Development of a Battery Consumption Prediction Model for Micro Electric Vehicles in Real-World Driving Conditions

Abstract

Micro Electric Vehicles (MEVs), compact versions of standard electric vehicles (EVs), are increasingly popular for first- and last-mile transportation and delivery services. For both drivers and mobility companies, battery consumption is a major concern because of their comparatively limited battery capacity and long recharge times. This study introduces a novel prediction framework for MEV battery consumption, employing large-scale historical driving data. The proposed framework consists of two stages. The first involves developing a battery consumption prediction model that incorporates a wide range of driving features. Simultaneously, a driving profile extractor is developed that can generate these driving features from a single input, such as the driving distance. The second stage integrates the extractor with the prediction model, resulting in a streamlined single-input prediction model. Additionally, a bootstrap-based inference method is introduced for calculating prediction intervals. Designed for real-world applicability, this approach simplifies the implementation of the predictive model. The framework's performance is validated using real-world driving data and illustrated through practical applications, including the prediction of driving distance and MEV availability based on remaining battery capacity. It provides MEV users with essential tools for efficient vehicle management.|초소형 전기차(MEV)는 전기차(EV)의 소형 버전으로, 퍼스트 마일 및 라스트 마일 솔루션 그리고 운송 서비스 분야에서 주목을 받고 있다. 하지만 상대적으로 제한된 배터리 용량과 긴 충전 시간으로 인해 운전자와 OEM사 모두에게 배터리 사용량은 주요 관심사이다. 본 연구에서는 대규모의 과거 주행 데이터를 활용해 초소형 전기차의 배터리 사용량을 예측하는 새로운 프레임워크를 소개하고자 한다. 제안된 프레임워크는 두 단계로 구성된다. 첫 번째 단계에서는 다양한 주행 특징을 반영한 배터리 사용량 예측 모델을 개발한다. 그리고 주행 거리와 같은 단일 입력 변수를 활용하여 주행 특징을 추출할 수 있는 주행 프로파일 추출기를 개발한다. 두 번째 단계에서는 추출기와 예측 모델을 통합하여 간소화된 단일 입력 예측 모델을 개발한다. 또한, 부트스트랩 기법을 사용하여 예측 구간을 계산한다. 이러한 접근 방식은 실주행 환경에 적용 가능하며, 예측모델 구현을 단순화할 수 있다. 프레임워크의 성능은 실제 주행 데이터를 사용하여 검증되며, 배터리 잔량에 따른 주행 거리 및 MEV 가용도 예측과 같은 실제 적용 사례를 통해 입증된다. 제안한 프레임워크는 MEV 사용자들이 차량을 효율적으로 관리할 수 있는 기능을 제공한다.