KR102225923B1 - 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템 - Google Patents

차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템 Download PDF

Info

Publication number
KR102225923B1
KR102225923B1 KR1020190115520A KR20190115520A KR102225923B1 KR 102225923 B1 KR102225923 B1 KR 102225923B1 KR 1020190115520 A KR1020190115520 A KR 1020190115520A KR 20190115520 A KR20190115520 A KR 20190115520A KR 102225923 B1 KR102225923 B1 KR 102225923B1
Authority
KR
South Korea
Prior art keywords
vehicle
wheel
machine learning
data
tire
Prior art date
Application number
KR1020190115520A
Other languages
English (en)
Inventor
이도현
Original Assignee
이도현
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 이도현 filed Critical 이도현
Priority to KR1020190115520A priority Critical patent/KR102225923B1/ko
Application granted granted Critical
Publication of KR102225923B1 publication Critical patent/KR102225923B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
    • B60C11/24—Wear-indicating arrangements
    • B60C11/246—Tread wear monitoring systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C19/00—Tyre parts or constructions not otherwise provided for
    • B60C2019/006—Warning devices, e.g. devices generating noise due to flat or worn tyres
    • B60C2019/007—Warning devices, e.g. devices generating noise due to flat or worn tyres triggered by sensors
    • 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
    • B60T2240/00—Monitoring, detecting wheel/tire behaviour; counteracting thereof
    • B60T2240/03—Tire sensors

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

본 발명은 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측시스템에 관한 것으로서, 보다 상세하게는 차량의 휠에 장착된 휠캡을 통해 다양한 데이터를 실시간으로 전송받아 빅데이터를 구축하고, 구축된 빅데이터를 머신러닝 기술을 활용하여 타이어의 마모 및 수명을 예측할 수 있는 타이어 마모 예측 시스템에 관한 것으로서,
차량에 장착되는 휠캡과, 상기 휠캡과 통신하면서 상기 휠캡에서 센싱되는 데이터를 전송받는 사용자 단말과, 상기 사용자 단말과 통신하면서 상기 사용자 단말로부터 휠캡에서 센싱된 데이터를 전송받아 처리하는 서버로 이루어진 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템에 있어서, 상기 휠캡은, 자가발전모듈과, 상기 자가발전모듈에서 발생된 전원을 공급받아 타이어의 정보를 감지하는 센서모듈와, 상기 자가발전모듈의 전원을 공급받아 상기 사용자 단말과 통신하는 통신모듈로 구성되고, 상기 서버는, 상기 사용자 단말에서 전송된 데이터로 빅데이터를 구축하기 위한 데이터저장모듈과, 상기 데이터저장모듈에서 저장된 데이터를 학습 및 분석하고 예측하는 머신러닝모듈로 구성되며, 상기 사용자 단말은, 상기 서버에서 계산된 정보를 받아서 디스플레이하는 애플리케이션을 포함하는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템을 제공한다.

