KR20220163201A

KR20220163201A - 차량의 변속 제어 장치 및 그 방법

Info

Publication number: KR20220163201A
Application number: KR1020210071801A
Authority: KR
Inventors: 정동훈; 전병욱; 신용욱; 채민재
Original assignee: 현대자동차주식회사; 기아 주식회사
Priority date: 2021-06-02
Filing date: 2021-06-02
Publication date: 2022-12-09
Also published as: US20220390007A1; CN115431987A; US11499630B1

Abstract

본 발명은 차량의 변속 제어 장치 및 그 방법에 관한 것으로, 학습이 완료된 딥러닝모델을 기반으로 미래의 시점별 차속과 APS(Accelerator Position Sensor) 값을 예측하고, 상기 예측한 차속과 APS 값을 입력으로 하여 미래의 시점별 기어단을 예측하며, 상기 예측한 미래의 시점별 기어단에 기초하여 차량의 변속을 제어함으로써, 비지 시프트 현상을 방지하는 것은 물론 변속에 의한 가속 지연 현상을 방지할 수 있는 차량의 변속 제어 장치 및 그 방법을 제공하고자 한다.
이를 위하여, 본 발명은 학습이 완료된 딥러닝모델을 저장하는 저장부; 및 상기 딥러닝모델을 기반으로 미래의 시점별 차속과 APS 값을 예측하고, 상기 차속과 APS 값을 이용하여 미래의 시점별 기어단을 예측하며, 상기 미래의 시점별 기어단에 기초하여 차량의 변속을 제어하는 제어부를 포함할 수 있다.

Description

차량의 변속 제어 장치 및 그 방법{APPARATUS FOR CONTROLLING TRANSMISSION OF VEHICLE AND METHOD THEREOF}

본 발명은 미래의 시점별 기어단을 예측하고 상기 예측한 기어단에 기초하여 차량의 변속(upshift or downshift)을 제어하는 기술에 관한 것이다.

일반적으로, 차량에는 엔진의 동력을 이용하여 차량의 주행속도를 조절하는 변속기가 구비되어 있는데, 이러한 변속기는 운전자에 의해 조절되는 수동변속기와, 차량의 주행속도에 따라 자동으로 조절되는 자동변속기로 구분된다. 상기 자동변속기는 차량의 내연기관의 출력 샤프트와 차축 사이에 설치되어, 액셀러레이터 조작량이나 차량의 주행속도에 따라 변속비를 자동으로 조절한다.

차량의 변속을 제어하는 종래의 기술은 차속과 가속 페달량(APS 값)에 상응하는 변속패턴에 기초하여 차량의 변속을 제어하는데, 이때 두 기어단 사이를 반복적으로 변속하는 비지 시프트(Busy Shift) 현상을 방지하기 위해, 기어단을 높이는데 이용되는 업시프트 패턴과 기어단을 낮추는데 이용되는 다운시프트 패턴을 별도로 구비한다.

이러한 종래의 기술은 일례로 6단 변속기에 적용되는 경우, 기본적인 변속 패턴(5개의 업시프트 패턴과 5개의 다운시프트 패턴으로 구성)을 구비해야 하고, 추가로 운전조건(일례로 구배, 고도, 운전모드 등)에 따라 수십 개의 변속 패턴을 더 구비해야 한다.

따라서, 종래의 기술은 수백 개의 업시프트 패턴과 다운시프트 패턴을 구비해야 하기 때문에 많은 테스트 시간이 필요하고, 아울러 변속 제어 로직을 구현하는데 어려움이 있다.

이 배경기술 부분에 기재된 사항은 발명의 배경에 대한 이해를 증진하기 위하여 작성된 것으로서, 이 기술이 속하는 분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술이 아닌 사항을 포함할 수 있다.

상기와 같은 종래 기술의 문제점을 해결하기 위하여, 본 발명은 학습이 완료된 딥러닝모델을 기반으로 미래의 시점별 차속과 APS(Accelerator Position Sensor) 값을 예측하고, 상기 예측한 차속과 APS 값을 입력으로 하여 미래의 시점별 기어단을 예측하며, 상기 예측한 미래의 시점별 기어단에 기초하여 차량의 변속을 제어함으로써, 비지 시프트 현상을 방지하는 것은 물론 변속에 의한 가속 지연 현상을 방지할 수 있는 차량의 변속 제어 장치 및 그 방법을 제공하는데 그 목적이 있다.

본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 차량의 변속 제어 장치는, 학습이 완료된 딥러닝모델을 저장하는 저장부; 및 상기 딥러닝모델을 기반으로 미래의 시점별 차속과 APS 값을 예측하고, 상기 차속과 APS 값을 이용하여 미래의 시점별 기어단을 예측하며, 상기 미래의 시점별 기어단에 기초하여 차량의 변속을 제어하는 제어부를 포함할 수 있다.

본 발명의 일 실시예에서, 상기 제어부는 현재 기어단의 업시프트 시점에, 상기 미래의 시점별 기어단 중에서 상기 현재 기어단보다 낮은 기어단의 수가 기준치를 초과하는 경우, 기준시간 동안 상기 현재 기어단을 유지할 수 있다.

