EV Planner Compared

Uitleg

Waarom planners hetzelfde antwoord anders geven

Zelfde auto, zelfde route, zelfde dag. De ene zegt drie stops en zes uur, de andere twee stops en vijf. Geen van beide liegt — ze zijn het oneens over dingen die werkelijk onzeker zijn.

Updated 3 min read 40 citations Evidence strength 3/5

Uitzicht over een snelweg vanaf een verkeersbrug in de richting van een afrit
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Ze gaan uit van verschillende snelheden

Luchtweerstand neemt toe met het kwadraat van de snelheid, en het vermogen dat nodig is om die te overwinnen met de derde macht. Het verschil tussen 110 km/u en 130 km/u is dus geen verschil van twintig procent in verbruik; het is veel groter. Een planner die aanneemt dat u op de limiet blijft rijden en een die aanneemt dat u er net onder blijft, modelleren twee verschillende reizen.

Met de meeste tools kunt u dit instellen, en de meeste mensen doen dat nooit. Als twee planners van mening verschillen en u kunt maar één ding controleren, controleer dan de aangenomen snelheid.

Ze modelleren de laadcurve anders, of helemaal niet

Een lithium-ionpack accepteert hoog vermogen bij een lage laadtoestand en neemt sterk af naarmate het volloopt [3]. Het praktische gevolg is dat de laatste twintig procent van een lading net zo lang kan duren als de eerste vijftig, waardoor de optimale strategie meestal meer, kortere stops is, in plaats van minder, langere.

Een planner die dit correct modelleert, zal een reisplan opleveren dat inefficiënt oogt — vier stops in plaats van twee — en dat u toch sneller ter bestemming brengt. Een planner die laden als een vast tarief behandelt, produceert een net ogend plan dat onjuist is.

Ze zijn het oneens over het weer

Kou vermindert het bruikbare bereik en vertraagt tegelijk de snelheid waarmee het pack lading zal accepteren [4]. Beide effecten werken in dezelfde richting, en een plan dat gebaseerd is op het verbruik bij mild weer kan falen op een manier die een kleine foutmarge niet opvangt.

Dit is het onderdeel waarbij het verschil tussen planners het meest ingrijpend is, en daarom behandelt de capaciteitstabel weermodellering als een essentiële functie in plaats van een leuke extra.

Ze zijn het oneens over hoe bang u zou moeten zijn

Aankomstbuffer — hoeveel lading een planner erop staat dat u nog over heeft wanneer u een stop bereikt — is geen fysieke grootheid. Het is een beleidskeuze. Een tool die is ingesteld om met 10% aan te komen en een die is ingesteld op 20% zullen bij identieke input aanzienlijk verschillende reisplannen opleveren, en geen van beide is onjuist.

Rijangst is een goed gedocumenteerde invloed op hoe bestuurders daadwerkelijk handelen, los van wat de auto kan [5]. Een planner waarmee u dit kunt instellen, laat u uw eigen zenuwen inprijzen, en dat is precies waar die beslissing moet liggen.

Wat je hieraan kunt doen

  • Stel de snelheidsaanname in op wat u werkelijk rijdt, niet op wat u van plan bent.
  • Plan op een koude dag met de pessimistische tool en behandel de optimistische als een beste-geval-scenario.
  • Vertrouw eerder op een planner die u meer, kortere stops geeft dan op een die u minder, langere geeft.
  • Herplan tijdens de reis in plaats van bij de start. Elke input is dan al verschoven.
Britse snelweg met drie rijstroken en verkeer in beide richtingen onder een grijze lucht
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Gerelateerde artikelen

Het bewijs achter deze pagina Een gestapelde staafdiagram met de samenstelling van de 40 publicaties die op deze pagina worden geciteerd, per studietype. 40other (40)
40 publicaties, 2012–2026. Dit is grotendeels een observationele basis. Ze kan aantonen dat dingen samen voorkomen; ze kan niet vaststellen wat de oorzaak is van wat. Bron: de eigen citatielijst van deze pagina, hieronder.

References

Every citation below links to the original peer-reviewed record on PubMed or via DOI. Nothing here is a substitute for medical advice.

  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. Site and Capacity Planning of Electric Vehicle Charging Stations Based on Road–Grid Coupling Tian Z, Yan Q, Ma Y, et al. · World Electric Vehicle Journal · 2026 · Journal article DOI
  8. 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
  9. 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
  10. Research on electric vehicle energy consumption prediction based on BP neural network Ding R, Zhao J · Advances in Engineering Innovation · 2026 · Journal article DOI
  11. 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
  12. 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
  13. 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
  14. 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
  15. 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
  16. 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
  17. 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
  18. Integrated model construction for state of charge estimation in electric vehicle lithium batteries Liu Y, Dun W · Energy Informatics · 2024 · Journal article DOI
  19. 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
  20. Electric Vehicle Distribution Route Optimisation and Charging Strategy Considering Dynamic Loads Wu Q, Tian M · Polish Journal of Environmental Studies · 2024 · Journal article DOI
  21. 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
  22. 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
  23. 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
  24. 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
  25. 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
  26. 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
  27. Evaluation of Electric Vehicle Charging Usage and Driver Activity Mahlberg J, Desai J, Bullock D · World Electric Vehicle Journal · 2023 · Journal article DOI
  28. 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
  29. 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
  30. 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
  31. 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
  32. Electric Vehicle Range Estimation Using Regression Techniques Ahmed M, Mao Z, Zheng Y, et al. · World Electric Vehicle Journal · 2022 · Journal article DOI
  33. 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
  34. 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
  35. 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
  36. 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
  37. 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
  38. Economic Microgrid Planning Algorithm with Electric Vehicle Charging Demands Yoon S, Kang S · Energies · 2017 · Journal article DOI
  39. Online Prediction of Battery Electric Vehicle Energy Consumption Wang J, Besselink I, Nijmeijer H · World Electric Vehicle Journal · 2016 · Journal article DOI
  40. 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

This page was translated automatically from English. The citations and numbers are unchanged. Read the English original if anything reads oddly. Read the English original