本發(fā)明涉及網(wǎng)絡(luò)信息傳輸領(lǐng)域，特別涉及一種基于多代理系統(tǒng)的電動汽車市場演化分析方法。

背景技術(shù)：

結(jié)合能源結(jié)構(gòu)調(diào)整及其能源互聯(lián)網(wǎng)的建設(shè)，交通電氣化是解決能源危機和環(huán)境問題最有前景的措施之一。然而，電動汽車規(guī)?；尤虢o電力系統(tǒng)帶來機遇的同時，勢必給電力系統(tǒng)的各環(huán)節(jié)帶來巨大挑戰(zhàn)。因此，分析不同發(fā)展階段下的電動汽車市場演化特性顯得尤為重要，是量化電動汽車接入對電網(wǎng)的影響以及指導(dǎo)充換電設(shè)施規(guī)劃建設(shè)的基礎(chǔ)。電動汽車作為近年來的新興產(chǎn)品，當(dāng)前尚處于示范推廣階段，缺乏足夠產(chǎn)業(yè)發(fā)展相關(guān)的歷史數(shù)據(jù)，且電動汽車規(guī)模發(fā)展的影響因素復(fù)雜，這些都給電動汽車市場演化分析帶來巨大挑戰(zhàn)。

傳統(tǒng)的新產(chǎn)品擴散模型主要是從宏觀市場層面構(gòu)建的綜合模型，以bass模型、gompertz模型和logistic模型的使用最為廣泛。綜合模型建?；窘Ｋ枷胧牵簩⒛繕?biāo)產(chǎn)品市場看成一個整體，構(gòu)建狀態(tài)變量與各影響因素之間的顯性函數(shù)表達式，然后基于產(chǎn)品擴散的歷史數(shù)據(jù)進行模型參數(shù)的識別，從而得到該產(chǎn)品的市場擴散模型。該類模型雖然具有建模簡單、數(shù)據(jù)需求量較少等優(yōu)點，但缺點在于：無法考慮用戶決策之間的影響，也不能考慮用戶的異質(zhì)性。在電動汽車市場演化分析中，不同用戶的需求不同，且由于擁有不同的社會經(jīng)濟屬性，不同用戶的購車行為準(zhǔn)則及其偏好也呈現(xiàn)較大差異，如不同的年行駛距離會直接影響用戶對不同車型的經(jīng)濟性評估。此外，產(chǎn)品在用戶相關(guān)群體中的滲透情況以及社會動態(tài)也會顯著影響用戶購車抉擇，而傳統(tǒng)的綜合模型都不能很好的處理這些問題。綜上，傳統(tǒng)的綜合模型在分析電動汽車市場演化趨勢時的適用性不足。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種基于多代理系統(tǒng)的電動汽車市場演化分析方法，將多代理技術(shù)應(yīng)用于電動汽車的市場演化分析，基于消費者行為學(xué)理論構(gòu)建了電動汽車市場演化多代理模型，通過模擬研究區(qū)域中個體用戶逐年的微觀購車行為，觀測該區(qū)域汽車市場的宏觀動態(tài)演化過程。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：一種基于多代理系統(tǒng)的電動汽車市場演化分析方法，包括步驟：

(1)設(shè)置研究區(qū)域內(nèi)汽車用戶的相關(guān)屬性參數(shù)及相關(guān)環(huán)境變量參數(shù)，并根據(jù)所述相關(guān)屬性參數(shù)及相關(guān)環(huán)境變量參數(shù)創(chuàng)建多代理系統(tǒng),設(shè)置仿真起始年以及仿真結(jié)束年；

(2)基于消費者行為學(xué)理論構(gòu)建汽車用戶購車決策行為框架，各汽車用戶代理根據(jù)所述汽車用戶購車決策行為框架模擬研究區(qū)域內(nèi)所有汽車用戶逐年的微觀購車行為；

(3)根據(jù)研究區(qū)域內(nèi)各汽車用戶代理的購車結(jié)果，統(tǒng)計電動汽車數(shù)量；

(4)判斷是否達到程序終止判據(jù)，若已達到仿真結(jié)束年，則市場演化仿真程序終止；否則，進入步驟(5)繼續(xù)下一年的模擬；

(5)更新所有汽車用戶的相關(guān)屬性參數(shù)及其相關(guān)環(huán)境變量，創(chuàng)建下一年度新增汽車個體用戶，返回步驟(2)。

