Adoption durable des VE avec regroupement et modélisation prédictive pour une infrastructure de recharge optimale dans les West Midlands et le North East du Royaume-Uni

Pourquoi une recharge plus intelligente compte pour les conducteurs quotidiens

Passer de la voiture à essence à l’électrique promet un air plus pur et des coûts d’utilisation réduits, mais seulement si les conducteurs trouvent des lieux de recharge pratiques et fiables. Cette étude examine comment de véritables propriétaires de véhicules électriques (VE) dans deux régions anglaises utilisent et rechargent leurs voitures, puis applique des outils de données avancés pour concevoir de meilleurs réseaux de recharge. En comprenant qui conduit des VE, comment ils rechargent et ce qui compte le plus pour eux, le travail montre comment les villes et les régions peuvent déployer des points de recharge de manière à être fluides pour les conducteurs ordinaires plutôt que frustrantes ou risquées.

Deux régions, de nombreuses trajectoires VE

Les chercheurs se sont concentrés sur 256 propriétaires de VE du North East et des West Midlands, deux régions britanniques aux revenus, aux schémas d’implantation et aux réseaux de transport contrastés. La plupart des répondants étaient des adultes actifs, souvent hautement diplômés et aux revenus supérieurs à la moyenne, mais l’échantillon des West Midlands comprenait beaucoup plus de ménages à hauts revenus. Dans les deux régions, les personnes possédaient principalement des voitures entièrement électriques plutôt que des hybrides rechargeables, et la plupart ne conduisaient en électrique que depuis quelques années, reflétant la récente poussée des ventes de VE. Les raisons du passage différaient toutefois selon la région : dans le North East, les économies de coûts étaient la principale motivation d’achat, tandis que dans les West Midlands la préoccupation environnementale jouait un rôle plus important, même si l’argent restait un facteur. Ces différences suggèrent que des politiques uniformes risquent de passer à côté des motivations propres à chaque communauté.

Comment les gens rechargent et se déplacent réellement

Le comportement de recharge quotidien s’est avéré étonnamment structuré. La plupart des conducteurs des deux régions rechargeaient leur voiture une à deux fois par semaine et parcouraient des distances quotidiennes assez modestes, souvent entre 10 et 30 kilomètres. Les longs trajets quotidiens supérieurs à 100 kilomètres étaient rares. Lorsqu’ils devaient se brancher, 85 % préféraient les bornes rapides à courant continu, surtout lorsque leur batterie était faible. Les gens étaient généralement prêts à parcourir seulement de courtes distances pour une recharge : jusqu’à 3 kilomètres pour la plupart des répondants, très peu acceptant d’aller au‑delà de 9 kilomètres. Le temps d’attente constituait un point sensible. Beaucoup souhaitaient attendre moins de 20 minutes avant qu’une borne se libère, et seule une petite minorité acceptait des files d’attente plus longues. La recharge se faisait typiquement le soir ou la nuit, quand l’électricité est moins chère et les routes plus calmes, et les sessions duraient souvent de trois à six heures, indiquant une recharge planifiée et routinière plutôt que des arrêts de dernière minute par panique.

Regrouper les utilisateurs et prédire leurs besoins

Pour aller au‑delà des simples moyennes, les auteurs ont construit une plateforme intégrée qu’ils appellent ISE‑CAP. D’abord, ils ont utilisé des techniques de regroupement pour trier les conducteurs en trois grands groupes dans chaque région, selon la fréquence de recharge, les distances parcourues et la volonté d’attendre ou de faire un détour. Certains clusters représentaient des utilisateurs intensifs qui parcourent de plus longues distances et dépendent davantage des bornes publiques ; d’autres étaient principalement des recharges à domicile avec des trajets courts et prévisibles. Ensuite, l’équipe a entraîné des modèles informatiques pour prédire le comportement de recharge, comme la durée d’une session, en utilisant des informations sur les habitudes de conduite, le revenu, le niveau d’éducation et les préférences de bornes. Ces modèles étaient très précis sur l’échantillon de l’étude, en particulier dans le North East plus compact, où les comportements étaient plus uniformes et le réseau de recharge plus concentré.

Ce qui influence vraiment le choix d’une borne

Les chercheurs ont ensuite demandé : quels facteurs influencent réellement le choix d’un point de recharge ? En utilisant une approche de modélisation explicable, ils ont identifié trois caractéristiques marquantes dans les deux régions : la durée de la recharge, la disponibilité en temps réel de la borne et son coût. La distance jusqu’à la borne comptait aussi, mais les gens étaient particulièrement sensibles à l’idée d’arriver et de trouver toutes les prises occupées. Beaucoup de conducteurs utilisaient des applications mobiles ou des systèmes embarqués pour voir quelles bornes étaient libres, et une analyse en nuage de mots des commentaires libres a fait ressortir des appels répétés à « plus de stations », à un meilleur entretien et à une fiabilité accrue. En bref, les conducteurs veulent des bornes rapides et proches en lesquelles ils peuvent avoir confiance au moment de leur arrivée, à des tarifs perçus comme équitables.

Des données aux meilleures cartes de recharge

Enfin, la plateforme ISE‑CAP a été utilisée dans des simulations informatiques pour tester où implanter de nouvelles bornes. Les modèles ont pris en compte la demande prévue, la distance que les gens devraient parcourir pour atteindre une borne et l’impact d’une charge supplémentaire sur le réseau électrique. Au fil de nombreuses simulations, le système a trouvé des configurations réduisant la distance moyenne parcourue jusqu’aux bornes tout en maintenant la contrainte sur le réseau sous contrôle. Bien que ces résultats d’optimisation n’aient pas encore été testés sur le terrain, ils montrent comment combiner des enseignements d’enquêtes, des modèles prédictifs et des simulations par essai‑erreur peut guider une planification d’infrastructure plus intelligente, adaptée aux schémas de chaque région plutôt qu’aux moyennes nationales.

Ce que cela signifie pour l’avenir de la conduite électrique

Pour le grand public, le message principal est que le succès des VE ne consiste pas seulement à multiplier les prises, mais à installer les bons types de bornes aux bons endroits pour les personnes qui vont réellement les utiliser. Cette étude montre que la plupart des conducteurs actuels de VE veulent des bornes rapides, proches et fiables, et une information claire sur leur disponibilité, et que ces préférences varient subtilement entre des régions aux revenus et aux configurations différents. En regroupant les utilisateurs par types de comportement, en prédisant la demande et en expliquant les facteurs clés de leurs choix, le cadre ISE‑CAP offre un moyen pratique pour les conseils, les gestionnaires d’énergie et les urbanistes de concevoir des réseaux de recharge perçus comme pratiques et équitables. Si ce type de planification pilotée par les données est étendu et affiné avec des jeux de données plus larges, il pourrait rendre la possession d’un VE plus fluide, moins chère et plus attrayante pour un plus grand nombre de conducteurs, accélérant ainsi la transition vers des transports plus propres.

Citation: Cavus, M., Wang, S., Deb, S. et al. Sustainable EV adoption with clustering and predictive modelling for optimal charging infrastructure in the West Midlands and North East UK. Sci Rep 16, 14457 (2026). https://doi.org/10.1038/s41598-026-43106-6

Mots-clés: véhicules électriques, infrastructure de recharge, villes intelligentes, comportement des utilisateurs, apprentissage automatique