Description

차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템{Big data construction to use the smart wheel cap for vehicle and the precasting system of tire abrasion to use machine learning}
본 발명은 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝을 활용한 타이어 마모 예측시스템에 관한 것으로서, 보다 상세하게는 차량의 휠에 장착된 휠캡을 통해 다양한 데이터를 실시간으로 전송받아 빅데이터를 구축하고, 구축된 빅데이터를 머신러닝 기술을 활용하여 타이어의 마모 및 수명을 예측할 수 있는 타이어 마모 예측 시스템에 관한 것이다.
현대는 자동차 시대이다. 가솔린 엔진, 디젤 엔진 및 최근에 발전하고 있는 전기 자동차 등 다양한 엔진의 자동차가 만들어지고 있으며, 최근에는 전기 자동차가 상당히 많은 발전을 거듭하고 있다.
다양한 엔진의 차량이 만들어지고 있으나, 차량에 반드시 필요한 것은 타이어이다. 따라서 타이어에 대한 데이터를 수집하여 차량 운전자의 운전습관을 변화시키고 차량의 편마모에 따른 사고의 위험성을 줄일 필요가 높이 요구되고 있다.
마마된 타이어로 운행을 하는 경우 악천후시 제동거리가 증가되고, 타이어의 파손 등의 원인으로 인하여 교통사고의 위험성은 증가할 수밖에 없다. 2018년 국내 차량 5대중 1대는 정비 불량 타이어를 장착하고 운행 중인 것으로 나타났으며, 이 중 10% 이상이 마모, 트레드 손상 등 타이어의 물리적인 손상으로 인한 문제를 가지고 있었다.
따라서, 교통사고 발생의 위험을 줄이고, 차량 운전자의 안전을 위해 타이어의 상태와 점검 혹은 교체시기를 알려주는 시스템의 필요성은 차츰 증가하고 있다.
또한, 최근 자동차 산업은 자율주행 차량과 공유차량 형태로 기존의 운전자가 직접 운전하고 관리하는 전통적인 방식에서 벗어나고 있는 추세이며, 이러한 추세로 보아 자동차의 관리의 주체가 개인에서 차량관리시스템 또는 공유차량 기업으로 전환되고 있다. 그러나 운전자 안전과 직결되는 타이어는 편마모를 비롯하여 예기치 못한 물리적 손상 등의 위험에 노풍되어 있어 타이어를 감지하는 시스템의 수요는 증가될 수 밖에 없는 상태이다.
본 출원의 발명자는 타이어의 마모를 감지하고 또한 자가발전이 가능한 휠캡에 대하여 출원하였으며, 특허 제10-1896647호로 등록되었다.
(문헌 1) 공개특허공보 제10-2019-0078705호(2019.07.05. 공개) (문헌 2) 공개특허공보 제10-2019-0043848호(2019.04.29. 공개) (문헌 3) 공개특허공보 제10-2019-0048319호(2019.05.09. 공개) (문헌 4) 등록특허공보 제10-0973598호(2010.07.27. 등록)
상기와 같은 문제점을 해결하기 위해, 본 발명은 자가발전시스템을 갖춘 휠캡을 휠에 설치하고, 주행 중에 휠캡과 휠에서 감지되는 신호를 운전자 단말과 서버로 전송하여, 타이어의 마모 또는 편마모 상태와 운전자에게 타이어의 교체 여부를 알려줌으로써, 운전자가 운행 습관을 올바르게 가지게 할 수 있고, 운전자의 안전을 도모할 수 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템을 제공함을 목적으로 한다.
상기의 목적을 달성하기 위해 본 발명은, 차량에 장착되는 휠캡과, 상기 휠캡과 통신하면서 상기 휠캡에서 센싱되는 데이터를 전송받는 운전자 단말과, 상기 사용자 단말과 통신하면서 상기 사용자 단말로부터 휠캡에서 센싱된 데이터를 전송받아 처리하는 서버로 이루어진 차량용 스마트 휠캡을 이용한 빅데이터 및 이를 활용한 타이어 편마모 예측 시스템에 있어서, 상기 휠캡은, 자가발전모듈과, 상기 자가발전모듈에서 발생된 전원을 공급받아 타이어의 정보를 감지하는 센서모듈와, 상기 자가발전모듈의 전원을 공급받아 상기 사용자 단말과 통신하는 통신모듈로 구성되고, 상기 서버는, 상기 사용자 단말에서 전송된 데이터로 빅데이터를 구축하기 위한 데이터저장모듈과, 상기 데이터저장모듈에서 저장된 데이터를 학습 및 분석하고 예측하는 머신러닝모듈로 구성되며, 상기 사용자 단말은, 상기 서버에서 계산된 정보를 받아서 디스플레이하는 애플리케이션을 포함하는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 이를 활용한 타이어 마모 예측 시스템을 제공한다.
본 발명에서 센서모듈는, 가속도 센서, 기울기 센서, 회전센서, 충격센서 및 GPS센서로 이루어지는 센서부와, 상기 센서부에서 감지된 신호를 값으로 산출하는 MCU로 이루어지는 것을 특징으로 한다.
