KR20230081276A - 기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체 - Google Patents

기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체 Download PDF

Info

Publication number
KR20230081276A
KR20230081276A KR1020210169183A KR20210169183A KR20230081276A KR 20230081276 A KR20230081276 A KR 20230081276A KR 1020210169183 A KR1020210169183 A KR 1020210169183A KR 20210169183 A KR20210169183 A KR 20210169183A KR 20230081276 A KR20230081276 A KR 20230081276A
Authority
KR
South Korea
Prior art keywords
braking
deceleration
curve
tuning
machine learning
Prior art date
Application number
KR1020210169183A
Other languages
English (en)
Inventor
차호현
Original Assignee
현대자동차주식회사
기아 주식회사
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 현대자동차주식회사, 기아 주식회사 filed Critical 현대자동차주식회사
Priority to KR1020210169183A priority Critical patent/KR20230081276A/ko
Priority to US17/743,113 priority patent/US20230166698A1/en
Publication of KR20230081276A publication Critical patent/KR20230081276A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T17/00—Component parts, details, or accessories of power brake systems not covered by groups B60T8/00, B60T13/00 or B60T15/00, or presenting other characteristic features
    • B60T17/18—Safety devices; Monitoring
    • B60T17/22—Devices for monitoring or checking brake systems; Signal devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T7/00—Brake-action initiating means
    • B60T7/02—Brake-action initiating means for personal initiation
    • B60T7/04—Brake-action initiating means for personal initiation foot actuated
    • B60T7/06—Disposition of pedal
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T7/00—Brake-action initiating means
    • B60T7/02—Brake-action initiating means for personal initiation
    • B60T7/04—Brake-action initiating means for personal initiation foot actuated
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/32—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force responsive to a speed condition, e.g. acceleration or deceleration
    • B60T8/321—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force responsive to a speed condition, e.g. acceleration or deceleration deceleration
    • B60T8/3255—Systems in which the braking action is dependent on brake pedal data
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • 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
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T2220/00—Monitoring, detecting driver behaviour; Signalling thereof; Counteracting thereof
    • B60T2220/02—Driver type; Driving style; Driver adaptive features
    • 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
    • B60W2540/12—Brake pedal position
    • 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
    • B60W2556/10—Historical data

Abstract

본 발명의 일 실시 형태에 따른 기계 학습 기반의 제동 선도 튜닝 장치는 실 제동 데이터에 기초하여 운전자의 브레이크 조작량에 따른 차량의 감속도를 의미하는 제동 성향을 학습하는 기계 학습부와, 학습된 제동 성향에 따라 기 설정된 제동 선도 - 기 설정된 제동 선도는 브레이크 조작량에 따라 미리 정해진 감속도를 가짐 - 튜닝하는 튜닝부를 포함할 수 있다.

