Анализ Калифорнийского Исследования Лояльности Владельцев Электромобилей

Несколько месяцев назад работа группы из Калифорнийского университета произвела фурор в СМИ.

Отказ от покупателей электромобилей в Калифорнии: почему некоторые потребители отказываются от своих электромобилей? , целью которого было изучение причин, по которым владельцы «чистых» автомобилей (автомобилей с аккумуляторным питанием — BEV, водородных топливных элементов — FCEV и подключаемых гибридов — PHEV) отказываются от них и возвращаются обратно к «грязным» двигателям внутреннего сгорания.

.

Чтобы получить эту информацию, около 5000 владельцев автомобилей в Калифорнии были опрошены на предмет продолжительности владения автомобилем, демографии, наличия зарядного устройства дома, поездок на дальние расстояния и многого другого.

Опрошены владельцы купленных автомобилей в период с 2013 по 2018 год; опрос проводился в 2019 году.

В процессе работы с данными, помимо прочего, была получена интересная цифра: ок.

21% владельцы «новых» автомобилей возвращаются к «старым» ДВС.

Эта цифра меня несколько удивила, поскольку мой личный опыт общения с «электромобилями» говорит об обратном: редко водитель согласится купить ДВС после поездки на электричке, поэтому давайте разберемся, о чем на самом деле говорят исходные данные о производительности ( они в свободном доступе ).

   

 import pandas as pd
 import seaborn as sns
 import matplotlib.pyplot as plt
 sns.set(style="darkgrid")
 
 data = pd.read_excel("Discontinaunce_of_PEVs_in_California_Data_2021.03.01.xlsx")

   

Для водителей, сменивших автомобили

changed = data[data["[s] Discontinuance (inc. purchased lease) 2"] != "Original"] changed["Continued"] = changed["[s] Discontinuance (inc. purchased lease) 2"].

map(lambda c: c == "Continued" and 1 or 0)

Но давайте посмотрим на распределение «отказников» и «любителей» в зависимости от запаса хода автомобиля:

fig = sns.histplot(changed[changed["Continued"] == 1]["[s] Electric driving range"], color="g") fig = sns.histplot(changed[changed["Continued"] == 0]["[s] Electric driving range"], color="r") plt.show()





Здесь отчетливо видны две большие группы: автомобили с небольшим (до 150 миль) запасом хода, в основном это PHEV, и т.н.

«автомобили соответствия», выпущенные автопроизводителями в начале 2010-х годов для соблюдения калифорнийского законодательства, и автомобили с «достаточным» запасом хода (более 150 миль) — Tesla и водородные автомобили.

Давайте посмотрим, какой процент «отказников» в этих 4 группах:

phevs = changed[changed["oldcartype. {TOKEN:ATTRIBUTE_2} 2"] == "PHEV"] len(phevs[phevs["Continued"] == 0]) / len(phevs)



0.2165206508135169



evs = changed[changed["oldcartype. {TOKEN:ATTRIBUTE_2} 2"] == "BEV"] compliance = evs[evs["[s] Electric driving range"] < 150] len(compliance[compliance["Continued"] == 0]) / len(compliance)



0.22209944751381216



fcevs = changed[changed["oldcartype. {TOKEN:ATTRIBUTE_2} 2"].

isnull()] len(fcevs[fcevs["Continued"] == 0]) / len(fcevs)



0.6097560975609756



teslas = evs[evs["[s] Electric driving range"] >= 150] len(teslas[teslas["Continued"] == 0]) / len(teslas)



0.09852216748768473



len(changed[changed["Continued"] == 0]) / len(changed)



0.21498204207285787

И логично, что в выводах исследователей «лояльность» здесь коррелирует с наличием зарядки дома, частотой дальних поездок и т. д.

Для всех водителей

Для этого возьмем все данные, в том числе тех водителей, которые продолжают ездить на старом автомобиле (если бы они были им недовольны, они бы поменяли его).

data["Continued"] = data["[s] Discontinuance (inc. purchased lease) 2"].

map(lambda c: c in ["Continued", "Original"] and 1 or 0)

Распределение:

fig = sns.histplot(data[data["Continued"] == 1]["[s] Electric driving range"], color="g") fig = sns.histplot(data[data["Continued"] == 0]["[s] Electric driving range"], color="r") plt.show()





И процент «отказников» по группам:

phevs = data[data["oldcartype. {TOKEN:ATTRIBUTE_2} 2"] == "PHEV"] len(phevs[phevs["Continued"] == 0]) / len(phevs)



0.0857709469509172



evs = data[data["oldcartype. {TOKEN:ATTRIBUTE_2} 2"] == "BEV"] compliance = evs[evs["[s] Electric driving range"] < 150] len(compliance[compliance["Continued"] == 0]) / len(compliance)



0.14105263157894737



fcevs = data[data["oldcartype. {TOKEN:ATTRIBUTE_2} 2"].

isnull()] len(fcevs[fcevs["Continued"] == 0]) / len(fcevs)



0.15432098765432098



teslas = evs[evs["[s] Electric driving range"] >= 150] len(teslas[teslas["Continued"] == 0]) / len(teslas)



0.016260162601626018



len(data[data["Continued"] == 0]) / len(data)



0.08665977249224405

Итак, по исходному методу имеем:

• FCEV: 60,9% «отказников»
• BEV низкой дальности: 22,2%
• PHEV: 21,6%
• BEV при достаточном диапазоне: 9,8%
• Итого: 21,5%

• FCEV: 15,4% «отказников»
• BEV низкой дальности: 14,1%
• PHEV: 8,5%
• BEV при достаточном диапазоне: 1,6%
• Итого: 8,7%

Заключение

Более того, большинство из них

• FCEV, инфраструктура для которых пока еще находится в зачаточном состоянии даже в Калифорнии и полностью отсутствует в соседних штатах.

• Соответствие автомобилей, которые изначально не создавались для массовых продаж и масштабной конкуренции с двигателями внутреннего сгорания.

• PHEV, которые часто покупаются как двигатели внутреннего сгорания, без каких-либо изменений в схеме использования, исключительно ради государственных субсидий (которые могут сделать PHEV дешевле, чем «обычный» гибрид)

1.6% владельцы.

В общем, разорился.

Теги: #Экология #Автомобильные гаджеты #статистика #электромобили #ученый изнасиловал журналистку

• Из Чего Состоит Ноутбук? Батареи, Экраны И Процессор

  19 Oct, 24

• Веха В Создании Многофункциональной Тренировочной Обуви

  19 Oct, 24

• Печать 3D-Моделей Костей Пациента, Полученных По Результатам Компьютерной Томографии (Такое Медицинское Исследование)

  19 Oct, 24

• Когда Деревья Были Большими, А Объёмы Памяти Маленькими: О Ферритовой Памяти

  19 Oct, 24

• Созвучие Смысла

  19 Oct, 24

• Массачусетская Больница И Deepmind Независимо Открыли «Черный Ящик» Ии В Медицине

  19 Oct, 24

• Топ-5 Сервисов Для Проведения Онлайн-Опросов И Анкетирования

  19 Oct, 24

• Новые Ключевые Слова В Java

  19 Oct, 24

• Вр - Выпуск №37

  19 Oct, 24

• Sun Java Runtime Environment 6.0, Обновление 15

  19 Oct, 24