초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구는 전기자동차의 주행정보를 수집하여 Big-Data를 구축하고 이를 기반으로 각 도로 Link의 연비를 추정하여 전기자동차 주행가능거리를 예측하는 것을 목적으로 수행되었다. 기존의 전기자동차 주행가능거리 예측 기술은 차량의 과거 수회 주행패턴 기록에 의존하기 때문에 평소의 주행환경과 상이한 환경에서는 예측 정확도가 낮아지는 한계점을 지니고 있다. 따라서 본 연구에서는 전기자동차의 주행기록을 Big-Data로 구성하고 이를 기반으로 연비를 추정하여 주행가능거리를 예측하는 기술을 제시하였다. 유사한 방식의 선행연구도 이루어지고 있지만 Big-Data를 활용한 대부분의 기존 연구방식은 주행 데이터를 수집하여 차량 ...

본 연구는 전기자동차의 주행정보를 수집하여 Big-Data를 구축하고 이를 기반으로 각 도로 Link의 연비를 추정하여 전기자동차 주행가능거리를 예측하는 것을 목적으로 수행되었다. 기존의 전기자동차 주행가능거리 예측 기술은 차량의 과거 수회 주행패턴 기록에 의존하기 때문에 평소의 주행환경과 상이한 환경에서는 예측 정확도가 낮아지는 한계점을 지니고 있다. 따라서 본 연구에서는 전기자동차의 주행기록을 Big-Data로 구성하고 이를 기반으로 연비를 추정하여 주행가능거리를 예측하는 기술을 제시하였다. 유사한 방식의 선행연구도 이루어지고 있지만 Big-Data를 활용한 대부분의 기존 연구방식은 주행 데이터를 수집하여 차량 시뮬레이션을 돌리는데 정보를 활용하는 것에 그치고 있다. 본 연구에서는 수집된 실 주행 데이터를 통계처리과정을 거쳐 도로별 소모부하 예측모델 개발에 사용하였고 이를 통해 전체 주행가능거리 예측을 수행하였다. 예측된 소모부하로부터 전체 소모 에너지를 연산하고 도로별 연비를 추정하여 주행가능거리를 예측하게 된다. Big-Data 확보를 위해 연구용 시험차량의 실 주행 모니터링 데이터를 이용하였고 특정경로에 대한 분석과 범용경로에 대한 분석을 병행하며 두 가지의 접근방법으로 연구를 수행하였다. 연구를 진행하면서 예측 정확도를 향상시킬 수 있는 방법을 같이 제시하였고 실제로 실험과정에서도 제시한 방법을 적용하며 예측을 수행하였다. 또한 실 개발 시 발생할 수 있는 문제점들에 대한 해결방안도 제시하여 양산을 위한 개발 시 적용 할 수 있도록 하였다. 부하 분석은 구동부하, 전장부하, 공조부하 별로 구분하여 통계처리를 하는 방식으로 수행하였으며 부하와 영향인자간의 상관관계를 분석하여 각 조건에 맞는 예측 모델을 제시하였다.

주제어