛，但是仍然僅占當年0.6%的市場份額，如何提高純電動汽車的使用意愿，提高其市場占有率仍是現階段純電動汽車發展所面臨的主要問題.

有限的續航里程和較低的充電樁空間覆蓋水平成為當前純電動汽車的主要發展瓶頸，這兩大問題導致了人們對純電動汽車的里程焦慮[2].為了緩解里程焦慮，一方面可以采用“超級電池”來提高純電動汽車的續航能力；另一方面必須加快推進充電樁的建設.但是，市場需求和電動汽車使用意愿方面的研究仍然較少.文中通過開展意愿偏好(stated preference,SP)問卷調查，假設被調查者家庭擁有純電動汽車，當面臨不同剩余電量和是否具備充電條件時，調查出行者在不同目的出行中選擇純電動汽車或者公交車的使用意愿，研究出行者對純電動汽車的使用意愿受里程焦慮的影響程度，尋找緩解里程焦慮的合理措施，為制定更科學的純電動汽車發展戰略提供依據.

1 電動汽車購買和使用意愿研究現狀

消費者購置電動汽車選擇行為相關研究成為近年來研究的熱點問題[3-4].Skippon等[5]通過問卷調查的方式研究了不同續航里程下消費者對電動汽車的選擇態度.Rezvani等[6]在總結現有研究的基礎上，將影響消費者對電動汽車選擇的因素歸納為技術、成本、配套設施、個人和社會因素4類.除了上述電動汽車購買選擇行為，電動汽車使用選擇行為也受到里程焦慮的影響.胡隆基等[7]在關于小型純電動汽車使用影響因素的定性分析中提出，感知有用性、感知易用性、兼容性和感知風險是決定小型純電動汽車使用態度的關鍵因素.劉鍇等[8]定量分析了電動汽車在城市圈內行駛的電量消耗規律，建立了基于多層混合效應的電動汽車能耗估計模型，有效提高了目前電動汽車能耗估計的精度，有助于減少電動汽車使用者的里程焦慮.Kondo等[9]在研究了里程焦慮、不同場所的充電設施對模擬的電動汽車能量消耗和電池性能的影響后指出，里程焦慮對電動汽車效用的影響程度隨著充電設施可用性的提高而減小，行駛速度對降低電動汽車里程焦慮也有影響，行駛速度每減小10 km/h或20 km/h，電動汽車剩余電量的行駛里程會相應的提高7%或12%，從而在一定程度上減輕駕駛員的里程焦慮程度.

上述研究主要集中在對電動汽車選擇行為影響因素的定性分析，缺少關于里程焦慮對電動汽車影響的定量研究.最大的難點就是沒有公認的衡量里程焦慮的定量指標.

2 問卷設計與數據收集

2.1 問卷設計

為了研究里程焦慮對純電動汽車使用意愿的影響，同時考慮到出行方式選擇受多種因素的綜合影響，在大連市開展了純電動汽車使用意愿SP調查，問卷的內容主要包括：①出行者的社會經濟屬性，機動車保有和使用情況，主要包括性別、年齡、學歷、職業、家庭月收入、是否擁有私家車、駕齡、平均日出行距離、平均周交通費用、對電動汽車的熟悉程度等；②影響出行者出行方式選擇的主要因素，如當前剩余電量、剩余電量的理論可行駛距離、計劃出行距離、出行途中能否充電、交通費用、車內外時間、出行目的等；③不同場景下(不同出行目的和距離、剩余電量，以及是否可以充電)的出行方式選擇行為.

本次SP調查問卷設計重點考慮以下2個方面：

1) 里程焦慮的量化 電動汽車里程焦慮定義為駕駛電動汽車時因擔心電池動力耗盡引起的精神痛苦或憂慮.左志等[10]在研究基于通勤行為的電動汽車充電站選址時采用里程余量表征出行者的里程焦慮程度.基于里程焦慮的定義和已有研究，從計劃出行距離和剩余電量的相對關系對里程焦慮進行量化，設計了2個描述里程焦慮的屬性變量，即“有效出行距離率”(剩余電量的最大可行駛距離與計劃出行距離的比值)和“出行途中能否充電”.

