La planificación de estaciones de carga (CS) para vehículos eléctricos (EVs) en una región se ha convertido en una preocupación importante tanto para los urbanistas como para el público en general, con el fin de mejorar la adopción de los EVs. Dos problemas principales que comprenden esta área de investigación son: (i) el problema de la ubicación de estaciones de carga de EV (EVCSP) y (ii) el problema de estimación de la necesidad de CS para una región. En este trabajo, se investigaron diferentes soluciones explicables basadas en aprendizaje automático (ML) y simulación, incorporando métricas cuantitativas y cualitativas. Las soluciones se compararon con enfoques tradicionales utilizando un área real de CS en Austin y un área de campo verde en Bengaluru. Para EVCSP, se evaluó una clase diferente de soluciones de agrupamiento, es decir, basadas en la media, basadas en densidad, basadas en espectros o valores propios, y distribución gaussiana. Se consideraron diferentes perspectivas, como la perspectiva del urbanista, es decir, la eficiencia del agrupamiento, y la perspectiva del propietario de un EV, es decir, una distancia aceptable a la CS más cercana. Para la estimación de la necesidad de CS, se evaluaron soluciones de ML basadas en regresión cuadrática y simulaciones. Utilizando nuestros métodos de planificación de CS, los urbanistas pueden tomar mejores decisiones sobre la ubicación de las CS y pueden estimar las necesidades de CS para el presente y el futuro.