KR102315324B1 - Electric vehicle charging platform based on electric vehicle big data charging method thereof - Google Patents

Electric vehicle charging platform based on electric vehicle big data charging method thereof Download PDF

Info

Publication number
KR102315324B1
KR102315324B1 KR1020190139921A KR20190139921A KR102315324B1 KR 102315324 B1 KR102315324 B1 KR 102315324B1 KR 1020190139921 A KR1020190139921 A KR 1020190139921A KR 20190139921 A KR20190139921 A KR 20190139921A KR 102315324 B1 KR102315324 B1 KR 102315324B1
Authority
KR
South Korea
Prior art keywords
data
electric vehicle
user
collection module
charger
Prior art date
Application number
KR1020190139921A
Other languages
Korean (ko)
Other versions
KR20210054158A (en
Inventor
박용희
Original Assignee
주식회사 소프트베리
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 소프트베리 filed Critical 주식회사 소프트베리
Priority to KR1020190139921A priority Critical patent/KR102315324B1/en
Publication of KR20210054158A publication Critical patent/KR20210054158A/en
Application granted granted Critical
Publication of KR102315324B1 publication Critical patent/KR102315324B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/30—Constructional details of charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/90—Vehicles comprising electric prime movers
    • B60Y2200/91—Electric vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

전기차 빅데이터 기반의 전기차 충전 플랫폼 및 그 충전 방법이 개시된다. 전기차 관련 사용자 데이터를 네트워크를 통해 수집하는 사용자 데이터 수집 모듈; 전기차 충전소의 충전기 데이터를 수집하는 충전기 데이터 수집 모듈; 상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터 및 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터를 이용하여 최적 충전소를 산출하여 제공하는 최적 충전소 산출 모듈을 구성한다. 상술한 전기차 빅데이터 기반의 전기차 충전 플랫폼 및 그 충전 방법에 의하면, 전기차 관련 사용자 데이터와 충전기 데이터 각각의 특징 벡터를 이용하여 관계성을 산출하여 최적의 정보를 사용자와 사업자에게 각각 제공하도록 구성됨으로써, 차별화된 독립적 정보의 제공이 가능해지고 사용자들의 요구 사항에 관한 분석이 가능해지는 효과가 있다.An electric vehicle charging platform based on electric vehicle big data and a charging method thereof are disclosed. a user data collection module for collecting electric vehicle-related user data through a network; a charger data collection module for collecting charger data of an electric vehicle charging station; An optimal charging station calculation module for calculating and providing an optimal charging station is configured by using the electric vehicle-related user data collected by the user data collection module and the charger data collected from the charger data collection module. According to the above-described electric vehicle big data-based electric vehicle charging platform and its charging method, it is configured to provide optimal information to a user and a business operator by calculating a relationship using each characteristic vector of electric vehicle-related user data and charger data, It is possible to provide differentiated and independent information, and it has the effect of enabling analysis of users' requirements.

Description

전기차 빅데이터 기반의 전기차 충전 플랫폼 및 그 충전 방법{ELECTRIC VEHICLE CHARGING PLATFORM BASED ON ELECTRIC VEHICLE BIG DATA CHARGING METHOD THEREOF}Electric vehicle charging platform based on electric vehicle big data and charging method thereof

본 발명은 전기차 충전 플랫폼 및 그 충전 방법에 관한 것으로서, 구체적으로는 전기차 빅데이터 기반의 전기차 충전 플랫폼 및 그 충전 방법에 관한 것이다.The present invention relates to an electric vehicle charging platform and a charging method thereof, and more particularly, to an electric vehicle charging platform based on electric vehicle big data and a charging method thereof.

전기차의 보급이 늘어남에 따라 전기차의 충전에 대한 다양한 니즈(needs)가 발생하고 있다. 전기차 사용자나 충전소 사업자에게는 전기차의 충전 시간이 오래 걸린다는 점이 가장 중요하게 고려되어야 하는 문제점이 되고 있다. 이에, 충전 시간을 최대한 줄이고 그 시간을 최대한 활용할 수 있는 방안이 가장 중요한 니즈가 될 수 있다.As the spread of electric vehicles increases, various needs for charging electric vehicles are occurring. For electric vehicle users or charging station operators, the fact that electric vehicles take a long time to charge is becoming the most important problem to be considered. Accordingly, the most important need may be to reduce the charging time as much as possible and to make the most of the time.

그러나, 아직까지는 전기차의 보급률이 높지 않은 편이고 사용자나 사업자나 모두 전기차에 관한 데이터의 축적이 요구되는 시기이다. 전기차 관련 데이터, 사용자의 데이터, 충전소 데이터 등을 축적하고 종합적으로 분석하여 기존의 정형화된 니즈나 문제점을 뛰어넘어 사용자에게 개별적인 정보를 제공하고 사업자에게는 새로운 영업 방식을 도출해 낼 수 있는 수단이 요구된다.However, the penetration rate of electric vehicles is not yet high, and it is a time when data on electric vehicles is required for both users and operators. By accumulating and comprehensively analyzing electric vehicle-related data, user data, and charging station data, it goes beyond the existing standardized needs and problems to provide individual information to users and operators are required to develop new business methods.

등록특허공보 10-1813257Registered Patent Publication No. 10-1813257 공개특허공보 10-2018-0049892Laid-Open Patent Publication No. 10-2018-0049892

본 발명의 목적은 전기차 빅데이터 기반의 전기차 충전 플랫폼을 제공하는 데 있다.An object of the present invention is to provide an electric vehicle charging platform based on electric vehicle big data.

본 발명의 다른 목적은 전기차 빅데이터 기반의 전기차 충전 플랫폼의 충전 방법을 제공하는 데 있다.Another object of the present invention is to provide a charging method for an electric vehicle charging platform based on electric vehicle big data.

