KR20220066632A - 전기차의 충전을 위한 충전소 예약 시스템 및 그 방법 - Google Patents

Abstract

본 발명의 전기차의 충전을 위한 충전소 예약 방법은 전기차의 충전소 도착 시간 및 충전 시간에 대한 확률적 예측값을 고려하여 예상 충전 비용을 계산하는 단계; 운전자의 선호도를 기계학습을 통해 학습하여 최적의 충전소를 추천하는 단계; 및 상기 추천된 최적의 충전소에 대해 충전 예약을 수행하는 단계를 포함한다.

Description

전기차의 충전을 위한 충전소 예약 시스템 및 그 방법{Charging station reservation system and method for charging electric vehicles}

본 발명은 전기차의 충전을 위한 충전소 예약(Charging station reservation system) 기술에 관한 것이다.

전기차를 충전하는데 많은 시간이 걸린다. 전기차가 충전을 위해 충전소에 도착했을 때, 다른 전기차가 충전 중인 경우, 많은 시간을 기다려야한다. 이러한 상황을 피하기 위하여 해당 전기차의 운전자는 사전에 예약하고 방문하면 대기시간을 줄일 수 있다.

그러나, 전기차가 예약을 하고 충전소까지 이동하는 경우 교통상황 등의 변수 때문에 예상도착시간 보다 빨리 도착하거나 늦게 도착할 수 있다. 이 경우, 운전자는 충전을 위해 충전소 앞에서 대기를 해야 하거나, 다른 사용자의 충전 기회를 앗아갈 수 있다.

모든 예측에는 틀릴 가능성이 존재한다. 최근의 예측 기술에 의하면, 단순히 한 점을 예측하는 것이 아니라, 어떤 범위를 예측하고 그 범위가 맞을 확률을 함께 제공하는 확률적인 예측을 수행할 수 있다. 전기차 충전소 예약 시스템도 이러한 확률적 예측을 고려하여야 하나, 종래에는 확률적 예측을 고려한 전기차 충전소 예약 기술이 없었다.

종래의 등록특허 "전기차량의 예약충전 시스템"(대한민국, 등록번호:10-1341415, 등록일자:2013년12월09일)에서 전기차 예약 충전 시스템 및 최적 충전소 선정 방법을 제안하였다. 그 특허에서 최적 충전소 선정은, 전기차의 현재 위치로부터 충전소까지의 거리, 판매가격(충전가격), 대기시간을 고려하고, 유전자 알고리즘을 통해 최적의 충전소를 선정하고 있다.

그러나, 전기차의 현재 위치만을 고려하고 있으며, 이동중이거나 이동 계획이 있는 전기차를 고려하지 않고 있다. 즉, 전기차의 예상 경로, 예상 위치, 예상 시간을 고려하지 않고 있으며, 이러한 부분들의 불확실한 요소 즉 예측이 벗어날 가능성에 대해 고려하고 있지 않았다.

전기차 충전 대기시간을 줄이기 위해서는 예측 기술과 예약 시스템이 필요하며, 예측에 대한 불확실한 요소를 고려하여, 최적의 충전소를 추천하고 예약하며, 상황에 따라서 예약을 변경하고 취소하는 방법이 필요하다. 또한, 예약을 지키지 못하거나, 지키지 않은 상황도 고려해야 한다.

배경 기술에 언급한 문제점 등을 해결하기 위한 본 발명의 목적은, 전기차가 충전소에 도착할 도착 예정 시간 및 예상 충전 소요시간에 대한 확률적 예측값 등을 고려하여 최적의 충전소를 선정하고 예약하여, 사용자의 충전 대기 시간과 충전 비용을 줄일 수 있는 전기차의 충전을 위한 충전소 예약 시스템 및 그 방법을 제공하는데 있다.

본 발명의 전술한 목적 및 그 이외의 목적과 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부된 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다.

상술한 목적을 달성하기 위한 본 발명의 전기차의 충전을 위한 충전소 예약 방법은 전기차의 충전소 도착 시간 및 충전 시간에 대한 확률적 예측값을 고려하여 예상 충전 비용을 계산하는 단계; 운전자의 선호도를 기계학습을 통해 학습하여 최적의 충전소를 추천하는 단계; 및 상기 추천된 최적의 충전소에 대해 충전 예약을 수행하고 관리하는 단계를 포함한다. 여기서, 충전 예약의 관리는 전기차 주행 중에 발생하는 상황(교통 상황 등)에 따라 충전 예약을 스스로 업데이트하는 것을 포함하는 개념일 수 있다.

본 발명에 따르면, 전기차의 도착 예상 시간 및 예상 충전 소요 시간 등에 대한 확률적 예측값을 기반으로 충전비용을 계산하고 운전자의 성향을 학습하여 최적의 충전소를 선택 및 예약하도록 추천하여, 충전소(또는 충전소 내의 충전기)를 효율적으로 운용하고, 운전자의 편의성을 향상시킬 수 있다.

도 1은 본 발명의 일 실시 예에 따른 충전 예약 시나리오1을 설명하기 위한 도면이다.
도 2는 본 발명의 다른 실시 에에 따른 충전 예약 시나리오2를 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시 예에 따라 도 1 및 2에 각각 도시한 충전 예약 시나리오1 및 2를 구현하기 위한 시스템 구성도이다.
도 4는 본 발명의 다른 실시 예에 따라 도 1 및 2에 각각 도시한 충전 예약 시나리오 1 및 2를 구현하기 위한 시스템 구성도이다.
도 5는 도 3에 도시한 충전소 예약 시스템에서 전기차, 충전소 예약 관리 서버 및 충전소 간에 주고받는 메시지 흐름도이다.
도 6은 도 4에 도시한 충전소 예약 시스템에서 전기차, 충전소 예약 관리 서버 및 충전소 간에 주고받는 메시지 흐름도이다.
도 7은 도 1 및 2에 각각 도시한 충전 예약 시나리오 1 및 2에 따라 구현된 충전소 예약 시스템에서 예약 변경을 위한 전기차, 충전소 예약 관리 서버 및 충전소 간에 주고받는 메시지 흐름도이다.
도 8은 본 발명의 실시 예에 따른 시간대별 예약 취소 수수료율의 예를 보여주는 그래프이다.
도 9는 본 발명의 실시 예에 따른 시간대별 평균 충전기 사용률을 토대로 시간대별 시간 요금을 선정한 예를 막대 그래프 형태로 보여주는 도면이다.
도 10은 본 발명의 실시 예에 따른 N=3개의 충전소 중에 운전자들이 선택한 데이터 셋으로 학습한 기계학습 모델의 신경망 구조를 나타내는 도면이다.
도 11은 본 발명의 실시 예에 따른 최적 충전소의 재설정의 예를 도식적으로 보여주는 도면이다.
도 12는 본 발명의 실시 예에 따른 충전소 내에 설치된 충전기들의 할당 예를 설명하기 위한 도면이다.
도 13은 본 발명의 충전소 예약 방법을 구현하기 위한 예시적인 컴퓨팅 장치를 도시하는 블록도이다.

본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.

