嵇涛、王柳鹏、邓社军、于世军、徐悦等来自扬州大学土木与交通学院及中国科学院地理科学与资源研究所的研究者，在《经济地理》2026年第46卷第8期发表了题为《低碳交通转型下的城市充电设施资源配置与空间优化布局》的研究论文。该研究属于交通地理与城市基础设施规划交叉领域，聚焦城市低碳交通转型中充电基础设施资源配置与空间布局优化问题。研究以扬州市为实证案例，针对现状充电站布局中需求空间刻画不足、可达性分析忽视空间异质性、优化目标协同缺失等三方面问题，综合运用核密度分析、高斯两步移动搜索法、最大覆盖模型等方法，构建了融合多目标优化与空间异质性的充电站布局框架，并创新性提出“数据—空间—优化”方法论。
研究背景方面，在全球碳中和战略加速推进的背景下，中国新能源汽车保有量至2024年底已突破3140万辆，对充电基础设施的智能化、精准化布局提出更高要求。国务院及相关部门政策明确要求构建“智能高效、适度超前”的充换电网络体系，并推动交通与能源基础设施协同规划。然而充电基础设施布局仍面临“车桩比失衡”“供需错配”等结构性矛盾，亟需通过科学响应空间异质性需求，统筹覆盖范围、建设成本、服务质量等多目标，实现公平与效率的协同优化。既有研究虽在需求预测、可达性分析与选址优化目标方面取得进展，但仍存在三方面显著局限：需求空间刻画粗放化、可达性分析忽视空间异质性、优化目标协同缺失。为此，该研究提出从需求侧深度刻画、空间异质性解析、多目标协同优化和动态策略生成四方面构建改进框架，并以扬州市为案例开展实证研究。
在具体研究流程上，该研究首先系统揭示了扬州市充电设施布局的空间分异规律。通过整合充电站点POI、人口密度栅格及道路网等多源时空数据，采用核密度分析方法，发现充电站点分布与人口密度和道路网络密度均呈高度空间耦合关系，决定系数分别达到0.82和0.76，显著遵循“需求导向”原则。核心城区如广陵区、邗江区站点分布密集，而人口稀疏的郊区如宝应县、高邮市部分乡镇则显著匮乏，同时站点明显倾向于沿城市主干道及交通枢纽周边聚集。该步骤精准刻画了现状充电资源供给与城市人口活动、交通基础设施的空间匹配格局，为后续可达性评估及空间异质性分析提供了基础支撑。
第二步，研究开展了可达性衰减效应评估。基于电动汽车典型续航阈值，考虑电池衰减、路况波动及居民日常通勤距离等现实因素，设定25 km为服务半径，将研究区划分为1739个2 km×2 km格网单元，以格网人口表征需求分布，利用高斯两步移动搜索法量化充电站可达性。结果显示扬州市呈现显著的“核心—边缘”分异模式：高可达性区域集中于广陵区与邗江区核心地带，低可达性区域主要分布于宝应县北部及高邮市湖西片区，中间等级呈现由中心向外围递减的圈层结构。该评估克服了传统两步移动搜索法以直线距离代替实际路网距离、忽视距离衰减效应的局限，精准量化了城郊区域充电需求满足度的空间梯度差异，为识别供需空间冲突区域提供了直接依据。
第三步，研究采用Getis-Ord Gi*热点分析方法解析可达性的空间集聚特征，识别充电服务供需的空间冲突区域。结果显示热点区集中于广陵区、邗江区核心城区及江都区部分区域，冷点区显著分布于宝应县、高邮市偏远乡镇及仪征市西北部。该步骤有效揭示了可达性在空间上的非随机聚集模式，特别是那些可达性水平本身较低且被识别为热点的区域，即供需矛盾最为突出的“空间冲突区”，为选址优化中优先解决覆盖不足问题提供了明确的空间指向。
第四步，研究耦合可达性分级与冷热点分析，通过GIS空间叠加将研究区划分为七类区域，并制定差异化优化策略。结果显示不存在“低可达性+热点”和“高可达性+冷点”区域。核心策略聚焦于“中可达性+热点”区域建议新建充电站点，“高可达性+热点”区域维持现状，其他类型区域结合具体情况分析。该分区策略为多目标优化中精准锁定候选站点位置和优化方向提供了空间分类依据与量化基础。
