Smart IoT Energy Optimisation and Localisation Monitoring for E-Bike Sharing

E-bike sharing has emerged as a sustainable and convenient mode of transportation, offering lightweight, energy-efficient mobility solutions. However, existing systems face challenges such as limited input parameters for modeling, leading to inefficiencies in energy optimization algorithms and power assist mechanisms. A significant concern is the rapid depletion of batteries, which reduces the availability of e-bikes, increases operational costs for fleet managers, and impacts user satisfaction. To address these challenges, this project developed a Smart IoT Energy Optimization and Localization Monitoring System that integrates multi-sensor data, IoT connectivity, and advanced data analytics to monitor real-time usage patterns, battery levels, and the location of e-bikes. The methodology involved integrating sensors to collect key data, implementing connectivity for real-time monitoring, and developing an energy optimization algorithm to prolong battery life, improving the efficiency of the e-bike sharing system. The results demonstrated a 15% improvement in energy efficiency, which increased battery state-of-charge (SOC) and extended operational range. Additionally, the system enabled better fleet management by ensuring optimal energy usage and the availability of e-bikes for users. This approach aligns seamlessly with the Sustainable Development Goals (SDGs) by promoting eco-friendly transportation and enhancing user accessibility. The integration of IoT technology has proven effective in overcoming the limitations of traditional systems, offering a scalable and efficient solution for modern urban mobility. ABSTRAK: Perkongsian e-basikal telah muncul sebagai kaedah pengangkutan yang lestari dan mudah, menawarkan penyelesaian mobiliti yang ringan dan cekap tenaga. Walau bagaimanapun, sistem sedia ada menghadapi cabaran seperti parameter input yang terhad untuk pemodelan, yang menyebabkan ketidakcekapan dalam algoritma pengoptimuman tenaga dan mekanisme bantuan kuasa. Masalah utama adalah penurunan bateri yang cepat, yang mengurangkan ketersediaan e-basikal, meningkatkan kos operasi untuk pengurus armada, dan memberi kesan kepada kepuasan pengguna. Untuk mengatasi cabaran ini, projek ini membangunkan Sistem Pemantauan Pengoptimuman Tenaga dan Lokalisasi IoT Pintar yang mengintegrasikan data multi-sensor, sambungan IoT, dan analitik data lanjutan untuk memantau corak penggunaan masa nyata, tahap bateri, dan lokasi e-basikal. Metodologi ini melibatkan pengintegrasian sensor untuk mengumpulkan data penting, pelaksanaan sambungan untuk pemantauan masa nyata, dan pembangunan algoritma pengoptimuman tenaga untuk memanjangkan hayat bateri, dengan itu meningkatkan kecekapan sistem perkongsian e-basikal. Hasil kajian menunjukkan peningkatan kecekapan tenaga sebanyak 15%, yang meningkatkan status pengecasan bateri (SOC) dan memanjangkan jarak operasi. Selain itu, sistem ini membolehkan pengurusan armada yang lebih baik dengan memastikan penggunaan tenaga dan ketersediaan e-basikal yang optimum untuk pengguna. Pendekatan ini selaras sepenuhnya dengan matlamat pembangunan mampan (SDG) dengan mempromosikan pengangkutan mesra alam dan meningkatkan aksesibiliti pengguna. Integrasi teknologi IoT terbukti berkesan dalam mengatasi kelemahan sistem tradisional, menawarkan penyelesaian berskala dan cekap untuk mobiliti bandar moden.