EV Planner Compared

Explicación

Por que dous planificadores dan a mesma resposta

Mesma coche, mesma ruta, mesmo día. Un di que hai tres paradas e seis horas, o outro di que hai dúas paradas e cinco. Ningún está a mentir: desacordan sobre cousas que son realmente incertas.

Actualizada 3 min de lectura 40 citas Forza da evidencia 3/5

Vista dunha autoestrada desde un viaduto cara a unha saída
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Asumen diferentes velocidades

A resistencia aerodinámica aumenta co cadrado da velocidade, e a potencia necesaria para superala co cubo. A diferenza entre 110 km/h e 130 km/h non é, por tanto, unha diferenza do vinte por cento no consumo; é moito maior. Un planificador que asume que irás ao límite e outro que asume que irás por debaixo están a modelar dous viaxes diferentes.

A maioría das ferramentas permiten establecer isto e a maioría das persoas nunca o fan. Se dous planificadores desacordan e só podes comprobar unha cousa, verifica a velocidade asumida.

Modelan a curva de carga de forma diferente, ou non a modelan en absoluto

Un paquete de ión-litio acepta alta potencia a un baixo estado de carga e diminúe bruscamente a medida que se enche [3]. A consecuencia práctica é que o último vinte por cento dunha carga pode levar tanto tempo como os primeiros cincuenta, polo que a estratexia óptima é normalmente ter máis paradas, cada unha máis curta, en lugar de menos e máis longas.

Un planificador que modele isto correctamente producirá un itinerario que parece ineficiente — catro paradas en vez de dúas — e, con todo, chegará antes. Un planificador que trate a carga como unha tarifa fixa produce un plan máis ordenado que está equivocado.

Desacordan sobre o tempo

O frío reduce a autonomía útil e ao mesmo tempo ralentiza a taxa á que o paquete aceptará carga [4]. Ambos os efectos empuxan na mesma dirección, e un plan baseado no consumo en tempo suave pode fallar dunha maneira que un pequeno marxe de erro non cobre.

Esta é a fila onde a diferenza entre planificadores é máis consequential, e é por iso que a táboa de capacidades trata a modelización do tempo como unha característica de primeira clase en lugar de un detalle.

Desacordan sobre canto medo deberías ter

O marxe de chegada — cantidade de carga que un planificador insiste que debes ter ao chegar a unha parada — non é unha cantidade física. É unha política. Unha ferramenta configurada para chegar ao 10% e outra configurada para chegar ao 20% producirán itinerarios materialmente diferentes a partir de entradas idénticas, e ningunha é incorrecta.

A ansiedade de autonomía é unha influencia ben documentada sobre como os condutores realmente se comportan, distinta do que o coche pode facer [5]. Un planificador que che permita establecer isto está a permitirte valorar os teus propios nervios, que é o lugar correcto para que esa decisión se sitúe.

Autovía británica de tres carrís con tráfico en ambas direccións baixo un ceo gris
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Que facer ao respecto

  • Establece a suposición de velocidade ao que realmente conduces, non ao que pretendes.
  • Nun día frío, planifica co ferramenta pesimista e trata a optimista como un caso ideal.
  • Confía nun planificador que che ofreza máis paradas, máis curtas, en vez de menos, máis longas.
  • Replanifica a medio viaxe en vez de ao comezo. Cada entrada xa se desviou para entón.
A evidencia detrás desta páxina Un gráfico de barras apiladas que mostra a composición das 40 publicacións citadas nesta páxina por tipo de estudo. 40other (40)
40 publicacións, 2012–2026. Esta é unha base en gran medida observacional. Pode establecer que as cousas ocorren xuntas; non pode resolver cal causa a outra. Fonte: a lista de citas propia desta páxina, abaixo.

Referencias

Cada cita abaixo enlaza co rexistro orixinal revisado por pares en PubMed ou a través de DOI. Nada aquí substitúe o consello 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 páxina foi traducida automáticamente do inglés. As citas e os números non mudaron. Le o orixinal en inglés se algo soa raro. Ler o orixinal en inglés