KR20230168617A - Online management system for personal mobility - Google Patents

Online management system for personal mobility Download PDF

Info

Publication number
KR20230168617A
KR20230168617A KR1020220068694A KR20220068694A KR20230168617A KR 20230168617 A KR20230168617 A KR 20230168617A KR 1020220068694 A KR1020220068694 A KR 1020220068694A KR 20220068694 A KR20220068694 A KR 20220068694A KR 20230168617 A KR20230168617 A KR 20230168617A
Authority
KR
South Korea
Prior art keywords
data
personal mobility
accident
battery pack
management system
Prior art date
Application number
KR1020220068694A
Other languages
Korean (ko)
Inventor
김광선
안재영
헤이안 컹 옹
탄 벵 헝 데릭
Original Assignee
디티아이코리아(주)
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 디티아이코리아(주) filed Critical 디티아이코리아(주)
Priority to KR1020220068694A priority Critical patent/KR20230168617A/en
Publication of KR20230168617A publication Critical patent/KR20230168617A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications
    • G06Q50/40—
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/02—Registering or indicating driving, working, idle, or waiting time only
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • 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
    • B60L2200/00—Type of vehicles
    • B60L2200/12—Bikes
    • 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
    • B60L2200/00—Type of vehicles
    • B60L2200/24—Personal mobility vehicles
    • 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

Abstract

본 발명은 본 발명은 퍼스널 모빌리티에 장착된 배터리 및 모터를 실시간 감시하고, 그 중 유의미한 선별 데이터를 추출하여 효율적으로 분석하며, 사고 발생시에는 원인을 규명할 수 있게 하는 퍼스널 모빌리티용 온라인 관리 시스템에 관한 것이다.The present invention relates to an online management system for personal mobility that monitors batteries and motors installed in personal mobility in real time, extracts meaningful selected data from them, analyzes them efficiently, and identifies the cause when an accident occurs. will be.

Description

퍼스널 모빌리티용 온라인 관리 시스템{Online management system for personal mobility}Online management system for personal mobility

본 발명은 퍼스널 모빌리티에 장착된 배터리 및 모터를 실시간 감시하고, 그 중 유의미한 선별 데이터를 추출하여 효율적으로 분석하며, 사고 발생시에는 원인을 규명할 수 있게 하는 퍼스널 모빌리티용 온라인 관리 시스템에 관한 것이다.The present invention relates to an online management system for personal mobility that monitors batteries and motors installed in personal mobility in real time, extracts meaningful selected data from them, analyzes them efficiently, and identifies the cause when an accident occurs.

최근 기술의 발전, 레져 활동의 증가 및 환경 보호 요구 등이 맞물려 개인 이동 수단으로서 전동 휠, 전동 킥보드, 전기 자전거 및 초소형 전기차와 같은 퍼스널 모빌리티(PM: Personal Mobility)의 보급 추세가 증가하고 있다.Recently, with the advancement of technology, the increase in leisure activities, and the demand for environmental protection, the spread of personal mobility (PM) such as electric wheels, electric kickboards, electric bicycles, and ultra-small electric vehicles as a means of personal transportation is increasing.

전기 에너지를 이용하는 퍼스널 모빌리티는 충전용 배터리를 이용한다. 대표적인 충전용 배터리에는 리튬이온 배터리가 있으며, 이러한 배터리는 다수의 셀들을 포함하는 배터리 팩 형태로 장착된다.Personal mobility that uses electrical energy uses rechargeable batteries. Representative rechargeable batteries include lithium-ion batteries, and these batteries are mounted in the form of a battery pack containing multiple cells.

위와 같이 퍼스널 모빌리티에 장착된 배터리는 제작상 결함은 물론 반복된 사용에 따른 수명이나 성능 저하가 발생한다. 따라서, 배터리 상태의 주기적인 감시를 통해 효율적인 관리가 필요하다.As shown above, batteries installed in personal mobility suffer from manufacturing defects as well as a decrease in lifespan or performance due to repeated use. Therefore, efficient management is necessary through periodic monitoring of the battery status.

또한, 퍼스널 모빌리티는 배터리 팩의 충전 전원을 통해 모터를 구동시켜 주행하게 되므로, 배터리 자체는 물론 모터나 외부 환경과의 관계에서 관리를 위한 데이터를 제공하고, 사고시에는 책임을 규명할 수 있어야 한다.In addition, since personal mobility is driven by driving a motor using the charging power of the battery pack, it must be possible to provide management data in relation to the battery itself, the motor, and the external environment, and to determine responsibility in the event of an accident.

대한민국 공개특허 제10-2020-0038267호Republic of Korea Patent Publication No. 10-2020-0038267 대한민국 공개특허 제10-2022-0012534호Republic of Korea Patent Publication No. 10-2022-0012534

본 발명은 전술한 문제점을 해결하기 위한 것으로, 퍼스널 모빌리티에 장착된 배터리 및 모터를 실시간 감시하고, 그 중 유의미한 선별 데이터를 추출하여 효율적으로 분석하며, 사고 발생시에는 원인을 규명할 수 있게 하는 퍼스널 모빌리티용 온라인 관리 시스템을 제공하고자 한다.The present invention is intended to solve the above-described problems, and is a personal mobility device that monitors batteries and motors installed in personal mobility in real time, extracts meaningful selected data from them, analyzes them efficiently, and identifies the cause when an accident occurs. We aim to provide an online management system for

이를 위해, 본 발명에 따른 퍼스널 모빌리티용 온라인 관리 시스템은 퍼스널 모빌리티에 장착되어 있는 배터리 팩과 모터의 상태정보 데이터를 각각 수집하는 데이터 로깅 모듈과; 상기 상태정보 데이터들 중 미리 설정된 조건을 만족하는 데이터만을 마이닝하여 선별 데이터를 추출하는 이벤트 카운터와; 온라인 통신망을 통해 상기 선별 데이터를 수신하여, 상기 선별 데이터가 발생된 시간 정보와 함께 기록하는 데이터베이스와; 상기 데이터베이스에 기록된 선별 데이터를 기계 학습에 의해 분석하여 이벤트 발생을 진단하고 예측하는 인공지능 엔진; 및 상기 선별 데이터를 상기 인공지능 엔진에서 분석한 정보와 함께 적어도 하나 이상의 클라이언트 단말측으로 제공하는 플랫폼 서버;를 포함하는 것을 특징으로 한다.To this end, the online management system for personal mobility according to the present invention includes a data logging module that collects status information data of the battery pack and motor respectively installed in the personal mobility; an event counter for extracting selected data by mining only data that satisfies preset conditions among the status information data; a database that receives the selection data through an online communication network and records the selection data along with information on the time when the selection data was generated; An artificial intelligence engine that analyzes selected data recorded in the database using machine learning to diagnose and predict event occurrence; and a platform server that provides the selection data together with information analyzed by the artificial intelligence engine to at least one client terminal.

