VAST - Estimating impacts of car-sharing vehicle and station alteration on in-duced demand across spatio-temporal contexts

• Forschungsstelle: BFE
• Projektnummer: SI/502975

Kurzbeschreibung (Deutsch)

Gemeinsam genutzte Elektrofahrzeuge (EVs) bieten erhebliche Vorteile für eine nachhaltige Mobilität, indem sie den Besitz von Privatfahrzeugen reduzieren, die CO2-Emissionen senken und die Integration in das Stromnetz durch intelligente Ladetechnologien verbessern. Die strategische Platzierung von Carsharing-Stationen ist entscheidend, um die Akzeptanz bei den Nutzern zu maximieren, insbesondere da verschiedene soziodemografische Gruppen unterschiedliche Einstellungen gegenüber EVs haben. Zwar gibt es Methoden zur Vorhersage der Nachfrage auf Basis von Stationen, doch gibt es nur begrenztes Verständnis für die induzierte Nachfrage, die sich aus Änderungen an Stationen und Fahrzeugen ergibt. Diese Studie analysiert, wie sich Änderungen der Fahrzeug- und Stationskonfigurationen auf die Nachfrage in verschiedenen räumlich-zeitlichen Kontexten auswirken. Mithilfe von Kausalschätzung und räumlich orientierten Vorhersagemethoden stellen wir Tools zur Verfügung, mit denen die Auswirkungen von Systemänderungen in ausgewählten Szenarien simuliert werden können, um den Übergang zu einem vollständig elektrischen Carsharing-Dienst zu unterstützen. Darüber hinaus lassen sich diese Methoden auf eine Vielzahl von räumlichen Entscheidungsproblemen anwenden, da sie einen Rahmen bieten, um „Was-wäre-wenn“-Interventionen über Raum und Zeit hinweg zu untersuchen.

Kurzbeschreibung (Englisch)

Shared electric vehicles (EVs) offer significant benefits for sustainable mobility by reducing private car ownership, lowering CO2 emissions, and enhancing power grid integration through smart charging technologies. The strategic placement of car sharing stations is crucial to maximize user adoption, particularly as different socio-demographic groups show varying attitudes toward EVs. While station-based demand prediction methods exist, there is limited understanding of the induced demand result-ing from station and vehicle changes. This study analyses how modifications in vehicle and station configurations influence demand across different spatio-temporal contexts. Using causal effect estima-tion and spatially aware predictive methods, we provide tools to simulate the impact of system changes in selected scenarios, supporting the transition to a fully electric car-sharing service. Moreover, these methods are adaptable to a wide range of spatial decision-making problems by offering a framework to explore “what-if” interventions across space and time.

Kurzbeschreibung (Französisch)

Les véhicules électriques partagés (VE) offrent des avantages significatifs pour la mobilité durable en réduisant le nombre de voitures particulières, en diminuant les émissions de CO2 et en améliorant l'intégration du réseau électrique grâce à des technologies de recharge intelligentes. L'emplacement stratégique des stations de covoiturage est essentiel pour maximiser l'adoption par les utilisateurs, d'autant plus que les différents groupes sociodémographiques ont des attitudes variables à l'égard des VE. Bien qu'il existe des méthodes de prévision de la demande basées sur les stations, la compréhension de la demande induite par les changements de stations et de véhicules est limitée. Cette étude analyse comment les modifications apportées à la configuration des véhicules et des stations influencent la demande dans différents contextes spatio-temporels. À l'aide d'estimations d'effets causaux et de méthodes prédictives tenant compte de l'espace, nous fournissons des outils permettant de simuler l'impact des changements apportés au système dans des scénarios sélectionnés, afin de faciliter la transition vers un service de covoiturage entièrement électrique. De plus, ces méthodes s'adaptent à un large éventail de problèmes de prise de décision spatiale en offrant un cadre permettant d'explorer des interventions hypothétiques dans l'espace et dans le temps.