KR102585532B1 - Vehicle and method of controlling the same - Google Patents

Vehicle and method of controlling the same Download PDF

Info

Publication number
KR102585532B1
KR102585532B1 KR1020220026894A KR20220026894A KR102585532B1 KR 102585532 B1 KR102585532 B1 KR 102585532B1 KR 1020220026894 A KR1020220026894 A KR 1020220026894A KR 20220026894 A KR20220026894 A KR 20220026894A KR 102585532 B1 KR102585532 B1 KR 102585532B1
Authority
KR
South Korea
Prior art keywords
vehicle
driving
server
learning
driver
Prior art date
Application number
KR1020220026894A
Other languages
Korean (ko)
Other versions
KR20230129807A (en
Inventor
김인호
Original Assignee
주식회사 에이치엘클레무브
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에이치엘클레무브 filed Critical 주식회사 에이치엘클레무브
Priority to KR1020220026894A priority Critical patent/KR102585532B1/en
Publication of KR20230129807A publication Critical patent/KR20230129807A/en
Application granted granted Critical
Publication of KR102585532B1 publication Critical patent/KR102585532B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • G06F8/65—Updates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle

Abstract

본 발명은 차량 및 그 제어 방법에 관한 것으로, 운전자 고유의 운전 성향을 반영한 학습 기반 제어 시스템을 적용하되, 이를 위해 원격지의 서버에서 학습 기반 제어를 위한 학습을 수행하도록 함으로써 차량의 원가 상승을 방지하는데 그 목적이 있다. 이를 위해 본 발명에 따른 차량 제어 방법은, 운전자가 차량을 운전하는 동안 상기 차량에서 발생하는 운전 데이터를 수집하여 상기 운전 데이터를 서버로 전송하는 단계와; 상기 서버에서 상기 운전 데이터를 기초로 상기 운전자의 운전 성향의 학습이 이루어지면, 상기 학습의 결과가 반영된 데이터를 상기 서버로부터 수신하는 단계와; 수신된 상기 데이터에 기초하여 상기 운전자의 운전 성향의 학습 결과를 상기 차량의 제어에 반영하는 단계를 포함한다.The present invention relates to a vehicle and its control method. It applies a learning-based control system that reflects the driver's unique driving tendency, and prevents an increase in the cost of the vehicle by performing learning for learning-based control on a remote server. It has a purpose. To this end, the vehicle control method according to the present invention includes the steps of collecting driving data generated in the vehicle while the driver is driving the vehicle and transmitting the driving data to a server; When the server learns the driver's driving tendency based on the driving data, receiving data reflecting the results of the learning from the server; and reflecting a learning result of the driver's driving tendency in control of the vehicle based on the received data.

Description

차량 및 그 제어 방법{VEHICLE AND METHOD OF CONTROLLING THE SAME}Vehicle and its control method {VEHICLE AND METHOD OF CONTROLLING THE SAME}

본 발명은 차량에 관한 것으로, 차량의 제어를 위한 펌웨어 업데이트에 관한 것이다.The present invention relates to vehicles and to firmware updates for vehicle control.

자동차 시장이 한 차종 다고객 발전 중심에서 다 차종 다고객 발전 중심으로 트랜드가 바뀌고 있다. 이와 같이 고객들은 고객 각자에 맞는 차별화된 차량, 즉 고객 각자의 운전 스타일에 맞는 차량을 요구하는 경향이 늘고 있다.The trend in the automobile market is changing from focusing on the development of multiple customers for one vehicle model to focusing on the development of multiple customers for multiple vehicles. As such, there is an increasing trend among customers to demand differentiated vehicles tailored to each customer, that is, vehicles suited to each customer's driving style.

그러나 현재의 차량들은 개발 단계에서 고정된 제어 특성들이 그대로 유지될 뿐, 운전자가 요구하는 고유의 특성에는 대응하지 못하고 있다.However, current vehicles only maintain the control characteristics that were fixed at the development stage and are unable to respond to the unique characteristics required by drivers.

본 발명은, 운전자 고유의 운전 성향을 반영한 학습 기반 제어 시스템을 적용하되, 이를 위해 원격지의 서버에서 학습 기반 제어를 위한 학습을 수행하도록 함으로써 차량의 원가 상승을 방지하는데 그 목적이 있다.The purpose of the present invention is to prevent an increase in the cost of a vehicle by applying a learning-based control system that reflects the driver's unique driving tendency and having a remote server perform learning for learning-based control.