본 발명에서 기울기 센서는, 9축 관성측정장치로 이루어지고, 상기 9축 관성측정장치에서 감지된 기울기 신호를 상기 MCU에서 계산하여, 운전자 차량의 전륜의 상하좌우 기울기 값인 휠얼라인먼트 값을 산출하는 것을 특징으로 한다.
본 발명에서 9축 관성측정장치를 통해 상기 운전자 차량의 기울기 신호가 실시간으로 감지되는 것을 특징으로 한다.
본 발명에서 휠캡은, 회전센서에서 측정되는 휠캡의 회전수를 감지하고, 상기 MCU는 상기 휠캡의 회전수를 기초로 차량의 주행거리를 측정하는 것을 특징으로 한다.
본 발명에서 데이터저장모듈은, 휠캡에서 측정되어 전송된, 가속도, 휠의 실시간 기울기 측정값, 타이어의 누적된 주행거리 정보와 GPS 정보가 순차적으로 누적되어 저장되는 것을 특징으로 한다.
본 발명에서 머신러닝모듈은, 데이터저장모듈에 저장된 데이터에서 타이어의 주행거리와, 휠의 실시간 기울기 측정값과, GPS 정보와, 운전자 차량에 장착된 타이어마모 한계지수와, 노면 상태에 따른 마찰계수 범위를 기초로 휠캡과 휠 얼라인먼트 값의 주행 변화가 정상인지 비정상인지 여부를 판단하고, 정상 또는 비정상 거동에 따른 타이어의 마모도 또는 타이어의 편마모도를 계산하는 것을 특징으로 한다.
본 발명에서 휠 얼라인머트 값의 주행변화가 정상인지 비정상인지를 판단하기 위한 매개변수로서, 차량 운전시의 외기온도 정보, 날씨정보, 공기압 정보 및 차량중량정보가 더 포함되는 것을 특징으로 한다.
본 발명에서 머신러닝모듈은 휠캡 및 휠의 주행시의 기울기 값이 정상정인 경우의 타이어 마모도를 계산하고, 상기 휠캡 및 휠의 주행시의 기울기 값이 비정상적인 경우의 타이어 마모를 계산하고 딥러닝 기법으로 학습하여, 운전자의 차량의 초기 운전 정보에 따라 타이어의 마모 상태를 예측하는 것을 특징으로 한다.
본 발명에서 머신러닝모듈은, 운전자의 차량의 주행 데이터를 기초로, 타이어의 마모 및 편마모와, 운전자 차량의 타이어 교환시기 및 교환위치를, 운전자 단말의 애플리케이션을 통해서 알려주는 것을 특징으로 한다.
본 발명에서 서버는 클라우드형 서버로 구성되며, 머신러닝모듈은, 데이터저장모듈에 저장된 빅데이터를 기반으로, 데이터저장모듈에 저장된 빅데이터와 유사한 운전습관과 주행량을 가진 운전자에게 타이어의 마모에 관한 정보를 제공하는 것을 특징으로 한다.
본 발명은 차량의 주행거리에 따라 셋팅된 타이어 전후 위치 교환시기에 해당하는 경우, 교환시기를 운전자의 단말기를 통해 미리 알려줄 수 있기 때문에 타이어의 사용시간을 늘릴 수 있는 장점이 있다.
또한, 본 발명은 타이어의 공기압이 서로 맞지 않는 경우 휠 얼라인먼트가 맞지 않아 타이어의 편마모가 발생할 수 있지만, 이를 미리 운전자에게 알려주기 때문에 타이어의 편마모를 줄여줄 수 있는 장점이 있다.
또한, 본 발명은 타이어의 마모 또는 편마모 상태를 알 수 있고, 교체시기를 운전자에게 미리 알려주기 때문에 타이어의 마모 또는 편마모에 따른 교통사고의 위험성을 줄이고, 운전자의 안전성을 도모하는 장점이 있다.
도 1은 본 발명에 따른 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템의 네트워크 연결도.
도 2는 본 발명에 따른 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템의 구조도.
도 3은 본 발명의 데이터저장모듈의 세부 구성도.
도 4는 본 발명에 따른 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템을 이용한 타이어 마모도 및 편마모도 측정방법의 순서도.
도 5는 본 발명에 따른 휠캡으로 토우 값을 측정하는 것을 도시한 평면도.
도 6은 본 발명에 따른 휠캡으로 캠버 값을 측정하는 것을 도시한 정면도.
이하 상기 목적이 구체적으로 실현될 수 있는 본 발명의 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 본 실시예들을 설명함에 있어서 동일 구성에 대해서는 동일 명칭 및 부호가 사용되며, 이에 따른 부가적인 설명은 생략하기로 한다.
도 1은 본 발명에 따른 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템의 네트워크 연결도이고, 도 2는 본 발명에 따른 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템의 구조도이고, 도 3은 본 발명의 데이터저장모듈의 세부 구성도이고, 도 4는 본 발명에 따른 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템을 이용한 타이어 마모도 및 편마모도 측정방법의 순서도이고, 도 5는 본 발명에 따른 휠캡으로 토우 값을 측정하는 것을 도시한 평면도이고, 도 6은 본 발명에 따른 휠캡으로 캠버 값을 측정하는 것을 도시한 정면도이다.
