KR102141988B1 - 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합지표 모니터링 시스템 및 방법 - Google Patents
자율주행 대중버스에 대한 실시간 버스 신뢰성 통합지표 모니터링 시스템 및 방법 Download PDFInfo
- Publication number
- KR102141988B1 KR102141988B1 KR1020190105968A KR20190105968A KR102141988B1 KR 102141988 B1 KR102141988 B1 KR 102141988B1 KR 1020190105968 A KR1020190105968 A KR 1020190105968A KR 20190105968 A KR20190105968 A KR 20190105968A KR 102141988 B1 KR102141988 B1 KR 102141988B1
- Authority
- KR
- South Korea
- Prior art keywords
- bus
- driving
- indicator
- data
- reliability
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 81
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 17
- 238000007726 management method Methods 0.000 description 16
- 238000003745 diagnosis Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000000746 purification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007435 diagnostic evaluation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G06Q50/30—
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법에 관합니다.
버스 신뢰성 평가 서버는 일반버스와 동일한 버스 노선을 함께 주행하는 자율주행 대중버스와 통신하여 운전 패턴과 부품 상태 데이터 등을 그 위치정보와 함께 개별 버스운행 데이터를 실시간으로 수집합니다. 또한 외부 시스템과 실시간으로 통신하여 버스 운행 환경 데이터를 수집합니다.
이를 기반으로 버스 신뢰성 통합 인디케이터를 생성한 후에 자율주행 대중버스 매니지먼트 서버로 전송함과 아울러, N대의 자율주행 대중버스로 개별 통지를 해줍니다. 운행 중인 자율주행 대중버스 각각에 대해 매우 신뢰성 있는 데이터를 생성하여 시스템에 제공할 수 있습니다. 자율주행 대중버스에 관한 데이터는 신뢰성이 중요합니다. 시민의 안전과 버스운행의 정확성 유지가 자율주행 대중버스 운행의 상용화의 열쇠이기 때문입니다.
버스 신뢰성 평가 서버는 일반버스와 동일한 버스 노선을 함께 주행하는 자율주행 대중버스와 통신하여 운전 패턴과 부품 상태 데이터 등을 그 위치정보와 함께 개별 버스운행 데이터를 실시간으로 수집합니다. 또한 외부 시스템과 실시간으로 통신하여 버스 운행 환경 데이터를 수집합니다.
이를 기반으로 버스 신뢰성 통합 인디케이터를 생성한 후에 자율주행 대중버스 매니지먼트 서버로 전송함과 아울러, N대의 자율주행 대중버스로 개별 통지를 해줍니다. 운행 중인 자율주행 대중버스 각각에 대해 매우 신뢰성 있는 데이터를 생성하여 시스템에 제공할 수 있습니다. 자율주행 대중버스에 관한 데이터는 신뢰성이 중요합니다. 시민의 안전과 버스운행의 정확성 유지가 자율주행 대중버스 운행의 상용화의 열쇠이기 때문입니다.
Description
본 발명은 자율주행 차량에 관한 모니터링 시스템에 관하며, 특히 대중버스에 관련한다.
자율주행 차량(Autonomous Vehicle)에 대해서는 다양한 연구와 개발이 실행되고 있다. 선행특허문헌 1은 자율 주행 차량의 제어방법을 개시한다. 자율주행 차량이 외부 서버로부터 수신한 정보에 전적으로 의존하여 동작하는 경우, 주행 환경에서 발생할 수 있는 다양한 돌발 상황에 능동적으로 대처할 수 없으므로, 자율주행 차량이 차량에 설치된 센서로부터 검출되는 정보를 이용해서 능동적으로 대처할 수 있는 방법을 선행특허문헌 1은 제안하고 있다. 자율 주행 차량이 능동적으로 상황에 대처하든, 아니면 서버가 자율 주행 차량의 동작 제어를 통제하든 대체로 자율주행에 관한 기술은 승용차나 승합차에 관한 연구로 집중되어 있다.
그러나 대중 버스 또한 자율주행으로 운행할 수 있고, 이 경우 안전과 신뢰성이 더욱 중요해질 수밖에 없다. 그럼에도 종래기술에 따르면 이러한 자율주행 대중버스에 관련한 최적화된 솔루션이 없었다.
본 발명의 발명자들은 자율주행 대중버스에 최적화된 안정성과 신뢰성을 실시간으로 모니터링하는 방법 및 시스템을 구현하고자 오랫동안 연구 개발한 끝에 본 발명을 완성하기에 이르렀다.
선행특허문헌 1: 대한민국 공개특허 제10-2019-0078105호
본 발명의 목적은 자율주행 대중버스에 대한 신뢰성을 관제 시스템에서 실시간으로 파악할 수 있는 근본이 되는 데이터를 수집/분석/평가할 수 있는 통합지표 모니터링 방법을 제안함에 있다.
<자율주행 대중버스>라 함은 운전자 없이 자율주행하는 대중버스를 지칭한다. 바람직하게는 배터리를 이용하는 전기차 버스인 것이 좋다. 다른 실시예에서는 내연기관으로 구동하는 버스일 수도 있다.
<일반버스>라 함은 운전자가 운전하여 주행하는 버스를 지칭한다. 본 발명은 자율주행 대중버스와 일반버스가 함께 도로를 주행하는 상황을 가정한다.
본 발명에서 <버스 신뢰성>이라 함은 버스 내외로부터 비롯된 위험을 평가하기 위한 요소로서 자율주행 대중버스의 안전성, 버스 운행의 정시성과 관련되는 적정성 및 각 개별 차량의 상태를 진단하는 상태성을 포함하는 개념이다.
<버스 운행의 정시성>이라 함은 계획된 시간 내에 버스가 운행했는지를 나타내는 데이터 특성을 뜻한다.
본 발명은 대중버스라는 특성으로 말미암아 버스 운행의 정시성이 적정성으로서 고려되어야 하고, 따라서 한 대의 특정 자율주행 대중버스를 모니터링하는 데 그치지 않고, 본 시스템에 포함되는 모든 자율주행 대중버스를 개별적으로 모니터링하고 또한 통합적으로 관리하는 시스템을 내포한다.
한편, 본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 것이다.