본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

도 1은 본 발명의 일 실시 예에 따른 충전 예약 시나리오를 설명하기 위한 도면이고, 도 2는 본 발명의 다른 실시 에에 따른 충전 예약 시나리오를 설명하기 위한 도면이다.

먼저, 도 1을 참조하면, 본 발명의 일 실시 예에 따른 충전 예약 시나리오1은 사용자 측면에서 다음과 절차에 따라 서비스될 수 있다.

단계 S11에서, 운전자가 전기차에 탑승하면, 차량의 인포테인먼트 시스템(130)(예, 전기차의 대시보드(110)에 매립된 AVN, 스마트폰 등)은 평소 생활패턴을 고려하여 충전이 필요한 경우, 표시 화면(N)을 통해 "충전할 시기가 되었습니다"라는 안내 문구(N)를 운전자에게 알려준다.

이어, 단계 S13에서, 인포테인먼트 시스템은, 운전자의 예상 이동 경로 등을 고려하여 적어도 1개 이상의 최적의 충전소를 추천한다.

이어, 단계 S15에서, 운전자가 충전소를 선택하면, 전기차는 선택한 충전소에 충전 예약을 수행한다. 이때 충전소까지 예상 도착 시간을 계산하여 충전 예약을 수행한다. 충전 예약이 완료되면, 표시 화면을 통해 "xx시xx분에 oo 충전소 예약하였습니다."라는 안내 문구를 표시한다.

이어, 단계 S17에서, 인포테인먼트 시스템에 포함된 네비게이션 또는 인포테인먼트 시스템과 연동하는 네비게이션이 충전소까지의 경로 안내를 시작하고, 전기차가 충전소에 도착하면, 전기차는 인포테인먼트 시스템의 표시화면을 통해 "충전기1번에서 충전하시면 됩니다. oo시oo분까지 이용하실 수 있습니다."와 같은 안내 문구를 표시하여 운전자에게 예약된 충전기를 알려준다. 이렇게 함으로써, 운전자는 대기시간 없이 바로 전기차를 예약한 시간 동안 충전할 수 있다.

도 2를 참조하면, 본 발명의 다른 실시 예에 따른 충전 예약 시나리오2는 사용자 측면에서 다음과 절차에 따라 서비스될 수 있다.

단계 S21에서, 운전자가 도 1의 인포테인먼트 시스템(130)을 대신하는 차량 네비게이션 시스템(140)을 통해 충전소 위치와 무관한 목적지를 설정하고, 전기차 배터리 상태 및 목적지까지의 거리 등을 고려하여 충전이 필요한 경우, 차량 네비게이션 시스템은 전기차의 주행 시작 전 또는 주행 중에, 목적지 주변 및 경로상 충전소를 검색한다.

이어, 단계 S23에서, 전기차는, 충전소 위치, 충전소까지 도착하는데 소요되는 이동 시간, 예상 배터리 잔량 등을 고려하여, "경로상에 최적의 충전소가 있습니다.", "최적의 oo충전소를 추천합니다. 예약할까요?"와 같은 안내 문구를 표시하여 최적의 충전소 1개 이상을 운전자에게 추천한다. 운전자는 충전소를 선택한다. 이때, 주행 중 네비게이션 조작이 위험한 경우, 음성 또는 자동으로 충전소를 선택할 수 있다.

이어, 단계 S25에서, 전기차는 선택한 충전소에 도착 예정 시간과 예상 충전 소요 시간을 전달하여 예약을 수행하고, 예약이 완료되면, 표시화면을 통해 "xx시xx분에 oo충전소를 예약하였습니다"와 같은 안내 문구를 표시하고, 전기차는 네비게이션 경로 안내를 선택한 충전소를 경유하도록 변경하여 안내한다.

이하, 도 1 및 2에 도시한 2가지 충전 예약 시나리오1 및 2를 구현하기 위한 시스템 구성에 대해 상세히 설명하기로 한다.

도 3은 본 발명의 일 실시 예에 따라 도 1 및 2에 각각 도시한 충전 예약 시나리오1 및 2를 구현하기 위한 시스템 구성도이다.

도 3의 시스템 구성도에서는 '최적 충전소 추천부'가 전기차에 설계되고, 도 4의 시스템 구성도에서는 '최적 충전소 추천부'가 충전 예약 관리 서버에 설계된 점에서 차이가 있다.

먼저, 도 3을 참조하면, 도 1에 도시한 충전 예약 시나리오1을 구현하기 위한 충전소 예약 시스템은 차량의 예정(예상 또는 예측) 이동 경로를 구체적으로 충전소 예약 관리 서버(40)로 전송하지 않아도 되고, 운전자의 전기차 충전소 선호 기준을 충전소 예약 관리 서버로 전송하지 않아도 되므로, 개인 정보 보호 및 보안 측면에서 유리하다.

충전소 예약 시나리오1 및 2을 구현하기 위한 전기차(또는 전기차에 설계된 충전소 예약 장치 또는 충전소 예약 시스템)는 통신부(31), 위치 수집부(32), 예상 경로 생성부(33), 배터리 잔량 계산부(34), 충전소 정보 수집부(35), 최적 충전소 추천부(36), 충전소 예약 관리부(37)를 포함하도록 구성된다. 여기서 '전기차'라고 함은, 전기차 충전소 예약과 관련한 기능이 있는 전기차 내부 모듈 또는 운전자가 소유한 스마트폰 등이 될 수 있다.

통신부(31)는, 예약에 필요한 정보 및 예약 수립 또는 예약 변경 관련 메시지를 충전소 예약 관리 서버(40)와 교환하기 위한 통신 모듈이다.

통신부(31)는 무선이동통신망을 사용할 수 있다. 통신부(31)는 개인 정보, 인증 정보, 위치 정보 등을 충전소 예약 관리 서버와 교환하므로, 메시지의 암호화 등 통신 보안 및 네트워크 보안 기술을 지원하도록 구성될 수 있다. 여기서, 개인 정보는 운전자 정보일 수 있다. 운전자 정보는 운전자의 주민번호, 주소, 모바일 번호 등 운전자를 식별할 수 있는 모든 종류의 정보를 포함한다. 인증 정보는 운전자 정보와 차량 정보를 포함할 수 있다. 차량 정보는 차종, 차량 번호 등 전기차를 식별할 수 있는 모든 종류의 정보를 포함할 수 있다. 위치 정보는, 전기차의 현재 위치 정보를 포함할 수 있다.

위치 수집부(32)는 전기차의 위치를 GPS, 이동통신망을 통해 수집하는 모듈이다. 위치 수집부(32)는 전기차의 현재 위치 정보를 수집 및 저장한다. 이러한 전기차의 현재 위치 정보는 운전자의 일상적이고 규칙적인 이동 패턴의 학습 및 예측하는데 사용될 수 있다. 즉, 위치 수집(32)에 의해 수집된 전기차의 현재 위치 정보는 운전자의 일상적이고 규칙적인 이동 패턴을 예측하기 위한 기계 학습 모델을 훈련 데이터(학습 데이터)로 활용될 수 있다. 또한, 전기차의 현재 위치 정보는 운전자의 일상적인 이동 거리를 예측하고 이를 고려하여, 전기차 내의 배터리 충전이 필요한 시기를 예측하는데 사용될 수 있다. 따라서, 위치 수집부(32)에 의해 수집된 정보를 신경망 구조로 이루어진 기계학습 모델의 입력으로 사용될 수 있다. 이 경우, 위치 수집부(32)는 기계학습 모델을 내장하거나 기계학습 모델이 프로그래밍된 알고리즘이 탑재된 하드웨어 모듈과 연결될 수 있다.

