CN106960361A - 一种基于多代理系统的电动汽车市场演化分析方法 - Google Patents
一种基于多代理系统的电动汽车市场演化分析方法 Download PDFInfo
- Publication number
- CN106960361A CN106960361A CN201710136339.8A CN201710136339A CN106960361A CN 106960361 A CN106960361 A CN 106960361A CN 201710136339 A CN201710136339 A CN 201710136339A CN 106960361 A CN106960361 A CN 106960361A
- Authority
- CN
- China
- Prior art keywords
- user
- automobile
- purchase
- vehicle
- year
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于多代理系统的电动汽车市场演化分析方法,该方法将多代理技术应用于电动汽车的市场演化分析,基于消费者行为学理论构建了电动汽车规模演化多代理模型,通过模拟研究区域中个体用户逐年的微观购车行为,观测该区域汽车市场的宏观动态演化过程。本方法能够有效解决传统综合模型不能考虑用户之间的异质性问题,也能有效的将用户购车决策之间的相互影响纳入到模型之中,从而更真实的反应汽车市场的动态演化过程及其影响因素。
Description
技术领域
本发明涉及网络信息传输领域,特别涉及一种基于多代理系统的电动汽车市场演化分析方法。
背景技术
结合能源结构调整及其能源互联网的建设,交通电气化是解决能源危机和环境问题最有前景的措施之一。然而,电动汽车规模化接入给电力系统带来机遇的同时,势必给电力系统的各环节带来巨大挑战。因此,分析不同发展阶段下的电动汽车市场演化特性显得尤为重要,是量化电动汽车接入对电网的影响以及指导充换电设施规划建设的基础。电动汽车作为近年来的新兴产品,当前尚处于示范推广阶段,缺乏足够产业发展相关的历史数据,且电动汽车规模发展的影响因素复杂,这些都给电动汽车市场演化分析带来巨大挑战。
传统的新产品扩散模型主要是从宏观市场层面构建的综合模型,以Bass模型、Gompertz模型和Logistic模型的使用最为广泛。综合模型建模基本建模思想是:将目标产品市场看成一个整体,构建状态变量与各影响因素之间的显性函数表达式,然后基于产品扩散的历史数据进行模型参数的识别,从而得到该产品的市场扩散模型。该类模型虽然具有建模简单、数据需求量较少等优点,但缺点在于:无法考虑用户决策之间的影响,也不能考虑用户的异质性。在电动汽车市场演化分析中,不同用户的需求不同,且由于拥有不同的社会经济属性,不同用户的购车行为准则及其偏好也呈现较大差异,如不同的年行驶距离会直接影响用户对不同车型的经济性评估。此外,产品在用户相关群体中的渗透情况以及社会动态也会显著影响用户购车抉择,而传统的综合模型都不能很好的处理这些问题。综上,传统的综合模型在分析电动汽车市场演化趋势时的适用性不足。
发明内容
本发明所要解决的技术问题是提供一种基于多代理系统的电动汽车市场演化分析方法,将多代理技术应用于电动汽车的市场演化分析,基于消费者行为学理论构建了电动汽车市场演化多代理模型,通过模拟研究区域中个体用户逐年的微观购车行为,观测该区域汽车市场的宏观动态演化过程。
本发明解决上述技术问题的技术方案如下:一种基于多代理系统的电动汽车市场演化分析方法,包括步骤:
(1)设置研究区域内汽车用户的相关属性参数及相关环境变量参数,并根据所述相关属性参数及相关环境变量参数创建多代理系统,设置仿真起始年以及仿真结束年;
(2)基于消费者行为学理论构建汽车用户购车决策行为框架,各汽车用户代理根据所述汽车用户购车决策行为框架模拟研究区域内所有汽车用户逐年的微观购车行为;
(3)根据研究区域内各汽车用户代理的购车结果,统计电动汽车数量;
(4)判断是否达到程序终止判据,若已达到仿真结束年,则市场演化仿真程序终止;否则,进入步骤(5)继续下一年的模拟;
(5)更新所有汽车用户的相关属性参数及其相关环境变量,创建下一年度新增汽车个体用户,返回步骤(2)。