상술한 목적의 본 발명에 따른 차량 제어 방법은, 운전자가 차량을 운전하는 동안 상기 차량에서 발생하는 운전 데이터를 수집하여 상기 운전 데이터를 서버로 전송하는 단계와; 상기 서버에서 상기 운전 데이터를 기초로 상기 운전자의 운전 성향의 학습이 이루어지면, 상기 학습의 결과가 반영된 데이터를 상기 서버로부터 수신하는 단계와; 수신된 상기 데이터에 기초하여 상기 운전자의 운전 성향의 학습 결과를 상기 차량의 제어에 반영하는 단계를 포함한다.A vehicle control method according to the present invention for the above-described purpose includes collecting driving data generated in the vehicle while a driver is driving the vehicle and transmitting the driving data to a server; When the server learns the driver's driving tendency based on the driving data, receiving data reflecting the results of the learning from the server; and reflecting a learning result of the driver's driving tendency in control of the vehicle based on the received data.

상술한 차량 제어 방법에서, 수집한 상기 운전 데이터를 상기 차량의 메모리에 저장하고; 저장한 상기 운전 데이터를 미리 설정된 주기마다 상기 서버로 전송한다.In the vehicle control method described above, the collected driving data is stored in the vehicle's memory; The stored driving data is transmitted to the server at preset intervals.

상술한 차량 제어 방법에서, 상기 학습 결과를 OTA(Over The Air) 방식을 통해 상기 서버로부터 수신한다.In the vehicle control method described above, the learning results are received from the server through OTA (Over The Air).

상술한 차량 제어 방법에서, 수신된 상기 데이터는 상기 차량의 펌웨어를 업데이트하기 위한 펌웨어 업데이트 데이터이다.In the vehicle control method described above, the received data is firmware update data for updating the firmware of the vehicle.

상술한 차량 제어 방법에서, 상기 서버에서의 학습은 상기 운전자의 운전 성향을 반영하여 상기 차량의 제어를 커스터마이징하기 위한 것이다.In the vehicle control method described above, learning in the server is to customize control of the vehicle by reflecting the driver's driving tendency.

상술한 차량 제어 방법에서, 상기 서버에서의 학습은 머신 러닝과 딥 러닝 가운데 적어도 하나를 포함한다.In the vehicle control method described above, learning in the server includes at least one of machine learning and deep learning.

상술한 목적의 본 발명에 따른 차량은, 서버와 통신하기 위한 통신부와; 운전자가 차량을 운전하는 동안 상기 차량에서 발생하는 운전 데이터를 수집하여 상기 운전 데이터를 상기 통신부를 통해 서버로 전송하고, 상기 서버에서 상기 운전 데이터를 기초로 상기 운전자의 운전 성향의 학습이 이루어지면, 상기 학습의 결과가 반영된 데이터를 상기 서버로부터 상기 통신부를 통해 수신하며, 수신된 상기 데이터에 기초하여 상기 운전자의 운전 성향의 학습 결과를 상기 차량의 제어에 반영하는 제어부를 포함한다.A vehicle according to the present invention for the above-described purpose includes a communication unit for communicating with a server; When the driver collects driving data generated from the vehicle while driving the vehicle and transmits the driving data to a server through the communication unit, and the server learns the driver's driving tendency based on the driving data, and a control unit that receives data reflecting the results of the learning from the server through the communication unit, and reflects the learning results of the driver's driving tendency in control of the vehicle based on the received data.

상술한 차량에서, 상기 제어부는, 수집한 상기 운전 데이터를 상기 차량의 메모리에 저장하고; 저장한 상기 운전 데이터를 미리 설정된 주기마다 상기 통신부를 통해 상기 서버로 전송한다.In the above-described vehicle, the control unit stores the collected driving data in the vehicle's memory; The stored driving data is transmitted to the server through the communication unit at preset intervals.

상술한 차량에서, 상기 제어부는, 상기 학습 결과를 OTA(Over The Air) 방식을 통해 상기 서버로부터 수신한다.In the above-described vehicle, the control unit receives the learning results from the server through an OTA (Over The Air) method.

상술한 차량에서, 수신된 상기 데이터는 상기 차량의 펌웨어를 업데이트하기 위한 펌웨어 업데이트 데이터이다.In the vehicle described above, the received data is firmware update data for updating the firmware of the vehicle.