本發(fā)明的有益效果是：本方法能夠有效解決傳統(tǒng)綜合模型不能考慮用戶之間的異質(zhì)性問題，也能有效的將用戶購車決策之間的相互影響納入到模型之中，從而更真實的反應(yīng)汽車市場的動態(tài)演化過程及其影響因素。

在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進。

進一步，所述步驟(1)中相關(guān)屬性參數(shù)包括每年汽車用戶總量、用戶收入水平、購車偏好、創(chuàng)新態(tài)度、當(dāng)前車輛情況和年駕駛距離；所述相關(guān)環(huán)境變量參數(shù)包括技術(shù)發(fā)展情況、燃料價格、汽車價格以及補貼情況。

采用上述進一步方案的有益效果是：能夠全面的考慮影響電動汽車市場演化的相關(guān)因素，更加細(xì)致的考慮不同用戶的購車傾向及行為模式。

進一步，所述步驟(2)所述汽車用戶購車行為框架為需求確認(rèn)、信息收集、方案評估、購買決策以及購后行為五個階段；

所述需求確認(rèn)：用于將汽車需求分為新增用戶的初次購買需求和老用戶的換車需求，如果該用戶為新增用戶，則有購車需求；如果該用戶是老用戶，則判斷用戶當(dāng)前擁有的車輛是否需要更換，若汽車車齡小于汽車使用壽命，則今年無購車需求；若汽車車齡大于等于汽車使用壽命，則需要執(zhí)行汽車購買行為；

所述信息收集：用于收集購車決策相關(guān)信息，所述相關(guān)信息包括汽車價格、性能、燃料價格、充電基礎(chǔ)設(shè)施覆蓋率以及口碑；

所述方案評估：用于針對目標(biāo)車型市場滲透率及年擁有成本進行初步篩選；對于滿足基本要求的車型，根據(jù)用戶偏好和相應(yīng)評價標(biāo)準(zhǔn)對可供選擇方案進行綜合評價，并根據(jù)綜合效用模型、用戶購車行為概率模型分別計算該用戶選擇不同車型帶來的效用值及相應(yīng)的購買概率；

所述購買決策：用于用戶根據(jù)方案評估結(jié)果，并綜合考慮不同車型在相關(guān)群體中的滲透情況，采用隨機選擇理論進行購買行為；

所述購后行為：用于用戶將今年是否購買電動汽車的決策結(jié)果狀態(tài)以“點對點”的消息發(fā)送機制通過社會網(wǎng)絡(luò)傳遞給與之相連的其他相關(guān)用戶。

采用上述進一步方案的有益效果是：基于消費者行為學(xué)理論建立的用戶購車行為框架能夠詳細(xì)描述消費者購車行為的全過程，從而有利于考慮各環(huán)節(jié)中影響用戶購車決策的相關(guān)因素，使得仿真結(jié)果更符合真實情況。

進一步，所述綜合效用模型為，根據(jù)年擁有成本、技術(shù)成熟度、社會效用以及環(huán)保效用建立的模型，用以評估不同車型給用戶帶來的效用值，其效用值表達式如下：

u＝α×uc+β×ut+γ×us+δ×ue

α+β+γ+δ＝1

其中，uc、ut、us、ue分別表示購買某產(chǎn)品給用戶帶來的經(jīng)濟效用、技術(shù)成熟度效用、社會效用值和環(huán)保效用，α,β,γ,δ分別為用戶對各屬性的傾向程度，不同用戶擁有互異的屬性參數(shù)；

其中，經(jīng)濟效用采用汽車年擁有成本catco來衡量，其主要包括汽車購買成本等年值cpur和汽車年使用成本cope兩個部分：

catco＝cpur+cope

rsale＝(1-rdep)^tpveh

cope＝repedveh+cm+tuse+cis

其中，pveh為汽車售價，tpur為購置稅，ssub政府補貼，p為貼現(xiàn)率，t為汽車使用壽命，rsale為汽車殘值，rdep為汽車折舊率，re為汽車能耗率，pe為能源價格，dveh為用戶年行駛距離，cm為維護成本，tuse為車輛使用稅，根據(jù)排放水平收取，cis為保險費，保險費用的計算公式為：

cis＝0.01kpveh+950+1480k

其中，k為商業(yè)保險折扣因子，取k＝60％；

將汽車對于用戶的經(jīng)濟效用值定義為：

其中，上標(biāo)i和j分別表示車型i和車型j，且車型i的年擁有成本較低；

其中，技術(shù)成熟度效用利用技術(shù)成熟度作為綜合指標(biāo)去衡量汽車性能，采用logistic增長曲線模型描述電動汽車技術(shù)成熟度的演化規(guī)律，其表達式為：

