共享電動汽車的普及為城市出行帶來便利，但用戶與運營商長期面臨兩大痛點：熱門網點“一車難求”與冷門網點“車滿為患”的供需失衡，以及無序充電對電網造成的負荷波動。針對這些問題，東南大學電氣工程學院研究團隊提出創新解決方案，通過融合行為經濟學理論與智能算法，構建用戶行為引導與充電優化的協同調度體系。

研究核心突破在于將諾貝爾經濟學獎得主提出的“助推理論”應用于車輛調度場景。該理論強調通過非強制、低成本的信息干預，引導用戶自主做出符合系統整體利益的選擇。團隊構建了包含認知與動機雙維度的助推框架，針對不同場景設計強弱助推策略，并運用模糊綜合評價模型量化用戶響應度。例如，通過動態顯示網點車輛供需、電價及碳排放數據，引導用戶主動將車輛歸還至低需求網點，實現車輛空間分布的再平衡。

在充電優化層面，研究團隊突破傳統以運營商收益為單一目標的局限，創新性地構建兼顧經濟性與低碳性的雙目標模型。該模型通過深度Q網絡強化學習算法，模擬用戶、運營商、電網三方動態博弈過程，同步優化車輛調度路徑與充電時段。算法可自動識別電網負荷低谷期與新能源發電高峰期，引導車輛在電價最低、電網承載力最強的時段充電，既降低運營商充電成本，又平抑電網波動。

實證研究表明，該方案在保障用戶選擇自由的前提下，顯著提升運營效率：用戶找車時間縮短37%，車輛周轉率提高22%，運營商充電成本降低18%，電網負荷波動幅度下降29%。特別在用電高峰時段，通過有序充電策略使電網峰值負荷減少15%，有效緩解了新能源發電間歇性對電網穩定性的沖擊。

這項跨學科研究為共享交通領域提供了新范式，其創新點在于將行為科學理論與工程技術深度融合，通過柔性引導替代傳統補貼激勵，構建起用戶、企業、電網三方共贏的生態體系。相關成果已形成完整技術方案，后續將通過更大規模的實地測試驗證算法魯棒性，為城市智慧交通系統建設提供理論支撐與技術儲備。