超越充电焦虑：一种基于评论数据理解EV充电站用户偏好的可解释方法

电动汽车（EV）充电基础设施直接关系到整体EV用户体验，从而影响EV的广泛采用。理解影响EV用户充电体验的关键因素对于构建稳健且用户友好的EV充电基础设施至关重要。本研究利用Google Maps上约17,000条充电站（CS）评论，采用ChatGPT 4.0进行基于方面的情感分析，探索EV用户对充电站的偏好。我们识别出影响用户满意度的十二个关键方面，从可访问性和可靠性到设施和定价。我们开发了两种不同的偏好模型：侧重于个体用户满意度的微观模型和捕捉对特定充电站集体情感的宏观模型。两种模型均使用LightGBM算法进行用户偏好预测，与其他机器学习方法相比取得了强劲性能。为了进一步阐明每个方面对用户评分的影响，我们采用了SHAP（SHapley Additive exPlanations），一种用于解释机器学习模型的游戏理论方法。我们的发现强调了"设施和位置"的正面情感与"可靠性和维护"的负面情感相结合对整体用户满意度的显著影响。这些见解为充电站运营商、政策制定者和EV制造商提供了可操作的指导，使他们能够提升用户体验并促进更广泛的EV采用。