EV Planner Compared

Explicação

Por que dois planeadores dão a mesma resposta a um carro

Mesma carro, mesma rota, mesmo dia. Um diz três paradas e seis horas, o outro diz duas paradas e cinco. Nenhum está mentindo — eles discordam sobre coisas que são genuinamente incertas.

Atualizado 3 min de leitura 40 citações Força da evidência 3/5

Vista ao longo de uma autoestrada a partir de uma ponte sobre a via em direção a uma saída
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Eles assumem velocidades diferentes

A resistência aerodinâmica aumenta com o quadrado da velocidade, e a potência necessária para superá-la com o cubo. A diferença entre 110 km/h e 130 km/h não é, portanto, uma diferença de vinte por cento no consumo; é muito maior. Um planejador que assume que você irá manter o limite e um que assume que você irá ficar abaixo dele estão modelando duas jornadas diferentes.

A maioria das ferramentas permite que você defina isso e a maioria das pessoas nunca faz. Se dois planejadores discordam e você só pode verificar uma coisa, verifique a velocidade assumida.

Eles modelam a curva de carregamento de forma diferente, ou não a modelam de forma alguma

Uma bateria de íon de lítio aceita alta potência em baixo estado de carga e diminui rapidamente à medida que se enche [3]. A consequência prática é que os últimos vinte por cento de uma carga podem levar tanto tempo quanto os primeiros cinquenta, portanto, a estratégia ideal é geralmente mais paradas, cada uma mais curta, em vez de menos e mais longas.

Um planejador que modela isso corretamente produzirá um itinerário que parece ineficiente — quatro paradas em vez de duas — e, no entanto, chegará mais rápido. Um planejador que trata o carregamento como uma tarifa fixa produz um plano mais organizado que está errado.

Eles discordam sobre o clima

O frio reduz a autonomia utilizável e simultaneamente diminui a taxa à qual a bateria aceitará carga [4]. Ambos os efeitos empurram na mesma direção, e um plano baseado no consumo em clima ameno pode falhar de uma maneira que uma pequena margem de erro não cobre.

Esta é a linha onde a diferença entre planejadores é mais consequente, e é por isso que a tabela de capacidades trata a modelagem do clima como uma característica de primeira classe em vez de uma nicidade.

Eles discordam sobre quão assustado você deve estar

A margem de chegada — quanto carga um planejador insiste que você tenha ao chegar a uma parada — não é uma quantidade física. É uma política. Uma ferramenta configurada para chegar a 10% e uma configurada para chegar a 20% produzirão itinerários materialmente diferentes a partir de entradas idênticas, e nenhuma delas está incorreta.

A ansiedade de autonomia é uma influência bem documentada sobre como os motoristas realmente se comportam, distinta do que o carro pode fazer [5]. Um planejador que permite que você defina isso está permitindo que você precifique seus próprios nervos, que é o lugar certo para essa decisão.

Autoestrada britânica de três faixas com tráfego em ambas as direções sob um céu cinzento
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

O que fazer a respeito

  • Defina a suposição de velocidade para o que você realmente dirige, não para o que você pretende.
  • Em um dia frio, planeje com a ferramenta pessimista e trate a otimista como um melhor cenário.
  • Confie em um planejador que lhe dá mais paradas curtas em vez de um que lhe dá menos paradas longas.
  • Replaneje no meio da jornada em vez de no início. Cada entrada já se desviou até lá.
A evidência por trás desta página Um gráfico de barras empilhadas mostrando a composição das 40 publicações citadas nesta página por tipo de estudo. 40other (40)
40 publicações, 2012–2026. Esta é uma base amplamente observacional. Pode estabelecer que as coisas ocorrem juntas; não pode determinar qual causa a outra. Fonte: a lista de citações desta própria página, abaixo.

Referências

Cada citação abaixo liga-se ao registo original revisto por pares no PubMed ou via DOI. Nada aqui substitui o aconselhamento médico.

  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

Esta página foi traduzida automaticamente do inglês. As citações e números permanecem inalterados. Leia o original em inglês se algo parecer estranho. Leia o original em inglês