MétaCan
Menu
Retour à la cohorte
Enregistrement W4386965226 · doi:10.1080/15435075.2023.2259975

Electric vehicles charging infrastructure planning: a review

2023· review· en· W4386965226 sur OpenAlexaff
Irfan Ullah, Jianfeng Zheng, Arshad Jamal, Muhammad Zahid, Meshal Almoshageh

Notice bibliographique

RevueInternational Journal of Green Energy · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésElectrificationSustainable transportWork (physics)Metropolitan areaElectric vehicleInfrastructure planningEnvironmental economicsDriving rangeTransport engineeringBusinessEnvironmentally friendlyComputer scienceElectricityEngineeringSustainabilityElectrical engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Electric vehicles (EVs) have gained increasing attention as a more sustainable and environmentally friendly mode of transportation. Many countries should include electrification of their transport networks in their future smart city plans to ensure environmentally sustainable growth. The number of EVs in metropolitan areas is expected to experience extensive growth. EVs are often considered an alternative to addressing the challenges posed by increasing carbon emissions and dependence on fossil fuels. However, the acceptance of EVs tends to be slow due to concerns such as range anxiety, prolonged charge times, inconvenient charging locations, and inadequate charging infrastructure. To address these challenges, this paper discusses the planning and optimization of EV charging infrastructure based on existing literature. In recent years, there has been a significant increase in the number of publications focusing on EV charging stations. This demonstrates the growing interest and research activity in the field of EV charging infrastructure. Furthermore, the literature is categorized into recurring topics, specifically EV charging planning and optimization for EV charging infrastructure. This particular review paper includes empirical work on charging network planning for EVs. Therefore, this analysis provides the latest trends and findings for EV charging infrastructure planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,290
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations61
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Green EnergyMême sujetElectric Vehicles and InfrastructureTravaux en français237 207