상술한 본 발명의 목적에 따른 전기차 빅데이터 기반의 전기차 충전 플랫폼은, 전기차 관련 사용자 데이터를 네트워크를 통해 수집하는 사용자 데이터 수집 모듈; 전기차 충전소의 충전기 데이터를 수집하는 충전기 데이터 수집 모듈; 상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터 및 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터를 이용하여 최적 충전소를 산출하여 제공하는 최적 충전소 산출 모듈을 포함하도록 구성될 수 있다.An electric vehicle charging platform based on electric vehicle big data according to the above object of the present invention includes: a user data collection module for collecting electric vehicle-related user data through a network; a charger data collection module for collecting charger data of an electric vehicle charging station; It may be configured to include an optimal charging station calculation module that calculates and provides an optimal charging station using the electric vehicle-related user data collected by the user data collection module and the charger data collected by the charger data collection module.

여기서, 상기 전기차 관련 사용자 데이터는, 전기차 배터리 잔여량 및 전기차 실시간 위치 정보를 포함하도록 구성될 수 있다.Here, the electric vehicle-related user data may be configured to include electric vehicle battery remaining amount and electric vehicle real-time location information.

그리고 상기 충전기 데이터는, 충전소에 구비된 충전기의 충전 시작 시간, 충전 종료 시간, 충전량 및 위치 정보를 포함하도록 구성될 수 있다.In addition, the charger data may be configured to include a charging start time, a charging end time, a charging amount, and location information of a charger provided in a charging station.

그리고 상기 최적 충전소 산출 모듈은, 상기 전기차 실시간 위치 정보와 배터리 잔여량에 따른 주행 가능 반경을 산출하여 해당 주행 가능 반경 내의 충전소를 최적 충전소로 산출하도록 구성될 수 있다.In addition, the optimal charging station calculation module may be configured to calculate a drivable radius according to the real-time location information of the electric vehicle and the remaining battery capacity to calculate a charging station within the drivable radius as an optimal charging station.

상술한 본 발명의 다른 목적에 따른 전기차 빅데이터 기반의 전기차 충전 플랫폼의 충전 방법은, 사용자 데이터 수집 모듈이 전기차 관련 사용자 데이터를 네트워크를 통해 수집하는 단계; 충전기 데이터 수집 모듈이 전기차 충전소의 충전기 데이터를 수집하는 단계; 최적 충전소 산출 모듈이 상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터 및 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터를 이용하여 최적 충전소를 산출하여 제공하는 단계를 포함하도록 구성될 수 있다.According to another object of the present invention, the charging method of an electric vehicle charging platform based on electric vehicle big data includes: collecting, by a user data collection module, electric vehicle-related user data through a network; Collecting, by the charger data collection module, charger data of the electric vehicle charging station; The optimal charging station calculation module may be configured to calculate and provide an optimal charging station using the electric vehicle-related user data collected by the user data collection module and the charger data collected by the charger data collection module.

여기서, 상기 전기차 관련 사용자 데이터는, 전기차 배터리 잔여량 및 전기차 실시간 위치 정보를 포함하도록 구성될 수 있다.Here, the electric vehicle-related user data may be configured to include electric vehicle battery remaining amount and electric vehicle real-time location information.

그리고 상기 충전기 데이터는, 충전소에 구비된 충전기의 충전 시작 시간, 충전 종료 시간, 충전량 및 위치 정보를 포함하도록 구성될 수 있다.In addition, the charger data may be configured to include a charging start time, a charging end time, a charging amount, and location information of a charger provided in a charging station.

그리고 상기 최적 충전소 산출 모듈이 상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터 및 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터를 이용하여 최적 충전소를 산출하여 제공하는 단계는, 상기 전기차 실시간 위치 정보와 배터리 잔여량에 따른 주행 가능 반경을 산출하여 해당 주행 가능 반경 내의 충전소를 최적 충전소로 산출하도록 구성될 수 있다.And the step of calculating and providing, by the optimal charging station calculation module, the optimal charging station using the electric vehicle-related user data collected in the user data collection module and the charger data collected in the charger data collection module, comprises: the electric vehicle real-time location information and the battery It may be configured to calculate a drivable radius according to the remaining amount and calculate a charging station within the drivable radius as an optimal charging station.

상술한 전기차 빅데이터 기반의 전기차 충전 플랫폼 및 그 충전 방법에 의하면, 전기차 관련 사용자 데이터와 충전기 데이터 각각의 특징 벡터를 이용하여 관계성을 산출하여 최적의 정보를 사용자와 사업자에게 각각 제공하도록 구성됨으로써, 차별화된 독립적 정보의 제공이 가능해지고 사용자들의 요구 사항에 관한 분석이 가능해지는 효과가 있다.According to the above-described electric vehicle big data-based electric vehicle charging platform and its charging method, it is configured to provide optimal information to a user and a business operator by calculating a relationship using each characteristic vector of electric vehicle-related user data and charger data, It is possible to provide differentiated and independent information, and it has the effect of enabling analysis of users' requirements.

도 1은 본 발명의 일 실시예에 따른 전기차 빅데이터 기반의 전기차 충전 플랫폼의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 최적 충전소 및 사용자 선호도 통계 산출의 세부 구성도이다.
도 3은 본 발명의 일 실시예에 따른 전기차 빅데이터 기반의 전기차 충전 플랫폼의 충전 방법의 흐름도이다.1 is a block diagram of an electric vehicle charging platform based on electric vehicle big data according to an embodiment of the present invention.
2 is a detailed configuration diagram of calculating the optimal charging station and user preference statistics according to an embodiment of the present invention.
3 is a flowchart of a charging method of an electric vehicle charging platform based on electric vehicle big data according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 발명을 실시하기 위한 구체적인 내용에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and described in detail in the detailed content for carrying out the invention. However, this is not intended to limit the present invention to specific embodiments, and it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention. In describing each figure, like reference numerals have been used for like elements.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Terms such as first, second, A, and B may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, a second component may also be referred to as a first component. and/or includes a combination of a plurality of related listed items or any of a plurality of related listed items.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When a component is referred to as being “connected” or “connected” to another component, it is understood that the other component may be directly connected or connected to the other component, but other components may exist in between. it should be On the other hand, when it is mentioned that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 전기차 빅데이터 기반의 전기차 충전 플랫폼의 블록 구성도이고, 도 2는 본 발명의 일 실시예에 따른 최적 충전소 및 사용자 선호도 통계 산출의 세부 구성도이다.1 is a block diagram of an electric vehicle charging platform based on electric vehicle big data according to an embodiment of the present invention, and FIG. 2 is a detailed configuration diagram of an optimal charging station and user preference statistical calculation according to an embodiment of the present invention.