도 1 및 도 2에 도시된 바와 같이, 본 발명에 따른 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 편마모 예측 시스템은, 차량에 장착되는 휠캡(10)과, 휠캡(10)과 통신하면서 휠캡(10)에서 센싱되는 데이터를 전송받는 운전자 단말(20)과, 사용자 단말(20)과 통신하면서 사용자 단말(20)로부터 휠캡(10)에서 센싱된 데이터를 전송받아 처리하는 서버(30)로 이루어진다.
차량의 휠(W)에 장착되는 휠캡(10)은, 자가발전모듈(11)과, 자가발전모듈(11)에서 발생된 전원을 공급받아 타이어(T)의 정보를 감지하는 센서모듈(12)와, 자가발전모듈(11)의 전원을 공급받아 사용자 단말(20)과 통신하는 통신모듈(13)로 구성된다. 자가발전모듈(11)은 휠의 회전력을 이용하여 발전하는 것으로서 휠캡(10)의 내부에 장착되어 휠캡의 회전력을 받아서 전원을 발생시킨다. 센서모듈(12)도 휠캡 내부에 장착되고, 휠캡 내부에 장착되어 휠(W)의 주행관련 데이터를 감지한다. 센서모듈(12)은 가속도 센서, 기울기 센서, 회전센서, 충격센서 및 GPS센서로 이루어지는 센서부(121)와, 센서부(121)에서 감지된 신호를 값으로 산출하는 MCU(122)로 이루어진다. 통신모듈(13)은 운전자의 사용자 단말(20)과 통신할 수 있는 다양한 형태의 통신이 사용될 수 있다. 예로써, wifi를 이용하거나 bluetooth를 이용할 수 있다.
사용자 단말(20)은, 휠캡(10)과 통신할 수 있는 조건을 가지면 충분하다. 다만, 사용자 단말(20)은 휠캡(10)에서 전송되는 센서 신호를 받아서 표시할 수 있는 애플리케이션이 구비되어야 한다. 사용자 단말(20)은 통상적으로 스마트 폰으로 구성되나, 차량에 장착되어 휠캡과 통신이 가능하고 통신망과 연결될 수 있는 것이면 임베디드 타입의 사용자 단말도 포함될 수 있다.
서버(30)는, 사용자 단말(20)에서 전송된 데이터로 빅데이터를 구축하기 위한 데이터저장모듈(31)과, 데이터저장모듈(31)에서 저장된 데이터를 학습 및 분석하고 예측하는 머신러닝모듈(32)로 구성된다. 서버(30)는 사용자 단말(20)과 유무선 네트워크를 통해서 데이터를 주고 받는다. 상기 서버(30)는 클라우드 서버를 사용할 수 있다. 데이터 저장모듈(31)은 도 3에 도시된 바와 같이, 데이터 분할부(311)와, 데이터 계산부(312)와, 데이터 비교부(313), 데이터 보정부(314) 및 데이터 저장부(315)로 구성된다. 데이터 분할부(311)는 차종, 타이어 제조사, 제조사별 타이어의 종류 등에 따라 센서모듈에서 전송된 데이터를 일정한 기준으로 분할한다. 데이터 계산부(312)는 타이어의 마모 정도를 차종이나 타이어 제조사별로 타이어의 마모 정도 또는 편마모 정도에 대한 다양한 값을 계산한다. 데이터 비교부(313)는 데이터 계산부(312)에서 계산된 값을 기초로 차종이나 타이어 제조사별 그리고 제조사의 타이어 제품별로 비교하여 사용자 단말로 제시할 수 있다. 데이터 보정부(314)는 데이터 계산부(313)에서 계산된 값과, 설정된 참조값(reference valve)과 비교하여 합산된 일정 값을 참조값으로 할 수 있다. 참조값은 머신러닝을 통해 학습된 값으로서, 계속되는 일련의 학습으로 참조값은 보정될 수 있으며 보정된 참조값은 데이터 저장부(315)에 저장된다. 머신러닝모듈(32)에 수행되는 학습으로 참조값이 만들어지며, 기계학습으로 만들어진 데이터는 데이터저장모듈(31)에 저장된다. 또한, 서버(30)는 사용자 단말(20)에서 요청이 있는 경우, 유무선 통신망을 통해 사용자 단말(20)로 저장된 데이터를 전송한다.
본 발명에 따른 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템의 타이어의 마모 또는 편마모의 예측 과정을 도 1 내지 도 3을 참조하여 상세하게 설명하기로 한다.
먼저 휠캡(10)에 장착된 센서부(121)에서 휠(W)을 통해서 감지되는 신호를 감지하고 사용자 단말로 감지된 신호를 전송한다. 센서부(121)는, 가속도 센서, 기울기 센서, 회전센서, 충격센서 및 GPS센서를 포함한다. 가속도 센서는 차량의 운행 중의 가속도를 감지한다.
운전자가 차량을 급가속하거나 급정지하는 경우 가속도 센서에서 감지되고, 이러한 급가속 또는 급감속의 경우에 대한 데이터는 MCU(122)와 통신모듈(13)을 통해 운전자 단말로 전송된다.