2) 場景和候選項的設置 本次SP調查假設出行者面對的場景是：3種出行目的(工作、休閑娛樂或走親訪友)、大型或特大型城市尺度的計劃出行距離(20，40或60 km)、滿電荷最大可行駛距離(100，180或250 km)、當前剩余電量(30%，40%，50%)的理論可行駛距離，出行費用和時間，以及途中能否充電，被調查者面對隨機的一個出行目的，從候選出行方式中選擇個人最偏好的選項，候選出行方式的上述屬性采用正交實驗設計，以提高問卷的效用.為了降低被調查者選擇的難度和更好地對比分析里程焦慮對電動汽車使用意愿的影響，本次調查情景設計僅提供了電動汽車和公共交通2種候選出行方式.每位被調查者回答6個場景下的個人選擇.

2.2 數據收集

本次調查于2015年7月14—17日在大連市華北路、興工街、太原街及華東路汽貿城的若干家4S店，大連國稅局辦事大廳、大連周水子機場及大連理工大學進行問卷調查，采取隨機抽樣的方式.共發放592份問卷，剔除無效問卷51份，有效問卷為541份，有效回收率為91.39%.被調查者中男性57.67%，女性42.33%，基本符合大連總人口性別比例.68.82%的被調查者家庭擁有私家車，且一半左右(約56%)的被調查者具有1年以上的駕齡.被調查者的日出行距離和周交通費用的均值分別是25.13 km和126.72元.被調查者當中非常熟悉和較熟悉電動汽車的人群比例較低，分別是3.14%和10.72%，大部分人群對于購買和使用電動汽車不太熟悉，其中一般了解人群占37.71%，聽說過但不太了解的人群占46.21%，還有2.22%的被調查者完全不了解電動汽車.被調查者年齡和收入基本情況見圖1，其中大多數(約69%)被調查者的家庭收入不超過1萬元，87.40%的年齡不超過45歲，屬于電動汽車購買和使用的潛在客戶群體.

圖1 被調查者個人屬性

3 基于離散選擇模型的定量分析

3.1 二項Logit模型

Logit模型為目前應用較為廣泛的離散選擇模型，其理論基礎為隨機效用函數理論.Logit模型的效用函數為[11]

(1)

式中：

(2)

其中：Xink為影響因素；θk為待估計系數；εin為服從二重指數分布的概率項.則二項Logit模型如下.

(3)

(4)

式中：Pin(i=1,2)為出行者n選擇方案i的概率.

3.2 效用函數

電動汽車效用函數：

(5)

式中：X1k(k=1，2，…，10)分別為電動汽車的費用/周交通費用、車內時間、車外時間、出行目的、有效出行距離率、計劃出行途中能否充電、性別、年齡、家庭月收入、對電動汽車的熟悉程度；θk(k=1～10)分別為X1k(k=1，2，…，10)對應的未知參數.

公共交通效用函數：

(6)

式中：X2k(k=1，2，3)分別為公共交通的費用/周交通費用、車內時間、車外時間.θk(k=1，2，3)分別為X2k(k=1，2，3)對應的未知參數，且與X1k(k=1，2，3)對應的參數取值相同.

為了對比分析代表里程焦慮的2個屬性對純電動汽車使用意愿的影響，分別考慮僅包含“有效出行距離率”單一里程焦慮指標(模型1)和同時包含兩項里程焦慮指標(模型2)時，模型擬合度和參數估計結果的差異.

3.3 模型標定和結果分析

采用極大似然函數法估計二項Logit模型參數，結果見表1.

