里程焦虑对纯电动汽车使用意愿的影响*

孙 叶 刘 锴

(大连理工大学交通运输学院 大连 116024)

里程焦虑对纯电动汽车使用意愿的影响*

孙 叶 刘 锴

(大连理工大学交通运输学院 大连 116024)

基于大连市纯电动汽车使用意愿SP调查数据，研究里程焦虑对日常出行选择电动汽车的影响.从计划出行距离和剩余电量相对关系角度提出量化里程焦虑“有效出行距离率”指标，建立包括里程焦虑、出行费用、出行时间及出行目的等因素的离散选择模型，定量分析里程焦虑对纯电动汽车使用意愿的影响.结果表明，当前技术发展水平和普及程度条件下，如果在工作出行途中没有机会充电，里程焦虑导致电动汽车仅在剩余电量理论最大出行距离的32.7%距离范围内出行有吸引力，如果有机会充电，则该范围提高到83.3%.但纯电动汽车的选择使用概率对里程焦虑程度的2项指标都缺乏弹性.

纯电动汽车；使用意愿；里程焦虑；离散选择模型

0 引 言

近年来，随着全球能源危机和环境问题的日益突出，以及人们环保意识的不断增强，新能源汽车的发展逐渐受到世界各国的重视.纯电动汽车在使用阶段具有零排放的显著优点，是新能源汽车领域发展的主要方向.尽管如此，电动汽车的市场规模仍然很低，除了非插电式混合动力汽车和燃料电池汽车，2014年电动汽车在全球汽车市场的份额约为0.3%[1]，2015年全球电动汽车销量猛增到55万辆，但是仍然仅占当年0.6%的市场份额，如何提高纯电动汽车的使用意愿，提高其市场占有率仍是现阶段纯电动汽车发展所面临的主要问题.

有限的续航里程和较低的充电桩空间覆盖水平成为当前纯电动汽车的主要发展瓶颈，这两大问题导致了人们对纯电动汽车的里程焦虑[2].为了缓解里程焦虑，一方面可以采用“超级电池”来提高纯电动汽车的续航能力；另一方面必须加快推进充电桩的建设.但是，市场需求和电动汽车使用意愿方面的研究仍然较少.文中通过开展意愿偏好(stated preference,SP)问卷调查，假设被调查者家庭拥有纯电动汽车，当面临不同剩余电量和是否具备充电条件时，调查出行者在不同目的出行中选择纯电动汽车或者公交车的使用意愿，研究出行者对纯电动汽车的使用意愿受里程焦虑的影响程度，寻找缓解里程焦虑的合理措施，为制定更科学的纯电动汽车发展战略提供依据.

1 电动汽车购买和使用意愿研究现状

消费者购置电动汽车选择行为相关研究成为近年来研究的热点问题[3-4].Skippon等[5]通过问卷调查的方式研究了不同续航里程下消费者对电动汽车的选择态度.Rezvani等[6]在总结现有研究的基础上，将影响消费者对电动汽车选择的因素归纳为技术、成本、配套设施、个人和社会因素4类.除了上述电动汽车购买选择行为，电动汽车使用选择行为也受到里程焦虑的影响.胡隆基等[7]在关于小型纯电动汽车使用影响因素的定性分析中提出，感知有用性、感知易用性、兼容性和感知风险是决定小型纯电动汽车使用态度的关键因素.刘锴等[8]定量分析了电动汽车在城市圈内行驶的电量消耗规律，建立了基于多层混合效应的电动汽车能耗估计模型，有效提高了目前电动汽车能耗估计的精度，有助于减少电动汽车使用者的里程焦虑.Kondo等[9]在研究了里程焦虑、不同场所的充电设施对模拟的电动汽车能量消耗和电池性能的影响后指出，里程焦虑对电动汽车效用的影响程度随着充电设施可用性的提高而减小，行驶速度对降低电动汽车里程焦虑也有影响，行驶速度每减小10 km/h或20 km/h，电动汽车剩余电量的行驶里程会相应的提高7%或12%，从而在一定程度上减轻驾驶员的里程焦虑程度.

上述研究主要集中在对电动汽车选择行为影响因素的定性分析，缺少关于里程焦虑对电动汽车影响的定量研究.最大的难点就是没有公认的衡量里程焦虑的定量指标.

2 问卷设计与数据收集

2.1 问卷设计

为了研究里程焦虑对纯电动汽车使用意愿的影响，同时考虑到出行方式选择受多种因素的综合影响，在大连市开展了纯电动汽车使用意愿SP调查，问卷的内容主要包括：①出行者的社会经济属性，机动车保有和使用情况，主要包括性别、年龄、学历、职业、家庭月收入、是否拥有私家车、驾龄、平均日出行距离、平均周交通费用、对电动汽车的熟悉程度等；②影响出行者出行方式选择的主要因素，如当前剩余电量、剩余电量的理论可行驶距离、计划出行距离、出行途中能否充电、交通费用、车内外时间、出行目的等；③不同场景下(不同出行目的和距离、剩余电量，以及是否可以充电)的出行方式选择行为.

