本研究由重庆交通大学交通运输学院和智慧城市学院的陈坚、徐荣华、陈灏、丁豪毅共同完成，其中通讯作者陈坚为教授、博士生导师，主要研究方向为交通行为分析理论与实证、智能交通系统。该论文发表于《昆明理工大学学报(自然科学版)》，网络首发日期为2026年10月19日，doi编号为10.16112/j.cnki.53-1223/n.202606100002。研究受到国家自然科学基金项目（52472339）资助。
随着国家电动汽车产业发展宏观经济政策的持续推动，我国电动汽车保有量呈现持续增长态势。然而，充电基础设施建设布局滞后与空间供需不均衡的问题日益凸显，高峰时段排队拥堵与设备大量闲置并存的现象成为制约电动汽车产业发展的关键瓶颈。在此背景下，科学定量地规划电动汽车充电站选址与规模，对于提升充电服务质量、降低基础设施投资风险具有重要的现实意义。
现有研究主要存在两方面不足：其一，基于轨迹数据的充电站选址研究多侧重于需求热点识别，但对充电站建成后的服务过程及其对前期规划决策的反馈机制考虑不足，难以实现站点布局与容量规模的差异化配置；其二，多数选址定容模型采用基于空间邻近或充电焦虑阈值的确定性指派规则建模，无法准确刻画用户在寻找充电桩过程中综合权衡多方面因素的有限理性择站行为。更为关键的是，建设运营方追求投资成本最小化、充电用户追求等待时间最短、政府规划方追求需求覆盖率最高，三方目标诉求之间存在本质冲突，亟需构建能够协调多方利益的系统性优化框架。
本研究旨在构建数据驱动下考虑建设运营方、充电用户及政府三方利益协调的充电站多目标选址定容模型，通过融合车辆轨迹与兴趣点（point of interest，POI）多源数据提取充电需求与候选站址，耦合logit离散选择模型与M/M/C排队模型刻画用户择站行为与站点拥堵状态的动态反馈关系，并采用非支配排序遗传算法III（non-dominated sorting genetic algorithm III，NSGA-III）进行多目标全局寻优，最终为城市公共快充设施的规划决策提供科学依据。
研究首先对深圳市14728辆出租车的4600余万条轨迹点数据进行处理。每条轨迹点数据包含车辆标识、经纬度、时间戳、速度、载客状态等信息，采样间隔为15至30秒。候选站址提取过程分为两个核心环节：
车辆载客状态识别与特征点提取。由于电动汽车进行电量补给的物理前提是车辆处于长时静止或具有明确行程节点，研究引入停驻/移动（stop/move）模型进行特征点提取。具体而言，通过双重阈值约束识别长时驻留事件：时间窗口内车辆运行速度始终低于漂移容忍极限，且总持续时间满足有效充电的最短时间需求；同时通过载客状态字段的跳变特征（从0到1或从1到0）提取行程起讫点。
多源需求热力场构建与候选质心聚类。将研究区域离散化为标准地理空间栅格后，引入信息熵理论对行程起讫点密度、驻留点密度和POI密度三类热力分量进行客观赋权融合。熵权法计算得到的三类权重分别为0.404、0.432和0.164，表明电动汽车动态轨迹特征点相较于静态POI分布具有更强的空间异质性与集聚性。在此基础上，设计了一种融合空间连通性与极限服务半径约束的改进递归分割聚类算法，最终从数万个离散网格中锁定50个候选站址质心。
基于logit概率场的空间需求分配。模型构建了综合考虑物理路网阻抗、动态拥堵惩罚和静态商业吸引力的综合效用函数，其中行驶时间权重系数为0.8、排队等待权重系数为0.5、POI吸引力权重系数为0.2。通过引入0-1选址决策变量屏蔽未建站点干扰，计算各需求网格流向各候选站点的概率，进而汇聚形成站点实际车辆到达率。
M/M/C排队模型的深度融合。将配置了c台充电桩的站点抽象为M/M/C排队系统，假设车辆到达服从泊松分布、单桩服务时间服从负指数分布。通过连续平均法实现用户择站概率与站点拥堵水平的迭代耦合求解，直至系统车流分配与排队时长达到稳态收敛。排队模型中的单桩平均服务率根据车辆等效电池容量（60 kW·h）、平均补能深度（0.60）和单桩有效充电功率（60 kW）等参数确定。