본 발명의 일 실시예에서, 상기 제어부는 현재 기어단을 유지하는 상태에서, 상기 미래의 시점별 기어단 중에서 상기 현재 기어단보다 낮은 기어단의 수가 기준치를 초과하는 경우, 상기 현재 기어단의 다운시프트를 제어할 수 있다.

본 발명의 일 실시예에서, 상기 제어부는 상기 APS 값의 변화율이 임계치 이하인 경우, 상기 현재 기어단에서 1단계 아래 기어단으로의 변속을 제어할 수 있다.

본 발명의 일 실시예에서, 상기 제어부는 상기 APS 값의 변화율이 임계치를 초과하는 경우, 상기 현재 기어단에서 2단계 아래 기어단으로의 변속을 제어할 수 있다.

본 발명의 일 실시예에서, 상기 저장부는 상기 차속과 상기 APS(Accelerator Position Sensor) 값에 상응하는 요구파워가 기록된 파워 맵과, 동력원의 기어 단수별 에너지 소비 맵을 저장할 수 있다.

본 발명의 일 실시예에서, 상기 제어부는 상기 파워 맵에 기초하여 현재의 요구파워를 검출하고, 상기 요구파워를 기어 단수별로 동력원의 회전수와 토크로 나타낸 파워 그래프를 생성하며, 상기 파워 그래프를 상기 동력원의 에너지 소비 맵과 매칭하여 최소 에너지를 소모하는 기어단을 검출할 수 있다.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 차량의 변속 제어 방법은, 저장부가 학습이 완료된 딥러닝모델을 저장하는 단계; 및 제어부가 상기 딥러닝모델을 기반으로 미래의 시점별 차속과 APS 값을 예측하는 단계; 상기 제어부가 상기 차속과 APS 값을 이용하여 미래의 시점별 기어단을 예측하는 단계; 및 상기 제어부가 상기 미래의 시점별 기어단에 기초하여 차량의 변속을 제어하는 단계를 포함할 수 있다.

본 발명의 일 실시예는, 현재 기어단의 업시프트 시점에, 상기 미래의 시점별 기어단 중에서 상기 현재 기어단보다 낮은 기어단의 수가 기준치를 초과하는 경우, 기준시간 동안 상기 현재 기어단을 유지하는 단계를 포함할 수 있다.

본 발명의 일 실시예는, 현재 기어단을 유지하는 상태에서, 상기 미래의 시점별 기어단 중에서 상기 현재 기어단보다 낮은 기어단의 수가 기준치를 초과하는 경우, 상기 현재 기어단의 다운시프트를 제어하는 단계를 포함할 수 있다.

본 발명의 일 실시예는, 상기 APS 값의 변화율이 임계치 이하인 경우, 상기 현재 기어단에서 1단계 아래 기어단으로의 변속을 제어하는 단계를 포함할 수 있다.

본 발명의 일 실시예는, 상기 APS 값의 변화율이 임계치를 초과하는 경우, 상기 현재 기어단에서 2단계 아래 기어단으로의 변속을 제어하는 단계를 포함할 수 있다.

본 발명의 일 실시예는, 상기 차속과 상기 APS(Accelerator Position Sensor) 값에 상응하는 요구파워가 기록된 파워 맵과, 동력원의 기어 단수별 에너지 소비 맵을 저장하는 단계를 포함할 수 있다.

본 발명의 일 실시예는, 상기 파워 맵에 기초하여 현재의 요구파워를 검출하는 단계; 상기 요구파워를 기어 단수별로 동력원의 회전수와 토크로 나타낸 파워 그래프를 생성하는 단계; 및 상기 파워 그래프를 상기 동력원의 에너지 소비 맵과 매칭하여 최소 에너지를 소모하는 기어단을 검출하는 단계를 포함할 수 있다.

상기와 같은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치 및 그 방법은, 학습이 완료된 딥러닝모델을 기반으로 미래의 시점별 차속과 APS(Accelerator Position Sensor) 값을 예측하고, 상기 예측한 차속과 APS 값을 입력으로 하여 미래의 시점별 기어단을 예측하며, 상기 예측한 미래의 시점별 기어단에 기초하여 차량의 변속을 제어함으로써, 비지 시프트 현상을 방지하는 것은 물론 변속에 의한 가속 지연 현상을 방지할 수 있다.

도 1 은 본 발명이 적용되는 차량의 변속 제어 시스템을 나타내는 일예시도,
도 2 는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 대한 구성도,
도 3 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 제어부의 동작을 나타내는 일예시도,
도 4 는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 제어부의 동작을 나타내는 일예시도,
도 5a는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치의 제1 성능 분석도,
도 5b는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치의 제2 성능 분석도,
도 6 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 딥러닝모델의 일예시도,
도 7 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 저장부가 저장하는 파워 맵에 대한 일예시도,
도 8 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 저장부가 저장하는 동력원의 에너지 소비 맵에 대한 일예시도,
도 9 는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 제어부가 생성한 파워 그래프에 대한 일예시도,
도 10 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 제어부가 최소 에너지를 소모하는 기어단을 검출하는 과정을 나타내는 일예시도,
도 11 은 본 발명의 일 실시예에 따른 차량의 변속 제어 방법에 대한 흐름도,
도 12 는 본 발명의 일 실시예에 따른 차량의 변속 제어 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.