위와 같은 과제를 달성하기 위해 본 발명은 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법으로서:
(a) 버스 신뢰성 평가 서버가 버스 및 도로 정보 시스템 서버와 통신하여 버스 노선, 정류장, 교차로 데이터와 구간 통행속도 데이터를 포함한 버스 운행 환경 데이터를 실시간으로 수집하고, (b) 또한 버스 신뢰성 평가 서버가 자율주행 대중버스에 내장되어 있는 무선통신 모듈을 통해 N대의 자율주행 대중버스의 시간, 위치, 속도, 방향을 포함한 개별 버스운행 데이터를 실시간으로 수집하며,
(c) 상기 버스 운행 환경 데이터에서 정류장 구간별 버스운행 적정 통행시간을 계산하고, 상기 개별 버스운행 데이터로부터 실제 운행한 정류장 구간 통행시간을 비교하여 버스운행 적정성 평가 인디케이터를 산출하고,
(d) 상기 개별 버스운행 데이터에서 미리 등록되어 있는 기준에 따라 위험운전 행동 발생 횟수를 계산하여 운행 패턴 기반의 위험운전 평가 인디케이터를 산출한 후,
(e) 상기 버스 신뢰성 평가 서버는 상기 버스운행 적정성 평가 인디케이터 및 상기 위험운전 평가 인디케이터를 미리 등록한 규칙에 의해 버스 신뢰성 통합 인디케이터로 생성한 후, 자율주행 대중버스 매니지먼트 서버로 전송함과 아울러, 상기 N대의 자율주행 대중버스로 개별 통지하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 어느 실시예에 따른 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법에 있어서,
상기 버스 신뢰성 평가 서버는 상기 개별 버스운행 데이터에서 미리 등록되어 있는 부품에 대한 부품 상태 데이터를 실시간으로 더 수집하며,
또한, 상기 (e) 단계의 버스 신뢰성 통합 인디케이터는 상기 부품 상태 데이터를 포함하여 생성되도록 하는 것이 좋다.
또한, 본 발명의 바람직한 어느 실시예에 따른 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법에 있어서, 상기 버스 정보 시스템 서버는 복수로 존재하며,
제1서버는 버스 노선 데이터, 버스 노선을 구성하는 정류장 데이터, 교차로 데이터 및 해당 버스 노선을 운행 중인 자율주행 대중버스가 아닌 일반버스 관련 데이터를 상기 버스 신뢰성 평가 서버에 제공하고,
제2서버는 구간 통행속도 데이터, 교통량 데이터, 사고를 포함한 돌발상황 데이터를 상기 버스 신뢰성 평가 서버에 제공할 수 있다.
또한, 본 발명의 바람직한 어느 실시예에 따른 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법에 있어서, 상기 버스운행 적정성 평가 인디케이터는 정류장 구간별로 지표가 산출되는 것이다.
또한, 본 발명의 바람직한 어느 실시예에 따른 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법에 있어서, 상기 위험 운전 평가 인디케이터를 산출하는 데 필요한 위험운전 행동은 급가속 패턴, 급감속 패턴, 급회전 패턴, 급차로 변경 패턴 중 어느 하나 이상에 대해 카운트되도록 할 수 있다.
또한, 본 발명의 바람직한 어느 실시예에 따른 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법에 있어서, 본 발명의 자율주행 대중버스는 배터리로 운행되는 전기 자동차인 것이 좋다.
본 발명은 동일한 버스 노선으로 일반 버스와 함께 운행하는 자율주행 대중버스에 대한 운행 안정성과 신뢰성을 정확하게 모니터링할 수 있다. 일반 버스와 함께 운행 중인 자율주행 대중버스에 대해 개별적으로 정류장 구간 통행 속도의 적정성을 평가할 수 있으며, 시민들의 버스 배차 간격 등에 대한 불만족을 해소시킬 수 있는 신뢰성 있는 정보를 생산할 수 있다. 뿐만 아니라 시민 안전을 위하여 자율주행 대중버스의 위험운전 패턴을 최소화할 수 있으며, 자율주행 대중버스의 부품, 특히 전기차 배터리의 충전 및 교체 상태에 대한 실시간 점검도 가능하기 때문에 자율주행 대중버스가 운행 중에 고장 등의 이유로 멈추는 사태를 효과적으로 예방할 수 있다.
또한 본 발명은 위와 같은 장점과 효과를 기술적인 솔루션으로 실행함에 있어 버스 운행 적정성 인디케이터, 운전 패턴에 기반한 위험운전 평가 인디케이터 및 부품상태 진단 인디케이터를 통합적으로 생성하여 제공할 수 있으므로 자율주행 대중버스를 정확하며 효과적으로 매니지먼트하는 데 신뢰성 있는 실시간 정보를 구축할 수 있다는 장점이 있다.
한편, 여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급됨을 첨언한다.
도 1은 본 발명의 바람직한 어느 실시예에 따른 개략적인 네트워크 시스템 구성 예를 나타낸다.
도 2는 본 발명의 바람직한 어느 실시예에 따른 버스 신뢰성 평가 서버(100)의 구성 예를 나타낸다.
도 3은 본 발명의 바람직한 어느 실시예에 따른 프레임워크를 개략적으로 나타낸다.
도 4는 본 발명의 방법의 전체 프로세스의 흐름을 하나의 바람직한 실시예로 나타내고 있다.
도 5는 본 발명의 바람직한 어느 실시예에 따른 버스운행 적정성 평가 인디케이터를 생성하는 프로세스를 나타낸다.
도 6은 도 5의 S103 단계에서 ITS로부터 수집한 구간 속도 및 교통량 정보를 이용하여 정류장 구간별 속도/교통량을 재계산하기 위한 개념을 나타낸다.
도 7은 본 발명의 바람직한 어느 실시예에 있어 개별 자율주행 대중버스의 급정지, 급감속, 급출발, 급앞지르기에 관한 위험도를 평가하기 위한 순서도이다.
도 8은 본 발명의 바람직한 어느 실시예에 있어 개별 자율주행 대중버스의 급회전에 관한 위험도를 평가하기 위한 순서도이다.
도 9는 본 발명의 바람직한 어느 실시예에 있어 개별 자율주행 대중버스의 급진로변경에 관한 위험도를 평가하기 위한 순서도이다.
도 10은 본 발명의 바람직한 어느 실시예에 있어 부품 상태 진단 인디케이터를 생성하는 프로세스를 나타낸다.
※ 첨부된 도면은 본 발명의 기술사상에 대한 이해를 위하여 참조로서 예시된 것임을 밝히며, 그것에 의해 본 발명의 권리범위가 제한되지는 아니한다.
도 2는 본 발명의 바람직한 어느 실시예에 따른 버스 신뢰성 평가 서버(100)의 구성 예를 나타낸다.
도 3은 본 발명의 바람직한 어느 실시예에 따른 프레임워크를 개략적으로 나타낸다.
도 4는 본 발명의 방법의 전체 프로세스의 흐름을 하나의 바람직한 실시예로 나타내고 있다.
도 5는 본 발명의 바람직한 어느 실시예에 따른 버스운행 적정성 평가 인디케이터를 생성하는 프로세스를 나타낸다.
도 6은 도 5의 S103 단계에서 ITS로부터 수집한 구간 속도 및 교통량 정보를 이용하여 정류장 구간별 속도/교통량을 재계산하기 위한 개념을 나타낸다.
도 7은 본 발명의 바람직한 어느 실시예에 있어 개별 자율주행 대중버스의 급정지, 급감속, 급출발, 급앞지르기에 관한 위험도를 평가하기 위한 순서도이다.
