KR20210123657A - 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램 - Google Patents

차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램 Download PDF

Info

Publication number
KR20210123657A
KR20210123657A KR1020200041085A KR20200041085A KR20210123657A KR 20210123657 A KR20210123657 A KR 20210123657A KR 1020200041085 A KR1020200041085 A KR 1020200041085A KR 20200041085 A KR20200041085 A KR 20200041085A KR 20210123657 A KR20210123657 A KR 20210123657A
Authority
KR
South Korea
Prior art keywords
vehicle
risk
code data
dtc code
risk level
Prior art date
Application number
KR1020200041085A
Other languages
English (en)
Inventor
김영로
오성혁
정진성
Original Assignee
주식회사 지엔피컴퍼니
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 지엔피컴퍼니 filed Critical 주식회사 지엔피컴퍼니
Priority to KR1020200041085A priority Critical patent/KR20210123657A/ko
Publication of KR20210123657A publication Critical patent/KR20210123657A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
    • B60K35/20—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor
    • B60K35/29—Instruments characterised by the way in which information is handled, e.g. showing information on plural displays or prioritising information according to driving conditions
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • B60K2370/186—

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램에 관한 것이다.
본 발명의 실시예에 따르면, 차량의 OBD-Ⅱ(On-Board Diagnosis-Ⅱ) 커넥터로부터 입력받은 차량의 DTC 코드 데이터에 기초하여 차량의 위험 등급을 판단하여 제공하도록 구성된 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램이 개시된다.