三方利益目标函数构建。建设运营方目标为最小化全生命周期总投资成本，涵盖单站基础建设固定投资50万元、单台快充桩设备购置费8万元、年化运营费率0.12及5年运营周期；用户侧目标为最小化系统排队总等待时间；政府规划侧目标为最小化需求未覆盖率。模型同时设置了建设规模约束、服务质量底线约束（平均排队等待时间不超过20分钟）、运营效益约束（利用率控制在0.3至0.8之间）和电网承载能力约束（单站最大可接入功率1200 kW）。
研究引入带参考点机制的NSGA-III算法进行多目标全局寻优，种群规模设定为100，最大迭代次数500代，交叉概率0.9，变异概率0.1。算法采用长度为50的整数编码方案，基因位值同时表达站点激活状态与充电桩配置数量。在获取pareto前沿解集后，采用基于切比雪夫距离的最小偏向度决策机制，客观筛选出综合偏向度最小的折中方案作为实际落地方案。
算法收敛性分析表明，NSGA-III算法的各项目标函数数值在约250代之后趋于平稳，相较于传统NSGA-II算法表现出更快的收敛速度和更强的寻优稳定性。三维pareto前沿分布显示，随着全生命周期总投资成本的增加，需求未覆盖率持续下降，但当投资规模超过折中方案后，继续增加投资对排队总等待时间的改善作用明显减弱。
最终选定的折中方案在50个候选站址中激活33个站点，共计配置161台充电桩，全生命周期总投资成本为4871.0万元，排队总等待时间为672.7分钟，需求未覆盖率为13.8%。该方案位于成本投入与服务效益之间的边际效益拐点，在兼顾服务水平和需求覆盖的同时，有效避免了过度追求覆盖率造成的投资冗余。
空间分布分析采用赫芬达尔-赫希曼指数（herfindahl-hirschman index，HHI）度量需求网格内充电站选择概率的集中程度。结果显示中心城区及充电站分布密集区域HHI指数整体较低，站点间替代竞争关系较强；部分外围区域HHI指数较高，但受总体需求规模较小影响，实际排队风险相对有限。
对比实验设置最大覆盖模型、静态就近分配模型和加权选址模型三种基准模型。最大覆盖模型激活42个站点、配置175台充电桩，需求未覆盖率最低（5.8%）但投资成本最高（5420.5万元）；静态就近分配模型激活29个站点、配置142台充电桩，投资成本最低（4215.2万元）但排队总等待时间高达3120.8分钟；加权选址模型表现居中。本文模型在排队总等待时间（672.7分钟）、利用率极差（0.36）和平均HHI指数（0.35）三项指标上均为四种模型中最低，实现了投资成本与全局服务效能的更优协调。
本研究围绕建设运营方、充电用户和政府规划方的差异化利益诉求，构建了数据驱动下的充电设施选址定容优化模型。基于多源数据构建的选址定容框架能够定量反映设施规划容量与微观充电需求的匹配关系，模型输出的配置方案在控制总体建设成本的同时，保障了公共充电网络的整体服务效能。基于切比雪夫距离的最小偏向度准则能够客观地从pareto前沿中筛选折中方案，实现了多方利益的定量平衡。
本研究的核心科学价值在于：通过引入考虑排队惩罚与有限理性选择的动态需求分配与排队反馈机制，有效引导了充电需求的空间转移并分散了核心站点负荷，克服了传统确定性指派规则无法刻画用户择站行为的不足。其应用价值在于：为城市公共快充设施的规划决策提供了一套可操作的数据驱动方法框架，能够直接服务于充电基础设施的布局优化与容量配置实践。
本研究的突出亮点体现在三个方面：其一，方法论的创新性——将logit离散选择模型与M/M/C排队模型深度耦合，通过连续平均法实现用户择站概率与站点拥堵水平的稳态均衡求解，实现了需求分配的动态化与内生化；其二，决策机制的客观性——采用基于切比雪夫距离的最小偏向度机制替代传统的主观加权决策方法，消除了决策者主观偏好带来的偏差；其三，验证的充分性——通过深圳市大规模真实出租车轨迹数据（14728辆车、4600余万条轨迹点）和91万条POI数据开展实证分析，并以三种基准模型进行对比验证，确保了研究结论的可靠性。
需要指出的是，本研究以营运类电动汽车公共快充需求为研究对象，私家电动汽车的出行与补能场景具有一定差异，其公共充电需求不在案例数据覆盖范围内。此外，不同电动汽车的异质性需求以及有序充电、车网互动机制仍有待未来进一步探索。