Core Concepts
실제 주행 데이터를 활용하여 전기 자전거와 전기 스쿠터의 에너지 소비를 정확하게 예측할 수 있는 데이터 기반 모델을 개발하였다.
Abstract
이 연구는 전기 마이크로모빌리티 기기의 에너지 소비 패턴을 이해하고 예측하기 위해 실제 주행 데이터를 수집하고 분석하였다.
주요 내용은 다음과 같다:
더블린에서 수집한 전기 자전거와 전기 스쿠터의 실제 주행 데이터를 활용하여 오픈 데이터셋을 구축하였다.
다양한 기계학습 모델을 활용하여 에너지 소비를 예측하고, 기존의 수학적 모델과 비교 분석하였다.
기계학습 모델, 특히 다층 퍼셉트론(MLP) 모델이 수학적 모델보다 에너지 소비 예측 정확도가 최대 83.83% 높은 것으로 나타났다.
사용자의 신체 정보와 같은 특징이 모델 성능 향상에 중요한 역할을 하는 것으로 확인되었다.
이 연구 결과는 전기 마이크로모빌리티 기기의 에너지 효율성 향상과 사용자 경험 개선에 기여할 것으로 기대된다.
Stats
전기 자전거의 경우 평균 속도가 18km/h이고, 총 상승 고도는 56.8m였다.
전기 스쿠터의 경우 평균 속도가 8.1km/h이고, 고도 차이는 55.9m였다.
Quotes
"제조업체가 보고한 최대 주행 거리는 실제 사용자가 보고한 평균 주행 거리보다 약 30% 더 높다."
"현재의 에너지 모델은 이러한 시스템의 복잡한 에너지 역학을 단순화하여, 중요한 세부 사항을 놓치고 있다."