도 8은 본 발명의 바람직한 어느 실시예에 있어 개별 자율주행 대중버스의 급회전에 관한 위험도를 평가하기 위한 순서도이다.
도 9는 본 발명의 바람직한 어느 실시예에 있어 개별 자율주행 대중버스의 급진로변경에 관한 위험도를 평가하기 위한 순서도이다.
도 10은 본 발명의 바람직한 어느 실시예에 있어 부품 상태 진단 인디케이터를 생성하는 프로세스를 나타낸다.
※ 첨부된 도면은 본 발명의 기술사상에 대한 이해를 위하여 참조로서 예시된 것임을 밝히며, 그것에 의해 본 발명의 권리범위가 제한되지는 아니한다.
이하, 도면을 참조하여 본 발명의 다양한 실시예가 안내하는 본 발명의 구성과 그 구성으로부터 비롯되는 효과에 대해 살펴본다. 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
도 1은 본 발명의 바람직한 어느 실시예에 따른 시스템 구성의 예를 개략적으로 나타냈다.
버스 신뢰성 평가 서버(100)는 본 발명의 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법의 주체이다. 1개 이상의 하드웨어 및 소프트웨어 장비로 구성된다. 이에 대한 자세한 구성은 후술한다.
본 발명의 네트워크 시스템에는 상이한 두 개의 집합군의 버스가 있다. 제1버스(10)는 자율주행 대중버스이며, N개(N은 1보다 큰 정수이다) 자율주행 대중버스가 버스 신뢰성 평가 서버(100)와 통신하다. 제2버스(1)는 일반버스이며, P개(P는 1보다 큰 정수이다)의 일반버스는 버스 정보 시스템(50)의 서버와 실시간으로 통신한다. 동일한 버스 노선에서 제1버스(10)와 제2버스(1)는 함께 주행한다. 그러나 본 발명의 버스 신뢰성 평가 서버(100)는 제1버스(10)와만 통신한다. 그것도 N개의 제1버스(10)와 각각 개별적으로 통신한다. 또한 어떤 실시예에서는 이들 제1버스(10)는 후술하는 버스 정보 시스템 서버(50)와도 통신할 수 있다.
바람직하게는 운전자가 없는 자율주행 대중버스인 제1버스(10)는 전기자동차인 것이 좋다.
외부 시스템인 버스 및 도로 정보 시스템은 복수의 서버 장치로 구성되며, 이들 서버 장치는 1개 이상의 하드웨어/소프트웨어 장비를 포함한다. 또한, 바람직하게는 버스 정보 시스템(50) 및 지능형 교통 시스템(Intelligent Transport Systems: ITS)(60)을 포함하여 구성될 수 있다. 이들 구성들이, 본 명세서에서는, 버스 신뢰성 평가 서버(100)와의 관계에서 외부 시스템이라는 개념임을 납득시키기 위해 <버스 및 도로 정보 시스템>이라고 하나의 구성으로 표현하기는 했다. 그러나 본 발명의 바람직한 실시예에서는 도시되어 있는 것처럼 버스 정보 시스템(50)과 도로 정보 시스템인 지능형 교통 시스템(60)은 각각 독립적으로 운영되고 관리되는 시스템으로 이해되는 것이 좋다.
버스 정보 시스템 서버(50)는 버스 정보 시스템(Bus Information System: BIS)(51)과 버스 관리 시스템(Bus Management System: BMS)을 포함하여 구성될 수 있다. 이들 BIS(51) 및 BMS(52)는 주로 버스 노선을 관리하는 공공기관 책임의 인프라 시스템으로 구축되며, 공지의 시스템이다. 일반버스가 운행하는 버스 노선, 정류장, 교차로 정보, 정류장 출도착 정보 등을 수집해서 상기 버스 신뢰성 평가 서버(100)로 전송한다.
지능형 교통 시스템(Intelligent Transport Systems: ITS)(60)는 도로 구간별 차량 속도 정보, 교통량, 사고나 공사 등의 돌발상황 정보를 수집해서 상기 버스 신뢰성 평가 서버(100)로 전송한다.
버스 신뢰성 평가 서버(100)는 개별 자율주행 대중버스(10)을 모니터링하며 실시간으로 수집한 정보와 상기 버스 및 도로 정보 시스템으로부터 실시간으로 수집한 정보를 이용하여 이하에서 설명하는 버스 신뢰성 통합 인디케이터를 생성한다. 이 통합 인디케이터는 각각의 자율주행 대중버스(10)에 관한 평가 지표이며, N개의 자율주행 대중버스(10)에 개별적으로 전송될 뿐만 아니라, 자율주행 대중버스 매니지먼트 서버(200)로 통지된다.
자율주행 대중버스 매니지먼트 서버(200)는 하나 이상의 하드웨어/소프트웨어 장비로 구성된다. 버스 신뢰성 평가 서버(100)와의 통신으로 수집된 모니터링 데이터가 미리 등록된 사이트, 예컨대 상황판(210, 관리자 운영단말(220), 웹 홈페이지(230) 및 웹 모바일(240)에 전달된다.
도 2는 본 발명의 바람직한 어느 실시예에 따른 버스 신뢰성 평가 서버(100)의 개략적인 구성 예를 나타낸다.
데이터 저장소(120)는 복수의 데이터베이스를 포함하여 데이터를 저장하고 관리한다. 바람직하게는 하둡 시스템을 활용한다. 자율주행 대중버스로부터 수집되는 정형(121), 비정형(123) 및 빅데이터(125)를 각각 개별 데이터베이스로 관리할 수 있다.
분산 메시징 시스템(130)은 본 발명의 모니터링 시스템의 각종 대용량 데이터에 대해 실시간 처리를 용이하게 하고, 또한 성능을 향상시키는 기능을 담당한다.
본 발명의 버스 신뢰성 평가 서버(100)는 복수의 서버 장치를 포함한 시스템이며, 이들 서버장치는 하드웨어 장비와 소프트웨어 장비를 포함할 수 있다.
V2X 서버(140)는 N대의 자율주행 대중버스의 운행정보와 부품상태 정보를 무선네트워크(9)(예컨대, LTE와 WAVE 통신방식)를 통해 실시간으로 수집한다. 또한 이들 자율주행 대중버스 각각에 경고 및 통지정보를 전달한다. 바람직하게는, 자율주행 자동차 V2X 통신 표준 프로토콜인 SAE J2735를 사용할 수 있다. 또한, 자율주행 대중버스로부터 수신한 데이터를 디코딩하여 분산 메시징 시스템에 전달한다.
외부 시스템 연계 서버(150)는 전술한 BIS, BMS, ITS 등의 외부 시스템과 유선 네트워크(59)(예컨대 인터넷)를 통해 통신하여 필요 데이터를 수신하여, 상기 분산 메시징 시스템(130)에 전달한다.