먼저 도 1을 참조하면, 본 발명의 일 실시예에 따른 전기차 빅데이터 기반의 전기차 충전 플랫폼(100)은 사용자 데이터 수집 모듈(110), 충전기 데이터 수집 모듈(120), 부대시설 데이터 수집 모듈(130), 빅데이터 축적 모듈(140), 빅데이터 DB(150), 특징 추출 모듈(160), 최적 충전소 산출 모듈(170), 사용자 선호도 통계 산출 모듈(180)을 포함하도록 구성될 수 있다.First, referring to FIG. 1 , the electric vehicle charging platform 100 based on electric vehicle big data according to an embodiment of the present invention includes a user data collection module 110 , a charger data collection module 120 , and an auxiliary facility data collection module 130 . ), a big data accumulation module 140 , a big data DB 150 , a feature extraction module 160 , an optimal charging station calculation module 170 , and a user preference statistics calculation module 180 .

이하, 세부적인 구성에 대하여 설명한다.Hereinafter, a detailed configuration will be described.

사용자 데이터 수집 모듈(110)은 전기차에 구비된 EV(electric vehicle) 사용자 단말(10)로부터 전기차 관련 사용자 데이터를 수집하도록 구성될 수 있다. 로라망(LoRa network), 이동통신망, 와이파이망, 블루투스 등의 네트워크를 통해 실시간 수집하도록 구성될 수 있다.The user data collection module 110 may be configured to collect electric vehicle-related user data from an electric vehicle (EV) user terminal 10 provided in the electric vehicle. It may be configured to collect in real time through networks such as a LoRa network, a mobile communication network, a Wi-Fi network, and Bluetooth.

전기차 관련 사용자 데이터는 해당 전기차 배터리의 충전 시작 시간, 충전 종료 시간, 충전량, 충전율, 충전 속도, 충전 업체, 가격 등의 정보를 포함할 수 있으며, 전기차의 이동 시간, 출발지, 목적지, 이동 경로와 사용자의 이동 목적 및 관심사를 포함할 수 있다.Electric vehicle-related user data may include information such as charging start time, charging end time, amount of charge, charging rate, charging speed, charging company, price, etc. may include the purpose and interests of the transfer.

충전기 데이터 수집 모듈(120)은 충전소의 충전기 데이터를 네트워크를 통해 수집하도록 구성될 수 있다.The charger data collection module 120 may be configured to collect charger data of a charging station through a network.

충전기 데이터는 충전소에 구비된 충전기의 충전 시작 시간, 충전 종료 시간, 충전량, 충전 속도, 고객 만족도, 위치 정보 등의 정보를 포함할 수 있다. 여기서, 고객 만족도는 사용자가 EV 사용자 단말(10)의 어플리케이션을 통해 서버(미도시)에 업로드된 정보가 될 수 있다.The charger data may include information such as a charging start time, a charging end time, a charging amount, a charging speed, customer satisfaction, and location information of a charger provided in a charging station. Here, customer satisfaction may be information uploaded by a user to a server (not shown) through an application of the EV user terminal 10 .

부대시설 데이터 수집 모듈(130)은 충전소의 부대 시설에 관한 부대시설 데이터를 네트워크를 통해 수집하도록 구성될 수 있다.The auxiliary facility data collection module 130 may be configured to collect auxiliary facility data related to the auxiliary facility of the charging station through a network.

부대시설 데이터는 시설, 종류, 시설 정보, 시설 위치, 고객 만족도, 운영 시간, 주차 여부 등을 포함하도록 구성될 수 있다. 여기서, 고객 만족도는 고객 만족도는 사업자가 사업자 단말(20)의 어플리케이션을 통해 서버(미도시)에 업로드된 정보가 될 수 있다. 부대시설로서는 충전소 내 카페(caffe), 휴게 시설, 편의점, 수유방, 게임방, 만화방, 안마의자, 스크린야구장 등 제한이 없다. 충전에 시간이 오래 걸리기 때문에 그 시간을 사용자들이 활용할 수 있는 시설이 될 수 있다.The auxiliary facility data may be configured to include facilities, types, facility information, facility locations, customer satisfaction, operating hours, parking availability, and the like. Here, the customer satisfaction may be information uploaded by the operator to the server (not shown) through the application of the operator terminal 20 . As ancillary facilities, there are no restrictions such as cafes, rest facilities, convenience stores, nursing rooms, game rooms, cartoon rooms, massage chairs, screen baseball fields, etc. within the charging station. Since it takes a long time to charge, it can be a facility where users can utilize that time.

빅데이터 축적 모듈(140)은 사용자 데이터 수집 모듈(110)에서 수집된 전기차 관련 사용자 데이터, 충전기 데이터 수집 모듈(120)에서 수집된 충전기 데이터, 부대시설 데이터 수집 모듈(130)에서 수집된 부대시설 데이터를 빅데이터 DB(150)에 축적하여 빅데이터를 형성할 수 있다.The big data accumulation module 140 includes electric vehicle-related user data collected from the user data collection module 110 , charger data collected from the charger data collection module 120 , and ancillary facility data collected from the ancillary facility data collection module 130 . can be accumulated in the big data DB 150 to form big data.

빅데이터 축적 모듈(140)은 위 데이터들을 각 항목별로 벡터(vector)화하여 저장할 수 있고, 월/요일/시간별로 통계하여 저장할 수도 있다.The big data accumulation module 140 may vectorize and store the above data for each item, and may store statistics by month/day/hour.