본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

도 1 은 본 발명이 적용되는 차량의 변속 제어 시스템을 나타내는 일예시도로서, 동력원이 엔진(10)인 경우를 나타내지만 동력원이 모터인 경우에도 동일한 방식으로 적용될 수 있음은 자명하다.

도 1에 도시된 바와 같이, 본 발명이 적용되는 차량의 변속 제어 시스템은, 스로틀 포지션 센서(TPS; Throttle Position Sensor)(100), 액셀러레이터 포지션 센서(APS; Accelerator Position Sensor)(110), 차속 센서(120), 가속도 센서(130), 휠속 센서(Wheel Speed Sensor)(140), 기울기 센서(150), 브레이크 포지션 센서(BPS; Brake Position Sensor)(160), 엔진 RPM(Revolution Per Minute) 센서(170), 토크 센서(180), 기어 센서(190), TCU(Transmission Control Unit)(200), 메모리(210), 및 디스플레이(220)를 포함할 수 있다.

상기 각 구성요소들에 대해 살펴보면, 먼저 TPS(100)는 엔진(10)의 스로틀 밸브의 개도량에 따른 스로틀 포지션을 감지하여, 그에 따른 스로틀 포지션 감지신호를 발생할 수 있다. APS(110)는 운전자의 액셀러레이터 페달의 조작상태에 따른 액셀러레이터 포지션을 감지하여, 그에 따른 액셀러레이터 포지션 감지신호를 발생할 수 있다. 차속 센서(120)는 차량의 주행에 따른 차속을 감지하여, 그에 따른 차속 감지신호를 발생할 수 있다. 가속도 센서(130)는 차량의 주행에 따른 가속도 변화를 감지하여, 그에 따른 가속도 감지신호를 발생할 수 있다. 휠속 센서(140)는 차량의 주행에 따른 휠속(휠의 속도)를 감지하여, 그에 따른 휠속 감지신호를 발생할 수 있다. 기울기 센서(150)는 차량의 경사로 주행에 따른 차체의 기울기를 감지하여, 그에 따른 기울기 감지신호를 발생할 수 있다. 브레이크 포지션 센서(160)는 운전자의 브레이크 페달의 조작상태를 감지하여, 그에 따른 브레이크 포지션 감지신호를 발생할 수 있다. 엔진 RPM 센서(170)는 엔진(10)의 구동에 따른 회전 RPM을 감지하여, 그에 따른 RPM 감지 신호를 발생할 수 있다. 토크 센서(180)는 엔진(10)과 변속기(30)의 사이에 결합된 토크 컨버터(Torque Converter)(20)의 회전 토크를 감지하여, 그에 따른 토크 감지신호를 발생할 수 있다. 기어 센서(190)는 변속기(30)의 변속에 따른 기어단 조작상태를 감지하여, 그에 따른 기어단 감지신호를 발생할 수 있다.

한편, TCU(200)는 차량의 변속을 제어하기 위해, 상기 TPS(100)로부터의 스로틀 포지션 감지신호와, 상기 APS(110)로부터의 액셀러레이터 포지션 감지신호, 상기 차속 센서(120)로부터의 차속 감지신호, 상기 가속도 센서(130)로부터의 가속도 감지신호, 상기 휠속 센서(140)로부터의 휠속 감지신호, 상기 기울기 센서(150)로부터의 기울기 감지신호, 상기 BPS(160)로부터의 브레이크 포지션 감지신호, 상기 엔진 RPM 센서(170)로부터의 RPM 감지신호, 상기 토크 센서(180)로부터의 토크 감지신호, 상기 기어 센서(190)로부터의 기어단 감지신호를 입력받을 수 있다.

TCU(200)는 상기 각 센서들로부터의 감지신호를 통해 도로상태 및 차량의 주행상태를 파악하기 위한 데이터의 수집을 수행하고, 수집된 데이터의 분석 및 정보 분류를 수행할 수 있다. 이때, 수집 데이터를 통해 분석되는 주행정보 데이터는 스로틀 밸브의 개도량, 액셀러레이터의 포지션, 변속기의 현재 기어 체결 상태, 차속, 가속도, 엔진 RPM, 평균 차속, 차륜의 휠 회전수 차이, 차량의 기울기, 브레이크의 작동 주기, 엔진의 토크 요구량 등을 포함할 수 있다. TCU(200)는 상기 분석된 주행정보 데이터에 기초하여 미리 설정된 변속 패턴(또는 변속선)에 따라 기어 변속(Up/Down Shift)을 수행할 수 있다. 메모리(210)는 운전자에 의한 수동 변속 명령에 의한 변속패턴과, 변속 보호 명령에 의한 변속패턴, 클래스 모드의 변속에 의해 정의된 클래스의 변속패턴, 상기 클래스의 변속패턴에 상응하는 주행정보 데이터를 저장할 수 있다. 디스플레이(220)는 TCU(200)의 제어에 따라 현재 변속패턴의 적용에 의한 변속 진행상태를 운전자가 확인 가능하게 디스플레이할 수 있다.