상술한 차량에서, 상기 서버에서의 학습은 상기 운전자의 운전 성향을 반영하여 상기 차량의 제어를 커스터마이징하기 위한 것이다.In the above-described vehicle, the learning in the server is to customize the control of the vehicle by reflecting the driving tendency of the driver.

상술한 차량에서, 상기 서버에서의 학습은 머신 러닝과 딥 러닝 가운데 적어도 하나를 포함한다.In the vehicle described above, learning in the server includes at least one of machine learning and deep learning.

본 발명은, 운전자 고유의 운전 성향을 반영한 학습 기반 제어 시스템을 적용하되, 이를 위해 원격지의 서버에서 학습 기반 제어를 위한 학습을 수행하도록 함으로써 차량의 원가 상승을 방지한다.The present invention applies a learning-based control system that reflects the driver's unique driving tendency, and prevents an increase in vehicle costs by having a remote server perform learning for learning-based control.

도 1은 본 발명의 일 실시 예에 따른 차량과 서버 사이의 통신을 나타낸 도면이다.
도 2는 본 발명의 실시 예에 따른 차량의 제어 계통을 나타낸 도면이다.
도 3은 본 발명의 실시 예에 따른 차량 제어 방법을 나타낸 도면이다.Figure 1 is a diagram showing communication between a vehicle and a server according to an embodiment of the present invention.
Figure 2 is a diagram showing a control system of a vehicle according to an embodiment of the present invention.
Figure 3 is a diagram showing a vehicle control method according to an embodiment of the present invention.

도 1은 본 발명의 일 실시 예에 따른 차량과 서버 사이의 통신을 나타낸 도면이다.Figure 1 is a diagram showing communication between a vehicle and a server according to an embodiment of the present invention.

도 1에 나타낸 바와 같이, 본 발명의 실시 예에 따른 차량(100)은 원격지의 텔레매틱스 센터(102)의 서버(104)와 통신한다. 본 발명의 실시 예에서 텔레매틱스 센터(102)의 서버(104)는, 차량(100)으로부터 운전자의 운전 데이터를 수신하고, 이 운전 데이터를 기초로 머신 러닝 또는 딥 러닝 등의 학습을 수행한 후 그 학습 결과를 OTA(Over The Air) 방식을 통해 펌웨어 업데이트 데이터로서 차량(100)으로 전송한다.As shown in FIG. 1, the vehicle 100 according to an embodiment of the present invention communicates with the server 104 of the remote telematics center 102. In an embodiment of the present invention, the server 104 of the telematics center 102 receives the driver's driving data from the vehicle 100, performs learning such as machine learning or deep learning based on the driving data, and then performs learning such as machine learning or deep learning based on the driving data. The learning results are transmitted to the vehicle 100 as firmware update data through OTA (Over The Air).

운전 데이터는, 예를 들면, 운전자의 가속/제동/조향 등이 급격하게 이루어지는지 아니면 완만하게 이루어지는지의 여부를 포함할 수 있다. 이 운전 데이터의 학습 결과를 반영하면 향후 차량(100)의 제어 시 운전자의 성향(과격 성향 또는 온건 성향)이 반영된 커스터마이징된 가속/감속/조향 등의 제어가 이루어질 수 있다. 또한, 운전 데이터는, 예를 들면, 외기 온도 대비 운전자의 공조 설정 온도를 포함할 수 있다. 이 운전 데이터의 학습 결과를 반영하면 향후 차량(100)의 제어 시 공조 장치가 턴 온 되면 운전자가 선호하는 공조 설정 온도를 해당 시점에서의 외기 온도를 참조하여 조절할 수 있다. 이와 같은 운전 데이터의 수집은, 운전자가 차량(100)을 운전할 때 운전자의 조작에 의해 차량(100)에서 발생하는 여러 이벤트 관련 데이터를 수집하는 것일 수 있다.Driving data may include, for example, whether the driver accelerates/brakes/steering, etc., rapidly or gently. By reflecting the learning results of this driving data, customized acceleration / deceleration / steering, etc. control that reflects the driver's tendency (extreme tendency or moderate tendency) can be performed when controlling the vehicle 100 in the future. Additionally, the driving data may include, for example, the driver's air conditioning set temperature compared to the outside temperature. By reflecting the learning results of this driving data, when the air conditioning device is turned on when controlling the vehicle 100 in the future, the driver's preferred air conditioning setting temperature can be adjusted with reference to the outside temperature at that point. Collection of such driving data may involve collecting data related to various events that occur in the vehicle 100 due to the driver's operation when the driver drives the vehicle 100.

