[내일배움캠프] QA/QC_5기 ( 63일차 )

오늘 한 것 — EV 데이터 분석 프로젝트 정리

1. K-Fold 기반 Optuna 진행 중

기존 Optuna는 단일 train/test split 기준으로 파라미터를 찾았는데, 특정 트립에 과적합됐을 가능성이 있었다. 이를 보완하기 위해 각 trial마다 5-Fold 평균 RMSE로 평가하는 K-Fold 기반 Optuna를 진행 중이다.

---

2. 이동평균 피처 추가 시도

SoC, Battery_Power, Velocity, Total_HVAC 4개 변수에 60초 rolling mean을 추가했다. 기존 최적 파라미터로 학습했을 때 RMSE가 6.50 → 7.17로 오히려 나빠졌고, Optuna 재튜닝 후에도 44개 피처 단독보다 성능이 낮아 이동평균 추가는 포기했다.

---

3. 슬라이드 그래프 빨간 계열 스타일로 통일

발표 슬라이드의 전체 그래프 색상을 빨간 계열로 통일했다.

 

 

Train 데이터: #FFAAAA (연한 빨간)
Test / 강조:  #C0392B (진한 빨간)
배경:          white
그리드:        #DDDDDD 점선

변경한 그래프 목록이다.

• CatBoost 예측값 vs 실제값 scatter
• Baseline vs Top20 피처 비교 막대그래프
• 예측 오차 분포 히스토그램
• Fold별 RMSE 막대그래프 (최대값=진빨, 나머지=연빨)
• Baseline 4개 모델 성능 비교 (모델별 색상 구분)
• Window 크기별 이동평균 비교

---

4. Window 크기 선택 근거 슬라이드 제작

MA3 채택 이유를 Bias-Variance Trade-off 관점으로 정리한 슬라이드를 만들었다.

 

사후 검증 근거로 Elevation_MA3_std가 변수 중요도 3위(17.6%)에 올라 MA3 선택이 옳았음을 확인했다.

---

5. 도메인 분석 슬라이드 3장 제작

온도가 주행거리에 미치는 영향을 TripA(여름) vs TripB(겨울) 데이터로 직접 시각화하고 논문 근거(Iora & Tribioli, 2019)를 함께 넣었다.

배터리 온도 vs 주행거리에서는 TripB가 0~10°C 저온 구간에 몰려있고 대부분 10~20km 수준이었다.

외기온 vs 주행거리에서는 10°C가 분기점으로 그 이하에서 주행거리가 급감하는 패턴이 확인됐다. 논문에 따르면 0°C에서 최대 25% 감소한다.

난방 전력 vs 주행거리에서는 1kW 이상 난방 시 대부분 20km 이하였고, 난방이 직접적으로 주행거리를 깎아먹는 구조가 확인됐다.

---

6. 회생제동 분석

TripA vs TripB 배터리 전류 박스플롯을 통해 겨울철 회생제동 특성을 분석했다.

배터리 전류 변동성은 TripB(겨울) 중앙값(41A)이 TripA(여름, 30A)보다 높았는데, 최대 6kW 난방 부하가 전류 변동을 증폭시키기 때문이다.

최대 회생제동 전류는 TripA 중앙값(118A)이 TripB(105A)보다 높았다. 저온에서 배터리 보호 로직이 개입해 유입 전류가 억제되기 때문이다.