本次SP调查问卷设计重点考虑以下2个方面：

1) 里程焦虑的量化 电动汽车里程焦虑定义为驾驶电动汽车时因担心电池动力耗尽引起的精神痛苦或忧虑.左志等[10]在研究基于通勤行为的电动汽车充电站选址时采用里程余量表征出行者的里程焦虑程度.基于里程焦虑的定义和已有研究，从计划出行距离和剩余电量的相对关系对里程焦虑进行量化，设计了2个描述里程焦虑的属性变量，即“有效出行距离率”(剩余电量的最大可行驶距离与计划出行距离的比值)和“出行途中能否充电”.

2) 场景和候选项的设置 本次SP调查假设出行者面对的场景是：3种出行目的(工作、休闲娱乐或走亲访友)、大型或特大型城市尺度的计划出行距离(20，40或60 km)、满电荷最大可行驶距离(100，180或250 km)、当前剩余电量(30%，40%，50%)的理论可行驶距离，出行费用和时间，以及途中能否充电，被调查者面对随机的一个出行目的，从候选出行方式中选择个人最偏好的选项，候选出行方式的上述属性采用正交实验设计，以提高问卷的效用.为了降低被调查者选择的难度和更好地对比分析里程焦虑对电动汽车使用意愿的影响，本次调查情景设计仅提供了电动汽车和公共交通2种候选出行方式.每位被调查者回答6个场景下的个人选择.

2.2 数据收集

本次调查于2015年7月14—17日在大连市华北路、兴工街、太原街及华东路汽贸城的若干家4S店，大连国税局办事大厅、大连周水子机场及大连理工大学进行问卷调查，采取随机抽样的方式.共发放592份问卷，剔除无效问卷51份，有效问卷为541份，有效回收率为91.39%.被调查者中男性57.67%，女性42.33%，基本符合大连总人口性别比例.68.82%的被调查者家庭拥有私家车，且一半左右(约56%)的被调查者具有1年以上的驾龄.被调查者的日出行距离和周交通费用的均值分别是25.13 km和126.72元.被调查者当中非常熟悉和较熟悉电动汽车的人群比例较低，分别是3.14%和10.72%，大部分人群对于购买和使用电动汽车不太熟悉，其中一般了解人群占37.71%，听说过但不太了解的人群占46.21%，还有2.22%的被调查者完全不了解电动汽车.被调查者年龄和收入基本情况见图1，其中大多数(约69%)被调查者的家庭收入不超过1万元，87.40%的年龄不超过45岁，属于电动汽车购买和使用的潜在客户群体.

图1 被调查者个人属性

3 基于离散选择模型的定量分析

3.1 二项Logit模型

Logit模型为目前应用较为广泛的离散选择模型，其理论基础为随机效用函数理论.Logit模型的效用函数为[11]

(1)

式中：

(2)

其中：Xink为影响因素；θk为待估计系数；εin为服从二重指数分布的概率项.则二项Logit模型如下.

(3)

(4)

式中：Pin(i=1,2)为出行者n选择方案i的概率.

3.2 效用函数

电动汽车效用函数：

(5)

式中：X1k(k=1，2，…，10)分别为电动汽车的费用/周交通费用、车内时间、车外时间、出行目的、有效出行距离率、计划出行途中能否充电、性别、年龄、家庭月收入、对电动汽车的熟悉程度；θk(k=1～10)分别为X1k(k=1，2，…，10)对应的未知参数.

公共交通效用函数：

(6)

式中：X2k(k=1，2，3)分别为公共交通的费用/周交通费用、车内时间、车外时间.θk(k=1，2，3)分别为X2k(k=1，2，3)对应的未知参数，且与X1k(k=1，2，3)对应的参数取值相同.

为了对比分析代表里程焦虑的2个属性对纯电动汽车使用意愿的影响，分别考虑仅包含“有效出行距离率”单一里程焦虑指标(模型1)和同时包含两项里程焦虑指标(模型2)时，模型拟合度和参数估计结果的差异.

3.3 模型标定和结果分析

采用极大似然函数法估计二项Logit模型参数，结果见表1.

表1 模型估计结果

对比分析2个模型结果，模型1仅考虑“有效出行距离率”单一里程焦虑指标，拟合度较低，模型2拟合度为0.192 4，拟合效果较好.t值绝对值的大小可以用来判断该参数值所对应的属性是否显著影响出行者的选择.包括常数项在内，车内时间、车外时间、出行目的、有效出行距离率等因素对纯电动汽车的使用意愿都有显著影响(显著性水平为0.05)，其中，公共交通常数项、出行目的、有效出行距离率、出行途中能否充电对选择电动汽车效用的影响较大，反映出里程焦虑是影响纯电动汽车使用意愿的关键因素之一.两个模型的常数项为正值，表明当前电动汽车技术发展和基础设施建设情况世纪环境下，被调查者考虑到电动汽车可能存在的出行风险，更愿意选择公共交通.

