Método neutrosófico para la evaluación del impacto de los vehículos eléctricos basado en la infraestructura de carga y sostenibilidad

Autores/as

  • Esteban Fernando López Espinel Universidad Regional Autónoma de Los Andes, Ambato. Ecuador
  • Juan Diego Zurita Vargas Universidad Regional Autónoma de Los Andes, Ambato. Ecuador
  • Vinicio Sebastián Ribadeneira Ramírez Universidad Regional Autónoma de Los Andes, Ambato. Ecuador
  • Antonio Gabriel Castillo Medina Universidad Regional Autónoma de Los Andes, Ambato. Ecuador

Palabras clave:

números neutrosófico, vehículos eléctricos, infraestructura de carga de vehículos eléctricos, autonomía de vehículos eléctricos, sostenibilidad

Resumen

La movilidad eléctrica emerge como una solución clave para combatir el cambio climático y disminuir la dependencia de combustibles fósiles. La transición hacia vehículos eléctricos (VE) promete reducir las emisiones de gases de efecto invernadero y promover la sostenibilidad ambiental. No obstante, el crecimiento del mercado de VE demanda una infraestructura de carga eficiente, accesible y confiable, capaz de satisfacer las necesidades de la movilidad eléctrica incluso en escenarios de escasez energética. La evolución de los VE, desde modelos experimentales hasta opciones competitivas, subraya la importancia de una infraestructura de carga robusta, respaldada por tecnologías avanzadas como estaciones de carga rápida y sistemas de almacenamiento de energía, facilitando así su adopción masiva. Esta investigación tiene como objetivo desarrollar un método neutrosófico para evaluar el impacto de los vehículos eléctricos, considerando la infraestructura de carga y la sostenibilidad. El resultado este estudio busca ofrecer una visión integral de los avances, desafíos y oportunidades relacionados con la instalación de estaciones de recarga para vehículos eléctricos.  

Publicado

2025-04-01

Número

Sección

Articulos

Cómo citar

Método neutrosófico para la evaluación del impacto de los vehículos eléctricos basado en la infraestructura de carga y sostenibilidad. (2025). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 37, 555-563. https://fs.unm.edu/NCML2/index.php/112/article/view/751

Artículos más leídos del mismo autor/a