共享电动汽车的普及确实为城市出行带来了便捷，但无论是用户还是运营商，都长期面临着两大“痛点”：热门网点“一车难求”与冷门网点“车满为患”的供需失衡，以及无序充电对电网造成的负荷冲击。

针对这些挑战，东南大学电气工程学院的研究团队提出了创新的解决方案，他们巧妙融合行为经济学理论与智能算法，构建了一个能够协同调度用户用车引导与充电优化的系统。

这项研究的核心突破在于，将诺贝尔经济学奖得主所提出的“助推理论”首次应用于共享车辆的调度场景。该理论主张通过非强制性、低成本的温和引导，鼓励用户主动做出符合系统整体利益的选择。团队构建了一个融合认知与动机双重维度的分析框架，针对不同用车场景设计出精细化的强、弱“助推”策略，并运用模糊综合评价模型来量化用户对这些策略的接受程度。例如，在手机应用中动态显示网点车辆供需情况、实时电价及累计碳排放数据，就能有效引导用户主动将车辆归还至需求较低的区域，从而实现车辆空间分布的再平衡。

在充电优化层面，研究团队也突破了传统以运营商经济利益为单一目标的局限，创新性地构建了一个兼顾经济性与低碳性的双目标优化模型。该模型通过深度强化学习算法，模拟用户、运营商与电网三方的动态博弈过程，同步优化车辆调度路径与充电时段。算法能够自动识别电网负荷低谷期与新能源发电高峰期，引导车辆在电价最低、电网承载能力最强的时段集中充电，这样既显著降低了运营商的充电成本，又有效平抑了电网负荷的剧烈波动。

验证研究表明，该方案在充分保障用户选择自由的前提下，能够显著提升运营效率：用户平均找车时间缩短了37%，车辆周转率提高了22%，运营商充电成本降低了18%，电网负荷波动幅度也下降了29%。特别是在用电高峰时段，通过有序的充电调度策略，能使电网峰值负荷减少15%，有效缓解了新能源发电间歇性对电网稳定运行带来的冲击。

这项跨学科研究为共享交通领域的发展提供了新范式，其创新点在于将行为科学理论与工程技术深度融合，通过柔性的智慧引导替代传统的经济补贴，成功构建起用户、企业与电网三方共赢的可持续发展生态。相关成果已形成完整技术方案，后续将通过更大规模的实际道路测试来验证算法的鲁棒性，为未来城市智慧交通系统的建设提供坚实的理论支撑与技术储备。