특징 추출 모듈(160)은 사용자 데이터 수집 모듈(110)에서 수집된 전기차 관련 사용자 데이터, 충전기 데이터 수집 모듈(120)에서 수집된 충전기 데이터, 부대시설 데이터 수집 모듈(130)에서 수집된 부대시설 데이터로부터 특징값을 각 분류별 내지 항목별로 실시간 추출하도록 구성될 수 있다.The feature extraction module 160 is configured from the electric vehicle-related user data collected in the user data collection module 110 , the charger data collected in the charger data collection module 120 , and the auxiliary facility data collected in the auxiliary facility data collection module 130 . It may be configured to extract the feature value for each classification or item in real time.

최적 충전소 산출 모듈(170)은 특징 추출 모듈(160)에서 실시간 추출된 분류별 내지 항목별 특징값과 빅데이터 DB(150)에 축적된 빅데이터의 상호 관계성을 산출하여 현재 가장 최적의 충전을 할 수 있는 최적 충전소와 충전기를 찾아내어 EV 사용자 단말(200)로 제공하도록 구성될 수 있다.The optimal charging station calculation module 170 calculates the correlation between the feature values for each classification or item extracted in real time from the feature extraction module 160 and the big data accumulated in the big data DB 150 to perform the most optimal charging at present. It can be configured to find an optimal charging station and charger that can be provided to the EV user terminal 200 .

최적의 충전소와 충전기는 앞서 언급한 전기차 관련 사용자 데이터를 항목별로 고려하여 최적인 충전소와 충전기가 될 수 있다. 예를 들어, 현재 위치에서 충전을 가장 빨리 시작할 수 있는 충전소/충전기를 찾아내거나 충전 시간이 가장 적게 걸리는 충전소/충전기를 찾아내거나 또는 가격이 가장 적은 충전소/충전기, 이동 경로 사에서 가격이 싸고 빠르게 충전할 수 있는 충전소/충전기, 사용자의 이동 목적이나 관심사에 따라 사용자가 원하는 부대시설이 구비된 충전소를 찾아낼 수도 있다.The optimal charging station and charger can be the optimal charging station and charger by considering the aforementioned user data related to electric vehicles by item. For example, find a charging station/charger that can start charging the fastest at your current location, find a charging station/charger that takes the least time to charge, or find a charging station/charger with the lowest price, fast and cheap charging on the route. It is possible to find a charging station/charger that can be used, and a charging station equipped with an auxiliary facility desired by the user according to the purpose or interest of the user.

이러한 결과값들은 전기차 관련 사용자 데이터, 충전기 데이터, 부대시설 데이터의 각 항목들이 복수개가 복합적으로 고려되어 산출될 수 있다.These result values may be calculated by considering a plurality of items of electric vehicle-related user data, charger data, and ancillary facility data in a complex manner.

한편, 사용자 선호도 통계 산출 모듈(180)은 특징 추출 모듈(160)에서 실시간 추출된 분류별 내지 항목별 특징값과 빅데이터 DB(150)에 축적된 빅데이터의 상호 관계성을 계산하여 사용자 선호도 통계를 산출하도록 구성될 수 있다. 사용자 선호도 통계는 네트워크를 통해 사업자 단말(300)로 제공될 수 있다.On the other hand, the user preference statistics calculation module 180 calculates the correlation between the feature values for each classification or item extracted in real time by the feature extraction module 160 and the big data accumulated in the big data DB 150 to calculate the user preference statistics. can be configured to calculate. The user preference statistics may be provided to the operator terminal 300 through the network.

사업자는 사용자 선호도 통계를 이용하여 사용자들의 이동 경로, 목적, 선호하는 부대시설 등을 알 수 있으며, 사용자의 니즈(needs)를 파악할 수 있다. 사업자는 니즈에 맞는 부대시설을 추가적으로 구비하거나 변경할 수 있다.The operator can know the user's moving route, purpose, preferred auxiliary facilities, etc. by using the user preference statistics, and can identify the user's needs. A business operator may additionally provide or change ancillary facilities that meet their needs.

사업자 단말(300)은 사용자 선호도 통계를 기반으로 부대시설 관련 쿠폰(coupon)을 생성하여 해당 EV 사용자 단말(200)로 실시간 제공할 수 있다.The operator terminal 300 may generate a coupon related to ancillary facilities based on user preference statistics and provide it to the corresponding EV user terminal 200 in real time.

사업자가 아직 충전소 사업을 시작하지 않은 경우에는 원하는 충전소 부지를 사업자 단말(300)에 입력하여 사용자 선호도 통계 산출 모듈(180)로 요청할 수 있고, 사용자 선호도 통계 산출 모듈(180)은 해당 충전소 부지의 위치를 기반으로 사용자들의 이동 목적, 이동 경로, 이동 시간대, 요일 등에 따른 예상 이용자수와 최적 단가, 예상 매출, 선호하는 부대시설 등의 정보를 제공할 수 있다.If the operator has not yet started the charging station business, the user may request the user preference statistics calculation module 180 by inputting the desired charging station site into the operator terminal 300, and the user preference statistics calculation module 180 determines the location of the corresponding charging station site. Based on the user's movement purpose, movement route, movement time zone, day of the week, etc., it is possible to provide information such as the expected number of users, optimal unit price, estimated sales, and preferred auxiliary facilities.

최적 충전소 산출 모듈(170)과 사용자 선호도 통계 산출 모듈(180)은 항목별 특징을 나타는 벡터(vector)와 빅데이터 간의 관계맵을 생성하여 유사성을 파악하도록 구성될 수 있다. 구체적인 내용은 도 2를 참조한다.The optimal charging station calculation module 170 and the user preference statistical calculation module 180 may be configured to generate a relationship map between a vector indicating features for each item and big data to identify similarities. For details, refer to FIG. 2 .