서버(104)에서의 학습은 운전자의 운전 데이터를 차량(100)의 제어에 어떻게 반영할 것인지를 결정하기 위한 것이다. 즉, 서버(104)는 운전 데이터의 학습을 통해 운전자 고유의 운전 성향을 분석하고, 그 학습 결과를 차량(100)에 제공한다. 차량(100)에서는, 서버(104)로부터 제공되는 학습 결과를 반영하여 전자 제어 장치(Electronic Control Unit, 이하 ECU라 함)(도 2의 210 참조)의 펌웨어 업데이트가 이루어진다. 이와 같은 운전자 고유의 운전 성향을 반영한 커스터마이징을 통해, 차량(100)에서는 ECU(도 2의 210 참조)가 차량(100)을 제어할 때 운전자 고유 성향을 반영한 커스터마이징된 제어가 이루어질 수 있다.Learning in the server 104 is to determine how to reflect the driver's driving data in the control of the vehicle 100. That is, the server 104 analyzes the driver's unique driving tendency through learning of driving data and provides the learning results to the vehicle 100. In the vehicle 100, the firmware of the electronic control unit (hereinafter referred to as ECU) (see 210 in FIG. 2) is updated by reflecting the learning results provided from the server 104. Through customization that reflects the driver's unique driving tendency, customized control that reflects the driver's unique driving tendency can be performed in the vehicle 100 when the ECU (see 210 in FIG. 2) controls the vehicle 100.

본 발명의 실시 예에서, 차량(100)마다 개별적인 운전 데이터의 학습이 이루어지지 않고, 원격지의 서버(104)에서 복수의 차량들 각각의 운전 데이터의 학습이 이루어지는 이유는, 개별 차량(100)의 시스템의 한계를 극복하기 위함이다. 운전 데이터의 머신 러닝 또는 딥 러닝을 수행하기 위해서는 매우 높은 성능의 컴퓨팅 시스템이 요구된다. 높은 성능의 컴퓨팅 시스템은 가격 또한 높기 때문에, 각 차량(100)마다 높은 가격의 고성능 컴퓨팅 시스템이 탑재되면 차량(100)의 가격은 그만큼 상승한다. 그러나, 만약 본 발명에서와 같이 운전 데이터의 머신 러닝 또는 딥 러닝을 수행하기 위한 높은 성능의 컴퓨팅 시스템을 각 차량(100)이 아닌 서버(104)에만 마련하고 차량(100)에는 서버(104)에서의 학습 결과만을 전송하면, 각 차량(100)마다 높은 가격의 고성능 컴퓨팅 시스템이 탑재될 필요가 없으므로 차량(100)에 고성능 컴퓨팅 시스템을 탑재하는데 드는 비용만큼 차량(100)의 원가를 낮출 수 있다. 차량(100)의 원가를 낮추면서, 동시에 운전자 고유의 운전 성향을 반영한 커스터마이징된 제어가 가능함은 물론이다.In an embodiment of the present invention, the reason why individual driving data is not learned for each vehicle 100, and driving data for each of a plurality of vehicles is learned from a remote server 104 is that the individual vehicle 100 This is to overcome the limitations of the system. In order to perform machine learning or deep learning on driving data, a very high-performance computing system is required. Since high-performance computing systems are also expensive, if each vehicle 100 is equipped with a high-priced high-performance computing system, the price of the vehicle 100 increases correspondingly. However, as in the present invention, if a high-performance computing system for performing machine learning or deep learning of driving data is provided only in the server 104, not in each vehicle 100, and the vehicle 100 is provided in the server 104, By transmitting only the learning results, there is no need for each vehicle 100 to be equipped with a high-priced high-performance computing system, so the cost of the vehicle 100 can be reduced by the cost of mounting the high-performance computing system on the vehicle 100. Of course, it is possible to reduce the cost of the vehicle 100 and at the same time provide customized control that reflects the driver's unique driving tendencies.

