EN中文

Economic geography >

2025 , Vol. 45 >Issue 11: 149 - 159

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.11.015

Study on Supply Pattern and Spatial Adaptability of Charging Facilities in Changsha

  • PENG Peng , 1, 2 ,
  • FENG Yuming , 1, ※ ,
  • HUANG Junlin 1, 2 ,
  • GAO Xiaotong 1 ,
  • XU Leining 1
Expand
  • 1. School of Geographic Sciences，Hunan Normal University，Changsha 410081，Hunan，China
  • 2. Hunan Key Laboratory of Geospatial Big Data Mining and Application，Hunan Normal University，Changsha 410081，Hunan，China

Received date: 2023-12-14

  Revised date: 2024-03-30

  Online published: 2025-12-23

Fold

Abstract

Electric vehicle charging stations play an important role in China's new infrastructure strategy. The article considered the walking convenience of drivers and passengers in the process of charging electric vehicles and obtaining other services, used the point of interest (POI) data obtained from AutoNavi open platform and road-net data based on Open Street Map (OSM), and adopted the method of exploratory spatial data analysis, modified Gaussian two-step floating catchment area based on the Gaussian distance decay function and blank areas to calculate the supply pattern and spatial adaptability of charging facilities within the Third Ring Road of Changsha. The results show that: 1) The spatial distribution of charging stations shows a T-shaped agglomeration tendency in the whole region, the density of stations decreases from the central urban to the suburban area, which is consistent with the spatial distribution of road network and public facilities; 2) In general, the spatial adaptability level between charging stations and all kinds of public facilities is not high, and there is a great difference in the adaptability of charging stations and public facilities in different urban functional areas; 3) The dominant blind areas are distributed in the urban fringe, including northeast, southeast and near Gushan Park, the recessive blind areas are mainly concentrated in the central urban areas, which are important target regions for further optimizing the layout of public charging stations.

Key words： charging stations; public facilities; Gaussian two-step floating catchment area method; adaptability; Changsha City

Cite this article

PENG Peng , FENG Yuming , HUANG Junlin , GAO Xiaotong , XU Leining . Study on Supply Pattern and Spatial Adaptability of Charging Facilities in Changsha[J]. Economic geography, 2025 , 45(11) : 149 -159 . DOI: 10.15957/j.cnki.jjdl.2025.11.015

以新能源汽车充电站为代表的充电基础设施是新型基础设施的重要组成部分[1]和重点建设领域[2]。2018年中央经济工作会议首次提出“新基建”概念以来，“新基建”的内涵就在不断地扩展和完善，从最初的5G、人工智能、工业互联网、物联网扩增到数据中心、新能源充电桩等[3]。国家能源局与中国充电联盟发布数据显示，2023年我国充电基础设施数量达到859.6万台，同比增长65%。但是，我国的充电基础设施空间分布并不均衡，充电基础设施在建设过程中往往采取非一即零的方式[4]，最终降低了其整体利用效率。此外，新能源汽车充电站与传统加油站相比，具有占地小、危险性低等优势，但充电所耗时间相较于加油过程更长的缺点，导致更多消费者希望娱乐、餐饮、科教文卫等公共设施能够和充电站适配布局，以便在车辆充电时就近获得其他服务[5]。
随着新能源汽车充电站建设的加速推进，学界也出现众多与充电站规划建设的相关研究。从研究领域来看，电力能源领域是充电站研究的主力，其研究范围涉及充电桩的结构设计[6]、选址定容[7]、原理和技术方法的阐述汇总[8]等，研究内容具有较强的专业性，部分涉及对布局过程中地理影响因素的考量[9]；经济管理领域主要侧重于分析汽车充电站建设的运维成本[10]、政策的支撑和演化过程[11]，并从多方利益相关者的视角来探讨政策的可行性和后续优化方案[12]；在交通运输领域，单一交通工具视角下的充电站选址布局[13]是重要研究对象，研究理论与方法主要涉及排队论[14]、Logit模型[15]、TSLM模型[16]、粒子群优化算法[17]、遗传算法[18]等。三大领域的研究提供了不同学科背景下汽车充电站选址的方法和区域案例，研究尺度从单个充电桩到若干街区不等，但由于各自学科属性的限制，中观地理空间尺度的充电站规划布局研究略显不足。新能源汽车充电站是公共基础设施的重要组成部分，公共基础设施的可达性或适配性是地理学，特别是城市地理和交通地理研究的重要领域。本文所探讨的“适配性”，特指新能源汽车充电站与公共设施在空间布局上的协同匹配程度，其核心内涵在于突破传统可达性与覆盖度的单一维度局限，强调双重互动特征：一方面，它包含供需两端的双向选择行为——既体现新能源汽车司乘人员在充电时对周边公共设施的服务需求选择，也反映公共设施布局对充电站选址的反向吸引作用；另一方面，它涵盖复合需求的耦合特征，整合了充电这一核心需求与餐饮、休闲、政务等衍生需求的空间关联，关注多类需求在时空维度上的叠加效应。与其相关的测度方法主要有距离法[19]、机会累积模型[20]、空间相互作用模型[21]等。作为空间相互作用模型的重要组成部分，高斯型两步移动搜索法（Ga2SFCA）应用较为广泛，以其原型[22-23]为基础发展出了包括引入距离衰减函数、扩展搜索半径种类、考虑多交通模式等多种改进形式[24]，应用领域主要集中在公园绿地[25]、医疗[26]和养老机构[27]等公共设施布局方面，而在新基建，特别是充电站的适配性方面应用较少。
目前，特大城市新能源汽车充电站的空间研究主要集中在以南京[28]、青岛[29]为代表的东部城市，且针对公共充电站的研究多为区县或街道社区尺度，较少基于车主出行视角来考虑充电与其他日常行为的全过程，城区内部精细尺度的充电站与其他公共设施适配性分析相对不足，难以对现有公共充电站的空间布局进行准确评估。长沙市2020年成为我国14座特大城市之一，其充电站规划与选址的相关研究对于促进中部地区特大城市充电站的合理布局与发展具有一定的代表性和现实意义。
在此背景下，本文基于新能源汽车司乘人员为汽车充电和步行获取其他服务的情境，利用公开的充电站和公共设施点位数据，将引入距离衰减函数的改进型高斯两步移动搜索法扩展运用到充电基础设施领域，同时采用盲区分析等方法，探讨长沙市新能源汽车充电站与公共设施的空间适配性，最后根据研究结果提出相关政策建议。