기울기 센서는 9축 관성측정장치(Inertial Measuring Unit : IMU) 또는 9축 센서라고 불리는 센서를 사용한다. 9축은 3축 가속도계, 3축 각속도계 및 3축 지자기계로 구성된다. 9축 센서를 통해 감지되는 신호는 MCU(Micro Control Unit)를 통해 롤링(rolling), 피칭(pitching) 및 요잉(yawing) 각도로 출력된다. MCU는 칼만필터(Kalman filter)를 이용하여 신호의 고주파 또는 저주파 노이즈를 제거한다. 9축 센서는 토우와 캠버 값의 변화를 감지하고, MCU(122)는 감지된 토우와 캠버의 값의 변화를 비교하여 휠의 얼라인먼트 기울기 값의 변화를 실시간으로 파악한다. 롤링(rolling)은 차량의 길이방향인 세로방향 축(X축)을 기준으로 좌우로 회전 진동하는 현상을 말한다. 피칭(pitching)은 차량의 폭방향인 가로방향 축(Y축)을 기준으로 전후로 회전 진동하는 현상을 말한다. 요잉(yawing)은 차량의 높이 방향인 수직방향 축(Z축)을 기준으로 물체가 회전 진동하는 것을 말한다. 이러한 롤링, 피칭과 요잉 값은 각도로 출력된다. 도 5 내지 도 6은 차량용 스마트 휠캡(10)으로 측정할 수 있는 타이어의 상태를 표시하고 있다. 차량용 스마트 휠캡(10)의 9축 관성측정장치를 이용하여 토우(Toe)(도 5)와 캠버(Camber)(도 6)의 값을 측정할 수 있다. 측정된 값은 사용자 단말기(20)로 전송되고, 사용자 단말기(20)은 서버(30)로 데이터를 전송한다. 서버(30)는 전송된 데이터를 기초로 주행이 정상적인 상태인지 비정상적인 상태인지를 파악하게 된다.
회전센서는 휠의 회전수를 파악하기 위한 센서이다. 회전센서를 통해 휠의 회전수를 파악하고, 회전수에 의해 주행거리를 계산할 수 있다. 예를 들어 205/55R/16으로 타이어 값이 정해지면, 205(mm)는 단면폭(w)이고, 55(%)는 편평도(h/w * 100)이고, 16(inch)은 휠의 직경이다. 따라서, h = 205 * 0.55이다. 따라서 휠과 타이어를 합친 직경은 16 * 25.4 mm + 2 * (205 * 0.55) = 631.9 mm가 된다. 따라서 휠이 한바퀴를 회전할 때 이동거리는 631.9 * π = 1986 mm 가 된다. 따라서 휠의 회전수에 이동거리를 곱하면 주행거리를 파악할 수 있다. 따라서 회전센서를 통해서 휠의 회전수가 파악되고, MCU(122)를 통해 주행거리를 계산하여 주행거리 데이터가 사용자 단말(20)을 통해 서버(30)의 데이터 저장모듈로 전송된다.
또한, 충격센서와 GPS 센서를 이용하여 노면의 마찰계수를 파악할 수 있다. 즉, 주행하고 있는 차량의 GPS 센서를 통해 해당 도로를 파악하고, 충격센서를 통해 주행하는 도로의 노면 상태를 파악할 수 있다.
센서부(121)에서 측정되는 센서신호는 MCU(122)를 거쳐 사용자 단말(20)을 통해 서버(30)로 전송된다.
서버(30)는 사용자 단말(20)을 통해 데이터가 전송되면 데이터저장모듈(31)에서 데이터를 저장한다. 즉, 휠캡(10)에서 측정되어 전송된, 가속도, 휠의 실시간 기울기 측정값, 휠의 누적된 주행거리 정보와 GPS 정보가 순차적으로 누적되어 저장된다. 저장되는 데이터는 각 항목별로 순차적으로 누적 저장되도록 설정된다. 그에 따라 차종별, 사용자별 차량의 주행데이터가 데이터저장모듈(31)에 저장될 수 있다.
서버(30)의 머신러닝모듈(32)은 데이터저장모듈(31)에서 저장된 데이터를 활용하여 휠의 주행거리와, 상기 휠의 실시간 기울기 측정값과, GPS 정보와, 사용자 차량에 장착된 타이어마모 한계지수와, 노면 상태에 따른 마찰계수 범위를 기초로 휠캡과 휠 얼라인먼트 값의 주행 변화가 정상인지 비정상인지 여부를 판단하고, 정상 또는 비정상 거동에 따른 타이어의 마모도 또는 타이어의 편마모도를 머신러닝 알고리즘으로 계산하고, 계산된 값을 딥러닝 기법으로 학습한다. 타이어의 마모도 또는 편마모도를 계산하기 위한 매개변수로서 차량 운전시의 외기온도 정보, 날씨정보, 공기압 정보 및 차량중량정보가 더 포함될 수 있다. 외기온도나 날씨 정보에 따라 타이어의 공기압이 달라질 수 있으며, 외기온도에 따라 노면의 상태도 달라질 수 있으므로 이러한 외기 조건에 대하여도 타이어의 마모도 및 편마모도를 계산하는데 고려된다. 또한 차량에서 측정되는 공기압의 정보돠 차량중량에 따른 정보도 더 고려될 수 있다.
마찰계수 범위는 다음 표 1에 따라 계산된다.
노면의 종류 마찰계수의 범위
건조 습윤
콘크리트 1.0 ~ 0.5 0.9 ~0.4
아스팔트 포장 1.0 ~ 0.5 0.9 ~0.3
모래길 0.6 ~ 0.4 -
동판(유리) 0.8 ~ 0.4 0.5 ~0.2
적설 노면 - 0.5 ~0.2
빙판길 - 0.2 ~0.1
상기의 각 데이터를 머신러닝모듈(32)은 데이터저장모듈(31)로부터 불러와서, 현재 휠캡과 휠 기울기가 정상적인 상태인지를 비정상적인 상태인지를 파악한다.
정상적인 상태로 파악되면, 분석 알고리즘을 통해 타이어의 마모도를 분석하고, 예상 타이어의 수명을 계산할 수 있다.
타이어의 수명은 (타이어트레드웨어 * 220 - (1.5 ~ 1.6) * 10000)의 공식을 사용한다. 예를 들어 타이어트레드웨어가 450이면 450 * 220 - 15000 or 16000 = 83,000 ~ 84,000 km가 된다. 여기서 1.5 ~ 1.6은 타이어 마모 한계지수이다.