Description

기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체{APPARATUS, METHOD AND COMPUTER READABLE STORAGE MEDIUM FOR TUNING BREAK CURVE BASED ON MACHINE LEARNING}
본 출원은, 기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체에 관한 것이다.
제동 선도(break curve)란 브레이크 조작량, 즉 브레이크 페달의 답력(pedal effort)이나 스트로크(pedal stroke)에 따른 차량의 감속도를 의미하며, 이러한 제동 선도는 운전자의 제동감에 영향을 미치는 인자이다.
종래 차량의 제동 선도는 브레이크 페달의 답력이나 스트로크에 따라 선형적으로 결정되며, 차량의 개발 초기에 고정된다. 따라서, 차량이 양산된 이후 운전자의 제동 성향 등을 반영하여 제동 선도를 튜닝하는 것은 현실적으로 불가능하다.
한국공개특허 제10-2013-0086440호(“제동감 향상을 위한 초기 유량 증대 시스템 및 이를 이용한 초기 유량 증대 방법”, 공개일: 2013년08월02일)
본 발명의 일 실시 형태에 의하면, 운전자의 제동 성향을 반영하여 제동 선도를 튜닝할 수 있는 기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체를 제공한다.
본 발명의 일 실시 형태에 의하면, 실 제동 데이터에 기초하여 운전자의 브레이크 조작량에 따른 차량의 감속도를 의미하는 제동 성향을 학습하는 기계 학습부; 및 학습된 상기 제동 성향에 따라 기 설정된 제동 선도 - 기 설정된 상기 제동 선도는 상기 브레이크 조작량에 따라 미리 정해진 감속도를 가짐 - 튜닝하는 튜닝부;를 포함하는, 기계 학습 기반의 제동 선도 튜닝 장치가 제공된다.
본 발명의 일 실시 형태에 의하면, 기계 학습부에서, 실 제동 데이터에 기초하여 운전자의 브레이크 조작량에 따른 차량의 감속도를 의미하는 제동 성향을 학습하는 제1 단계; 및 튜닝부에서, 학습된 상기 제동 성향에 따라 기 설정된 제동 선도 - 기 설정된 상기 제동 선도는 상기 브레이크 조작량에 따라 미리 정해진 감속도를 가짐 - 튜닝하는 제2 단계;를 포함하는, 기계 학습 기반의 제동 선도 튜닝 방법이 제공된다.
본 발명의 일 실시 형태에 의하면, 상기 방법을 컴퓨터상에서 실행하기 위한 프로그램을 기록한, 컴퓨터로 독출 가능한 저장 매체가 제공된다.
본 발명의 일 실시 형태에 의하면, 실 제동 데이터에 기초하여 운전자의 제동 성향을 학습하고, 학습된 제동 성향에 따라 기 설정된 제동 선도를 튜닝함으로써, 운전자의 제동 성향을 반영하여 제동 선도를 튜닝할 수 있다.
도 1은 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 장치를 포함하는 차량의 구성도이다.
도 2는 본 발명의 일 실시 형태에 따른 기 설정된 제동 선도를 도시한 도면이다.
도 3은 본 발명의 일 실시 형태에 따라 기 설정된 제동 선도를 튜닝하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 장치가 외부 서버에 구비된 경우 업데이트 방식을 도시한 도면이다.
도 5는 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 방법을 설명하기 위한 흐름도이다.
도 6은 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 장치를 구현할 수 있는 컴퓨터 장치의 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시형태를 설명한다. 그러나 본 발명의 실시형태는 여러 가지의 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시형태로만 한정되는 것은 아니다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있으며, 도면상의 동일한 부호로 표시되는 요소는 동일한 요소이다.
도 1은 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 장치(120)를 포함하는 차량(100)의 구성도이다.