도 2는 본 발명의 실시 예에 따른 차량의 제어 계통을 나타낸 도면이다.Figure 2 is a diagram showing a control system of a vehicle according to an embodiment of the present invention.

도 2에 나타낸 바와 같이, 차량(100)에는 제어부(202)와 통신부(204), 메모리(206), 복수의 ECU들(210)이 서로 통신 가능하도록 연결된다.As shown in FIG. 2, the vehicle 100 is connected to a control unit 202, a communication unit 204, a memory 206, and a plurality of ECUs 210 to enable communication with each other.

제어부(202)는 차량(100)의 동작 전반을 제어할 수 있다. 통신부(204)는 제어부(202)와 서버(104) 사이에 무선 통신이 이루어지도록 한다. 복수의 ECU(210) 각각은 차량(100)의 여러 장치들(엔진, 변속기, 편의 장치들 등)을 제어하도록 마련된다.The control unit 202 can control the overall operation of the vehicle 100. The communication unit 204 enables wireless communication between the control unit 202 and the server 104. Each of the plurality of ECUs 210 is provided to control various devices (engine, transmission, convenience devices, etc.) of the vehicle 100.

제어부(202)는, 운전자가 차량(100)을 운전할 때 발생하는 운전 데이터를 수집하여 메모리(206)에 저장해 두고, 미리 설정된 주기가 도래하면 수집해 놓은 운전 데이터를 통신부(204)를 통해 서버(104)로 전송한다. 운전 데이터의 수집은, 운전자가 차량(100)을 운전할 때 운전자의 조작에 의해 차량(100)에서 발생하는 여러 이벤트 관련 데이터를 수집하는 것일 수 있다. 서버(104)에서는, 차량(100)으로부터 전송받은 운전 데이터를 대상으로 머신 러닝 또는 딥 러닝 등을 통해 운전자 성향의 커스터마이징을 위한 학습이 이루어지고, 그 학습 결과는 OTA 방식으로 펌웨어 업데이트 데이터로서 다시 차량(100)으로 전송된다. 제어부(202)는, 서버(104)로부터 학습 결과를 OTA 방식을 통해 펌웨어 업데이트 데이터의 형태로 수신하여 복수의 ECU들(210)을 대상으로 필요한 업데이트를 수행함으로써, ECU들(210)이 차량(100)을 제어할 때 운전자 성향의 학습 결과를 반영한 커스터마이징된 제어를 수행할 수 있도록 한다.The control unit 202 collects driving data generated when the driver drives the vehicle 100 and stores it in the memory 206, and when a preset period arrives, the collected driving data is sent to the server (204) through the communication unit 204. 104). Collection of driving data may mean collecting data related to various events that occur in the vehicle 100 due to the driver's operation when the driver drives the vehicle 100. In the server 104, learning is performed to customize the driver's preferences through machine learning or deep learning on the driving data transmitted from the vehicle 100, and the learning results are returned to the vehicle as firmware update data in an OTA manner. Sent to (100). The control unit 202 receives the learning results from the server 104 in the form of firmware update data through the OTA method and performs necessary updates on the plurality of ECUs 210, so that the ECUs 210 are connected to the vehicle ( 100), it is possible to perform customized control that reflects the learning results of the driver's tendencies.

도 3은 본 발명의 실시 예에 따른 차량 제어 방법을 나타낸 도면이다. 도 3의 차량 제어 방법은 앞서 설명한 도 1 및 도 2의 장치 구성을 기반으로 하여 이루어질 수 있다.Figure 3 is a diagram showing a vehicle control method according to an embodiment of the present invention. The vehicle control method of FIG. 3 may be performed based on the device configuration of FIGS. 1 and 2 described above.

도 3에 나타낸 바와 같이, 운전자가 차량(100)을 운전하는 동안 제어부(202)는 운전자의 운전에 의해 차량(100)에서 발생하는 운전 데이터를 수집한다(304). 수집된 운전 데이터는 메모리(206)에 저장된다.As shown in FIG. 3, while the driver is driving the vehicle 100, the control unit 202 collects driving data generated in the vehicle 100 by the driver's driving (304). The collected driving data is stored in memory 206.