Description

차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램 {Risk rating determination method using vehicle failure information, system for risk rating determination, and computer program therefor}
본 발명은 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램에 관한 것으로서, 차량의 OBD-Ⅱ(On-Board Diagnosis-Ⅱ) 커넥터로부터 입력받은 차량의 DTC 코드 데이터에 기초하여 차량의 위험 등급을 판단하여 제공하도록 구성된 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램에 관한 것이다.
차량 부품의 전자화를 통해 챠랑의 성능이나 안전도가 증가되고 있다. 차량 부품의 전자화의 예로서, 엔진 및 트랜스미션, ABS, Air Bag 등에 임베디드 방식의 소형 컴퓨터가 설치되어 다양한 전자적 제어가 이뤄지고 있다.
차량 부품의 전자화와 함께 차량에 각종 센서를 부착하여 고장 파트를 간편하게 확인할 수 있는 ECU(Engine Control Unit)가 차량에 설치되고 있다. 따라서 차량의 고장점검을 할 경우에는 상기 ECU에 차량 고장진단장치를 연결하여 차량의 고장 파트를 점검하게 된다.
그런데 종래의 차량 고장진단장치는 차량의 이상유무를 나타내는 고장코드를 정비소에서 해독하기 전에는 고장 내용을 일반 운전자가 알 수 없어 차량의 이상을 일반 운전자가 파악하여 미리 대응을 하기에 어렵다는 문제점이 있었다.
이러한 점을 감안한 종래기술의 예로서, 대한민국 공개특허 10-2009-0049492 (2009년05월18일 공개)는 차량 고장진단기기에 관한 것으로서, 차량의 OBD-Ⅱ 커넥터로부터 차량의 센서 및 DTC 코드 데이터를 획득하여 차량의 현재상태나 고장부위를 실시간으로 화면 및 음성으로 출력해주는 차량의 고장진단기기를 제안하였다.
그러나, 상기 종래기술은 운전자에게 차량의 현재 상태를 알려주는데 주안점이 있었으므로, 차량의 상태에 기초하여 차량의 위험 등급을 미리 판단하여 미리 대비하도록 하는데에는 한계점이 있었다.
대한민국 공개특허 10-2009-0049492 (2009년05월18일 공개)
본 발명은 상기와 같은 문제점을 감안하여 안출한 것으로서, 차량의 OBD-Ⅱ 커넥터로부터 입력받은 차량의 DTC 코드 데이터에 기초하여 차량의 위험 등급을 판단하여 제공하도록 구성된 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램을 제공하는 것을 목적으로 한다.
상기 목적을 감안한 본 발명의 일 측면에 따르면, 차량에 설치된 컴퓨팅 수단이 차량의 위험 등급을 판단하여 제공하는 방법으로서, 1) 차량의 OBD-Ⅱ(On-Board Diagnosis-Ⅱ) 커넥터를 통해 DTC(Diagnostic Trouble Codes) 코드 데이터를 입력받는 단계; 2) 상기 DTC 코드 데이터를 위험 등급 판단 모델에 입력하여 위험 등급 판단 결과를 산출하는 단계- 상기 위험 등급 판단 결과는 상기 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 해당하는지를 판단한 결과임-; 및 3) 산출한 위험 등급 판단 결과에 따라 차량 정비 필요 여부 및 기간 조건을 알리는 알림 정보를 표시 수단을 통해 표출하는 단계;를 포함하여 구성된 차량 고장 정보를 이용한 위험 등급 판단방법이 개시된다.
바람직하게, 상기 위험 등급 판단 모델은, 하나의 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 매칭되도록 매칭 관계를 설정한 위험 등급 매칭 기준에 기초하여 위험 등급 판단 결과를 산출하는 모델이다.
바람직하게, 상기 복수의 위험 등급은 각각의 등급별로 차량 정비가 필요한 기간 조건이 서로 다르게 설정된다.
