The Feasibility of Electric Vehicles as Taxis in a Canadian Context
Notice bibliographique
Résumé
This study combined real-world driving data and battery simulations to evaluate electric taxi (eTaxi) feasibility in Canada. On-road data from two gasoline fueled taxis, (1-shift, 55,280 km/year; 2-shift, 108,700 km/year) provided performance targets for simulations of electric vehicles (EVs). A project objective was to assess to what degree an EV could attain these targets over a 6-year period, an expected taxi service life. The on-road taxi data were sparse; measured as average speeds for one minute periods. They were integrated with a second set of on-road driving data from a study with a Tesla Model S 70D. These Tesla data had one second temporal resolution, featuring speeds, temperatures and battery power draws. The on-road taxi data were partitioned into segments, and scaled to data from a corresponding regime from the Tesla tests, producing power draw and driving speed at one second resolution, for the battery simulation. The simulation implemented an equivalent circuit representation of an EV battery, derived from discharge curves of its constituent cells. A capacity fade model developed and validated from literature data allowed investigation of long term vehicle performance. Simulations showed that with overnight recharging only, the 1-shift taxi met 89% of the driving schedule. With mid-shift recharging and as-needed depleted state charging, both types of taxis achieved over 98 % of driving targets during the 6-year vehicle life. Per scenario, after six years, the 1-shift taxi had 67-75% of the original battery capacity, while the 2-shift had 44-49%. Battery degradation mainly depended on total driving distance and was less impacted by charging rate. These initial forecasts are part of a broader project that also indicates favorable economics, leading to a forthcoming second phase of research involving on-road tests with EVs partnered with Canadian taxi operators.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».