EV Planner Compared

Wyjaśnienie

Dlaczego dwaj planujący dają ten sam samochód inną odpowiedź

Ten sam samochód, ta sama trasa, ten sam dzień. Jeden mówi o trzech przystankach i sześciu godzinach, drugi o dwóch przystankach i pięciu. Żaden nie kłamie — różnią się w kwestiach, które są naprawdę niepewne.

Zaktualizowane 2 min czytania 40 cytacje Siła dowodów 3/5

Widok wzdłuż autostrady z wiaduktu w kierunku zjazdu
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Zakładają różne prędkości

Opór aerodynamiczny rośnie ze wzrostem prędkości do kwadratu, a moc potrzebna do jego pokonania rośnie do sześcianu. Różnica między 110 km/h a 130 km/h nie jest zatem dwudziestoprocentową różnicą w zużyciu; jest znacznie większa. Planer zakładający, że będziesz jechać z maksymalną prędkością, a inny zakładający, że będziesz jechać poniżej niej, modelują dwie różne podróże.

Większość narzędzi pozwala na ustawienie tego, a większość ludzi nigdy tego nie robi. Jeśli dwóch planerów się nie zgadza i możesz sprawdzić tylko jedną rzecz, sprawdź założoną prędkość.

Modelują krzywą ładowania inaczej lub wcale

Akumulator litowo-jonowy akceptuje dużą moc przy niskim stanie naładowania i gwałtownie spada, gdy się napełnia [3]. Praktycznym skutkiem jest to, że ostatnie dwadzieścia procent ładowania może zająć tyle samo czasu, co pierwsze pięćdziesiąt, więc optymalna strategia to zazwyczaj więcej przystanków, każdy krótszy, zamiast mniej i dłuższych.

Planer, który modeluje to poprawnie, wygeneruje plan, który wygląda na nieefektywny — cztery przystanki zamiast dwóch — a mimo to dotrze tam szybciej. Planer, który traktuje ładowanie jako stałą stawkę, produkuje bardziej uporządkowany plan, który jest błędny.

Różnią się w kwestii pogody

Zimno zmniejsza użyteczny zasięg i jednocześnie spowalnia tempo, w jakim akumulator akceptuje ładunek [4]. Oba efekty działają w tym samym kierunku, a plan oparty na zużyciu w łagodnej pogodzie może zawieść w sposób, którego mała margines błędu nie pokrywa.

To jest obszar, w którym różnica między planerami jest najbardziej znacząca, i dlatego tabela możliwości traktuje modelowanie pogody jako funkcję pierwszorzędną, a nie jako drobiazg.

Różnią się w kwestii tego, jak bardzo powinieneś się bać

Zapas na przybycie — ile ładunku planer wymaga, abyś miał naładowane, gdy dotrzesz do przystanku — nie jest wielkością fizyczną. To polityka. Narzędzie ustawione na przybycie z 10% i jedno ustawione na 20% wygenerują materialnie różne plany z identycznych danych wejściowych, a żaden z nich nie jest niepoprawny.

Lęk przed zasięgiem to dobrze udokumentowany wpływ na to, jak kierowcy faktycznie się zachowują, różniący się od tego, co samochód może zrobić [5]. Planer, który pozwala ci to ustawić, pozwala ci wycenić własne nerwy, co jest właściwym miejscem dla tej decyzji.

Trzypasmowa brytyjska autostrada z ruchem w obu kierunkach pod szarym niebem
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Co z tym zrobić

  • Ustaw założenie prędkości na to, jak naprawdę jeździsz, a nie na to, co zamierzasz.
  • W zimny dzień planuj z pesymistycznym narzędziem i traktuj optymistyczne jako najlepszy przypadek.
  • Zaufaj planerowi, który daje ci więcej, krótszych przystanków, zamiast jednego, który daje ci mniej, dłuższych.
  • Przemyśl plan w trakcie podróży, a nie na początku. Każde dane wejściowe zdążyły się już zmienić.
Dowody na tej stronie Zgrupowany wykres słupkowy pokazujący skład 40 publikacji cytowanych na tej stronie według typu badania. 40other (40)
40 publikacji, 2012–2026. To w dużej mierze baza obserwacyjna. Może ustalić, że rzeczy występują razem; nie może ustalić, która z nich powoduje drugą. Źródło: lista cytatów tej strony, poniżej.

Odnośniki

Każda cytacja poniżej prowadzi do oryginalnego recenzowanego dokumentu na PubMed lub za pośrednictwem DOI. Nic tutaj nie zastępuje porady medycznej.

  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

Ta strona została automatycznie przetłumaczona z angielskiego. Cytaty i liczby są niezmienione. Przeczytaj oryginał w języku angielskim, jeśli coś brzmi dziwnie. Przeczytaj oryginał w języku angielskim