Geographic Factors Impacting the Demand for Public EV Charging: An Observational Study
Notice bibliographique
Résumé
The practicality and substitutability of electric vehicles depend on there being a fast, reliable way to recharge on round trips beyond the range of a single charge. Grouping such infrastructure into charging hubs benefits developers and operators through economies of scale and electric vehicle drivers in terms of travel logistics and passed-through cost savings. The need for charging capacity at en-route charging hubs is impacted by the following four identifiable geo-social parameters: (a) highway travel volumes, reflecting the rate at which electric vehicles are expending energy in the area; (b) local population, reflecting both the increased needs of electric vehicle owners without dedicated home chargers and the reduced needs of those commuting into a metropolitan center; (c) the quantity of competing charging stations; and (d) being on a critical interprovincial route. Twelve charging stations located in diverse locations around Nova Scotia, Canada, were evaluated in terms of these four parameters, and their recorded use was investigated from a dataset of 26,000 charging events between April 2022 and April 2024. The regression reveals that there are strong positive correlations between demand for fast charging and (a) traffic volumes (45%) and (c) being on an interprovincial route (42%), while there is only a very weak correlation with (b) local population (2%). Interestingly, there is only a weak negative correlation with (c) the number and capacity of nearby competing chargers (−6%), suggesting that either in short-term route choice or longer-term vehicle choice, the presence of chargers encourages electric vehicles.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».