新能源汽车发展现状及销量预测方法研究综述

摘要：新能源汽车市场正处于快速发展阶段，市场规模持续扩大。本文分析了新能源汽车市场的发展现状，着重分析了影响销量的政策、价格、能源价格、基础设施和续航里程等多种因素。在销量预测方面，本文介绍了基于单一模型（如时间序列分析、机器学习和灰色预测等）和组合模型（如ARIMA-LSTM组合模型）的销量预测方法，并对这些方法的应用情况进行了对比。通过综合分析与对比，为新能源汽车销量的科学预测提供有价值的参考，进而为新能源汽车产业的战略规划、投资决策及政策制定提供有力指导。最后，本文对新能源汽车市场的发展和销量预测研究进行了总结和展望，强调了技术创新在推动新能源汽车发展中的关键作用，并指出组合模型在销量预测中的优势及未来研究方向。

关键词：新能源汽车；销量预测；单一模型；组合模型

引言

汽车显著提升了人们的出行效率和生活质量，为现代生活带来了诸多便利，已成为满足现代出行需求的关键工具。然而，随着燃油汽车的广泛使用，能源短缺、气候变化和环境污染等问题变得越来越严重。数据显示，中国交通运输行业的碳排放量约占全国碳排放总量的10%。在汽车需求持续增长的前提下，为了应对日益加剧的能源和环境挑战，推动汽车行业技术革新、发展新能源汽车，已成为交通运输行业实现低碳转型和节能减排的关键策略。

新能源汽车主要包括纯电动汽车、燃料电池汽车和混合动力汽车，与传统燃油汽车相比，每百公里可节约2.3kg标准煤，同时，二氧化碳、二氧化硫和氮氧化物的排放量可降低13%—68%左右。中国新能源汽车产销量已连续8年位居全球第一，成为全球最大的新能源汽车市场，在国际市场上发挥着越来越重要的作用。因此，研究中国新能源汽车的发展进展，对推动新能源汽车在全球的普及具有重要意义。

一、新能源汽车市场发展现状

1949年，我国建立了第一家汽车制造厂，完成了中国汽车工业从无到有的转变。经过几十年的发展，我国汽车工业已颇具规模，但“大而不强”，与西方国家相比仍存在一定差距。我国新能源汽车产业起步于2006年，在国家节能减排政策的引导下，科技部启动了“863”计划节能与新能源汽车重大项目，确立了“三纵三横”新能源汽车产业发展战略。2010年9月8日，国务院常务会议审议并原则通过《国务院关于加快培育和发展战略性新兴产业的决定》，正式将新能源汽车列为七大战略性新兴产业之一。2011年以后，随着政府部门和相关企业的加大投入，新能源汽车在产品质量和技术上取得重大突破，产业发展速度明显加快。2015年中国新能源汽车产销量超越美国，首次成为全球新能源汽车产销量最高的国家。2019年，受补贴退坡影响，中国新能源汽车产销量首次出现下滑。2020年新冠疫情的暴发和国际形势的复杂多变使得中国新能源汽车产业发展形势更加严峻。在行业各方的共同努力下，2020年中国新能源汽车产销量止跌回升，创下历史新高。截至2022年底，中国新能源汽车保有量达1310万辆，居全球首位。2015年至2022年，中国已连续8年成为全球最大新能源汽车市场。如今，新能源汽车产业是中国最具竞争力的新兴产业，中国已成为世界新能源汽车产业的发展中心。

二、新能源汽车销量影响因素

在全球气候变化的严峻挑战下，新能源汽车作为推动节能减排和能源转型的重要力量，其市场销量的显著增长已成为学术界与产业界深入研究的热点话题。这一增长趋势受到政策因素、购买价格和成本、能源价格、配套基础设施与续航能力等多种因素的共同影响。通过系统性地分析这些具体影响因素，能够更准确地预测新能源汽车未来的销量走向，为产业发展提供支撑。

（一）政策措施

新能源汽车作为新兴产业，在发展初期面临着传统燃油汽车在技术、成本等方面的挑战，政策支持有助于促进其前期技术创新和市场导入。政策支持主要包括财政补贴、电费补贴、基础设施建设等。中国、美国、日本及欧盟等新能源汽车领域的主要领先国家相继出台相应措施，推动新能源汽车技术改造和市场拓展。单项补贴是政策推动新能源汽车发展最直接的体现。补贴政策对加速新能源汽车的普及发挥了显著作用，有效提升了消费者的购买意愿。