상술한 차량의 변속 제어 시스템은 변속패턴을 기반으로 차량의 변속을 제어(일반적인 방식)할 수 있고, 이하에서 설명하는 본 발명의 일 실시예에 따른 방식이 적용되면, 변속패턴 방식이 아닌 요구 파워 방식으로 차량의 변속을 제어할 수 있다.

도 2 는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 대한 구성도이다.

도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 차량의 변속 제어 장치는, 저장부(21) 및 제어부(22)를 포함할 수 있다. 이때, 본 발명의 일 실시예에 따른 차량의 변속 제어 장치를 실시하는 방식에 따라 각 구성요소는 서로 결합되어 하나로 구현될 수도 있고, 일부의 구성요소가 생략될 수도 있다.

상기 각 구성요소들에 대해 살펴보면, 먼저 저장부(21)는 메모리(210)로 구현될 수 있으며, 학습이 완료된 딥러닝모델을 기반으로 미래의 시점별 차속과 APS 값을 예측하고, 상기 예측한 차속과 APS 값을 입력으로 하여 미래의 시점별 기어단을 예측하며, 상기 예측한 미래의 시점별 기어단에 기초하여 차량의 변속을 제어하는 과정에서 요구되는 각종 로직과 알고리즘 및 프로그램을 저장할 수 있다.

이러한 저장부(10)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 마이크로 타입(micro type), 및 카드 타입(예컨대, SD 카드(Secure Digital Card) 또는 XD 카드(eXtream Digital Card)) 등의 메모리와, 램(RAM, Random Access Memory), SRAM(Static RAM), 롬(ROM, Read-Only Memory), PROM(Programmable ROM), EEPROM(Electrically Erasable PROM), 자기 메모리(MRAM, Magnetic RAM), 자기 디스크(magnetic disk), 및 광디스크(optical disk) 타입의 메모리 중 적어도 하나의 타입의 기록 매체(storage medium)를 포함할 수 있다.

제어부(22)는 상기 각 구성요소들이 제 기능을 정상적으로 수행할 수 있도록 전반적인 제어를 수행할 수 있다. 이러한 제어부(22)는 하드웨어의 형태로 구현되거나, 또는 소프트웨어의 형태로 구현되거나, 또는 하드웨어 및 소프트웨어가 결합된 형태로 구현될 수 있다. 바람직하게는, 제어부(22)는 마이크로프로세서로 구현될 수 있으나 이에 한정되는 것은 아니다.

특히, 제어부(22)는 학습이 완료된 딥러닝모델을 기반으로 미래의 시점별 차속과 APS 값을 예측하고, 상기 예측한 차속과 APS 값을 입력으로 하여 미래의 시점별 기어단을 예측하며, 상기 예측한 미래의 시점별 기어단에 기초하여 차량의 변속을 제어하는 과정에서 요구되는 각종 제어를 수행할 수 있다.

제어부(22)는 업시프트 시점에 미래의 시점별 기어단 중에서 현재 기어단보다 낮은 기어단의 수가 기준치(일례로 2개)를 초과하는 경우, 기준시간(일례로, 1초) 동안 현재 기어단을 유지하여 비지 시프트 현상을 방지할 수 있다.

제어부(22)는 현재 기어단 유지시점에 미래의 시점별 기어단 중에서 현재 기어단보다 낮은 기어단의 수가 기준치(일례로 2개)를 초과하는 경우, 다운시프트를 수행하도록 변속기(30)를 제어하여 변속에 의한 가속 지연 현상을 방지할 수 있다. 이때, 제어부(22)는 APS 값의 변화율이 임계치이하면 현재 기어단에서 1단계 아래 기어단으로의 변속을 제어하고, APS 값의 변화율이 임계치를 초과하면 현재 기어단에서 2단계 아래 기어단으로의 변속을 제어할 수 있다.

이하, 도 3 및 도 4를 참조하여 제어부(22)의 동작에 대해 상세히 살펴보기로 한다.

도 3 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 제어부의 동작을 나타내는 일예시도이다.

도 3에 도시된 바와 같이, 제어부(22)는 미래의 시점별 기어단으로서, 일례로 1초 후의 기어단으로서 5단을 예측하고, 2초 후의 기어단으로서 2단을 예측하며, 3초 후의 기어단으로서 2단을 예측하고, 4초 후의 기어단으로서 2단을 예측하며, 5초 후의 기어단으로서 2단을 예측할 수 있다.

