EV Planner Compared

Erklärung

Warum zwei Planer dasselbe Auto unterschiedlich bewerten

Dasselbe Auto, dieselbe Strecke, derselbe Tag. Der eine sagt drei Stopps und sechs Stunden, der andere zwei Stopps und fünf. Keiner lügt — sie sind sich über Dinge uneinig, die tatsächlich unsicher sind.

Updated 3 min read 40 citations Evidence strength 3/5

Blick entlang einer Autobahn von einer Überführung auf eine Abfahrt
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Sie gehen von unterschiedlichen Geschwindigkeiten aus.

Der Luftwiderstand steigt mit dem Quadrat der Geschwindigkeit, und die benötigte Leistung, um ihn zu überwinden, mit dem Würfel. Der Unterschied zwischen 110 km/h und 130 km/h ist daher kein zwanzigprozentiger Unterschied im Verbrauch; er ist viel größer. Ein Planer, der annimmt, dass Sie am Limit fahren, und einer, der annimmt, dass Sie darunter bleiben, modellieren zwei unterschiedliche Reisen.

Die meisten Werkzeuge erlauben es Ihnen, dies einzustellen, und die meisten Menschen tun dies nie. Wenn zwei Planer uneinig sind und Sie nur eine Sache überprüfen können, überprüfen Sie die angenommene Geschwindigkeit.

Sie modellieren die Ladekurve unterschiedlich oder gar nicht.

Ein Lithium-Ionen-Akku akzeptiert hohe Leistung bei niedrigem Ladezustand und nimmt steil ab, während er sich füllt [3]. Die praktische Konsequenz ist, dass die letzten zwanzig Prozent einer Ladung so lange dauern können wie die ersten fünfzig, sodass die optimale Strategie in der Regel mehr Stopps, jeder kürzer, anstatt weniger und länger ist.

Ein Planer, der dies richtig modelliert, wird eine Reiseroute erstellen, die ineffizient aussieht — vier Stopps statt zwei — und wird dennoch schneller ankommen. Ein Planer, der das Laden als Festpreis behandelt, produziert einen ordentlicheren Plan, der falsch ist.

Sie sind sich über das Wetter uneinig.

Kälte verringert die nutzbare Reichweite und verlangsamt gleichzeitig die Rate, mit der der Akku Ladung akzeptiert [4]. Beide Effekte wirken in dieselbe Richtung, und ein Plan, der auf dem Verbrauch bei mildem Wetter basiert, kann auf eine Weise scheitern, die eine kleine Fehlergrenze nicht abdeckt.

Dies ist die Reihe, in der der Unterschied zwischen Planern am folgenreichsten ist, und es ist der Grund, warum die Fähigkeitstabelle die Wettermodellierung als ein erstklassiges Merkmal und nicht als eine Nettigkeit behandelt.

Sie sind sich uneinig, wie viel Angst Sie haben sollten.

Der Ankunftspuffer — wie viel Ladung ein Planer verlangt, dass Sie noch haben, wenn Sie einen Halt erreichen — ist keine physikalische Größe. Es ist eine Richtlinie. Ein Werkzeug, das auf 10 % Ankunft eingestellt ist, und eines, das auf 20 % eingestellt ist, wird aus identischen Eingaben materiell unterschiedliche Reiserouten erzeugen, und keiner ist falsch.

Reichweitenangst ist ein gut dokumentierter Einfluss darauf, wie Fahrer tatsächlich handeln, unabhängig davon, was das Auto tun kann [5]. Ein Planer, der Ihnen erlaubt, dies einzustellen, lässt Sie Ihre eigenen Nerven bewerten, was der richtige Ort für diese Entscheidung ist.

Dreispurige britische Autobahn mit Verkehr in beide Richtungen unter einem grauen Himmel
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Was zu tun ist

  • Setzen Sie die Geschwindigkeitsannahme auf das, was Sie tatsächlich fahren, nicht auf das, was Sie beabsichtigen.
  • An einem kalten Tag planen Sie mit dem pessimistischen Werkzeug und behandeln das optimistische als Bestfall.
  • Vertrauen Sie einem Planer, der Ihnen mehr, kürzere Stopps gibt, über einem, der Ihnen weniger, längere gibt.
  • Planen Sie während der Fahrt neu, anstatt am Anfang. Jedes Eingangsdatum hat sich bis dahin verändert.
Die Beweise hinter dieser Seite Ein gestapeltes Balkendiagramm, das die Zusammensetzung der 40 auf dieser Seite zitierten Publikationen nach Studientyp zeigt. 40other (40)
40 Publikationen, 2012–2026. Dies ist eine weitgehend beobachtende Basis. Sie kann feststellen, dass Dinge zusammen auftreten; sie kann nicht klären, welches das andere verursacht. Quelle: die eigene Zitationsliste dieser Seite, unten.

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