예상 경로 생성부(33)는, 통상적인 차량 네비게이션 기능과 동일하게 운전자가 목적지를 지정하면 예상 경로를 계산한다. 운전자의 스케쥴을 고려하여 자동으로 목적지를 결정하거나, 운전자의 일상적인 이동 패턴을 고려하여 자동으로 목적지를 결정하고 이에 따른 예상경로를 구할 수도 있다. 이 경우, 예상 경로 생성부(33)는 신경망 구조의 기계 학습 모델로 프로그래밍된 알고리즘 형태로 구현될 수 있으며, 이러한 기계 학습 모델은 차량 네비게이션과 연동하도록 차량 네비게이션 내에 탑재되거나 차량 네비게이션과 연결된 별도의 하드웨어 모듈에 내장된 것일 수 있다.

또한 기존의 차량 네비게이션과 다르게, 예상 경로 생성부(33)에서는 목적지까지 걸리는 시간을 확률적인 형태로 예측할 수 있다. 확률적인 형태의 예측 결과는 % 단위로 제공될 수 있다. 예를 들면, 목적지까지 12:45 ~ 13:00에 도착할 확률은 30%, 13:00~13:15에 도착할 확률은 70%와 같은 예측 결과가 제공될 수 있다.

이러한 예측 결과는, 평균적인 교통상황 및 도로, 공사 상황 및 실시간 교통 상황 등을 고려하여 계산된 것일 수 있다. 기존의 차량 네비게이션이 도착 예상 시간 13:10으로 딱 한 순간을 예측하는 것과 차별성을 가진다.

이와 같은 확률적인 도착 시간 예측은, 보다 정확한 상황 예측과 이에 따른 다양한 조치를 미리 준비할 수 있도록 한다. 기계 학습 기술을 사용하는 경우, 확률적 예측 방법에는 인공신경망의 뉴런은 임의로 비활성화 시켜 예측하는 dropout 방법을 사용하는 방법, 예측 정확도를 예측하는 인공신경망을 추가로 만들어 적용하는 방법 등 다양한 방법이 있다.

배터리 잔량 계산부(34)는, 예상 경로 생성부(33)에 의해 계산된 확률적 도착 예상 시간, 확률적 예상 경로(예상 이동 거리)를 기반으로 전기차의 배터리 상태를 확인하여, 목적지까지 이동 간 및 이동 완료시의 배터리 잔량이 얼마나 남을 것인가를 계산한다. 배터리 소모량은 이동 거리뿐만 아니라, 도로 상황(경사, 포장표면, 제한속도, 신호등 등) 및 교통상황(길 막힘) 등도 함께 고려하여야 정확한 예측이 가능하며, 이를 통해 배터리 잔량 계산을 수행하여야 한다. 배터리 잔량계산 결과, 충전이 필요하다고 예상되는 경우, 운전자에게 알린다. 도로 상황 및 교통 상황과 관련된 정보는 예상 경로 생성부(33)와 연동하는 차량 네비게이션으로부터 제공될 수 있다.

충전소 정보 수집부(35)는, 예상 경로 생성부(33)에서 생성한(계산한) 확률적 형태의 이동 경로 및 예상 목적지 근처의 충전소 정보를 수집한다. 충전소 정보는 통신부(31)를 이용하여, 충전소 예약 관리 서버(40)로부터 수집한다. 충전소 정보에는, 충전소 명, 충전소 브랜드, 충전소 위치, 현 충전 상황, 예약 상황, 예약 취소 수수료, 요금제, 충전 비용, 연락처(예, 충전소 연락처) 등과 관련된 정보들을 포함할 수 있다. 이러한 충전소 정보 중에서 일부 정보는 실시간으로 변화하므로, 경로 변경 및 도착 예정 시간 변경 등 상황에 따라 다시 수집하여야 한다.

최적 충전소 추천부(36)는 수집한 충전소 정보를 기반으로 가장 적절한 충전소를 선별하여 추천한다. 선별 기준은 운전자의 선호도에 따라 여러가지 기준이 있을 수 있으며, 한가지 기준이 아니라 두가지 이상의 복합적인 기준이 있을 수 있으므로, 다양한 기준 및 기준의 조합으로 충전소를 선별하고, 추천 우선순위를 결정하여야 한다.

운전자에게 표시해주는 충전소 정보는, 충전소의 위치(지도상에 표시), 예상 충전 비용, 예상 대기 시간, 평점 등이 있으며, 운전자는 제시된 충전소 중 하나를 선택할 수 있다.

최적 충전소 추천부(36)는 운전자의 선택을 참고하여 선호도를 학습하여, 다음에 충전소 정보 표시할 때 선호하는 충전소를 더 높은 우선순위로 표시할 수 있도록 구성될 수 있다.

최적 충전소의 선호도 학습 및 추천을 위해 최적 충전소 추천부(36)는 인공 신경망 알고리즘과 같은 소프트웨어 모듈 및/또는 이러한 소프트웨어 모듈이 내장된 하드웨어 모듈로 구현될 수 있다. 여기서, 하드웨어 모듈이란 인공 신경망 알고리즘을 실행시키기 위한 전자 소자 및 칩 등이 실장된 인쇄 회로 기판으로 구체화될 수 있다.

충전소 예약 관리부(37)는, 운전자가 충전소를 선택하거나, 자동으로 선정하면, 충전소 예약을 수행한다. 충전소 예약 관리부(37)는 통신부(31)를 통해 충전소 예약 관리 서버(40)로, 예약 요청, 예약 수락, 예약 변경 등과 관련된 메시지를 주고받는다.

충전소 예약 관리 서버(40)는 통신부(41), 충전소 정보 수집부(42), 충전소 예약 지원부(42), 포인트 관리부(44)를 포함하도록 구성된다. 충전소 예약 관리 서버(40)는 클라우드 서비스 또는 분산 컴퓨팅 환경, P2P 컴퓨팅 환경 등에서 가상화 되어 운영될 수 있다.

통신부(41)는 전기차(30)와 정보를 교환하거나 충전소(50)와 정보를 교환하도록 유선 또는 무선 통신을 지원하는 통신 모듈일 수 있다.

충전소 정보 수집부(42)는 충전소(50)의 각종 상황을 수집하는 모듈이다. 이는 주기적으로 수행될 수 있으며, 변경사항이 있을 때, 또는 요청이 있을 때 수행될 수 있다.

충전소 예약 지원부(43)는 전기차(30)로부터의 예약 요청, 예약 변경 및 예약 취소와 관련된 요청 메시지를 충전소(50)로 전달하고, 충전소(50)로부터 그 응답 메시지를 수신하여 전기차(30)로 전송하는 역할을 수행한다. 충전소 예약 지원부(43)는 요청 메시지의 권한 검사를 수행할 수 있다. 예약 요청을 하는 전기차 운전자의 신용이나 권한이 충분하지 않을 경우는 예약 요청을 거부할 수 있다. 이러한 부분은 포인트 관리부와 같이 연계되어 동작한다.

