EV Planner Compared

Izskaidrotājs

Kāpēc divi plānotāji dod atšķirīgu atbildi

Tas pats auto, tas pats maršruts, tas pats diena. Viens saka trīs pieturas un sešas stundas, otrs saka divas pieturas un piecas. Neviens nemelo — viņi nepiekrīt lietām, kas ir patiesi nenoteiktas.

Atjaunināts 2 minūtes lasīšanai 40 citāti Pierādījumu stiprums 3/5

Skats gar autoceļu no pārvada uz izejošo ceļu
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Viņi pieņem atšķirīgus ātrumus

Aerodinamiskais pretestība pieaug ar ātruma kvadrātu, un jauda, kas nepieciešama, lai to pārvarētu, pieaug ar kubu. Tāpēc atšķirība starp 110 km/h un 130 km/h nav divdesmit procentu atšķirība patēriņā; tā ir daudz lielāka. Plānotājs, kas pieņem, ka jūs sēdēsiet pie robežas, un viens, kas pieņem, ka jūs slīdēsiet zem tās, modelē divus dažādus ceļojumus.

Lielākā daļa rīku ļauj jums to iestatīt, un lielākā daļa cilvēku to nekad nedara. Ja divi plānotāji nepiekrīt un jūs varat pārbaudīt tikai vienu lietu, pārbaudiet pieņemto ātrumu.

Viņi modelē uzlādes līkni atšķirīgi vai vispār nemodelē

Litija jonu akumulators pieņem augstu jaudu pie zema uzlādes līmeņa un strauji samazinās, kad tas piepildās [3]. Praktiskā sekas ir tādas, ka pēdējie divdesmit procenti uzlādes var aizņemt tikpat ilgi kā pirmie piecdesmit, tāpēc optimālā stratēģija parasti ir vairāk pieturu, katra īsāka, nevis mazāk un garākas.

Plānotājs, kas to pareizi modelē, radīs maršrutu, kas izskatās neefektīvs — četras pieturas, nevis divas — un tomēr jūs tur nokļūs ātrāk. Plānotājs, kas uzlādi uzskata par fiksētu likmi, rada sakārtotāku plānu, kas ir nepareizs.

Viņi nepiekrīt par laika apstākļiem

Auksts laiks samazina izmantojamo attālumu un vienlaikus palēnina ātrumu, ar kādu akumulators pieņems uzlādi [4]. Abi efekti virzās vienā virzienā, un plāns, kas balstīts uz mēreniem laika apstākļiem, var neizdoties tādā veidā, kādu neliela kļūdu robeža neaptver.

Šī ir rinda, kur plānotāju atšķirība ir visnozīmīgākā, un tāpēc spēju tabula uzskata laika apstākļu modelēšanu par pirmās klases funkciju, nevis par sīkumu.

Viņi nepiekrīt par to, cik ļoti jums vajadzētu baidīties

Ierašanās rezerve — cik daudz uzlādes plānotājs uzstāj, ka jums ir jāatstāj, kad jūs sasniedzat pieturu — nav fiziska kvantitāte. Tas ir politikas jautājums. Rīks, kas iestatīts, lai ierastos ar 10%, un viens, kas iestatīts, lai ierastos ar 20%, radīs materiāli atšķirīgus maršrutus no identiskiem ievadiem, un neviens no tiem nav nepareizs.

Attāluma trauksme ir labi dokumentēts faktors, kas ietekmē to, kā vadītāji patiesībā uzvedas, atšķirībā no tā, ko auto var darīt [5]. Plānotājs, kas ļauj jums to iestatīt, ļauj jums novērtēt savus nervus, kas ir pareizā vieta šai lēmuma pieņemšanai.

Trīs joslu britu šoseja ar satiksmi abos virzienos pelēkā debesīs
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Ko darīt par to

  • Iestatiet ātruma pieņēmumu uz to, kā jūs patiešām braucat, nevis uz to, ko jūs plānojat.
  • Aukstā dienā plānojiet ar pesimistisko rīku un uzskatiet optimistisko par labāko gadījumu.
  • Uzticieties plānotājam, kas dod jums vairāk, īsāku pieturu, nevis tam, kas dod jums mazāk, garākas.
  • Pārplānojiet ceļojuma vidū, nevis sākumā. Katrs ievads līdz tam ir novirzījies.
Pierādījumi, kas atbalsta šo lapu Sakārtota josla, kas parāda 40 publikāciju sastāvu, kas citētas šajā lapā, pēc pētījumu veida. 40other (40)
40 publikācijas, 2012–2026. Tas ir lielā mērā novērojošs pamats. Tas var noteikt, ka lietas notiek kopā; tas nevar noteikt, kura no tām izraisa otru. Avots: šīs lapas pašu citātu saraksts, zemāk.

Atsauces

Katrs zemāk minētais citāts saista ar oriģinālo recenzēto ierakstu PubMed vai caur DOI. Nekas šeit nav aizvietotājs medicīnas padomam.

  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

Šī lapa tika automātiski tulkota no angļu valodas. Atsauces un skaitļi paliek nemainīgi. Izlasiet angļu oriģinālu, ja kaut kas šķiet dīvaini. Izlasīt angļu oriģinālu