바람직하게, 상기 복수의 위험 등급은, 차량 정비가 즉시 필요하다고 판단하는 A 등급, 차량 정비가 1주일 내에 필요하다고 판단하는 B 등급, 차량 정비가 1개월 내에 필요하다고 판단하는 C 등급, 차량 정비가 정기 점검 시 이뤄져도 좋다고 판단하는 D 등급을 포함하여 구성된다.
바람직하게, 상기 2)단계의 실행 결과, 상기 DTC 코드 데이터가 상기 C 등급 또는 D 등급으로 판단된 경우, 차량 시동시 또는 주행 중 미리 설정된 주기마다, 차량의 OBD-Ⅱ 커넥터를 통해 차량의 센서 데이터를 모니터링하고, 모니터링 결과를 상기 표시 수단을 통해 표출한다.
바람직하게, 상기 위험 등급 판단 모델은, 각각의 DTC 코드 데이터에 대해, 각각의 DTC 코드 데이터 입력 시점으로부터 실제 고장 발생 시점까지의 기간을 학습 데이터로써 딥러닝하여 생성한 딥러닝 모델이다.
바람직하게, 상기 딥러닝은 지도학습이며, 상기 학습 데이터의 입력값은 DTC 코드 데이터이고, 상기 학습 데이터의 출력값은 각각의 DTC 코드 데이터 입력 시점으로부터 실제 고장 발생 시점까지의 기간에 관한 정보이다.
바람직하게, 상기 위험 등급 판단 모델은 CNN(Convolution Neural Networks)에 기반한 딥러닝 모델이다.
본 발명의 또다른 일 측면에 따르면, 하나 이상의 명령을 저장하는 메모리; 및 상기 메모리에 저장된 상기 하나 이상의 명령을 실행하는 프로세서를 포함하고, 상기 프로세서는, 차량의 OBD-Ⅱ 커넥터를 통해 DTC 코드 데이터를 입력받으며; 상기 DTC 코드 데이터를 위험 등급 판단 모델에 입력하여 위험 등급 판단 결과를 산출하며- 상기 위험 등급 판단 결과는 상기 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 해당하는지를 판단한 결과임-; 산출한 위험 등급 판단 결과에 따라 차량 정비 필요 여부 및 기간 조건을 알리는 알림 정보를 표시 수단을 통해 표출하는 것을 특징으로 하는 차량 고장 정보를 이용한 위험 등급 판단장치가 개시된다.
본 발명의 또다른 일 측면에 따르면, 하나 이상의 명령을 저장하는 메모리와 상기 메모리에 저장된 상기 하나 이상의 명령을 실행하는 프로세서를 포함하는 하드웨어와 결합되어 차량 고장 정보를 이용한 위험 등급 판단방법을 실행하도록 컴퓨터 판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 차량 고장 정보를 이용한 위험 등급 판단방법은, 1) 차량의 OBD-Ⅱ 커넥터를 통해 DTC 코드 데이터를 입력받는 단계; 2) 상기 DTC 코드 데이터를 위험 등급 판단 모델에 입력하여 위험 등급 판단 결과를 산출하는 단계- 상기 위험 등급 판단 결과는 상기 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 해당하는지를 판단한 결과임-; 및 3) 산출한 위험 등급 판단 결과에 따라 차량 정비 필요 여부 및 기간 조건을 알리는 알림 정보를 표시 수단을 통해 표출하는 단계;를 포함하여 구성된 것을 특징으로 하는 컴퓨터 판독 가능 매체에 저장된 컴퓨터 프로그램이 개시된다.
이와 같은 본 발명은, 차량의 OBD-Ⅱ 커넥터로부터 입력받은 차량의 DTC 코드 데이터에 기초하여 차량의 위험 등급을 판단하여 제공함으로써, 운전자가 차량의 위험 등급을 판단하여 미리 대비하도록 하는 장점이 있다.
도 1은 본 발명의 일실시예에 따른 위험 등급 판단장치의 구성도,
도 2는 본 발명의 일실시예에 따른 위험 등급 판단방법의 흐름도,
도 3은 DTC(Diagnostic Trouble Codes) 코드를 설명하기 위한 도면이다.
본 발명은 그 기술적 사상 또는 주요한 특징으로부터 벗어남이 없이 다른 여러가지 형태로 실시될 수 있다. 따라서, 본 발명의 실시예들은 모든 점에서 단순한 예시에 지나지 않으며 한정적으로 해석되어서는 안 된다.
제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다.
