注意鸿沟：建模电动汽车充电需求中删失与未删失的差异

以充电记录为输入的电动汽车充电需求模型，天然会偏向于可用充电器的供给。这些模型常未能考虑因充电站被占用及竞争对手而损失的需求。损失的需求表明实际需求可能高于充电记录所反映的水平，即真实需求是潜在的（未观测的），而观测值是被删失的。因此，依赖这些观测记录来预测充电需求的机器学习模型，在未来基础设施扩张与供给管理中的应用可能受限，因为它们并未估计真实的充电需求。我们提出使用删失感知模型来建模充电需求，以解决此局限。这些模型在其损失函数中纳入删失，并从观测充电记录中学习真实的潜在需求分布。我们利用来自丹麦哥本哈根汽车 GPS 轨迹研究被占充电站与竞争服务如何对需求造成删失。我们发现城市某些区域删失发生率高达 $61\%$。我们利用研究中的观测充电需求估计真实需求，发现删失感知模型比删失无感知模型对实际需求提供了更好的预测与不确定性估计。我们建议未来基于充电记录的充电模型应考虑删失，以拓展机器学习模型在供给管理与基础设施扩张中的应用领域。