डेटा-सीमित शहरों में समानता-सचेत इलेक्ट्रिक वाहन (EV) चार्जिंग योजना अभी भी चुनौतीपूर्ण है। इस कार्य में, एक एकीकृत ढांचा स्पैटियोटेम्पोरल ग्राफ न्यूरल नेटवर्क्स (ST-GNNs), EVI-Pro Lite मांग अनुमान, और लेक्सिकोग्राफिक द्वि-स्तरीय अनुकूलन को मिलाकर विकसित किया गया और इसे बोगोता, कोलंबिया (8.3 मिलियन निवासियों) में लागू किया गया। क्षेत्र स्तरीय प्राथमिकता स्कोर और स्थल-विशिष्ट समय भार का अनुमान लगाने के लिए गृह यात्रा सर्वेक्षण डेटा (142 क्षेत्रों में 12,500 घरों) का उपयोग किया गया। EVI-Pro Lite सिमुलेशनों ने 2025 के लिए 10,870 चार्जिंग पोर्ट की आवश्यकता का प्रक्षेपण किया (7352 आवासीय, 2739 कार्यस्थल, और 779 सार्वजनिक)। आवंटन चरण में, स्तर 1 ने प्राथमिकता-सापेक्ष लक्ष्य बनाए रखे, जबकि स्तर 2 ने लगभग-इष्टतम स्तर-1 अनुपालन के अधीन हेनसन पहुँच में अंतर-क्षेत्रीय असमानता को न्यूनतम किया। अंतिम आवंटन ने स्थापित पोर्ट्स में मजबूत प्राथमिकता संरेखण बरकरार रखा (स्पीयरमैन ρ=0.799, p<10−31), जबकि प्राथमिकता–पहुँच संबंध कम था (स्पीयरमैन ρ=0.320, p=1.04×10−4), जो दूसरी-स्तर समानता पुनर्वितरण के अनुरूप है। समानता परिणाम भी सुधरे (हेनसन गिनी = 0.433; नीचे-50% लोरेंज शेयर = 0.204)। औसत हेनसन पहुँच 296.630 तक पहुंच गई (मानक विचलन 248.099; न्यूनतम 1.126)। ये निष्कर्ष संकेत करते हैं कि उन शहरों में भी जहाँ प्रकट चार्जिंग सूक्ष्म डेटा सीमित हैं, पुनरुत्पादक, समानता-उन्मुख EV इन्फ्रास्ट्रक्चर योजनाएँ तैयार की जा सकती हैं।
Silva et al. (Mon,) ने इस प्रश्न का अध्ययन किया।