其中，t為時間變量；a和b為模型參數(shù)，為大于零的常數(shù)，且邏輯曲線的拐點出現(xiàn)在t＝lna/b；

其中，社會效用利用產(chǎn)品在用戶相關(guān)群體中的滲透率來表達其社會效用，其其表達式為：

其中，ki為社交網(wǎng)絡(luò)中與用戶i相連的用戶數(shù)，a為用戶之間的連接矩陣，如果i和j相連，則aij＝1；否則aij＝0；xj表示用戶j是否擁有目標(biāo)產(chǎn)品，若擁有，則xj＝1；否則xj＝0；

其中，環(huán)保效用大小與用戶的環(huán)保意識、對新技術(shù)的追求程度、收入水平、社會地位以及教育水平因素相關(guān)，可通過調(diào)查問卷統(tǒng)計分析的方式獲取，因電動汽車在使用過程中不排放尾氣，因此其環(huán)保效用為1；對于常規(guī)汽車，根據(jù)用戶的環(huán)保意愿，其環(huán)保效用為：

其中，wtpm為用戶愿意為環(huán)保型產(chǎn)品支付一定高于常規(guī)產(chǎn)品的溢價比。

采用上述進一步方案的有益效果是：由于用車成本、技術(shù)水平、社會影響以及環(huán)保性都是影響用戶購車決策的關(guān)鍵評估指標(biāo)，而所提綜合效用模型能夠?qū)⒛険碛谐杀?、技術(shù)成熟度、社會效用以及環(huán)保效用等方面同時納入到用戶的方案評估過程中，從而更真實的反應(yīng)用戶購車決策過程。

進一步，所述用戶購車行為概率模型為改進離散選擇logit模型，將充電便利度指標(biāo)納入用戶的購車選擇模型，該指標(biāo)主要取決于家用充電設(shè)施安裝難度、公共充電設(shè)施的配置情況、用戶日均駕駛距離以及電動汽車?yán)m(xù)航里程參數(shù)，其表達式為，

其中，d為用戶日行駛距離，l為電動汽車?yán)m(xù)航里程，h為家用充電設(shè)施安裝難度因子，c為公共充電設(shè)施覆蓋度，用電動汽車滲透率近似代替，ε為調(diào)節(jié)因子，取為4；

綜合考慮汽車產(chǎn)品各方面的效用值及其充電方便程度，得到用戶購買電動汽車的概率行為模型為：

其中，uev和ucv分別為該用戶根據(jù)綜合效用模型計算得到的電動汽車和常規(guī)汽車效用值。

采用上述進一步方案的有益效果是：由于充電設(shè)施的配套不完善以及相對較低的續(xù)航里程是制約電動汽車發(fā)展的重要因素，納入充電方便度能夠有效反應(yīng)其對用戶購買電動汽車的影響。

進一步，所述目標(biāo)車型市場滲透率表示為：

λev＝nev/nv

其中，nv為用戶感知區(qū)域內(nèi)汽車總量，nev為該區(qū)域內(nèi)目標(biāo)車型數(shù)量。

采用上述進一步方案的有益效果是：通過統(tǒng)計所有用戶代理的逐年購車行為能夠觀測目標(biāo)車型市場演化趨勢。

附圖說明

圖1為電動汽車市場演化仿真流程；

圖2為用戶購車行為流程；

圖3為用戶購車決策模型框架。

具體實施方式

以下結(jié)合附圖對本發(fā)明的原理和特征進行描述，所舉實例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。

本發(fā)明為解決以上問題，提供了一種從微觀層面實現(xiàn)的基于多代理系統(tǒng)的電動汽車市場演化分析方法。首先，基于消費者行為學(xué)理論提出了用戶購車決策行為框架；然后，提出了綜合考慮年擁有成本、技術(shù)成熟度、社會效用以及環(huán)保效用的綜合效用模型，基于此，通過改進離散選擇logit模型，綜合考慮汽車產(chǎn)品各方面的效用值及其充電方便程度指標(biāo)的影響，提出了用戶購車行為概率模型；最后，通過創(chuàng)建一系列代表研究區(qū)域用戶的智能代理及其交互關(guān)系，模擬研究區(qū)域中所有個體用戶逐年的微觀購車行為，并聚合所有用戶的購車結(jié)果，從而觀測該區(qū)域汽車市場的宏觀動態(tài)演化過程，分析影響電動汽車快速推廣的關(guān)鍵因素。

