전기차 에너지 소비 예측: 통계 및 머신러닝 결합

지속가능발전목표(SDG) 달성을 위해 화석연료 차량에서 전기차(EV)로의 전환이 필수적입니다. 그러나 전기차의 에너지 소비량을 정확하게 예측하는 것은 운영 효율성, 경로 계획, 충전 전략에 직접적인 영향을 미치므로 광범위한 전기차 보급에 있어 중요한 과제로 남아있습니다. 본 연구는 이 문제를 해결하기 위해 XGBoost, Random Forest, 회귀 기반 기법 등 첨단 머신러닝 모델과 통계적 방법을 활용한 혁신적인 데이터 조작을 결합한 새로운 접근 방식을 제안합니다. 운전 패턴 및 환경 조건을 포함한 차량별 지표를 통합하는 특징 공학(feature engineering)을 통해 모델이 실제 시나리오에 동적으로 적응하도록 설계되었습니다. 제안된 프레임워크는 에너지 소비 예측에서 높은 정확성과 견고성을 입증했습니다. 이는 지속가능한 운송 시스템과 효율적인 에너지 관리를 위한 귀중한 통찰력을 제공하여 SDG 달성에 기여할 수 있음을 시사합니다.