KR101272570B1 - 패턴인식을 이용한 자동차 가감속 정보 추출 장치 및 그 방법 - Google Patents

Abstract

본 발명은 패턴 인식을 이용한 자동차 가감속 정보 추출 방법에 관한 것이다. 본 발명에 따르면, 차량의 주행 시 발생되는 주행과 관련된 로우 데이터를 획득하는 단계, 상기 로우 데이터를 가공하여 주행 정보를 생성하는 단계, 상기 주행 정보로부터 특징을 추출하는 단계, 그리고 패턴 인식 모델을 통하여 도로 상황을 고려한 현재 차량의 가감속 정보를 추출하는 단계를 포함한다.
이와 같이 본 발명에 따른 패턴인식을 이용한 자동차 가감속 정보 추출 장치 및 그 방법에 따르면, 차량의 주행정보를 이용하여 자동차의 가감속 정보를 추출하기 위한 것으로서, 단순히 속도를 미분하여 가속도를 구하는 것이 아니라 도로 상황(언덕길, 내리막길, 커브길)을 고려한 가감속 정보를 추출함으로써 운전자에게 좀 더 정확한 정보를 제공하고 이를 통하여 연료 소모량을 줄이는 에코 드라이빙을 구현할 수 있다.

Description

패턴인식을 이용한 자동차 가감속 정보 추출 장치 및 그 방법{Apparatus for recognition of vehicle's acceleration and deceleration information by pattern recognition and thereof method}

본 발명은 패턴인식을 이용한 자동차 가감속 정보 추출 장치 및 그 방법에 관한 것으로서, 보다 상세하게는 도로 상황을 고려하여 운전 중인 차량의 가감속 정보를 정확하게 측정할 수 있는 패턴 인식을 이용한 자동차 가감속 정보 추출 장치 및 그 방법에 관한 것이다.

최근 들어 환경오염 문제 및 원유 가격의 인상 등에 따라 자동차 산업에서 에코 드라이빙에 관한 다양한 연구가 진행되고 있고, 실제로 여러 종류의 경제 운전 안내 시스템들이 상용화되어 출시되고 있다. 에코 드라이빙을 위한 여러 가지 방법 중에서 운전자의 운전습관을 바꾸는 것이 매우 중요한데 특히 이러한 운전 습관 중에서 자동차의 가속, 감속 정보는 연비 소모에 많은 영향을 미치게 된다.

최근의 특정 네비게이션 또는 단말기 등에서는 자동자의 가속, 감속 정보를 획득하여 운전자에게 이를 알려주는 기능이 내장되어 있다. 자동차의 급가속, 급감속 정보를 운전자에게 알려줌으로써 운전자는 이를 활용하여 급가속, 급출발을 자제하여 연비를 절약하는 에코 드라이빙을 습득할 수 있게 하고 있다. 자동차의 속도 정보는 GPS를 이용한 방식과 차량내의 OBD-II 단자를 통한 속도정보를 이용하는 방법이 있다.

그러나, 이러한 네비게이션 및 단말기에서는 자동차의 가감속 정보를 추출해 내는데 있어서 단지 자동차의 속도 정보만을 이용하여 가감속 정보를 추출하므로 주변 운전 상황을 전혀 고려하지 않아 가감속 정보를 정확하게 측정하기 어렵다는 문제점이 있다.

도 1a은 특정 구간을 주행하는 차의 속도 및 가속도 결과를 나타낸 것이고, 도 1b는 동일한 구간에 대하여 두 명의 운전자가 운전한 차의 속도 및 가속도 결과를 나타낸 것이다. 종래 기술에 따르면 도 1a 및 도 1b의 상단 그래프처럼 차량의 속도를 측정하고, 측정된 속도를 미분하여 하단 그래프와 같이 차량의 가속도를 획득하였다.