도 2를 참조하면, 최적 충전소 산출 모듈(170)과 사용자 선호도 통계 산출 모듈(180)은 각각 사용자 입력 IV 생성부(10), 빅데이터 IV 생성부(20), 입력 기반 관계성 추출부(30), 관계맵 생성부(40), 관계성 산출부(50), 유사성 점수 산출부(60), 결과값 출력부(70)를 포함하도록 구성될 수 있다. 이하, 세부적인 구성에 대하여 설명한다.Referring to FIG. 2 , the optimal charging station calculation module 170 and the user preference statistics calculation module 180 include a user input IV generator 10 , a big data IV generator 20 , and an input-based relationship extractor 30 , respectively. ), a relationship map generation unit 40 , a relationship calculation unit 50 , a similarity score calculation unit 60 , and a result value output unit 70 . Hereinafter, a detailed configuration will be described.

사용자 입력 IV 생성부(10)는 특징 추출 모듈(160)에서 추출된 전기차 관련 사용자 데이터의 특징값을 이용하여 IV(idle vector)를 생성하도록 구성될 수 있다.The user input IV generator 10 may be configured to generate an idle vector (IV) by using a feature value of electric vehicle-related user data extracted by the feature extraction module 160 .

빅데이터 IV 생성부(20)는 빅데이터 DB(150)에 축적된 충전소 데이터 및 부대시설 데이터의 항목별 특징값들을 이용하여 IV(idle vector)를 생성하도록 구성될 수 있다.The big data IV generator 20 may be configured to generate an idle vector (IV) by using item-specific feature values of charging station data and ancillary facility data accumulated in the big data DB 150 .

입력 기반 특징 추출부(30)는 최적 충전소를 산출하거나 사용자 선호도 통계를 산출하기 위해 필요한 특징값들을 각각 요구에 맞게 추출하도록 구성될 수 있다. 예를 들어, 사용자의 최적 충전소를 찾기 위해 필요한 사용자 입력 IV, 빅데이터 IV를 각각 적어도 하나 이상 추출할 수 있다.The input-based feature extraction unit 30 may be configured to extract feature values required to calculate an optimal charging station or to calculate user preference statistics according to needs, respectively. For example, at least one user input IV and at least one big data IV required to find the user's optimal charging station may be extracted.

사용자 입력 IV 생성부(10)의 IV와 빅데이터 IV 생성부(20)의 다양한 IV를 복합적으로 대비하여 찾고자 하는 관계성을 추출하도록 구성될 수 있다. 예를 들어, 사용자의 이동 목적에 따른 충전소와 부대시설의 관계성을 찾기 위해 사용자의 이동 목적이라는 IV에 대하여 다양한 여러 개의 빅데이터 IV를 맵핑(mappin)하여 관계성을 추출할 수 있다.The IV of the user input IV generator 10 and the various IVs of the big data IV generator 20 may be combined to extract a relationship to be found. For example, in order to find a relationship between a charging station and ancillary facilities according to the user's movement purpose, a relationship may be extracted by mapping a number of various big data IVs to the IV of the user's movement purpose.

관계맵 생성부(40)은 입력 기반 특징 추출부(30)에서 추출된 사용자 입력 IV와 빅데이터 IV의 각 특징값들을 이용하여 상호 간의 관계맵을 생성하도록 구성될 수 있다.The relationship map generator 40 may be configured to generate a relationship map between each other by using the respective feature values of the user input IV and the big data IV extracted by the input-based feature extractor 30 .

관계성 산출부(50)는 관계맵 생성부(40)에서 생성된 관계맵으로부터 어떠한 원하는 결과값을 위한 관계성을 산출하도록 구성될 수 있다. 예를 들어, 사용자가 원하는 최적의 충전소/충전기라는 결과값을 위해 필요한 해당 IV들의 관계성을 산출할 수 있다. 그리고 사용자 선호도 통계라는 결과값을 얻기 위해 필요한 해당 IV들의 관계성을 산출할 수 있다. 이러한 관계성은 미리 정해진 알고리즘이나 수식을 통해 정해져 있을 수 있다.The relationship calculator 50 may be configured to calculate a relationship for any desired result value from the relationship map generated by the relationship map generator 40 . For example, it is possible to calculate the relationship between the IVs necessary for the result value of the optimal charging station/charger desired by the user. In addition, the relationship between the IVs necessary to obtain a result value of user preference statistics may be calculated. Such a relationship may be determined through a predetermined algorithm or formula.

유사성 점수 산출부(60)는 관계성 산출부(50)에서 산출된 관계성에 기반하여 사용자와 충전소/부대시설 간의 유사성 점수를 산출할 수 있다.The similarity score calculation unit 60 may calculate a similarity score between the user and the charging station/ancillary facility based on the relation calculated by the relation calculation unit 50 .

결과값 출력부(70)는 유사성 점수 산출부(60)에서 산출된 유사성 점수를 결과값으로 출력하여 EV 사용자 단말(200) 또는 사업자 단말(300)로 제공하도록 구성될 수 있다.The result output unit 70 may be configured to output the similarity score calculated by the similarity score calculation unit 60 as a result value and provide it to the EV user terminal 200 or the operator terminal 300 .

도 3은 본 발명의 일 실시예에 따른 전기차 빅데이터 기반의 전기차 충전 플랫폼의 충전 방법의 흐름도이다.3 is a flowchart of a charging method of an electric vehicle charging platform based on electric vehicle big data according to an embodiment of the present invention.

도 3을 참조하면, 사용자 데이터 수집 모듈(110)이 전기차 관련 사용자 데이터를 네트워크를 통해 수집한다(S101).Referring to FIG. 3 , the user data collection module 110 collects electric vehicle-related user data through a network ( S101 ).

여기서, 전기차 관련 사용자 데이터는 전기차 배터리 잔여량 및 전기차 실시간 위치 정보를 포함하도록 구성될 수 있다.Here, the electric vehicle-related user data may be configured to include electric vehicle battery remaining amount and electric vehicle real-time location information.

다음으로, 충전기 데이터 수집 모듈(120)이 전기차 충전소의 충전기 데이터를 수집한다(S102).Next, the charger data collection module 120 collects the charger data of the electric vehicle charging station (S102).

여기서, 충전기 데이터는 충전소에 구비된 충전기의 충전 시작 시간, 충전 종료 시간, 충전량 및 위치 정보를 포함하도록 구성될 수 있다.Here, the charger data may be configured to include a charging start time, a charging end time, a charging amount, and location information of a charger provided in the charging station.