포인트 관리부(44)는 운전자(소유자, 전기차) 별 예약 서비스 이용에 대한 포인트를 관리한다. 예약을 잘 지키고 잘 이용하는 고객에게는 포인트를 부여한다. 예약을 지키지 않은 경우 취소 수수료 등을 포인트를 차감하거나 비용을 과금 할 수 있다. 포인트 관리부(44)는 포인트가 부족하면 원하는 예약을 할 수 없도록 예약 불가와 관련된 메시지를 주변 장치들(전기차 또는 충전소 예약 관리 서버(40) 내의 다른 구성들)에 제공할 수도 있다. 전기차 충전소 예약 요금 및 충전 요금을 포인트로 지불할 수 있다. 포인트에는 신용도 또는 명성을 나타내는 신용 점수가 있으며, 지불 및 보상에 사용되는 지불용 포인트로 나뉠 수 있다. 포인트의 일부는 사용자 간의 거래로 주고받을 수 있다. 전기차 이동중에 자동으로 예약 일부가 취소되거나 다시 성립될 수 있다. 이 경우 현금으로 처리하기 보다는 포인트를 이용하여 신속하게 처리할 수 있다. 지불용 포인트의 가치는 통화의 가치와 동일 또는 비례하게 설정할 수 있다.

충전소(50)는 통신부(51), 충전기 상태 관리부(52), 예약 관리부(53) 및 통계 기록부(54)를 포함한다.

통신부(51)는 충전소 예약 관리 서버(40)와 다양한 정보를 교환하도록 유선 또는 무선 통신을 지원한다.

충전기 상태 관리부(52)는 충전소(50)에 설치된 다수의 충전기 상태를 관리한다.

예약 관리부(53)는 충전소 예약 관리 서버(40)를 통해 전기차로부터 제공된 전기차의 예약 요청, 예약 변경 및 예약 취소화와 관련된 정보를 관리한다.

통계 기록부(54)는 시간대별 예약 및 충전 통계를 기록한다. 여기서, 예약 및 충전 통계는 시간대별 충전 예약 건수 및 각 충전기의 사용 이력 등과 관련된 통계를 포함한다.

도 4는 본 발명의 다른 실시 예에 따라 도 1 및 2에 각각 도시한 충전 예약 시나리오 1 및 2를 구현하기 위한 시스템 구성도이다.

도 4의 시스템 구성도는, '최적 충전소 추천부'가 충전 예약 관리 서버(70)에 설계된 점에서 도 3에 도시한 충전소 예약 시스템과 차이가 있다.

도 4의 충전소 예약 시스템은 전기차(60)가 자신의 예상 이동 경로를 충전소 예약 관리 서버(70)로 전송하여야 하므로 개인 정보 및 보안 측면에서 다소 취약할 수 있다.

그러나, 전기차(60)와 충전소 예약 관리 서버(70) 간의 통신량을 줄일 수 있는 장점이 있다. 전기차(60), 충전소 예약 관리 서버(70) 및 충전소(80)의 각 내부 구성들(모듈들)의 기능은 도 3에 도시한 전기차(30), 충전소 예약 관리 서버(40) 및 충전소(50)의 각 내부 구성과 동일하다. 다만 충전소 예약 관리 서버(70) 내에 있는 최적 충전소 추천부(73)가 전기차로부터 수신된 예상 이동 경로를 기반으로 최적 충전소 목록을 생성한 후, 통신부(71)를 통해 전기차(60)로 전송하면, 전기차(60)의 최적 충전소 선택부(66)가 표시화면을 통해 최적 충전소 목록을 표시하여 운전자에게 제공하고, 운전자가 충전소를 선택하도록 다양한 인터페이스 화면을 제공하는 점에서 도 3에 도시한 충전소 예약 시스템과 다르다.

도 5는 도 3에 도시한 충전소 예약 시스템에서 전기차, 충전소 예약 관리 서버 및 충전소 간에 주고받는 메시지 흐름도이다.

도 5를 참조하면, 충전소 예약 시스템은 최적 충전소 추천부(36)가 전기차(30)에 설계된 경우이다.

먼저 전기차(30)에서 이동 경로를 예측한다(S31). 이동 경로는 운전자가 네비게이션 시스템에 목적지를 입력할 수도 있고, 기계학습 모델을 기반으로 일상적인 이동 패턴 기반으로 예측한 것일 수 있다.

이어, 전기차(30)는 예측한 이동 경로 및 목적지에 인접한 충전소 목록을 요청하는 메시지를 충전소 예약 관리 서버(40)로 전송한다(S32). 충전소 목록 요청 메시지는 예상 위치들, 탐색 범위 등의 조건과 관련된 정보를 포함할 수 있다.

이어, 충전소 예약 관리 서버(40)는 미리 확보해 두었던 충전소 정보를 이용하여 위치 주변의 충전소 목록을 포함하는 메시지를 전기차(30)로 전송한다(S33). 충전소 목록은 충전소명(충전소 ID), 충전소 위치, 충전 방식, 운영 시간 등과 관련된 정보를 포함할 수 있다.

이어, 경로 또는 목적지에 인접한 충전소 목록을 수신한 전기차(30)는 각 충전소까지의 거리 및 도착 시간(도착 예상 시간), 충전 시간을 예측한다(S34). 도착 예상 시간은 앞서 기술한 것처럼 확률적으로 예측할 수 있다. 충전 시간은 전기차가 충전소에 도착한 뒤 충전하는데 걸리는 시간(배터리 충전 완료까지 걸리는 시간)을 말하며, 도착시 배터리 잔량과 충전 방식 등을 고려하여 확률적으로 예측한다.

이어, 전기차(30)는 각 충전소가 예약 가능한지 '예약 가능 조회 요청' 메시지(또는 '예약 가능 확인 요청 메시지')를 충전소 예약 관리 서버(40)에 전송한다. 이 메시지는 충전소명(충전소ID), 확률적 도착 예상 시간, 확률적 충전 시간 등을 포함한다.

이어, 충전소 예약 관리 서버(40)는 이 예약가능 조회요청 메시지를 받고 전기차 운전자가 이러한 예약을 할 수 있는 권한을 가지고 있는지 확인한다(S36). 이는 충전소 예약 관리 서버(40) 내에 포인트 관리부(44)에서 회원 정보 및 신용 점수, 충전 포인트 보유 여부를 이용하여 수행할 수 있다.

이어, 전기차 운전자가 예약 요청을 보낼 권한이 있는 경우, 충전소 예약 관리 서버(40)는 충전소에 예약 가능 조회 요청 메시지를 전송한다(S37).

이어, 충전소(50)는, 예약상황을 확인하여, 예약 가능 조회 요청 메시지에 포함된 확률적 도착 예상 시간 및/또는 확률적 충전 시간에 기반한 예약 요청 시간에 예약이 가능한지, 충전 요금이 어떻게 되는지, 취소하는 경우 수수료가 어떻게 되는 지, 예약 불가능시 예상 대기 시간이 어떻게 되는지 등을 포함한 '예약 가능 정보 메시지'를 충전소 예약 관리 서버(40)로 전송한다(S38).