本发明的有益效果是:本方法能够有效解决传统综合模型不能考虑用户之间的异质性问题,也能有效的将用户购车决策之间的相互影响纳入到模型之中,从而更真实的反应汽车市场的动态演化过程及其影响因素。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤(1)中相关属性参数包括每年汽车用户总量、用户收入水平、购车偏好、创新态度、当前车辆情况和年驾驶距离;所述相关环境变量参数包括技术发展情况、燃料价格、汽车价格以及补贴情况。
采用上述进一步方案的有益效果是:能够全面的考虑影响电动汽车市场演化的相关因素,更加细致的考虑不同用户的购车倾向及行为模式。
进一步,所述步骤(2)所述汽车用户购车行为框架为需求确认、信息收集、方案评估、购买决策以及购后行为五个阶段;
所述需求确认:用于将汽车需求分为新增用户的初次购买需求和老用户的换车需求,如果该用户为新增用户,则有购车需求;如果该用户是老用户,则判断用户当前拥有的车辆是否需要更换,若汽车车龄小于汽车使用寿命,则今年无购车需求;若汽车车龄大于等于汽车使用寿命,则需要执行汽车购买行为;
所述信息收集:用于收集购车决策相关信息,所述相关信息包括汽车价格、性能、燃料价格、充电基础设施覆盖率以及口碑;
所述方案评估:用于针对目标车型市场渗透率及年拥有成本进行初步筛选;对于满足基本要求的车型,根据用户偏好和相应评价标准对可供选择方案进行综合评价,并根据综合效用模型、用户购车行为概率模型分别计算该用户选择不同车型带来的效用值及相应的购买概率;
所述购买决策:用于用户根据方案评估结果,并综合考虑不同车型在相关群体中的渗透情况,采用随机选择理论进行购买行为;
所述购后行为:用于用户将今年是否购买电动汽车的决策结果状态以“点对点”的消息发送机制通过社会网络传递给与之相连的其他相关用户。
采用上述进一步方案的有益效果是:基于消费者行为学理论建立的用户购车行为框架能够详细描述消费者购车行为的全过程,从而有利于考虑各环节中影响用户购车决策的相关因素,使得仿真结果更符合真实情况。
进一步,所述综合效用模型为,根据年拥有成本、技术成熟度、社会效用以及环保效用建立的模型,用以评估不同车型给用户带来的效用值,其效用值表达式如下:
U=α×UC+β×UT+γ×US+δ×UE
α+β+γ+δ=1
其中,UC、UT、US、UE分别表示购买某产品给用户带来的经济效用、技术成熟度效用、社会效用值和环保效用,α,β,γ,δ分别为用户对各属性的倾向程度,不同用户拥有互异的属性参数;
其中,经济效用采用汽车年拥有成本CaTCO来衡量,其主要包括汽车购买成本等年值Cpur和汽车年使用成本Cope两个部分:
CaTCO=Cpur+Cope
Rsale=(1-rdep)TPveh
Cope=rePeDveh+Cm+Tuse+Cis
其中,Pveh为汽车售价,Tpur为购置税,Ssub政府补贴,p为贴现率,T为汽车使用寿命,Rsale为汽车残值,rdep为汽车折旧率,re为汽车能耗率,Pe为能源价格,Dveh为用户年行驶距离,Cm为维护成本,Tuse为车辆使用税,根据排放水平收取,Cis为保险费,保险费用的计算公式为:
Cis=0.01kPveh+950+1480k
其中,k为商业保险折扣因子,取k=60%;
将汽车对于用户的经济效用值定义为:
其中,上标i和j分别表示车型i和车型j,且车型i的年拥有成本较低;
其中,技术成熟度效用利用技术成熟度作为综合指标去衡量汽车性能,采用Logistic增长曲线模型描述电动汽车技术成熟度的演化规律,其表达式为:
其中,t为时间变量;a和b为模型参数,为大于零的常数,且逻辑曲线的拐点出现在t=lna/b;
其中,社会效用利用产品在用户相关群体中的渗透率来表达其社会效用,其其表达式为:
其中,Ki为社交网络中与用户i相连的用户数,A为用户之间的连接矩阵,如果i和j相连,则Aij=1;否则Aij=0;xj表示用户j是否拥有目标产品,若拥有,则xj=1;否则xj=0;
其中,环保效用大小与用户的环保意识、对新技术的追求程度、收入水平、社会地位以及教育水平因素相关,可通过调查问卷统计分析的方式获取,因电动汽车在使用过程中不排放尾气,因此其环保效用为1;对于常规汽车,根据用户的环保意愿,其环保效用为:
其中,WTPM为用户愿意为环保型产品支付一定高于常规产品的溢价比。
采用上述进一步方案的有益效果是:由于用车成本、技术水平、社会影响以及环保性都是影响用户购车决策的关键评估指标,而所提综合效用模型能够将年拥有成本、技术成熟度、社会效用以及环保效用等方面同时纳入到用户的方案评估过程中,从而更真实的反应用户购车决策过程。
进一步,所述用户购车行为概率模型为改进离散选择logit模型,将充电便利度指标纳入用户的购车选择模型,该指标主要取决于家用充电设施安装难度、公共充电设施的配置情况、用户日均驾驶距离以及电动汽车续航里程参数,其表达式为,