도 1b에서 두 운전자에 대해 연비를 측정한 결과 각각 12.3[km/l], 5.46[km/l]로 측정되었으며 약 2배 이상이 차이가 남을 알 수 있다. 가속, 감속은 연비를 결정하는 아주 중요한 파라미터이나 도 1b에서 보면 연비가 2배가 차이가 남에도 불구하고, 두 운전자의 가속, 감속의 값은 그다지 차이가 나지 않는 것으로 나타났다. 이와 같이, 종래 기술에 따르면 자동차의 속도 정보만을 이용하여 가감속 정보를 추출하므로 정확한 가감속 결과를 얻을 수 없다.

본 발명은 도로 상황을 고려하여 운전 중인 차량의 가감속 정보를 정확하게 측정할 수 있는 패턴 인식을 이용한 자동차 가감속 정보 추출 장치 및 그 방법을 제공하는데 목적이 있다.

본 발명의 실시예에 따른 패턴 인식을 이용한 자동차 가감속 정보 추출 방법은, 차량의 주행 시 발생되는 주행과 관련된 로우 데이터를 획득하는 단계, 상기 로우 데이터를 가공하여 주행 정보를 생성하는 단계, 상기 주행 정보로부터 특징을 추출하는 단계, 그리고 패턴 인식 모델을 통하여 도로 상황을 고려한 현재 차량의 가감속 정보를 추출하는 단계를 포함한다.

상기 로우 데이터를 획득하는 단계는, 상기 차량에 설치된 OBDⅡ(On Board Diagnostics Ⅱ) 모듈 또는 상기 차량에 설치된 센서를 통하여 획득할 수 있다.

상기 주행 정보는, 속도, 엔진 회전수, 핸들각도, 연료 차단, 연료 분사량, 엑셀위치, Throttle 위치 및 엔진 토크 중에서 적어도 하나를 포함할 수 있다.

본 발명의 다른 실시예에 따른 패턴 인식을 이용한 자동차 가감속 정보 추출 장치는, 차량의 주행 시 발생되는 주행과 관련된 로우 데이터를 획득하는 로우 데이터 획득부, 상기 로우 데이터로부터 주행 정보를 생성하는 주행 정보 생성부, 상기 주행 정보로부터 특징을 추출하는 특징 추출부, 상기 추출된 특징을 학습 데이터로 하여 패턴 인식 모델을 생성하는 모델링부, 그리고 상기 패턴 인식 모델을 통하여 도로 상황을 고려한 현재 차량의 가감속 정보를 추출하는 패턴 인식부를 포함한다.

이와 같이 본 발명에 따른 패턴인식을 이용한 자동차 가감속 정보 추출 장치 및 그 방법에 따르면, 차량의 주행정보를 이용하여 자동차의 가감속 정보를 추출하기 위한 것으로서, 단순히 속도를 미분하여 가속도를 구하는 것이 아니라 도로 상황(언덕길, 내리막길, 커브길)을 고려한 가감속 정보를 추출함으로써 운전자에게 좀 더 정확한 정보를 제공하고 이를 통하여 연료 소모량을 줄이는 에코 드라이빙을 구현할 수 있다.

도 1a은 특정 구간을 주행하는 차의 속도 및 가속도 결과를 나타낸 것이고, 도 1b는 동일한 구간에 대하여 두 명의 운전자가 운전한 차의 속도 및 가속도 결과를 나타낸 것이다.
도 2는 본 발명의 실시예에 따른 패턴인식을 이용한 자동차 가감속 정보 추출 장치의 구성도이다.
도 3은 본 발명을 실시하기 위한 패턴 인식 모델을 생성하는 방법을 설명하기 위한 순서도이다.
도 4는 본 발명의 실시예에 따른 주행 정보를 설명하기 위한 예시도이다.
도 5는 본 발명의 실시예에 따른 패턴 인식을 이용한 자동차 가감속 정보 추출 방법의 순서도이다.

그러면 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.

도 2는 본 발명의 실시예에 따른 패턴인식을 이용한 자동차 가감속 정보 추출 장치의 구성도이다. 본 발명의 실시예에 따른 자동차 가감속 정보 추출 장치(100)는 로우 데이터 획득부(110), 주행 정보 생성부(120), 특징 추출부(130), 모델링부(140) 및 패턴 인식부(150)를 포함한다.