본 발명의 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법을 실행함에 필요한 자율주행 대중버스 실시간 모니터링 소프트웨어 모듈(110)은 상기 버스 신뢰성 평가 서버(100)에 구축된다.
자율주행 대중버스 실시간 모니터링 소프트웨어 모듈(110)은 부품상태 인디케이터 모듈, 위험운전 평가 인디케이터 모듈, 버스운행 적정성 인디케이터 모듈, 실시간 버스 신뢰성 통합 인디케이터 생성/모니터링 모듈, 정보제공 관리모듈, 경고통지 관리 모듈, 통계분석 관리 모듈, 프로세스 관리 모듈을 포함할 수 있다.
상기 부품상태 인디케이터 모듈은 자율주행 대중버스의 미리 등록된 부품 상태를 진단하고 평가하여 인디케이터를 생성한다. 본 발명의 바람직한 어느 실시예에서는 자율주행 대중버스는 전기 자동차이다. 이 경우 전기자동차의 배터리를 진단 평가의 대상으로 미리 등록한다. 그리고 자율주행 대중버스로부터 실시간으로 수신한 배터리 셀 전압, 배터리 모듈 온도, SOC, SOH 등의 전기차 배터리 정보를 분석하여 미리 등록되어 있는 기준값과 비교하여 배터리 상태진단 평가 인디케이터를 산출한다.
상기 위험운전 인디케이터 모듈은 자율주행 대중버스의 운행 패턴을 기반으로 평가를 실행한다. 이를 위해 개별 자율주행 대중버스로부터 시간, 위치, 속도, 방향을 포함한 개별 버스운행 데이터를 분석하여 위험운전 평가 인디케이터를 산출한다.
상기 버스운행 적정성 인디케이터 모듈은 교통혼잡도 기반으로 개별 자율주행 대중버스의 버스운행 적정성을 평가한다. 전술한 버스 및 도로 정보 시스템(BIS/BMS/ITS)로부터 버스 운행 환경 데이터(버스노선, 정류장, 교차로, 도로구간속도 및 교통량, 돌발상황 등)을 분석하여 자율주행 대중버스의 버스운행 적정성을 평가하는 인디케이터를 산출한다.
상기 통합 인디케이터 생성/모니터링 모듈은 실시간으로 모니터링하고 있는 개별 자율주행 대중버스에 대하여 위에서 산출한 복수의 인디케이터를 통합한 통합 인디케이터를 생성한다.
상기 정보제공 관리 모듈은 부품 상태 진단 평가 지표, 위험운전 평가지표, 버스운행 적정성 평가지표 및 실시간 버스 신뢰성 통합지표와, 자율주행 대중버스들의 모니터링 정보(지도상의 위치 매칭, 운행노선정보, 차량 수집 정보 등)를 상황판, 관리자 운영단말, 웹 홈페이지/모바일 수단을 통해 제공한다.
상기 경고통지 관리 모듈은 자율주행 대중버스 개별 차량에 다음과 같은 평가 정보를 제공한다.
- 버스운행 적정성 평가 정보: 자율주행 대중버스의 운행 속도를 조절할 수 있다.
- 위험운전 평가 정보: 자율주행 대중버스의 안전운행을 유도할 수 있다.
- 부품상태 진단정보. 예컨대 전기차배터리 상태 진단정보라면 : 해당 자율주행 대중버스 배터리의 충전 시점, 교체 시점 등을 제공할 수 있다.
상기 통계분석 관리 모듈은 N대의 자율주행 대중버스 및 외부 시스템에서 실시간으로 수집한 데이터로부터 산출된 3가지 평가지표 산출에 관여한 데이터에 대한 시계열 분석, 연관성 분석, 회귀 분석 등을 통해 상호 연관성 및 신뢰성 확보를 위한 자율주행 대중버스 운영 정책에 대한 의사결정 자료를 생성하여 제공할 수 있다.
상기 프로세스 관리 모듈은 실시간 버스 신뢰성 통합 인디케이터 생성/ 모니터링 시스템 내의 프로세스의 정상 동작 여부와 파라미터를 관리한다.
도 3은 위에서 설명한 시스템과 모듈들에 의해 수행되는 본 발명의 바람직한 어느 실시예에 따른 프레임워크를 개략적으로 나타낸다.
바람직하게는 본 발명의 프레임워크는 크게 데이터 수집(S10), 데이터 전처리(S20), 평가 인디케이터 생성(S30), 정보 제공(S40)의 4단계로 구성될 수 있다. 그리고 각 단계별 세부 업무 프로세스가 실행된다.
데이터 수집 단계(S10)에 해당하는 프레임워크(160)에서는 버스 정보 시스템(50: BIS/BMS)으로부터 노선/정류장 데이터(161)을 수신한다. 이런 데이터로는 버스 노선 데이터, 버스 노선을 구성하는 정류장과 교차로 데이터가 포함된다. 또한 자율주행 대중버스가 아닌 일반버스 이벤트 데이터(162)도 실시간으로 수집한다. 이러한 데이터로는 일반버스의 정류장 출/도착 및 교차로 통과 이벤트 데이터가 포함된다.
지능형 교통 시스템(60)으로부터 속도/교통량 데이터(163)을 실시간으로 수집한다. 이런 데이터로는 지점 또는 구간별 차량의 통행 속도 정보, 교통량 데이터가 포함된다. 또한 도로상의 사고나 공사와 같은 교통류에 영향을 주는 돌발상황 데이터(165)도 실시간으로 수집한다.
또한, N대의 자율주행 대중버스에 설치된 무선 통신모듈과 통신하여 개별 자율주행 대중버스의 차량 위치 데이터(166)와, 개별 자율주행 대중버스에 설치된 센서들이 부품의 상태를 감지하여 생성한 차량 센서 데이터(167)도 수집한다.
데이터 전처리 단계(S20)에 해당하는 프레임워크(170)에서는 통합 데이터베이스(171) 및 데이터 정제(172)를 통해서 데이터 전처리를 실행할 수 있다.
데이터 정제(172)는 자율주행 대중버스로부터 수집한 데이터에 포함되어 있는 모순된 데이터나 데이터의 불일치성을 교정한다. 바람직하게는 결측치 보정과 데이터 평활화 기법을 사용할 수 있다. 결측치 보정은 차량센서의 오작동 및 값의 범위 한계로 인해 발생하는 결측치를 보정하여 정보의 손실 및 왜곡을 최소화 한다. 데이터 평활화는 데이터 추출 시 노이즈로 인한 바람직하지 않은 불규칙적 변동이나 불연속성을 제거한다.
통합 데이터베이스(171)는 수집되는 방대한 양의 데이터 처리에 적합하도록 하둡(Hadoop)을 접목하여 분산처리가 가능하도록 구현한다.
평가 인디케이터 생성 단계(S30)에 해당하는 프레임워크(180)에서는 본 발명에서 핵심사항인 인디케이터를 생성하는 작업을 실행한다.
