IDEAS: Information-Driven EV Admission in Charging Station Considering User Impatience to Improve QoS and Station Utilization

我们的研究深入探讨了在电动汽车(EV)充电站高峰期用户的行为，特别关注了不耐烦如何驱动排队的放弃（不加入队列）和退出（提前离开队列）。我们引入了一个代理模拟框架，将用户的乐观水平（悲观、标准和乐观）纳入了排队动态。与以往的研究不同，这个框架突出了人类行为在塑造高峰期站点效率方面的关键作用。模拟显示一个关键问题：由于缺乏队列信息，经常发生放弃，从而造成用户的困境。为了解决这个问题，我们提出了实时共享等待时间指标的建议，以便在站点到达时向到达的EV用户提供更好的服务质量(QoS)，并展示了减少退出（高达94%）以改善充电操作的显著效果。进一步分析表明，充电速度在80%以上显著降低，但大多数用户由于里程焦虑而优先选择充满电，导致排队时间更长。为了解决这个问题，我们提出了一种两模式、两端口的充电器设计，具有功率共享选项。这使用户可以快速充电到80%，并自动切换到慢充电，在第二个端口实现快速充电。因此，快速充电器的可用性和吞吐量可提高5%。随着移动领域向智能交通的转变，我们的建模框架将人类决策与自动化规划相结合，为优化充电站效率和提高用户体验提供了宝贵的见解。这种方法在新站点引入阶段尤其相关，因为历史数据可能有限。

研究用户行为如何影响电动汽车充电站的效率，特别是在高峰期，探讨人类行为在塑造充电站效率方面的关键作用。提出了一种考虑用户乐观程度的代理模拟框架，揭示了缺乏排队信息会导致用户犹豫不决的问题。

提出实时共享等待时间指标的解决方案，以改善用户体验并显著减少放弃排队的情况。同时，提出一种双模式、双端口充电器设计，以提高快速充电器的可用性和吞吐量。

实验结果显示，提供等待时间指标可以减少放弃排队的情况。双模式、双端口充电器设计可以提高快速充电器的可用性和吞吐量。该模拟框架可以为优化充电站效率和改善用户体验提供宝贵的见解。

最近的相关研究包括：《Electric Vehicle Charging Station Management: A Review of Optimization Models》、《Electric Vehicle Charging Station Management: A Review of Intelligent Approaches》、《Optimization of Electric Vehicle Charging Station Placement and Charging Infrastructure Planning》等。