如圖1所示，一種基于多代理系統(tǒng)的電動汽車市場演化分析方法，包括步驟：

(1)設(shè)置研究區(qū)域內(nèi)汽車用戶的相關(guān)屬性參數(shù)及相關(guān)環(huán)境變量參數(shù)，并根據(jù)所述相關(guān)屬性參數(shù)及相關(guān)環(huán)境變量參數(shù)創(chuàng)建多代理系統(tǒng),設(shè)置仿真起始年以及仿真結(jié)束年；相關(guān)屬性參數(shù)包括每年汽車用戶總量、用戶收入水平、購車偏好、創(chuàng)新態(tài)度、當(dāng)前車輛情況和年駕駛距離；所述相關(guān)環(huán)境變量參數(shù)包括技術(shù)發(fā)展情況、燃料價格、汽車價格以及補貼情況；

(2)基于消費者行為學(xué)理論構(gòu)建汽車用戶購車決策行為框架，各汽車用戶代理根據(jù)所述汽車用戶購車決策行為框架模擬研究區(qū)域內(nèi)所有汽車用戶逐年的微觀購車行為；

(3)根據(jù)研究區(qū)域內(nèi)各汽車用戶代理的購車結(jié)果，統(tǒng)計電動汽車數(shù)量；

(4)判斷是否達到程序終止判據(jù)，若已達到仿真結(jié)束年，則市場演化仿真程序終止；否則，繼續(xù)下一年的模擬，進入步驟(5)；

(5)更新所有汽車用戶的相關(guān)屬性參數(shù)及其相關(guān)環(huán)境變量，創(chuàng)建本年度新增汽車個體用戶，返回步驟(2)。

如圖2所示，汽車用戶購車決策行為框架包括需求確認(rèn)、信息收集、方案評估、購買決策以及購后行為5個階段；

用戶購車行為為感知、認(rèn)知、行為以及環(huán)境因素動態(tài)互動的結(jié)果，是與購買決策相關(guān)的心理活動與實體活動。首先通過感知自身狀態(tài)，確認(rèn)當(dāng)前購車需求；然后收集影響購車決策的相關(guān)信息，包括產(chǎn)品屬性、環(huán)境變量以及產(chǎn)品在社交網(wǎng)絡(luò)中的滲透情況等；其次，根據(jù)用戶偏好和相應(yīng)評價標(biāo)準(zhǔn)對可供選擇方案進行綜合評價，并做出購買決策；最后進行購買后行為，評價產(chǎn)品并形成口碑。

需求確認(rèn)：將汽車需求分為新增用戶的初次購買需求和老用戶的換車需求，如果該用戶為新增用戶，則有購車需求；如果該用戶是老用戶，判斷用戶當(dāng)前擁有的車輛是否需要更換，若汽車車齡小于汽車使用壽命，則今年無購車需求；若汽車車齡大于等于汽車使用壽命，則需要執(zhí)行汽車購買行為；

信息收集：收集購車決策相關(guān)信息，所述相關(guān)信息包括汽車價格、性能、燃料價格、充電基礎(chǔ)設(shè)施覆蓋率以及口碑；

方案評估：用于針對目標(biāo)車型進行市場滲透率及年擁有成本初步篩選；對于滿足基本要求的車型，根據(jù)用戶偏好和相應(yīng)評價標(biāo)準(zhǔn)對可供選擇方案進行綜合評價，并根據(jù)綜合效用模型、用戶購車行為概率模型分別計算該用戶選擇不同車型帶來的效用值及相應(yīng)的購買概率；

在新產(chǎn)品發(fā)展初期，大多數(shù)用戶傾向于采取觀望態(tài)度，直到該產(chǎn)品滲透率達到某個心理閾值，這也是新產(chǎn)品在發(fā)展初期擴散速度較慢的原因之一，即所謂的“市場慣性”。隨著電動汽車市場滲透率升高，用戶選擇該產(chǎn)品面臨的風(fēng)險將逐漸降低，不管是技術(shù)風(fēng)險、金融風(fēng)險還是充電服務(wù)風(fēng)險。因此，用戶在選購汽車時會感知電動汽車的市場滲透率，若沒有達到其心理閾值，將不再考慮購買電動汽車。