1 研究区、数据来源与研究方法

1.1 研究区概况

长沙市位于湖南省东部偏北，是湖南省会、长株潭城市群核心城市和长江中游城市群重要中心城市。2021年2月，湖南省人民政府办公厅提出要进一步加快全省电动汽车充（换）电基础设施建设，长株潭都市圈公共充电桩与电动汽车比例要达到国内先进水平，长沙市中心城区公共充电设施服务半径不应超过1km。充电基础设施管理平台数据显示，目前湖南省新能源汽车保有量达50万辆，已建公共充电桩突破5万台，其中长沙占全省比重约55%；2023年上半年长沙市新能源汽车充电量4104.93万kW·h，同比2022年增长54.79%。长沙城市主体主要位于河东集中连片区，省政府和市政府的外迁分别带动了河西和天心区南部人口与公共设施的集聚，目前已与主城区连片发展，形成“T”字型空间格局。鉴于公共充电站在长沙正处于加速布局建设阶段，而长沙市三环（绕城高速）以外大部分为农村地区，公共充电站保有量少，因此选择长沙市三环以内作为研究区域，该区域是长沙城市发展的主体部分，集聚了全市75.9%的人口和77.3%的新能源公共充电站，能够很好地反映充电站快速布局背景下城区公共充电站供给及其与公共设施的空间适配格局。新能源汽车有两种补给方式，即充电和换电。因换电站建设成本高、普及难，长沙市内仅有少量换电站。因此，本文仅针对公共充电站开展研究。

1.2 数据来源

OSM路网数据。从Open Street Map网站（http://download.geofabrik.de/asia.html）中筛选长沙市高速公路、一级道路、二级道路、三级道路和其他道路，对路网进行拓扑处理，包括将道路延长以处理未连接的道路网，修剪路网中的悬挂道路及独立路段，将道路空间从研究区内移除，生成独立的地块单元，最终得到2375个地块单元。
POI数据，包括公共充电站与各类公共设施。本文结合住建部制定的《城市居住区规划设计规范（GB50180-93）》与车主充电行为的相关研究[20]，根据用户出行需求和目的，按个人事务、工作通勤、休闲娱乐、餐饮聚会等将公共设施进行归类，以期发现基于用户出行目的导向的充电站与公共设施的空间适配规律。在点位爬取与处理过程中，运用Python3.10从高德地图开放平台获取长沙市三环内公共充电站和公共设施点位数据，经过数据清洗、筛选后得到公共充电站位956个，公共设施点位108555个。然后根据车主个人偏好，将公共设施分为个人事务类（33054个）、工作通勤类（27057个）、休闲游憩类（23595个）和餐饮购物类（24849个）4个大类（表1）。其中，科教文化设施剔除临时展览场地和注明的寄宿制学校，仅保留常态化开放的教育机构、图书馆、博物馆、文化馆等；医疗保健设施仅纳入二级及以上综合医院、专科医院，剔除社区卫生服务站、小型诊所，此类设施人流量较小，与充电站的功能协同性较弱；交通设施排除公交地铁站点、临时停车场，仅保留火车站、汽车站、河港等大型交通枢纽；风景名胜设施排除未开发的自然景区，仅保留配备停车场的公园、广场及大型景区；餐饮服务设施排除流动摊贩、早餐车等临时点位，仅保留有固定经营场所的餐饮门店；购物服务设施剔除小型便利店，聚焦商场、商业街、大型超市等具备停车条件的商业体，并删除暂停营业的无效点位，选取数据通过Python3.10进行坐标转换，由GCJ-02坐标系转换为WGS84坐标系。
表1 公共设施分类

Tab.1 Categories of public facilities

大类 中类 小类
个人事务类 机构团体 政府机关、社会团体
科教文化 学校、各类文化场馆
医疗保健 综合医院、专科医院
金融保险 银行、保险公司、证券公司、财务公司
工作通勤类 公司企业 知名企业、公司、工厂
交通设施 港口码头、火车站等
休闲游憩类 风景名胜 公园广场、风景名胜
体育休闲 大型运动场馆、开放休闲场所、影剧院
住宿服务 宾馆、酒店
餐饮购物类 餐饮服务 中餐厅、外国餐厅、茶艺馆、咖啡厅
购物服务 商场、商业街、大型超市、各类综合市场

