EV Planner Compared

Vysvětlení

Proč dva plánovači dávají stejnému autu jinou odpověď

Stejné auto, stejná trasa, stejný den. Jeden říká tři zastávky a šest hodin, druhý říká dvě zastávky a pět. Ani jeden nelže — liší se v otázkách, které jsou skutečně nejisté.

Updated 2 min read 40 citations Evidence strength 3/5

Pohled na dálnici z nadjezdu směrem k výjezdu
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Předpokládají různé rychlosti

Aerodynamický odpor roste se čtvercem rychlosti a výkon potřebný k jeho překonání s kubem. Rozdíl mezi 110 km/h a 130 km/h tedy není dvacetiprocentní rozdíl ve spotřebě; je mnohem větší. Plánovač, který předpokládá, že budete jezdit na limitu, a ten, který předpokládá, že se pod něj dostanete, modelují dvě různé cesty.

Většina nástrojů vám to umožňuje nastavit a většina lidí to nikdy neudělá. Pokud se dva plánovači neshodnou a můžete zkontrolovat jen jednu věc, zkontrolujte předpokládanou rychlost.

Modelují křivku nabíjení jinak, nebo vůbec ne

Lithium-iontový akumulátor přijímá vysoký výkon při nízkém stavu nabití a prudce klesá, jak se plní [3]. Praktickým důsledkem je, že posledních dvacet procent nabití může trvat stejně dlouho jako prvních padesát, takže optimální strategií je obvykle více zastávek, každá kratší, spíše než méně a delších.

Plánovač, který to modeluje správně, vytvoří itinerář, který vypadá neefektivně — čtyři zastávky místo dvou — a přesto vás tam dostane dříve. Plánovač, který považuje nabíjení za pevnou sazbu, produkuje úhlednější plán, který je však chybný.

Liší se v názorech na počasí

Chlad snižuje použitelný dojezd a současně zpomaluje rychlost, jakou akumulátor přijme nabití [4]. Oba efekty tlačí stejným směrem a plán založený na spotřebě za mírného počasí může selhat způsobem, který malá chybová marže nepokryje.

Toto je řádek, kde je rozdíl mezi plánovači nejdůležitější, a proto tabulka schopností považuje modelování počasí za prvořadou funkci, nikoli za drobnost.

Liší se v tom, jak moc byste se měli bát

Rezerva při příjezdu — kolik nabití plánovač trvá, že máte, když dorazíte na zastávku — není fyzikální veličina. Je to politika. Nástroj nastavený na příjezd na 10 % a jeden nastavený na 20 % vytvoří materiálně odlišné itineráře z identických vstupů, a žádný z nich není nesprávný.

Úzkost z dojezdu je dobře zdokumentovaný vliv na to, jak se řidiči skutečně chovají, odlišný od toho, co auto dokáže [5]. Plánovač, který vám umožní to nastavit, vám umožňuje ocenit vaše vlastní nervy, což je správné místo pro toto rozhodnutí.

Tříproudová britská dálnice s provozem v obou směrech pod šedou oblohou
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Co s tím dělat

  • Nastavte předpoklad rychlosti na to, jak skutečně jezdíte, ne na to, co plánujete.
  • V chladném dni plánujte s pesimistickým nástrojem a optimistický považujte za nejlepší případ.
  • Důvěřujte plánovači, který vám dává více, kratších zastávek, před tím, který vám dává méně, delších.
  • Plánujte znovu uprostřed cesty, nikoli na začátku. Každý vstup se do té doby posunul.
Důkazy za touto stránkou Skládaný sloupec ukazující složení 40 publikací citovaných na této stránce podle typu studie. 40other (40)
40 publikací, 2012–2026. Toto je převážně observační základ. Může prokázat, že se věci vyskytují společně; nemůže rozhodnout, která z nich způsobuje tu druhou. Zdroj: vlastní seznam citací této stránky, níže.

References

Every citation below links to the original peer-reviewed record on PubMed or via DOI. Nothing here is a substitute for medical advice.

  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

This page was translated automatically from English. The citations and numbers are unchanged. Read the English original if anything reads oddly. Read the English original