로우 데이터 획득부(110)는 차량의 주행 시 발생되는 주행과 관련된 로우 데이터를 획득하고, 주행 정보 생성부(120)는 로우 데이터를 가공하여 주행 정보를 생성한다.

특징 추출부(130)는 주행 정보로부터 특징을 추출하고, 모델링부(140)는 추출된 특징을 학습 데이터로 하여 패턴 인식 모델을 생성한다. 그리고, 패턴 인식부(150)는 패턴 인식 모델을 통하여 도로 상황을 고려한 현재 차량의 가감속 정보를 획득한다.

이하에서는 도 3 및 도 4를 통하여 본 발명의 실시예에 따른 패턴 인식 모델을 생성하는 과정에 대하여 설명한다.

도 3은 본 발명을 실시하기 위한 패턴 인식 모델을 생성하는 방법을 설명하기 위한 순서도이고, 도 4는 본 발명의 실시예에 따른 주행 정보를 설명하기 위한 예시도이다.

먼저, 로우 데이터 획득부(110)에서는 차량의 주행 시 발생되는 주행 관련 로우 데이터(Raw Data)들을 획득한다(S310). 로우 데이터는 주행 중에 발생되는 차속(km), 엔진 회전수(rpm), 연료분사량(ml), 핸들각도(degree), 엑셀위치(%), Throttle 위치(%) 등에 관한 정보를 포함하며, 상기 차량에 설치된 OBDⅡ(On Board Diagnostics Ⅱ) 모듈, 상기 차량의 핸들에 구비된 자이로 센서 또는 회전 센서 중 적어도 하나의 장치로부터 상기 로우 데이터를 획득한다.

여기서, 로우 데이터 획득부(110)는 차량에 기 설치되어 있는 OBDⅡ(On Board Diagnostics Ⅱ) 모듈 등을 활용하여 로우 데이터를 획득할 수 있다. 여기서, 상기 OBDⅡ(On Board Diagnostics Ⅱ) 모듈로부터의 데이터 활용이 곤란한 경우, 핸들또는 엑셀, Throttle 밸브 등에 부착된 각종 센서를 통해 로우 데이터를 획득하도록 한다.

이와 같이 본 발명의 실시예에서는 가속도값 이외의 다른 주행 정보를 가지는 로우 데이터를 이용하여 보다 정밀한 가감속 정보를 추출하도록 한다.

주행 정보 생성부(120)는 로우 데이터를 가공하여 운전자가 쉽게 이해할 수 있는 주행 정보로 변환한다(S320). 예를 들면, 주행 정보 생성부(120)는 속도(speed)는 km/h 단위로 변환하고, 연료 분사량(fuel)은 단위시간당 ml 등으로 환산을 한다.

도 4에 나타낸 것과 같이 주행 정보는 로우 데이터로부터 가공된 것으로, 속도(speed), 엔진 회전수(rpm), 핸들각도(steering angle), 연료 차단(fuel-cut), 연료 분사량(fuel), 엑셀위치(accel position), Throttle 위치(throttle position), 엔진 토크(engine toque) 등을 포함한다.

다음으로 특징 추출부(130)는 주행 정보로부터 가감속과 관련된 특징 정보를 추출한다(S330). 예를 들면 도 4에서 보는 것처럼 특징 추출부(130)는 첫 번째 사각형으로 표시한 부분은 급출발 한 경우로 인식하고 두 번째 사각형으로 표시한 부분은 좌/우 회전하는 상태인 상태로 인식한다. 예를 들면, 첫 번째 사각형으로 표시한 부분의 경우, 속도가 0에서 급격하게 상승하였고 엔진 회전수(rpm)가 순간적으로 크게 상승하였다는 특징을 추출하여 특징 추출부(130)는 급출발 중인 상태로 인식한다. 또는 2차원 그래프의 형태 자체를 통해서 특징을 추출할 수도 있다.

