康奈尔大学的研究人员提出了一个棘手问题的解决方案：在哪里安装电动汽车充电站，既方便驾驶员，又能为投资者带来利润。 该研究成果发表在 Applied Energy 杂志上。
研究团队发现，在城市环境中，安装两种不同类型的充电站--一种是中速充电站，另一种是快速充电站--并对其进行战略性分布，可以增加驾驶员使用充电站的机会。 这反过来又使投资者的收益率提高了50%到100%，而目前的策略是随机投放。在城市周围投放公共充电站听起来很简单，但从数学角度看，这其实很难因为简单的模型无法考虑成千上万可能的驾驶员决策的复杂性，更不用说交通和道路特征等因素了。 因此，研究团队早在六十年前就开始使用贝叶斯优化法，这是一种数学策略，它利用过去的优化尝试为之后的每次尝试提供参考。 这样就能更快、更有效地进行分析。 在机器学习算法中，它已变得非常流行。
贝叶斯优化模型算法使我们能够模拟数以百万计的个体行为，同时高效、快速地找到答案。 该团队建立了一种算法，利用贝叶斯优化分析亚特兰大地区的数据，该地区拥有约600万人口。 他们研究了 30,000 辆车在超过 113,000 次模拟行程中的行为，预测了各种通勤交通模式。 该算法只用了现有基准方法 2% 的运行时间就找到了最佳位置。 "研究小组发现，中速 "2 级 "商业充电站和直流快速充电站满足了不同的需求。 停车20分钟的司机--比如在去杂货店的路上--可能会选择快速充电桩。 但如果有人要去上班并停车数小时，驾驶员可能会选择二级充电站。
此外，一项敏感性分析表明，电池电动汽车市场规模、充电偏好和充电价格等因素对电动汽车充电基础设施项目的最佳位置和盈利能力有重大影响。 刘说，这些发现具有重要意义。 论文称，在美国，有八个州采纳了加利福尼亚州的零排放汽车计划，即到2025年，至少有330万辆零排放轻型汽车上路，取代碳内燃机汽车。"充电站的经济战略布局可以在加速向零排放汽车过渡方面发挥关键作用。
更多信息: Yuechen Sophia Liu et al, Bayesian optimization for battery electric vehicle charging station placement by agent-based demand simulation, Applied Energy (2024). DOI: 10.1016/j.apenergy.2024.123975
