Explicació

Per què dos planificadors donen respostes diferents

Mateix cotxe, mateixa ruta, mateix dia. Un diu tres parades i sis hores, l'altre diu dues parades i cinc. Ningú menteix: discrepen sobre coses que són realment incertes.

Actualitzat 3 min de lectura 40 citacions Força de l'evidència 3/5

Vista d'una autopista des d'un pont sobre la carretera cap a una sortida
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Assumeixen velocitats diferents

La resistència aerodinàmica augmenta amb el quadrat de la velocitat, i la potència necessària per superar-la amb el cub. La diferència entre 110 km/h i 130 km/h no és, per tant, una diferència del vint per cent en consum; és molt més gran. Un planificador que assumeix que et quedaràs al límit i un altre que assumeix que et desviaràs per sota està modelant dos viatges diferents.

La majoria d'eines et permeten establir això i la majoria de la gent mai ho fa. Si dos planificadors discrepen i només pots comprovar una cosa, comprova la velocitat assumida.

Modelen la corba de càrrega de manera diferent, o no ho fan en absolut

Un paquet de ions de liti accepta alta potència a un baix estat de càrrega i disminueix dràsticament a mesura que es carrega [3]. La conseqüència pràctica és que l'últim vint per cent d'una càrrega pot trigar tant com el primer cinquanta, així que l'estratègia òptima és normalment més parades, cadascuna més curta, en lloc de menys i més llargues.

Un planificador que modela això correctament produirà un itinerari que sembla ineficient: quatre parades en comptes de dues — i, tanmateix, t'arribarà abans. Un planificador que tracta la càrrega com una tarifa fixa produeix un pla més ordenat que és incorrecte.

Discrepen sobre el temps

El fred redueix l'autonomia útil i alhora retarda la taxa a la qual el paquet acceptarà càrrega [4]. Ambdós efectes empujen en la mateixa direcció, i un pla basat en el consum en temps suau pot fallar d'una manera que un petit marge d'error no cobreix.

Aquesta és la fila on la diferència entre planificadors és més conseqüent, i és per això que la taula de capacitats tracta la modelització del temps com una característica de primera classe en comptes d'una nicetat.

Discrepen sobre quanta por hauríes de tenir

El marge d'arribada — quanta càrrega un planificador insisteix que et quedi quan arribes a una parada — no és una quantitat física. És una política. Una eina configurada per arribar al 10% i una altra configurada per arribar al 20% produiran itineraris materialment diferents a partir d'entrades idèntiques, i cap d'elles és incorrecta.

L'ansietat d'autonomia és una influència ben documentada sobre com es comporten realment els conductors, distincta del que pot fer el cotxe [5]. Un planificador que et permet establir això et permet valorar els teus nervis, que és el lloc adequat per a aquesta decisió.

Autopista britànica de tres carrils amb trànsit en ambdues direccions sota un cel gris
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Què fer al respecte

  • Estableix l'assumpció de velocitat a la que realment condueixes, no a la que intentes.
  • En un dia fred, planifica amb l'eina pessimista i tracta l'optimista com un millor escenari.
  • Confia en un planificador que et dóna més parades, més curtes, en comptes d'un que et dóna menys, més llargues.
  • Replanifica a mitja ruta en comptes de començar. Cada entrada s'ha desplaçat per aquell moment.
Les evidències darrere d'aquesta pàgina Un gràfic apilat que mostra la composició de les 40 publicacions citades en aquesta pàgina per tipus d'estudi. 40other (40)
40 publicacions, 2012–2026. Aquesta és una base majoritàriament observacional. Pot establir que les coses ocorren juntes; no pot determinar quin causa l'altre. Font: la pròpia llista de cites d'aquesta pàgina, a continuació.

Referències

Cada cita a continuació enllaça amb el registre original revisat per parells a PubMed o a través de DOI. Res d'això és un substitut del consell mèdic.