비정상적인 상태로 파악되면, 분석 알고리즘을 통해 타이어의 편마모도를 분석하고, 예상 타이어의 수명을 계산할 수 있다. 편마도가 심한 경우라면 타이어의 마모 한계지수는 정상적인 주행의 경우보다 떨어지게 되고 그에 따라 타이어의 수명은 줄어들게 된다.
이렇게 계산되는 값을 통해 머신러닝모듈(32)은 딥러닝 기법으로 학습한다.딥러닝 기법은 합성곱 신경망(Convolutional Neural Network:CNN)이나 순환 신경망(RNN:Recurrent Neural Network) 기법들을 활용 및 융합하여 학습하고, 이상징후를 탐지해낸다. 이상 탐지를 위한 딥러닝 기법으로는 LSTM(Long Short-Tem Memory)과 GRU(Gated Recurrent Unit)를 사용하여 센서모듈(12)을 통해 전송되는 스트리밍 데이터의 이상징후를 감지하는 디텍터(detector)로 활용할 수 있다.
머신러닝모듈(32)은 상기에서 계산된 타이어의 마모도/편마모도를 사용자 단말로 전송하고, 사용자는 사용자 단말(20)를 통해 자신의 차량의 마모도/편마모도를 파악할 수 있다.
또한, 머신러닝모듈(32)은 사용자 단말(20)로 타이어의 예상 수명을 예측하여 전송하고, 운전자는 자신의 단말을 통해 타이어의 교환시기 및 교환위치를 알 수있다. 머신러닝모듈(32)은 데이터저장모듈에서 저장된 데이터를 받아서 계산하고, 계산된 값을 초기 설정된 설정값과 비교하여 새로운 참조값을 생산하고, 계속적인 반복 학습을 통해 적정한 참조값을 생산하게 된다. 그에 따라 머신러닝모듈(32)의 운전자의 운전습관 등을 고려하여 운전자 단말로 타이어의 마모도/편마모도 및 타이어 수명을 예측할 수 있다.
또한, 서버(30)는 클라우드 서버를 사용할 수 있으며, 서버(30)의 머신러닝모듈(32)은, 차종별, 동일한 차종의 경우에도 타이어 제조사별, 주행량 및 운전습관을 분석하여 빅데이터를 구축할 수 있다. 빅데이터로 구축된 데이터를 기반으로 하여, 빅데이터에 저장된 데이터와 유사한 운전자의 운전습관이나 주행량을 비교분석하여 운전자에게 최적의 데이터를 제공할 수 있다. 그에 따라 차량 운전자는 최적의 조건으로 주행을 할 수 있으므로, 타이어의 수명이 늘어남과 아울러 올바른 운전습관을 기를 수 있다는 장점이 있다.
도 3의 순서도를 이용하여 본 발명에 따른 타이어의 마모도를 판단하는 과정을 상세히 설명하기로 한다.
우선 휠캡(10) 센서모듈(12)의 구성인 센서부(121)에서 주행과 관련된 데이터를 감지한다. 회전센서, 9축센서, 충격센서, 가속도 센서 및 GPS 센서에서 각 주행관련 데이터를 감지하고, 감시된 신호를 센서모듈(12)의 구성인 MCU(122)로 전송한다(S1).
MCU(122)는 전송된 데이터를 기초로 하여 값을 계산한다. 회전센서를 통해서 타이어의 주행거리를 계산하고, 9축센서를 통해서 롤링, 피칭 및 요잉값을 계산하고, 가속도 센서를 통해서 전달된 값에서 시간당 가속도를 계산하고, 충격센서를 통해서 노면을 분석하며, 또한 GPS센서는 차량이 이동한 장소를 파악한다(S2).
MCU(122)는 분석된 각 신호를 기초로 타이어 마모 한계지수, 노면 마찰계수, GPS 정보를 분석하고 각 계산된 값을 도출한다(S3). 상기 값들을 도출하는데에는 온도, 날씨, 타이어의 공기압 및 차량 중량이 매개변수로 작용할 수 있다(S3a).
분석된 값을 기초로 서버(30)는 휠캡과 휠 기울기의 주행변화가 초기 설정값 또는 참조값과 비교하여 정상범위에 있는지 여부를 파악한다(S4). 분석된 값을 기초로 초기 설정값 또는 머신 러닝에서 학습된 값이 참조값과 비교하여 정상 범위 내에 있는지 여부를 파악한다. 그에 따라 분석된 값이 정상 범위에 있는 경우에는 통상적인 타이어의 마모도를 계산하고(S5), 비정상 범위에 있는 경우에는 비정상 경우의 타이어의 마모도나 편마모도를 계산한다(S6).
타이의 마모도 계산이 완료되면, 서버(30)는 사용자 단말로 운전자에게 타이어 마모/편마모를 알려주고, 타이어의 교환시기나 타이어 교환위치를 사용자 단말(20)로 전송하며, 전송된 신호는 사용자 단말(20)을 통해서 운전자가 확인할 수 있게 된다(S7).
서버(30)는 현재 계산된 주행관련 데이터를 기초로 적정한 참조값을 생성하며, 생성된 참조값은 기계학습을 통해서 최적의 참조값이 만들어질 수 있다(S8).
이와 같이 본 발명은 다양하게 변형실시가 가능한 것으로, 본 발명의 바람직한 실시예를 들어 설명하였으나, 본 발명은 이러한 실시예에 한정된 것은 아니고, 본 발명의 청구 범위와 상세한 설명에서 본 발명이 속하는 기술분야의 통상의 기술자가 변형하여 사용할 수 있는 기술은 본 발명의 기술범위에 당연히 포함된다고 보아야 할 것이다.
10 : 휠캡 11 : 자가발전모듈
12 : 센서모듈 13 : 통신모듈
20 : 사용자 단말
30 : 서버 31 : 데이터저장모듈
32 : 머신러닝모듈