其中,d为用户日行驶距离,L为电动汽车续航里程,h为家用充电设施安装难度因子,c为公共充电设施覆盖度,用电动汽车渗透率近似代替,ε为调节因子,取为4;
综合考虑汽车产品各方面的效用值及其充电方便程度,得到用户购买电动汽车的概率行为模型为:
其中,UEV和UCV分别为该用户根据综合效用模型计算得到的电动汽车和常规汽车效用值。
采用上述进一步方案的有益效果是:由于充电设施的配套不完善以及相对较低的续航里程是制约电动汽车发展的重要因素,纳入充电方便度能够有效反应其对用户购买电动汽车的影响。
进一步,所述目标车型市场渗透率表示为:
λEV=NEV/NV
其中,NV为用户感知区域内汽车总量,NEV为该区域内目标车型数量。
采用上述进一步方案的有益效果是:通过统计所有用户代理的逐年购车行为能够观测目标车型市场演化趋势。
附图说明
图1为电动汽车市场演化仿真流程;
图2为用户购车行为流程;
图3为用户购车决策模型框架。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明为解决以上问题,提供了一种从微观层面实现的基于多代理系统的电动汽车市场演化分析方法。首先,基于消费者行为学理论提出了用户购车决策行为框架;然后,提出了综合考虑年拥有成本、技术成熟度、社会效用以及环保效用的综合效用模型,基于此,通过改进离散选择logit模型,综合考虑汽车产品各方面的效用值及其充电方便程度指标的影响,提出了用户购车行为概率模型;最后,通过创建一系列代表研究区域用户的智能代理及其交互关系,模拟研究区域中所有个体用户逐年的微观购车行为,并聚合所有用户的购车结果,从而观测该区域汽车市场的宏观动态演化过程,分析影响电动汽车快速推广的关键因素。
如图1所示,一种基于多代理系统的电动汽车市场演化分析方法,包括步骤:
(1)设置研究区域内汽车用户的相关属性参数及相关环境变量参数,并根据所述相关属性参数及相关环境变量参数创建多代理系统,设置仿真起始年以及仿真结束年;相关属性参数包括每年汽车用户总量、用户收入水平、购车偏好、创新态度、当前车辆情况和年驾驶距离;所述相关环境变量参数包括技术发展情况、燃料价格、汽车价格以及补贴情况;
(2)基于消费者行为学理论构建汽车用户购车决策行为框架,各汽车用户代理根据所述汽车用户购车决策行为框架模拟研究区域内所有汽车用户逐年的微观购车行为;
(3)根据研究区域内各汽车用户代理的购车结果,统计电动汽车数量;
(4)判断是否达到程序终止判据,若已达到仿真结束年,则市场演化仿真程序终止;否则,继续下一年的模拟,进入步骤(5);
(5)更新所有汽车用户的相关属性参数及其相关环境变量,创建本年度新增汽车个体用户,返回步骤(2)。
如图2所示,汽车用户购车决策行为框架包括需求确认、信息收集、方案评估、购买决策以及购后行为5个阶段;
用户购车行为为感知、认知、行为以及环境因素动态互动的结果,是与购买决策相关的心理活动与实体活动。首先通过感知自身状态,确认当前购车需求;然后收集影响购车决策的相关信息,包括产品属性、环境变量以及产品在社交网络中的渗透情况等;其次,根据用户偏好和相应评价标准对可供选择方案进行综合评价,并做出购买决策;最后进行购买后行为,评价产品并形成口碑。
需求确认:将汽车需求分为新增用户的初次购买需求和老用户的换车需求,如果该用户为新增用户,则有购车需求;如果该用户是老用户,判断用户当前拥有的车辆是否需要更换,若汽车车龄小于汽车使用寿命,则今年无购车需求;若汽车车龄大于等于汽车使用寿命,则需要执行汽车购买行为;
信息收集:收集购车决策相关信息,所述相关信息包括汽车价格、性能、燃料价格、充电基础设施覆盖率以及口碑;
方案评估:用于针对目标车型进行市场渗透率及年拥有成本初步筛选;对于满足基本要求的车型,根据用户偏好和相应评价标准对可供选择方案进行综合评价,并根据综合效用模型、用户购车行为概率模型分别计算该用户选择不同车型带来的效用值及相应的购买概率;
在新产品发展初期,大多数用户倾向于采取观望态度,直到该产品渗透率达到某个心理阈值,这也是新产品在发展初期扩散速度较慢的原因之一,即所谓的“市场惯性”。随着电动汽车市场渗透率升高,用户选择该产品面临的风险将逐渐降低,不管是技术风险、金融风险还是充电服务风险。因此,用户在选购汽车时会感知电动汽车的市场渗透率,若没有达到其心理阈值,将不再考虑购买电动汽车。