다음으로, 최적 충전소 산출 모듈(170)이 사용자 데이터 수집 모듈(110)에서 수집된 전기차 관련 사용자 데이터 및 충전기 데이터 수집 모듈(120)에서 수집된 충전기 데이터를 이용하여 최적 충전소를 산출하여 제공한다(S103).Next, the optimal charging station calculation module 170 calculates and provides the optimal charging station using the electric vehicle-related user data collected by the user data collection module 110 and the charger data collected by the charger data collection module 120 ( S103 ) ).

이때, 전기차 실시간 위치 정보와 배터리 잔여량에 따른 주행 가능 반경을 산출하여 해당 주행 가능 반경 내의 충전소를 최적 충전소로 산출하도록 구성될 수 있다.In this case, it may be configured to calculate the drivable radius according to the real-time location information of the electric vehicle and the remaining amount of the battery to calculate a charging station within the drivable radius as an optimal charging station.

이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although described with reference to the above embodiments, those skilled in the art can understand that various modifications and changes can be made to the present invention without departing from the spirit and scope of the present invention as set forth in the following claims. There will be.

110: 사용자 데이터 수집 모듈
120: 충전기 데이터 수집 모듈
130: 부대시설 데이터 수집 모듈
140: 빅데이터 축적 모듈
150: 빅데이터 DB
160: 특징 추출 모듈
170: 최적 충전소 산출 모듈
180: 사용자 선호도 통계 산출 모듈110: user data collection module
120: charger data acquisition module
130: ancillary facility data collection module
140: big data accumulation module
150: big data DB
160: feature extraction module
170: optimal charging station calculation module
180: user preference statistics calculation module

Claims (8)

삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 전기차에 구비된 EV(electric vehicle) 사용자 단말로부터 전기차 관련 사용자 데이터를 네트워크를 통해 수집하는 사용자 데이터 수집 모듈;
전기차 충전소의 충전기 데이터를 수집하는 충전기 데이터 수집 모듈;
전기차 충전소의 부대 시설에 관한 부대시설 데이터를 네트워크를 통해 수집하는 부대시설 데이터 수집 모듈;
상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터, 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터 및 상기 부대시설 데이터 수집 모듈에서 수집된 부대시설 데이터를 이용하여 최적 충전소를 산출하여 제공하는 최적 충전소 산출 모듈;
빅데이터가 형성되어 저장되는 빅데이터 DB;
상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터, 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터, 상기 부대시설 데이터 수집 모듈에서 수집된 부대시설 데이터를 상기 빅데이터 DB에 축적하여 빅데이터를 형성하는 빅데이터 축적 모듈;
상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터, 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터, 상기 부대시설 데이터 수집 모듈에서 수집된 부대시설 데이터로부터 특징값을 각 분류별 내지 항목별로 실시간 추출하는 특징 추출 모듈;
상기 특징 추출 모듈에서 실시간 추출된 분류별 내지 항목별 특징값과 빅데이터 DB에 축적된 빅데이터의 상호 관계성을 계산하여 사용자 선호도 통계를 산출하는 사용자 선호도 통계 산출 모듈을 포함하고,
상기 빅데이터 축적 모듈은,
상기 전기차 관련 사용자 데이터, 상기 충전기 데이터, 상기 부대시설 데이터를 각 항목 별로 벡터(vector)화하여 저장하며, 월/요일/시간 별로 분류하여 저장하도록 구성되고,
상기 최적 충전소 산출 모듈은,
상기 특징 추출 모듈에서 추출된 전기차 관련 사용자 데이터의 특징값을 이용하여 IV(idle vector)를 생성하는 사용자 입력 IV 생성부;
상기 빅데이터 DB에 축적된 충전소 데이터 및 부대시설 데이터의 항목별 특징값들을 이용하여 IV(idle vector)를 생성하는 빅데이터 IV 생성부;
최적 충전소를 산출하거나 사용자 선호도 통계를 산출하기 위해 필요한 특징값들을 각각 요구에 맞게 사용자 입력 IV 및 빅데이터 IV를 각각 적어도 하나 이상 추출하는 입력 기반 특징 추출부;
상기 입력 기반 특징 추출부에서 추출된 사용자 입력 IV와 빅데이터 IV의 각 특징값들을 이용하여 상호 간의 관계맵을 생성하는 관계맵 생성부;
상기 관계맵 생성부에서 생성된 관계맵으로부터 소정의 결과값을 위한 관계성을 산출하는 관계성 산출부;
상기 관계성 산출부에서 산출된 관계성에 기반하여 사용자와 충전소/부대시설 간의 유사성 점수를 산출하는 유사성 점수 산출부;
상기 유사성 점수 산출부에서 산출된 유사성 점수를 결과값으로 출력하여 EV 사용자 단말 또는 사업자 단말로 제공하는 결과값 출력부를 포함하도록 구성되는 것을 특징으로 하는 전기차 빅데이터 기반의 전기차 충전 플랫폼.
a user data collection module for collecting electric vehicle-related user data from an electric vehicle (EV) user terminal provided in an electric vehicle through a network;
a charger data collection module for collecting charger data of an electric vehicle charging station;
an auxiliary facility data collection module for collecting auxiliary facility data related to auxiliary facilities of an electric vehicle charging station through a network;
An optimal charging station calculation module that calculates and provides an optimal charging station using electric vehicle-related user data collected in the user data collection module, charger data collected in the charger data collection module, and ancillary facility data collected in the ancillary facility data collection module ;
Big data DB in which big data is formed and stored;
Big data is formed by accumulating electric vehicle-related user data collected in the user data collection module, charger data collected in the charger data collection module, and ancillary facility data collected in the ancillary facility data collection module in the big data DB. data accumulation module;
Feature extraction for real-time extraction of feature values from electric vehicle-related user data collected from the user data collection module, charger data collected from the charger data collection module, and ancillary facility data collected from the ancillary facility data collection module for each classification or item module;
and a user preference statistics calculation module for calculating user preference statistics by calculating the correlation between the feature values for each classification or item extracted in real time from the feature extraction module and the big data accumulated in the big data DB,
The big data accumulation module,
The electric vehicle-related user data, the charger data, and the auxiliary facility data are vectorized and stored for each item, and are classified and stored by month/day/hour,
The optimal charging station calculation module,
a user input IV generator for generating an IV (idle vector) by using a feature value of electric vehicle-related user data extracted by the feature extraction module;
a big data IV generator for generating an idle vector (IV) by using item-specific feature values of charging station data and ancillary facility data accumulated in the big data DB;
an input-based feature extraction unit for extracting at least one user input IV and at least one big data IV according to the needs, respectively, of feature values necessary for calculating an optimal charging station or calculating user preference statistics;
a relationship map generator for generating a relationship map between each other by using the feature values of the user input IV and the big data IV extracted by the input-based feature extractor;
a relationship calculator for calculating a relationship for a predetermined result value from the relationship map generated by the relationship map generator;
a similarity score calculation unit for calculating a similarity score between a user and a charging station/ancillary facility based on the relation calculated by the relation calculation unit;
The electric vehicle charging platform based on electric vehicle big data, characterized in that it comprises a result value output unit that outputs the similarity score calculated by the similarity score calculation unit as a result value and provides the result to an EV user terminal or a business operator terminal.
 전기차에 구비된 EV(electric vehicle) 사용자 단말로부터 전기차 관련 사용자 데이터를 네트워크를 통해 수집하는 사용자 데이터 수집 모듈;
전기차 충전소의 충전기 데이터를 수집하는 충전기 데이터 수집 모듈;
전기차 충전소의 부대 시설에 관한 부대시설 데이터를 네트워크를 통해 수집하는 부대시설 데이터 수집 모듈;
상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터, 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터 및 상기 부대시설 데이터 수집 모듈에서 수집된 부대시설 데이터를 이용하여 최적 충전소를 산출하여 제공하는 최적 충전소 산출 모듈;
빅데이터가 형성되어 저장되는 빅데이터 DB;
상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터, 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터, 상기 부대시설 데이터 수집 모듈에서 수집된 부대시설 데이터를 상기 빅데이터 DB에 축적하여 빅데이터를 형성하는 빅데이터 축적 모듈;
상기 사용자 데이터 수집 모듈에서 수집된 전기차 관련 사용자 데이터, 상기 충전기 데이터 수집 모듈에서 수집된 충전기 데이터, 상기 부대시설 데이터 수집 모듈에서 수집된 부대시설 데이터로부터 특징값을 각 분류별 내지 항목별로 실시간 추출하는 특징 추출 모듈;
상기 특징 추출 모듈에서 실시간 추출된 분류별 내지 항목별 특징값과 빅데이터 DB에 축적된 빅데이터의 상호 관계성을 계산하여 사용자 선호도 통계를 산출하는 사용자 선호도 통계 산출 모듈을 포함하고,
상기 빅데이터 축적 모듈은,
상기 전기차 관련 사용자 데이터, 상기 충전기 데이터, 상기 부대시설 데이터를 각 항목 별로 벡터(vector)화하여 저장하며, 월/요일/시간 별로 분류하여 저장하도록 구성되고,
상기 사용자 선호도 통계 산출 모듈은,
상기 특징 추출 모듈에서 추출된 전기차 관련 사용자 데이터의 특징값을 이용하여 IV(idle vector)를 생성하는 사용자 입력 IV 생성부;
상기 빅데이터 DB에 축적된 충전소 데이터 및 부대시설 데이터의 항목별 특징값들을 이용하여 IV(idle vector)를 생성하는 빅데이터 IV 생성부;
최적 충전소를 산출하거나 사용자 선호도 통계를 산출하기 위해 필요한 특징값들을 각각 요구에 맞게 사용자 입력 IV 및 빅데이터 IV를 각각 적어도 하나 이상 추출하는 입력 기반 특징 추출부;
상기 입력 기반 특징 추출부에서 추출된 사용자 입력 IV와 빅데이터 IV의 각 특징값들을 이용하여 상호 간의 관계맵을 생성하는 관계맵 생성부;
상기 관계맵 생성부에서 생성된 관계맵으로부터 소정의 결과값을 위한 관계성을 산출하는 관계성 산출부;
상기 관계성 산출부에서 산출된 관계성에 기반하여 사용자와 충전소/부대시설 간의 유사성 점수를 산출하는 유사성 점수 산출부;
상기 유사성 점수 산출부에서 산출된 유사성 점수를 결과값으로 출력하여 EV 사용자 단말 또는 사업자 단말로 제공하는 결과값 출력부를 포함하도록 구성되는 것을 특징으로 하는 전기차 빅데이터 기반의 전기차 충전 플랫폼.a user data collection module for collecting electric vehicle-related user data from an electric vehicle (EV) user terminal provided in an electric vehicle through a network;
a charger data collection module for collecting charger data of an electric vehicle charging station;
an auxiliary facility data collection module for collecting auxiliary facility data related to auxiliary facilities of an electric vehicle charging station through a network;
An optimal charging station calculation module that calculates and provides an optimal charging station using electric vehicle-related user data collected in the user data collection module, charger data collected in the charger data collection module, and ancillary facility data collected in the ancillary facility data collection module ;
Big data DB in which big data is formed and stored;
Big data is formed by accumulating electric vehicle-related user data collected in the user data collection module, charger data collected in the charger data collection module, and ancillary facility data collected in the ancillary facility data collection module in the big data DB. data accumulation module;
Feature extraction for real-time extraction of feature values from electric vehicle-related user data collected from the user data collection module, charger data collected from the charger data collection module, and ancillary facility data collected from the ancillary facility data collection module for each classification or item module;
and a user preference statistics calculation module for calculating user preference statistics by calculating the correlation between the feature values for each classification or item extracted in real time from the feature extraction module and the big data accumulated in the big data DB,
The big data accumulation module,
The electric vehicle-related user data, the charger data, and the auxiliary facility data are vectorized and stored for each item, and are classified and stored by month/day/hour,
The user preference statistics calculation module,
a user input IV generator for generating an IV (idle vector) by using a feature value of electric vehicle-related user data extracted by the feature extraction module;
a big data IV generator for generating an idle vector (IV) by using item-specific feature values of charging station data and ancillary facility data accumulated in the big data DB;
an input-based feature extraction unit for extracting at least one user input IV and at least one big data IV according to the needs, respectively, of feature values necessary for calculating an optimal charging station or calculating user preference statistics;
a relationship map generator for generating a relationship map between each other by using the feature values of the user input IV and the big data IV extracted by the input-based feature extractor;
a relationship calculator for calculating a relationship for a predetermined result value from the relationship map generated by the relationship map generator;
a similarity score calculation unit for calculating a similarity score between a user and a charging station/ancillary facility based on the relation calculated by the relation calculation unit;
The electric vehicle charging platform based on electric vehicle big data, characterized in that it comprises a result value output unit that outputs the similarity score calculated by the similarity score calculation unit as a result value and provides it to an EV user terminal or a business operator terminal.
KR1020190139921A 2019-11-05 2019-11-05 Electric vehicle charging platform based on electric vehicle big data charging method thereof KR102315324B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190139921A KR102315324B1 (en) 2019-11-05 2019-11-05 Electric vehicle charging platform based on electric vehicle big data charging method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190139921A KR102315324B1 (en) 2019-11-05 2019-11-05 Electric vehicle charging platform based on electric vehicle big data charging method thereof

