This work aims at improving the energy consumption forecast of electric vehicles by enhancing the prediction with a notion of uncertainty. The algorithm itself learns from driver and traffic data in a training set to generate accurate, driver-individual energy consumption forecasts.
Umfang: X, 159 S.
Preis: 43.00 €
These are words or phrases in the text that have been automatically identified by the Named Entity Recognition and Disambiguation service, which provides Wikipedia () and Wikidata () links for these entities.
Scheubner, S. 2022. Stochastic Range Estimation Algorithms for Electric Vehicles using Data-Driven Learning Models. Karlsruhe: KIT Scientific Publishing. DOI: https://doi.org/10.5445/KSP/1000143200
Dieses Buch wurde im Open Access Format publiziert. Es gelten die Bestimmungen der Creative Commons Attribution 4.0 Lizenz (falls nicht anders vermerkt). Sie berechtigt die uneingeschränkte Nutzung, Vervielfältigung und Verbreitung in jeglichen Medien, solange das Werk angemessen zitiert wird. Das Urheberrecht behalten die Autorinnen und Autoren.
Dieses Buch ist Peer reviewed. Informationen dazu finden Sie hier
Veröffentlicht am 3. Juni 2022
Englisch
192
Paperback | 978-3-7315-1166-3 |