用户在选购大宗耐久性产品时的参与度较高,在决策前会综合全面的评估待选产品。因此,本文提出综合考虑经济性、技术成熟度、社会效益以及环境效益的用户综合效用模型,用以评估不同车型给用户带来的效用值,如下式所示:
U=α×UC+β×UT+γ×US+δ×UE
α+β+γ+δ=1
其中,UC、UT、US、UE分别表示购买某产品给用户带来的经济效用、技术成熟度效用、社会效用值和环保效用,α,β,γ,δ分别为用户对各属性的倾向程度,不同用户拥有互异的属性参数;
(1)经济效用
其中,经济性是影响用户购车决策最重要的指标之一,本文经济效用采用汽车年拥有成本CaTCO来衡量,其主要包括汽车购买成本等年值Cpur和汽车年使用成本Cope两个部分:
CaTCO=Cpur+Cope
Rsale=(1-rdep)TPveh
Cope=rePeDveh+Cm+Tuse+Cis
其中,Pveh为汽车售价,Tpur为购置税,Ssub政府补贴,p为贴现率,T为汽车使用寿命,Rsale为汽车残值,rdep为汽车折旧率,re为汽车能耗率(L/100km或kWh/100km),Pe为能源价格(元/L或元/kWh),Dveh为用户年行驶距离,Cm为维护成本,Tuse为车辆使用税,根据排放水平收取,Cis为保险费,保险费用的计算公式为:
Cis=0.01kPveh+950+1480k
其中,k为商业保险折扣因子,取k=60%。
将汽车对于用户的经济效用值定义为:
其中,上标i,j分别表示车型i和车型j,且车型i的年拥有成本较低;
(2)技术成熟度效用
除经济性之外,汽车性能也是影响用户决策的重要因素,但由于其涉及动力性、操控性、平顺性、舒适性以及可靠性等多个方面,且当前电动汽车还处于发展初期,很难逐个进行具体评估,因此,本文利用技术成熟度作为综合指标去衡量汽车性能。因常规燃油汽车已经历长时间的考验,各项技术已趋成熟,取其技术成熟度效用为1。作为新兴产品,电动汽车的性能也将随着技术革新不断改善,受限于化学和物理规律,越接近极限,改进速度所需时间越长,因此,本文采用Logistic增长曲线模型型描述电动汽车技术成熟度的演化规律:
其中,a和b为模型参数,为大于零的常数,t为时间变量,它们共同决定了增长曲线的形状,且逻辑曲线的拐点出现在t=lna/b;本文重点在于提出电动汽车市场演化分析的方法,汽车性能属于外部设定环境变量,没有具体给出详细的参数拟合方法,也属于现有技术,在此不再赘述。
(3)社会效用
根据社会学原理,用户通过社会网络与同事、亲朋和邻居等相关群体紧密联系,用户的决策行为不仅受自身经济效益的激励,也会受到与之相连的具有相同社会地位的其他社会成员的行为及其结果的影响,即用户行为存在“同群效应”,该效应会显著影响产品的市场演化过程。利用产品在用户相关群体中的渗透率刻画其社会效用:
其中,Ki为社交网络中与用户i相连的用户数,A为用户之间的连接矩阵,如果i和j相连,则Aij=1;否则Aij=0;xj表示用户j是否拥有目标产品,若拥有,则xj=1;否则xj=0。研究发现,社会系统具有明显的小世界特性,可以随机生成小世界网络用以描述用户之间的连接关系。
(4)环保效用
常规燃油汽车的污染物排放是加剧城市雾霾天气的重要推手,而电动汽车作为一种安静、环保的创新产品,相较于常规汽车拥有显著的非货币价值优势。研究发现,随着环境问题日益严重以及用户环保意识的提高,人们更愿意为环保型产品支付一定高于常规产品的溢价比(willingness to pay more,WTPM)。该指标大小与用户的环保意识、对新技术的追求程度、收入水平、社会地位以及教育水平等诸多因素相关,可通过调查问卷统计分析的方式获取。因电动汽车在使用过程中不排放尾气,因此其环保效用为1;对于常规汽车,根据用户的环保意愿,利用下式刻画其环保效用:
能量的补给方式是燃油汽车与电动汽车的本质区别之一,充电设施的配套不完善以及相对较低的续航里程是制约电动汽车发展的重要因素。本文构造式(12)所示的充电便利度指标,并将其纳入用户的购车选择模型,该指标主要取决于家用充电设施安装难度、公共充电设施的配置情况、用户日均驾驶距离以及电动汽车续航里程等参数。
其中,d为用户日行驶距离,L为电动汽车续航里程,h为家用充电设施安装难度因子,c为公共充电设施覆盖度,用电动汽车渗透率近似代替,ε为调节因子,取为4。
最后,通过改进离散选择logit模型,综合考虑汽车产品各方面的效用值及其充电方便程度,得到用户购买电动汽车的概率行为模型为:
其中,UEV和UCV分别为该用户根据综合效用模型计算得到的电动汽车和常规汽车效用值。