운전 데이터의 수집 및 저장이 이루어지는 동안 미리 설정된 주기가 도래하면(306의 '예'), 제어부(202)는 현재까지 수집한 운전 데이터를 서버(104)로 전송한다(308). 미리 설정된 주기는 누적 운전 시간을 기준으로 설정하거나 누적 주행 거리를 기준으로 설정할 수 있다. 예를 들면, 해당 차량(100)의 누적 운전 시간이 10시간이 되면 그 때까지의 수집된 운전 데이터를 서버(104)로 전송하고 메모리(206)를 초기화할 수 있다. 초기화된 메모리(206)에는 초기화 이후에 발생하는 새로운 운전 데이터가 수집되어 저장될 수 있다. 또는, 예를 들면, 해당 차량(100)의 누적 주행 거리가 500km가 되면 그 때까지의 수집된 운전 데이터를 서버(104)로 전송하고 메모리(206)를 초기화할 수 있다. 초기화된 메모리(206)에는 초기화 이후에 발생하는 새로운 운전 데이터가 수집되어 저장될 수 있다.When the preset period arrives while the driving data is being collected and stored ('Yes' in 306), the control unit 202 transmits the driving data collected to date to the server 104 (308). The preset cycle can be set based on accumulated driving time or based on accumulated driving distance. For example, when the accumulated driving time of the vehicle 100 reaches 10 hours, the driving data collected up to that point can be transmitted to the server 104 and the memory 206 can be initialized. New driving data generated after initialization may be collected and stored in the initialized memory 206. Alternatively, for example, when the cumulative driving distance of the vehicle 100 reaches 500 km, the driving data collected up to that point can be transmitted to the server 104 and the memory 206 can be initialized. New driving data generated after initialization may be collected and stored in the initialized memory 206.

앞서 도 1 및 도 2의 설명에서 언급한 것처럼, 본 발명의 실시 예에 따른 텔레매틱스 센터(102)의 서버(104)는, 차량(100)으로부터 수신한 운전자의 운전 데이터를 기초로 머신 러닝 또는 딥 러닝 등을 통해 운전자 성향의 커스터마이징을 위한 학습을 수행하고, 그 학습 결과는 OTA 방식을 통해 펌웨어 업데이트 데이터로서 차량(100)으로 전송한다.As previously mentioned in the description of FIGS. 1 and 2, the server 104 of the telematics center 102 according to an embodiment of the present invention performs machine learning or deep analysis based on the driver's driving data received from the vehicle 100. Learning to customize the driver's preferences is performed through learning, etc., and the learning results are transmitted to the vehicle 100 as firmware update data through the OTA method.

도 3으로 돌아와서, 제어부(202)는 학습 결과가 반영된 펌웨어 업데이트 데이터를 서버(104)로부터 OTA 방식을 통해 수신한다(310).Returning to FIG. 3, the control unit 202 receives firmware update data reflecting the learning results from the server 104 through the OTA method (310).

서버(104)로부터 펌웨어 업데이트 데이터를 수신한 제어부(202)는, 서버(104)에서의 학습 결과를 반영하여 차량의 펌웨어 업데이트를 수행한다(312). OTA 방식을 통한 펌웨어 업데이트는 미리 설정된 업데이트 주기마다 수행되거나, 또는 미리 설정된 업데이트 조건을 만족할 때 수행될 수 있다. 예를 들면, 제어부(202)는 차량(100)이 파워 오프 상태이고 배터리의 전력이 펌웨어 업데이트를 수행하기에 충분할 때 OTA 방식의 펌웨어 업데이트를 수행할 수 있다. 이와 같은 펌웨어 업데이트를 통해, 차량(100)에서는 ECU(210)가 차량(100)을 제어할 때 운전자 고유 성향을 반영한 커스터마이징된 제어가 이루어질 수 있다.The control unit 202, which has received firmware update data from the server 104, updates the vehicle's firmware by reflecting the learning results from the server 104 (312). Firmware update through the OTA method can be performed at every preset update cycle or when preset update conditions are met. For example, the control unit 202 may perform an OTA firmware update when the vehicle 100 is in a power-off state and the battery power is sufficient to perform the firmware update. Through such firmware update, customized control that reflects the driver's unique tendencies can be performed in the vehicle 100 when the ECU 210 controls the vehicle 100.