본 출원에서 사용한 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구비하다", "가지다" 등의 용어는 명세서에 기재된 구성요소 또는 이들의 조합이 존재하는 것을 표현하려는 것이지, 다른 구성요소 또는 특징이 존재 또는 부가될 가능성을 미리 배제하는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 위험 등급 판단장치의 구성도이다.
커넥터부(21)는 차량의 OBD-Ⅱ 커넥터(10)로부터 데이터 케이블을 통하여 전송된 차량의 센서 데이터 및 DTC 코드 데이터가 입력되도록 한다.
OBD-Ⅱ(On-Board Diagnosis)는 미국의 자동차 배출가스 관련 규제 중 하나로서 차량에 내장된 컴퓨터로 차량 운행 중 배출가스 제어부품이나 시스템을 진단하여 고장으로 판정되었을 때 DTC(Diagnostic Trouble Code) 코드를 저장하고 경고등(MIL: Malfunction Indicator Light)이 켜지도록 규정한 법규이다.
OBD-Ⅱ 법규에 따른 진단항목은 촉매, 엔진 실화, 연료계, 냉방기 냉매의 유출, 증발가스 시스템의 누출, 산소센서, EGR, Thermostat, PCV(Positive Crankcase Ventilation)밸브, 기타 엔진이나 트랜스미션의 제어나 진단에 사용되는 센서와 솔레노이드 등이 모두 포함된다.
상기 OBD-Ⅱ 법규에 따른 OBD-Ⅱ 커넥터(10)는 차량의 운전석 하단부근에 설치될 수 있다.
일예로, 차량의 OBD-Ⅱ커넥터(10)와 커넥터부(21) 상호 간의 데이터의 전송은 ISO9141-2 또는 KWP2000의 차량 고장진단 표준 프로토콜을 이용하여 CAN 또는 K-Line을 통하여 이루어질 수 있다. ISO9141-2 및 KWP2000은 ISO(International Organization for Standardization)와 SAE(Society of Automotive Engineers)에서 지정한 차량 고장진단 표준 프로토콜이다. CAN(Controller Area Network)은 소규모 범위에서 사용할 수 있는 네트워크 통신 방식이며, K-Line은 OBD 법규에 의해 명명된 차량용 진단 통신 라인이다.
상기 센서 데이터는 타이어 공기압, 변속기 오일온도, 엔진냉각수 온도, 배터리 전압 등일 수 있다.
MCU(20)는 제어부(22)와 메모리부(23)를 포함하며 상기 커넥터부(21)를 통하여 입력된 데이터가 연산, 처리되도록 한다.
상기 MCU(20)의 메모리부(23)는 데이터가 임시로 저장되는 휘발성메모리(25)와, 하나의 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 매칭되도록 매칭 관계를 설정한 위험 등급 매칭 기준이 저장되고 또한 위험 등급 판단방법을 실행하는 컴퓨터 프로그램이 저장되는 비휘발성메모리(24)로 이루어진다.
상기 제어부(22)에서 처리되는 데이터는 메모리부(23)의 휘발성메모리(25)에 임시로 저장되거나 비휘발성메모리(24)에 파일로서 저장되며, 상기 파일에 기초하여 차량의 이력 관리가 가능하다.
디스플레이부(30) 및 음성출력부(40)는 상기 MCU(20)에서 OBD-Ⅱ 커넥터(10)로부터 획득하는 차량의 센서 데이터 또는 위험 등급 판단과 관련하여 연산, 처리된 데이터를 화면 및 음성으로 출력되도록 한다.
통신 인터페이스(27)는 상기 MCU(20)에서 출력한 데이터를 전송하고 외부의 데이터를 수신하기 위해 무선통신모듈(60)과 접속된다. 일예로, 상기 무선통신모듈(60)은 3G, 4G, LTE, 5G 모듈 또는 무선 LAN 모듈일 수 있다.
또다른 통신 인터페이스(28)는 상기 MCU(20)에서 출력한 데이터를 전송하고 외부의 데이터를 수신하기 위해 외부기기(70)와 접속된다. 일예로, 상기 외부기기(70)는 스마트폰, 태블릿 PC 등의 통신 기능을 구비한 스마트 기기일 수 있다.
외부메모리 슬롯(26)은 상기 MCU(20)에서 출력한 데이터가 외부메모리에 저장되도록 한다. 상기 외부메모리 슬롯(26)은 위험 등급 판단장치의 작동 중에 생성되는 데이터를 SD 메모리 등과 같은 외부 메모리에 저장하여 운전자 또는 차량 정비업소의 컴퓨터를 통한 이력 관리가 가능하도록 해준다.
GPS모듈(29)은 시각 데이터, 위치 데이터를 수신한다.
