電動汽車充電樁設置課題之探討

最后采用重要性与满意度调查分析（IPA）分析顾客对充电桩服务性能的主观感受，并以满意度和重要性作为评价的基础，绘制二维矩阵图。作为本次调查的最终满意度分析结果。关键词：电动汽车、充电站、统计研究与分析、优化、兴趣与满意度调查（IPA）分析。

緒論

研究動機
研究目的
研究內容
研究範圍
研究流程與時程

采用情境分析和敏感性分析的方法，模拟不同情况造成的成本，为业务发展提供建议，以提高用户和潜在用户在使用中的满意度，同时增加潜在用户的购买力。确定主题，根据研究方向收集相关文献，然后根据用户心理设计相关调查问卷，作为公众使用时的满意度、重要性以及未来可能的分析。并通过此，基于LINGO，进一步研究电动汽车充电桩的优化设计。

文獻回顧

最佳化電動車充電樁配置數量

14 逢甲大学学生报告电子论文（2023）参考文献：电动汽车充电站战略配置研究（杨俊成，2013）、面向用户需求的电动汽车充电站优化规划模型研究（李胜伟等，201））、电动汽车充电设备需求响应配置模型（吕远等，2022）、电动汽车典型快速充电站优化运行配置方法（张露露等，2020）、电动汽车储能容量配置方法（张露露等，2020）考虑电池寿命的电动汽车充电站（李文超等，2019），基于空间过程模型-时间预测电动汽车充电需求（张文婷，2020）。

充電產業營運模式

参考文献：利用多目标遗传算法规划动态需求的电动汽车充电站设置（陈新凯，2014）、台湾保时捷充电网络布局策略（吴才如，2021）、台湾电动汽车需求侧的行业商业模式（陈玉辉2013).动态需求电动汽车充电站安装的多目标遗传算法规划（陈新凯，2014）。利用多目标遗传算法可以为决策者提供多组非支配解来选择用电地点。车辆充电站。（陈新凯，2014）。

充电站的布局策略不仅影响公众对电动汽车的接受程度和电动汽车的销量，也是集团整体电动化方向成功的关键（吴才如，2021）。

小結

研究方法

統計方法

抽樣誤差(Sampling Error)
信度分析(Reliability Analysis)
卡方檢定(Chi-Squared Test)
單因子變異數分析(One-way analysis of variance, ANOVA)

假设父个体可以按照两个分类标准进行分类，则可以用卡方检验来判断两个分类标准是否独立；其中，当卡方值小于0.05时，表示存在显着性差异，当两者存在显着性差异时，说明所分析的数据具有相关性。该卡方检验基于 Pearson 近似。单因素方差分析可用于比较两个样本的均值是否显着不同。在这种方法中，“Y”通常是变量和值，而“X”只是一个变量，因此“X”和“Y”之间的关系是单向的。 ANOVA用于检验原假设，即所有组中的样本都来自均值相同的总体，为此要检验总体标准差，这是基于不同的假设。ANOVA生成的F统计量，即计算出的平均值之间的变异与样本内变异的比率。

如果组间均值来自具有相同均值的总体，则组间均值之间的方差必须小于样本方差，遵循中心极限定理。因此，较高的比率表明样本来自具有不同均值的总体。在部分假设中，如果 (1) 因变量的残差呈正态分布或近似正态分布 (2) 父参数之间的方差相等 (3) 给定组的因变量独立且同分布 (独立且同分布的随机变量）和上述其他假设，这种单因素方差分析的结果是可靠的。