버스 운행 적정성 평가(181)는 바람직하게는 교통혼잡도 기반의 버스운행 적정성 평가이다. BIS/BMS 시스템으로부터 수집된 일반버스들의 정류장 출·도착 데이터와 ITS시스템으로 수집된 지점 및 구간별 통행속도 등의 데이터를 활용하여 정류장 구간별 버스운행 적정 통행시간을 계산한다. 그런 다음 자율주행 대중버스의 실제 운행한 정류장 구간 통행시간과 비교함으로써 버스운행 적정성 평가 인디케이터를 생성할 수 있다. 자세한 내용은 도 5를 이용하여 후술한다.
위험운전 평가(183)는 바람직하게는 운전패턴 기반의 위험운전 평가이다. 예컨대 교통안전공단에서 제시한 위험운전행동 기준에 근거하여 위험운전 판단을 통한 위험운전 평가지표를 산출할 수 있다. 자세한 내용은 도 7 내지 도 9를 통해 후술한다.
부품 상태 평가(185)는 자율주행 대중버스로부터 수집된 차량 센서 데이터를 이용하여 모니터링 대상으로 미리 등록되어 있는 차량 부품을 평가한다. 그 차량 부품이 전기자동차 배터리라면, 배터리 셀 전압, 배터리 모듈 온도, SOC, SOH 등과 같은 전기차 배터리와 관련된 데이터에 대한 분석을 통해 전기차 배터리 상태진단 평가지표를 산출할 수 있다.
실시간 버스 신뢰성 통합 인디케이터 생성(188)은 교통혼잡도 기반의 버스운행 적정성 평가지표, 운행패턴 기반의 위험운전 평가지표, 부품 상태진단 평가지표를 결합한 실시간 버스 신뢰성 통합 인디케이터를 산출할 수 있다.
정보 제공 단계(S40)에 해당하는 프레임워크(190)에서는 정보를 활용하는 프로세스를 실행한다. 그런 활용정보는 자율주행 대중버스 매니지먼트 서버로 전송되어 상환판(210), 관리자 운영단말(220), 웹 홈페이지(230), 웹 모바일(240)로 제공된다.
실시간 버스 신뢰성 모니터링(191)은 전술한 교통혼잡도 기반의 버스운행 적정성 평가 인디케이터, 운행패턴 기반의 위험운전 평가 인디케이터, 버스 부품 상태진단 평가 인디케이터 등 3가지 지표와 이와 관련된 수집 데이터에 대한 모니터링 및 이들 지표를 복수로 결합한 통합 인디케이터에 대한 모니터링을 수행한다.
통계 분석(193)은 상기 3가지 평가지표 산출에 관여한 데이터에 대한 시계열 분석, 연관성 분석, 회귀 분석 등을 통해 상호 연관성 및 신뢰성 확보를 위한 자율주행 대중버스 운영 정책에 대한 의사결정 자료를 생성하여 제공한다.
경고 통지(195)는 자율주행 대중버스 개별 차량에 제공하는 정보를 생성하여 자율주행 대중버스(10)에 전달한다. 이 정보는 자율주행 대중버스(10)의 개별 차량의 운행 속도 조절, 안전운행 유도, 부품 정비 및 교체시기 통지에 활용된다.
도 4는 본 발명의 어느 실시예에 따라 위와 같은 프레임워크를 통해 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법을 실행하는 전체 프로세스의 한 예를 나타낸다. 특히 본 실시예에서는 전술한 버스운행 적정성 및 위험운전 평가에 관련한 모니터링이지만, 여기에 더해 자율주행 대중버스의 미리 등록된 부품에 대한 모니터링이 추가로 결합될 수 있음은 물론이다.
버스 신뢰성 평가 서버는 외부 시스템인 버스 및 도로 정보 시스템 서버와 통신하여 버스 노선, 정류장, 교차로 데이터와 구간 통행속도 데이터를 포함한 버스 운행 환경 데이터를 실시간으로 수집한다(S100). 이때의 버스 및 도로 정보 시스템으로는 전술한 BIS, BMS, ITS 등이 거론되었다. 자율주행 대중버스가 아닌 일반버스 관련 데이터를 활용한다.
또한, 버스 신뢰성 평가 서버는 자율주행 대중버스에 내장되어 있는 무선통신 모듈을 통해 N대의 자율주행 대중버스의 시간, 위치, 속도, 방향을 포함한 개별 버스운행 데이터를 실시간으로 수집한다(S200).
다음으로 실시간으로 수집된 버스 운행 환경 데이터에서 구간별 버스운행 적정 통행시간을 계산할 수 있다. 이를 이용해서 상기 S200 단계에서 수집한 실제 운행한 정류장 구간 통행시간을 비교하여 버스운행 적정성 평가 인디케이터를 산출한다(S110).
한편, 상기 개별 버스운행 데이터에서 미리 등록되어 있는 기준에 따라 위험운전 행동 발생 횟수를 계산할 수 있다. 그 결과로 개별 자율주행 대중버스의 운행 패턴 기반의 위험운전 평가 인디케이터를 산출한다(S210).
그런 다음, 본 발명의 상기 버스 신뢰성 평가 서버는 S110 단계에서 생성된 버스운행 적정성 평가 인디케이터와 S210 단계에서 생성된 위험운전 평가 인디케이터를 미리 등록한 규칙에 의해 버스 신뢰성 통합 인디케이터로 생성한다(S150). 미리 등록된 규칙에 대해서는 후술한다.
이렇게 생성된 버스 신뢰성 통합 인디케이터를 개별 자율주행 대중버스에 대한 모니터링 정보로 한편으로는 자율주행 대중버스 매니지먼트 서버로 전송함(S160)과 아울러, 상기 N대의 자율주행 대중버스로 개별 통지한다(S170).
버스 신뢰성 통합 인디케이터를 생성함에 필요한 미리 등록된 수식 규칙의 일 예를 살펴보자. 본 발명의 어떤 실시예에 따라 3가지 인디케이터를 사용했다고 가정하자. 그러면 식 1을 통해 버스 신뢰성 통합 인디케이터를 생성할 수 있다.
BTI : 버스 운행 적정성 평가 인디케이터
DRI : 위험운전 평가 인디케이터
UDI : 부품상태 평가 인디케이터
α: 버스운행 적정성 가중치, β: 위험운전 가중치, γ: 부품상태진단 가중치, α+β+γ=1
위와 같은 수식에서 BTI 를 산출하는 방법에 대해 예시적으로 알아 보자. 도 5와 같다.
먼저 개별 버스의 정류장 구간별 실제 통행시간을 계산한다(S101). 다음 식 2와 같이 계산한다.
T k(i) : k 버스의 노선상의 i 번째 정류장 구간 통행시간.
Tw (ki) : k 버스의 노선상의 i 번째 정류장 대기(정차)시간.
Td k(i) : k 버스의 노선상의 i 번째 정류장 구간 주행시간.
