인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
As efforts to mitigate climate change accelerate, the adoption of electric vehicles(EV) is rapidly expanding. However, the range estimates that vehicle dashboards provide are often inaccurate, which poses a major barrier to widespread EV adoption. This study proposes a robust range prediction framework that is based on large-scale real-world Battery Management System(BMS) data. Specifically, the study constructs a dataset that includes 11,512,182 km of driving records, which are collected over 25 months from 391 EVs. To overcome the practical limitation that complete discharge data are rarely available, we reformulate the range prediction task as an energy efficiency(km/kWh) prediction problem. A Transformer-based prediction model is designed, which captures complex correlations and long-term dependencies within multivariate time-series data. Experimental results show that the proposed Transformer model achieved a MAE(mean absolute error) of 5.38 km, reducing prediction error by approximately 49.2% compared to EV dashboards.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095660310
