Survival analysis of electric vehicle charging behavior and the temporal evolution of feature effects

Meža, Matej (avtor), Strle, Gregor (avtor), Meža, Marko (avtor)

This study proposes a survival-based modeling framework that combines behavioral features with interpretable machine learning to understand and predict user churn in electric vehicle charging services. Using a dataset of 1,074 users and 107,531 charging sessions from Central European countries, we modeled time-to-churn while handling censored observations.The best-performing model, a StackedWeibull survival model based on gradient boosting, achieved a concordance index of 0.826 ± 0.041 and Integrated Brier Score of 0.078 ± 0.008 (5-fold cross-validation), with strong calibration relative to Kaplan-Meier survival estimates. Interpretability analyses identified sustained session frequency, positive engagement trends, and temporal regularity in charging behavior as key predictors of reduced churn risk.These findings highlight the potential of survival modeling integrated with behavioral analytics to predict churn risk and inform retention strategies in electric vehicle charging networks.

• Jezik: Angleški jezik
• Ključne besede: electric vehicle charging, machine learning, behavioral modeling, churn prediction, survival analysis
• Vrsta gradiva: Članek v reviji
• Tipologija: 1.01 - Izvirni znanstveni članek
• Organizacija: FE - Fakulteta za elektrotehniko
• Status publikacije: Objavljeno
• Različica publikacije: Objavljena publikacija
• Leto izida: 2025
• Št. strani: 15 str.
• Številčenje: 15, art. 34897
• PID: 20.500.12556/RUL-174885
• UDK: 621.3
• ISSN pri članku: 2045-2322
• DOI: 10.1038/s41598-025-18771-8
• COBISS.SI-ID: 252693507
• Datum objave v RUL: 10.10.2025

Gradivo je del revije

• Naslov: Scientific reports
• Skrajšan naslov: Sci. rep.
• Založnik: Springer Nature
• ISSN: 2045-2322
• COBISS.SI-ID: 18727432

Licence

• Licenca: CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
• Povezava: http://creativecommons.org/licenses/by/4.0/deed.sl
• Opis: To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

• Jezik: Slovenski jezik
• Ključne besede: polnjenje električnih vozil, strojno učenje, modeliranje obnašanja, napoved odhoda uporabnikov, analiza trajanja

Projekti

• Financer: ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
• Številka projekta: P2-0246
• Naslov: ICT4QoL - Informacijsko komunikacijske tehnologije za kakovostno življenje