在选址定容优化阶段，研究首先利用Bass模型并引入公交代替系数和公交机动化出行分担率进行修正，预测2026年扬州市电动汽车总量为10.32万辆，由此推算需新增约72个充电站以匹配需求增长。同时基于覆盖率差距分析，确定中心城区覆盖率目标接近90%、其他城区接近80%，并设定3.5 km为目标服务半径。优化前扬州市充电站点面积覆盖率为67.34%，其中邗江区、江都区、宝应县和高邮市均未达标，分别需新建约2、19、17和34个充电站。随后，研究采用两阶段空间约束法筛选候选站点：第一阶段为交通条件约束筛选，基于OpenStreetMap道路网数据提取主干道、次干道中心线50 m范围内区域，并结合高峰时段平均车速低于30 km/h的繁忙路段中心线100 m范围作为避让区域，通过空间叠加得到基础布局区域；第二阶段开展需求导向性筛选，提取“中可达性+热点”及部分具体分析区域为高需求优先区域，在基础布局区域内按2 km×2 km间隔均匀生成320个初始候选点，构建需求匹配度量化指标并降序排序，最终筛选出132个正式候选站点。该方法既满足城市规划与交通便利性要求，又精准锁定需求—资源错配关键区域，体现了“需求驱动”的布局逻辑。
优化求解阶段，研究在Python 3.6.8环境下基于最大覆盖模型，调用CPLEX求解器的docplex软件包进行混合整数规划迭代计算。模型以覆盖需求最大化为目标，结合候选站点空间分布、服务半径、人口密度权重及预算约束，最终确定邗江区、江都区、宝应县和高邮市共72个新建充电站的最优选址方案。优化后扬州市充电站覆盖率达到78.55%，提升16.65%，全域可达性平均提高15.02%。其中邗江区和江都区覆盖率分别提升至90.84%和80.16%，但宝应县和高邮市覆盖率仅提升至72.36%和71.18%，仍未完全达到80%的规划目标。深入分析表明，这一结果源于人口密度与需求差异以及地理面积广阔与成本约束的共同作用：模型在优化时优先覆盖高需求区域，低密度区域需求在目标函数中被弱化；同时高邮市和宝应县行政面积较大且地形复杂，部分区域路网密度低，全覆盖需增加站点数量，但模型需权衡覆盖范围与建设成本，导致部分偏远乡镇仍存在服务盲区。敏感性分析进一步揭示了不同行政区域边际效益拐点的显著差异：邗江区在新增2个站点时达到单位效益峰值0.425%/站；江都区呈现平缓倒U型曲线，单位效益在1站时达峰值0.516%/站；高邮市因高邮湖分割形成双峰效益特征，首峰出现在10站，次峰在38站；宝应县效益波动源于“县域中心—偏远乡镇”的两极化空间结构。基于此，动态优化方案提出宝应县增加3站、高邮市增加4站，可使全域单位投资效益提升23%。
研究结论表明，扬州市充电设施“核心—边缘”空间分异格局与人口密度、道路网络密度的高度空间耦合性验证了低碳交通转型中“需求导向—交通适配”的资源配置核心逻辑；通过高斯两步移动搜索法与最大覆盖模型的结合，实现了充电站可达性评估与选址优化的协同，明确了远郊县域未达标的核心制约因素；基于敏感性分析识别的边际效益拐点，为同类城市破解“效率优先—空间公平”悖论提供了可量化路径。
该研究的科学价值在于提出“数据—空间—优化”三级联动方法论，将多源时空数据整合、空间异质性解析与多目标协同优化有机结合，突破了传统静态需求预测和单目标优化的局限，为城市充电基础设施空间配置理论研究提供了新的分析框架。应用价值方面，研究成果可直接服务于扬州市及同类中等城市充电网络“规划—建设—运行”全周期协同决策，特别是在预算约束下实现覆盖范围、成本效益与服务质量的同步优化，为低碳交通转型中的基础设施资源配置提供了科学范式。研究亮点包括：创新性引入公交代替系数修正Bass模型，使电动汽车保有量预测更贴近实际；通过高斯两步移动搜索法与Getis-Ord Gi*热点分析的耦合，实现了对“高需求—低可达性”空间冲突区域的精准识别；敏感性分析揭示的边际效益拐点差异为“分区响应式”动态策略提供了量化依据，单位站点效益提升23%的结论具有直接的政策参考价值。