电动汽车用户充电行为分析——集成心理与环境因素的基于统计驱动的 LLM 代理方法

随着电动汽车（EV）采用的不断增长，理解用户充电行为对电网稳定和交通规划至关重要。本研究通过分析心理特征与情境触发因素在动态旅行情境中的相互作用，探讨了出租车司机充电行为的行为异质性。利用大语言模型（LLMs）作为核心仿真工具，发展了一个具有统计增强功能的新型框架，以复制和分析出租车司机的充电行为。LLMs 通过利用自然语言推理和角色扮演能力模拟个性化决策过程，考虑到时间敏感性、价格意识和续航焦虑等因素。仿真结果表明，该框架在多个城市环境中可靠地再现了真实世界的充电行为。这种保真度源于将统计先验信息整合到推理过程中，使模型能够在经验行为模式上做出决策。进一步的分析揭示了环境因素和心理变量对充电决策的联合影响，并揭示了不同用户群体的异质性。这些发现为理解EV用户行为、优化充电基础设施、为能源政策提供依据，以及推动EV行为模型集成到智能交通和能源管理系统中提供了新视角。