1.3 研究方法

1.3.1 标准差椭圆

标准差椭圆能够反映研究对象要素在空间上的方向分布，在地理学方面应用极为广泛[30]。本文利用标准差椭圆对长沙市三环内部地区充电站分布现状进行分析，反映充电站分布的方向性。

1.3.2 核密度估计

核密度估计法是以空间中某一点周围的规则区域作为计算范围，通过计算该区域内观测点数据的密度来分析研究对象的空间分布特征的方法。本文利用该方法来呈现长沙三环内公共充电站空间分布的相对集中程度，计算方程及参数详见相关文献[31]。

1.3.3 探索性空间数据分析

探索性空间数据分析（exploratory spatial data analysis，ESDA）是一套用于描述和可视化空间分布，识别非典型位置或空间异常值的技术[32]，涉及全局和局部空间自相关分析两个方面。
在全局空间自相关中，选择Global Moran's I统计量来判断公共充电站的集聚特征，计算方程及参数详见相关文献[33]。在此基础上，继续采用高/低聚类分析（Getis-Ord General G）来判断集聚类型，相关计算方程及参数详见文献[34]。

1.3.4 改进型高斯两步移动搜索法

基于日常生活的新能源汽车充电情景表现为：车主往往选择在日常出行活动过程中的闲暇时间对新能源车进行充电。中国电动汽车充电基础设施促进联盟发布的《2023中国电动汽车用户充电行为研究报告》显示，全国用户平均单次充电时长为47.1 min，其中快充占比达95.4%。由于新能源车充电需要一定时间[35]，因此车主和同乘人员往往选择到附近的公共设施进行休闲、餐饮活动或者个人事务处理，并在活动完毕后步行返回充电站取车离开。在考虑新能源汽车充电需求的基础上，距离充电站较近的公共设施就成为车主进行消费活动或个人事务处理的优先选择。基于以上行为特点，引入高斯距离衰减函数，构建高斯两步移动搜索模型，对新能源汽车公共充电站与不同类型公共设施的空间适配性进行实证分析，具体函数如下：
G d i j = e - 1 2 × ( d i j d 0 ) 2 - e -   1 2 1 - e -   1 2 ,   d i j ≤ d 0 0                                           ,   d i j d 0
式中： d 0为车主在公共设施和充电站之间步行的极限距离，充电站的空间布局应符合其服务半径要求，以15 min社区生活圈所界定的1 km作为极限距离[36]； d i j为 d 0范围内公共设施i与充电站j之间的距离。
在供给方面，以各单元内部的新能源公共充电站作为供给点，以车主从公共设施到充电站的极限距离为半径进行搜索，并对搜索半径内的公共设施数量进行统计汇总，然后引入高斯距离函数进行权重赋值，计算公共充电站的充电服务能力 R j：
R j = S j ∑ k ∈ { d k j ≤ d 0 } G ( d i j ) D k
式中： S j为单元区域内的充电站数量； D k为公共设施数量。
在需求方面，以各单元内部不同类型的公共设施作为需求点，以车主从公共设施到充电站的极限距离 d 0为半径，搜索半径内的新能源公共充电站数量，并引入高斯距离衰减函数，对新能源公共充电站的充电服务能力 R j进行求和，最终得到不同类型公共设施下的新能源公共充电站的可达性 A i D，具体公式表示为：
A i D = ∑ j ∈ { d ≤ d 0 } G d i j R j
式中： A i D值越大，表明新能源公共充电站与该类公共设施的适配性越好；反之，则越差。以500 m正方形网格作为适配性分析的最小研究单元，网格总数为2841个。

1.3.5 盲区分析

充电站服务盲区包括显性盲区和隐性盲区两类[37]，前者是指公共充电站服务半径未覆盖到（ A i D=0）的区域；后者是指虽然该地区的公共设施位于公共充电站覆盖范围内（ A i D>0），但由于其密度过高，超过了公共充电站的服务能力，导致大量车主无法获得充电服务。本文主要结合公共设施密度和适配性指数对隐性盲区进行识别。

2 结果分析

2.1 公共充电站供给格局

2.1.1 空间分布特征

从全域标准差椭圆分布结果（图1a）来看，长沙市河东地区充电站的数量优势使得全域标准差椭圆中心更靠近河东分布中心，充电站分布空白地区多位于城市边缘区且面积广大。从局域来看，河东地区标准差椭圆方向性明显，呈现“东北—西南”向分布格局，南部省政府—汽车南站地区的充电站分布密集，使得标准差椭圆中心位于相对靠南的芙蓉区政府附近；河西地区标准差椭圆中心位于望城坡—汽车西站，椭圆内部充电站基本集中布局在平均中心偏北的路网密集地区，表明充电站分布与道路密度相关性较高，椭圆南北部分基本无充电站布局，这两部分地区分别受岳麓山、谷山地形限制，从而影响了充电站的选址布局。
图1 公共充电站空间分布特征