（二）购买价格和成本

购买价格是消费者选择新能源汽车时考虑的首要经济因素。从历史走势上看，高昂的初始购买成本一直是新能源汽车广泛应用的重大障碍。然而，随着电池技术的进步和规模经济导致的生产成本降低，新能源汽车价格逐渐趋于合理。此外，政府补贴、税收优惠等政策措施有效降低了消费者的购置成本，进一步增强了新能源汽车的市场竞争力。

（三）能源价格

能源成本是影响新能源汽车经济可行性的核心要素。相较于传统汽油车，电动汽车在日常使用中展现出了更低的能源成本，这一特点在很大程度上弥补了电动汽车相对较高的初期购买价格。能源市场的价格波动对于消费者的购车决策起到了关键作用。以电池级碳酸锂原料价格为例，其价格的下跌导致动力电池成本下降，进而影响了新能源汽车的售价。此外，当油价持续攀升时，电动汽车的低能耗特性愈发显得突出，消费者可能会更加倾向于选择电动汽车，因为其每公里的使用成本远低于燃油车。这种经济优势进一步增强了消费者选择电动汽车的意愿。

（四）充电基础设施

充电基础设施的充足性是新能源汽车普及的关键，充电站的数量、分布密度、充电速度、兼容性等因素直接影响消费者的体验和购买新能源汽车的意愿。一个覆盖广泛、布局合理、高效便捷的充电网络，能够有效缓解消费者的里程焦虑，提升使用新能源汽车的便捷性和满意度。政府对充电基础设施的投入和发展对于支持新能源汽车的扩张至关重要。通过加大投资力度、优化布局规划、提升设施性能，政府可以为新能源汽车的普及创造更加有利的条件。

（五）续航里程

续驶里程是消费者关注的核心性能指标之一，直接影响新能源汽车的实际使用范围和实用性。有限的续航里程曾是制约新能源汽车普及的重要因素，常常引发消费者的“里程焦虑”。然而，随着电池技术的不断突破和革新，新能源汽车的续航里程得到了显著提升，许多车型已经能够实现与传统燃油车相近的行驶距离，有效缓解了消费者的这一担忧。这一进步使新能源汽车的市场竞争力显著提升。

三、新能源汽车销量预测研究进展

国内外研究者对新能源汽车销量预测进行了大量研究，已取得了丰硕的成果。基于单一模型的预测方法可概括为两大类：基于时间序列的统计学方法和基于机器学习、灰色预测等的非统计学方法。通过合理设置影响因素、优化模型参数等手段，基于单一模型的预测方法能够在一定程度上提升新能源汽车销量预测的准确性。随着新能源汽车市场的增长和研究的深入，在单一模型的基础上，一些组合模型不断被应用于销量预测中，以实现更加准确的预测结果。

（一）基于单一模型的销量预测方法

1.基于时间序列的统计学方法。时间序列模型是研究人员用于预测的最常用工具，例如自回归（AR）、移动平均 （MA）、自回归移动平均 （ARMA）、自回归积分移动平均 （ARIMA） 和季节性自回归积分移动平均 （SARIMA）。姜佳辰等利用中国近十年汽车产业的相关数据，建立ARIMA模型，对新能源汽车未来十年的销量进行预测[1]。结果表明，中国新能源汽车的销量在未来十年呈上升趋势，且态势良好。陈科秀等收集了2019年1月至2021年2月间中国品牌欧拉黑猫新能源汽车的销售数据，通过平稳性检验、自相关性检验和偏自相关性检验后采用ARIMA（7，2，1）模型，预测了2021年1—2月份的销量，平均绝对百分误差为 2.23%，表明模型具有较好的性能[2]。

2.非统计学方法。尽管传统的时间序列模型已经在新能源汽车销量预测的应用中展现了一定的有效性，但由于它们对于非线性关系的捕捉相对较弱，大部分方法也不能添加更多的外生变量用于预测，因而这些模型的精度往往受限。随着机器学习和人工智能技术的发展，很多学者将机器学习、灰色预测和Bass扩散模型等应用于时间序列预测领域，希望利用其非线性预测能力获得良好的预测效果。王训洪等通过粒子群优化算法（PSO）优化反向传播（BP）网络的参数迭代过程，构建了基于PSO-BP神经网络的新能源汽车销量预测模型， BP神经网络模型相比于指数平滑模型在均方误差、平均绝对值误差和平均绝对百分比误差指标上预测性能优势显著[3]。汪兰兰通过优化GM（1，1）灰色预测模型背景值，对新能源汽车销量进行预测，结果表明，改进背景值后的模型具有更高的预测精度，对于汽车制造业精准研判新能源汽车市场发展趋势，制定研发、生产与销售策略，具有一定的参考价值[4]。刘腾飞等基于Bass模型，根据2008—2014年中国新能源汽车销量数据，研究结果显示，当前中国新能源汽车的扩散模式受外部模仿性因素影响更大，新能源汽车企业在营销时应加强口碑引导，以实现新能源汽车的高效率扩散[5]。