Publications (2)

Publication Number Publication Date
KR20210054158A KR20210054158A (en) 2021-05-13
KR102315324B1 true KR102315324B1 (en) 2021-10-20

Family

ID=75913440

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190139921A KR102315324B1 (en) 2019-11-05 2019-11-05 Electric vehicle charging platform based on electric vehicle big data charging method thereof

Country Status (1)

Country Link
KR (1) KR102315324B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102648726B1 (en) 2023-03-06 2024-03-18 주식회사 소프트베리 Ev charging platform system of sharing information on charging competitors for ev charging stations

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230072818A (en) 2021-11-18 2023-05-25 현대자동차주식회사 Battery conditioning system and method
KR102562906B1 (en) * 2022-05-10 2023-08-03 (주)클린일렉스 Driver-selectable electric vehicle charger information system based on state of charge
KR20230172661A (en) * 2022-06-15 2023-12-26 주식회사 피엠그로우 Method for determining charging station
KR102514561B1 (en) * 2022-06-28 2023-03-27 주식회사 아이온커뮤니케이션즈 System and method for automatically generating driving route including electric vehicle charging station

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101449170B1 (en) * 2012-12-17 2014-10-10 현대자동차주식회사 Charging station guide system and method for electric vehicle
KR20180049892A (en) 2016-11-04 2018-05-14 (주)에코브레인 A Connected car based EV platform system responsive to driver environment
KR101813257B1 (en) 2016-11-23 2018-01-03 (주)제이에이치아이 Service system for charging electric vehicle
KR20190042360A (en) * 2017-10-16 2019-04-24 한국전력공사 Apparatus and method for computing charging latency time of electric vehicle
KR20190058835A (en) * 2017-11-22 2019-05-30 주식회사 아이오티봇 IoT based electric car recharge service system and service platform therefor
KR20190102589A (en) * 2018-02-26 2019-09-04 엘지전자 주식회사 Mobile terminal
KR20190113219A (en) * 2018-03-28 2019-10-08 쌍용자동차 주식회사 Control method of driving distance of electric vehicle

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102648726B1 (en) 2023-03-06 2024-03-18 주식회사 소프트베리 Ev charging platform system of sharing information on charging competitors for ev charging stations

Also Published As

Publication number Publication date
KR20210054158A (en) 2021-05-13

Similar Documents

Publication Publication Date Title
KR102315324B1 (en) Electric vehicle charging platform based on electric vehicle big data charging method thereof
Guo et al. Rod-revenue: Seeking strategies analysis and revenue prediction in ride-on-demand service using multi-source urban data
KR101274388B1 (en) Method for advertising local information based on location information and system for executing the method
CN109994788A (en) The method, apparatus switching station and server of energy storage device are provided
CN106651603A (en) Risk evaluation method and apparatus based on position service
Paffumi et al. Assessment of the potential of electric vehicles and charging strategies to meet urban mobility requirements
US20150051948A1 (en) Behavioral attribute analysis method and device
CN107133841A (en) A kind of charging pile website recommendation method and apparatus
JP2013037640A (en) Charger information distribution device
CN102426590A (en) Quality evaluation method and device
JP2018109981A (en) Power demand management system, power demand management server and electric household appliance
JP6890069B2 (en) Information processing equipment, information processing methods and computer programs
CN106487664A (en) A kind of method of information recommendation, device and mobile terminal
CN111446710A (en) Power supply and reception management device and computer-readable storage medium
CN102083042A (en) Charging method and device of mobile data services
CN105160427A (en) Ride guidance-based method for quickly collecting bus station OD data
KR20140037384A (en) Apparatus and method for prediction of merchandise demand using social network service data
JP5314570B2 (en) Accumulated data reconstruction system, reconstruction method, and program
US20160004881A1 (en) Data Processing Apparatus, Data Processing System, and Data Processing Method
CN103927674A (en) Method for commenting and recommending physical store by using Bluetooth and network
Cai et al. Optimizing electric vehicle charging schedules based on probabilistic forecast of individual mobility
KR20200099352A (en) Method, apparatus and computer-readable medium of meditation platform for nail shop and nail art designer providing nailart service
US20150025699A1 (en) Terminal device, vehicle management information generation method and non-transitory computer readable recording medium for recording a vehicle management information generation program
CN102737095B (en) Recommendation device, recommendation system, recommendation method, and program
KR20100038344A (en) Method for advertising local information based on location information and system for executing the method

Legal Events

Date Code Title Description
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant