EV Planner Compared

Vysvetlenie

Prečo dvaja plánovači dávajú rovnakému autu iné odpovede

To isté auto, to isté trasy, ten istý deň. Jeden hovorí tri zastávky a šesť hodín, druhý hovorí dve zastávky a päť. Ani jeden neklame — líšia sa v otázkach, ktoré sú skutočne neisté.

Aktualizované 2 min čítania 40 citácie Sila dôkazov 3/5

Pohľad na diaľnicu z nadjazdu smerom k výjazdovej ceste
Dietmar Rabich · CC BY-SA 4.0 · Wikimedia Commons

Predpokladajú rôzne rýchlosti

Aerodynamický odpor rastie so štvorcom rýchlosti a výkon potrebný na jeho prekonanie s kubom. Rozdiel medzi 110 km/h a 130 km/h nie je teda dvadsaťpercentný rozdiel v spotrebe; je oveľa väčší. Plánovač, ktorý predpokladá, že budete jazdiť na limite, a ten, ktorý predpokladá, že sa budete pohybovať pod ním, modelujú dve rôzne cesty.

Väčšina nástrojov vám to umožňuje nastaviť a väčšina ľudí to nikdy neurobí. Ak sa dvaja plánovači líšia a môžete skontrolovať len jednu vec, skontrolujte predpokladanú rýchlosť.

Modelujú nabíjaciu krivku inak, alebo vôbec nie

Lithium-iónový akumulátor prijíma vysoký výkon pri nízkom stave nabitia a prudko klesá, keď sa napĺňa [3]. Praktickým dôsledkom je, že posledných dvadsať percent nabitia môže trvať tak dlho ako prvých päťdesiat, takže optimálna stratégia je zvyčajne viac zastávok, každá kratšia, než menej a dlhších.

Plánovač, ktorý to modeluje správne, vytvorí itinerár, ktorý vyzerá neefektívne — štyri zastávky namiesto dvoch — a predsa vás tam dostane skôr. Plánovač, ktorý považuje nabíjanie za pevný tarif, vytvára upratanejší plán, ktorý je nesprávny.

Líšia sa v názore na počasie

Chlad znižuje použiteľný dojazd a súčasne spomaľuje rýchlosť, ktorou akumulátor prijíma náboj [4]. Obe účinky pôsobia rovnakým smerom a plán založený na spotrebe v miernom počasí môže zlyhať spôsobom, ktorý malá chybová marža nepokryje.

Toto je oblasť, kde je rozdiel medzi plánovačmi najdôležitejší, a preto tabuľka schopností považuje modelovanie počasia za prvotriednu funkciu, nie len za drobnosť.

Líšia sa v tom, ako veľmi by ste sa mali báť

Rezerva pri príchode — koľko nabitia plánovač trvá, že máte, keď dosiahnete zastávku — nie je fyzikálna veličina. Je to politika. Nástroj nastavený na príchod na 10 % a jeden nastavený na príchod na 20 % vytvorí materiálne odlišné itineráre z identických vstupov, a ani jeden nie je nesprávny.

Úzkosť z dojazdu je dobre zdokumentovaný vplyv na to, ako sa vodiči skutočne správajú, odlišný od toho, čo auto dokáže [5]. Plánovač, ktorý vám umožňuje to nastaviť, vám umožňuje oceniť vlastné nervy, čo je správne miesto pre toto rozhodnutie.

Trojlanečná britská diaľnica s dopravou v oboch smeroch pod šedou oblohou
Klaus with K · CC BY-SA 3.0 · Wikimedia Commons

Čo s tým robiť

  • Nastavte predpokladanú rýchlosť na to, ako skutočne jazdíte, nie na to, čo zamýšľate.
  • V chladnom dni plánujte s pesimistickým nástrojom a optimistický považujte za najlepší prípad.
  • Dôverujte plánovaču, ktorý vám dáva viac, kratších zastávok, pred tým, ktorý vám dáva menej, dlhších.
  • Preplánujte počas cesty, nie na začiatku. Každý vstup sa do tej doby posunul.
Dôkazy za touto stránkou Stohovaný graf ukazujúci zloženie 40 publikácií citovaných na tejto stránke podľa typu štúdie. 40other (40)
40 publikácií, 2012–2026. Toto je prevažne observačná základňa. Môže stanoviť, že sa veci vyskytujú spolu; nemôže určiť, ktorá z nich spôsobuje druhú. Zdroj: vlastný zoznam citácií tejto stránky, nižšie.

Odkazy

Každá citácia nižšie odkazuje na pôvodný recenzovaný záznam na PubMed alebo prostredníctvom DOI. Nič tu nie je náhradou za lekárske poradenstvo.

  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

Táto stránka bola automaticky preložená z angličtiny. Citácie a čísla zostávajú nezmenené. Prečítajte si anglický originál, ak niečo znie zvláštne. Prečítaj si anglický originál