이때, 상기 데이터 로깅 모듈은 적어도 상기 배터리 팩의 전압, 전류, 온도 및 각 셀간 전압 편차를 설정된 시간마다 수집하고, 적어도 상기 모터의 토크, 회전속도 및 온도를 설정된 시간마다 수집하는 것이 바람직하다.At this time, the data logging module preferably collects at least the voltage, current, temperature, and voltage difference between each cell of the battery pack at a set time, and at least the torque, rotation speed, and temperature of the motor at a set time.

또한, 상기 데이터베이스에는 다수의 셀들로 이루어진 상기 배터리 팩을 상기 퍼스널 모빌리티에 조립하기 이전에, 상기 각 셀들의 교류내부저항 및 각 셀들의 전압을 측정하여 초기값을 기록하고, 상기 인공지능 엔진은 상기 배터리 팩의 선별 데이터를 상기 초기값과 비교하여 분석하는 것이 바람직하다.In addition, in the database, before assembling the battery pack composed of a plurality of cells into the personal mobility, the AC internal resistance of each cell and the voltage of each cell are measured and an initial value is recorded, and the artificial intelligence engine It is desirable to analyze the selection data of the battery pack by comparing it with the initial value.

또한, 상기 데이터베이스는 사용 중 교체 가능한 상기 배터리 팩의 식별번호 및 상기 퍼스널 모빌리티를 사용중인 라이더의 사용자 정보를 각각 입력받아 기록하고, 상기 인공지능 엔진은 상기 라이더별로 사용중인 상기 배터리 팩 및 모터의 선별 데이터를 기계 학습에 의해 분석하여 상기 사용자별로 이벤트 발생을 진단하는 것이 바람직하다.In addition, the database receives and records the identification number of the battery pack that can be replaced during use and the user information of the rider using the personal mobility, and the artificial intelligence engine selects the battery pack and motor in use for each rider. It is desirable to analyze the data using machine learning to diagnose event occurrence for each user.

또한, 상기 퍼스널 모빌리티에 사고 발생시, 사고 접수를 통해 상기 사고가 발생한 사고 발생 시간 및 사고 유형을 분석하는 사고 분석 모듈을 더 포함하는 것이 바람직하다.In addition, when an accident occurs in the personal mobility, it is desirable to further include an accident analysis module that analyzes the accident occurrence time and type of accident through accident registration.

또한, 상기 플랫폼 서버는 상기 사고 발생 시간 이전에 기록된 선별 데이터를 추출하여, 상기 사고 유형에 따른 사고가 발생한 원인을 판단하는 것이 바람직하다.In addition, it is desirable that the platform server extracts selected data recorded before the time of the accident and determines the cause of the accident according to the accident type.

또한, 상기 데이터베이스에는 상기 퍼스널 모빌리티의 주행 중 외부 환경으로 인해 전달되는 상태정보를 포함하는 주행 기록 데이터 및 상기 퍼스널 모빌리티를 유지/보수한 AS 데이터를 입력받아 저장하는 것이 바람직하다.In addition, it is desirable to receive and store driving record data including status information transmitted due to the external environment while driving the personal mobility and AS data for maintaining/repairing the personal mobility in the database.

또한, 상기 플랫폼 서버는 상기 선별 데이터, 주행 기록 데이터 및 AS 데이터를 조합하여 상기 사고가 발생한 원인을 분석하여 사고의 책임을 규명하는 것이 바람직하다.In addition, the platform server preferably analyzes the cause of the accident by combining the selection data, driving record data, and AS data to determine responsibility for the accident.

이상과 같은 본 발명은 데이터 로깅 모듈로 퍼스널 모빌리티에 장착된 배터리와 함께 모터를 실시간 감시한다. 또한 상태정보 중 진단에 유의미한 선별 데이터를 추출하여 기록 및 분석하여 클라이언트에 제공한다. 또한 사고 발생시에는 감시된 상태정보를 이용하여 그 원인을 규명할 수 있게 한다.The present invention as described above is a data logging module that monitors the motor along with the battery installed in personal mobility in real time. In addition, selective data that is meaningful for diagnosis is extracted from the status information, recorded, analyzed, and provided to the client. Additionally, in the event of an accident, the cause can be identified using monitored status information.

도 1은 본 발명에 따른 퍼스널 모빌리티용 온라인 관리 시스템의 네트워크 구성도를 나타낸 일 실시예이다.
도 2는 본 발명에 따른 퍼스널 모빌리티용 온라인 관리 시스템의 네트워크 구성도를 나타낸 다른 실시예이다.
도 3은 본 발명에 따른 퍼스널 모빌리티용 온라인 관리 시스템을 나타낸 블록 구성도이다.
도 4는 본 발명의 데이터 로깅 모듈의 데이터 전송을 위한 온라인 연결 상태를 나타낸 실시예이다.Figure 1 is an embodiment showing a network configuration diagram of an online management system for personal mobility according to the present invention.
Figure 2 is another embodiment showing a network configuration diagram of an online management system for personal mobility according to the present invention.
Figure 3 is a block diagram showing an online management system for personal mobility according to the present invention.
Figure 4 is an embodiment showing the online connection status for data transmission of the data logging module of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 따른 퍼스널 모빌리티용 온라인 관리 시스템에 대해 상세히 설명한다.Hereinafter, an online management system for personal mobility according to a preferred embodiment of the present invention will be described in detail with reference to the attached drawings.