도 1에 도시된 바와 같이, 운전 정보 검출기(110)는 각종 센서로부터 센싱 데이터를 검출하고 검출된 센싱 데이터를 제동 선도 튜닝 장치(120)로 전달할 수 있다. 센싱 데이터로는 압력 센서로부터 검출한 브레이크 페달의 답력(pedal effort), 브레이크 페달 위치 센서로부터 검출한 브레이크 페달의 스트로크(pedal stroke), 유압 센서로부터 검출한 실린더의 제동 유압, 감속도 센서로부터 검출한 감속도, MDPS(Motor Driven Power Steering) 센서로부터 검출한 핸들의 꺽임 각도, 가속도 센서로부터 검출한 가속도를 포함할 수 있다.
한편, 제동 선도 튜닝 장치(120)는 전처리부(121), 기계 학습부(122) 및 튜닝부(123)를 포함하여 구성될 수 있다.
구체적으로, 전처리부(121)는 상술한 센싱 데이터를 전처리하여 기계 학습에 필요한 실 제동 데이터를 생성할 수 있다.
상술한 실 제동 데이터는 브레이크 페달의 답력, 브레이크 페달의 스트로크, 실 제동 시간, 실 제동 감속도, 실 제동 거리, 운전자의 제동 및 가속 성향을 포함할 수 있다.
여기서, 브레이크 페달의 답력, 브레이크 페달의 스트로크는 상술한 운전 정보 검출기(110)로부터 받은 값이며, 실 제동 시간은 실린더의 제동 유압의 형성 종료 시점으로부터 제동 유압의 형성 시작 시점을 뺀 값이며, 실 제동 감속도는 감속도 센서로부터 검출한 감속도를 실 제동 시간으로 나눈 값을 적분하여 구할 수 있으며, 실 제동 거리는 감속도 센서로부터 검출한 감속도를 실 제동 시간으로 적분하여 구할 수 있다. 그리고 운전자의 제동 및 가속 성향은 단위 시간 동안 제동 횟수, 제동시 임계값 이상의 핸들 꺽임 여부, 기 설정된 차속까지 도달 시간을 포함할 수 있다.
상술한 전처리를 통한 실 제동 데이터는 본 발명의 이해를 돕기 위한 예시이며, 운전자의 제동 성향을 반영하기 위한 다양한 데이터가 사용될 수 있음은 물론이다.
기계 학습부(122)는 상술한 실 제동 데이터에 기초하여 운전자의 제동 성향을 학습할 수 있다. 운전자의 제동 성향은 브레이크 조작량에 따른 차량의 감속도를 의미할 수 있다. 상술한 실 제동 데이터는 총 제동 횟수가 기준 횟수, 예를 들면 10,000개 이상인 경우일 때까지 축적된 데이터일 수 있다.
여기서, 브레이크 조작량은 브레이크 페달의 답력 및 스트로크 중 적어도 하나이며, 운전자의 제동 성향은 브레이크 페달의 답력에 따른 차량의 감속도 및 브레이크 페달의 스트로크에 따른 차량의 감속도 중 적어도 하나를 포함하며, 기 설정된 제동 선도는 브레이크 페달의 답력에 따른 차량의 감속도인 제1 제동 선도 및 브레이크 페달의 스트로크에 따른 차량의 감속도인 제2 제동 선도 중 적어도 하나를 포함할 수 있다.
상술한 기계 학습부(122)는 신경망(Neural Network, NN), 순환 신경망(Recurrent Neural Network, RNN), 합성곱 신경망(Convolution Neural Network, CNN), 장단기 메모리 네트워크(Long Short-Term Memory, LSTM) 중 어느 하나를 이용하여 학습할 수 있으나, 반드시 상술한 신경망에만 한정되는 것은 아님에 유의하여야 한다.
도 2는 본 발명의 일 실시 형태에 따른 기 설정된 제동 선도를 도시한 도면이다.
본 발명의 일 실시 형태에 따른 기 설정된 제동 선도는 도 2의 (a)에 도시된 바와 같은 브레이크 페달의 답력에 따른 차량의 감속도인 제1 제동 선도와, 도 2의 (b)에 도시된 바와 같은 브레이크 페달의 스트로크에 따른 차량의 감속도인 제2 제동 선도를 포함할 수 있다.
상술한 제1 제동 선도와 제2 제동 선도는, 도면부호 21 및 22에 도시된 바와 같이, 브레이크 페달의 답력이나 스트로크에 따라 선형적으로 결정될 수 있다.
한편, 튜닝부(123)는 상술한 기계 학습부(122)에서 학습된 제동 성향에 따라 기 설정된 제동 선도를 튜닝할 수 있으며, 여기서 기 설정된 제동 선도는 브레이크 조작량에 따라 미리 정해진 감속도를 가지는 것일 수 있다. 이하 도 3을 참조하여 기 설정된 제동 선도를 튜닝하는 과정을 설명한다.
도 3은 본 발명의 일 실시 형태에 따라 기 설정된 제동 선도를 튜닝하는 과정을 설명하기 위한 도면으로, (a)는 기 설정된 제동 선도를 튜닝하는 과정을 설명하기 위한 도면이며, (b)는 기 설정된 제동 선도와 튜닝된 제동 선도를 비교 도시한 도면이다.