Fig.1 Distributions of public electric vehicle charging stations

借助ArcGIS对长沙三环内部地区充电站分布进行空间核密度估计，并依据自然间断点法将充电站核密度值分为8级进行可视化（图1b）。长沙市全域充电站分布呈现“T”字型空间格局，充电站核密度一级核心区有4个，分别为省政府—汽车南站、望城坡—汽车西站、烈士公园—马王堆、四方坪等地区；二级核心区除了分布在4个一级核心区周围外，还集中在高桥、板塘等地区；三级核心区除了分布在上述提到的二级核心区周围外，还分布于市政府、星沙、梅溪新天地等地区；四级核心区除了围绕三级核心区分布外，还有秀峰山、月亮岛西、长沙南站、泉塘、板桥5个团状地区以及天马—洋湖新城这一带状地区。
由充电站核密度分析结果可知，充电站核密度热点均集中在交通便利、人流量大、通勤率高、商业经济活动集聚的区域，如省政府—汽车南站地区为政府和大型交通场站所在地，烈士公园—马王堆为旅游娱乐热点区，这些地区人口、车辆流动密集，对汽车充电有较高需求，在空间上表现为高密度的热点区。而随着长沙人口继续增长、城市基建快速发展，梅溪湖、洋湖新城等区域也将陆续成为充电站的热点分布地区。但相较于上述地区，部分市域还存在大片的充电站分布空白区域，如岳麓区南北两侧、长沙县东南及东北地区等。结合所在区域的自然地理环境与社会经济发展状况，这些地区多为山地丘陵地貌的大型景区及农村，人口较少、交通不便，充电站建设成本较高、维护不便，导致其分布的核密度值较低。

2.1.2 空间自相关特征

为了更好地分析长沙三环内部地区充电站的空间集聚情况，以OSM路网单元为面要素对研究区域进行全局空间自相关分析，发现研究区充电站数量Moran's I为0.078，Z得分为21.048，两值均大于0且通过检验（p<0.01），证明区域内充电站分布具有较强的空间集聚性。General G观测值为0.031，Z得分为6.867且通过检验（p<0.01），说明在集聚类型上，充电站高值区集聚明显。
进一步运用空间热点分析工具进行局部空间自相关分析，发现长沙三环内部地区充电站规模高值区与核密度分析结果存在一致性（图2a），热点区域主要包括在省政府—汽车南站、烈士公园、市府西3个大型组团和四方坪北、秀峰山、板桥3个小型组团；东南城乡结合部组团是最大的冷点区域，此外还包括马栏山、松雅湖东南、马厂、麓谷工业园和谷山公园4个小型组团。聚类和异常值分析结果（图2b）显示，充电站低—高异质区环绕省政府—汽车南站、烈士公园、市府西3个高值区组团分布且部分侵入到高值区内部，属于高值向低值区过渡的地带；低—低异质区除马栏山组团外，主要分布在三环附近的城市边缘区，包括谷山公园、麓谷工业园以及东南、东北城乡结合部4个组团；高—低异质区主要围绕东南城乡结合部、麓谷工业园、马栏山3个低值组团呈离散状态分布。新能源汽车充电站多布局在路网密集地区和汽车场站周边，经济和实用性导向较为明显，且目前长沙充电站仍处在加速部署的阶段，这导致了充电站空间分布非均衡的现状。
图2 公共充电站空间聚类特征

Fig.2 Clustering features of public electric vehicle charging stations

2.2 适配性分析

2.2.1 公共设施分布

总体来看，四类公共设施在三环内部地区呈“T”字型布局，主要分布在中心城区，与充电站在空间布局上存在一致性，省政府、梅溪湖、星沙及其周边的公共设施密度为中等水平，高密度区除“T”字型沿线地区外，还包括月亮岛西以及天马—洋湖新城沿线地区；东北、西北及东南部多为城乡结合部和森林或大型公园用地，公共设施密度相对较低（图3）。个人事务类、餐饮购物类设施的空间分布规律较为一致；休闲游憩类设施覆盖地区单元数量明显少于其他三类公共设施，中高密度区分布范围更为集中，地区单元设施数量最高可达632座，高密度地区单元集中分布在中心城区，与低密度区域存在显著的数量水平差异；相较于其他三类设施，工作通勤类设施空间分布相对均衡，除“T”字型沿线地区外，东南城乡结合部地区的工作通勤类设施数量显著高于其他类设施。
图3 公共设施密度分布

Fig.3 Density distributions of public facilities

2.2.2 适配性评价

通过纳入距离衰减函数的改进型高斯两步移动搜索法计算出各类公共设施与公共充电站的适配指数，然后基于几何间隔法将计算结果分为不适配、低、较低、一般、较高、高，共6个等级（表2）。适配指数越高，表示在该地区单元内部，新能源汽车司乘人员在为汽车充电和获取其他服务两种活动之间的步行便捷性越高。公共设施与充电站的适配性均值为0.042，个人事务、工作通勤、休闲游憩、餐饮购物四类设施分别为0.028、0.037、0.059、0.045，除休闲游憩和餐饮购物类设施外，其他两类公共设施与充电站适配水平低于平均水平。
表2 长沙市三环内充电站适配性水平分级统计

Tab.2 Statistics of adaptability level of charging stations within the Third Ring Road， Changsha