Claims (11)

  1. 차량에 장착되는 휠캡과, 상기 휠캡과 통신하면서 상기 휠캡에서 센싱되는 데이터를 전송받는 사용자 단말과, 상기 사용자 단말과 통신하면서 상기 사용자 단말로부터 휠캡에서 센싱된 데이터를 전송받아 처리하는 서버로 이루어진 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템에 있어서,
    상기 휠캡은, 자가발전모듈; 상기 자가발전모듈에서 발생된 전원을 공급받아 타이어의 정보를 감지하는 가속도 센서, 기울기 센서, 회전센서, 충격센서 및 GPS센서로 이루어지는 센서부와, 상기 센서부에서 감지된 신호를 값으로 산출하는 MCU로 이루어지는 센서모듈; 및 상기 자가발전모듈의 전원을 공급받아 상기 사용자 단말과 통신하는 통신모듈;로 구성되고,
    상기 서버는, 상기 사용자 단말에서 전송된 데이터로 빅데이터를 구축하기 위한 데이터저장모듈; 및 상기 데이터저장모듈에서 저장된 데이터를 학습 및 분석하고 예측하는 머신러닝모듈;로 구성되며,
    상기 사용자 단말은, 상기 서버에서 계산된 정보를 받아서 디스플레이하는 애플리케이션을 포함하는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 기울기 센서는, 9축 관성측정장치로 이루어지고,
    상기 9축 관성측정장치에서 감지된 기울기 신호를 상기 MCU에서 계산하여, 사용자 차량의 전륜의 상하좌우 기울기 값인 휠얼라인먼트 값을 산출하는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
  4. 제3항에 있어서,
    상기 9축 관성측정장치를 통해 상기 차량의 기울기 신호가 실시간으로 감지되는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
  5. 제4항에 있어서,
    상기 휠캡은, 상기 회전센서에서 측정되는 휠캡의 회전수를 감지하고, 상기 MCU는 상기 휠캡의 회전수를 기초로 차량의 주행거리를 측정하는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
  6. 제5항에 있어서,
    상기 데이터저장모듈은, 상기 휠캡에서 측정되어 전송된, 가속도, 휠의 실시간 기울기 측정값, 타이어의 누적된 주행거리 정보와 GPS 정보가 순차적으로 누적되어 저장되는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
  7. 제6항에 있어서,
    상기 머신러닝모듈은, 상기 데이터저장모듈에 저장된 데이터에서 상기 타이어의 주행거리와, 상기 휠의 실시간 기울기 측정값과, GPS 정보와, 운전자 차량에 장착된 타이어마모 한계지수와, 노면 상태에 따른 마찰계수 범위를 기초로 휠캡과 휠 얼라인먼트 값의 주행 변화가 정상인지 비정상인지 여부를 판단하고, 정상 또는 비정상 거동에 따른 타이어의 마모도 또는 타이어의 편마모도를 계산하는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
  8. 제7항에 있어서,
    상기 휠 얼라인먼트 값의 주행변화가 정상인지 비정상인지를 판단하기 위한 매개변수로서,
    차량 운전시의 외기온도 정보, 날씨정보, 공기압 정보 및 차량중량정보가 더 포함되는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
  9. 제8항에 있어서,
    상기 머신러닝모듈은 상기 휠캡 및 휠의 주행시의 기울기 값이 정상정인 경우의 타이어 마모도를 계산하고, 상기 휠캡 및 휠의 주행시의 기울기 값이 비정상적인 경우의 타이어 마모를 계산하고 딥러닝 기법으로 학습하여, 운전자의 차량의 초기 운전 정보에 따라 타이어의 마모 상태를 예측하는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
  10. 제9항에 있어서,
    상기 서버의 머신러닝모듈은, 상기 운전자의 차량의 주행 데이터를 기초로, 상기 타이어의 마모 및 편마모와, 상기 운전자 차량의 타이어 교환시기 및 교환위치를, 상기 사용자 단말의 애플리케이션을 통해서 알려주는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
  11. 제10항에 있어서,
    상기 서버는 클라우드형 서버로 구성되며,
    상기 머신러닝모듈은, 상기 데이터저장모듈에 저장된 빅데이터를 기반으로, 데이터저장모듈에 저장된 빅데이터와 유사한 운전습관과 주행량을 가진 사용자에게 타이어의 마모에 관한 정보를 제공하는 것을 특징으로 하는 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템.
KR1020190115520A 2019-09-19 2019-09-19 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템 KR102225923B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190115520A KR102225923B1 (ko) 2019-09-19 2019-09-19 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190115520A KR102225923B1 (ko) 2019-09-19 2019-09-19 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템