우선, 본 발명의 일 실시 형태에 의하면, 튜닝부(123)는, 도 3의 (b)에 도시된 바와 같이, 감속도의 하한값(VL) 및 상한값(VM)의 범위 내에서만 기 설정된 제동 선도(310)를 튜닝할 수 있다. 튜닝된 제동 선도는 도면부호 340으로 도시하였다. 감속도가 하한값(VL) 이하인 구간(302)과 상한값(VM) 이상인 구간(301)은 튜닝 불가 구간이며, 이 구간에서는 ABS(Anto-lock Brake System)가 최우선으로 작동하기 때문이다. 상술한 하한값(VL) 및 상한값(VM)은 당업자의 필요에 따라 적절히 설정할 수 있는 바, 본 발명에서는 구체적인 수치로 한정하지는 않는다.
또한, 본 발명의 일 실시 형태에 의하면, 튜닝부(123)는, 도 3의 (a)에 도시된 바와 같이, 학습된 제동 성향(320)에 따른 감속도 중 상부 임계 선도(310a)를 벗어난 감속도(예; 321)에 대하여, 대응하는 기 설정된 제동 선도 상의 감속도(311)를 증가시킴으로써 기 설정된 제동 선도(310)를 튜닝할 수 있다. 여기서, 상술한 상부 임계 선도(310a)는 기 설정된 제동 선도(310)에 대하여 설정된 것일 수 있다. 튜닝된 제동 선도는 도 3의 (b)에서 도면부호 340으로 도시하였다.
한편, 본 발명에서 대응한다는 용어는 다음과 같이 의미로 해석될 수 있다. 즉, 상부 임계 선도(310a)를 벗어난 감속도(예; 321)에서 기 설정된 제동 선도(310)로 수선을 그을 때 만나는 감속도(예: 311)가 있다면, 상부 임계 선도(310a)를 벗어난 감속도(예; 321)와 기 설정된 제동 선도(310)상의 감속도(예: 311)는 대응한다고 표현될 수 있다.
여기서, 학습된 제동 성향(320)에 따른 감속도(321)에서 대응하는 기 설정된 제동 선도 상의 감속도(311)까지의 길이(|d|)가 상부 임계 선도(310a)의 임계값(|d_cr|) 보다 크다면, 학습된 제동 성향(320)에 따른 감속도가 상부 임계 선도(310a)를 벗어났다고 판단할 수 있다.
반면, 튜닝부(123)는 학습된 제동 성향(320)에 따른 감속도 중 하부 임계 선도(310b)를 벗어난 감속도(예; 331)에 대하여는, 대응하는 기 설정된 제동 선도 상의 감속도(312)를 감소시킴으로써 기 설정된 제동 선도(310)를 튜닝할 수 있다. 상술한 하부 임계 선도(310b)는 기 설정된 제동 선도(310)에 대하여 설정된 것일 수 있다. 참고로, 도 3의 (a)에서 도면부호 320과 330은 서로 다른 운전자의 제동 성향을 나타내는 곡선이다.
본 발명의 일 실시 형태에 의하면, 튜닝부(123)는 학습된 제동 성향(320)에 따른 감속도 중 상부 임계 선도(310a) 또는 하부 임계 선도(310b)를 벗어난 감속도와 대응하는 기 설정된 제동 선도(310)상의 감속도의 크기 차이에 비례하여 감속도를 증가 또는 감소시킬 수 있다.
또는, 본 발명의 일 실시 형태에 의하면, 튜닝부(123)는 학습된 제동 성향(320)에 따른 감속도 중 상부 임계 선도(310a) 또는 하부 임계 선도(310b)를 벗어난 감속도에 대하여, 감속도의 구간별로 감속도를 증가 또는 감소시킬 수도 있다. 예를 들면, 감속도가 0.1g ~ 0.3g인 구간, 0.3g ~ 0.6g인 구간, 0.6g ~ 0.9g인 구간 별로 일정한 값으로 감속도를 증가 또는 감소시킬 수 있다.
도 3의 (b)에 도시된 바와 같이, 튜닝 불가 구간(301, 302)를 제외하고, 도 2의 320과 같은 제동 성향을 가진 운전자의 경우 기 설정된 제동 곡선(310)은 도면부호 340과 같이 튜닝될 수 있다. 튜닝된 제동 선도는 도 1에 도시된 메모리(3)에 저장될 수 있다.
이후, 도 1에 도시된 바와 같이, ESC(Electronic Stability Control) 제어기(1)는 메모리(3)를 참조하여 튜닝된 제동 선도에 따라 브레이크(2)를 제어할 수 있다. 즉, 튜닝된 제동 선도에 따라 브레이크(2)를 제어함으로써 차량의 감속도를 맞출 수 있으며, 구체적인 제어 알고리즘은 본 발명의 범위를 벗어나는 바 구체적인 설명은 생략한다.
상술한 바와 같이, 본 발명의 일 실시 형태에 의하면, 실 제동 데이터에 기초하여 운전자의 제동 성향을 학습하고, 학습된 제동 성향에 따라 기 설정된 제동 선도를 튜닝함으로써, 운전자의 제동 성향을 반영하여 제동 선도를 튜닝할 수 있다.