表1 模型估計結果

對比分析2個模型結果，模型1僅考慮“有效出行距離率”單一里程焦慮指標，擬合度較低，模型2擬合度為0.192 4，擬合效果較好.t值絕對值的大小可以用來判斷該參數值所對應的屬性是否顯著影響出行者的選擇.包括常數項在內，車內時間、車外時間、出行目的、有效出行距離率等因素對純電動汽車的使用意愿都有顯著影響(顯著性水平為0.05)，其中，公共交通常數項、出行目的、有效出行距離率、出行途中能否充電對選擇電動汽車效用的影響較大，反映出里程焦慮是影響純電動汽車使用意愿的關鍵因素之一.兩個模型的常數項為正值，表明當前電動汽車技術發展和基礎設施建設情況世紀環境下，被調查者考慮到電動汽車可能存在的出行風險，更愿意選擇公共交通.

有效出行距離率的系數為正值，表明其對純電動汽車的使用意愿有顯著的正向影響，即當剩余電量的理論可行駛距離與出行往返距離的比值越大時，此時出行者里程焦慮程度相對越低，選擇使用純電動汽車的概率越大，反之則使用公共交通的概率更大；計劃出行途中能否充電的系數為負值，說明途中能充電，此時出行者里程焦慮相對較低，選擇使用純電動汽車的概率會較大；出行目的系數為正，說明工作出行時人們選擇使用純電動汽車的概率較大.雖然個人屬性的影響都不顯著，但年齡和對電動汽車的熟悉程度較其他個人屬性對純電動汽車效用的影響大，年齡的系數為正值，說明中老年人對純電動汽車的使用意愿較青年人低，傾向于謹慎使用電動汽車，避免里程焦慮；對電動汽車的熟悉程度的系數為負值，驗證了出行者對純電動汽車越了解，選擇使用純電動汽車的概率越大[12].

進一步量化里程焦慮的影響效應，選擇擬合度較高的模型2的標定參數結果進行分析，當工作出行時，如果往返途中無法充電，則有效距離出行率必須大于3.06時，電動汽車的被使用意愿才能超過公共交通，如果往返途中有機會充電，則有效距離出行率只要大于1.20，電動汽車的被使用意愿就超過公共交通.非工作出行時，上述無法充電和途中可以充電2種情況下的有效距離出行率分別是4.72和2.87.

4 “里程焦慮”彈性分析

盡管Logit模型結果能夠描述候選項屬性以及社會經濟屬性對選擇行為是否具有顯著影響，但不能定量判斷相關變量對每個候選項選擇行為的影響.應用點彈性分析可以得到候選項的某一屬性改變給定的百分比時，相應的選擇概率的變化.對于候選項i的屬性k，候選項i被決策者n選擇概率的彈性值為：

(7)

式中：βk為變量Xink的參數；Xink為候選項i中的屬性k的變量；Pin為候選項i被決策者n選擇的概率.

利用選擇概率加權法計算純電動汽車選擇概率針對“有效出行距離率”“計劃出行途中能否充電”2個代表里程焦慮的屬性的彈性值，見表2.“有效出行距離率”增加1%，純電動汽車的選擇率將提高0.915 6%；計劃出行途中能充電可能性增加1%，純電動汽車的選擇概率僅提高0.287 1%.也就是說純電動汽車的選擇概率對“里程焦慮”缺乏彈性.

表2 里程焦慮屬性彈性值

5 結 束 語

文中對出行者選擇使用純電動汽車的意愿進行了SP問卷調查，通過建立里程焦慮的定量指標，應用二項Logit模型定量分析了大連市當前的電動汽車里程焦慮程度，通過彈性分析說明純電動汽車的選擇概率對里程焦慮缺乏彈性.基于文中的研究結論，針對日常工作出行需求，擴大電動汽車電池的容量來緩解電動汽車出行者的里程焦慮是非常低效的，當沒有機會充電時，僅提高32.7%(1/3.06)的電池擴容量所對應的里程，當有機會充電時，可以提高電池擴容量所對應的83.3%(1/1.2)里程，非工作出行時，里程焦慮的影響更為突出.計劃出行往返途中能否充電也是影響出行者選擇使用電動汽車的關鍵因素，但電動汽車使用的選擇概率對途中能否充電是缺乏彈性的，當前以空間覆蓋率為目標的充電樁建設并不能大幅提高電動汽車的使用率，應該更多地關注充電樁的使用率，以免出現充電樁閑置和廢棄現象.因此，要緩解消費者的里程焦慮，不僅要科學合理的充電樁配置，還要考慮到消費者的用車習慣、心理障礙等因素，進而制定科學的發展策略，才能最終提高電動汽車的使用率.

