Where to plug in? Assessing the users’ preferences for EV charging location
Notice bibliographique
Résumé
This study investigates individuals’ electric vehicle (EV) charging location preferences in the Okanagan region of British Columbia. Data comes from the British Columbia Activity Time Use Survey conducted in 2023, which collected individuals’ ranked preferences for charging their EVs in the following location alternatives: home, work, grocery stores, shopping malls, en-route, gas stations, and other locations. A random parameter rank-ordered logit model is employed to capture the relative preferences for different charging locations. The results reveal that individuals’ socio-demographics, travel attributes, built-environment characteristics, and accessibility measures significantly influence EV charging location preferences. For example, higher-income individuals show a higher preference for charging at home and workplace. Residents of detached houses prefer home and workplace charging over grocery stores and shopping malls. Apartment dwellers show a higher preferences for charging their vehicles in grocery stores, shopping malls, gas stations, and other locations. Additionally, individuals traveling longer distances daily are likely to have higher preferences for charging their EVs in shopping malls, en-route, and gas stations. The proximity of charging stations and land use mix, also play a critical role in influencing charging location preferences. A higher number of charging stations near home is found to reduce the preference for home charging. On the other hand, a higher land use mix around workplaces, indicating the availability of diverse amenities, reduces the preference for workplace charging. Providing community-based charging facilities might be able to accommodate the EV charging needs of these individuals. Nevertheless, the findings of this study provide valuable insights for policymakers and planners regarding user preferences for charging which will help in strategic investments, planning, and EV charging infrastructure development.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 0,001 |
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 ».