EV Planner Compared

Skýring

Af hverju gefa tveir áætlunaraðilar sama bíl mismunandi svör

Sami bíll, sami leið, sami dagur. Annar segir þrjár stopp og sex klukkustundir, hinn segir tvö stopp og fimm. Enginn er að ljúga — þeir eru ósammála um hluti sem eru raunverulega óviss.

Uppfært 3 mín lesning 40 tilvísanir Sönnunargildi 3/5

Sýn yfir hraðbraut frá yfirbrú að útkeyrslu
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Þeir gera ráð fyrir mismunandi hraða

Loftmótstaða eykst með ferningi hraða, og afl sem þarf til að yfirstíga hana eykst með kubb. Munurinn á 110 km/h og 130 km/h er því ekki tuttugu prósent munur í orkunotkun; það er miklu meira. Skipuleggjandi sem gerir ráð fyrir að þú sitjir við takmarkið og einn sem gerir ráð fyrir að þú driftir undir því eru að módelera tvær mismunandi ferðir.

Flest verkfæri leyfa þér að stilla þetta og flestir gera það aldrei. Ef tveir skipuleggjendur eru ósammála og þú getur aðeins athugað eina hluti, athugaðu áætlaða hraðann.

Þeir módelera hleðslukúruna á mismunandi hátt, eða ekki alls

Lithíum-jón pakki tekur við háu afli við lágu hleðslustigi og dregur hratt úr því þegar hann fyllist [3]. Raunveruleg afleiðing er sú að síðustu tuttugu prósent hleðslu geta tekið jafn langan tíma og fyrstu fimmtíu, svo að besta aðferðin er venjulega fleiri stopp, hvert styttra, frekar en færri og lengri.

Skipuleggjandi sem módelar þetta rétt mun framleiða feril sem virðist óhagkvæmt — fjögur stopp í stað tveggja — og mun engu að síður koma þér fyrr á áfangastað. Skipuleggjandi sem lítur á hleðslu sem fast verð gerir snyrtilegra áætlun sem er röng.

Þeir eru ósammála um veðrið

Kalt veður minnkar nothæfa drægni og hægir á hraðanum sem pakkinn mun taka við hleðslu [4]. Báðar áhrifin þrýsta í sömu átt, og áætlun byggð á neyslu í mildu veðri getur brugðist á þann hátt að lítið villumarginal nær ekki yfir.

Þetta er raðinn þar sem munurinn á skipuleggjendum er mestur, og það er af hverju hæfileikaskráin lítur á veðurmódelun sem fyrsta flokks eiginleika frekar en smáatriði.

Þeir eru ósammála um hversu hræddur þú ættir að vera

Koma viðbót — hversu mikla hleðslu skipuleggjandi krefst að þú hafir eftir þegar þú kemur að stopp — er ekki líkamleg magn. Það er stefna. Verkfæri sem stillt er á að koma með 10% og annað sem stillt er á að koma með 20% munu framleiða efnislega mismunandi ferla frá sömu inntökum, og hvorugt er rangt.

Drægni kvíði er vel skjalfest áhrif á hvernig ökumenn hegða sér í raun, aðskilið frá því sem bíllinn getur gert [5]. Skipuleggjandi sem leyfir þér að stilla þetta er að leyfa þér að verðleggja eigin taugar, sem er rétti staðurinn fyrir þá ákvörðun.

Þriggja akreina bresk þjóðvegur með umferð í báðar áttir undir gráu himni
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Hvað á að gera í þessu

  • Stilltu áætlaðan hraða á það sem þú raunverulega keyrir, ekki það sem þú ætlar að.
  • Á köldum degi, skipuleggðu með pessimistíska verkfærinu og líttu á það bjartsýna sem besta tilvik.
  • Treystu skipuleggjanda sem gefur þér fleiri, styttri stopp frekar en einum sem gefur þér færri, lengri stopp.
  • Skipuleggðu aftur á miðju ferðinni frekar en í byrjun. Allar inntökurnar hafa þá flutt.
Sönnunargrunnur þessa síðu Staflaður súla sem sýnir samsetningu 40 útgáfanna sem vísað er til á þessari síðu eftir rannsóknartegund. 40other (40)
40 útgáfur, 2012–2026. Þetta er að mestu leyti athugunarbasis. Það getur staðfest að hlutir gerast saman; það getur ekki leyst hver orsakar hinn. Heimild: tilvísunarlisti þessarar síðu, hér að neðan.

Tilvísanir

Hver tilvísun hér að neðan tengist upprunalegu ritrýndu skjalinu á PubMed eða í gegnum DOI. Ekkert hér er staðgengill fyrir læknisfræðilega ráðgjöf.

  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

Þessi síða var þýdd sjálfkrafa úr ensku. Tilvísanir og tölur eru óbreyttar. Lestu upprunalega ensku ef eitthvað hljómar undarlega. Lestu upprunalega ensku