适配等级 个人事务类 工作通勤类 休闲游憩类 餐饮购物类
数量（座） 占比（%） 数量（座） 占比（%） 数量（座） 占比（%） 数量（座） 占比（%）
高 273 9.61 122 4.29 136 4.79 262 9.22
较高 697 24.53 600 21.12 391 13.76 763 26.86
一般 642 22.60 947 33.33 1022 35.97 727 25.59
较低 342 12.04 568 19.99 635 22.35 193 6.79
低 399 14.04 116 4.08 169 5.95 408 14.36
不适配 488 17.18 488 17.18 488 17.18 488 17.18
从公共充电站适配性的空间分布上看（图4），适配性等级高和较高的单元较少，分别占各类公共设施所在单元总数的34.14%、25.41%、18.55%和36.08%，主要分布于月亮岛—汉王陵公园、省政府—黑石铺、四方坪—长沙大学—苏家圫、汽车东站、望新—梅溪湖西、长沙南站附近；适配性等级一般的公共设施占各类公共设施总数的22.60%、33.33%、35.97%和25.59%，除环绕高适配性地区分布外，主要集中在岳麓山、洋湖新城、烈士公园—马王堆附近；适配性等级低和较低的公共设施分别占各类公共设施总数的26.08%、24.08%、28.30%和21.15%，主要分布于谷山、桃花岭以及湘江两侧的中心城区，形成适配“洼地”。
图4 公共充电站适配性空间分级结果

Fig.4 Spatial classification results of adaptability of public charging stations

从不同类别公共设施之间来看，餐饮购物及个人事务类设施与充电站的适配性较好，工作通勤类设施次之，休闲游憩类设施与充电站的适配性较差。这是因为大型餐饮购物类设施因自身盈利需要，为车主提供充电服务的同时，增加了其在商业场所内的逗留时间，继而为商户带来更多消费客流；个人事务类设施多为政府机关、学校等事业单位，具有社会公益属性，内外部充电站点分布密集，配置相对健全；休闲游憩类设施相对于其他三类设施数量较少，且空间分布比其他类设施更加集聚，导致更多设施仅覆盖少量的充电站，总体适配性较差。

2.2.3 盲区分析

目前长沙市三环内仍存在一些适配性指数为0的显性盲区（图5），其涉及面积占区域总面积的17.18%，包括捞刀河—松雅湖东北、东南城乡结合部、谷山公园及西部三大组团。其中捞刀河—松雅湖东北组团涉及面积最广，占显性盲区总面积的56.70%；东南城乡结合部组团面积占比为24.63%；谷山公园及西部组团面积占比为18.67%。以湘江为界，河东与河西显性盲区成因各不相同，河东显性盲区覆盖地区多为城乡结合部，这类地区经济社会发展水平相对落后，人口较中心城区相对稀疏；河西显性盲区位于谷山森林公园附近，属于大型公园绿地，除公共设施分布空白地区外，这些地区由于无法被公共充电站有效覆盖，车主充电存在很大不便。
图5 显性适配盲区分布

Fig.5 Distributions of visible blank areas

将步行情境下各类公共设施密度大于平均水平、适配性指数小于平均水平的区域进行叠加分析，得到公共充电站服务的隐性盲区（图6）。隐性适配盲区存在显著集聚特征，主要集中在中心城区，此外松雅湖南、梅溪湖北也存在小型隐性盲区组团，虽然这类地区充电站数量水平相对于其他地区较高，但高度密集的公共设施使得现有公共充电站数量无法满足需求，从而形成隐性盲区。从不同类型公共设施来看，个人事务类、休闲游憩类和餐饮购物类设施与充电站适配的隐性盲区面积较大，而相对均衡的空间分布状况使得工作通勤类设施与充电站适配的隐性盲区面积要明显小于其他三类设施。上述两类盲区可通过增设充电站、开放部分专用充电站及鼓励私桩共享等方式来消除。
图6 隐性适配盲区分布

Fig.6 Distributions of invisible blank areas

3 充电站供给格局与适配性的形成机制

3.1 自然条件

长沙市城区地处湘江下游和长浏盆地西缘，城内为多级阶地组成的坡度较缓的平岗地带，丘岗起伏，湘江由南而北斜贯中部，河西的岳麓山、谷山和桃花岭对城区新能源汽车充电站的布局形成了空间约束，岳麓山与桃花岭周边的充电站沿环山公路零星分布，谷山地势相对较高，形成了河西地区最大的充电站分布空白区；区内湿地广布，除湘江外，其他湿地对于充电站空间布局的影响不大，相反一些城市湿地（洋湖、松雅湖湿地等）因为具有较好的生态功能，成为新城发展的主要区块，文化设施、生活设施和商业设施的集聚分布引导充电站在此大量布局，充电站与公共设施的适配性要好于中心城区。