  1. Effect of Ambient Temperature on Electric Vehicles’ Energy Consumption and Range: Model Definition and Sensitivity Analysis Based on Nissan Leaf Data Iora P, Tribioli L · World Electric Vehicle Journal · 2019 · Journal article DOI
  2. Electric Vehicle Energy Consumption Modelling and Prediction Based on Road Information Wang J, Besselink I, Nijmeijer H · World Electric Vehicle Journal · 2015 · Journal article DOI
  3. Machine learning-based uncertainty quantification for energy consumption and driving range estimation in electric cargo vehicles Gandhi M, Chaudhari A · Energy Informatics · 2026 · Journal article DOI
  4. Estimation of Energy Consumption in Battery-electric Motorcycles Using a Virtual Vehicle Model and the Development of a Customized Measurement System Göntér Á, Sipos T · Periodica Polytechnica Transportation Engineering · 2026 · Journal article DOI
  5. Dynamic Electric Vehicle Route Planning via Traffic Flow Prediction and Charging Service Integration Zhang Y, Shen X, Wang Y · Processes · 2026 · Journal article DOI
  6. Optimizing Electric Delivery Vehicle Route Planning: A Hybrid Approach Integrating Clustering and Ant Colony Algorithm for Sustainable Transportation Heng S, Sharma A, Xiao J · Sustainability · 2026 · Journal article DOI
  7. Modeling Electric Vehicle Adoption in Thailand: The Impact of Ecosystem and Policy Support via Perceived Value and Charging Anxiety Suvittawat A, Suvittawat N · World Electric Vehicle Journal · 2026 · Journal article DOI
  8. Revisiting Electric Mobility: How Individual Perceived Value Shapes Battery Electric Vehicle Adoption—Insights into Technophilia, Range Anxiety, and Battery Cost in China Jia H, Zhao H, Uchiyama Y · World Electric Vehicle Journal · 2026 · Journal article DOI
  9. MACHINE LEARNING-DRIVEN OPTIMIZATION OF ELECTRIC VEHICLE CHARGING WITH DRIVER SATISFACTION MODELING CHERUVU AYESHA, Mrs.B.JYOTHSHA, Mr.P. VISWANATHA REDDY · ETDT · 2026 · Journal article DOI
  10. Electric Vehicle Charging Station Location Planning Based on Range Anxiety in Last Mile Logistics in Yogyakarta Haryanto Z, Afraah S · Jurnal Teknologi · 2025 · Journal article DOI
  11. Systematic Planning of Electric Vehicle Battery Swapping and Charging Station Location and Driver Routing with Bi-Level Optimization Chen B, Chen J, Feng H · World Electric Vehicle Journal · 2025 · Journal article DOI
  12. Influencer-Mediated Range Anxiety Mitigation: Examining Social Media Marketing Pathways to Electric Vehicle Adoption in Vietnam's Digital Economy NGUYEN T · Journal of Economics, Finance And Management Studies · 2025 · Journal article DOI
  13. An Electric Vehicle Optimal Charging Path Planning based on an Improved A* Algorithm Chen X · Frontiers in Computing and Intelligent Systems · 2025 · Journal article DOI
  14. Optimisation of Electric Vehicle Charging Stations Planning Based on Macro and Micro Perspectives WANG Q, DENG K, YAN J, et al. · Promet - Traffic&Transportation · 2025 · Journal article DOI
  15. Personalised electric vehicle charging stop planning through online estimators Shafipour E, Stein S, Ahipasaoglu S · Autonomous Agents and Multi-Agent Systems · 2024 · Journal article DOI
  16. Integrated model construction for state of charge estimation in electric vehicle lithium batteries Liu Y, Dun W · Energy Informatics · 2024 · Journal article DOI
  17. Optimization model of battery electric vehicle charging facility layout towards embedded system and data mining algorithm Zhang P, Liu J, Luo N, et al. · International Journal of Emerging Electric Power Systems · 2024 · Journal article DOI
  18. Electric Vehicle Distribution Route Optimisation and Charging Strategy Considering Dynamic Loads Wu Q, Tian M · Polish Journal of Environmental Studies · 2024 · Journal article DOI
  19. Multi-Objective Electric Vehicle Route and Charging Planning with Contraction Hierarchies Cuchý M, Vokřínek J, Jakob M · Proceedings of the International Conference on Automated Planning and Scheduling · 2024 · Journal article DOI
  20. Electric Vehicle Health Monitoring with Electric Vehicle Range Prediction and Route Planning Jayaram J, Chetan J, Nayak B · Journal of Informatics and Web Engineering · 2024 · Journal article DOI