키패드부(50)는 사용자의 다양한 제어 명령을 입력받는다.
도시되지는 않았지만 본 실시예의 위험 등급 판단장치가 작동되기 위해 차량의 배터리로부터 12~24V의 전원을 공급받기 위한 전원부(미도시)가 구비된다.
본 실시예의 위험 등급 판단장치는, 차량의 시동 후에 OBD-Ⅱ 커넥터(10)로부터 차량의 DTC 코드 데이터가 입력되는 경우, 상기 비휘발성메모리(24)에 저장되며 위험 등급 판단방법을 실행하는 컴퓨터 프로그램에 의해 위험 등급 판단 모델이 실행되며, 상기 DTC 코드 데이터를 위험 등급 판단 모델에 입력하여 위험 등급 판단 결과를 산출하고, 산출한 위험 등급 판단 결과에 따라 차량 정비 필요 여부 및 기간 조건을 알리는 알림 정보를 디스플레이부(30) 및/또는 음성출력부(40)를 통하여 출력한다. 상기 알림 정보는 운전자의 키패드부(50) 조작에 의해 또는 자동으로 제공될 수 있다.
도 3은 DTC(Diagnostic Trouble Codes) 코드를 설명하기 위한 도면이다.
DTC 코드는 SAE J2012 및 ISO 15031-6에서 규정하고 있으며, 대략 11000개 정도의 코드가 정의되어 있다.
DTC 코드의 좌측 첫번째 자리는 DTC 코드의 패밀리를 구분하는 문자이고, 좌측 두번째 자리는 일반 고장(0)인지 또는 생산업체 고장(1)인지를 구분하는 문자이며, 우측의 3개 문자는 개별 고장을 구분하는 고유 문자 세트이다.
DTC 코드의 내용에 의해 차량의 고장이 구체적으로 분류되어 식별될 수 있다.
도 2는 본 발명의 일실시예에 따른 위험 등급 판단방법의 흐름도이다.
이하의 설명에서 컴퓨팅 수단은 위험 등급 판단방법을 실행하는 컴퓨터 프로그램이 구동되는 상기 MCU(20)에 해당하며, 표시 수단은 디스플레이부(30) 및/또는 음성출력부(40)에 해당한다.
1)단계에서 컴퓨팅 수단이, 차량의 OBD-Ⅱ(On-Board Diagnosis-Ⅱ) 커넥터를 통해 DTC(Diagnostic Trouble Codes) 코드 데이터를 입력받는다.
2)단계에서 컴퓨팅 수단이, 상기 DTC 코드 데이터를 위험 등급 판단 모델에 입력하여 위험 등급 판단 결과를 산출한다.
상기 위험 등급 판단 결과는 상기 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 해당하는지를 판단한 결과이다.
상기 복수의 위험 등급은 각각의 등급별로 차량 정비가 필요한 기간 조건이 서로 다르게 설정된다.
바람직한 일예로, 상기 복수의 위험 등급은, 차량 정비가 즉시 필요하다고 판단하는 A 등급, 차량 정비가 1주일 내에 필요하다고 판단하는 B 등급, 차량 정비가 1개월 내에 필요하다고 판단하는 C 등급, 차량 정비가 정기 점검 시 이뤄져도 좋다고 판단하는 D 등급을 포함하여 구성된다.
일예로, 위험 등급의 부여는 아래의 표 1과 같이 이뤄질 수 있다.
등급 위험상황 기간 조건 위험 예
A 위험 매우 높음 차량 정비가 즉시 필요 엔진 정지 가능성, 변속 쇼크, 제동 이상
B 위험 높음 차량 정비가 1주일 내에 필요 차량 떨림, 체크엔진, 동력 성능 저하
C 위험 보통 차량 정비가 1개월 내에 필요 엔진 떨림, 소음 발생
D 위험 낮음 차량 정비가 정기 점검 시 이뤄져도 좋음 주행 중 인지 안 됨
바람직하게, 상기 2)단계의 실행 결과, 상기 DTC 코드 데이터가 상기 C 등급 또는 D 등급으로 판단된 경우, 차량 시동시 또는 주행 중 미리 설정된 주기(예, 1주일)마다, 차량의 OBD-Ⅱ 커넥터를 통해 차량의 센서 데이터를 모니터링하고, 모니터링 결과를 상기 표시 수단을 통해 표출한다. C 등급 또는 D 등급인 경우에는 차량 정비가 급하게 요구되지는 않지만 고장이 발생한 경우이기는 하므로, 센서 데이터의 모니터링 결과를 상기 표시 수단을 통해 표출하여 운전자가 주의 상태를 유지하도록 한다.
3)단계에서 컴퓨팅 수단이, 산출한 위험 등급 판단 결과에 따라 차량 정비 필요 여부 및 기간 조건(언제까지 차량 정비가 필요한지에 관한 기간 조건)을 알리는 알림 정보를 표시 수단을 통해 표출한다.
