In this paper, we present a case study on planning the locations of public electric vehicle (EV) charging stations in Beijing, China. Our objectives are to incorporate the local constraints of supply and demand on public EV charging stations into facility location models and to compare the optimal locations from three different location models. On the supply side, we analyse the institutional and spatial constraints in public charging infrastructure construction to select the potential sites. On the demand side, interviews with stakeholders are conducted and the ranking-type Delphi method is used when estimating the EV demand with aggregate data from municipal statistical yearbooks and the national census. With the estimated EV demand, we compare three classic facility location models – the set covering model, the maximal covering location model, and the p-median model – and we aim to provide policy-makers with a comprehensive analysis to better understand the effectiveness of these traditional models for locating EV charging facilities. Our results show that the p-median solutions are more effective than the other two models in the sense that the charging stations are closer to the communities with higher EV demand, and, therefore, the majority of EV users have more convenient access to the charging facilities. From the experiments of comparing only the p-median and the maximal covering location models, our results suggest that (1) the p-median model outperforms the maximal covering location model in terms of satisfying the other’s objective, and (2) when the number of charging stations to be built is large, or when minor change is required, the solutions to both models are more stable as p increases

چکیده

در این مقاله قصد داریم تا مطالعه ای موردی را در خصوص برنامه ریزی برای مکان یابی ایستگاه های شارژ خودروهای الکترونیکی در بیجینگ چین ارائه دهیم. اهدافی که از ارائه این مقاله دنبال می کنیم، بکار گیری محدودیت های محلی در تأمین و تقاضای ایستگاه های شارژ خودروی الکترونیکی عمومی در مدل های مکان یابی تسهیلات و مقایسه مکان های بهینه از سه مدل مکان یابی مختلف می باشد. در سمت تأمین، به تحلیل محدودیت های فضایی و نهادی در ساخت زیر ساختار شارژ عمومی می پردازیم تا بتوانیم محل های احتمالی برای این کار را انتخاب نماییم. در سمت تقاضا، مصاحبه هایی با سرمایه‌گذاران بر روی این طرح صورت گرفته است و از روش دلفی نوع-رتبه‌بندی، در زمان تخمین تقاضای EV و آن هم با داده های کلی به دست آمده از سالنامه های آماری شهری و سرشماری های ملی استفاده شده است. با بکار گیری تخمین های زده شده از تقاضای EV، اقدام به مقایسه سه مدل کلاسیکی مکان یابی تسهیلات نموده ایم. نتایج ما نشان می دهد که راهکارهای پی-میانه را می توان نزدیک به جوامعی با سطح بالای تقاضای EV دانست و بنابراین، اغلب کاربران EV از دسترسی راحت تری به تسهیلات شارژ برخوردار می باشند. با توجه به آزمایش های مقایسه پی-میانه و مدل های مکان یابی پوشش حداکثری، نتایج ما نشان می دهد که: 1- مدل پی-میانه از عملکرد بهتری نسبت به مدل مکان یابی پوشش حداکثری و آن هم بر حسب ارضای سایر اهداف برخوردار می باشد؛ 2- در زمانی که تعداد ایستگاه های شارژ باید زیاد باشد و یا در زمانی که حداقل تغییر نیاز باشد، راهکارهای هر دو مدل، با افزایش p، پایدارتر می شوند.

1-مقدمه

ارتقای سطح استفاده از EV ها را می توان راهکاری بلند مدت دانست که به منظور حفظ تعادل سالم مصرف انرژی و پویایی شهری طراحی گردیده است. کشور چین مشابه با بزرگ ترین کشورهای تولیدکننده گاز کربن، تلاش های زیادی را در حوزه‌ی EV انجام داده است. دولت های محلی و مرکزی نیز استراتژی های زیادی را به منظور ارتقای ایجاد زیر ساختارهای شارژ عمومی ارائه نموده اند. اگرچه با توجه به اینکه بازار EV هنوز در گام های اولیه خود قرار دارد و فاقد روش های برنامه ریزی پیشرفته می باشد، فعالیت های پژوهشی بیشتری باید صرف نظر از برنامه توسعه مناسب، برای زیر ساختار شارژ عمومی صورت گیرد...