도 1 및 도 2와 같이, 본 발명에 따른 퍼스널 모빌리티용 온라인 관리 시스템은 데이터 로깅 모듈(10), 이벤트 카운터(20), 데이터베이스(30), 인공지능 엔진(40) 및 플랫폼 서버(50)를 포함한다.1 and 2, the online management system for personal mobility according to the present invention includes a data logging module 10, an event counter 20, a database 30, an artificial intelligence engine 40, and a platform server 50. Includes.

이러한 구성에서 데이터 로깅 모듈(Data Logging Module, 10)은 퍼스널 모빌리티(PM: personal mobility)에 배터리와 함께 조립되어 이를 감시하고 데이터를 수집하는 것으로, 배터리 팩 이외에 모터도 실시간 감시한다.In this configuration, the data logging module (10) is assembled with the battery in personal mobility (PM) to monitor it and collect data, and monitors the motor in addition to the battery pack in real time.

퍼스널 모빌리티(PM)는 전동 휠, 전동 킥보드, 전기 자전거 및 초소형 전기차나 경량 전기차(Light electric vehicle)과 같은 전동 모빌리티를 의미하는 것으로, 배터리 팩의 충전 전원으로 모터를 구동시켜 주행한다.Personal mobility (PM) refers to electric mobility such as electric wheels, electric kickboards, electric bicycles, and ultra-small electric vehicles or light electric vehicles, which drive by driving a motor with charging power from a battery pack.

이때, 이벤트 카운터(20)는 빅데이터를 구축하여 데이터를 분석 및 진단시 선별 데이터를 추출하여 효율적인 진단을 가능하게 하는 것으로, 수집된 대량의 상태정보 데이터들 중에서 특정 조건의 선별 데이터를 추출한다.At this time, the event counter 20 constructs big data and extracts selective data when analyzing and diagnosing data to enable efficient diagnosis. It extracts selected data of specific conditions from a large amount of collected status information data.

데이터베이스(30)는 빅데이터를 구성하는 것으로, 단독으로 구비되거나 여러 데이터베이스(30)에 분산 구축될 수 있다. 또한, 인공지능 엔진(40)이 탑재되어 있는 AI 서버(40)나 플랫폼 서버(50) 등과 함께 DB 서버로 구축될 수도 있다.The database 30 constitutes big data and may be provided alone or distributed across multiple databases 30. In addition, it can be built as a DB server together with an AI server 40 or a platform server 50 equipped with an artificial intelligence engine 40.

이러한 데이터베이스(30)에는 AI 서버(40)에서 진단·예측에 이용되는 선별 데이터가 온라인을 통해 수집 및 기록되며, 바람직하게는 로우 데이터(raw data)로서 모든 상태정보 데이터들도 함께 기록되어 클라이언트 등에 제공될 수 있다.In this database 30, selected data used for diagnosis and prediction in the AI server 40 are collected and recorded online, and all status information data is preferably recorded together as raw data to be distributed to clients, etc. can be provided.

인공지능 엔진(40)은 실시예로 AI 서버(40)에 구축되며, 데이터베이스(30)에 선택적으로 추출 저장된 선별 데이터(특정 조건의 상태정보 데이터)를 이용하여 실시예로서 배터리 팩과 모터 등에 대한 상태를 분석 및 진단/예측한다.The artificial intelligence engine 40 is built on the AI server 40 as an example, and uses selective data (state information data of specific conditions) selectively extracted and stored in the database 30 to provide information on battery packs, motors, etc. Analyze and diagnose/predict the condition.

플랫폼 서버(50)는 위와 같이 수집 및 가공된 선별 데이터를 클라이언트에 제공하는 서비스 서버(service provider)에 해당한다. 이때, 데이터를 제공받는 클라이언트는 배터리 제조업체, 보험사, A/S 센터, 대여·공유 없체, 퍼스널 모빌리티 제조업체 및 교환형 배터리 업체 등을 포함한다.The platform server 50 corresponds to a service server (service provider) that provides the selected data collected and processed as described above to the client. At this time, clients receiving data include battery manufacturers, insurance companies, A/S centers, rental/sharing companies, personal mobility manufacturers, and exchangeable battery companies.

또한, 플랫폼 서버(50)는 사고 발생시 선별 데이터를 분석하여 사고의 원인을 규명할 수 있도록 하며, 필요시 배터리 팩이나 모터 이외에 주행 환경이나 A/S 내역 혹은 퍼스널 모빌리티의 라이더(rider)의 개인정보 등도 함께 분석할 수 있도록 한다.In addition, the platform server 50 analyzes selected data when an accident occurs to determine the cause of the accident, and when necessary, collects information about the driving environment, A/S history, or personal mobility rider personal information in addition to the battery pack or motor. etc. can also be analyzed together.

따라서, 본 발명은 퍼스널 모빌리티에 장착된 배터리 및 모터를 실시간 감시하고, 그 중 유의미한 선별 데이터를 추출하여 효율적으로 분석하며, 사고 발생시에는 원인을 규명할 수 있게 한다. 또한, 선별 데이터는 물론 그 기초가 되는 상태정보 데이터를 클라이언트에 제공할 수 있게 한다.Therefore, the present invention monitors batteries and motors installed in personal mobility in real time, extracts meaningful selected data from them, analyzes them efficiently, and identifies the cause when an accident occurs. In addition, it is possible to provide selected data as well as the underlying status information data to the client.

이하, 구체적인 실시예를 들어 설명한다. 도 3과 같이 데이터 로깅 모듈(10)은 퍼스널 모빌리티에 장착되어 있는 배터리 팩(BAT)과 모터(M)의 상태정보 데이터를 각각 수집한다.Hereinafter, the description will be made with reference to specific examples. As shown in Figure 3, the data logging module 10 collects status information data of the battery pack (BAT) and motor (M) installed in the personal mobility, respectively.