（二）基于组合模型的销量预测方法

基于数学和统计方法的单一模型依赖于历史销售数据，难以准确捕捉市场需求，导致预测准确率相对较低。机器学习、灰色预测等非统计学预测方法表现出比数理统计方法更好的预测性能，但在解决复杂的非线性问题方面仍存在困难。近年来，在单一模型的基础上，一些组合模型被应用于新能源汽车需求预测。

张钰妍等将ARIMA模型和长短期记忆网络（LSTM）模型相结合，建立了ARIMA-LSTM组合模型，该组合模型相较于单一模型在预测精度上有所提升，RMSE下降约20%，为新能源汽车市场的战略规划提供了有价值的决策支持[6]。杨东红将SARIMA模型引入到BP神经网络中，提出一种基于改进BP神经网络的新能源汽车销量模型，结果表明，改进BP神经网络可准确预测新能源汽车销量的趋势，平均预测准确率为 90.82%[7]。余明洋等基于时间序列分析，在分析了新能源汽车月销量序列的性质后，引入Logistic模型作为修正，建立了一个复合预测模型，在考虑到市场本身发展及外部突发因素影响的同时，又兼顾市场发展的延续性，更具合理性和适用性[8]。

四、总结与展望

首先，中国新能源汽车市场已在国际上占据领先地位。中国新能源汽车市场在近几年保持了爆发式增长，销量和保有量均位居世界前列，推动了新能源汽车技术的不断创新和产业升级。中国新能源汽车市场的快速发展，促进了全球新能源汽车技术的交流和合作，推动了全球新能源汽车产业的共同发展。其次，技术创新是影响新能源汽车发展的决定性因素。它不仅决定了新能源汽车的性能、效率、续航里程等关键指标，还直接关联到新能源汽车的成本降低和市场接受度的提升。通过技术创新，新能源汽车企业能够不断突破技术瓶颈，提升产品的竞争力和市场占有率，从而推动整个新能源汽车行业的快速发展。最后，组合模型在新能源汽车销量预测中展现出了更优异的预测性能。基于单一模型的预测方法对于预测非线性和多维度的数据难度较大，预测精度有待进一步提高，不能很好地反映汽车市场的波动情况，一些组合模型不断被应用于销量预测中，组合模型展现出了更优异的预测性能。此外，由于目前中国新能源汽车产业发展历程较短、可利用数据量较少且汽车历史销量数据呈现显著的周期波动特征，在未来的研究中，需要综合分析历史销量的数据特征，进一步将不同的预测模型进行组合，从而更加精准地捕捉市场发展的态势，最大限度地提升预测结果的准确性。

参考文献：

[1]姜佳辰，梅语欣，潘姚瑶，等.新能源汽车的发展评估与销量预测[J].台州学院学报，2024，46（03）： 9-15.

[2]陈科秀，刘娟.基于ARIMA模型的欧拉黑猫新能源汽车销量预测[J].现代工业经济和信息化，2022，12（03）：169-171.

[3]王训洪，郝同铮，马聪.基于PSO-BP神经网络的新能源汽车销量预测模型[J].科学技术与工程，2024，24（31）：13467-13474.

[4]汪兰兰.改进的GM（1，1）模型在新能源汽车销量预测中的应用[J].经济研究导刊，2023（15）：46-50.

[5]刘腾飞，陈凯.基于Bass模型的中国新能源汽车扩散模式研究[J].企业经济，2016（03）：115-118.

[6]张钰妍，张馨予.基于ARIMA和LSTM的新能源汽车销量预测研究[J].专用汽车，2024（06）：22-25.

[7]杨东红.基于改进BP神经网络的新能源汽车销量预测[J].自动化与仪器仪表，2021（11）：60-63.

[8]余明洋，沈斌.多变国际形势下新能源汽车销量分析——基于突发因素的复合预测模型[J].中国商论，2023（12）：164-168.

（作者简介：毛华硕，河南大学欧亚国际学院团支部书记）