PROJECT 01 · CLOUD SERVICE / PoC
DriveXSDV 차량 데이터 기반 FMS · 전사 차량 생애주기 관리
SDV 차량 데이터 활용을 가정한 PoC로 전사 차량 관리 흐름을 구현했습니다.
차량 상태 데이터를 운영·정비의 우선순위로 연결한 클라우드 PoC입니다.
PROBLEM → DIRECTION
SDV 차량 데이터를,
전사 FMS의 관리 기준으로.
SDV 차량 데이터를 활용해 기업의 운영 차량을 통합 관리하는 FMS를 기획했습니다.
DTC · 주행거리 · 배터리·브레이크 상태 · 정비 이력
개별 차량의 상태부터 전사 운영 차량 현황까지 통합 조회
우선 조치 대상 선별 → 상세 진단 → 정비 요청
SDV: Software-Defined Vehicle · FMS: Fleet Management System
제안사: 현대자동차
고객사: 롯데렌탈
1차 실효성 검증 대상: Gcar
CLOUD IMPLEMENTATION
전사 FMS의 데이터 처리·AI 진단·화면 제공을 AWS로 연결했습니다.
AWS 인프라와 FastAPI 기반 API·DB 연동을 담당하고, 연결 오류를 로그와 네트워크·보안 설정 점검으로 보완했습니다.
주요 기능을 요약한 도식입니다. Health Score 기반 판단과 AI의 설명 역할을 구분했으며, 아래 원본 아키텍처에서 서비스·데이터·운영 구성을 확인할 수 있습니다.
전체 현황에서 개별 차량의 조치까지
전사 차량 상태를 통합 조회하고, Health Score를 기준으로 우선 점검 대상을 비교합니다. 상세 진단과 정비 요청을 연결해 운영자의 후속 조치를 지원하는 FMS 흐름을 구성했습니다.
차량 데이터의 활용 범위를 구체화
DTC·주행거리·배터리·브레이크 등의 차량 상태 정보를 관리 기준으로 활용했습니다. PoC는 가공·공공 데이터로 구성했으며, 실제 SDV 차량과의 직접 연동 및 전사 운영 효과는 후속 검증 범위입니다.
가공·공공 데이터를 이용해 상태 판단부터 API, 화면 제공까지 연결했습니다.
KT AIVLE School Big Project 팀 수상
팀 자료에서 비용 절감 가정에 따른 편익과 투자회수기간을 검토했습니다.
기획 과정과 사업성 검토 자세히 보기
- S · 상황
SDV 차량의 상태 데이터와 정비 이력이 분산되어, 기업의 전체 운영 차량 중 우선 조치 대상을 일관된 기준으로 판단하기 어려웠습니다.
- T · 과제
전사 FMS 관점에서 전체 차량 현황을 파악하고, 위험 차량 비교·진단 근거 조회·정비 요청을 연결하는 관리 흐름을 구체화했습니다.
- A · 행동
서비스 전략·기획, 클라우드·인프라, UX/UI 및 풀스택 개발에 참여했습니다. AWS와 API·DB·화면의 연결 상태를 점검했습니다.
- R · 결과
가공·공공 데이터 기반 PoC로 데이터부터 화면까지의 연결을 확인했습니다. 실제 현장 적용 효과는 추가 검증이 필요한 단계입니다.
- T · 배운 점
구현 가능성을 확인하는 것과 고객의 운영 효과를 입증하는 것은 서로 다른 검증 과제임을 배웠습니다.