用户的购车决策模型框架如图3所示,用于用户根据方案评估结果,并综合考虑不同车型在相关群体中的渗透情况,采用随机选择理论进行购买行为;如果因电动汽车供应能力不足,暂无制造商提供目标车型对应的电动汽车选项、感知的电动汽车市场渗透率未达到用户的心理阈值或者电动汽车年拥有成本超过用户的承受范围,则该用户直接购买常规汽车;可见,电动汽车的市场演化由用户的个体购车决策行为及其用户之间的交互影响共同驱动。
其中,电动汽车市场渗透率为:
λEV=NEV/NV
其中,NV为用户感知区域内汽车总量,NEV为该区域内电动汽车数量。
购后行为:将购买结果通过社会网络告知其他用户,即用户Agent将今年是否购买电动汽车的决策结果状态以“点对点”的消息发送机制传递给通过社会网络与之相连的其他相关用户。
本发明的有益效果为:
1.将多代理系统应用于电动汽车的市场演化分析,基于消费者行为学理论构建了电动汽车市场演化多代理模型,通过模拟研究区域中个体用户逐年的微观购车行为,观测该区域汽车市场的宏观动态演化过程;
2.提出了综合考虑年拥有成本、技术成熟度、社会效用和环保效用的用户综合效用模型,并将衡量充电设施配置情况的充电便利度指标纳入到用户购车概率选择模型中;
3.考虑了用户由于社会经济属性的不同导致的购车行为的异质性及其相关群体用户决策之间的交互影响;
4.通过产品渗透率阈值模型描述了新产品的市场惯性现象,并利用产品带给用户的社会效用指标体现了用户之间的同群效应。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于多代理系统的电动汽车市场演化分析方法,其特征在于,包括步骤:
(1)设置研究区域内汽车用户的相关属性参数及相关环境变量参数,并根据所述相关属性参数及相关环境变量参数创建多代理系统,设置仿真起始年以及仿真结束年;
(2)基于消费者行为学理论构建汽车用户购车决策行为框架,各汽车用户代理根据所述汽车用户购车决策行为框架模拟研究区域内所有汽车用户逐年的微观购车行为;
(3)根据研究区域内各汽车用户代理的购车结果,统计电动汽车数量;
(4)判断是否达到程序终止判据,若已达到仿真结束年,则市场演化仿真程序终止;否则,进入步骤(5)继续下一年的模拟;
(5)更新所有汽车用户的相关属性参数及其相关环境变量,创建下一年度新增汽车个体用户,返回步骤(2)。
2.根据权利要求1所述的基于多代理系统的电动汽车市场演化分析方法,其特征在于,所述步骤(1)中相关属性参数包括每年汽车用户总量、用户收入水平、购车偏好、创新态度、当前车辆情况和年驾驶距离;所述相关环境变量参数包括技术发展情况、燃料价格、汽车价格以及补贴情况。
3.根据权利要求1所述的基于多代理系统的电动汽车市场演化分析方法,其特征在于,所述步骤(2)中所述汽车用户购车行为框架为需求确认、信息收集、方案评估、购买决策以及购后行为五个阶段;
所述需求确认:用于将汽车需求分为新增用户的初次购买需求和老用户的换车需求,如果该用户为新增用户,则有购车需求;如果该用户是老用户,则判断用户当前拥有的车辆是否需要更换,若汽车车龄小于汽车使用寿命,则今年无购车需求;若汽车车龄大于等于汽车使用寿命,则需要执行汽车购买行为;
所述信息收集:用于收集购车决策相关信息,所述相关信息包括汽车价格、性能、燃料价格、充电基础设施覆盖率以及口碑;
所述方案评估:用于针对目标车型市场渗透率及年拥有成本进行初步筛选;对于满足基本要求的车型,根据用户偏好和相应评价标准对可供选择方案进行综合评价,并根据综合效用模型、用户购车行为概率模型分别计算该用户选择不同车型带来的效用值及相应的购买概率;
所述购买决策:用于用户根据方案评估结果,并综合考虑不同车型在相关群体中的渗透情况,采用随机选择理论进行购买行为;
所述购后行为:用于用户将今年是否购买电动汽车的决策结果状态以“点对点”的消息发送机制通过社会网络传递给与之相连的其他相关用户。
4.根据权利要求3所述的基于多代理系统的电动汽车市场演化分析方法,其特征在于,所述综合效用模型为,根据年拥有成本、技术成熟度、社会效用以及环保效用建立的模型,用以评估不同车型给用户带来的效用值,其效用值表达式如下:
U=α×UC+β×UT+γ×US+δ×UE
α+β+γ+δ=1
其中,UC、UT、US、UE分别表示购买某产品给用户带来的经济效用、技术成熟度效用、社会效用值和环保效用,α,β,γ和δ分别为用户对各属性的倾向程度,不同用户拥有互异的属性参数;
其中,经济效用采用汽车年拥有成本CaTCO来衡量,其主要包括汽车购买成本等年值Cpur和汽车年使用成本Cope两个部分:
