Bayesian Additive Trees for Electric Vehicle Range Prediction and Performance Evaluation

베이지안 트리 앙상블 기반 전기차 주행 가능 거리 예측 및 성능 분석

본 연구는 전기차 주행 가능 거리 예측의 정확도를 향상시키기 위해, 실제 대규모 주행 데이터를 기반으로 Bayesian Additive Regression Trees(BART) 모델을 활용한 예측 프레임워크를 소개한다. 데이터 내 존재하는 분산과 비선형성을 효과적으로 반영하기 위해 베이지안 트리 앙상블 구조를 채택하였으며, 성능 비교를 위해 트리 기반 모델과 베이지안 선형 회귀 모델을 기준 모델로 설정하였다. 실험 결과, BART 는 모든 평가 지표에서 가장 우수한 성능을 나타냈으며, 비선형 관계 학습과 예측 불확실성 추정이 주행 거리 예측 성능 향상에 기여함을 확인할 수 있었다. 확보된 실험 결과는 향후 주행거리 불안 해소와 전기차 보급 확대에 기여할 가능성을 제시한다.