이어, 충전소 예약 관리 서버(40)는 충전소(50)로부터 전송된 예약 가능 정보 메시지를 전기차(30)와 약속된 통신 프로토콜에 따라 구성하여 다시 전기차(30)에게 전송한다(S39).

이어, 전기차(30)는 충전소(50)를 포함하는 여러 충전소들로부터 전송된 예약 가능 정보 메시지를 취합하여, 충전소 목록에서 예약 불가능한 충전소들을 제외하고 나머지 충전소에서 최적 충적소를 결정한다(S40). 전기차(30)는 예약 가능한 충전소 목록을 구성하되, 운전자 선호도 학습이 덜 된 상태에서는, 목적지에 가까운 충전소와 예상 충전 요금이 가장 저렴한 충전소, 추가 운행 거리가 짧은 충전소의 우선순위를 높게 정렬하여 구성한다. 만약 이미 모든 예약이 완료되어 원하는 시간에 예약이 안되는 경우엔 예상 대기 시간이 짧은 충전소를 목록에 포함한다. 운전자에게 충전소 목록을 보여주는 디스플레이의 크기를 고려하여 우선순위가 높은 상위 충전소만 표시할 수 있다.

이어, 운전자가 최적 충전소를 수동으로 선택(결정)하거나, 최적 충전소 추천부(36)가 최적 충전소를 자동으로 선택(결정)하면, 전기차(30)는 예약 요청 메시지를 충전소 예약 관리 서버(40)로 전송한다(S41). 예약 요청 메시지는 충전소명(충전소ID), 예약 시간(시작 시간 및 종료 시간)을 포함한다.

이어, 충전소 예약 관리 서버(40)는 전기차(30) 또는 전기차(30)로부터 전송된 예약 요청 메시지에 대한 권한검사를 다시 수행하고(S42), 해당 충전소(50)에게 예약 요청 메시지를 전달한다(S43).

이어, 예약 요청 메시지를 수신한 충전소(50)는 예약을 수락하고, 내부적인 충전 스케쥴에 예약 사항을 기록한 후, 예약 요청 메시지에 대한 예약 확인 메시지를 충전소 예약 관리 서버에 전송한다(S44).

이어, 충전소 예약 관리 서버(40)는 기설정된 과금 정책에 따라 과금을 부여한다(S45). 이때 충전 포인트를 이용하거나, 신용카드 등을 이용하여 전액 또는 일부를 지불하도록 한다.

이후 충전소 예약 관리 서버(40)는 예약 확인 메시지를 전기차(30)에 전송한다.

도 6은 도 4에 도시한 충전소 예약 시스템에서 전기차, 충전소 예약 관리 서버 및 충전소 간에 주고받는 메시지 흐름도이다.

도 6을 참조하면, 충전소 예약 시스템은 최적 충전소 추천부(73)가 충전소 예약 관리 서버에 설계된 경우이다.

먼저, 전기차(60)는 목적지까지의 이동 경로와 도착 시간에 대한 확률적 예측을 수행한다(S61).

이어, 전기차(60)는 충전소 예약 관리 서버(70)에게 예상 경로, 확률적 예상 도착 시간, 확률적 충전 시간을 포함한 추천 예약 요청 메시지를 전송한다(S62).

이어, 충전소 예약 관리 서버(70)는 운전자가 예약 요청 권한을 가지고 있는지 검사한 후(S63), 충전소(80)에 예약 가능 여부를 조회(확인)하기 위한 예약 가능 조회 요청 메시지(또는 '예약 가능 확인 요청 메시지')를 충전소(80)에게 전송한다(S64).

이어, 충전소(80)는 상기 예약 가능 조회 요청 메시지에 대한 응답 메시지로서, 예약 가능 여부, 취소수수료 정보 및 요금 정보를 포함하는 상기 응답 메시지를 충전소 예약 관리 서버(70)로 전송한다(S65).

이어, 충전소 예약 관리 서버(70)는 상기 충전소(80)를 포함하는 다수의 충전소로부터 수신된 응답 메시지에 포함된 예약 가능 여부, 취소수수료 정보 및 요금 정보를 기반으로 예약 가능한 충전소 목록에서 최적 충전소를 선정하여 최적 충전소 목록을 구성한다(S66).

이어, 충전소 예약 관리 서버(70)는 최적 충전소 목록을 전기차에 전송한다(S67).

이어, 전기차(60)는 운전자가 서버(70)로부터 제공된 최적 충전소 목록에서 하나의 최적 충전소를 선택하여 결정한다(S68).

이어, 전기차(60)는 운전자가 선택한 최적 충전소에 대한 예약 요청을 충전소 예약 관리 서버(70)로 전송한다(S69).

이어, 충전소 예약 관리 서버(70)는 권한검사를 수행 후, 운전자에 의해 최적 충전소로 결정된 충전소(80)에 예약 요청 메시지를 전송한다(S71).

이어, 충전소(80)는 예약 스케쥴을 기록한 후, 예약확인 메시지를 충전소 예약 관리 서버(70)로 회신(전송)한다(S72).

이어, 충전소 예약 관리 서버(70)는 과금을 수행한 후(S73), 예약확인 메시지를 전기차(60)에 전송한다(S74).

한편, 도 5 및 6의 예약 절차와는 다르게, 전기차는 시간이 흐름에 따라, 초기에 예측하였던 도착 예정 시간 및 예상 충전 시간에 대한 정정 필요성을 예측할 수 있다. 이렇게 교통상황이 변화하였거나 도착지에 가까워져서 불확실성이 줄어드는 등 도착 시간 및 충전 시간의 확률적 예측이 변경되는 경우, 충전 예약을 변경할 필요가 있다.

예측 정확도 향상에 따라 불필요한 시간 영역에 대한 예약을 취소하여, 이를 통해 충전소가 보유한 충전기들을 효율적으로 운영하여, 운영 효율을 향상시킬 수 있다. 경우에 따라서는 기존 충전소에 대한 예약을 취소하고 다른 충전소로 예약하는 것이 예상 충전 요금이 저렴할 수 있기 때문에, 이 경우 예약을 변경할 수 있어야 한다.

도 7은 도 1 및 2에 각각 도시한 충전 예약 시나리오 1 및 2에 따라 구현된 충전소 예약 시스템에서 예약 변경을 위한 전기차, 충전소 예약 관리 서버 및 충전소 간에 주고받는 메시지 흐름도이다.

도 7을 참조하면, 예약 변경을 위해, 우선, 전기차(30)는 도착 시간을 다시 예측한다(S81).

이어, 전기차(30)는 상황 변경에 따른 최적 충전소 결정도 다시 수행한다(S82).

이어, 전기차(30)는 예약 변경이 필요한 경우, 예약 변경 요청 메시지를 충전소 예약 관리 서버(40)로 전송한다(S83).

이어, 충전소 예약 관리 서버(40)는 전기차 운전자가 상기 예약 변경 요청 메시지에 대한 권한을 가지고 있는지 확인한다(S84).