그리고, 두 번째 사각형으로 표시한 부분의 경우, 핸들각도(steering angle)가 변하는 대신 속도가 감소한 특징을 추출하여 특징 추출부(130)는 자동차가 좌회전 또는 우회전 중이라는 상태로 인식한다. 그 밖에 Throttle 밸브가 많이 열렸으며, 연료 분사량(fuel) 및 엔진 회전수(rpm)가 상승하는데도 불구하고 속도가 크게 증가하지 않은 경우에는 특징 추출부(130)는 자동차가 오르막 길을 주행 중이라고 인식한다.

이와 같이 모델링부(140)는 추출된 특징 정보를 토대로 생성된 다양한 학습 데이터를 이용하여 패턴 인식 모델을 생성한다(S340). 즉, 모델링부(140)는 단순히 속도 변화에 따른 가속 및 감속 데이터가 아니라 도로 상황, 예를 들면, 언덕길, 내리막길, 커브길 등을 고려한 가속 및 감속 데이터를 이용하여 패턴 인식 모델을 생성하게 된다. 따라서, 운전자가 에코 드라이빙을 위해서는 언덕길, 내리막길, 커브길에 맞게 가속 및 감속 운전이 필요하므로, 모델링부(140)는 각각의 도로 상황에 맞게 주행 정보를 이용하여 패턴 인식 모델을 생성한다.

이하에서는 생성된 패턴 인식 모델을 이용하여 자동차 가감속 정보 추출 장치(100)가 가속 및 감속 정보를 추출하는 방법에 대하여 설명한다.

도 5는 본 발명의 실시예에 따른 패턴 인식을 이용한 자동차 가감속 정보 추출 방법의 순서도이다. 도 5에서는 도 3과 중복되는 부분에 대해서는 간단히 설명한다.

먼저, 로우 데이터 획득부(110)에서는 차량의 주행 시 발생되는 주행 관련 로우 데이터(Raw Data)들을 획득한다(S510). 도 2에서 설명한 것처럼, 로우 데이터는 주행 중에 발생되는 차속(km), 엔진 회전수(rpm), 연료분사량(ml), 핸들각도(degree), 엑셀위치(%), Throttle 위치(%) 등에 관한 정보를 포함한다.

주행 정보 생성부(120)는 로우 데이터를 가공하여 운전자가 쉽게 이해할 수 있는 형태의 주행 정보로 변환한다(S520). 도 3에서 설명한 것처럼, 주행 정보는 속도, 엔진 회전수, 핸들각도, 연료 차단, 연료 분사량, 엑셀위치, Throttle 위치, 엔진 토크 등을 포함한다.

다음으로 특징 추출부(130)는 현재의 주행 정보로부터 가감속과 관련된 특징 정보를 추출한다(S530). 즉, 도 4에서 설명한 것처럼 여러 종류의 주행 정보들 중에서 도로 상황까지도 고려할 수 있는 특징이 되는 주행 정보를 추출한다.

그리고, 패턴 인식부(150)는 패턴 인식 모델로부터 현재의 도로 상황을 고려하여 가감속 정보를 추출한다(S540). 즉, 패턴 인식부(150)가 모델링부(140)에 의해 생성된 패턴 인식 모델에 현재 주행 상황에 따른 특징 정보를 입력하면, 패턴 인식 모델은 학습 데이터를 통하여 현재의 도로 상황(오르막길, 내리막길, 커브길)을 고려하여 현재 운전자의 가속 또는 감속 여부를 분류한다. 예를 들어, 내리막길인데 불구하고 사용자가 엑셀을 밟는다거나, 급출발, 급제동을 하는 경우에는 차량의 연비가 나빠질 수 있으므로, 패턴 인식부(150)는 패턴 인식 모델에 의하여 운전자의 가감속 여부를 판단하고, 그 결과를 수시로 운전자에게 알려 주게 된다.

이와 같이 패턴 인식부(150)는 패턴 인식 모델을 통하여 현재 도로 상황을 고려한 가감속 정보를 획득하고 운전자에게 알림으로써, 운전자의 잘못된 운전 습관을 고치고, 연비를 높일 수 있는 에코드라이빙 시스템을 구현할 수 있다.