위의 설명은 기술적 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 기술 분야에서 통상의 지식을 가진 자라면 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서 위에 개시된 실시 예 및 첨부된 도면들은 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예 및 첨부된 도면에 의하여 기술적 사상의 범위가 한정되는 것은 아니다. 그 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술적 사상은 권리 범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely an illustrative explanation of the technical idea, and those skilled in the art will be able to make various modifications, changes, and substitutions without departing from the essential characteristics. Accordingly, the embodiments disclosed above and the attached drawings are for illustrative purposes rather than limiting the technical idea, and the scope of the technical idea is not limited by these embodiments and the attached drawings. The scope of protection should be interpreted in accordance with the claims below, and all technical ideas within the equivalent scope should be interpreted as being included in the scope of rights.

100: 차량
102: 텔레매틱스 센터
104: 서버
202: 제어부
204: 통신부
206: 메모리
210: ECU100: vehicle
102: Telematics Center
104: server
202: control unit
204: Department of Communications
206: memory
210:ECU

Claims (12)

운전자가 차량을 운전하는 동안 상기 차량에서 발생하는 운전 데이터를 수집하여 상기 운전 데이터를 서버로 전송하되, 수집한 상기 운전 데이터를 상기 차량의 메모리에 저장하고, 누적 운전 시간 또는 누적 주행 거리를 기준으로 설정한 주기마다 저장한 상기 운전 데이터를 상기 서버로 전송한 후 상기 메모리를 초기화하는 단계와;
상기 서버에서 상기 운전 데이터를 기초로 상기 운전자의 운전 성향의 학습이 이루어지면, 상기 학습의 결과가 반영된 데이터를 상기 서버로부터 수신하는 단계와;
수신된 상기 데이터에 기초하여 상기 운전자의 운전 성향의 학습 결과를 상기 차량의 제어에 반영하되, 차량의 파워 오프시 배터리 전력이 펌웨어 업데이트를 수행하기 충분할 때 OTA 방식의 펌웨어 업데이트를 수행하여 운전자 고유 성향을 반영한 커스터마이징 제어를 수행하는 단계를 포함하는 차량 제어 방법.While the driver is driving the vehicle, the driving data generated in the vehicle is collected and the driving data is transmitted to the server. The collected driving data is stored in the vehicle's memory and based on the accumulated driving time or accumulated driving distance. initializing the memory after transmitting the driving data stored at each set cycle to the server;
When the server learns the driver's driving tendency based on the driving data, receiving data reflecting the results of the learning from the server;
Based on the received data, the learning results of the driver's driving tendency are reflected in the control of the vehicle, and when the battery power is sufficient to perform the firmware update when the vehicle is turned off, an OTA firmware update is performed to determine the driver's unique tendency. A vehicle control method including the step of performing customized control reflecting. 삭제delete 삭제delete 삭제delete 제 1 항에 있어서,
상기 서버에서의 학습은 상기 운전자의 운전 성향을 반영하여 상기 차량의 제어를 커스터마이징하기 위한 것인 차량 제어 방법.According to claim 1,
A vehicle control method in which the learning in the server is to customize control of the vehicle by reflecting the driver's driving tendency. 제 1 항에 있어서,
상기 서버에서의 학습은 머신 러닝과 딥 러닝 가운데 적어도 하나를 포함하는 차량 제어 방법.According to claim 1,
A vehicle control method wherein learning in the server includes at least one of machine learning and deep learning. 서버와 통신하기 위한 통신부와;
운전자가 차량을 운전하는 동안 상기 차량에서 발생하는 운전 데이터를 수집하여 상기 운전 데이터를 상기 통신부를 통해 서버로 전송하되, 수집한 상기 운전 데이터를 상기 차량의 메모리에 저장하고, 누적 운전 시간 또는 누적 주행 거리를 기준으로 설정한 주기마다 저장한 상기 운전 데이터를 상기 서버로 전송한 후 상기 메모리를 초기화하며, 상기 서버에서 상기 운전 데이터를 기초로 상기 운전자의 운전 성향의 학습이 이루어지면, 상기 학습의 결과가 반영된 데이터를 상기 서버로부터 상기 통신부를 통해 수신하며, 수신된 상기 데이터에 기초하여 상기 운전자의 운전 성향의 학습 결과를 상기 차량의 제어에 반영하되, 차량의 파워 오프시 배터리 전력이 펌웨어 업데이트를 수행하기 충분할 때 OTA 방식의 펌웨어 업데이트를 수행하여 운전자 고유 성향을 반영한 커스터마이징 제어를 수행하는 제어부를 포함하는 차량.a communication unit for communicating with a server;
While the driver is driving the vehicle, the driving data generated in the vehicle is collected and the driving data is transmitted to the server through the communication unit, and the collected driving data is stored in the vehicle's memory, and the accumulated driving time or accumulated driving time is stored in the vehicle's memory. The driving data stored at intervals set based on distance are transmitted to the server and then the memory is initialized. When the server learns the driver's driving tendency based on the driving data, the result of the learning is Receives the reflected data from the server through the communication unit, and reflects the learning results of the driver's driving tendency on the control of the vehicle based on the received data, and performs firmware update using battery power when the vehicle is powered off. A vehicle that includes a control unit that performs OTA firmware update when sufficient to perform customization control that reflects the driver's unique preferences. 삭제delete 삭제delete 삭제delete 제 7 항에 있어서,
상기 서버에서의 학습은 상기 운전자의 운전 성향을 반영하여 상기 차량의 제어를 커스터마이징하기 위한 것인 차량.According to claim 7,
A vehicle where the learning in the server is for customizing control of the vehicle by reflecting the driver's driving tendencies. 제 7 항에 있어서,
상기 서버에서의 학습은 머신 러닝과 딥 러닝 가운데 적어도 하나를 포함하는 차량.
According to claim 7,
A vehicle in which learning in the server includes at least one of machine learning and deep learning.
KR1020220026894A 2022-03-02 2022-03-02 Vehicle and method of controlling the same KR102585532B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220026894A KR102585532B1 (en) 2022-03-02 2022-03-02 Vehicle and method of controlling the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220026894A KR102585532B1 (en) 2022-03-02 2022-03-02 Vehicle and method of controlling the same