有效出行距离率的系数为正值，表明其对纯电动汽车的使用意愿有显著的正向影响，即当剩余电量的理论可行驶距离与出行往返距离的比值越大时，此时出行者里程焦虑程度相对越低，选择使用纯电动汽车的概率越大，反之则使用公共交通的概率更大；计划出行途中能否充电的系数为负值，说明途中能充电，此时出行者里程焦虑相对较低，选择使用纯电动汽车的概率会较大；出行目的系数为正，说明工作出行时人们选择使用纯电动汽车的概率较大.虽然个人属性的影响都不显著，但年龄和对电动汽车的熟悉程度较其他个人属性对纯电动汽车效用的影响大，年龄的系数为正值，说明中老年人对纯电动汽车的使用意愿较青年人低，倾向于谨慎使用电动汽车，避免里程焦虑；对电动汽车的熟悉程度的系数为负值，验证了出行者对纯电动汽车越了解，选择使用纯电动汽车的概率越大[12].

进一步量化里程焦虑的影响效应，选择拟合度较高的模型2的标定参数结果进行分析，当工作出行时，如果往返途中无法充电，则有效距离出行率必须大于3.06时，电动汽车的被使用意愿才能超过公共交通，如果往返途中有机会充电，则有效距离出行率只要大于1.20，电动汽车的被使用意愿就超过公共交通.非工作出行时，上述无法充电和途中可以充电2种情况下的有效距离出行率分别是4.72和2.87.

4 “里程焦虑”弹性分析

尽管Logit模型结果能够描述候选项属性以及社会经济属性对选择行为是否具有显著影响，但不能定量判断相关变量对每个候选项选择行为的影响.应用点弹性分析可以得到候选项的某一属性改变给定的百分比时，相应的选择概率的变化.对于候选项i的属性k，候选项i被决策者n选择概率的弹性值为：

(7)

式中：βk为变量Xink的参数；Xink为候选项i中的属性k的变量；Pin为候选项i被决策者n选择的概率.

利用选择概率加权法计算纯电动汽车选择概率针对“有效出行距离率”“计划出行途中能否充电”2个代表里程焦虑的属性的弹性值，见表2.“有效出行距离率”增加1%，纯电动汽车的选择率将提高0.915 6%；计划出行途中能充电可能性增加1%，纯电动汽车的选择概率仅提高0.287 1%.也就是说纯电动汽车的选择概率对“里程焦虑”缺乏弹性.

表2 里程焦虑属性弹性值

5 结 束 语

文中对出行者选择使用纯电动汽车的意愿进行了SP问卷调查，通过建立里程焦虑的定量指标，应用二项Logit模型定量分析了大连市当前的电动汽车里程焦虑程度，通过弹性分析说明纯电动汽车的选择概率对里程焦虑缺乏弹性.基于文中的研究结论，针对日常工作出行需求，扩大电动汽车电池的容量来缓解电动汽车出行者的里程焦虑是非常低效的，当没有机会充电时，仅提高32.7%(1/3.06)的电池扩容量所对应的里程，当有机会充电时，可以提高电池扩容量所对应的83.3%(1/1.2)里程，非工作出行时，里程焦虑的影响更为突出.计划出行往返途中能否充电也是影响出行者选择使用电动汽车的关键因素，但电动汽车使用的选择概率对途中能否充电是缺乏弹性的，当前以空间覆盖率为目标的充电桩建设并不能大幅提高电动汽车的使用率，应该更多地关注充电桩的使用率，以免出现充电桩闲置和废弃现象.因此，要缓解消费者的里程焦虑，不仅要科学合理的充电桩配置，还要考虑到消费者的用车习惯、心理障碍等因素，进而制定科学的发展策略，才能最终提高电动汽车的使用率.

[1]中国汽车技术研究中心.中国新能源汽车产业发展报告[M].北京:社会科学文献出版社,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.基于技术接受模型的小型纯电动汽车使用影响因素[J].科技管理研究，2015(5):122-125.

[8]刘锴，王江波，陈晋.基于多层混合效应的电动汽车能耗估计模型[J].武汉理工大学学报(交通科学与工程版),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，王涛，潘晓锋，等.基于通勤行为的电动汽车充电站选址模型[J].武汉理工大学学报(交通科学与工程版),2016,40(2):233-237.

[11]关宏志.非集计模型：交通行为分析的工具[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

*国家自然科学基金项目(51378091)、中央高校基本科研业务费专项资金项目(DUT12ZD203)资助

U491

10.3963/j.issn.2095-3844.2017.01.017

孙叶(1991—)：女，硕士生，主要研究领域为交通行为分析