新能源汽車發展現狀及銷量預測方法研究綜述

摘要：新能源汽車市場正處于快速發展階段，市場規模持續擴大。本文分析了新能源汽車市場的發展現狀，著重分析了影響銷量的政策、價格、能源價格、基礎設施和續航里程等多種因素。在銷量預測方面，本文介紹了基于單一模型（如時間序列分析、機器學習和灰色預測等）和組合模型（如ARIMA-LSTM組合模型）的銷量預測方法，并對這些方法的應用情況進行了對比。通過綜合分析與對比，為新能源汽車銷量的科學預測提供有價值的參考，進而為新能源汽車產業的戰略規劃、投資決策及政策制定提供有力指導。最后，本文對新能源汽車市場的發展和銷量預測研究進行了總結和展望，強調了技術創新在推動新能源汽車發展中的關鍵作用，并指出組合模型在銷量預測中的優勢及未來研究方向。

關鍵詞：新能源汽車；銷量預測；單一模型；組合模型

引言

汽車顯著提升了人們的出行效率和生活質量，為現代生活帶來了諸多便利，已成為滿足現代出行需求的關鍵工具。然而，隨著燃油汽車的廣泛使用，能源短缺、氣候變化和環境污染等問題變得越來越嚴重。數據顯示，中國交通運輸行業的碳排放量約占全國碳排放總量的10%。在汽車需求持續增長的前提下，為了應對日益加劇的能源和環境挑戰，推動汽車行業技術革新、發展新能源汽車，已成為交通運輸行業實現低碳轉型和節能減排的關鍵策略。

新能源汽車主要包括純電動汽車、燃料電池汽車和混合動力汽車，與傳統燃油汽車相比，每百公里可節約2.3kg標準煤，同時，二氧化碳、二氧化硫和氮氧化物的排放量可降低13%—68%左右。中國新能源汽車產銷量已連續8年位居全球第一，成為全球最大的新能源汽車市場，在國際市場上發揮著越來越重要的作用。因此，研究中國新能源汽車的發展進展，對推動新能源汽車在全球的普及具有重要意義。

一、新能源汽車市場發展現狀

1949年，我國建立了第一家汽車制造廠，完成了中國汽車工業從無到有的轉變。經過幾十年的發展，我國汽車工業已頗具規模，但“大而不強”，與西方國家相比仍存在一定差距。我國新能源汽車產業起步于2006年，在國家節能減排政策的引導下，科技部啟動了“863”計劃節能與新能源汽車重大項目，確立了“三縱三橫”新能源汽車產業發展戰略。2010年9月8日，國務院常務會議審議并原則通過《國務院關于加快培育和發展戰略性新興產業的決定》，正式將新能源汽車列為七大戰略性新興產業之一。2011年以后，隨著政府部門和相關企業的加大投入，新能源汽車在產品質量和技術上取得重大突破，產業發展速度明顯加快。2015年中國新能源汽車產銷量超越美國，首次成為全球新能源汽車產銷量最高的國家。2019年，受補貼退坡影響，中國新能源汽車產銷量首次出現下滑。2020年新冠疫情的暴發和國際形勢的復雜多變使得中國新能源汽車產業發展形勢更加嚴峻。在行業各方的共同努力下，2020年中國新能源汽車產銷量止跌回升，創下歷史新高。截至2022年底，中國新能源汽車保有量達1310萬輛，居全球首位。2015年至2022年，中國已連續8年成為全球最大新能源汽車市場。如今，新能源汽車產業是中國最具競爭力的新興產業，中國已成為世界新能源汽車產業的發展中心。

二、新能源汽車銷量影響因素

在全球氣候變化的嚴峻挑戰下，新能源汽車作為推動節能減排和能源轉型的重要力量，其市場銷量的顯著增長已成為學術界與產業界深入研究的熱點話題。這一增長趨勢受到政策因素、購買價格和成本、能源價格、配套基礎設施與續航能力等多種因素的共同影響。通過系統性地分析這些具體影響因素，能夠更準確地預測新能源汽車未來的銷量走向，為產業發展提供支撐。

（一）政策措施

新能源汽車作為新興產業，在發展初期面臨著傳統燃油汽車在技術、成本等方面的挑戰，政策支持有助于促進其前期技術創新和市場導入。政策支持主要包括財政補貼、電費補貼、基礎設施建設等。中國、美國、日本及歐盟等新能源汽車領域的主要領先國家相繼出臺相應措施，推動新能源汽車技術改造和市場拓展。單項補貼是政策推動新能源汽車發展最直接的體現。補貼政策對加速新能源汽車的普及發揮了顯著作用，有效提升了消費者的購買意愿。