3.2 经济成本

充电桩的成本主要包括建桩费用、土地租金、运营管理支出及硬件损耗补充几个方面。当前，充电站的建设和运营对于企业来说仍然面临较高的成本费用挑战。长沙市核心城区土地利用目前已达到饱和状态，老城区充电站增容改建难度大，可供使用的土地资源日益紧缺，由于充电站占地面积较大，较高的土地租金使得充电站布点数量和规模受限，城市边缘区尽管土地租金低，但充电需求不高，此外大量充电位被燃油车占据导致充电桩利用率低下，最终降低了运营企业的充电桩投资回报率，导致核心城区既有充电站无法满足需求，边缘区充电站分布几乎空白；城市新区由于土地租金相对较低，同时政策的引导推动充电站运营企业在此布局，使得这些地区充电站与公共设施适配性相对较高，但随着人口和公共设施数量的不断增长，部分新城（梅溪湖、洋湖新城）的公共充电站仍然无法满足充电需求。

3.3 用户出行特征

新能源充电站的布局与城市空间结构之间是相互作用的，城市空间结构内部各类公共设施的分布现状会影响充电站的空间布局，充电站的合理设置也会提高周边地区出行的便利性，从而引导公共设施在此布局，进而重新塑造原有的城市空间结构。实地调研发现，长沙市公共充电站主要集中分布在各类住宅小区、办公区域以及公共停车场，而大型公共设施（三甲医院、高等院校等）人流较为密集，在传统停车位已经难以满足停车需求的情况下，公共充电站分布密度与区内其他地区几乎无异，电动汽车充电面临着“一桩难求”的窘境。城市边缘区的公用充电站主要分布在大型旅游景区附近，原有的充电站在旅游旺季无法满足充电需求，在旅游淡季则大量闲置，说明公共充电站建设在早期阶段缺乏较为科学合理的规划，导致充电资源分布不均，无法满足现实需求。

3.4 政策引导

在传统的城市基础设施建设中，政府通常扮演着主导角色，通过统一规划和分期实施来推动项目建设。目前长沙市的充电站发展处于政府主导阶段，表现为一方面突出对新能源公交车、出租车以及单位公用车进行重点推广与补贴，这三类车辆在城区出行强度较高，对城市交通影响较大，往往具有较强的示范效应，伴随而来的是公共充电站在政府及企事业单位、公交场站的大量布局，这在一定程度上促进了充电站的建设，但这种由政府全面主导的规划模式往往对市场需求考虑不足，可能导致充电站布局与实际需求脱节；另一方面是为社会公共充电基础设施建设项目提供资金奖补，但由于政府无法进行持续投资，因此这种模式难以满足当前新能源汽车快速发展所带来的充电需求的提升，但如果政府完全放任企业自行投资建设，则可能会导致恶意竞争和无序发展，造成充电资源大量浪费。因此，政府应利用其规划、政策和资源调配的能力，为充电设施建设提供有力的指导和支持，充分尊重市场的灵活、高效和创新机制，确保充电站的建设与运营能够紧密贴合实际需求并持续健康发展。

4 结论与讨论

4.1 结论

本文以2022年公共充电站的点位分布作为研究对象，以长沙市三环以内作为研究区域，分析充电站的空间分布特征及其与四类公共设施的空间适配性，得出以下结论：
①长沙市公共充电站在空间分布上呈现“T”字型格局，与其他公共设施分布相对一致。核心城区交通便利、人流量大、商业经济活动集聚，充电站在此大量布局；城市新区伴随着人口的增长与基建的快速发展，也将陆续成为充电站的热点分布地区；城市边缘区多为山地、景区及农村，人口较少、交通不便，充电站建设成本高、维护不便，与中心城区的充电站数量水平存在较大差异，成为充电站分布空白区域。
②不同城市功能分区下的充电站与公共设施适配性存在较大差异。城市新区在规划建设过程中往往预留充电基础设施安装条件，土地占用及分配问题明显少于老城区，周边公共设施与充电站适配性较好；城市核心区域土地稀缺、用地紧张，充电站增容改建难度大，一定程度上制约了充电基础设施的进一步发展。从公共设施类型来看，个人事务类、餐饮购物类设施因自身公益或盈利属性，配套基础设施相对完善，充电站适配性较好；休闲游憩类设施分布相对集聚，更多的生活设施仅覆盖少量的充电站，总体适配性较差。
③长沙市充电站服务显性盲区主要分布在东北、东南和西北部等城市边缘区，区内公共设施无法被公共充电站有效覆盖与服务；中心城区充电站分布相对密集，但更密集的公共设施使得现有充电站服务压力较大，是隐性盲区的主要分布地区。

