田晟，曾莉莉

(华南理工大学，土木与交通学院，广州510640)

0 引言

根据国务院办公厅正式发布的《新能源汽车产业发展规划(2020—2035)》，纯电动出租车等公共用车领域到2035年将全面实现电动化。通过统计学建模方法得到充电行为特征变量的概率分布模型，进而基于蒙特卡罗模拟实现充电负荷预测的研究较为广泛[1]，因此研究电动出租车充电行为规律是解决电动出租车规模化发展过程中面临的充电负荷准确预测、充电设施合理布局等问题的基础。

电动出租车是电动汽车的一种类型，电动汽车充电行为规律的研究数据来源经历了问卷调查数据、居民出行调查数据、传统燃油车辆实测数据到电动汽车实测数据。随着大数据和深度学习技术的发展，目前基于数据驱动的电动汽车充电行为研究已经成为热点[2]，主要有基于非监督学习方法进行电动汽车充电行为特征变量的预测和分析，如Chung 等[3]使用由支持向量机、随机森林和核密度估计组成的集成模型对充电持续时间、充电能量消耗的预测；基于监督学习方法进行电动汽车充电行为的聚类分析，如Shen等[4]使用K均值聚类算法将充电行为分为3类；基于深度学习模型进行充电负荷预测研究，如Zhu等[5]使用RNN模型预测公用充电站的逐时充电负荷。

目前充电行为特征变量的概率建模主要基于传统参数估计模型，然而该方法需要提前假设服从某种分布，然后依据历史样本数据估计该分布的参数，如果假设的概率分布与实际情况不符合，就会导致计算偏差较大。……