제어부(22)는 현재 시점에 업시프트 조건을 만족하더라도, 상기 예측한 5개의 기어단 중에서 현재 기어단(4단)보다 낮은 기어단이 복수일 경우, 현재 기어단을 일례로 1초 동안 유지할 수 있다(310). 이후, 제어부(22)는 1초가 지난 시점에 다시 미래의 시점별 기어단을 예측하고, 상기 예측한 기어단에 기초하여 차량의 변속을 제어할 수 있다.

도 4 는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 제어부의 동작을 나타내는 일예시도이다.

도 4에 도시된 바와 같이, 제어부(22)는 미래의 시점별 기어단으로서, 일례로 1초 후의 기어단으로서 4단을 예측하고, 2초 후의 기어단으로서 4단을 예측하며, 3초 후의 기어단으로서 3단을 예측하고, 4초 후의 기어단으로서 3단을 예측하며, 5초 후의 기어단으로서 3단을 예측할 수 있다.

제어부(22)는 현재 기어단이 최적의 기어단이어서 현재 기어단을 유지하는 상태에서, 상기 예측한 5개의 기어단 중에서 현재 기어단(5단)보다 낮은 기어단이 복수일 경우, 현재 기어단에서 4단으로의 변속을 제어할 수 있다(410). 이때, APS 값의 변화율이 임계치를 초과하면 3단으로의 변속을 제어할 수도 있다.

도 5a는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치의 제1 성능 분석도이다.

도 5a에서, '510'은 실시간 최적 기어단을 나타내고, '520'은 실제 기어단을 나타내며, '530'은 예측 기반 변속 제어 기능의 활성화 플래그를 나타내고, '540'은 APS 값을 나타내며, '550'은 차속을 나타낸다.

도 5a에 도시된 바와 같이, 현재 기어단인 7단에서 최적의 기어단인 8단으로 변속해야 하는 시점에, 제어부(22)가 미래의 기어단의 다운시프트를 예측함에 따라 8단으로 변속하지 않고 현재 기어단(7단)을 1초 동안 유지함으로써, 비지 시프트 현상이 방지되는 것을 확인할 수 있다(560).

도 5b는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치의 제2 성능 분석도이다.

도 5b에 도시된 바와 같이, 현재 기어단(8단)이 최적의 기어단이기 때문에 현재 기어단을 유지하는 상태에서, 제어부(22)가 미래의 기어단의 다운시프트를 예측함에 따라 조기에 8단에서 7단으로의 변속을 제어함으로써, 변속에 의한 가속 지연 현상이 방지되는 것을 확인할 수 있다(570).

이하, 도 6 을 참조하여 제어부(22)가 딥러닝모델을 학습시키고, 상기 학습이 완료된 딥러닝모델을 기반으로 미래의 시점별 차속과 APS 값을 예측하는 과정에 대해 살펴보기로 한다.

도 6 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 딥러닝모델의 일예시도이다.

제어부(22)는 예측시점 이전의 주행 프로파일에 대한 시계열 데이터(610)를 VAE(Variational Auto-Encoder)의 인코더(620)에 입력하고, 상기 인코더(620)의 출력인 저차원 변수(Z)와 추가 입력되는 예측시점의 차속과 APS 값 및 예측시점의 주행 프로파일을 기반으로 차량의 속도와 APS 값을 예측하는 딥러닝모델을 학습시키고, 상기 학습이 완료된 딥러닝모델에 기초하여 차량의 속도와 APS 값을 예측할 수 있다.

여기서, 상기 예측시점 이전의 주행 프로파일은 현재 시점을 기준으로 이전의 소정 시간동안에 측정된 값으로서, 차량의 주행패턴을 형성하는 정보를 의미한다. 이러한 주행 프로파일은 GPP(Gas Pedal Position) 값, RPM(Revolutions Per Minute), 기어단, 차속, 주행도로의 구배, 주행도로의 곡률, 조향각, BPP(Brake Pedal Position) 값(브레이크 온/오프, 브레이크 압력), 선행차량과의 이격거리, 선행차량과의 상대속도, 전방의 신호등 정보, APS 값 등을 포함할 수 있다. 이때, 주행 프로파일은 소정 시간 동안 측정된 시계열 데이터이다.

또한, 상기 예측시점의 주행 프로파일은 현재 시점에 측정된 값을 나타낸다. 이때, GPP 값과 RPM과 기어단과 차속과 조향각과 BPP 값 및 APS 값은 차량 네트워크를 통해 획득될 수 있고, 주행도로의 구배와 곡률은 차량에 구비된 내비게이션 장치로부터 획득될 수 있으며, 선행차량과의 상대거리 및 상대속도는 차량에 구비된 레이더로부터 획득될 수 있고, 전방의 신호등 정보(점등 정보)는 신호등 제어기로부터 획득될 수 있다.

제어부(22)는 학습이 완료된 딥러닝모델에 기초하여 차량의 속도와 APS 값을 예측하는 과정에서, 예측시점 이전의 주행 프로파일에 대한 시계열 데이터를 VAE의 인코더에 입력하고, 상기 인코더의 출력인 저차원 변수(Z)와, 예측시점의 차속과 APS 값 및 예측시점의 주행 프로파일을 VAE의 디코더에 입력할 수 있다.