이어, 권한이 확인되면, 충전소 예약 관리 서버(40)는 예약 변경 요청을 충전소(50)로 전송한다(S85).

이어, 충전소(50)는 예약 변경 요청 메시지에 따라 충전 스케쥴을 조정한 다음, 예약 확인 메시지를 충전소 예약 관리 서버(40)로 전송한다(S86). 이때 예약 시간이 줄어든 경우 일부 취소수수료가 과금될 수 있으며, 이와 관련된 정보가 예약 확인 메시지에 포함된다.

이어, 충전소 예약 관리 서버(40)는 예약 변경에 따른 과금 또는 환불 절차를 수행한다(S87). 이때 포인트를 이용하여 지불 또는 반납 받을 수 있다.

이어, 충전소 예약 관리 서버는 예약확인 메시지를 전기차(30)에 전송한다(S88).

이하, 충전소에서 예약 취소 수수료를 설정하는 과정에 대해 설명하기로 한다.

전기차 충전소의 경우, 시간대별로 충전기 사용률이 다르기 때문에 시간대별로 다른 예약 취소 수수료율을 적용한다. 붐비는 시간대에 예약을 한 경우, 예약 취소 수수료는 더 높아야 한다. 왜냐하면, 예약 취소로 인한 손해의 확률이 더 높기 때문이다. 그리고 충전소 별로 붐비는 시간이 서로 다를 수 있다. 그러므로, 충전소 예약 취소 수수료는 충전소 마다, 시간대 마다 다르게 설정할 수 있다.

각 충전소는 사용시간대별 예약 및 충전 통계를 이용하여, 시간대별 예약 취소 수수료율을 다르게 설정할 수 있다. 이 시간대별 예약 취소 수수료율은 매일 변경될 수 있다.

도 8은 본 발명의 실시 예에 따른 시간대별 예약 취소 수수료율의 예를 보여주는 그래프이다.

도 8을 참조하면, 파란색 실선은 예약 사용시 시간 13:00~13:30에 대한 예약 취소 수수료율을 보인다. 13:00~13:30에 충전하기로 사전 예약하였다고 가정하자. 만약 현재 10:00에 예약을 취소하는 경우 예약 취소수수료를 지불할 필요가 없다. 그러나, 예약 시간의 2시간 30분전인 10:30에 예약을 취소하는 경우 25%의 예약 취소 수수료율을 적용하여 예약 취소수수료를 지불해야 한다.

11:30에 예약을 취소하는 경우 취소 수수료율은 75%가 되며, 12:30이후에 예약을 취소하는 경우에는 예약금 전체를 취소수수료로 지불해야 한다.

도 8에서 점선은 13:30~14:00에 충전하기로 예약한 경우의 예약취소 수수료율은 보인다. 예약시간 13:30의 2시간30분 전인 11:30에 예약을 취소하는 경우 취소 수수료율은 0%로 예약취소수수료를 지불하지 않아도 된다. 이렇게 예약시간에 따라 다른 예약취소수수료를 책정할 수 있으며, 본 발명에서는 이렇게 시간대별 서로 다른 예약취소 수수료율을 설정한다.

전기차 충전소를 예약하고 그 시간에 도착하지 않으면, 그동안에 충전기를 이용할 수 없다. 왜냐하면 곧 예약한 차량이 올 수도 있으므로 다른 전기차를 받을 수 없기 때문이다. 따라서 전기차 충전소는 예약점유시간에 대한 비용을 고려하여야 한다.

전기차 충전소 예약시, 충전요금 외에 충전기 점유시간 또는 주차공간 점유시간을 고려한 시간요금을 같이 고려할 수 있다. 이는 각 예약시간대별 예약금과 같이 고려할 수 있다. 따라서 예약 취소 수수료는 시간 요금과 예약 취소 수수료율의 곱으로 계산될 수 있다.

시간대에 따라 충전기 사용빈도가 다르므로, 붐비는 시간대의 시간요금은 상대적으로 비싸고 한가한 시간대의 시간요금은 상대적으로 저렴하게 설정할 수 있다.

도 9는 본 발명의 실시 예에 따른 시간대별 평균 충전기 사용률을 토대로 시간대별 시간 요금을 선정한 예를 막대 그래프 형태로 보여주는 도면이다.

도 9를 참조하면, 13:00에서 13:30 시간대의 평균 충전기 사용률은 30%로 집계된 경우, 해당 시간대의 시간요금은 600원으로 설정될 수 있다. 이 시간대에 충전하기로 예약하는 경우 600원의 요금을 내야 한다. 앞서 기술한 포인트를 이용하여 지불할 수 있다. 실제 지불은 해당시간 이후에 정산하여 계산될 수 있다.

최적 충전소 추천은 해당 충전소를 예약했을 때의 예상 비용이 가장 작은 충전소를 기본으로 선정한다. 예상비용은 예약하는 시간 구간들의 시간요금과 시간구간들의 예약취소수수료율, 충전비용, 예상시간에 도착할 확률, 예상 충전시간을 고려하여 계산할 수 있다.

먼저 주요 변수를 정의하면 다음과 같다.

i: 시간구간 i. 예를 들어 시간구간간격을 10분이라고 하면, 00:00~00:10 시간구간의 i=0. 00:30~00:40의 시간구간 i=3. 01:00~01:10의 시간구간 i=6이다.

a_i: 시간구간 i에 도착 확률

p_i: 시간구간 i의 시간요금

c_i: 현재기준으로 시간구간 i의 예약취소 수수료율

n_i: 시간구간 i에 도착했을 때 충전에 걸리는 시간구간간격 개수. 예를 들어 충전시간이 30분으로 예상되는 경우 n_i=3이다.

x_i: 시간구간 i에서의 충전요금

P_k: 충전소 k를 예약했을 때의 총 예상비용

전기차가 충전소 k에 대해 시간구간 i을 예약하여 제 시간에 도착하고 충전했을 때의 비용은 아래의 수학식 1과 같이 계산할 수 있다.

전기차가 시간구간 i을 예약하였지만, 늦게 도착하여 i+1시간구간 이후에 도착하고 충전했을 때의 비용은 아래의 수학식 2와 같이 취소수수료가 포함되어 계산된다.

만약 시간구간 j에 도착확률 a_j가 0인 경우에는 예약도 하지 않기 때문에 P_k,j = 0 이다.

전기차의 충전소 k에 확률적 도착시간 중 가장 가까운 시간구간을 i로 하고, 충전소 총 예상비용은 아래의 수학식 3과 같이 계산될 수 있다.

최적 충전소 추천은 예상 비용을 기준으로 하지만, 특정 운전자의 성향 및 전체 운전자들의 평균적인 성향에 따라 다소 모호한 기준이 설정될 수 있다.

이를 위해 본 발명에서는, 인공신경망을 이용한 기계학습 모델을 통한 운전자의 충전소 선정 선호도의 학습 방법을 제시한다.

기계학습 모델은 운전자 별로 다르게 구성할 수 있으며, 모든 운전자에 대해 통합적으로 하나로 구성할 수도 있다.