상태정보의 수집을 위해 데이터 로깅 모듈(10) 역시 퍼스널 모빌리티에 장착 조립되어 주행 중은 물론 정차시에도 실시간으로 데이터를 수집(설정된 시간 마다 수집)할 수 있게 된다.To collect status information, the data logging module 10 is also installed and assembled in personal mobility, allowing data to be collected in real time (collected at set times) not only while driving but also when stopped.

실시예로, 배터리 팩 및 모터에는 상태정보를 할 수 있도록 온도, 전류, 전압, 속도, 토크 등 다양한 종류의 센서나 측정장치가 설치되며, 데이터 로깅 모듈(10)은 이들로부터 측정된 감지 데이터를 상태정보 데이터로서 수신한다. 이때, 데이터 로깅 모듈(10)은 배터리 팩의 전압, 전류, 온도 및 각 셀간 전압 편차 등을 설정된 시간마다 수집할 수 있다.In an embodiment, various types of sensors or measuring devices such as temperature, current, voltage, speed, and torque are installed in the battery pack and motor to provide status information, and the data logging module 10 collects the sensed data measured from these. Received as status information data. At this time, the data logging module 10 can collect the voltage, current, temperature, and voltage difference between each cell of the battery pack at a set time.

다른 실시예로, 배터리 팩을 장착시 전송되는 배터리 팩의 식별번호, 모터의 식별번호는 물론 퍼스널 모빌리티의 사용자 즉, 라이더의 개인정보도 입력받아 저장될 수 있다. 또한, 배터리 팩이 충전 중인지와 같은 상태정보나 특정 셀의 ID를 특정하는 등 다양한 상태정보 데이터를 수신한다.In another embodiment, the identification number of the battery pack and the identification number of the motor, which are transmitted when the battery pack is installed, as well as the personal information of the personal mobility user, that is, the rider, may be input and stored. In addition, various status information data is received, such as status information such as whether the battery pack is charging or specifying the ID of a specific cell.

또한, 모터의 경우에는 감시 대상 모터의 토크, 회전속도 및 온도를 설정된 시간마다 수집한다. 이와 같이, 배터리 팩과 모터를 동시에 감시하면 빅데이터 분석을 통해 이들간 상관관계 역시 판독할 수 있게 된다.Additionally, in the case of motors, the torque, rotational speed, and temperature of the monitored motor are collected at set times. In this way, if the battery pack and motor are monitored simultaneously, the correlation between them can also be read through big data analysis.

또한, 데이터 로깅 모듈(10)은 자체에 일체로 탑재되거나 별도로 구비된 타이머를 참조한다. 타이머는 시간 정보를 제공하는 것으로, 상태정보를 데이터를 수집한 시간을 제공한다. 즉, 데이터 프레임에 타임 스탬프를 제공한다.Additionally, the data logging module 10 refers to a timer that is either integrated with itself or provided separately. A timer provides time information, and provides the time when status information data was collected. In other words, it provides a timestamp to the data frame.

도 4와 같이, 데이터 로깅 모듈(10)은 퍼스널 모빌리티에 장착된 상태에서 상태정보 데이터를 온라인(On-Line)으로 전송한다. 이를 위해 블루투스(BT)를 이용하거나 혹은 IoT를 이용할 수 있다. 또한, IoT를 이용하는 경우, 데이터 로깅 모듈(10)은 BMS에 일체로 탑재되거나 별도로 구비될 수 있다.As shown in Figure 4, the data logging module 10 transmits status information data online while mounted on personal mobility. For this, you can use Bluetooth (BT) or IoT. Additionally, when using IoT, the data logging module 10 may be mounted integrally in the BMS or may be provided separately.

이벤트 카운터(20)는 위와 같이 데이터 로깅 모듈(10)을 통해 수집된 '상태정보 데이터'들 중 미리 설정된 조건을 만족하는 데이터만을 마이닝(data mining)하여 '선별 데이터'를 추출한다.The event counter 20 extracts 'selected data' by mining only data that satisfies preset conditions among the 'state information data' collected through the data logging module 10 as described above.

수 많은 퍼스널 모빌리티에 각각 장착된 여러 종류의 배터리 팩을 실시간 감시하게 되면 분석에 유효하지 않은 데이터를 포함하여 과도한 상태정보 데이터가 수집되므로, 본 발명은 이벤트 카운터(20)를 통해 데이터 마이닝을 한다.When various types of battery packs installed in numerous personal mobility devices are monitored in real time, excessive status information data, including data that is not valid for analysis, is collected. Therefore, the present invention performs data mining through the event counter 20.

상태정보들 중 추출되는 선별 데이터는 전류나 전압이 충방전 허용 범위 중 최대값과 최소값을 초과하는지를 기준으로 하거나, 혹은 동작 허용 온도의 최대값과 최소값을 초과하는 상태가 발생한 경우를 조건으로 추출 및 기록할 수 있다.Selected data extracted from the status information is based on whether the current or voltage exceeds the maximum and minimum values of the allowable charging and discharging range, or is extracted and conditioned on the condition that the maximum and minimum values of the allowable operating temperature are exceeded. It can be recorded.

또한, 배터리 팩 내 셀 전압들간의 편차가 각 배터리 펙의 셀 스펙에 따라 설정된 기준치를 초과한 경우 및 그에 따라 최대나 최소 전압값을 갖는 셀 번호를 추출하여 기록하고, 더 나아가 해당 셀의 상태정보 데이터를 기록할 수 있다.In addition, when the deviation between cell voltages within the battery pack exceeds the standard value set according to the cell specifications of each battery pack, the cell number with the maximum or minimum voltage value is extracted and recorded accordingly, and further status information of the corresponding cell is recorded. Data can be recorded.

모터의 경우에는 동작 허용 토크나 회전수를 참조하여 최대 토크나 회전수를 초과하거나, 혹은 동작 허용 온도를 참조하여 허용 온도 범위 중 최대값과 최대값을 초과하는 경우의 상태정보 데이터를 선별 데이터로서 기록할 수 있다.In the case of a motor, status information data that exceeds the maximum torque or rotation speed by referring to the allowable operation torque or rotation speed, or exceeds the maximum value or maximum value of the allowable temperature range by referring to the allowable operation temperature, is used as selection data. It can be recorded.

