基于订单数据的网约车充电行为驱动因素及非线性效应

作     者：尹超英 桂晨 邵春福 王菁 王晓全 

作者机构：南京林业大学汽车与交通工程学院 新疆大学新疆交通基础设施绿色建养与智慧交通管控重点实验室 北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室 河海大学土木与交通学院 

出 版 物：《交通运输系统工程与信息》 (Journal of Transportation Systems Engineering and Information Technology)

年 卷 期：2024年

核心收录：

学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金(52202388,72204114,52072025) 教育部人文社科项目(22YJC630191) 

主　　题：城市交通 非线性效应 机器学习 网约车充电行为 公共充电站规划 

摘      要：为探究建成环境对电动网约车的充电行为驱动因素和非线性效应，本文以南京市网约车为例，提出一种基于订单数据的电动网约车充电行为识别算法，从密度、多样性、设计、目的可达性和公交临近度5个维度构建建成环境指标，利用XGBoost模型和SHAP （SHAPley additive explanatory）值算法，识别影响电动网约车充电行为的关键因素，分析各因素与网约车充电行为之间的潜在非线性关系。同时，本文将该模型拟合回归效果与随机森林（RF）和LightGBM进行比较，以验证XGBoost 模型在拟合回归效果上的优势。结果表明：XGBoost模型的拟合效果优于其他模型，具有最小的预测误差波动和最高的R2值（0.446）。在影响网约车充电行为的建成环境因素中，餐馆数量、与市中心的距离和休闲娱乐设施数量对网约车充电行为影响最大，对充电行为的贡献度超过75%。此外，建成环境各因素对网约车充电行为均存在非线性效应，到市中心的距离对充电行为的影响呈现先正后负的反馈特征，其余变量对充电行为的影响则呈现先负后正的反馈特征。