CaTCO=Cpur+Cope
Rsale=(1-rdep)TPveh
Cope=rePeDveh+Cm+Tuse+Cis
其中,Pveh为汽车售价,Tpur为购置税,Ssub政府补贴,p为贴现率,T为汽车使用寿命,Rsale为汽车残值,rdep为汽车折旧率,re为汽车能耗率,Pe为能源价格,Dveh为用户年行驶距离,Cm为维护成本,Tuse为车辆使用税,根据排放水平收取,Cis为保险费,保险费用的计算公式为:
Cis=0.01kPveh+950+1480k
其中,k为商业保险折扣因子,取k=60%;
将汽车对于用户的经济效用值定义为:
其中,上标i和j分别表示车型i和车型j,且车型i的年拥有成本较低;
其中,技术成熟度效用利用技术成熟度作为综合指标去衡量汽车性能,采用Logistic增长曲线模型描述电动汽车技术成熟度的演化规律,其表达式为:
其中,t为时间变量;a和b为模型参数,为大于零的常数,且逻辑曲线的拐点出现在t=lna/b;
其中,社会效用利用产品在用户相关群体中的渗透率来表达其社会效用,其其表达式为:
其中,Ki为社交网络中与用户i相连的用户数,A为用户之间的连接矩阵,如果i和j相连,则Aij=1;否则Aij=0;xj表示用户j是否拥有目标产品,若拥有,则xj=1;否则xj=0;
其中,环保效用大小与用户的环保意识、对新技术的追求程度、收入水平、社会地位以及教育水平因素相关,可通过调查问卷统计分析的方式获取,因电动汽车在使用过程中不排放尾气,因此其环保效用为1;对于常规汽车,根据用户的环保意愿,其环保效用为:
其中,WTPM为用户愿意为环保型产品支付一定高于常规产品的溢价比。
5.根据权利要求3所述的基于多代理系统的电动汽车市场演化分析方法,其特征在于,所述用户购车行为概率模型为改进离散选择logit模型,将充电便利度指标纳入用户的购车选择模型,该指标主要取决于家用充电设施安装难度、公共充电设施的配置情况、用户日均驾驶距离以及电动汽车续航里程参数,其表达式为,
其中,d为用户日行驶距离,L为电动汽车续航里程,h为家用充电设施安装难度因子,c为公共充电设施覆盖度,用电动汽车渗透率近似代替,ε为调节因子,取为4;
综合考虑汽车产品各方面的效用值及其充电方便程度,得到用户购买电动汽车的概率行为模型为:
其中,UEV和UCV分别为该用户根据综合效用模型计算得到的电动汽车和常规汽车效用值。
6.根据权利要求3所述的基于多代理系统的电动汽车市场演化分析方法,其特征在于,所述目标车型市场渗透率表示为:
λEV=NEV/NV
其中,NV为用户感知区域内汽车总量,NEV为该区域内目标车型数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710136339.8A CN106960361A (zh) | 2017-03-09 | 2017-03-09 | 一种基于多代理系统的电动汽车市场演化分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710136339.8A CN106960361A (zh) | 2017-03-09 | 2017-03-09 | 一种基于多代理系统的电动汽车市场演化分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106960361A true CN106960361A (zh) | 2017-07-18 |
Family
ID=59470128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710136339.8A Pending CN106960361A (zh) | 2017-03-09 | 2017-03-09 | 一种基于多代理系统的电动汽车市场演化分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960361A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596363A (zh) * | 2018-03-26 | 2018-09-28 | 四川大学 | 一种城市电动汽车数量推演仿真方法 |
CN109583708A (zh) * | 2018-11-08 | 2019-04-05 | 国网浙江省电力有限公司经济技术研究院 | 多智能体微观交通配流模型的建立方法 |