물론, 그 외 이벤트가 발생한 순간이 충전 또는 방전 중인지, 이벤트가 발생한 순간의 SoC %, 이벤트가 발생한 순간이 몇 번째 충방전 사이클인지, 이벤트가 발생한 순간 모터의 토크 값, 회전속도 값 및 온도 값도 함께 기록할 수 있다. Of course, other factors include whether the moment the event occurs is charging or discharging, SoC % at the moment the event occurs, what charging/discharging cycle the moment the event occurs, the torque value, rotational speed value, and temperature value of the motor at the moment the event occurs. We can record together.

또한, 배터리 충전시간을 절약하도록 퍼스널 모빌리티에서 사용되어 방전된 배터리 팩을 완충된 배터리 팩으로 교체하여 서비스를 제공하는 국가나 지역 등에서는 교체된 배터리 팩의 식별번호를 입력받아 기록할 수 있다.Additionally, in order to save battery charging time, in countries or regions where services are provided by replacing discharged battery packs with fully charged battery packs used in personal mobility, the identification number of the replaced battery pack can be entered and recorded.

데이터베이스(30)는 빅데이터를 구축하기 위한 것으로, 이벤트 카운터(20)에 의해 선택적으로 수집된 선별 데이터를 상기 상태정보 데이터가 발생된 시간 정보와 함께 기록하여 분석, 진단, 개발, 수리 등에 제공한다.The database 30 is used to build big data, and records selected data selectively collected by the event counter 20 along with information on the time when the status information data was generated and provides it for analysis, diagnosis, development, repair, etc. .

선별 데이터는 온라인을 통해 수집되어 데이터베이스(30)에 기록되며 AI 서버(40)에서 진단·예측에 이용된다. Selected data is collected online, recorded in the database 30, and used for diagnosis and prediction in the AI server 40.

이때, 바람직하게는 로우 데이터(raw data)로서 모든 상태정보 데이터들도 함께 데이터베이스(30)에 기록되어 클라이언트 등에 제공될 수 있다. 로우 데이터인 상태정보 데이터는 압축 후 압출 파일 형식으로 저장될 수 있으며 이를 위해 압축 모듈을 더 포함할 수 있다. 또한 선별 데이터 역시 압축하여 저장될 수 있다.At this time, all status information data, preferably as raw data, may be recorded together in the database 30 and provided to a client, etc. Status information data, which is raw data, can be compressed and stored in an extruded file format, and for this purpose, a compression module can be further included. Additionally, selected data can also be compressed and stored.

상술한 바와 같이 데이터베이스(30)는 단독으로 구비되거나 여러 데이터베이스(30)에 분산 구축될 수 있다. 또한, 인공지능 엔진(40)이 탑재되어 있는 AI 서버(40)나 플랫폼 서버(50)에 데이터베이스 서버로 구축될 수도 있다.As described above, the database 30 may be provided alone or may be distributed across multiple databases 30. In addition, the AI server 40 or platform server 50 equipped with the artificial intelligence engine 40 may be built as a database server.

실시예로, 데이터베이스(30)에는 DLM 데이터 저장부(31)를 구비하여 배터리 팩 및 모터 각각에 대한 선별 데이터를 기록한다. 이때, 배터리 팩 및 모터의 선별 데이터는 퍼스널 모빌리티에 조립 후 사용 상태에서 수집된 데이터를 포함한다.In an embodiment, the database 30 includes a DLM data storage unit 31 to record selection data for each battery pack and motor. At this time, the selection data of the battery pack and motor includes data collected during use after assembly into personal mobility.

나아가, 데이터베이스(30)에는 다수의 셀들로 이루어진 배터리 팩을 퍼스널 모빌리티에 조립하기 이전에 각 셀들의 교류내부저항(ACIR) 및 각 셀들의 전압을 측정하여 초기값을 기록할 수 있다. 따라서, 인공지능 엔진(40)은 배터리의 선별 데이터를 초기값과 비교하여 분석할 수 있다.Furthermore, the initial value can be recorded in the database 30 by measuring the alternating current internal resistance (ACIR) of each cell and the voltage of each cell before assembling a battery pack composed of multiple cells into a personal mobility device. Therefore, the artificial intelligence engine 40 can analyze the battery selection data by comparing it with the initial value.

다만, 데이터베이스(30)는 다른 실시예로서 퍼스널 모빌리티의 주행 중 외부 환경으로 인해 전달되는 '주행 기록 데이터'와, 상기 퍼스널 모빌리티를 유지/보수한 'AS 데이터' 및 배터리 팩, 모터, 사용자 등의 '식별정보'를 입력받아 저장할 수 있다.However, in another embodiment, the database 30 contains 'driving record data' transmitted due to the external environment while driving personal mobility, 'AS data' that maintains/repairs the personal mobility, and battery packs, motors, users, etc. ‘Identification information’ can be entered and saved.

이를 위해 데이터베이스(30)는 주행 환경 저장부(32), A/S 내역 기록부(33) 및 사용 내역 기록부(34)를 더 포함한다.For this purpose, the database 30 further includes a driving environment storage unit 32, an A/S history recording unit 33, and a usage history recording unit 34.

그 중 주행 환경 저장부(32)에는 충격 센서나 자세 센서 등을 통해 퍼스널 모빌리티의 주행 환경 정보를 제공받는다. 따라서, 주행 중 지면으로부터 전달되거나 추돌, 충돌 혹은 전복 등에 의한 충격은 물론, 오르막이나 내리막 및 라이더의 운전습관 등도 기록하여 배터리 팩 등의 진단에 반영할 수 있게 한다.Among them, the driving environment storage unit 32 receives driving environment information of personal mobility through a shock sensor, a posture sensor, etc. Therefore, not only shocks transmitted from the ground during driving or caused by collisions, collisions, or rollovers, but also uphill or downhill and the rider's driving habits are recorded and reflected in the diagnosis of the battery pack, etc.