도 6에 도시된 바와 같이, 제어부(22)는 인코더의 출력인 저차원 변수(Z)와 추가 입력되는 예측시점의 차속과 APS 값 및 예측시점의 주행 프로파일을 기반으로 차량의 속도를 예측하는 VAE(Variational Auto-Encoder) 기반의 딥러닝모델을 학습시킬 수 있다.

'620'은 인코더(Probabilistic Encoder)를 나타내고, '610'은 주행 프로파일에 대한 학습데이터로서 예측시점(T_present) 이전 기준시간 동안(T_past ~ T_present)의 시계열 데이터(X)를 나타내며, '660'은 디코더(Probabilistic Decoder)를 나타내고, '640'은 인코더의 출력인 저차원 변수(Z)를 나타내며, '630'은 예측시점의 차속과 APS 값을 나타내고, '650'은 예측시점의 주행 프로파일을 나타내며, '670'은 예측된 미래의 차량의 속도와 APS 값을 나타낸다. 이때, Y'는 현재시점으로부터 기준시간 이후 동안(T_present ~ T_future)의 차속과 APS 값으로서, 시계열 데이터의 형태로 표현될 수 있다. 또한, μ는 분포의 평균을 나타내고 σ는 분포의 분산을 나타낸다.

인코더(620)는 CNN(Convolutional Neural Network)와 MLPN(Multi Layer Perceptron Network)를 구비할 수 있고, 디코더(660)는 MLPN(Multi Layer Perceptron Network)과 DNN(Deconvolutional Neural Network)을 구비할 수 있다.

참고로, 디코더(

)는 매개 변수 θ를 갖는 심층 신경망에 의해 매개 변수화된다. 인코더(

)는 매개 변수 Φ를 갖는 심층 신경망에 의해 매개 변수화된다. 저차원 변수 z는 데이터 X의 압축정보를 임베딩하도록 정의되며, 인코더(620)는 데이터 공간을 잠재적 공간에 맵핑한다. 인코더(620)와 디코더(660)는 대각선 가우시안 분포를 사용하여 파라미터화될 수 있다.

이하, 도 7 내지 도 10을 참조하여 제어부(22)가 상기 예측한 미래의 시점별 차속과 APS 값을 이용하여 미래의 시점별 기어단을 예측하는 과정에 대해 살펴보기로 한다.

도 7 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 저장부가 저장하는 파워 맵에 대한 일예시도이다.

도 7에서, 가로축은 차속(kph)을 나타내고, 세로축은 요구파워(kW)를 나타내며, '710'은 APS(110)의 출력값(이하, APS 값)이 5%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프이고, '720'은 APS 값이 10%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프이며, '730'은 APS 값이 20%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프이고, '740'은 APS 값이 40%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프이며, '750'은 APS 값이 60%인 경우인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프이고, '760'은 APS 값이 80%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프이며, '770'은 APS 값이 100%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프이다.

도 7에서는 7개의 APS 값을 예로 들어 설명했지만, APS 값이 30%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프, APS 값이 50%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프, APS 값이 70%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프, APS 값이 90%인 경우에 차속과 요구파워 간의 관계를 나타내는 그래프를 더 구비하거나, 연산(일례로 보간법)을 통해 사이값을 산출할 수도 있다. 예를 들어, 제어부(22)는 '750' 그래프와 '760' 그래프를 이용하여, APS 값이 70%인 경우에 대한 차속과 요구파워 간의 관계를 파악할 수 있다. 다른 예로, 제어부(22)는 '750' 그래프와 '760' 그래프를 이용하여, APS 값이 75%인 경우에 대한 차속과 요구파워 간의 관계를 파악할 수 있다.

도 8 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 저장부가 저장하는 동력원의 에너지 소비 맵에 대한 일예시도이다.

도 8에서, 가로축은 동력원의 회전수를 나타내고, 세로축은 동력원의 토크를 나타내며, '810'은 동력원의 회전수와 토크에 따라 3단 및 4단에서 소비되는 에너지(일례로, 330kJ/s)를 나타내는 그래프이고, '820'은 동력원의 회전수와 토크에 따라 1단과 2단과 3단 및 4단에서 소비되는 에너지(일례로, 340kJ/s)를 나타내는 그래프이며, '830'은 동력원의 회전수와 토크에 따라 모든 기어단에서 소비되는 에너지(일례로, 350kJ/s)를 나타내는 그래프이고, '840'은 동력원의 회전수와 토크에 따라 모든 기어단에서 소비되는 에너지(일례로, 360kJ/s)를 나타내는 그래프이다. 이러한 동력원의 기어 단수별 에너지 소비 맵은 동력원의 종류 및 성능에 따라 달라질 수 있다.