[1]中國汽車技術研究中心.中國新能源汽車產業發展報告[M].北京:社會科學文獻出版社,2015.

[2]NEUBAUER J, WOOD E. The impact of range anxiety and home, workplace, and public charging infrastructure on simulated battery electric vehicle lifetime utility[J]. Journal of Power Sources,2014,257(3):12-20.

[3]EGBUE O, LONG S. Barriers to widespread adoption of electric vehicles: an analysis of consumer attitudes and perceptions[J]. Energy Policy,2012,48(3):717-729.

[4]JENSEN A F, CHERCHI E, MABIT S L. On the stability of preferences and attitudes before and after experiencing an electric vehicle[J]. Transportation Research Part D: Transport & Environment,2013,25(8):24-32.

[5]SKIPPON S, GARWOOD M. Responses to battery electric vehicles: UK consumer attitudes and attributions of symbolic meaning following direct experience to reduce psychological distance[J]. Transportation Research Part D: Transport & Environment,2011,16(7):525-531.

[6]REZVANI Z, JANSSON J, BODIN J. Advances in consumer electric vehicle adoption research: a review and research agenda[J]. Transportation Research Part D: Transport & Environment,2015,34(34):122-136.

[7]胡隆基，唐月，毛勇.基于技術接受模型的小型純電動汽車使用影響因素[J].科技管理研究，2015(5):122-125.

[8]劉鍇，王江波，陳晉.基于多層混合效應的電動汽車能耗估計模型[J].武漢理工大學學報(交通科學與工程版),2015,39(6):1115-1118.

[9]KONDO Y, KATO H, ANDO R, et al. To what extent can speed management alleviate the range anxiety of EV[C]. 27thWorld Electric Vehicle Symposium and Exhibition, Barcelona, Spain: IEEE,2013.

[10]左志，王濤，潘曉鋒，等.基于通勤行為的電動汽車充電站選址模型[J].武漢理工大學學報(交通科學與工程版),2016,40(2):233-237.

[11]關宏志.非集計模型：交通行為分析的工具[M].北京:人民交通出版社,2004.

[12]BüHLER F, COCRON P, NEUMANN I, et al. Is EV experience related to EV acceptance? Results from a German field study[J]. Transportation Research Part F: Traffic Psychology and Behavior,2014,25:34-49.

Impact of Mileage Anxiety on Intention to Use Pure Electric Vehicle

SUN Ye LIU Kai

(SchoolofTransportation&Logistics,DalianUniversityofTechnology,Dalian116024,China)

In order to investigate the impact of mileage anxiety on the intention to use pure electric vehicle (EV) for daily travel, an SP survey of intention to use pure EV is conducted in Dalian. The mileage anxiety is quantified by considering both the planned travel distance and the remained state of charge, based on which the concept of ‘ratio of effective travel distance’ is proposed. The discrete choice model is employed for analyzing the impact of mileage anxiety, travel costs, travel time, purpose and other factors. Results show that in current stage of EV technology and relative lower popularity, EV could be attractive for working trips only within the range of 32.7% of the theoretical maximum travel distance of state of charge due to commuters’ mileage anxiety if no charging station is available, while it may increase to 83.3% if EV could be recharged during the whole round-trip. However, the choice probability of using pure EV is inelastic for both indexes of mileage anxiety.

pure electric vehicle; intention to use; range anxiety; discrete model

2016-11-16

*國家自然科學基金項目(51378091)、中央高校基本科研業務費專項資金項目(DUT12ZD203)資助

U491

10.3963/j.issn.2095-3844.2017.01.017

孫葉(1991—)：女，碩士生，主要研究領域為交通行為分析