（二）購買價格和成本

購買價格是消費者選擇新能源汽車時考慮的首要經濟因素。從歷史走勢上看，高昂的初始購買成本一直是新能源汽車廣泛應用的重大障礙。然而，隨著電池技術的進步和規模經濟導致的生產成本降低，新能源汽車價格逐漸趨于合理。此外，政府補貼、稅收優惠等政策措施有效降低了消費者的購置成本，進一步增強了新能源汽車的市場競爭力。

（三）能源價格

能源成本是影響新能源汽車經濟可行性的核心要素。相較于傳統汽油車，電動汽車在日常使用中展現出了更低的能源成本，這一特點在很大程度上彌補了電動汽車相對較高的初期購買價格。能源市場的價格波動對于消費者的購車決策起到了關鍵作用。以電池級碳酸鋰原料價格為例，其價格的下跌導致動力電池成本下降，進而影響了新能源汽車的售價。此外，當油價持續攀升時，電動汽車的低能耗特性愈發顯得突出，消費者可能會更加傾向于選擇電動汽車，因為其每公里的使用成本遠低于燃油車。這種經濟優勢進一步增強了消費者選擇電動汽車的意愿。

（四）充電基礎設施

充電基礎設施的充足性是新能源汽車普及的關鍵，充電站的數量、分布密度、充電速度、兼容性等因素直接影響消費者的體驗和購買新能源汽車的意愿。一個覆蓋廣泛、布局合理、高效便捷的充電網絡，能夠有效緩解消費者的里程焦慮，提升使用新能源汽車的便捷性和滿意度。政府對充電基礎設施的投入和發展對于支持新能源汽車的擴張至關重要。通過加大投資力度、優化布局規劃、提升設施性能，政府可以為新能源汽車的普及創造更加有利的條件。

（五）續航里程

續駛里程是消費者關注的核心性能指標之一，直接影響新能源汽車的實際使用范圍和實用性。有限的續航里程曾是制約新能源汽車普及的重要因素，常常引發消費者的“里程焦慮”。然而，隨著電池技術的不斷突破和革新，新能源汽車的續航里程得到了顯著提升，許多車型已經能夠實現與傳統燃油車相近的行駛距離，有效緩解了消費者的這一擔憂。這一進步使新能源汽車的市場競爭力顯著提升。

三、新能源汽車銷量預測研究進展

國內外研究者對新能源汽車銷量預測進行了大量研究，已取得了豐碩的成果。基于單一模型的預測方法可概括為兩大類：基于時間序列的統計學方法和基于機器學習、灰色預測等的非統計學方法。通過合理設置影響因素、優化模型參數等手段，基于單一模型的預測方法能夠在一定程度上提升新能源汽車銷量預測的準確性。隨著新能源汽車市場的增長和研究的深入，在單一模型的基礎上，一些組合模型不斷被應用于銷量預測中，以實現更加準確的預測結果。

（一）基于單一模型的銷量預測方法

1.基于時間序列的統計學方法。時間序列模型是研究人員用于預測的最常用工具，例如自回歸（AR）、移動平均 （MA）、自回歸移動平均 （ARMA）、自回歸積分移動平均 （ARIMA） 和季節性自回歸積分移動平均 （SARIMA）。姜佳辰等利用中國近十年汽車產業的相關數據，建立ARIMA模型，對新能源汽車未來十年的銷量進行預測[1]。結果表明，中國新能源汽車的銷量在未來十年呈上升趨勢，且態勢良好。陳科秀等收集了2019年1月至2021年2月間中國品牌歐拉黑貓新能源汽車的銷售數據，通過平穩性檢驗、自相關性檢驗和偏自相關性檢驗后采用ARIMA（7，2，1）模型，預測了2021年1—2月份的銷量，平均絕對百分誤差為 2.23%，表明模型具有較好的性能[2]。

2.非統計學方法。盡管傳統的時間序列模型已經在新能源汽車銷量預測的應用中展現了一定的有效性，但由于它們對于非線性關系的捕捉相對較弱，大部分方法也不能添加更多的外生變量用于預測，因而這些模型的精度往往受限。隨著機器學習和人工智能技術的發展，很多學者將機器學習、灰色預測和Bass擴散模型等應用于時間序列預測領域，希望利用其非線性預測能力獲得良好的預測效果。王訓洪等通過粒子群優化算法（PSO）優化反向傳播（BP）網絡的參數迭代過程，構建了基于PSO-BP神經網絡的新能源汽車銷量預測模型， BP神經網絡模型相比于指數平滑模型在均方誤差、平均絕對值誤差和平均絕對百分比誤差指標上預測性能優勢顯著[3]。汪蘭蘭通過優化GM（1，1）灰色預測模型背景值，對新能源汽車銷量進行預測，結果表明，改進背景值后的模型具有更高的預測精度，對于汽車制造業精準研判新能源汽車市場發展趨勢，制定研發、生產與銷售策略，具有一定的參考價值[4]。劉騰飛等基于Bass模型，根據2008—2014年中國新能源汽車銷量數據，研究結果顯示，當前中國新能源汽車的擴散模式受外部模仿性因素影響更大，新能源汽車企業在營銷時應加強口碑引導，以實現新能源汽車的高效率擴散[5]。

