EV Planner Compared

Spiegazione

Perché due pianificatori danno risposte diverse

Stessa auto, stesso percorso, stesso giorno. Uno dice tre soste e sei ore, l'altro dice due soste e cinque. Nessuno mente: non sono d'accordo su cose che sono genuinamente incerte.

Aggiornato 3 min lettura 40 citazioni Forza delle evidenze 3/5

Vista lungo un'autostrada da un sovrappasso verso una corsia di uscita
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Assumono velocità diverse

La resistenza aerodinamica aumenta con il quadrato della velocità, e la potenza necessaria per superarla con il cubo. Il divario tra 110 km/h e 130 km/h non è quindi una differenza del venti percento nel consumo; è molto più grande. Un pianificatore che assume che rimarrai al limite e uno che assume che scenderai sotto di esso stanno modellando due viaggi diversi.

La maggior parte degli strumenti ti consente di impostare questo e la maggior parte delle persone non lo fa mai. Se due pianificatori non sono d'accordo e puoi controllare solo una cosa, controlla la velocità assunta.

Modellano diversamente la curva di ricarica, o non la modellano affatto

Un pacco agli ioni di litio accetta alta potenza a bassa carica e diminuisce rapidamente man mano che si riempie [3]. La conseguenza pratica è che l'ultimo venti percento di una carica può richiedere tanto tempo quanto i primi cinquanta, quindi la strategia ottimale è di solito più soste, ciascuna più breve, piuttosto che meno e più lunghe.

Un pianificatore che modella questo correttamente produrrà un itinerario che sembra inefficiente: quattro soste invece di due — e tuttavia ti porterà a destinazione prima. Un pianificatore che tratta la ricarica come una tariffa fissa produce un piano più ordinato che è errato.

Non sono d'accordo sul meteo

Il freddo riduce l'autonomia utilizzabile e contemporaneamente rallenta il tasso al quale il pacco accetterà la carica [4]. Entrambi gli effetti spingono nella stessa direzione, e un piano basato sul consumo in condizioni di tempo mite può fallire in un modo che un piccolo margine di errore non copre.

Questa è la riga in cui la differenza tra i pianificatori è più significativa, ed è per questo che la tabella delle capacità tratta la modellazione del meteo come una caratteristica di prima classe piuttosto che una cortesia.

Non sono d'accordo su quanto dovresti essere spaventato

Il margine di arrivo — quanto carica un pianificatore insiste che ti rimanga quando raggiungi una sosta — non è una quantità fisica. È una politica. Uno strumento impostato per arrivare al 10% e uno impostato per arrivare al 20% produrranno itinerari materialmente diversi da input identici, e nessuno dei due è errato.

L'ansia da autonomia è un'influenza ben documentata su come i conducenti si comportano realmente, distinta da ciò che l'auto può fare [5]. Un pianificatore che ti consente di impostare questo ti sta permettendo di valutare i tuoi nervi, che è il posto giusto per quella decisione.

Autostrada britannica a tre corsie con traffico in entrambe le direzioni sotto un cielo grigio
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Cosa fare al riguardo

  • Imposta l'assunzione di velocità su ciò che guidi realmente, non su ciò che intendi fare.
  • In una giornata fredda, pianifica con lo strumento pessimista e tratta quello ottimista come un caso migliore.
  • Fidati di un pianificatore che ti offre più soste, più brevi, piuttosto che uno che te ne offre meno, più lunghe.
  • Ripianifica a metà viaggio piuttosto che all'inizio. Ogni input si è spostato nel frattempo.
Le prove a sostegno di questa pagina Un grafico a barre impilate che mostra la composizione delle 40 pubblicazioni citate in questa pagina per tipo di studio. 40other (40)
40 pubblicazioni, 2012–2026. Questa è una base in gran parte osservazionale. Può stabilire che le cose si verificano insieme; non può stabilire quale causa l'altra. Fonte: l'elenco delle citazioni di questa pagina, qui sotto.

Riferimenti

Ogni citazione qui sotto rimanda al record originale sottoposto a revisione paritaria su PubMed o tramite DOI. Nulla di quanto riportato qui sostituisce il consiglio medico.

  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

Questa pagina è stata tradotta automaticamente dall'inglese. Le citazioni e i numeri sono invariati. Leggi l'originale in inglese se qualcosa sembra strano. Leggi l'originale in inglese