近日，黄艳雁教授团队（黄艳雁、任航仪、陈道远）联合武汉大学城市设计学院博士生谢东、华南理工大学土木与交通学院博士生崔秦毓、东北林业大学土木与交通学院博士生金玉凤共同撰写的论文“Decoding EV user preferences with large language model and charging infrastructure reviews”发表在国际期刊《Transportation Research Part D: Transport and Environment》上，该期刊为交通环境领域国际权威期刊（SCI/SSCI中国科学院一区TOP、ABS 3星）。武汉大学博士生谢东为该论文的通讯作者（系我校建筑学专业2020届本科毕业生），必赢net.95为第一完成单位。该文获得了中华人民共和国科学技术部国家外国专家项目（电动汽车充电设施规划与布局研究，项目编号：G2023027008L）和中国科协青年科技人才培育工程博士生专项计划的支持。

“充电焦虑”仍然是制约电动汽车（EV）大规模普及的关键障碍。然而，既有研究多依赖小样本问卷调查，难以全面刻画真实情境下用户需求的复杂性与异质性。为弥补这一不足，本文构建了一种多模态数据驱动的分析框架，基于中国武汉市118个特来电公共充电站的120,052条用户真实评论数据，系统解读电动汽车用户的充电偏好与行为特征。在方法上，研究引入多模态大语言模型构建了基于方向级情感分析（ABSA）的用户满意度数据驱动模型，同时从场景感知视角刻画充电站环境特征，实现对用户体验的多模态刻画。

研究结果表明，充电设施的可靠性、充电速度、可达性、价格是影响用户评价的核心因素。值得注意的是，在可靠性、支付系统及进出条件等方面，虽然极端负面事件发生频率较低，但其对总体评价具有显著的非对称冲击，其负面效应远大于正向体验带来的提升，体现出明显的“负向偏好”特征。进一步的分组分析发现，尽管核心影响因素在不同EV用户群体中保持一致，但其影响强度在时间维度、评论活跃度以及不同汽车品牌用户之间存在显著差异。此外，场景感知分析表明，更加绿色、安全、有序的充电环境，会在一定程度上引导用户关注充电设施可靠性与服务质量。

本文的研究不仅从大规模真实数据出发揭示了用户充电行为的内在机制，还在方法上融合了多模态大语言模型，为面向需求导向的公共充电设施规划与精细化运营提供了新的分析范式与决策依据。

文章信息如下：

Huang Y, Ren H, Xie D, et al. Decoding EV user preferences with large language model and charging infrastructure reviews. Transportation Research Part D: Transport and Environment, 2026, 156: 105348.