다음으로 모든 버스의 정류장 구간별 평균 통행시간을 계산한다(S103). 식 3을 이용하여 계산할 수 있다.
T (i) : 노선상의 
번째 정류장 구간 통행시간.
Tw (ki) : k 버스의 노선상의 i 번째 정류장 대기시간.
Td k(i) : k 버스의 노선상의 i 번째 정류장 구간 주행시간.
n: 노선상의 
번째 정류장 구간을 운행한 버스 총 수.
다음으로 정류장 구간별 속도/교통량을 재계산한다(S103). 노선 구성 정보, 정류장/교차로 구성 정보, ITS로부터 수집한 구간 속도 및 교통량 정보를 이용한다. 예컨대 도 6을 참고해서 살펴볼 수 있다.
정류장(S1)과 정류장(S2) 사이의 구간(d1)에서의 통행시간(Ts12)는 d1/a로 구해진다. 정류장(S2)과 정류장(S3) 사이의 구간(d2+d3))에서의 통행시간(Ts23)는 r1/a + r2/b로 구해진다. 정류장(S3)과 정류장(S4) 사이의 구간(d4)에서의 통행시간(Ts34)는 d4/b로 구해진다.
Si: 정류장
a: a 구간 속도(m/s)
b: b 구간 속도(m/s)
di : 거리(m)
ri: 거리(d2+d3)에 대한 비율(m)
Ts(i): 매핑된 정류장 구간 통행시간
그런 다음 정류장 구간별 통행시간 적정값을 식 4와 같이 산출한다(S104).
AT(i) : 정류장 구간별 통행시간 적정값.
T(i): 노선상의 
번째 정류장 구간 통행시간.
Ts(i) = 정류장 구간 통행시간 .
α: T(i) 가중치. β: Ts(i) 가중치. α+β=1
마지막으로 개별 자율주행 대중버스의 정류장 구간별 버스운행 적정성 평가 인디케이터를 생성한다(S105). 먼저 식 5를 이용하여 k버스의 i 번째 정류장 구간의 통행시간 비율을 구한 후에, 식 6에 따라 연산한다.
Ek(i) k 버스의 i번째 정류장 구간의 통행시간 비율.
AT(i) : 정류장 구간별 통행시간 적정값.
Tk(i) : k 버스의 노선상의 i번째 정류장 구간 통행시간.
BTIk(i) : k 버스의 i번째 정류장 구간의 버스운행 적정성 평가 인디케이터.
Ek(i): k 버스의 i번째 정류장 구간의 통행시간 비율.
BTIk(i)의 범위: 0< BTIk(i) <1
0에 가까울수록 k 버스는 버스운행 적정성이 높다고 판단하고, 1 에 가까울수록 k 버스는 버스운행 적정성이 낮다고 판단할 수 있다.
다음으로 위험운전 평가 인디케이터인 DRI 를 산출하는 방법의 예를 설명한다.
먼저 위험운전 판단의 근거가 되는 위험 운전 행동 기준을 시스템에 등록한다. 위험 운전 행동 기준의 예는 아래의 [표 1]과 같다.
| 위험운전행동 | 정의 | |
| 급가속유형 | 급가속 | 초당 11Km/h 이상 ~ 25Km/h 이하 가속 운행한 경우 - 연속적인 급가속행동을 1건으로 분석 - 급가속행동별 간격이 3초 이내는 1건으로, 4초이후는 별도건으로 처리 |
| 급출발 | 정지상태에서 출발하여 초당 11Km/h 이상 ~ 25Km/h 이하 가속 운행한 경우 | |
| 급감속유형 | 급감속 | 초당 7.5Km/h 이상 ~ 40Km/h 이하 감속 운행한 경우 - 연속적인 급감속행동을 1건으로 분석 - 급감속 행동별 간격이 1초 이내는 1건으로, 2초이후는 별도건으로 처리 |
| 급정지 | 초당 7.5Km/h 이상 ~ 40Km/h 이하 감속하여 속도가 “0”이 된 경우 | |
| 급회전유형 | 급좌회전 | 속도가 15km/h 이상이고, 2초 안에 좌측(60 ~ 120°범위)으로 급회전한 경우 |
| 급우회전 | 속도가 15km/h 이상이고, 2초 안에 우측(60 ~ 120°범위)으로 급회전한 경우 | |
| 급U턴 | 속도가 15Km/h 이상이고, 3초 안에 좌측 또는 우측(160 ~ 180°범위)으로 급하게 U턴한 경우 | |
| 급차로변경 유형 |
급앞지르기 | 초당 11Km/h이상 가속하면서 진행방향이 좌측 또는 우측(30 ~ 60°)으로 차로를 변경하여 앞지르기한 경우 |
| 급진로변경 | 속도가 30Km/h 이상에서 진행방향이 좌측 또는 우측(15 ~ 30°)으로 차로를 변경하며 가감속(초당 -5Km/h~+5Km/h)하는 경우 | |
위와 같은 위험 운전 행동 기준을 미리 등록한 후, 아래의 식 7을 이용하여 자율주행 대중버스의 운행 패턴 기반의 위험 운전 평가 인디케이터를 생성할 수 있다.
DRIk: k 버스의 위험운전 인디케이터
SCk: k 버스의 위험운전 행동 발생 총 횟수
DRIk값의 범위 : 0 < DRIk < 1
0 에 가까울수록 k 버스는 안전 운행 한다고 판단하고, 1 에 가까울수록 k 버스는 위험운전 유형 발생 횟수가 높다고 판단할 수 있다.
도 7은 급가속, 급감속 및 급앞지르기 항목에 관한 위험운전 판단의 흐름을 나타내며, 도 8은 급회전 항목에 관한 위험운전 판단의 흐름을 나타내며, 도 9는 급진로 변경 항목에 관한 위험운전 판단의 흐름을 나타낸다.
이들 실시예의 각 단계의 기호는 아래와 같다.
S0 : 현재 차량 속도(km/h)
S1 : 1초 전 차량 속도(km/h)
CT : 현재 시간(초)
DT : 최근 급감속 판단 시간(초)
AT : 최근 급가속 판단 시간(초)
CA1 : 1초 전과 현재 차량 진행방향 각도 차이(좌 - 또는 우 +)
CA2 : 2초 전과 현재 차량 진행방향 각도 차이(좌 - 또는 우 +)
CA3 : 3초 전과 현재 차량 진행방향 각도 차이(좌 - 또는 우 +)
도 7 내지 도 9의 실시예는 각 단계에 해당하는 프로세스가 명확하게 도시되어 있으므로 각 단계에 대한 상세한 설명은 생략한다.
도 10은 본 발명의 바람직한 어느 실시예에 따른 부품 상태 인디케이터(UDI)를 산출하는 방법의 개략적인 전체 프로세스를 나타낸다.