CN109615549A (zh) * | 2019-01-18 | 2019-04-12 | 河南奥菲斯电子科技有限公司 | 农业保险保费补贴绩效的计算方法、系统及存储介质 |
CN113609693A (zh) * | 2021-08-13 | 2021-11-05 | 湖北工业大学 | 基于改进累积前景理论的异质性车主充电行为建模方法 |
CN113705955A (zh) * | 2021-07-08 | 2021-11-26 | 合肥工业大学 | 电动汽车扩散效益评估结果推送方法及系统 |
-
2017
- 2017-03-09 CN CN201710136339.8A patent/CN106960361A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596363A (zh) * | 2018-03-26 | 2018-09-28 | 四川大学 | 一种城市电动汽车数量推演仿真方法 |
CN109583708A (zh) * | 2018-11-08 | 2019-04-05 | 国网浙江省电力有限公司经济技术研究院 | 多智能体微观交通配流模型的建立方法 |
CN109615549A (zh) * | 2019-01-18 | 2019-04-12 | 河南奥菲斯电子科技有限公司 | 农业保险保费补贴绩效的计算方法、系统及存储介质 |
CN113705955A (zh) * | 2021-07-08 | 2021-11-26 | 合肥工业大学 | 电动汽车扩散效益评估结果推送方法及系统 |
CN113609693A (zh) * | 2021-08-13 | 2021-11-05 | 湖北工业大学 | 基于改进累积前景理论的异质性车主充电行为建模方法 |
CN113609693B (zh) * | 2021-08-13 | 2024-04-19 | 湖北工业大学 | 基于改进累积前景理论的异质性车主充电行为建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Agent-based modelling for market acceptance of electric vehicles: evidence from China | |
CN106960361A (zh) | 一种基于多代理系统的电动汽车市场演化分析方法 | |
Axsen et al. | Combining stated and revealed choice research to simulate the neighbor effect: The case of hybrid-electric vehicles | |
Rahman et al. | Perceived service quality of paratransit in developing countries: A structural equation approach | |
Shafiei et al. | An agent-based modeling approach to predict the evolution of market share of electric vehicles: A case study from Iceland | |
Mau et al. | The ‘neighbor effect’: Simulating dynamics in consumer preferences for new vehicle technologies | |
Murugan et al. | Analysis of barriers to adopt electric vehicles in India using fuzzy DEMATEL and Relative importance Index approaches | |
Potoglou et al. | Disaggregate demand analyses for conventional and alternative fueled automobiles: A review | |
Chakraborty et al. | Factors affecting acceptance of electric two-wheelers in India: a discrete choice survey | |