A/S 내역 기록부(33)에는 퍼스널 모빌리티를 유지/보수한 AS 데이터를 기록한다. AS 데이터에는 수리 부품 내역 및 수리 날짜나 시간 등을 포함한다. 예컨대, 배터리 팩, 모터, 주행 보조장치, 차륜 및 배터리 보호 케이스 등을 비롯한 여러 수리 혹은 교체 정보를 포함한다. 이들 유지 보수 정보는 다른 선별 데이터와의 상관관계(AS에 따른 영향력)를 분석할 수 있게 한다.The A/S detail recorder 33 records AS data for maintaining/repairing personal mobility. After-sales service data includes repair part details and repair date and time. For example, it includes repair or replacement information, including battery packs, motors, driving aids, wheels, and battery protection cases. This maintenance information allows analysis of correlations (influence according to AS) with other selected data.

사용 내역 기록부(34)에는 사용 중 교체 가능한 배터리 팩의 식별번호 및 퍼스널 모빌리티를 사용중인 라이더(rider)의 사용자 정보를 각각 입력받아 기록하며, 필요시 모터의 식별번호 역시 기록한다.The usage history recorder 34 records the identification number of the replaceable battery pack and the user information of the rider using personal mobility, and, if necessary, also records the identification number of the motor.

퍼스널 모빌리티의 사용에 따라 배터리가 방전된 경우, 배터리 충전시간을 절약하도록 특정 국가나 지역 등에서는 완충된 배터리 팩으로 교체하여 서비스를 제공받는 경우가 있다.If the battery is discharged due to use of personal mobility, service may be provided by replacing it with a fully charged battery pack in certain countries or regions to save battery charging time.

이때 교체된 배터리 팩의 식별번호를 입력받아 기록할 수 있다. 또한, 해당 배터리 팩을 사용한 사용자(즉, 라이더)의 정보도 기록할 수 있다. 사용자 정보는 스마트폰 번호나 결재 정보와 같은 고객등록정보를 통해 확인 가능하다.At this time, the identification number of the replaced battery pack can be entered and recorded. Additionally, information about the user (i.e. rider) who used the battery pack can also be recorded. User information can be confirmed through customer registration information such as smartphone number or payment information.

인공지능 엔진(40)은 데이터베이스(30)에 기록된 선별 데이터를 기계 학습에 의해 분석하여 이벤트 발생을 진단하고 예측한다. 구체적으로 빅데이터 관리, 이벤트(선별 데이터) 분석, 진단 및 예측 등을 수행한다.The artificial intelligence engine 40 analyzes selected data recorded in the database 30 using machine learning to diagnose and predict event occurrence. Specifically, it performs big data management, event (selected data) analysis, diagnosis and prediction, etc.

실시예로 인공지능 엔진(40)은 AI 서버(40)에 구축될 수 있다. 물론, AI 서버(40) 이외에 후술하는 플랫폼 서버(50) 내에 컴퓨팅 처리 가능한 프로세서로 구현될 수 있으며, 딥 러닝(deep learning)과 같인 기계학습을 수행한다.In an embodiment, the artificial intelligence engine 40 may be built on the AI server 40. Of course, in addition to the AI server 40, it can be implemented as a processor capable of computing within the platform server 50, which will be described later, and performs machine learning such as deep learning.

이때, 인공지능 엔진(40)은 라이더별로 사용중인 배터리 팩 및 모터의 선별 데이터를 기계 학습에 의해 분석하여 사용자별로 이벤트 발생을 진단할 수 있다.At this time, the artificial intelligence engine 40 can analyze the selection data of the battery pack and motor in use for each rider using machine learning to diagnose event occurrence for each user.

플랫폼 서버(50)는 선별 데이터를 인공지능 엔진(40)에서 분석한 정보와 함께 적어도 하나 이상의 클라이언트 단말측에 제공한다. 예컨대, 정렬된 데이터 제공, 사고원인 분석 결과, 사고유형 판독 결과 등을 제공하고 과금을 수행한다.The platform server 50 provides selected data together with information analyzed by the artificial intelligence engine 40 to at least one client terminal. For example, sorted data, accident cause analysis results, accident type reading results, etc. are provided and billing is performed.

이를 위해 플랫폼 서버(50)는 데이터 처리 모듈(51) 및 사고 분석 모듈(52)을 포함한다.For this purpose, the platform server 50 includes a data processing module 51 and an accident analysis module 52.

그 중 데이터 처리 모듈(51)은 선별 데이터를 가공 및 추출하여 클라이언트에 제공한다. 또한, 로우 데이터로서 상태정보 데이터를 백업하였다가 선별 데이터에 기초한 진단 결과의 근거로 제공될 수 있다.Among them, the data processing module 51 processes and extracts selected data and provides it to the client. In addition, status information data can be backed up as raw data and provided as the basis for diagnosis results based on selected data.

상술한 바와 같이, 선별 데이터를 제공받는 클라이언트는 배터리 제조업체, 보험사, A/S 센터, 대여나 공유 없체, 퍼스널 모빌리티 제조업체 및 교환형 배터리 업체 등을 포함한다.As described above, clients receiving selected data include battery manufacturers, insurance companies, A/S centers, rental or sharing companies, personal mobility manufacturers, and exchangeable battery companies.

선별 데이터를 제공받은 클라이언트는 수명 예측, 기술 개발, A/S 알림, 사고 원인 분석 등에 사용하며, 제공되는 선별 데이터의 양이나 종류에 따라 과금될 수 있다.Clients who receive screening data use it for lifespan prediction, technology development, A/S notification, accident cause analysis, etc., and may be charged depending on the amount or type of screening data provided.

한편, 사고 분석 모듈(52)은 퍼스널 모빌리티에 사고 발생시, 사고 접수를 통해 사고가 발생한 사고 발생 시간 및 사고 유형을 분석한다. 또한, 배터리 식별정보나 사용자 정보 등도 함께 분석할 수 있다.Meanwhile, when an accident occurs in personal mobility, the accident analysis module 52 analyzes the time and type of accident through accident registration. Additionally, battery identification information and user information can also be analyzed.