데이터 정제(S300), 모니터링 및 분석 데이터 셋 구성(S310), 데이터 기반 이상 탐지(S320), 상태 결정 및 평가 인디케이터 산출(S330), 경고 통지(S340) 순서로 프로세스가 진행한다. 자율주행 대중버스가 전기자동차이며, 분석되는 부품이 배터리인 실시예를 예로 들어 다시 설명한다.
상기 S300 단계에서 수집하고 정제하는 데이터는 배터리 셀 전압, 배터리 모듈 온도, SOC(State of Charge: 표준상태에서 충전할 경우, 총충전량 대비 배터리에 남아 있는 충전량의 비율), SOH(State of Health: 배터리의 가장 이상적인 상태를 기준으로, 배터리의 현재 상태를 비교하여 그 값을 %로 표기한 것) 등이다.
S300 단계에서는 데이터 분석에 앞서 조사 과정이나 입력 과정의 실수를 찾아내 수정하는 과정을 수행한다. 모순된 데이터를 발견하고, 데이터의 불일치성을 교정하며, 입력오류를 제거한다.
S310 단계에서 모니터링 및 분석 데이터 셋을 구성하기 위해, 시간대별로 성능의 변화를 관찰하고 성능을 수치화할 수 있는 지속적인 데이터로 구성한다.
S320 단계의 이상탐지는 과거 경향을 기준으로 하여 표준 경향에 크게 벗어나는 데이터 요소를 파악하고, 이를 변칙값으로 규정하는 과정이다. 진단 대상 정보를 수집하여 정상 군집을 파악한 뒤, 새로운 데이터와 군집 간의 거리를 계산하여 이상 여부를 결정하는 과정으로, 통합데이터베이스에 축적된 실시간 성능 데이터에 대하여 미리 군집을 결정하고, 새로운 데이터가 추가적으로 수집되었을 때, 동일 좌표에서 군집간의 거리차를 계산하여 기준치를 넘을 경우 변칙값으로 판단한다.
S330 단계의 상태 결정은 축적된 배터리 상태 데이터를 토대로 계속사용 가능 상태를 결정한다.
다음으로 부품(배터리) 상태 평가 인디케이터인 UDI 를 산출하는 방법의 예는 아래의 식 8을 이용할 수 있다.
UDIk: k 버스의 배터리 상태진단 지표.
Ak: k 버스의 배터리 셀 전압 적정 사용 범위 벗어난 셀 수.
Bk: k 버스의 배터리 모듈 온도 적정 사용 범위 벗어난 모듈 수.
N: k 버스의 배터리 구성에서의 셀과 모듈 개수.
SOCk: k 버스의 State of Charge(%).
SOHk: k 버스의 State of Health(%).
α+β+γ = 1.
UDIk 값의 범위 : 0 < UDIk < 1
0에 가까울수록 k 버스는 안전한 배터리 상태로 판단하고, 1 에 가까울수록 k 버스는 불안전한 배터리 상태로 판단한다.
한편, S340 단계의 경고 통지는 성능 허용 기준에 따른 경고 통지이다:
SOC < 35% 인 경우, 충전 필요를 경고한다.
SOH <= 80% 인 경우, 배터리 교환 필요를 경고한다.
배터리 셀 전압(2.8 ~ 4.2V)를 벗어나는 경우, 저전압 또는 고전압 경고를 행한다.
배터리 모듈 온도(-20도 ~ 45도)를 벗어나는 경우, 방전/충전 금지 경고를 행한다. 배터리 모듈 온도가 90도 이상인 경우, 발열성 분해를 경고한다.
물론 위와 같은 숫자는 예시에 불과함을 첨언한다. 부품 모델마다 상이하다. 다만 미리 시스템 파라미터로 등록하여 관리할 필요가 있다.
참고로, 본 발명의 일 실시예에 따른 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법은, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독가능매체에 기록될 수 있다. 상기 컴퓨터 판독가능매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독가능매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체, 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급언어코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다
본 발명의 보호범위가 이상에서 명시적으로 설명한 실시예의 기재와 표현에 제한되는 것은 아니다. 또한, 본 발명이 속하는 기술분야에서 자명한 변경이나 치환으로 말미암아 본 발명이 보호범위가 제한될 수도 없음을 다시 한 번 첨언한다.
Claims (6)
- (a) 버스 신뢰성 평가 서버가 버스 및 도로 정보 시스템 서버와 통신하여 버스 노선, 정류장, 교차로 데이터와 구간 통행속도 데이터를 포함한 버스 운행 환경 데이터를 실시간으로 수집하고, (b) 또한 버스 신뢰성 평가 서버가 자율주행 대중버스에 내장되어 있는 무선통신 모듈을 통해 N(N은 1보다 큰 정수)대의 자율주행 대중버스의 시간, 위치, 속도, 방향을 포함한 개별 버스운행 데이터를 실시간으로 수집하며,
(c) 상기 버스 운행 환경 데이터에서 정류장 구간별 버스운행 적정 통행시간을 계산하고, 상기 개별 버스운행 데이터로부터 실제 운행한 정류장 구간 통행시간을 비교하여 버스운행 적정성 평가 인디케이터를 산출하고,
(d) 상기 개별 버스운행 데이터에서 미리 등록되어 있는 기준에 따라 위험운전 행동 발생 횟수를 계산하여 운행 패턴 기반의 위험운전 평가 인디케이터를 산출한 후,
(e) 상기 버스 신뢰성 평가 서버는 상기 버스운행 적정성 평가 인디케이터 및 상기 위험운전 평가 인디케이터를 미리 등록한 규칙에 의해 버스 신뢰성 통합 인디케이터로 생성한 후, 자율주행 대중버스 매니지먼트 서버로 전송함과 아울러, 상기 N대의 자율주행 대중버스로 개별 통지하는 단계를 포함하는, 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법.
- 제1항에 있어서,
상기 버스 신뢰성 평가 서버는 상기 개별 버스운행 데이터에서 미리 등록되어 있는 부품에 대한 부품 상태 데이터를 실시간으로 더 수집하며,
또한, 상기 (e) 단계의 버스 신뢰성 통합 인디케이터는 상기 부품 상태 데이터를 포함하여 생성되는 것인, 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법.
- 삭제
- 제1항에 있어서,
상기 버스운행 적정성 평가 인디케이터는 정류장 구간별로 지표가 산출되는 것인, 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법.
- 제1항에 있어서,
상기 위험 운전 평가 인디케이터를 산출하는 데 필요한 위험운전 행동은 급가속 패턴, 급감속 패턴, 급회전 패턴, 급차로 변경 패턴 중 어느 하나 이상에 대해 카운트되는 것인, 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법.
