この研究では、電気自動車（EV）の車間距離行動を理解するために、古典的なモデルと機械学習モデルを比較しています。古典的なモデルには、インテリジェントドライバーモデル（IDM）、最適速度モデル（OVM）、最適速度相対速度モデル（OVRV）、および簡略化された連携制御（CACC）モデルが含まれます。一方、機械学習アプローチではランダムフォレスト回帰モデルが使用され、実際のデータに基づいてパラメータが調整されました。結果、ランダムフォレストモデルが所有する精度は非常に高く、RMSE（平均二乗誤差）は中間ギャップで0.0046、長いギャップで0.0016、追加の長いギャップで0.0025でした。物理ベースのモデルの中ではCACCが最も良好で、長いギャップでのRMSEは2.67でした。これらの結果は、機械学習モデルがすべてのシナリオで優れたパフォーマンスを示すことを強調しており、EV行動のシミュレーションや混合自律交通動態の分析に役立つことが示されています。