일예로, 상기 위험 등급 판단 모델은, 하나의 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 매칭되도록 매칭 관계를 설정한 위험 등급 매칭 기준에 기초하여 위험 등급 판단 결과를 산출하는 모델일 수 있다.
상기 위험 등급 매칭 기준은 각각의 DTC 코드 데이터에 대해 하나의 위험 등급을 매칭하여 저장한 매칭 DB의 형태로 구성될 수 있다. 이러한 매칭 관계는 통계 데이터에 기반하여 설정 입력될 수 있다.
예를 들어, 상기 표 1을 참조할 때, '엔진 정지 가능성'과 관련된 DTC 코드 데이터는 A 등급이 매칭되어 위험 등급 매칭 기준을 구성하는 매칭 DB에 저장되며, '차량 떨림'과 관련된 DTC 코드 데이터는 B 등급이 매칭되어 위험 등급 매칭 기준을 구성하는 매칭 DB에 저장될 수 있다.
다른예로, 상기 위험 등급 판단 모델은, 각각의 DTC 코드 데이터에 대해, 각각의 DTC 코드 데이터 입력 시점으로부터 실제 고장 발생 시점까지의 기간을 학습 데이터로써 딥러닝하여 생성한 딥러닝 모델일 수 있다.
일예로, 상기 위험 등급 판단 모델은 CNN(Convolution Neural Networks)에 기반한 딥러닝 모델이다.
예를 들어, 차량 제조업체 또는 차량 정비업체에서는 각각의 차종별로 각각의 DTC 코드 데이터 입력 시점(최초 발생 시점)으로부터 실제 고장 발생 시점(코드 내용에 따른 실제 고장 발생 시점)까지의 기간에 관한 빅데이터를 수집하고 이를 이용하여 딥러닝 모델을 구성할 수 있다.
바람직하게, 상기 딥러닝은 지도학습이며, 상기 학습 데이터의 입력값은 DTC 코드 데이터이고, 상기 학습 데이터의 출력값은 각각의 DTC 코드 데이터 입력 시점으로부터 실제 고장 발생 시점까지의 기간에 관한 정보이다.
이러한 지도학습 모델에 기반하여 딥러닝 모델을 구성하면, 차량 시동 후 또는 차량 주행 시 특정 DTC 코드 데이터가 컴퓨팅 수단에 입력된 경우, 해당 DTC 코드 데이터를 딥러닝 모델에 입력하고 실제 고장 발생 시점까지의 기간에 관한 정보(예측 정보)를 출력 정보로 얻을 수 있다. 실제 고장 발생 시점까지의 기간에 관한 정보는 상술한 표 1의 기간 조건에 대응하므로, 이를 이용하여 위험 등급을 산출할 수 있다.
예를 들어, '엔진 정지 가능성'과 관련된 DTC 코드 데이터가 컴퓨팅 수단에 입력되었는데, 미리 학습된 딥러닝 모델이 해당 DTC 코드 데이터에 대해 해당 DTC 코드 데이터의 입력 시점(최초 발생 시점)으로부터 실제 고장 발생 시점까지의 기간이 3일 정도라고 판단하는 경우, 해당 DTC 코드 데이터는 차량 정비가 즉시 필요한 A 등급에 해당하는 것으로 판단 결과를 출력할 수 있다.
다른예로, '차량 떨림'과 관련된 DTC 코드 데이터가 컴퓨팅 수단에 입력되었는데, 미리 학습된 딥러닝 모델이 해당 DTC 코드 데이터에 대해 해당 DTC 코드 데이터의 입력 시점(최초 발생 시점)으로부터 실제 고장 발생 시점까지의 기간이 10일 정도라고 판단하는 경우, 해당 DTC 코드 데이터는 차량 정비가 1주일 내에 필요한 B 등급에 해당하는 것으로 판단 결과를 출력할 수 있다.
운전자는 이러한 판단 결과를 참조하여, 기간 조건에 부합하도록 차량 정비를 진행할 수 있다.
본 발명의 실시예들은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램과 이를 기록한 컴퓨터 판독 가능 기록 매체를 포함한다. 상기 컴퓨터 판독 가능 기록 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD, USB 드라이브와 같은 광기록 매체, 플롭티컬 디스크와 같은 자기-광 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
10: OBD-Ⅱ 커넥터
20: MCU(컴퓨팅 수단)
21: 커넥터부
22: 제어부
23: 메모리부
24: 비휘발성메모리
25: 휘발성메모리
26: 외부메모리 슬롯
27,28: 통신 인터페이스
29: GPS모듈
30: 디스플레이부(표시 수단)
40: 음성출력부
50: 키패드부
60: 무선통신모듈
70: 외부기기