인공신경망의 입력단에, 충전소 N개의 예상 충전 비용, 경로로부터 충전소까지의 거리, 목적지와의 거리, 충전 시간(충전 예상 시간)을 넣고, 출력단에 운전자가 선택한 충전소 번호를 hot vector로 인코딩한 값을 넣어서 인공 신경망을 학습한다.

예를 들어, (N=3일 때,) 운전자가 첫번째 충전소를 선택한 경우 1,0,0을, 두번째 충전소를 선택한 경우 0,1,0를, 세번째 충전소를 선택한 경우 0,0,1로 하여 학습에 사용한다.

도 10은 본 발명의 실시 예에 따른 N=3개의 충전소 중에 운전자들이 선택한 데이터 셋으로 학습한 기계학습 모델의 신경망 구조를 나타내는 도면이다.

도 10을 참조하면, 기계학습 모델(최적 충전소 선정 운전자 선호도 학습 모델)은 딥러닝 모델인 다계층 인공신경망(Deep Neural Network)을 써서 분류모델(classification)으로 구성할 수 있다. DNN 이외에 CNN(Convolutional Neural Network)등 다른 구성으로도 모델을 구성할 수 있다.

이하, 최적 충전소 선정을 위한 운전자 선호도 학습 데이터에 대해 소개한다.

위의 표 1에서, 각 열의 충전소 1, 2, 3은 같은 충전소가 아닐 수 있으며, 각 행의 선택 충전소 번호로 식별될 뿐이다. 즉, 충전소1 컬럼의 첫번째 행과 두번째 행의 충전소는 서로 다른 충전소이다. 각 충전소 3개에 대해 각각 예상 충전 비용, 경로로부터의 거리, 목적지로부터의 거리, 충전예상시간을 나타낸다. 선택 충전소는 운전자가 해당 충전소 3개가 제시되었을 때 선택한 충전소이며, 학습 모델의 출력부(Y)에 hot vector로 인코딩되어 입력된다.

학습을 완료한 후, 기계학습 모델의 입력에 충전소 3개의 정보를 넣으면, 기계학습 모델에는 각 충전소에 대한 선호도가 확률의 형태로 예측되어 나온다. 예를 들면, 0.2, 0.7, 0.1 과 같은 형태로 예측 결과가 나온다. 최적 충전소 추천부(도 3의 36 또는 도 4의 73) 또는 최적 충전소 선택부(도 4의 60)에서는 예측된 선호도 순서대로 (예에서는 충전소2, 충전소1, 충전소 3 순서대로) 추천 충전소 목록을 제시한다.

전기차(30 또는 60)는 계속 이동하면서 충전소까지 확률적 도달 시간을 다시 계산하며, 최적 충전소에 관한 계산을 계속 수행하고, 적절한 충전소를 다시 선정할 수 있다. 이때 예약 취소 수수료도 함께 고려하여 결정한다. 도 11은 본 발명의 실시 예에 따른 최적 충전소의 재설정의 예를 도식적으로 보여주는 도면이다.

충전소(50 또는 80)는 필요에 따라 충전요금을 일시적으로 할인 또는 특가로 제공할 수 있다. 이 경우 충전소(50 또는 80)는 충전 요금 변경 정보를 충전소 예약 관리 서버(40 또는 70)에 전송할 수 있다.

충전소 예약 관리 서버(40 또는 70)는 이를 전기차에 전달한다. 전기차(30 또는 60)는 새로운 충전요금 체계를 고려하여, 최적 충전소를 선정하기 위한 계산을 다시 수행할 수 있으며, 계산 결과에 따라 새로운 충전소로 예약을 변경할 수 있다.

충전소(50 또는 80)에 충전기가 두 개 이상인 경우 예약에 따른 충전기 할당을 잘 하여야만 효율적인 충전소 운영을 할 수 있다. 본 발명에서는 예약들 사이의 비어 있는 시간 간격을 평균 충전 시간으로 나눈 나머지가 가장 작도록 예약요청을 할당하는 방법을 제안한다. 본 발명의 할당 방법에 따르면, 평균 충전 시간보다 작게 남은 시간은 새로운 예약을 받아들이기 어렵기 때문에, 나머지 시간이 가장 작도록 할당하는 것이다.

도 12는 본 발명의 실시 예에 따른 충전소 내에 설치된 충전기들의 할당 예를 설명하기 위한 도면이다.

도 12를 참조하면, 예약1, 예약2, 예약3이 각각 충전기1, 충전기2, 충전기3에 이미 잡혀 있을 때, 전기차로부터 예약A의 요청을 수신한 경우, 충전기를 할당하는 방법을 설명한다.

각 충전기에 예약A를 받았을 때 예약 요청 사이의 빈 시간 간격을 계산한다. 빈 시간 간격이 클 경우에는, 나중에 다른 예약을 받을 수 있으므로, 빈 시간 간격을 평균 충전 시간으로 나눈 나머지를 슬롯 간격 (slot gap)으로 계산한다.

이 슬롯 간격이 가장 작은 충전기에 예약이 할당된다. 도 12의 경우, 예약A를 충전기3에 할당한다. 이와 같은 전략을 통하여 효율적인 충전기 할당이 가능한다. 예약이 취소 및 변경되는 경우, 현재 시간과 가까운 시간에 대한 예약부터 다시 슬롯 간격을 고려하여 충전기를 할당한다.

충전소 예약을 빠르게 수립하고 빠르게 변경하기 위해서는, 그때 그때 계산하는 것보다는 포인트를 이용하는 것이 수월하고 편리하다. 그리고, 전기차 충전소 예약에서 운전자는 예약을 잘 지키는 것이 중요하다. 예약 취소 수수료가 있지만 충전소 운용 입장에서는 충전을 통한 수익보다는 적을 수 있다. 따라서 운전자 별로 예약을 잘 지키는지에 대한 신용 점수 또는 포인트를 관리할 수 있다. 포인트 관리부에서는 이러한 포인트가 높으면 좀 더 멀리 떨어진 시간대에 예약을 요청할 수 있도록 한다. 예를 들어 신용포인트가 낮은 운전자는 현재 시간으로부터 앞으로 30분 이내의 예약만 요청할 수 있지만 신용포인트가 높은 운전자는 현재 시간으로부터 4시간 이후의 예약을 요청할 수 있다.

신용포인트가 낮은 운전자가 급히 예약을 수행하고자 할 경우에는 포인트를 충전소 예약서비스 주체로부터 구매할 수 있다. 또한 운전자 간에 포인트 거래를 할 수 있다. 포인트 관리부에서는 포인트 구매, 포인트 거래를 지원한다. 또한, 운전자가 충전기 사용 후 정리정돈을 잘 안 해 놓은 경우 포인트를 차감할 수 있으며, 이를 통해 충전기 사용자가 충전기 사용 에티켓을 잘 지킬 수 있도록 유도할 수 있다.

도 13은 본 발명의 충전소 예약 방법을 구현하기 위한 예시적인 컴퓨팅 장치를 도시하는 블록도이다.

도 13을 참조하면, 본 발명의 충전소 예약 방법을 구현하기 위한 예시적인 컴퓨팅 디바이스는 전기차, 충전소 예약 관리 서버 및 충전소에 각각 설치되어 충전소 예약 시스템을 구축하기 위한 장치로 활용될 수 있다.