한편, 도 4는 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 장치가 외부 서버에 구비된 경우 업데이트 방식을 도시한 도면이다. 제동 선도 튜닝 장치(120)가 외부 서버(200)에 구비된 점을 제외하고 도 1과 동일하다.
도 4에 의하면, 운전 정보 검출기(110)의 각종 센싱 데이터는 외부 서버(200)로 전송될 수 있으며, 외부 서버(200)에 의해 튜닝된 제동 선도는 OTA 방식으로 업데이트될 수 있다. OTA(Over The Air) 방식은 업데이트 방식 중 하나로, 컴퓨터를 연결하지 않고 Wifi 등을 사용하여 무선으로 업데이트하는 기술이다.
한편, 도 5는 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 방법을 설명하는 흐름도이다.
이하, 도 1 내지 도 5를 참조하여 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 방법(S500)을 설명한다. 다만, 발명의 간명화를 위해 도 1 내지 도 4와 중복된 설명은 생략한다.
우선, 도 1 내지 도 5를 참조하면, 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 방법(S500)은, 기계 학습부(122)에서 실 제동 데이터에 기초하여 운전자의 제동 성향을 학습하는 단계에 의해 개시될 수 있다(S501). 상술한 제동 성향은 브레이크 조작량에 따른 차량의 감속도를 의미하는 것일 수 있다. 상술한 실 제동 데이터는 총 제동 횟수가 기준 횟수, 예를 들면 10,000개 이상인 경우일 때까지 축적된 데이터일 수 있음은 상술한 바와 같다.
본 발명의 일 실시 형태에 의하면, 브레이크 조작량은 브레이크 페달의 답력 및 스트로크 중 적어도 하나이며, 운전자의 제동 성향은 브레이크 페달의 답력에 따른 차량의 감속도 및 브레이크 페달의 스트로크에 따른 차량의 감속도 중 적어도 하나를 포함하며, 기 설정된 제동 선도는 브레이크 페달의 답력에 따른 차량의 감속도인 제1 제동 선도 및 브레이크 페달의 스트로크에 따른 차량의 감속도인 제2 제동 선도 중 적어도 하나를 포함할 수 있음은 상술한 바와 같다.
본 발명의 일 실시 형태에 의하면, 술한 실 제동 데이터는 브레이크 페달의 답력, 브레이크 페달의 스트로크, 실 제동 시간, 실 제동 감속도, 실 제동 거리, 운전자의 제동 및 가속 성향을 포함할 수 있음은 상술한 바와 같다.
본 발명의 일 실시 형태에 의하면, 기계 학습부(122)는 신경망(Neural Network, NN), 순환 신경망(Recurrent Neural Network, RNN), 합성곱 신경망(Convolution Neural Network, CNN), 장단기 메모리 네트워크(Long Short-Term Memory, LSTM) 중 어느 하나를 이용하여 학습할 수 있음은 상술한 바와 같다.
다음, 튜닝부(123)는 학습된 제동 성향에 따라 기 설정된 제동 선도를 튜닝할 수 있으며, 여기서 기 설정된 제동 선도는 브레이크 조작량에 따라 미리 정해진 감속도를 가지는 것일 수 있다(S502).
본 발명의 일 실시 형태에 의하면, 튜닝부(123)는 감속도의 하한값(VL) 및 상한값(VM)의 범위 내에서만 기 설정된 제동 선도(310)를 튜닝할 수 있음은 상술한 바와 같다.
또한, 본 발명의 일 실시 형태에 의하면, 튜닝부(123)는 학습된 제동 성향(320)에 따른 감속도 중 상부 임계 선도(310a)를 벗어난 감속도(예; 321)에 대하여, 대응하는 기 설정된 제동 선도 상의 감속도(311)를 증가시킴으로써 기 설정된 제동 선도(310)를 튜닝할 수 있음은 상술한 바와 같다.
또한, 본 발명의 일 실시 형태에 의하면, 학습된 제동 성향(320)에 따른 감속도 중 하부 임계 선도(310b)를 벗어난 감속도(예; 331)에 대하여는, 대응하는 기 설정된 제동 선도 상의 감속도(312)를 감소시킴으로써 기 설정된 제동 선도(310)를 튜닝할 수 있다.