Publications (1)

Publication Number Publication Date
KR102225923B1 true KR102225923B1 (ko) 2021-03-09

Family

ID=75179664

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190115520A KR102225923B1 (ko) 2019-09-19 2019-09-19 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템

Country Status (1)

Country Link
KR (1) KR102225923B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102316307B1 (ko) * 2021-04-27 2021-10-22 주식회사 오토기기 타이어의 측면 인쇄 정보 및 결함을 검출하는 장치
KR20220130383A (ko) * 2021-03-18 2022-09-27 재단법인한국조선해양기자재연구원 소음분석을 통한 타이어 편마모 조기 감지 시스템 및 그 방법
WO2022219841A1 (ja) * 2021-04-13 2022-10-20 株式会社ブリヂストン タイヤ管理装置及びタイヤ管理方法
KR20230033283A (ko) 2021-09-01 2023-03-08 현대자동차주식회사 차량의 타이어 마모 가혹도 알림 방법
CN117901884A (zh) * 2024-03-19 2024-04-19 北京融信数联科技有限公司 一种轮胎磨损实时检测方法、装置及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100973598B1 (ko) 2009-08-31 2010-08-02 김내동 자동차 타이어의 편마모 감지장치 및 방법
KR20180073039A (ko) * 2016-12-22 2018-07-02 에스케이플래닛 주식회사 타이어 마모 확인 시스템, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체
KR101896647B1 (ko) * 2018-06-11 2018-09-07 이도현 차량용 스마트 휠캡
KR20190043848A (ko) 2017-10-19 2019-04-29 넥센타이어 주식회사 타이어의 상태 모니터링 시스템 및 방법
KR20190048319A (ko) 2017-10-31 2019-05-09 현대자동차주식회사 차량의 타이어 마모 상태 알림 장치 및 그를 이용한 알림 방법
KR20190078705A (ko) 2017-12-14 2019-07-05 (주)넷케이티아이 차량의 데이터로부터 부품 노후화 패턴을 분석하여 차량의 고장을 예측하는 시스템 및 그 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100973598B1 (ko) 2009-08-31 2010-08-02 김내동 자동차 타이어의 편마모 감지장치 및 방법
KR20180073039A (ko) * 2016-12-22 2018-07-02 에스케이플래닛 주식회사 타이어 마모 확인 시스템, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체
KR20190043848A (ko) 2017-10-19 2019-04-29 넥센타이어 주식회사 타이어의 상태 모니터링 시스템 및 방법
KR20190048319A (ko) 2017-10-31 2019-05-09 현대자동차주식회사 차량의 타이어 마모 상태 알림 장치 및 그를 이용한 알림 방법
KR20190078705A (ko) 2017-12-14 2019-07-05 (주)넷케이티아이 차량의 데이터로부터 부품 노후화 패턴을 분석하여 차량의 고장을 예측하는 시스템 및 그 방법
KR101896647B1 (ko) * 2018-06-11 2018-09-07 이도현 차량용 스마트 휠캡

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220130383A (ko) * 2021-03-18 2022-09-27 재단법인한국조선해양기자재연구원 소음분석을 통한 타이어 편마모 조기 감지 시스템 및 그 방법
KR102519341B1 (ko) * 2021-03-18 2023-04-06 재단법인한국조선해양기자재연구원 소음분석을 통한 타이어 편마모 조기 감지 시스템 및 그 방법
WO2022219841A1 (ja) * 2021-04-13 2022-10-20 株式会社ブリヂストン タイヤ管理装置及びタイヤ管理方法
KR102316307B1 (ko) * 2021-04-27 2021-10-22 주식회사 오토기기 타이어의 측면 인쇄 정보 및 결함을 검출하는 장치
KR20230033283A (ko) 2021-09-01 2023-03-08 현대자동차주식회사 차량의 타이어 마모 가혹도 알림 방법
CN117901884A (zh) * 2024-03-19 2024-04-19 北京融信数联科技有限公司 一种轮胎磨损实时检测方法、装置及介质
CN117901884B (zh) * 2024-03-19 2024-06-11 武汉理工大学 一种轮胎磨损实时检测方法、装置及介质

Similar Documents

Publication Publication Date Title
KR102225923B1 (ko) 차량용 스마트 휠캡을 이용한 빅데이터 및 머신러닝 기술을 활용한 타이어 마모 예측 시스템
US10830908B2 (en) Applying motion sensor data to wheel imbalance detection, tire pressure monitoring, and/or tread depth measurement
CA3039518A1 (en) Vehicle tire monitoring systems and methods
CN101566511B (zh) 用于轮胎侧偏力估计和监测的***和方法
AU2020268954B2 (en) Method and system for the recognition of the irregularities of a road pavement
CN111247010B (zh) 确定车辆中的轮胎改变状态
US11458777B2 (en) Tread wear monitoring system and method
CN104185781B (zh) 用于进行轮胎压力检查的方法和装置
US20200307327A1 (en) Determining a tire pressure status in a vehicle
CN106347044B (zh) 考虑低压状况的胎压监测装置及其方法
KR101655376B1 (ko) 타이어 공기압을 이용한 차량 질량 추정 장치 및 그 방법
CN114729513B (zh) 用于评估路段的不平整参数的方法和***
AU2020270007B2 (en) Method and system for the recognition of the irregularities of a road pavement
CN104350369B (zh) 用于进行轮胎胎压检测的装置和方法
CN115698636A (zh) 基于地形的车辆导航与控制
US20150161824A1 (en) Indirect characterization of transportation networks and vehicle health
KR20120019664A (ko) 차량 적재량 자동 산출 장치, 방법 및 이를 통한 원격 관리 시스템
CN108106534A (zh) 一种驱动轴识别的装置及方法
CN104204756B (zh) 用于胎压检测的方法和装置
CN114996890A (zh) 一种检测方法及相关设备
CN114728557B (zh) 用于评估车辆沿着路段行驶期间的车身运动的方法和***
KR102545570B1 (ko) 타이어동하중반경을 반영한 차량 하중 측정 방법
US11756347B2 (en) State monitoring device that specifies status of vehicle
KR102322778B1 (ko) 타이어 상태 측정 시스템 및 방법
CN113710505A (zh) 用于确定车辆轮胎的轮胎状态的***

Legal Events

Date Code Title Description
GRNT Written decision to grant