따라서, 플랫폼 서버(50)는 사고 발생 시간 이전에 기록된 선별 데이터를 추출하여, 사고 유형에 따른 사고가 발생한 원인을 판단한다.Accordingly, the platform server 50 extracts selected data recorded before the time of the accident and determines the cause of the accident according to the accident type.

예컨대, 퍼스널 모빌리티에 발생한 사고가 배터리 팩이나 모터의 이상에 기인한 것인지, 사용자(탑승자, end user)의 운행 미숙 등에 의한 것인지, 혹은 A/S에 따른 작동 불량에 기인한 것인지 등을 분석할 수 있게 한다.For example, it can be analyzed whether an accident occurring in personal mobility is due to a problem with the battery pack or motor, due to the user's (end user's) inexperience in driving, or due to a malfunction due to after-sales service. let it be

이와 같이 플랫폼 서버(50)는 상기 선별 데이터, 주행 기록 데이터 및 AS 데이터를 조합하여 사고가 발생한 원인을 분석하여 사고의 책임을 규명할 수 있도록 하며, 규명된 정보는 개발사는 물론 보험사 등에 제공될 수 있다.In this way, the platform server 50 analyzes the cause of the accident by combining the selection data, driving record data, and AS data to determine responsibility for the accident, and the identified information can be provided to insurance companies as well as developers. there is.

이상, 본 발명의 특정 실시예에 대하여 상술하였다. 그러나, 본 발명의 사상 및 범위는 이러한 특정 실시예에 한정되는 것이 아니라, 본 발명의 요지를 변경하지 않는 범위 내에서 다양하게 수정 및 변형 가능하다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이해할 것이다.Above, specific embodiments of the present invention have been described in detail. However, the spirit and scope of the present invention is not limited to these specific embodiments, and various modifications and variations can be made without changing the gist of the present invention. When you grow up you will understand.

따라서, 이상에서 기술한 실시예들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이므로, 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 하며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.Therefore, the embodiments described above are provided to fully inform those skilled in the art of the present invention of the scope of the invention, and should be understood as illustrative in all respects and not restrictive. The invention is defined only by the scope of the claims.

10: 데이터 로깅 모듈
20: 이벤트 카운터
30: 데이터베이스
40: 인공지능 엔진
50: 플랫폼 서버
PM: 퍼스널 모빌리티
BAT: 배터리 팩
M: 모터10: Data logging module
20: Event counter
30: Database
40: Artificial intelligence engine
50: platform server
PM: Personal Mobility
BAT: Battery pack
M: motor

Claims (8)

퍼스널 모빌리티(personal mobility)에 장착되어 있는 배터리 팩과 모터의 상태정보 데이터를 각각 수집하는 데이터 로깅 모듈(10)과;
상기 상태정보 데이터들 중 미리 설정된 조건을 만족하는 데이터만을 마이닝(data mining)하여 선별 데이터를 추출하는 이벤트 카운터(20)와;
온라인 통신망을 통해 상기 선별 데이터를 수신하여, 상기 선별 데이터가 발생된 시간 정보와 함께 기록하는 데이터베이스(30)와;
상기 데이터베이스(30)에 기록된 선별 데이터를 기계 학습(machine learning)에 의해 분석하여 이벤트 발생을 진단하고 예측하는 인공지능 엔진(40); 및
상기 선별 데이터를 상기 인공지능 엔진(40)에서 분석한 정보와 함께 적어도 하나 이상의 클라이언트 단말측으로 제공하는 플랫폼 서버(50);를 포함하는 것을 특징으로 하는 퍼스널 모빌리티용 온라인 관리 시스템.a data logging module 10 that collects status information data of the battery pack and motor respectively installed in personal mobility;
an event counter 20 that extracts selected data by mining only data that satisfies preset conditions among the status information data;
a database 30 that receives the selection data through an online communication network and records the selection data together with information on the time when the selection data was generated;
an artificial intelligence engine 40 that analyzes selected data recorded in the database 30 using machine learning to diagnose and predict event occurrence; and
An online management system for personal mobility comprising a platform server (50) that provides the selected data together with information analyzed by the artificial intelligence engine (40) to at least one client terminal. 제1항에 있어서,
상기 데이터 로깅 모듈(10)은,
적어도 상기 배터리 팩의 전압, 전류, 온도 및 각 셀간 전압 편차를 설정된 시간마다 수집하고,
적어도 상기 모터의 토크, 회전속도 및 온도를 설정된 시간마다 수집하는 것을 특징으로 하는 퍼스널 모빌리티용 온라인 관리 시스템.According to paragraph 1,
The data logging module 10,
Collect at least the voltage, current, temperature, and voltage difference between each cell of the battery pack at a set time,
An online management system for personal mobility, characterized in that it collects at least the torque, rotational speed, and temperature of the motor at set times. 제2항에 있어서,
상기 데이터베이스(30)에는 다수의 셀들로 이루어진 상기 배터리 팩을 상기 퍼스널 모빌리티에 조립하기 이전에, 상기 각 셀들의 교류내부저항(ACIR : AC Internal Resistance) 및 각 셀들의 전압을 측정하여 초기값을 기록하고,
상기 인공지능 엔진(40)은 상기 배터리 팩의 선별 데이터를 상기 초기값과 비교하여 분석하는 것을 특징으로 하는 퍼스널 모빌리티용 온라인 관리 시스템.According to paragraph 2,
In the database 30, before assembling the battery pack composed of a plurality of cells into the personal mobility, the AC Internal Resistance (ACIR) of each cell and the voltage of each cell are measured and the initial value is recorded. do,
The artificial intelligence engine (40) is an online management system for personal mobility, characterized in that the selected data of the battery pack is compared and analyzed with the initial value. 제1항에 있어서,
상기 데이터베이스(30)는 사용 중 교체 가능한 상기 배터리 팩의 식별번호 및 상기 퍼스널 모빌리티를 사용중인 라이더(rider)의 사용자 정보를 각각 입력받아 기록하고,
상기 인공지능 엔진(40)은 상기 라이더별로 사용중인 상기 배터리 팩 및 모터의 선별 데이터를 기계 학습에 의해 분석하여 상기 사용자별로 이벤트 발생을 진단하는 것을 특징으로 하는 퍼스널 모빌리티용 온라인 관리 시스템.According to paragraph 1,
The database 30 receives and records the identification number of the battery pack that can be replaced during use and the user information of the rider using the personal mobility, respectively,
The artificial intelligence engine 40 analyzes the selection data of the battery pack and motor in use for each rider through machine learning to diagnose the occurrence of an event for each user. 제1항 내지 제4항 중 어느 하나의 항에 있어서,
상기 퍼스널 모빌리티에 사고 발생시, 사고 접수를 통해 상기 사고가 발생한 사고 발생 시간 및 사고 유형을 분석하는 사고 분석 모듈을 더 포함하는 것을 특징으로 하는 퍼스널 모빌리티용 온라인 관리 시스템. According to any one of claims 1 to 4,
When an accident occurs in the personal mobility, the online management system for personal mobility further includes an accident analysis module that analyzes the accident occurrence time and type of the accident through accident registration. 제5항에 있어서,
상기 플랫폼 서버(50)는,
상기 사고 발생 시간 이전에 기록된 선별 데이터를 추출하여, 상기 사고 유형에 따른 사고가 발생한 원인을 판단하는 것을 특징으로 하는 퍼스널 모빌리티용 온라인 관리 시스템. According to clause 5,
The platform server 50,
An online management system for personal mobility, characterized in that it extracts selected data recorded before the time of the accident and determines the cause of the accident according to the accident type. 제6항에 있어서,
상기 데이터베이스(30)에는,
상기 퍼스널 모빌리티의 주행 중 외부 환경으로 인해 전달되는 상태정보를 포함하는 주행 기록 데이터 및 상기 퍼스널 모빌리티를 유지/보수한 AS 데이터를 입력받아 저장하는 것을 특징으로 하는 퍼스널 모빌리티용 온라인 관리 시스템. According to clause 6,
In the database 30,
An online management system for personal mobility, characterized in that it receives and stores driving record data including status information transmitted due to the external environment while driving the personal mobility and AS data for maintaining/repairing the personal mobility. 제7항에 있어서,
상기 플랫폼 서버(50)는,
상기 선별 데이터, 주행 기록 데이터 및 AS 데이터를 조합하여 상기 사고가 발생한 원인을 분석하여 사고의 책임을 규명하는 것을 특징으로 하는 퍼스널 모빌리티용 온라인 관리 시스템.In clause 7,
The platform server 50,
An online management system for personal mobility, characterized in that the cause of the accident is analyzed by combining the selection data, driving record data, and AS data to determine responsibility for the accident.
KR1020220068694A 2022-06-07 2022-06-07 Online management system for personal mobility KR20230168617A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220068694A KR20230168617A (en) 2022-06-07 2022-06-07 Online management system for personal mobility

