Although the rapid development of battery technology has greatly increased the range of battery electric vehicle (BEV), the range anxiety is still a major concern of BEV users or potential users. Previous work has proposed a framework explaining the influential factors of range anxiety and users' trust toward the range estimation system (RES) of BEV has been identified as a leading factor of range anxiety. The trust in RES may further influence BEV users' charging decisions. However, the formation of trust in RES of BEVs has not yet explored. In this work, a questionnaire has been designed to investigate BEV users' trust in RES and further explore the influential factors of BEV users' charging decision. In total, 152 samples collected from the BEV users in mainland China have been analyzed. The BEV users' gender, driving area, knowledge of BEV or RES, system usability and trust in battery system of smartphones have been identified as influential factors of RES in BEVs, supporting the three-layer framework in automation-related trust (i.e., dispositional trust, situational trust and learned trust). A connection between smartphone charging behaviors and BEV charging behaviors has also been observed. The results from this study can provide insights on the design of RES in BEVs in order to alleviate range anxiety among users. The results can also inform the design of strategies (e.g., advertising, training and in-vehicle HMI design) that can facilitate more rational charging decisions among BEV users.


翻译:尽管电池技术的迅速发展大大增加了电池电动车辆的范围,但范围焦虑仍然是BEV用户或潜在用户的主要关切。先前的工作提议了一个框架,解释BEV用户对范围估计系统(RES)的广泛焦虑和用户信任的影响力因素;认为BEV用户的性别、驾驶领域、BEV或RE的知识、对智能手机电池系统的可用性和信任,被确定为BEV用户对电池系统收费决定的影响力因素,但支持与自动化有关的信任(即,处置信任、情况信任和学习信任)的三层框架尚未探讨。从中国大陆BEV用户收集的152个样本已经进行了分析。BEV用户的性别、驾驶领域、BEV或RE的知识、对智能手机电池系统的可用性和信任被确定为REV系统影响因素,支持与自动化有关的信任(即,处置信任、情况信任和学习信任)的三层框架已经设计。在降低EVEV的广告设计设计中,可以观察到智能手机行为和BEV行为判断性判断设计结果。还观察到了在B行为设计中进行深度分析的结果。

0
下载
关闭预览

相关内容

专知会员服务
60+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
82+阅读 · 2022年7月16日
Arxiv
35+阅读 · 2021年8月2日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员