본 발명의 일 실시 형태에 의하면, 튜닝부(123)는 학습된 제동 성향(320)에 따른 감속도 중 기 설정된 제동 선도(310)에 대하여 설정된 상부 임계 선도(310a) 또는 하부 임계 선도(310b)를 벗어난 감속도와 대응하는 기 설정된 제동 선도(310)상의 감속도의 크기 차이에 비례하여 감속도를 증가 또는 감소시킬 수 있음은 상술한 바와 같다.
또는, 본 발명의 일 실시 형태에 의하면, 튜닝부(123)는 학습된 제동 성향(320)에 따른 감속도 중 상부 임계 선도(310a) 또는 하부 임계 선도(310b)를 벗어난 감속도에 대하여, 감속도의 구간별로 감속도를 증가 또는 감소시킬 수도 있음은 상술한 바와 같다.
상술한 바와 같이, 본 발명의 일 실시 형태에 의하면, 실 제동 데이터에 기초하여 운전자의 제동 성향을 학습하고, 학습된 제동 성향에 따라 기 설정된 제동 선도를 튜닝함으로써, 운전자의 제동 성향을 반영하여 제동 선도를 튜닝할 수 있다.
한편, 도 6은 본 발명의 일 실시 형태에 따른 제동 선도 튜닝 장치를 구현할 수 있는 컴퓨터 장치의 블록도로, 도 1에 도시된 제동 선도 튜닝 장치(120)에 적용될 수 있다.
도 6에 도시된 바와 같이, 제동 선도 튜닝 장치(120)는 입력 인터페이스(501), 출력 인터페이스(602), 프로세서(604) 및 메모리(605)를 포함하며, 입력 인터페이스(601), 출력 인터페이스(602), 프로세서(604) 및 메모리(605)는 시스템 버스(603)를 통해 상호 연결될 수 있다.
본 발명의 실시예에 있어서, 메모리(605)는 프로그램, 명령어 또는 코드를 저장하는데 사용되며, 프로세서(604)는 메모리(605)에 저장된 프로그램, 명령어 또는 코드를 수행하고, 입력 인터페이스(601)를 제어하여 신호를 유선 또는 무선으로 수신하고, 출력 인터페이스(602)를 제어하여 신호를 유선 또는 무선으로 송신할 수 있다. 상술한 메모리(605)는 읽기 전용 메모리 및 랜덤 액세스 메모리를 포함할 수 있고, 프로세서(604)에 명령어와 데이터를 제공할 수 있다.
본 발명의 실시예에 있어서, 프로세서(604)는 중앙 처리 장치(Central Processing Unit, CPU)일 수 있고, 다른 범용 프로세서, 디지털 신호 프로세서(Digital Signal Processor, DSP), 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array, FPGA) 또는 다른 프로그래머블 논리 디바이스, 개별 게이트 또는 트랜지스터 논리 디바이스, 개별 하드웨어 구성 요소 등일 수 있는 것으로 이해되어야 한다. 범용 프로세서는 마이크로 프로세서일 수 있거나, 또는 해당 프로세서는 임의의 종래의 프로세서 등일 수 있다. 상술한 프로세서(604)는 상술한 제동 선도 튜닝 장치의 동작을 수행할 수 있다.
일 구현 과정에 있어서, 도 5의 방법은 프로세서(604) 내의 하드웨어의 통합 논리 회로 또는 소프트웨어 형태의 명령어에 의해 달성될 수 있다. 본 발명의 실시 형태에 관련하여 개시되는 방법의 내용은 하드웨어 프로세서에 의해 수행되어 완료되거나, 또는 프로세서의 하드웨어 및 소프트웨어 모듈의 조합에 의해 수행되어 완료되도록 구현될 수 있다. 소프트웨어 모듈은 랜덤 액세스 메모리, 플래시 메모리, 읽기 전용 메모리, 프로그래머블 읽기 전용 메모리 또는 전기적 소거 가능한 프로그래머블 메모리, 레지스터 등의 저장 매체에 배치될 수 있다. 해당 저장 매체는 메모리(605)에 위치하고 있으며, 프로세서(604)는 메모리(605)의 정보를 독출하고, 하드웨어와 결합하여 상술한 방법의 내용을 구현한다. 중복을 피하기 위해, 여기서 상세한 설명은 생략한다.
본 발명은 상술한 실시형태 및 첨부된 도면에 의해 한정되지 아니한다. 첨부된 청구범위에 의해 권리범위를 한정하고자 하며, 청구범위에 기재된 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 형태의 치환, 변형 및 변경할 수 있다는 것은 당 기술분야의 통상의 지식을 가진 자에게 자명할 것이다.
1: ESC 제어기
2: 브레이크
3: 메모리
110: 운전정보 검출기
120: 제동 선도 튜닝 장치
121: 전처리부
122: 기계 학습부
123: 튜닝부
200: 외부 서버
600: 제동 제어 장치를 구현할 수 있는 컴퓨터 장치
601: 입력 인터페이스
602: 출력 인터페이스
603: 시스템 버스
604: 프로세서
605: 메모리

