Assessment of the On-Road Performance of Hybrid Electric Vehicles (HEVs) and Electric Vehicles (EVs) in Urban Road Conditions in the Philippines
Notice bibliographique
Résumé
This current and pioneering work aimed to assess the on-road performance of selected hybrid electric vehicles (HEVs) and electric vehicles (EVs) in local urban road conditions following the World Harmonized Light Vehicles Test Procedure (WLTP) and the chase car protocol. An experimental research design was also implemented to investigate the effects of the different payload conditions on vehicle performance, and corresponding drive cycle patterns for the test vehicles were generated from each on-road test. From the series of these on-road tests, it was revealed that there was high variability in speed profiles, and vehicle speed was generally found to be inversely related to payload weight. The variations in the state of charge, fuel fill-up, and fuel and energy parameters exhibited no significant differences in terms of payload conditions. When compared to both the Canada fuel consumption guide and the US fuel consumption guide, the resulting fuel consumption and energy consumption indicated that the Mitsubishi Outlander PHEV and Mitsubishi iMiEV exceeded energy efficiency standards, unlike the Toyota Prius. Meanwhile, in terms of CO2 emissions, all vehicles demonstrated around 40–70% lower emissions compared to conventional vehicles according to the 2023 estimates of the US Environmental Protection Agency. Being the first of its kind in the Philippines, this study on the on-road performance assessments of HEVs and EVs is essential because it provides empirical data on these vehicles’ actual performance in everyday driving conditions. The data are important for evaluating the potential to address environmental concerns, promote sustainable transportation solutions, influence consumer adoption, and shape government policies. With ongoing improvements in technology and expanding charging infrastructure, HEVs and EVs are poised for significant adoption in the coming years.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».