Macro Study of Global Electric Vehicle Expansion

Cover Page

Cite item

Full Text

Abstract

This study analyzes the diffusion of battery electric vehicles (BEV) in the world and evaluates the vehicle charging stations based on the European Union (EU) scenario. Initially, the global BEV sales data from 2005 to 2018 are fitted with the two most frequently used econometric logistics and Bass diffusion models. Further, the study identifies the different stage adopters, forecasts the consumption of BEVs, and examines the velocity and acceleration of BEV diffusion. Finally, future charging stations are examined to meet the BEV sales demand. Results suggest that the adoption of BEVs demonstrates a better fit on the Bass model where the global BEV market is estimated to grow from 5,3 millions in 2019 to near 40 millions units by 2030, and with the reference of the EU countries’ adoption scenario, the global charging stations will be increased from near 2 millions in 2019 to near 10 millions units by 2030.

About the authors

T. Dhakal

Kangwon National University, Chuncheon Si, South Korea

Author for correspondence.
Email: thakur_dhakal2003@kangwon.ac.kr

K. S Min

Kangwon National University, Chuncheon Si, South Korea

Email: ksm@kangwon.ac.kr

References

  1. Adnan N., Nordin S.M., Rahman I., Vasant P.M., Noor A. (2017) A comprehensive review on theoretical framework-based electric vehicle consumer adoption research. International Journal of Energy Research, 3640. DOI: https://doi.org/10.1002/er.3640
  2. Ahman M. (2006) Government policy and the development of electric vehicles in Japan. Energy Policy, 34(4), 433-443. DOI: https://doi.org/10.1016/j.enpol.2004.06.011
  3. Al-Alawi B.M., Bradley T.H. (2013) Review of hybrid, plug-in hybrid, and electric vehicle market modeling Studies. Renewable and Sustainable Energy Reviews, 21, 190-203. DOI: https://doi.org/10.1016/j.rser.2012.12.048
  4. Arndt J. (1967) Role of Product-Related Conversations in the Diffusion of a New Product. Journal of Marketing Research, 4(3), 291-295. DOI: https://doi.org/10.2307/3149462
  5. BNK Securities (2019) Detecting new changes and distribution of electric vehicles, South Korea. Busan: BNK Securities (in Korean).
  6. Bansal R.C. (2017) Electric vehicles. In: Handbook of Automotive Power Electronics and Motor Drives. (ed. A. Emadi), London: Taylor and Francis, 55-96. DOI: https://doi.org/10.1201/9781420028157
  7. Bass F.M. (1969) A New Product Growth for Model Consumer Durables. Management Science, 15, 215-227. DOI: https://doi.org/10.1287/mnsc.15.5.215
  8. Daziano R.A., Chiew E. (2012) Electric vehicles rising from the dead: Data needs for forecasting consumer response toward sustainable energy sources in personal transportation. Energy Policy, 51, 876-894. DOI: https://doi.org/10.1016/j.enpol.2012.09.040
  9. Dijk M., Orsato R.J., Kemp R. (2013) The emergence of an electric mobility trajectory. Energy Policy, 52, 135-145. DOI: https://doi.org/10.1016/j.enpol.2012.04.024
  10. Fisher J.C., Pry R.H. (1971) A simple substitution model of technological change. Technological Forecasting and Social Change, 3, 75-88. DOI: https://doi.org/10.1016/S0040-1625(71)80005-7
  11. Frank L.D. (2004) An analysis of the effect of the economic situation on modeling and forecasting the diffusion of wireless communications in Finland. Technological Forecasting and Social Change, 71, 391-403. DOI: https://doi.org/10.1016/S0040-1625(02)00392-X
  12. Griliches Z. (1957) Hybrid Corn: An Exploration in the Economics of Technological Change. Econometrica, 25(4), 501-522. DOI: https://doi.org/10.2307/1905380
  13. Hertzke P., Muller N., Schenk S., Wu T. (2018) The global electric-vehicle market is amped up and on the rise, New York: McKinsey Co.