用戶在選購大宗耐久性產(chǎn)品時的參與度較高，在決策前會綜合全面的評估待選產(chǎn)品。因此，本文提出綜合考慮經(jīng)濟性、技術(shù)成熟度、社會效益以及環(huán)境效益的用戶綜合效用模型，用以評估不同車型給用戶帶來的效用值，如下式所示：

u＝α×uc+β×ut+γ×us+δ×ue

α+β+γ+δ＝1

其中，uc、ut、us、ue分別表示購買某產(chǎn)品給用戶帶來的經(jīng)濟效用、技術(shù)成熟度效用、社會效用值和環(huán)保效用，α,β,γ,δ分別為用戶對各屬性的傾向程度，不同用戶擁有互異的屬性參數(shù)；

(1)經(jīng)濟效用

其中，經(jīng)濟性是影響用戶購車決策最重要的指標(biāo)之一，本文經(jīng)濟效用采用汽車年擁有成本catco來衡量，其主要包括汽車購買成本等年值cpur和汽車年使用成本cope兩個部分：

catco＝cpur+cope

rsale＝(1-rdep)^tpveh

cope＝repedveh+cm+tuse+cis

其中，pveh為汽車售價，tpur為購置稅，ssub政府補貼，p為貼現(xiàn)率，t為汽車使用壽命，rsale為汽車殘值，rdep為汽車折舊率，re為汽車能耗率(l/100km或kwh/100km)，pe為能源價格(元/l或元/kwh)，dveh為用戶年行駛距離，cm為維護成本，tuse為車輛使用稅，根據(jù)排放水平收取，cis為保險費，保險費用的計算公式為：

cis＝0.01kpveh+950+1480k

其中，k為商業(yè)保險折扣因子，取k＝60％。

將汽車對于用戶的經(jīng)濟效用值定義為：

其中，上標(biāo)i,j分別表示車型i和車型j，且車型i的年擁有成本較低；

(2)技術(shù)成熟度效用

除經(jīng)濟性之外，汽車性能也是影響用戶決策的重要因素，但由于其涉及動力性、操控性、平順性、舒適性以及可靠性等多個方面，且當(dāng)前電動汽車還處于發(fā)展初期，很難逐個進行具體評估，因此，本文利用技術(shù)成熟度作為綜合指標(biāo)去衡量汽車性能。因常規(guī)燃油汽車已經(jīng)歷長時間的考驗，各項技術(shù)已趨成熟，取其技術(shù)成熟度效用為1。作為新興產(chǎn)品，電動汽車的性能也將隨著技術(shù)革新不斷改善，受限于化學(xué)和物理規(guī)律，越接近極限，改進速度所需時間越長，因此，本文采用logistic增長曲線模型型描述電動汽車技術(shù)成熟度的演化規(guī)律：

其中，a和b為模型參數(shù)，為大于零的常數(shù)，t為時間變量，它們共同決定了增長曲線的形狀，且邏輯曲線的拐點出現(xiàn)在t＝lna/b；本文重點在于提出電動汽車市場演化分析的方法，汽車性能屬于外部設(shè)定環(huán)境變量，沒有具體給出詳細(xì)的參數(shù)擬合方法，也屬于現(xiàn)有技術(shù)，在此不再贅述。

(3)社會效用

根據(jù)社會學(xué)原理，用戶通過社會網(wǎng)絡(luò)與同事、親朋和鄰居等相關(guān)群體緊密聯(lián)系，用戶的決策行為不僅受自身經(jīng)濟效益的激勵，也會受到與之相連的具有相同社會地位的其他社會成員的行為及其結(jié)果的影響，即用戶行為存在“同群效應(yīng)”，該效應(yīng)會顯著影響產(chǎn)品的市場演化過程。利用產(chǎn)品在用戶相關(guān)群體中的滲透率刻畫其社會效用：

其中，ki為社交網(wǎng)絡(luò)中與用戶i相連的用戶數(shù)，a為用戶之間的連接矩陣，如果i和j相連，則aij＝1；否則aij＝0；xj表示用戶j是否擁有目標(biāo)產(chǎn)品，若擁有，則xj＝1；否則xj＝0。研究發(fā)現(xiàn)，社會系統(tǒng)具有明顯的小世界特性，可以隨機生成小世界網(wǎng)絡(luò)用以描述用戶之間的連接關(guān)系。

