The Impact of Road Types on the Energy Consumption of Electric Vehicles
Notice bibliographique
Résumé
The widespread adoption of battery electric vehicles (BEVs) is hindered by their limited ranges and long charging times. Optimizing eco-driving strategies and BEV-specific routing through a thorough understanding of the BEV discharge behavior is vital to overcome these barriers in the short term. Therefore, this study investigates the impact of road types on the BEV discharge behavior while accounting for explanatory variables (i.e., ambient temperature, the initial state of charge, and driver). Thirty participants drove a 2017 Volkswagen eGolf along two predefined routes in Rhode Island. The results illustrate that BEVs are the most efficient on-road types with medium speed and low variation (i.e., “major collectors,” “minor arterials,” and “other principal arterials”). Meanwhile, findings confirmed a significantly higher average energy consumption rate on roads with higher average speeds (“interstates” and “other freeways/expressways”). Moreover, “local roads,” associated with a low average travel speed and a high variation in speed, showed a negative effect on BEV efficiency. The study further supported previous findings that BEVs are less efficient in colder temperatures. Thus, adapting eco-driving strategies, including the alteration of route choice to avoid “local roads” and “interstates,” can offer BEV drivers the potential for energy savings and range extensions. We propose a consideration of these findings to mitigate the effects of BEV range limitations and ease BEV adoption and ownership.
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 ».