  21. Electric Vehicle Charging Route Planning for Shortest Travel Time Based on Improved Ant Colony Optimization Tan A, Wang C, Wang Y, et al. · Sensors · 2024 · Journal article DOI
  22. Optimal number of charging station and pricing strategy for the electric vehicle with component commonality considering consumer range anxiety Yu W, Zhang L, Lu R, et al. · PLOS ONE · 2023 · Journal article DOI
  23. Electric Vehicle Charging Sessions Generator Based on Clustered Driver Behaviors Van Kriekinge G, De Cauwer C, Sapountzoglou N, et al. · World Electric Vehicle Journal · 2023 · Journal article DOI
  24. Charging after Lockdown: The Aftermath of COVID-19 Policies on Electric Vehicle Charging Behaviour in The Netherlands van der Koogh M, Wolbertus R, Heller R · World Electric Vehicle Journal · 2023 · Journal article DOI
  25. Evaluation of Electric Vehicle Charging Usage and Driver Activity Mahlberg J, Desai J, Bullock D · World Electric Vehicle Journal · 2023 · Journal article DOI
  26. Energy Cost Analysis and Operational Range Prediction Based on Medium- and Heavy-Duty Electric Vehicle Real-World Deployments across the United States Qiu Y, Dobbelaere C, Song S · World Electric Vehicle Journal · 2023 · Journal article DOI
  27. Research and Evaluation of Electric Vehicle Charging Station Layout Planning Based on Greedy Algorithm Yu C, Chen M, Lu H, et al. · Highlights in Science, Engineering and Technology · 2023 · Journal article DOI
  28. Simulation model for rendering and analyzing the prediction of electric vehicle energy consumption in Matlab/Simulink Janković F, Mujović S · ETF Journal of Electrical Engineering · 2023 · Journal article DOI
  29. Electric Vehicle Charging Station Location Model considering Charging Choice Behavior and Range Anxiety Liu H, Li Y, Zhang C, et al. · Sustainability · 2022 · Journal article DOI
  30. Electric Vehicle Range Estimation Using Regression Techniques Ahmed M, Mao Z, Zheng Y, et al. · World Electric Vehicle Journal · 2022 · Journal article DOI
  31. Rapid Evaluation Method for Accuracy of Range Estimation of Pure Electric Vehicle Range Estimation Based on CLTC-P Dai T, Zhou B, Zhang Y, et al. · E3S Web of Conferences · 2021 · Journal article DOI
  32. An Optimal Control Algorithm with Reduced DC-Bus Current Fluctuation for Multiple Charging Modes of Electric Vehicle Charging Station Chen T, Fu P, Chen X, et al. · World Electric Vehicle Journal · 2021 · Journal article DOI
  33. Research on Establishment of Vehicle Energy Distribution Model and Energy Consumption Optimization Based on Electric Hybrid System Liang P, He H, Cui H, et al. · World Electric Vehicle Journal · 2021 · Journal article DOI
  34. Optimization Approach for Long-Term Planning of Charging Infrastructure for Fixed-Route Transportation Systems Blat Belmonte B, Rinderknecht S · World Electric Vehicle Journal · 2021 · Journal article DOI
  35. Development of Hybrid Vehicle Energy Consumption Model for Transportation Applications—Part II: Traction Force-Speed Based Energy Consumption Modeling Pitanuwat S, Aoki H, IIzuka S, et al. · World Electric Vehicle Journal · 2019 · Journal article DOI
  36. Economic Microgrid Planning Algorithm with Electric Vehicle Charging Demands Yoon S, Kang S · Energies · 2017 · Journal article DOI
  37. Online Prediction of Battery Electric Vehicle Energy Consumption Wang J, Besselink I, Nijmeijer H · World Electric Vehicle Journal · 2016 · Journal article DOI
  38. Model-Based Remaining Driving Range Prediction in Electric Vehicles by using Particle Filtering and Markov Chains Oliva J, Weihrauch C, Bertram T · World Electric Vehicle Journal · 2013 · Journal article DOI
  39. Measuring Range Anxiety: the Substitution-Emergency-Detour (SED) Method Lin Z · World Electric Vehicle Journal · 2012 · Journal article DOI
  40. Energy Consumption Prediction of a Vehicle along a User-Specified Real-World Trip Karbowski D, Pagerit S, Calkins A · World Electric Vehicle Journal · 2012 · Journal article DOI

Aquesta pàgina va ser traduïda automàticament de l'anglès. Les cites i els números no han canviat. Llegiu l'original en anglès si alguna cosa sona estranya. Llegiu l'original en anglès