(4)環(huán)保效用

常規(guī)燃油汽車的污染物排放是加劇城市霧霾天氣的重要推手，而電動汽車作為一種安靜、環(huán)保的創(chuàng)新產(chǎn)品，相較于常規(guī)汽車擁有顯著的非貨幣價值優(yōu)勢。研究發(fā)現(xiàn)，隨著環(huán)境問題日益嚴(yán)重以及用戶環(huán)保意識的提高，人們更愿意為環(huán)保型產(chǎn)品支付一定高于常規(guī)產(chǎn)品的溢價比(willingnesstopaymore,wtpm)。該指標(biāo)大小與用戶的環(huán)保意識、對新技術(shù)的追求程度、收入水平、社會地位以及教育水平等諸多因素相關(guān)，可通過調(diào)查問卷統(tǒng)計分析的方式獲取。因電動汽車在使用過程中不排放尾氣，因此其環(huán)保效用為1；對于常規(guī)汽車，根據(jù)用戶的環(huán)保意愿，利用下式刻畫其環(huán)保效用：

能量的補給方式是燃油汽車與電動汽車的本質(zhì)區(qū)別之一，充電設(shè)施的配套不完善以及相對較低的續(xù)航里程是制約電動汽車發(fā)展的重要因素。本文構(gòu)造式(12)所示的充電便利度指標(biāo)，并將其納入用戶的購車選擇模型，該指標(biāo)主要取決于家用充電設(shè)施安裝難度、公共充電設(shè)施的配置情況、用戶日均駕駛距離以及電動汽車?yán)m(xù)航里程等參數(shù)。

其中，d為用戶日行駛距離，l為電動汽車?yán)m(xù)航里程，h為家用充電設(shè)施安裝難度因子，c為公共充電設(shè)施覆蓋度，用電動汽車滲透率近似代替，ε為調(diào)節(jié)因子，取為4。

最后，通過改進離散選擇logit模型，綜合考慮汽車產(chǎn)品各方面的效用值及其充電方便程度，得到用戶購買電動汽車的概率行為模型為：

其中，uev和ucv分別為該用戶根據(jù)綜合效用模型計算得到的電動汽車和常規(guī)汽車效用值。

用戶的購車決策模型框架如圖3所示，用于用戶根據(jù)方案評估結(jié)果，并綜合考慮不同車型在相關(guān)群體中的滲透情況，采用隨機選擇理論進行購買行為；如果因電動汽車供應(yīng)能力不足，暫無制造商提供目標(biāo)車型對應(yīng)的電動汽車選項、感知的電動汽車市場滲透率未達到用戶的心理閾值或者電動汽車年擁有成本超過用戶的承受范圍，則該用戶直接購買常規(guī)汽車；可見，電動汽車的市場演化由用戶的個體購車決策行為及其用戶之間的交互影響共同驅(qū)動。

其中，電動汽車市場滲透率為：

λev＝nev/nv

其中，nv為用戶感知區(qū)域內(nèi)汽車總量，nev為該區(qū)域內(nèi)電動汽車數(shù)量。

購后行為：將購買結(jié)果通過社會網(wǎng)絡(luò)告知其他用戶，即用戶agent將今年是否購買電動汽車的決策結(jié)果狀態(tài)以“點對點”的消息發(fā)送機制傳遞給通過社會網(wǎng)絡(luò)與之相連的其他相關(guān)用戶。

本發(fā)明的有益效果為：

1.將多代理系統(tǒng)應(yīng)用于電動汽車的市場演化分析，基于消費者行為學(xué)理論構(gòu)建了電動汽車市場演化多代理模型，通過模擬研究區(qū)域中個體用戶逐年的微觀購車行為，觀測該區(qū)域汽車市場的宏觀動態(tài)演化過程；

2.提出了綜合考慮年擁有成本、技術(shù)成熟度、社會效用和環(huán)保效用的用戶綜合效用模型，并將衡量充電設(shè)施配置情況的充電便利度指標(biāo)納入到用戶購車概率選擇模型中；

3.考慮了用戶由于社會經(jīng)濟屬性的不同導(dǎo)致的購車行為的異質(zhì)性及其相關(guān)群體用戶決策之間的交互影響；

4.通過產(chǎn)品滲透率閾值模型描述了新產(chǎn)品的市場慣性現(xiàn)象，并利用產(chǎn)品帶給用戶的社會效用指標(biāo)體現(xiàn)了用戶之間的同群效應(yīng)。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。