KR102585532B1 - 차량 및 그 제어 방법 - Google Patents

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.

Description

차량 및 그 제어 방법{VEHICLE AND METHOD OF CONTROLLING THE SAME}

본 발명은 차량에 관한 것으로, 차량의 제어를 위한 펌웨어 업데이트에 관한 것이다.

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.

그러나 현재의 차량들은 개발 단계에서 고정된 제어 특성들이 그대로 유지될 뿐, 운전자가 요구하는 고유의 특성에는 대응하지 못하고 있다.

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.

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.

상술한 차량 제어 방법에서, 수집한 상기 운전 데이터를 상기 차량의 메모리에 저장하고; 저장한 상기 운전 데이터를 미리 설정된 주기마다 상기 서버로 전송한다.

상술한 차량 제어 방법에서, 상기 학습 결과를 OTA(Over The Air) 방식을 통해 상기 서버로부터 수신한다.

상술한 차량 제어 방법에서, 수신된 상기 데이터는 상기 차량의 펌웨어를 업데이트하기 위한 펌웨어 업데이트 데이터이다.

상술한 차량 제어 방법에서, 상기 서버에서의 학습은 상기 운전자의 운전 성향을 반영하여 상기 차량의 제어를 커스터마이징하기 위한 것이다.

상술한 차량 제어 방법에서, 상기 서버에서의 학습은 머신 러닝과 딥 러닝 가운데 적어도 하나를 포함한다.

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.

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.

상술한 차량에서, 상기 제어부는, 상기 학습 결과를 OTA(Over The Air) 방식을 통해 상기 서버로부터 수신한다.

상술한 차량에서, 수신된 상기 데이터는 상기 차량의 펌웨어를 업데이트하기 위한 펌웨어 업데이트 데이터이다.

상술한 차량에서, 상기 서버에서의 학습은 상기 운전자의 운전 성향을 반영하여 상기 차량의 제어를 커스터마이징하기 위한 것이다.

상술한 차량에서, 상기 서버에서의 학습은 머신 러닝과 딥 러닝 가운데 적어도 하나를 포함한다.

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.

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.

도 1은 본 발명의 일 실시 예에 따른 차량과 서버 사이의 통신을 나타낸 도면이다.

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.

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.

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.

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.

도 2는 본 발명의 실시 예에 따른 차량의 제어 계통을 나타낸 도면이다.

도 2에 나타낸 바와 같이, 차량(100)에는 제어부(202)와 통신부(204), 메모리(206), 복수의 ECU들(210)이 서로 통신 가능하도록 연결된다.

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.

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.

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.

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.

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.

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.

도 3으로 돌아와서, 제어부(202)는 학습 결과가 반영된 펌웨어 업데이트 데이터를 서버(104)로부터 OTA 방식을 통해 수신한다(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.

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.

100: 차량
102: 텔레매틱스 센터
104: 서버
202: 제어부
204: 통신부
206: 메모리
210: ECU

Claims (12)

1. 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.
2. 삭제
3. 삭제
4. 삭제
5. 제 1 항에 있어서,
   상기 서버에서의 학습은 상기 운전자의 운전 성향을 반영하여 상기 차량의 제어를 커스터마이징하기 위한 것인 차량 제어 방법.
6. 제 1 항에 있어서,
   상기 서버에서의 학습은 머신 러닝과 딥 러닝 가운데 적어도 하나를 포함하는 차량 제어 방법.
7. 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.
8. 삭제
9. 삭제
10. 삭제
11. 제 7 항에 있어서,
    상기 서버에서의 학습은 상기 운전자의 운전 성향을 반영하여 상기 차량의 제어를 커스터마이징하기 위한 것인 차량.
12. 제 7 항에 있어서,
    상기 서버에서의 학습은 머신 러닝과 딥 러닝 가운데 적어도 하나를 포함하는 차량.
    

Images