EV Planner Compared

Explicación

Por qué dos planificadores dan respuestas distintas

Mismo coche, mismo trayecto, mismo día. Uno dice tres paradas y seis horas, el otro dice dos paradas y cinco. Ninguno está mintiendo: discrepan sobre cosas que son genuinamente inciertas.

Actualizado 3 min de lectura 40 citas Fortaleza de la evidencia 3/5

Vista a lo largo de una autopista desde un puente elevado hacia una salida de la carretera
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Asumen diferentes velocidades

La resistencia aerodinámica aumenta con el cuadrado de la velocidad, y la potencia necesaria para superarla con el cubo. La diferencia entre 110 km/h y 130 km/h no es, por tanto, una diferencia del veinte por ciento en el consumo; es mucho mayor. Un planificador que asume que te mantendrás en el límite y otro que asume que te desplazarás por debajo de él están modelando dos viajes diferentes.

La mayoría de las herramientas te permiten establecer esto y la mayoría de las personas nunca lo hace. Si dos planificadores discrepan y solo puedes comprobar una cosa, verifica la velocidad asumida.

Modelan la curva de carga de manera diferente, o no la modelan en absoluto

Una batería de iones de litio acepta alta potencia con un bajo estado de carga y disminuye abruptamente a medida que se llena [3]. La consecuencia práctica es que el último veinte por ciento de una carga puede tardar tanto como el primero cincuenta, por lo que la estrategia óptima suele ser más paradas, cada una más corta, en lugar de menos y más largas.

Un planificador que modele esto correctamente producirá un itinerario que parece ineficiente: cuatro paradas en lugar de dos — y, sin embargo, te llevará allí más rápido. Un planificador que trate la carga como una tarifa plana produce un plan más ordenado que es incorrecto.

Discrepan sobre el clima

El frío reduce el rango utilizable y simultáneamente ralentiza la tasa a la que la batería aceptará carga [4]. Ambos efectos empujan en la misma dirección, y un plan construido sobre el consumo en clima templado puede fallar de una manera que un pequeño margen de error no cubre.

Esta es la fila donde la diferencia entre planificadores es más significativa, y es por eso que la tabla de capacidades trata la modelización del clima como una característica de primera clase en lugar de una cortesía.

Discrepan sobre cuán asustado deberías estar

El margen de llegada — cuánto carga un planificador insiste en que te quede cuando llegues a una parada — no es una cantidad física. Es una política. Una herramienta configurada para llegar con un 10% y otra configurada para llegar con un 20% producirán itinerarios materialmente diferentes a partir de entradas idénticas, y ninguna es incorrecta.

La ansiedad por el rango es una influencia bien documentada sobre cómo se comportan realmente los conductores, distinta de lo que el coche puede hacer [5]. Un planificador que te permite establecer esto te está dejando fijar el precio de tus propios nervios, que es el lugar adecuado para que esa decisión se tome.

Autopista británica de tres carriles con tráfico en ambas direcciones bajo un cielo gris
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Qué hacer al respecto

  • Establece la suposición de velocidad a lo que realmente conduces, no a lo que pretendes.
  • En un día frío, planifica con la herramienta pesimista y trata la optimista como un mejor caso.
  • Confía en un planificador que te dé más paradas, más cortas, en lugar de uno que te dé menos, más largas.
  • Replanifica a mitad de viaje en lugar de al principio. Cada entrada se ha desviado para entonces.
La evidencia detrás de esta página Un gráfico de barras apiladas que muestra la composición de las 40 publicaciones citadas en esta página por tipo de estudio. 40other (40)
40 publicaciones, 2012–2026. Esta es una base en gran medida observacional. Puede establecer que las cosas ocurren juntas; no puede determinar cuál causa a la otra. Fuente: la lista de citas de esta página, a continuación.

Referencias

Cada cita a continuación enlaza con el registro original revisado por pares en PubMed o a través de DOI. Nada aquí sustituye el consejo médico.

  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

Esta página fue traducida automáticamente del inglés. Las citas y los números no han cambiado. Lee el original en inglés si algo suena extraño. Lee el original en inglés