（二）基于組合模型的銷量預測方法

基于數學和統計方法的單一模型依賴于歷史銷售數據，難以準確捕捉市場需求，導致預測準確率相對較低。機器學習、灰色預測等非統計學預測方法表現出比數理統計方法更好的預測性能，但在解決復雜的非線性問題方面仍存在困難。近年來，在單一模型的基礎上，一些組合模型被應用于新能源汽車需求預測。

張鈺妍等將ARIMA模型和長短期記憶網絡（LSTM）模型相結合，建立了ARIMA-LSTM組合模型，該組合模型相較于單一模型在預測精度上有所提升，RMSE下降約20%，為新能源汽車市場的戰略規劃提供了有價值的決策支持[6]。楊東紅將SARIMA模型引入到BP神經網絡中，提出一種基于改進BP神經網絡的新能源汽車銷量模型，結果表明，改進BP神經網絡可準確預測新能源汽車銷量的趨勢，平均預測準確率為 90.82%[7]。余明洋等基于時間序列分析，在分析了新能源汽車月銷量序列的性質后，引入Logistic模型作為修正，建立了一個復合預測模型，在考慮到市場本身發展及外部突發因素影響的同時，又兼顧市場發展的延續性，更具合理性和適用性[8]。

四、總結與展望

首先，中國新能源汽車市場已在國際上占據領先地位。中國新能源汽車市場在近幾年保持了爆發式增長，銷量和保有量均位居世界前列，推動了新能源汽車技術的不斷創新和產業升級。中國新能源汽車市場的快速發展，促進了全球新能源汽車技術的交流和合作，推動了全球新能源汽車產業的共同發展。其次，技術創新是影響新能源汽車發展的決定性因素。它不僅決定了新能源汽車的性能、效率、續航里程等關鍵指標，還直接關聯到新能源汽車的成本降低和市場接受度的提升。通過技術創新，新能源汽車企業能夠不斷突破技術瓶頸，提升產品的競爭力和市場占有率，從而推動整個新能源汽車行業的快速發展。最后，組合模型在新能源汽車銷量預測中展現出了更優異的預測性能。基于單一模型的預測方法對于預測非線性和多維度的數據難度較大，預測精度有待進一步提高，不能很好地反映汽車市場的波動情況，一些組合模型不斷被應用于銷量預測中，組合模型展現出了更優異的預測性能。此外，由于目前中國新能源汽車產業發展歷程較短、可利用數據量較少且汽車歷史銷量數據呈現顯著的周期波動特征，在未來的研究中，需要綜合分析歷史銷量的數據特征，進一步將不同的預測模型進行組合，從而更加精準地捕捉市場發展的態勢，最大限度地提升預測結果的準確性。

參考文獻：

[1]姜佳辰，梅語欣，潘姚瑤，等.新能源汽車的發展評估與銷量預測[J].臺州學院學報，2024，46（03）： 9-15.

[2]陳科秀，劉娟.基于ARIMA模型的歐拉黑貓新能源汽車銷量預測[J].現代工業經濟和信息化，2022，12（03）：169-171.

[3]王訓洪，郝同錚，馬聰.基于PSO-BP神經網絡的新能源汽車銷量預測模型[J].科學技術與工程，2024，24（31）：13467-13474.

[4]汪蘭蘭.改進的GM（1，1）模型在新能源汽車銷量預測中的應用[J].經濟研究導刊，2023（15）：46-50.

[5]劉騰飛，陳凱.基于Bass模型的中國新能源汽車擴散模式研究[J].企業經濟，2016（03）：115-118.

[6]張鈺妍，張馨予.基于ARIMA和LSTM的新能源汽車銷量預測研究[J].專用汽車，2024（06）：22-25.

[7]楊東紅.基于改進BP神經網絡的新能源汽車銷量預測[J].自動化與儀器儀表，2021（11）：60-63.

[8]余明洋，沈斌.多變國際形勢下新能源汽車銷量分析——基于突發因素的復合預測模型[J].中國商論，2023（12）：164-168.

（作者簡介：毛華碩，河南大學歐亞國際學院團支部書記）