  14. IEA (2019) Global EV Outlook 2019: Scaling-up the transition to electric mobility, Paris: International Energy Agency.
  15. Liao F., Molin E., van Wee B. (2017) Consumer preferences for electric vehicles: A literature review. Transport Reviews, 37(3), 252-275. DOI: https://doi.org/10.1080/01441647.2016.1230794
  16. Liu Y., Klampfl E., Tamor M.A. (2013) Modified bass model with external factors for electric vehicle adoption (SAE Technical Paper), Warrendale, PA: SAE International. DOI: https://doi.org/10.4271/2013-01-0505
  17. Loisel R., Pasaoglu G., Thiel C. (2014) Large-scale deployment of electric vehicles in Germany by 2030: An analysis of grid-to-vehicle and vehicle-to-grid concepts. Energy Policy, 65, 432-443. DOI: https://doi.org/10.1016/j.enpol.2013.10.029
  18. Mahajan V., Muller E., Bass F.M. (1991) New Product Diffusion Models in Marketing: A Review and Directions for Research. In: Diffusion of Technologies and Social Behavior (eds. N. Nakicenovic, A. Grubler), Heidelberg, New York, Dordrecht, London: Springer, 125-177. DOI: https://doi.org/10.1007/978-3-662-02700-4_6
  19. Mahmoudzadeh Andwari A., Pesiridis A., Rajoo S., Martinez-Botas R., Esfahanian V. (2017) A Review of Battery Electric Vehicle Technology and Readiness Levels. Renewable and Sustainable Energy Reviews, 78, 414-430. DOI: https://doi.org/10.1016/j.rser.2017.03.138
  20. Nezamoddini N., Wang Y. (2016) Risk management and participation planning of electric vehicles in smart grids for demand response. Energy, 116(1), 836-850. DOI: https://doi.org/10.1016/j.energy.2016.10.002
  21. Ortar N., Ryghaug M. (2019) Should all cars be electric by 2025? The electric car debate in Europe. Sustainability, 11(7), 1868. DOI: https://doi.org/10.3390/su11071868
  22. Rao K.U., Kishore V.V.N. (2010) A review of technology diffusion models with special reference to renewable energy technologies. Renewable and Sustainable Energy Reviews, 14(3), 1070-1078. DOI: https://doi.org/10.1016/j.rser.2009.11.007
  23. Rezvani Z., Jansson J., Bodin J. (2015) Advances in consumer electric vehicle adoption research: A review and research agenda. Transportation Research Part D: Transport and Environment, 34, 122-136. DOI: https://doi.org/10.1016/j.trd.2014.10.010
  24. Rogers E. (1983) Difussion of Innovations, New York: Free Press.
  25. Scrosati B., Garche J., Tillmetz W. (2015) Advances in Battery Technologies for Electric Vehicles, Amsterdam: Elsevier. DOI: https://doi.org/10.1017/cbo9781316090978.005
  26. Shen Z.-J.M., Feng B., Mao C., Ran L. (2019) Optimization models for electric vehicle service operations: A literature review. Transportation Research Part B: Methodological Volume, 128, 462-477. DOI: https://doi.org/10.1016/j.trb.2019.08.006
  27. Vinet L., Zhedanov A. (2010) A missing family of classical orthogonal polynomials. Journal of Physics A: Mathematical and Theoretical, 44(8), 085201. DOI: https://doi.org/10.1088/1751-8113/44/8/085201
  28. Wansart J., Schnieder E. (2010) Modeling market development of electric vehicles. In: Proceedings of the 2010 IEEE International Systems Conference, San Diego, CA: IEEE, 371-376. DOI: https://doi.org/10.1109/systems.2010.5482453
  29. Zhu Z., Du H. (2018) Forecasting the Number of Electric Vehicles: A Case of Beijing. In: IOP Conference Series: Earth and Environmental Science, 170(4), 042037. DOI: https://doi.org/10.1088/1755-1315/170/4/042037
  30. Миловидов В. (2019) Инновации, устойчивый рост и энергетика: возможен ли цивилизационный рывок? Форсайт, 13(1), 62-68. DOI: https://doi.org/10.17323/2500-2597.2019.1.62.68
  31. Филиппов С. (2018) Новая технологическая революция и требования к энергетике. Форсайт, 12(4), 20-33. DOI: https://doi.org/10.17323/2500-2597.2018.4.20.33

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».