Claims (18)

  1. 실 제동 데이터에 기초하여 운전자의 브레이크 조작량에 따른 차량의 감속도를 의미하는 제동 성향을 학습하는 기계 학습부; 및
    학습된 상기 제동 성향에 따라 기 설정된 제동 선도 - 기 설정된 상기 제동 선도는 상기 브레이크 조작량에 따라 미리 정해진 감속도를 가짐 - 튜닝하는 튜닝부;
    를 포함하는, 기계 학습 기반의 제동 선도 튜닝 장치.
  2. 제1항에 있어서,
    상기 브레이크 조작량은, 상기 브레이크 페달의 답력 및 스트로크 중 적어도 하나이며,
    상기 운전자의 제동 성향은, 상기 브레이크 페달의 답력에 따른 차량의 감속도 및 상기 브레이크 페달의 스트로크에 따른 차량의 감속도 중 적어도 하나를 포함하며,
    기 설정된 상기 제동 선도는, 상기 브레이크 페달의 답력에 따른 차량의 감속도인 제1 제동 선도 및 상기 브레이크 페달의 스트로크에 따른 차량의 감속도인 제2 제동 선도 중 적어도 하나를 포함하는, 기계 학습 기반의 제동 선도 튜닝 장치.
  3. 제1항에 있어서,
    상기 튜닝부는,
    상기 감속도의 하한값 및 상한값의 범위 내에서 기 설정된 상기 제동 선도를 튜닝하는, 기계 학습 기반의 제동 선도 튜닝 장치.
  4. 제1항에 있어서,
    상기 튜닝부는,
    학습된 상기 제동 성향에 따른 감속도 중 기 설정된 상기 제동 선도에 대하여 설정된 상부 임계 선도 또는 하부 임계 선도를 벗어난 감속도에 대하여, 대응하는 기 설정된 상기 제동 선도 상의 감속도를 증가 또는 감소시키는, 기계 학습 기반의 제동 선도 튜닝 장치.
  5. 제4항에 있어서,
    상기 튜닝부는,
    학습된 상기 제동 성향에 따른 감속도 중 기 설정된 상기 제동 선도에 대하여 설정된 상부 임계 선도 또는 하부 임계 선도를 벗어난 감속도와 대응하는 기 설정된 상기 제동 선도상의 감속도의 크기 차이에 비례하여 감속도를 증가 또는 감소시키는, 기계 학습 기반의 제동 선도 튜닝 장치.
  6. 제4항에 있어서,
    상기 튜닝부는,
    학습된 상기 제동 성향에 따른 감속도 중 기 설정된 상기 제동 선도에 대하여 설정된 상부 임계 선도 또는 하부 임계 선도를 벗어난 감속도에 대하여, 감속도의 구간별로 감속도를 증가 또는 감소시키는, 기계 학습 기반의 제동 선도 튜닝 장치.
  7. 제1항에 있어서,
    상기 기계 학습부는,
    신경망(Neural Network, NN), 순환 신경망(Recurrent Neural Network, RNN), 합성곱 신경망(Convolution Neural Network, CNN), 장단기 메모리 네트워크(Long Short-Term Memory, LSTM) 중 어느 하나를 이용하여 학습하는, 기계 학습 기반의 제동 선도 튜닝 장치.
  8. 제1항에 있어서,
    상기 실 제동 데이터는,
    상기 브레이크 페달의 답력, 상기 브레이크 페달의 스트로크, 실 제동 감속도, 실 제동 거리, 실 제동 시간, 운전자의 제동 및 가속 성향 - 단위 시간 동안 제동 횟수, 제동시 임계값 이상의 핸들 꺽임 여부, 기 설정된 차속까지 도달 시간을 포함함 - 을 포함하는, 기계 학습 기반의 제동 선도 튜닝 장치.
  9. 제1항에 있어서,
    상기 제동 선도 튜닝 장치는,
    차량에 구비되거나 또는 외부 서버에 구비되는, 기계 학습 기반의 제동 선도 튜닝 장치.
  10. 기계 학습부에서, 실 제동 데이터에 기초하여 운전자의 브레이크 조작량에 따른 차량의 감속도를 의미하는 제동 성향을 학습하는 제1 단계; 및
    튜닝부에서, 학습된 상기 제동 성향에 따라 기 설정된 제동 선도 - 기 설정된 상기 제동 선도는 상기 브레이크 조작량에 따라 미리 정해진 감속도를 가짐 - 튜닝하는 제2 단계;
    를 포함하는, 기계 학습 기반의 제동 선도 튜닝 방법.
  11. 제10항에 있어서,
    상기 브레이크 조작량은, 상기 브레이크 페달의 답력 및 스트로크 중 적어도 하나이며,
    상기 운전자의 제동 성향은, 상기 브레이크 페달의 답력에 따른 차량의 감속도 및 상기 브레이크 페달의 스트로크에 따른 차량의 감속도 중 적어도 하나를 포함하며,
    기 설정된 상기 제동 선도는, 상기 브레이크 페달의 답력에 따른 차량의 감속도인 제1 제동 선도 및 상기 브레이크 페달의 스트로크에 따른 차량의 감속도인 제2 제동 선도 중 적어도 하나를 포함하는, 기계 학습 기반의 제동 선도 튜닝 방법.
  12. 제10항에 있어서,
    상기 제2 단계는,
    상기 감속도의 하한값 및 상한값의 범위 내에서 기 설정된 상기 제동 선도를 튜닝하는 단계;
    를 포함하는, 기계 학습 기반의 제동 선도 튜닝 방법.
  13. 제10항에 있어서,
    상기 제2 단계는,
    학습된 상기 제동 성향에 따른 감속도 중 기 설정된 상기 제동 선도에 대하여 설정된 상부 임계 선도 또는 하부 임계 선도를 벗어난 감속도에 대하여, 대응하는 기 설정된 상기 제동 선도 상의 감속도를 증가 또는 감소시키는 단계;
    를 포함하는, 기계 학습 기반의 제동 선도 튜닝 방법.
  14. 제13항에 있어서,
    상기 제2 단계는,
    학습된 상기 제동 성향에 따른 감속도 중 기 설정된 상기 제동 선도에 대하여 설정된 상부 임계 선도 또는 하부 임계 선도를 벗어난 감속도와 대응하는 기 설정된 상기 제동 선도상의 감속도의 크기 차이에 비례하여 감속도를 증가 또는 감소시키는 단계;
    를 포함하는, 기계 학습 기반의 제동 선도 튜닝 방법.
  15. 제13항에 있어서,
    상기 제2 단계는,
    학습된 상기 제동 성향에 따른 감속도 중 기 설정된 상기 제동 선도에 대하여 설정된 상부 임계 선도 또는 하부 임계 선도를 벗어난 감속도에 대하여, 감속도의 구간별로 감속도를 증가 또는 감소시키는 단계;
    를 포함하는, 기계 학습 기반의 제동 선도 튜닝 방법.
  16. 제10항에 있어서,
    상기 제1 단계는,
    신경망(Neural Network, NN), 순환 신경망(Recurrent Neural Network, RNN), 합성곱 신경망(Convolution Neural Network, CNN), 장단기 메모리 네트워크(Long Short-Term Memory, LSTM) 중 어느 하나를 이용하여 학습하는, 기계 학습 기반의 제동 선도 튜닝 방법.
  17. 제10항에 있어서,
    상기 실 제동 데이터는,
    상기 브레이크 페달의 답력, 상기 브레이크 페달의 스트로크, 실 제동 감속도, 실 제동 거리, 실 제동 시간, 운전자의 제동 및 가속 성향 - 단위 시간 동안 제동 횟수, 제동시 임계값 이상의 핸들 꺽임 여부, 기 설정된 차속까지 도달 시간을 포함함 - 을 포함하는, 기계 학습 기반의 제동 선도 튜닝 방법.
  18. 제10항 내지 제17항 중 어느 한 항에 따른 방법을 컴퓨터상에서 실행하기 위한 프로그램을 기록한, 컴퓨터로 독출 가능한 저장 매체.