제어부(22)는 저장부(21)에 저장되어 있는 파워 맵에 기초하여 차속과 APS 값에 상응하는 요구파워를 검출하고, 상기 검출한 요구파워를 기어 단수별로 동력원의 회전수와 토크로 나타낸 그래프를 생성하며, 상기 생성한 그래프를 저장부(21)에 저장되어 있는 동력원의 에너지 소비 맵과 매칭하여 최소 에너지를 소모하는 기어단으로의 변속을 제어할 수 있다.

도 9 는 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 제어부가 생성한 파워 그래프에 대한 일예시도이다.

제어부(22)는 요구파워(일례로, 100kW)를 기어 단수별로 동력원의 회전수와 토크로 나타낸 파워 그래프를 생성할 수 있다.

도 9에서, 가로축은 동력원의 회전수를 나타내고, 세로축은 동력원의 토크를 나타내며, '910'은 1단에서 100kW의 요구파워를 토크와 회전수로 나타낸 지점이고, '920'은 2단에서 100kW의 요구파워를 토크와 회전수로 나타낸 지점이며, '930'은 3단에서 100kW의 요구파워를 토크와 회전수로 나타낸 지점이고, '940'은 4단에서 100kW의 요구파워를 토크와 회전수로 나타낸 지점이며, '950'은 5단에서 100kW의 요구파워를 토크와 회전수로 나타낸 지점이다. 이때, 각 지점(910 내지 950)을 연결하는 라인을 파워 그래프(960)라 칭한다.

제어부(22)는 도 9에 도시된 바와 같은 그래프와, 저장부(21)에 저장되어 있는 동력원의 에너지 소비 맵을 도 10에 도시된 바와 같이 매칭하여 최소 에너지를 소모하는 기어단을 검출할 수 있다.

도 10 은 본 발명의 일 실시예에 따른 차량의 변속 제어 장치에 구비된 제어부가 최소 에너지를 소모하는 기어단을 검출하는 과정을 나타내는 일예시도이다.

도 8에서도 언급한 바와 같이, 제1 에너지 그래프(810), 제2 에너지 그래프(820), 제3 에너지 그래프(830), 제4 에너지 그래프(840)의 순서로 에너지가 낮은 바(낮은 에너지를 나타내는 그래프의 순서), 제어부(22)는 가장 낮은 에너지를 가지는 제1 에너지 그래프(810)가 파워 그래프(960)와 중첩되는지 판단하고, 중첩되는 에너지 그래프가 있다면 어느 기어단에서 중첩되는지 판단할 수 있다.

이를 도 10을 통해 살펴보면, 제1 에너지 그래프(810)는 파워 그래프(960)와 중첩되지 않는 바, 제어부(22)는 제1 에너지 그래프(810)와 관련해서는 기어단을 검출하지 않는다.

다음으로 에너지가 낮은 제2 에너지 그래프(820)는 파워 그래프(960)와 3단에서 정확히 중첩되는 것을 알 수 있다(1010). 따라서, 제어부(22)는 최소 에너지를 소모하는 기어단으로서 3단을 검출할 수 있다.

이러한 방식으로 미래의 시점(일례로, 미래의 1초, 2초, 3초, 4초, 5초)마다 해당 시점에 예측된 차속과 APS 값을 이용하여 상기 미래 시점마다 최적의 변속단을 예측할 수 있다.

부가로, 제3 에너지 그래프(830)가 5단에서 파워 그래프(960)와 중첩되지만, 제3 에너지 그래프(830)는 제2 에너지 그래프(820)보다 에너지가 높기 때문에, 제어부(22)는 상기 5단을 기어단으로서 선택하지 않는다.

도 11 은 본 발명의 일 실시예에 따른 차량의 변속 제어 방법에 대한 흐름도이다.

먼저, 저장부(21)가 학습이 완료된 딥러닝모델을 저장한다(1101).

이후, 제어부(22)가 상기 딥러닝모델을 기반으로 미래의 시점별 차속과 APS 값을 예측한다(1102).

이후, 제어부(22)가 상기 차속과 APS 값을 이용하여 미래의 시점별 기어단을 예측한다(1103).

이후, 제어부(22)가 상기 미래의 시점별 기어단에 기초하여 차량의 변속을 제어한다(1104).

도 12 는 본 발명의 일 실시예에 따른 차량의 변속 제어 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.

도 12를 참조하면, 상술한 본 발명의 일 실시예에 따른 차량의 변속 제어 방법은 컴퓨팅 시스템을 통해서도 구현될 수 있다. 컴퓨팅 시스템(1000)은 시스템 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다.

프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory, 1310) 및 RAM(Random Access Memory, 1320)을 포함할 수 있다.

따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, SSD(Solid State Drive), 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다. 예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.