Mehdizadeh et al. | A systematic review of the agent-based modelling/simulation paradigm in mobility transition | |
Rosales-Tristancho et al. | Analysis of the barriers to the adoption of zero-emission vehicles in Spain | |
Okushima | Simulating social influences on sustainable mobility shifts for heterogeneous agents | |
Lee et al. | Evaluating the role of behavior and social class in electric vehicle adoption and charging demands | |
Kumar et al. | Analysis of demand risks for the Indian automotive sector in globally competitive environment | |
Huang et al. | Battery recycling policies for boosting electric vehicle adoption: evidence from a choice experimental survey | |
Luh et al. | Behavior matters: A systematic review of representing consumer mobility choices in energy models | |
Lopez-Arboleda et al. | Systemic approach for integration of sustainability in evaluation of public policies for adoption of electric vehicles | |
Bhardwaj et al. | Which “second-best” climate policies are best? Simulating cost-effective policy mixes for passenger vehicles | |
Qiu et al. | Optimizing urban electric vehicle incentive policy mixes in China: Perspective of residential preference heterogeneity | |
De Silva et al. | A system dynamics model for vehicle fleet transformation towards energy efficiency and low-carbon development: A case study of Sri Lanka and its strategies | |
Gómez Vilchez | The impact of electric cars on oil demand and greenhouse Gas emissions in key markets | |
Swait | Travel mode substitution in São Paulo: estimates and implications for air pollution control | |
Picasso et al. | A study to promote car-sharing by adopting a reputation system in a multi-agent context | |
Nguyen | Automotive Service Quality Investigation Using a Grey-DEMATEL Model. | |
Riggieri | The impact of hybrid electric vehicles incentives on demand and the determinants of hybrid-vehicle adoption |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170718 |