이러한 컴퓨팅 디바이스(400)는 본 명세서에서 논의된 것과 같은 다양한 절차를 수행하는데 사용될 수 있다. 컴퓨팅 디바이스(400)는 데스크탑 컴퓨터, 노트북 컴퓨터, 서버 컴퓨터, 휴대형 컴퓨터, 태블릿 컴퓨터, 등과 같은 다양한 컴퓨팅 디바이스 중 임의의 것일 수 있다.

컴퓨팅 디바이스(400)는 하나 이상의 프로세서(들)(402), 하나 이상의 메모리 디바이스(들)(404), 하나 이상의 인터페이스(들)(406), 하나 이상의 대용량 저장 디바이스(들)(408), 하나 이상의 입/출력(I/O) 디바이스(들)(410), 및 디스플레이 디바이스(430)를 포함하고, 이들 모두는 버스(412)에 접속된다.

프로세서(들)(402)는 메모리 디바이스(들)(404) 및/또는 대용량 저장 디바이스(들)(408)에 저장된 명령을 실행하는 하나 이상의 프로세서 또는 제어기를 포함한다. 프로세서(들)(402)는 또한 캐시 메모리와 같은 다양한 유형의 컴퓨터-판독가능 매체를 포함할 수 있다.

메모리 디바이스(들)(404)는 휘발성 메모리(예를 들어, 랜덤 액세스 메모리(RAM)(414)) 및/또는 비휘발성 메모리(예를 들어, 판독-전용 메모리(ROM)(416))와 같은 다양한 컴퓨터-판독가능 매체를 포함한다. 메모리 디바이스(들)(404)는 또한 플래시 메모리와 같은 재기록 가능 ROM을 포함할 수 있다.

대용량 저장 디바이스(들)(408)는 자기 테이프, 자기 디스크, 광 디스크, 고체-상태 메모리(예: 플래시 메모리) 등과 같은 다양한 컴퓨터 판독가능 매체를 포함한다. 도 4에 도시된 바와 같이, 특정 대용량 저장 디바이스는 하드 디스크 드라이브(424)이다. 다양한 드라이브는 또한 다양한 컴퓨터 판독 가능 매체로부터 판독 및/또는 컴퓨터 판독 가능 매체에 기록을 가능하게 하기 위해 대용량 저장 디바이스(들)(408)에 포함될 수 있다. 대용량 저장 디바이스(들)(408)는 탈착 가능 저장 장치(426) 및/또는 고정식 매체를 포함한다.

입/출력(I/O) 디바이스(들)(410)는 데이터 및/또는 다른 정보가 컴퓨팅 디바이스([0035] 400)에 입력되거나 컴퓨터 디바이스(400)로부터 검색되게 하는 다양한 디바이스를 포함한다. 예시적인 I/O 디바이스(들)(410)는 커서 제어 디바이스, 키보드, 키패드, 마이크, 모니터 또는 다른 디스플레이 디바이스, 스피커, 프린터, 네트워크 인터페이스 카드, 모뎀, 렌즈, CCD 또는 다른 이미지 캡쳐 디바이스, 등을 포함한다.

디스플레이 디바이스(430)는 컴퓨팅 디바이스(400)의 하나 이상의 사용자에게 정보를 디스플레이할 수 있는 임의의 유형의 디바이스를 포함한다. 디스플레이 디바이스(430)의 예는 모니터, 디스플레이 터미널, 비디오 프로젝션 디바이스, 등을 포함한다.

그래픽-처리 유닛(GPU)(432)은 프로세서(들)(402) 및/또는 디스플레이 디바이스(430)에 접속될 수 있다. GPU는 컴퓨터 생성 이미지를 렌더링하고 다른 그래픽 처리를 수행하도록 동작할 수 있다.

GPU는 프로세서(들)(402)와 같은 범용 프로세서의 기능의 일부 또는 모두를 포함할 수 있다. GPU는 또한 그래픽 처리에 특정된 추가 기능을 포함할 수 있다. GPU는 좌표 변환, 음영, 텍스처링, 래스터화 및 컴퓨터 생성 이미지 렌더링에 유용한 다른 기능과 관련된 하드-코딩 및/또는 하드-와이어 그래픽 기능을 포함할 수 있다.

인터페이스(들)(406)는 컴퓨팅 디바이스(400)가 다른 시스템, 다른 디바이스 또는 다른 컴퓨팅 환경과 상호작용할 수 있게 하는 다양한 인터페이스를 포함한다.

예시적인 인터페이스(들)(406)는 근거리 네트워크(LAN), 광역 네트워크 (WAN), 무선 네트워크 및 인터넷에 대한 인터페이스와 같은 임의의 수의 상이한 네트워크 인터페이스(420)를 포함한다.

다른 인터페이스(들)는 사용자 인터페이스(418) 및 주변 디바이스 인터페이스(422)를 포함한다.

인터페이스(들)(406)는 또한 하나 이상의 사용자 인터페이스 요소(418)를 포함할 수 있다. 인터페이스(들)(406)는 또한 프린터, 포인팅 디바이스(마우스, 트랙 패드, 등), 키보드, 등을 위한 인터페이스와 같은 하나 이상의 주변 인터페이스를 포함할 수 있다.

버스(412)는 프로세서(들)(402), 메모리 디바이스(들)(404), 인터페이스(들)(406), 대용량 저장 디바이스(들)(408), 및 I/O 디바이스(들)(410)가 서로 통신하도록, 뿐만 아니라 버스(412)에 접속된 다른 디바이스 또는 구성요소와 통신하도록 허용한다.

버스(412)는 시스템 버스, PCI 버스, IEEE 1394 버스, USB 버스 등과 같은 여러 유형의 버스 구조 중 하나 이상을 나타낸다.

설명을 위해, 프로그램 및 다른 실행 가능한 프로그램 구성 요소가 본 명세서에서 개별적인 블록으로 도시되었지만, 그러한 프로그램 및 구성 요소는 컴퓨팅 디바이스(400)의 상이한 저장 구성 요소에 다양한 시간에 상주할 수 있고, 프로세서(들)(402)에 의해 실행됨이 이해된다. 대안적으로, 여기에 설명된 시스템 및 절차는 하드웨어, 또는 하드웨어로, 또는 하드웨어, 소프트웨어 및/또는 펌웨어의 조합으로 구현될 수 있다. 예를 들어, 하나 이상의 주문형 집적 회로(ASICs)는 본 명세서에 기술된 하나 이상의 시스템 및 절차를 수행하도록 프로그래밍 될 수 있다.

이제까지 본 발명을 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양하게 변경 또는 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명을 위한 예시적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (1)

1. 전기차의 충전소 도착 시간 및 충전 시간에 대한 확률적 예측값을 고려하여 예상 충전 비용을 계산하는 단계;
   운전자의 선호도를 기계학습을 통해 학습하여 최적의 충전소를 추천하는 단계; 및
   상기 추천된 최적의 충전소에 대해 충전 예약을 수행하는 단계
   를 포함하는 전기차의 충전을 위한 충전소 예약 방법.

Images