[發明專利]提高電動汽車購買率的優化方法和系統

在審

• 申請號: 202010019039.3
• 申請日: 2020-01-08
• 公開（公告）號: CN111222920A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 焦建玲;李晶晶
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

本發明提供一種提高電動汽車購買率的優化方法和系統，涉及數據處理技術領域。本發明不僅考慮到雙重屬性的消費者網絡，而且分析不同干預策略對電動汽車購買率的影響，選擇電動汽車購買率高且財政支出最低的干預方案為最優干預方案，通過最優干預方案，有效促進電動汽車的平穩順利的推廣。同時本發明能夠為消費者購買決策、車企制定電動汽車策略提供重要的參考信息。

技術領域

本發明涉及數據處理技術領域，具體涉及一種提高電動汽車購買率的優化方法和系統。

背景技術

電動汽車作為負荷需求響應的重要參與者，具有節能、環保、低排放的特點，近年來被大力推廣。

然而，目前消費者多處于“高意愿低行為”狀態，即對電動汽車持有較高購買意愿，但實際購買率卻很低。盡管電動汽車市場份額不斷增長，但2018年我國新能源汽車僅占汽車整體銷量的4.5％。因此尋找有效的措施促進電動汽車的平穩順利擴散具有重要意義。

現有研究多基于單一屬性的仿真研究，如僅考慮補貼對電動汽車購買率的影響，得出的優化方法有效性較低。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種提高電動汽車購買率的優化方法和系統，解決了現有的優化方法有效性較低技術問題。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：

本發明提供了一種提高電動汽車購買率的優化方法，所述方法由計算機執行，包括以下步驟：

獲取電動汽車的屬性信息、消費者的屬性信息和雙重屬性消費者網絡；獲取電動汽車的媒體信息；

基于所述電動汽車的屬性信息、所述消費者的屬性信息和所述雙重屬性消費者網絡獲取消費者購買電動汽車的決策模型；基于所述電動汽車的媒體信息獲取至少兩種不同的干預策略；

基于所述干預策略和所述消費者購買電動汽車的決策模型獲取不同干預策略下的電動汽車購買率；

分析所述不同干預策略下的電動汽車購買率，計算不同干預策略下的電動汽車購買率和相應的財政支出，選擇電動汽車購買率高且財政支出最低的干預方案為最優干預方案。

優選的，所述電動汽車的屬性信息包括：電動汽車的續航里程、售價、電池容量和生命周期年限；

所述消費者的屬性信息包括：消費者的態度傾向和消費者是否購買過電動汽車；

所述干預策略包括：補貼干預策略、電價干預策略、宣傳干預策略和社交網絡干預策略。

優選的，所述的財政支出的計算方法包括：

Min(cost1,cost2,cost3,cost4)

Min(cost1,cost2,cost3,cost4)的約束條件為：

其中：

cost1表示補貼干預策略下新增單位購買率的財政支出；

表示第k種補貼干預策略下的購買補貼；

表示第k種補貼干預策略下在時期T時電動汽車購買率，表示第k種補貼干預策略下在時期T時消費者i的購買狀態；

b表示初始狀態中已購買電動汽車的消費者比例；

N表示網絡規模；