Claims (10)

  1. 차량에 설치된 컴퓨팅 수단이 차량의 위험 등급을 판단하여 제공하는 방법으로서,
    1) 차량의 OBD-Ⅱ(On-Board Diagnosis-Ⅱ) 커넥터를 통해 DTC(Diagnostic Trouble Codes) 코드 데이터를 입력받는 단계;
    2) 상기 DTC 코드 데이터를 위험 등급 판단 모델에 입력하여 위험 등급 판단 결과를 산출하는 단계- 상기 위험 등급 판단 결과는 상기 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 해당하는지를 판단한 결과임-; 및
    3) 산출한 위험 등급 판단 결과에 따라 차량 정비 필요 여부 및 기간 조건을 알리는 알림 정보를 표시 수단을 통해 표출하는 단계;를 포함하여 구성된 차량 고장 정보를 이용한 위험 등급 판단방법.
  2. 제1항에 있어서,
    상기 위험 등급 판단 모델은,
    하나의 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 매칭되도록 매칭 관계를 설정한 위험 등급 매칭 기준에 기초하여 위험 등급 판단 결과를 산출하는 모델인 것을 특징으로 하는 차량 고장 정보를 이용한 위험 등급 판단방법.
  3. 제1항에 있어서,
    상기 복수의 위험 등급은 각각의 등급별로 차량 정비가 필요한 기간 조건이 서로 다르게 설정된 것을 특징으로 하는 차량 고장 정보를 이용한 위험 등급 판단방법.
  4. 제3항에 있어서,
    상기 복수의 위험 등급은,
    차량 정비가 즉시 필요하다고 판단하는 A 등급,
    차량 정비가 1주일 내에 필요하다고 판단하는 B 등급,
    차량 정비가 1개월 내에 필요하다고 판단하는 C 등급,
    차량 정비가 정기 점검 시 이뤄져도 좋다고 판단하는 D 등급을 포함하여 구성된 것을 특징으로 하는 차량 고장 정보를 이용한 위험 등급 판단방법.
  5. 제4항에 있어서,
    상기 2)단계의 실행 결과,
    상기 DTC 코드 데이터가 상기 C 등급 또는 D 등급으로 판단된 경우, 차량 시동시 또는 주행 중 미리 설정된 주기마다, 차량의 OBD-Ⅱ 커넥터를 통해 차량의 센서 데이터를 모니터링하고, 모니터링 결과를 상기 표시 수단을 통해 표출하는 것을 특징으로 하는 차량 고장 정보를 이용한 위험 등급 판단방법.
  6. 제1항에 있어서,
    상기 위험 등급 판단 모델은,
    각각의 DTC 코드 데이터에 대해, 각각의 DTC 코드 데이터 입력 시점으로부터 실제 고장 발생 시점까지의 기간을 학습 데이터로써 딥러닝하여 생성한 딥러닝 모델인 것을 특징으로 하는 차량 고장 정보를 이용한 위험 등급 판단방법.
  7. 제6항에 있어서,
    상기 딥러닝은 지도학습이며,
    상기 학습 데이터의 입력값은 DTC 코드 데이터이고,
    상기 학습 데이터의 출력값은 각각의 DTC 코드 데이터 입력 시점으로부터 실제 고장 발생 시점까지의 기간에 관한 정보인 것을 특징으로 하는 차량 고장 정보를 이용한 위험 등급 판단방법.
  8. 제7항에 있어서,
    상기 위험 등급 판단 모델은 CNN(Convolution Neural Networks)에 기반한 딥러닝 모델인 것을 특징으로 하는 차량 고장 정보를 이용한 위험 등급 판단방법.
  9. 하나 이상의 명령을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 명령을 실행하는 프로세서를 포함하고,
    상기 프로세서는,
    차량의 OBD-Ⅱ 커넥터를 통해 DTC 코드 데이터를 입력받으며;
    상기 DTC 코드 데이터를 위험 등급 판단 모델에 입력하여 위험 등급 판단 결과를 산출하며- 상기 위험 등급 판단 결과는 상기 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 해당하는지를 판단한 결과임-;
    산출한 위험 등급 판단 결과에 따라 차량 정비 필요 여부 및 기간 조건을 알리는 알림 정보를 표시 수단을 통해 표출하는 것을 특징으로 하는 차량 고장 정보를 이용한 위험 등급 판단장치.
  10. 하나 이상의 명령을 저장하는 메모리와 상기 메모리에 저장된 상기 하나 이상의 명령을 실행하는 프로세서를 포함하는 하드웨어와 결합되어 차량 고장 정보를 이용한 위험 등급 판단방법을 실행하도록 컴퓨터 판독 가능 매체에 저장된 컴퓨터 프로그램으로서,
    상기 차량 고장 정보를 이용한 위험 등급 판단방법은,
    1) 차량의 OBD-Ⅱ 커넥터를 통해 DTC 코드 데이터를 입력받는 단계;
    2) 상기 DTC 코드 데이터를 위험 등급 판단 모델에 입력하여 위험 등급 판단 결과를 산출하는 단계- 상기 위험 등급 판단 결과는 상기 DTC 코드 데이터가 복수의 위험 등급 중 어느 하나에 해당하는지를 판단한 결과임-; 및
    3) 산출한 위험 등급 판단 결과에 따라 차량 정비 필요 여부 및 기간 조건을 알리는 알림 정보를 표시 수단을 통해 표출하는 단계;를 포함하여 구성된 것을 특징으로 하는 컴퓨터 판독 가능 매체에 저장된 컴퓨터 프로그램.
KR1020200041085A 2020-04-03 2020-04-03 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램 KR20210123657A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200041085A KR20210123657A (ko) 2020-04-03 2020-04-03 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200041085A KR20210123657A (ko) 2020-04-03 2020-04-03 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램