Publications (2)

Publication Number Publication Date
KR20230129807A KR20230129807A (en) 2023-09-11
KR102585532B1 true KR102585532B1 (en) 2023-10-10

Family

ID=88020349

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220026894A KR102585532B1 (en) 2022-03-02 2022-03-02 Vehicle and method of controlling the same

Country Status (1)

Country Link
KR (1) KR102585532B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102033924B1 (en) * 2018-06-04 2019-10-18 이성식 System for providing driving route of unmanned autonomous vehicle based on big data and method using the same

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200118917A (en) * 2019-04-08 2020-10-19 현대자동차주식회사 Vehicle, and control method for the same

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102033924B1 (en) * 2018-06-04 2019-10-18 이성식 System for providing driving route of unmanned autonomous vehicle based on big data and method using the same

Also Published As

Publication number Publication date
KR20230129807A (en) 2023-09-11

Similar Documents

Publication Publication Date Title
US9294459B2 (en) Method for a motor vehicle
KR101094781B1 (en) Configuration System Of A Vehicle And Process For The Configuration Of At Least One Control Unit Of The Configuration System
US9086941B1 (en) System and method for providing predictive software upgrades
CN109305116B (en) Vehicle state monitoring system and vehicle
CN104768130B (en) In-vehicle notification presentation scheduling
JP4139314B2 (en) Driving workload estimation method and system
CN102378966B (en) Device for updating software mounted on vehicle
US8527485B2 (en) Method and system for processing information relating to a vehicle
US20100087981A1 (en) Versatile vehicular care assistant system and method
US9465214B2 (en) Methods and systems for managing a vehicle computer to record information and images
KR102125922B1 (en) Vehicle control device
WO2018230314A1 (en) Control device, control method and computer program
US11704106B2 (en) Program update system and vehicle management server
CN105827674A (en) Method for setting driving preference, vehicle terminal, mobile terminal and system
US20190243633A1 (en) Vehicular communication system
CN108008964A (en) Vehicle netbios, the management method and vehicle of vehicle-mounted software
JP2002144983A (en) Method and device for changing control software of vehicle control device
KR102585532B1 (en) Vehicle and method of controlling the same
KR20030001665A (en) A management system of a car
US20230195445A1 (en) On-board device, information processing method, and computer program
EP4361798A1 (en) Method for updating electronic control unit (ecu), ecu, and terminal
WO2022205443A1 (en) Software upgrade method and apparatus
CN114475481A (en) Transmission system and method for configuration information of parts of miniature electric vehicle
CN113485734A (en) Automatic vehicle configuration flashing method
JP6500650B2 (en) Vehicle diagnostic apparatus, vehicle diagnostic method

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right