4.2 讨论

4.2.1 对策建议

伴随着新型基础设施建设的加速推进和新能源汽车市场占有率的快速提高，公共充电站在许多城市加速普及，已成为现代城市公共基础设施不可或缺的重要组成部分。既有研究大多从电力和交通领域分别考虑电力系统和交通流量对充电站布局的影响，而城市空间结构视角下充电站与既有公共设施布局之间协调适配的相关研究较为欠缺。
本文通过构建司乘人员在电动汽车充电过程中步行到公共设施获取其他服务的情境，探讨了车主在其他公共设施进行事务处理、休闲娱乐等行为过程中对电动汽车进行充电的便利性。研究结果表明中心城区密集分布的充电站滞后于高速增长的充电需求，这与已有研究结论相一致[20]，说明在新能源汽车市场规模日益扩张背景下，充电站等配套基础设施建设水平仍存在较大提升空间。在公共充电站空间分布的可视化过程中，采用了基于OSM的土地单元划分方法，更加贴合车主驾车找桩的情境，同时将基于距离衰减函数的改进型高斯两步移动搜索法首先运用到充电站与公共设施的适配性分析，可为后续相关研究提供方法借鉴。
北上广深和以成都、重庆、杭州等为代表的新一线城市根据充电站所在区域，对公共充电基础设施进行分类和统筹规划，公共充电站布局的基本原则从建设为主转向建管并重、从企业为主转向全社会多方参与、从单纯的建站补贴转向“建设+运营补贴”，不断简化既有公共设施内部充电站建设审批手续，同时将全域充电站桩纳入平台监管，提高了运营企业对充电设施建设和运营的主动性和积极性，促进了公共充电设施的良性发展。在城区用地日益紧张的背景下，各大城市已经把充电站建设纳入城市更新改造范畴，开始利用城市更新过程中获得的空地来增扩建公共充电站；北京、广州、杭州等城市围绕农家乐、旅游景点等场景，开始重点支持乡村公共充电设施建设及运营，提前谋划构建城乡全覆盖、空间分布相对均衡的公共充电网络。
长沙市新能源充电站与公共设施空间适配的显性盲区多为城市边缘区，在增建过程中可借鉴北京、重庆经验：由所属区（县）每年安排一定的建设用地，合理推进集中式公共充电场站建设，满足大型公共设施附近新能源汽车充电专用场地的用地需求，同时向重点旅游村进行延伸，加快城郊公路沿线、大型加油站等场所附近的充电站建设；针对隐性盲区所覆盖的中心城区，特别是河东老城区充电站数量滞后的问题，建议将城市更新过程中富余的空地、边角地、闲置地以及拟改扩建停车场优先作为公共充电站的保障用地，同时需要预留增减空间以满足后续充电站的动态配置和改造优化，在公共充电网络不完善、城市用地紧张的区域按需配置储能式移动充电车；继续秉持充电站建设“适度超前”的原则，根据新能源汽车保有量的变化情况，滚动编制充换电设施建设专项规划，以增强对充电站布局规划的导向和指引。在用户行为引导层面，可借鉴杭州经验：开发本地化充电引导App，通过数字平台实现充电资源动态调配。在充电高峰时段向用户精准推送闲置桩位信息，对充电高峰期自愿绕行充电的用户，按距离给予阶梯电价优惠，同时叠加可抵扣费用或兑换景区门票、餐饮折扣等积分奖励；根据充电站布局发展变化，适时动态调整激励力度，提升现有充电桩利用效率、减少用户充电等待时间。

4.2.2 不足与展望

首先，不同充电站内部的充电桩数量并不相同，由于数据获取及可靠性限制，本文研究对象为公共电动汽车充电站，无法具体到公共单桩和个人私桩，后续可通过获取站内充电桩数量、单桩充电行为数据和新能源汽车行驶路径数据，深入分析研究区域内新能源车主的充电需求，进一步优化汽车充电站的规模和布局；其次，由于城郊及乡村地区公共充电站并未普遍覆盖，本文研究区域仅限于长沙三环内部，无法更好地反映整个长沙市域的充电站适配情况，未来研究范围可以进一步拓展至县域农村地区，加强对城乡充电桩新基建的融合研究，防止新基建可能带来的新一轮城乡二元化风险[38]，让新基建更好地服务于城乡居民；最后，本文研究领域仅限于充电基础设施，而新能源汽车充电站作为新基建的重要组成部分，如何实现与其他新型基础设施的融合协调发展值得深入挖掘。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张佩, 王姣娥, 肖凡. 中国新基建发展的时空演变及驱动因素[J]. 地理科学进展, 2023, 42(2):209-220.

DOI

[2]
金凤君. 以“新基建”为牵引促进东北地区融合创新发展[J]. 学习与探索, 2021(1):120-124.

[3]
刘艳红, 黄雪涛, 石博涵. 中国“新基建”:概念、现状与问题[J]. 北京工业大学学报(社会科学版), 2020, 20(6):1-12.

[4]
张佩, 王姣娥, 马丽. 新基建助推区域协调发展的作用机制及优化对策[J]. 区域经济评论, 2022(5):30-36.

[5]
曹小曙, 胡培婷, 刘丹. 电动汽车充电站选址研究进展[J]. 地理科学进展, 2019, 38(1):139-152.

DOI

[6]
吴钟鸣, 卢军锋, 孙丽, 等. 可移动式电动汽车充电桩的设计[J]. 电力系统保护与控制, 2021, 49(23):148-154.

[7]
严干贵, 刘华南, 韩凝晖, 等. 计及电动汽车时空分布状态的充电站选址定容优化方法[J]. 中国电机工程学报, 2021, 41(18):6271-6284.

[8]
朱继忠, 何晨可, 陈婧韵, 等. 综合能源系统环境下电动汽车充换电设施规划综述[J]. 南方电网技术, 2022, 16(1):14-32.

[9]
郭春林, 肖湘宁. 电动汽车充电基础设施规划方法与模型[J]. 电力系统自动化, 2013, 37(13):70-75.

[10]
易校石, 祁宝川, 易正俊. 新能源电动汽车充电桩的优化选址[J]. 公路交通科技, 2022, 39(7):166-171,180.