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220068694A KR20230168617A (en) 2022-06-07 2022-06-07 Online management system for personal mobility

Publications (1)

Publication Number Publication Date
KR20230168617A true KR20230168617A (en) 2023-12-15

Family

ID=89124899

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220068694A KR20230168617A (en) 2022-06-07 2022-06-07 Online management system for personal mobility

Country Status (1)

Country Link
KR (1) KR20230168617A (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200038267A (en) 2017-07-28 2020-04-10 노쓰스타 배터리 컴퍼니, 엘엘씨 System and method for using battery operation data
KR20220012534A (en) 2020-07-23 2022-02-04 주식회사 휴네이트 Vehicle battery life prediction system using vehicle time series data and method thereof

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200038267A (en) 2017-07-28 2020-04-10 노쓰스타 배터리 컴퍼니, 엘엘씨 System and method for using battery operation data
KR20220012534A (en) 2020-07-23 2022-02-04 주식회사 휴네이트 Vehicle battery life prediction system using vehicle time series data and method thereof

Similar Documents

Publication Publication Date Title
EP2353019B1 (en) Vehicle battery diagnosis system
CN111369329B (en) Electric vehicle battery management system based on block chain, leasing method and operation and maintenance method
US9035791B2 (en) Data collection method and data collection system
KR101359606B1 (en) A secondary battery module, a secondary battery system, a device for managing battery information, a system for managing a battery information, a system for reuse a secondary battery, a system for recovering and selling a secondary battery, method for reuse a secondary battery, and method for recovering and selling a secondary battery
US20150379786A1 (en) Remotely monitoring a plurality of vehicles
CN110324383B (en) Cloud server, electric automobile and management system and method of power battery in electric automobile
CN106650963A (en) Electric car charging equipment detection and maintenance managing method and device
EP3671244B1 (en) Device and method for analyzing the state of health of a battery
KR20220027791A (en) Platform Service System for Consolidated Managing of Battery and Method thereof
CN111929588B (en) Charging safety monitoring method, device and system based on extreme learning machine
US20230011148A1 (en) System and method of monitoring battery
CN113253138A (en) Method for classifying battery, battery recycling system and motor vehicle
CN112349981A (en) Battery management system
US9702941B2 (en) Method and devices for making available information for the purpose of performing maintenance and servicing of a battery
KR20120102460A (en) Apparatus and method of managing battery information
KR20230080112A (en) Battery diagnostic device for predicting the current state of the battery
CN114646888A (en) Assessment method and system for capacity attenuation of power battery
KR20230168617A (en) Online management system for personal mobility
KR20230169491A (en) Data logging module for personal mobility and Online management system using the same
US11513164B2 (en) Method and system for estimating battery pack balance state of new energy vehicle
US11573271B1 (en) Battery fault detection
KR102576987B1 (en) Apparatus and method for determining state of battery based on data of vehicle
KR20230081855A (en) System and method for managing e-mobility battery
CN117465222B (en) Fault early warning method and fault early warning system of power battery
EP4306350A1 (en) Neural network-based monitoring of components and subsystems for power-driven personal mobility vehicles