KR1020210169183A 2021-11-30 2021-11-30 기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체 KR20230081276A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210169183A KR20230081276A (ko) 2021-11-30 2021-11-30 기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체
US17/743,113 US20230166698A1 (en) 2021-11-30 2022-05-12 Apparatus, method, and computer readable storage medium for tuning break curve based on machine learning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210169183A KR20230081276A (ko) 2021-11-30 2021-11-30 기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체

Publications (1)

Publication Number Publication Date
KR20230081276A true KR20230081276A (ko) 2023-06-07

Family

ID=86500632

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210169183A KR20230081276A (ko) 2021-11-30 2021-11-30 기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체

Country Status (2)

Country Link
US (1) US20230166698A1 (ko)
KR (1) KR20230081276A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130086440A (ko) 2012-01-25 2013-08-02 주식회사 만도 제동감 향상을 위한 초기 유량 증대 시스템 및 이를 이용한 초기 유량 증대 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7253724B2 (en) * 2004-11-05 2007-08-07 Ford Global Technologies, Inc. Vehicle pre-impact sensing and control system with driver response feedback
US8140241B2 (en) * 2005-12-28 2012-03-20 National University Corporation Nagoya University Driving action estimating device, driving support device, vehicle evaluating system, driver model creating device, and driving action determining device
US10737665B2 (en) * 2012-08-28 2020-08-11 Ford Global Technologies, Llc Vehicle braking based on external object communications
US11565797B2 (en) * 2019-03-22 2023-01-31 Goodrich Corporation Systems and methods for antiskid tolerant multi-mode autobrake control
KR20210142788A (ko) * 2020-05-18 2021-11-26 현대자동차주식회사 차량의 제동 제어 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130086440A (ko) 2012-01-25 2013-08-02 주식회사 만도 제동감 향상을 위한 초기 유량 증대 시스템 및 이를 이용한 초기 유량 증대 방법

Also Published As

Publication number Publication date
US20230166698A1 (en) 2023-06-01

Similar Documents

Publication Publication Date Title
JP4226455B2 (ja) 運転意図推定装置、車両用運転操作補助装置および車両用運転操作補助装置を備えた車両
US11173912B2 (en) Apparatus and method for providing safety strategy in vehicle
US8073606B2 (en) Vehicle control system
EP3647136B1 (en) Vehicle traveling assistance method and vehicle traveling assistance device
US20170329340A1 (en) Motor vehicle control apparatus and method for operating a control apparatus for autonomously driving a motor vehicle
US10730528B2 (en) Method and device for determining a safety-critical yawing motion of a vehicle
JP2003139792A (ja) 強固なセンサ・オフセット学習アルゴリズムを用いてセンサ・オフセットを更新する方法
JP4069481B2 (ja) 車両挙動推定装置
KR20230081276A (ko) 기계 학습 기반의 제동 선도 튜닝 장치, 방법 및 컴퓨터로 독출 가능한 저장 매체
EP3584129B1 (en) Vehicle-mounted control apparatus
CN112026767B (zh) 自适应巡航对护栏误识别的处理方法、系统及车辆
US20170287336A1 (en) Method and control unit for monitoring the lane of a vehicle
JP4477350B2 (ja) 自動車における、エラー信号の生成とそれに基づく措置を実行する方法及び装置
KR100839123B1 (ko) 차량용 전자 제어 시스템 및 그 센서 오프셋 보정 방법
KR20220128546A (ko) 주행 중 운전자 Hands On/Off 감지 방법 및 시스템
JP2000198402A (ja) 物体検出装置
CN114852171B (zh) 车辆及其转向控制方法及装置、存储介质、终端
KR102274673B1 (ko) 어댑티브 크루즈 컨트롤 장치 및 그 동작 방법
US20220374745A1 (en) Electronic device and method for scoring driving behavior using vehicle inputs and outputs
US11403441B2 (en) Method for checking a vehicle dynamics model
KR20200061083A (ko) 차량의 변속 제어 장치 및 방법
US11718226B2 (en) Vehicle control system
CN116729376A (zh) 行泊一体的路径跟踪控制方法、装置及智能汽车
CN111845767B (zh) 对于车辆的转弯方向测定
US20220340200A1 (en) Lane keeping control apparatus, vehicle system including the same, and method thereof