DOI

[11]
卞芸芸, 黄嘉玲, 郑郁. 基于供需平衡的广州市充电基础设施规划探索[J]. 规划师, 2017, 33(12):124-130.

[12]
岳为众, 刘颖琦, 童宇, 等. 政府补贴在新能源汽车充电桩产业中的作用:三方博弈视角[J]. 中国人口·资源与环境, 2020, 30(11):119-126.

[13]
曹昉, 郑怡馨, 王斯琪, 等. 计及实时交通特征的电动公交车备用率与充电桩联合优化[J]. 电力自动化设备, 2024(4):127-134,150.

[14]
孟旭瑶, 张维戈, 鲍谚, 等. 考虑充电功率的电动汽车快充站充电设施优化配置[J]. 电力自动化设备, 2018, 38(7):28-34.

[15]
邵赛, 关伟, 毕军. 考虑排队时间和里程约束的竞争充电站选址问题[J]. 交通运输系统工程与信息, 2016, 16(6):169-175.

[16]
孙小慧, 刘锴, 左志. 考虑时空间限制的电动汽车充电站布局模型[J]. 地理科学进展, 2012, 31(6):686-692.

[17]
齐琳, 姚俭, 王心月. 基于改进粒子群算法的电动汽车充电站布局优化[J]. 公路交通科技, 2017, 34(6):136-143.

[18]
高建树, 王明强, 宋兆康, 等. 基于遗传算法的机场充电桩布局选址研究[J]. 计算机工程与应用, 2018, 54(23):210-216.

DOI

[19]
曾文, 向梨丽, 张小林. 南京市社区服务设施可达性的空间格局与低收入社区空间剥夺研究[J]. 人文地理, 2017, 32(1):73-81.

[20]
黄洁, 高阳, 付晓, 等. 基于出行链的新能源汽车公共充电站点可达性研究——以北京市为例[J]. 地理研究, 2022, 41(12):3305-3317.

DOI

[21]
高巍, 欧阳玉歆, 赵玫, 等. 公共服务设施可达性度量方法研究综述[J]. 北京大学学报(自然科学版), 2023, 59(2):344-354.

[22]
Radke J, Mu L. Spatial decompositions,modeling and mapping service regions to predict access to social programs[J]. Geographic Information Sciences, 2000, 6(2):105-112.

[23]
Luo W, Wang F H. Measures of spatial accessibility to health care in a GIS environment:Synthesis and a case study in the Chicago Region[J]. Environment and Planning B:Planning and Design, 2003, 30(6):865-884.

DOI

[24]
陶卓霖, 程杨. 两步移动搜寻法及其扩展形式研究进展[J]. 地理科学进展, 2016, 35(5):589-599.

DOI

[25]
王子琳, 李志刚, 程晗蓓. 社区网格尺度下城市密度对居民绿地暴露水平的影响——以特大城市武汉市为例[J]. 经济地理, 2022, 42(12):82-91,161.

DOI

[26]
Dai D J. Black residential segregation,disparities in spatial access to health care facilities,and late-stage breast cancer diagnosis in metropolitan Detroit[J]. Heath and Place, 2010, 16(5):1038-1052.

[27]
韩非, 罗仁朝. 基于可达性测度的城市社区居家养老服务供需匹配研究——以南京为例[J]. 经济地理, 2020, 40(9):91-101.

DOI

[28]
贾斯佳, 袁竞峰. 电动汽车基础设施选址定容研究——以南京市河西新城为例[J]. 科技管理研究, 2018, 38(1):223-232.

[29]
董美辰, 胡刚. 基于POI数据的汽车充电站空间布局特征及影响因素研究——以青岛市城区为例[J]. 青岛大学学报(自然科学版), 2023, 36(3):144-150.

[30]
贺三维, 王伟武, 曾晨, 等. 中国区域发展时空格局变化分析及其预测[J]. 地理科学, 2016, 36(11):1622-1628.

DOI

[31]
[美]王法辉, 基于GIS的数量方法与应用[M]. 姜世国,滕骏华,译. 北京: 商务印书馆, 2009.

[32]
Anselin L. Exploratory spatial data analysis in a geocomputational environment[M]. New York: Wiley, 1998.

[33]
李国平, 王春杨. 我国省域创新产出的空间特征和时空演化——基于探索性空间数据分析的实证[J]. 地理研究, 2012, 31(1):95-106.

DOI

[34]
王劲峰, 廖一兰, 刘鑫. 空间数据分析教程(2版)[M]. 北京: 科学出版社, 2019.

[35]
魏晓芳, 吕飞, 张宇峰, 等. 健康城市导向下新能源汽车充电桩的空间布局研究[J]. 城市建筑, 2023, 20(5):54-61.

[36]
李萌. 基于居民行为需求特征的“15分钟社区生活圈”规划对策研究[J]. 城市规划学刊, 2017(1):111-118.

[37]
赵兵, 李露露, 曹林. 基于GIS的城市公园绿地服务范围分析及布局优化研究——以花桥国际商务城为例[J]. 中国园林, 2015, 31(6):95-99.

[38]
高喆, 顾朝林, 顾江. “新型城镇化”与“乡村振兴”场景下新基建对产业转型的启示[J]. 经济地理, 2021, 41(4):8-14.

DOI

Options
Outlines

/

〈 〉