Publications (1)

Publication Number Publication Date
KR20210123657A true KR20210123657A (ko) 2021-10-14

Family

ID=78116219

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200041085A KR20210123657A (ko) 2020-04-03 2020-04-03 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램

Country Status (1)

Country Link
KR (1) KR20210123657A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114489500A (zh) * 2022-01-18 2022-05-13 上汽通用五菱汽车股份有限公司 故障数据处理方法、系统、设备及计算机可读存储介质
CN118131737A (zh) * 2024-05-07 2024-06-04 成都赛力斯科技有限公司 一种车辆信号异常与故障监测方法、系统、设备、介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090049492A (ko) 2007-11-13 2009-05-18 유빅테크주식회사 차량 고장진단기기

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090049492A (ko) 2007-11-13 2009-05-18 유빅테크주식회사 차량 고장진단기기

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114489500A (zh) * 2022-01-18 2022-05-13 上汽通用五菱汽车股份有限公司 故障数据处理方法、系统、设备及计算机可读存储介质
CN118131737A (zh) * 2024-05-07 2024-06-04 成都赛力斯科技有限公司 一种车辆信号异常与故障监测方法、系统、设备、介质

Similar Documents

Publication Publication Date Title
US11541899B2 (en) Vehicle diagnosis apparatus, vehicle diagnosis system, and vehicle diagnosis program
CN106406273B (zh) 车辆中故障原因的确定
US9836894B2 (en) Distributed vehicle health management systems
EP3176663B1 (en) Fault diagnosis method for vehicle
CA2827893C (en) Diagnostic baselining
US9721399B2 (en) Vehicle diagnosing apparatus, vehicle diagnosing system, and diagnosing method
US8306783B2 (en) Method for determining faulty components in a system
US8543280B2 (en) Collaborative multi-agent vehicle fault diagnostic system and associated methodology
US6950782B2 (en) Model-based intelligent diagnostic agent
US20190228322A1 (en) Vehicle repair guidance system
KR20210123657A (ko) 차량 고장 정보를 이용한 위험 등급 판단방법, 위험 등급 판단장치 및 이를 위한 컴퓨터 프로그램
US20230252829A1 (en) Method and diagnostic device for performing vehicle diagnostics
EP3865963A1 (en) Method and device for analyzing vehicle failure
US20180164760A1 (en) System and method to construct diagnostic dependence model
US11794758B2 (en) Selective health information reporting systems including integrated diagnostic models providing least and most possible cause information
KR20080038755A (ko) 차량용 고장 정보 처리 시스템 및 방법
WO2017081985A1 (ja) 車両制御装置
US20230110616A1 (en) Fault model editor and diagnostic tool
CN105469147B (zh) 用于诊断故障和/或诊断维修和/或维护需求的方法
KR102255599B1 (ko) 차량 고장 진단 서비스 제공 시스템 및 방법
US20220108569A1 (en) Automated detection of vehicle data manipulation and mechanical failure
CN112492025A (zh) 一种用于自动驾驶的边缘节点故障分析方法
JP7468778B2 (ja) 車両異常検出装置及び車両異常検出方法
US11396852B2 (en) Detection of fuel injector failure systems and methods
CN112863006B (zh) 车辆的检测方法、装置、设备、车辆和存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application