따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

21: 저장부
22: 제어부

Claims

학습이 완료된 딥러닝모델을 저장하는 저장부; 및
상기 딥러닝모델을 기반으로 미래의 시점별 차속과 APS(Accelerator Position Sensor) 값을 예측하고, 상기 차속과 상기 APS 값을 이용하여 미래의 시점별 기어단을 예측하며, 상기 미래의 시점별 기어단에 기초하여 차량의 변속을 제어하는 제어부
를 포함하는 차량의 변속 제어 장치.
제 1 항에 있어서,
상기 제어부는,
현재 기어단의 업시프트 시점에, 상기 미래의 시점별 기어단 중에서 상기 현재 기어단보다 낮은 기어단의 수가 기준치를 초과하는 경우, 기준시간 동안 상기 현재 기어단을 유지하는 것을 특징으로 하는 차량의 변속 제어 장치.
제 1 항에 있어서,
상기 제어부는,
현재 기어단을 유지하는 상태에서, 상기 미래의 시점별 기어단 중에서 상기 현재 기어단보다 낮은 기어단의 수가 기준치를 초과하는 경우, 상기 현재 기어단의 다운시프트를 제어하는 것을 특징으로 하는 차량의 변속 제어 장치.
제 3 항에 있어서,
상기 제어부는,
상기 APS 값의 변화율이 임계치 이하인 경우, 상기 현재 기어단에서 1단계 아래 기어단으로의 변속을 제어하는 것을 특징으로 하는 차량의 변속 제어 장치.
제 3 항에 있어서,
상기 제어부는,
상기 APS 값의 변화율이 임계치를 초과하는 경우, 상기 현재 기어단에서 2단계 아래 기어단으로의 변속을 제어하는 것을 특징으로 하는 차량의 변속 제어 장치.
제 1 항에 있어서,
상기 저장부는,
상기 차속과 상기 APS(Accelerator Position Sensor) 값에 상응하는 요구파워가 기록된 파워 맵과, 동력원의 기어 단수별 에너지 소비 맵을 저장하는 것을 특징으로 하는 차량의 변속 제어 장치.
제 6 항에 있어서,
상기 제어부는,
상기 파워 맵에 기초하여 현재의 요구파워를 검출하고, 상기 요구파워를 기어 단수별로 동력원의 회전수와 토크로 나타낸 파워 그래프를 생성하며, 상기 파워 그래프를 상기 동력원의 에너지 소비 맵과 매칭하여 최소 에너지를 소모하는 기어단을 검출하는 것을 특징으로 하는 차량의 변속 제어 장치.
저장부가 학습이 완료된 딥러닝모델을 저장하는 단계; 및
제어부가 상기 딥러닝모델을 기반으로 미래의 시점별 차속과 APS(Accelerator Position Sensor) 값을 예측하는 단계;
상기 제어부가 상기 차속과 APS 값을 이용하여 미래의 시점별 기어단을 예측하는 단계; 및
상기 제어부가 상기 미래의 시점별 기어단에 기초하여 차량의 변속을 제어하는 단계
를 포함하는 차량의 변속 제어 방법.
제 8 항에 있어서,
상기 차량의 변속을 제어하는 단계는,
현재 기어단의 업시프트 시점에, 상기 미래의 시점별 기어단 중에서 상기 현재 기어단보다 낮은 기어단의 수가 기준치를 초과하는 경우, 기준시간 동안 상기 현재 기어단을 유지하는 단계
를 포함하는 차량의 변속 제어 방법.
제 8 항에 있어서,
상기 차량의 변속을 제어하는 단계는,
현재 기어단을 유지하는 상태에서, 상기 미래의 시점별 기어단 중에서 상기 현재 기어단보다 낮은 기어단의 수가 기준치를 초과하는 경우, 상기 현재 기어단의 다운시프트를 제어하는 단계
를 포함하는 차량의 변속 제어 방법.
제 10 항에 있어서,
상기 현재 기어단의 다운시프트를 제어하는 단계는,
상기 APS 값의 변화율이 임계치 이하인 경우, 상기 현재 기어단에서 1단계 아래 기어단으로의 변속을 제어하는 단계
를 포함하는 차량의 변속 제어 방법.
제 10 항에 있어서,
상기 현재 기어단의 다운시프트를 제어하는 단계는,
상기 APS 값의 변화율이 임계치를 초과하는 경우, 상기 현재 기어단에서 2단계 아래 기어단으로의 변속을 제어하는 단계
를 포함하는 차량의 변속 제어 방법.
제 8 항에 있어서,
상기 딥러닝모델을 저장하는 단계는,
상기 차속과 상기 APS(Accelerator Position Sensor) 값에 상응하는 요구파워가 기록된 파워 맵과, 동력원의 기어 단수별 에너지 소비 맵을 저장하는 단계
를 포함하는 차량의 변속 제어 방법.
제 13 항에 있어서,
상기 미래의 시점별 기어단을 예측하는 단계는,
상기 파워 맵에 기초하여 현재의 요구파워를 검출하는 단계;
상기 요구파워를 기어 단수별로 동력원의 회전수와 토크로 나타낸 파워 그래프를 생성하는 단계; 및
상기 파워 그래프를 상기 동력원의 에너지 소비 맵과 매칭하여 최소 에너지를 소모하는 기어단을 검출하는 단계
를 포함하는 차량의 변속 제어 방법.