这篇文档属于类型a（单篇原创研究论文），以下是针对该研究的学术报告：
1. 作者与发表信息
本研究由来自清华大学车辆与运载学院（School of Vehicle and Mobility, Tsinghua University）的Lang Mai、Ming Liu、Han Hao（通讯作者）等15位作者合作完成，联合了剑桥大学、格罗宁根大学、上海交通大学等国际机构。论文题为《A high-resolution dataset on electric passenger vehicle characteristics in China and the European Union》，发表于《Scientific Data》2025年第12卷，DOI号为10.1038/s41597-025-05770-7。
2. 学术背景
科学领域：本研究属于新能源汽车（Electric Vehicle, EV）与可持续交通交叉领域，聚焦电动汽车市场的高分辨率数据建模。
研究动机：中国和欧盟是全球最大的电动汽车市场（占2023年全球销量的80%），但现有研究多基于国家层面的宏观估算，忽略了区域、车型细分和动力系统的异质性，导致政策和资源评估精度不足。例如，电池化学组成（battery chemistry mix）和容量（battery capacity）的空间差异可能影响关键材料（如锂、钴、镍）的需求预测。
研究目标：构建2023年中国31个省级行政区及欧盟29国（EU27+冰岛、挪威）的电动汽车高分辨率数据集，涵盖销量、市场渗透率、电池化学组成、电池容量等核心指标，支持材料需求、碳足迹等下游研究。
3. 研究方法与流程
研究采用多源数据融合的“自下而上”方法（bottom-up multi-dataset fusion），具体流程如下：
（1）数据收集与系统边界
- 研究对象：2023年注册的纯电动（BEV）和插电混动（PHEV）乘用车（M1类，≤9座），覆盖中国31省份及欧盟29国，排除燃料电池车（FCEV）和普通混动车（HEV）。
- 数据来源：
- 中国：交通事故责任强制保险（CTALI）数据库（约2500万条注册数据）、工信部（MIIT）发布的2万余条EV车型参数（如电池容量、化学类型）。
- 欧盟：欧洲环境署（EEA）数据库（约1000万条注册数据）、第三方平台（如EV-Database）补充电池参数。
（2）数据分类与处理
- 空间分类：中国省份（如BJ-北京、GD-广东）和欧盟国家（如DE-德国、FR-法国）。
- 车型分类：基于轴距划分为5类（C1微型车≤2450mm至C5行政级>2900mm）。
- 动力系统分类：BEV/PHEV，进一步按电池化学类型细分（如LFP磷酸铁锂、NCM三元锂）。
- 缺失数据处理：
- 电池容量缺失时，通过能耗（kWh/km）和续航（km）反推（公式：电池容量=能耗×续航/γ，γ为可用电量比例）。
- NCM电池细分（低/中/高镍）采用k-means聚类，依据工信部提供的能量密度数据划分。
（3）特征计算
- 通过加权平均法计算各区域的销售加权平均电池容量、市场渗透率等指标。公式示例：
- 某类别电池容量=Σ（单车型销量×其电池容量）/总销量。
创新方法：
- 开发了基于能量密度的NCM电池细分算法（MATLAB R2021b实现），解决了公开数据中镍含量信息缺失的问题。
- 首次实现中欧EV市场的高分辨率（省/国+车型段+动力类型）数据整合。
4. 主要结果
（1）市场渗透率
- 中国平均EV渗透率为34.2%，欧盟为25.3%，但挪威高达90.4%。
- 中国省份差异显著：北京（BJ）渗透率超50%，而西部省份如西藏（XZ）不足10%。
（2）电池化学组成
- 中国LFP电池占比62%（203GWh），NCM/NCA占38%（125GWh），与中国汽车动力电池产业创新联盟（CABIA）数据偏差<15%。
- 欧盟以高镍NCM（NCM-H）为主，占比达45%，反映对能量密度的偏好。
（3）电池容量
- 中国BEV平均电池容量67kWh，欧盟为72kWh；PHEV中欧分别为16kWh和14kWh。
- 行政级车型（C5）电池容量普遍比微型车（C1）高200%。
逻辑关联：区域和车型维度的差异表明，单一国家层面对电池材料需求的估算可能偏差显著，需结合细分数据优化供应链规划。
5. 结论与价值
科学价值：
- 提供了首个覆盖中欧的高分辨率EV数据集，支持精准的全生命周期分析（LCA）和关键材料需求预测。
- 揭示了区域和车型的异质性，如中国西部与东部省份在电池技术路线上的分化。
应用价值：
- 为政策制定者提供区域定制化激励措施的依据（如针对低渗透率省份的补贴）。
- 助力企业优化电池供应链布局，应对镍、钴等材料的波动风险。
6. 研究亮点
- 数据粒度创新：首次实现“省-车型-动力类型”三级分辨率的中欧EV数据整合。
- 方法学创新：通过多源数据融合与k-means聚类，解决了电池化学细分的技术瓶颈。
- 跨区域对比：揭示了中国LFP主导与欧盟高镍NCM主导的技术路线差异，反映市场偏好与政策导向的相互作用。
7. 其他价值
数据集已开源（Figshare平台），包含中国（cn_characteristics_2023.xlsx）和欧盟（eu_characteristics_2023.xlsx）的工作表，并提供MATLAB计算代码，便于后续研究复现与扩展。