이와 같이 본 발명의 실시예에 따르면 단순히 차의 속도 변화를 통하여 가감속을 추출하는 종래 기술과 달리, 자동차의 여러 주행 정보를 동시에 이용함으로써 도로 상황에 따른 가감속 정보를 추출할 수 있다. 예를 들어 코너링에서 가감속을 한 경우, 가감속의 레벨, 언덕길, 내리막길에서의 가감속 정보 등을 획득할 수 있다.

따라서, 상기의 상황 이외에도 여러 가지 상황에 대해 데이터를 구하고 학습을 하여 상황에 맞는 특징을 추출하는 것이 바람직하다.

이와 같이 본 발명의 실시예에 따른 패턴인식을 이용한 자동차 가감속 정보 추출 장치는 차량의 주행정보를 이용하여 자동차의 가감속 정보를 추출하기 위한 것으로서, 단순히 속도를 미분하여 가속도를 구하는 것이 아니라 도로 상황(언덕길, 내리막길, 커브길)을 고려한 가감속 정보를 추출함으로써 운전자에게 좀 더 정확한 정보를 제공하고 이를 통하여 연료 소모량을 줄이는 에코 드라이빙을 구현할 수 있다.

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.

100: 자동차 가감속 정보 추출 장치, 110: 로우 데이터 획득부,
120: 특징 추출부, 130: 특징 추출부,
140: 모델링부, 150: 패턴 인식부

Claims (6)

1. 차량의 주행 시 발생되는 주행과 관련된 로우 데이터를 획득하는 단계,
   상기 로우 데이터를 가공하여 주행 정보를 생성하는 단계,
   상기 주행 정보로부터 특징을 추출하는 단계,
   상기 추출된 특징을 학습 데이터로 하여 패턴 인식 모델을 생성하는 단계, 그리고
   상기 패턴 인식 모델을 통하여 도로 상황을 고려한 현재 차량의 가감속 정보를 추출하는 단계를 포함하는 패턴 인식을 이용한 자동차 가감속 정보 추출 방법.
2. 청구항 1에 있어서,
   상기 로우 데이터를 획득하는 단계는,
   상기 차량에 설치된 OBDⅡ(On Board Diagnostics Ⅱ) 모듈 또는 상기 차량에 설치된 센서를 통하여 획득하는 자동차 가감속 정보 추출 방법.
3. 청구항 1에 있어서,
   상기 주행 정보는,
   속도, 엔진 회전수, 핸들각도, 연료 차단, 연료 분사량, 엑셀위치, Throttle 위치 및 엔진 토크 중에서 적어도 하나를 포함하는 자동차 가감속 정보 추출 방법.
4. 차량의 주행 시 발생되는 주행과 관련된 로우 데이터를 획득하는 로우 데이터 획득부,
   상기 로우 데이터로부터 주행 정보를 생성하는 주행 정보 생성부,
   상기 주행 정보로부터 특징을 추출하는 특징 추출부,
   상기 추출된 특징을 학습 데이터로 하여 패턴 인식 모델을 생성하는 모델링부, 그리고
   상기 패턴 인식 모델을 통하여 도로 상황을 고려한 현재 차량의 가감속 정보를 추출하는 패턴 인식부를 포함하는 패턴 인식을 이용한 자동차 가감속 정보 추출 장치.
5. 청구항 4에 있어서,
   상기 로우 데이터를 획득부는,
   상기 차량에 설치된 OBDⅡ(On Board Diagnostics Ⅱ) 모듈 또는 상기 차량에 설치된 센서를 통하여 상기 로우 데이터를 획득하는 자동차 가감속 정보 추출 장치.
6. 청구항 5에 있어서,
   상기 주행 정보는,
   속도, 엔진 회전수, 핸들각도, 연료 차단, 연료 분사량, 엑셀위치, Throttle 위치 및 엔진 토크 중에서 적어도 하나를 포함하는 자동차 가감속 정보 추출 장치.

Images