- 제1항에 있어서,
상기 자율주행 대중버스는 배터리로 운행되는 전기 자동차인, 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합 인디케이터를 생성하는 모니터링 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190105968A KR102141988B1 (ko) | 2019-08-28 | 2019-08-28 | 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합지표 모니터링 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190105968A KR102141988B1 (ko) | 2019-08-28 | 2019-08-28 | 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합지표 모니터링 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102141988B1 true KR102141988B1 (ko) | 2020-08-06 |
Family
ID=72040400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190105968A KR102141988B1 (ko) | 2019-08-28 | 2019-08-28 | 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합지표 모니터링 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102141988B1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112990658A (zh) * | 2021-02-05 | 2021-06-18 | 福建工程学院 | 一种面向线路精简优化的公交网络时刻表可靠性计算方法 |
| CN113065043A (zh) * | 2021-04-26 | 2021-07-02 | 广州通达汽车电气股份有限公司 | 行车线路查看方法、装置、设备及存储介质 |
| CN114819657A (zh) * | 2022-04-29 | 2022-07-29 | 北京理工大学 | 基于大数据的新能源公交车辆综合性能评价方法 |
| KR20230063390A (ko) * | 2021-11-02 | 2023-05-09 | 주식회사 엔제로 | 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법 |
| KR20230072585A (ko) | 2021-11-17 | 2023-05-25 | 인포뱅크 주식회사 | 자율주행버스의 하차 대상자 인지를 통한 정차시간 결정 방법 및 장치 |
| KR20230076986A (ko) | 2021-11-24 | 2023-06-01 | 인포뱅크 주식회사 | 자율주행버스의 임시 하차자 인지를 통한 정차시간 결정 방법 및 장치 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100809558B1 (ko) * | 2004-09-17 | 2008-03-04 | 김재호 | 차량운행 통제 시스템 및 방법 |
| KR20160139719A (ko) * | 2015-05-28 | 2016-12-07 | 주식회사 프랭클린테크놀로지 | 엘티이(lte) 및 지피에스(gps) 기술을 이용한 실시간 버스 운행 관리 시스템 |
| KR20180047522A (ko) * | 2016-10-31 | 2018-05-10 | 주식회사 티노스 | 운전자 인식이 가능한 차량용 전장 시스템 |
| KR20180086632A (ko) * | 2017-01-23 | 2018-08-01 | 한국전자통신연구원 | 자율주행 차량의 행동 결정 장치 및 방법 |
| KR101937595B1 (ko) * | 2017-10-25 | 2019-01-11 | 김현국 | 자율주행차량 주행 시스템 |
-
2019
- 2019-08-28 KR KR1020190105968A patent/KR102141988B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100809558B1 (ko) * | 2004-09-17 | 2008-03-04 | 김재호 | 차량운행 통제 시스템 및 방법 |
| KR20160139719A (ko) * | 2015-05-28 | 2016-12-07 | 주식회사 프랭클린테크놀로지 | 엘티이(lte) 및 지피에스(gps) 기술을 이용한 실시간 버스 운행 관리 시스템 |
| KR20180047522A (ko) * | 2016-10-31 | 2018-05-10 | 주식회사 티노스 | 운전자 인식이 가능한 차량용 전장 시스템 |
| KR20180086632A (ko) * | 2017-01-23 | 2018-08-01 | 한국전자통신연구원 | 자율주행 차량의 행동 결정 장치 및 방법 |
| KR101937595B1 (ko) * | 2017-10-25 | 2019-01-11 | 김현국 | 자율주행차량 주행 시스템 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112990658A (zh) * | 2021-02-05 | 2021-06-18 | 福建工程学院 | 一种面向线路精简优化的公交网络时刻表可靠性计算方法 |
| CN113065043A (zh) * | 2021-04-26 | 2021-07-02 | 广州通达汽车电气股份有限公司 | 行车线路查看方法、装置、设备及存储介质 |
| CN113065043B (zh) * | 2021-04-26 | 2023-06-06 | 广州通达汽车电气股份有限公司 | 行车线路查看方法、装置、设备及存储介质 |
| KR20230063390A (ko) * | 2021-11-02 | 2023-05-09 | 주식회사 엔제로 | 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법 |
| KR102636871B1 (ko) | 2021-11-02 | 2024-02-19 | 주식회사 엔제로 | 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법 |
| KR20230072585A (ko) | 2021-11-17 | 2023-05-25 | 인포뱅크 주식회사 | 자율주행버스의 하차 대상자 인지를 통한 정차시간 결정 방법 및 장치 |
| KR20230076986A (ko) | 2021-11-24 | 2023-06-01 | 인포뱅크 주식회사 | 자율주행버스의 임시 하차자 인지를 통한 정차시간 결정 방법 및 장치 |
| CN114819657A (zh) * | 2022-04-29 | 2022-07-29 | 北京理工大学 | 基于大数据的新能源公交车辆综合性能评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102141988B1 (ko) | 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합지표 모니터링 시스템 및 방법 | |
| Wang et al. | Real-time sensor anomaly detection and recovery in connected automated vehicle sensors | |
| CN110226310A (zh) | 电子控制装置、不正当检测服务器、车载网络系统、车载网络监视系统以及车载网络监视方法 | |
| CN102881057B (zh) | 基于iOBD的车辆管理系统及其车辆管理方法 | |
| WO2018129917A1 (zh) | 一种基于云的车辆故障诊断方法、装置及其系统 | |
| CN102136190B (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
| EP2863282B1 (en) | System and method for detecting anomaly associated with driving a vehicle | |
| CN113870570B (zh) | 一种基于etc的路网运行状态方法、系统和存储介质 | |
| CN105045788A (zh) | 用于处理和分析车辆驾驶大数据的方法及其系统 | |
| CN104092736A (zh) | 车联网设备、服务器和系统、评分方法和数据收集方法 | |
| KR20140031435A (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
| CN106124231A (zh) | 一种高铁列车健康状态监测装置及其使用方法 | |
| CN111762096A (zh) | 一种基于人工智能的新能源汽车安全预警方法及系统 | |
| CN106650157A (zh) | 车辆零部件故障发生概率估算方法、装置及系统 | |
| CN113990088B (zh) | 一种高速公路恶劣天气下安全通行告知软件系统 | |
| CN113642893B (zh) | 一种新能源汽车运行风险的评估方法 | |
| CN112700156A (zh) | 一种新能源汽车运行安全性能评价体系构建方法 | |
| CN109272603A (zh) | 车辆故障分析数据库及构建方法、故障预测方法、故障预测系统 | |
| CN104408578A (zh) | 基于轨迹点的机械化作业的量化考核系统及其方法 | |
| CN109747680A (zh) | 列车牵引系统的状态评估与故障预警方法、装置、设备 | |
| CN107918826A (zh) | 一种驾驶环境感知的司机评价与调度方法 | |
| KR102204199B1 (ko) | 자율주행 대중버스에 대한 차량 고장 진단 및 예측 방법 | |
| CN107665591A (zh) | 一种重点营运车辆超速行驶监控方法和系统 | |
| Ajao et al. | Safety challenges and analysis of autonomous electric vehicle development: Insights from on-road testing and accident reports | |
| CN110895414A (zh) | 用于确定并监视额外燃料消耗的原因的方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |