KR20160000108A - Vehicle data generation method, vehicle data generation server the same and storage media storing the same - Google Patents
Vehicle data generation method, vehicle data generation server the same and storage media storing the same Download PDFInfo
- Publication number
- KR20160000108A KR20160000108A KR1020140076934A KR20140076934A KR20160000108A KR 20160000108 A KR20160000108 A KR 20160000108A KR 1020140076934 A KR1020140076934 A KR 1020140076934A KR 20140076934 A KR20140076934 A KR 20140076934A KR 20160000108 A KR20160000108 A KR 20160000108A
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle data
- data
- actual vehicle
- interpolation function
- generating
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Traffic Control Systems (AREA)
Abstract
Description
차량 데이터 생성 기술에 관한 것으로, 보다 구체적으로, 차량의 CAN(Control Area Network) 프로토콜을 통해 수집된 실제 차량 데이터를 사용하여 실제 차량 데이터에 근접한 다수의 차량 데이터를 생성하는 차량 데이터 생성 방법, 이를 수행하는 차량 데이터 생성 방법 및 이를 저장하는 기록매체에 관한 것이다.
More particularly, the present invention relates to a vehicle data generation method for generating a plurality of vehicle data close to actual vehicle data using actual vehicle data collected through a CAN (Control Area Network) protocol of a vehicle, And a recording medium storing the method.
일반적으로, 실제 차량 데이터는 차량에 직접 측정기를 설치하여 측정된 차량의 복수의 구성요소들의 상태로서, 예를 들어, 온도, 밸브의 위치, 전압 또는 압력 등에 대한 데이터에 해당한다. 실제 차량 데이터는 차량과 관련된 연구 또는 프로그램의 성능을 평가하기 위하여 사용될 수 있는데 차량에 직접 측정기를 설치하여 얻을 수 있는 실체 차량 데이터는 양이 한정되어 있고 또한 단순한 방법에 의하여 차량 데이터를 생성하는 경우에는 실제 차량 데이터와 비교하여 큰 차이점을 보이고 다양한 특성에 대한 차량 데이터를 생성할 수 없다.Generally, the actual vehicle data corresponds to the state of a plurality of components of the vehicle measured by installing the measuring apparatus directly on the vehicle, for example, data on temperature, position of the valve, voltage or pressure, and the like. Actual vehicle data can be used to evaluate the performance of a research or program related to a vehicle. When the actual vehicle data that can be obtained by installing a direct measurement device on a vehicle is limited in amount and when vehicle data is generated by a simple method Compared to the actual vehicle data, it shows great differences and can not generate vehicle data for various characteristics.
한국등록특허 제10-1282417호는 테스트용 캔(CAN) 데이터 파일의 생성 장치 및 방법에 관한 것으로서, 차량의 주행 변수 설정값을 입력받고 이를 반영하여 캔 데이터를 갱신하여 테스트용 캔 데이터 파일을 생성한다. 실제 주행시에 캔 데이터들을 수집하고 기준 변화량 단위로 특정 주행 변수의 변화량을 모니터링하고 기준 캔 데이터 변화량과 연계 캔 데이터 변화량의 상관 관계를 이용하여 연계 캔 데이터의 수정 값을 결정하는 것으로, CAN데이터 내부의 장치들에 대한 변화량의 분석 결과를 이용한다.Korean Patent No. 10-1282417 relates to an apparatus and a method for generating a CAN data file for testing, which receives a set value of a running variable of a vehicle, updates the CAN data by reflecting the value, do. The CAN data is collected at the time of actual driving, the change amount of the specific running variable is monitored in the reference change amount unit, and the modification value of the canned can data is determined by using the correlation between the reference can data change amount and the canned can data change amount. We use the results of the analysis of changes in devices.
한국등록특허 제10-0686359호는 이씨유 임베디드 시스템을 위한 3차원 자동차 시뮬레이터 시스템에 관한 것으로서, ECU 시스템을 가상적인 3D자동차 시뮬레이션에 적용하여 ECU 임베디드 시스템의 안정성 및 적합성을 테스트한다. ECU 임베디드 시스템에서 입력되는 신호를 실시간 계산하여 차량의 상태를 3D 모델링하여 출력하고 ECU 임베디드 시스템에서 출력된 신호를 입력하여 자동차 시뮬레이션 모델에 맞게 프로그램된 알고리즘을 통해 현재의 상태를 추정한다.
Korean Patent No. 10-0686359 discloses a three-dimensional car simulator system for an ECU embedded system, and tests the stability and suitability of an ECU embedded system by applying an ECU system to a virtual 3D car simulation. ECU embedded system, real-time calculation of signals, 3D modeling and outputting of the vehicle state, inputting signals output from the ECU embedded system, and estimating the current state through algorithms programmed according to the vehicle simulation model.
본 발명의 일 실시예는 실제 차량 데이터의 각 항목에 대한 특성을 가지는 보간 함수들을 생성할 수 있는 차량 데이터 생성 방법을 제공하고자 한다.An embodiment of the present invention is to provide a vehicle data generation method capable of generating interpolation functions having characteristics for each item of actual vehicle data.
본 발명의 일 실시예는 보간 함수를 이용하여 실제 차량 데이터의 분석 없이 실제 차량 데이터에 근접한 차량 데이터를 다량으로 생성할 수 있는 차량 데이터 생성 방법을 제공하고자 한다.An embodiment of the present invention is to provide a vehicle data generation method capable of generating a large amount of vehicle data close to actual vehicle data without analyzing actual vehicle data using an interpolation function.
본 발명의 일 실시예는 보간 함수를 이용하여 다양한 차량 데이터에 쉽게 적용할 수 있는 차량 데이터 생성 방법을 제공하고자 한다.
An embodiment of the present invention is to provide a vehicle data generation method that can be easily applied to various vehicle data using an interpolation function.
실시예들 중에서, 차량 데이터 생성 방법은 차량 데이터 생성 서버에서 수행된다. 상기 차량 데이터 생성 방법은 (a) 실제 차량 데이터를 수집하여 상기 실제 차량 데이터를 차량의 구성요소 별로 분류하는 단계, (b) 상기 수집된 실제 차량 데이터를 기초로 상기 구성요소 각각에 대한 보간 함수를 생성하는 단계 및 (c) 상기 수신된 실제 차량 데이터를 기초로 생성될 수 있는 보간 차량 데이터의 생성 조건을 사용자로부터 수신하고 상기 생성 조건에 기초하여 상기 실제 차량 데이터 및 상기 보간 함수로부터 상기 보간 차량 데이터를 생성하는 단계를 포함한다.Among the embodiments, the vehicle data generating method is performed in the vehicle data generating server. The vehicle data generation method includes the steps of: (a) collecting actual vehicle data and classifying the actual vehicle data according to each component of the vehicle; (b) calculating an interpolation function for each of the components based on the collected actual vehicle data; And (c) receiving, from a user, a generation condition of interpolated vehicle data that can be generated based on the received actual vehicle data, and generating the interpolated vehicle data from the actual vehicle data and the interpolation function based on the generation condition .
일 실시예에서, 상기 실제 차량 데이터는 상기 차량의 ECU(Electronic Control Unit)로부터 CAN(Control Area Network) 프로토콜을 통하여 수집된 상기 차량의 구성요소에 대한 상태 데이터에 해당하며 상기 상태 데이터는 시간에 대한 값을 포함할 수 있다.In one embodiment, the actual vehicle data corresponds to state data of a component of the vehicle collected through an CAN (Control Area Network) protocol from an ECU (Electronic Control Unit) of the vehicle, Value. ≪ / RTI >
일 실시예에서, 상기 (a) 단계는 상기 실제 차량 데이터를 상기 실제 차량 데이터의 값의 형태에 따라 ON/OFF 형태의 데이터 및 실수 형태의 데이터로 분류하는 단계를 더 포함할 수 있다.In one embodiment, the step (a) may further include the step of classifying the actual vehicle data into ON / OFF type data and real type data according to the type of the actual vehicle data.
일 실시예에서, 상기 (b) 단계는 상기 구성요소 별로 분류된 상기 실제 차량 데이터가 특정 개수 이상 수집되면 해당 구성요소의 실제 차량 데이터를 시간 값의 크기를 기초로 정렬하는 단계를 포함할 수 있다. In one embodiment, the step (b) may include sorting the actual vehicle data of the component based on the size of the time value if the actual vehicle data classified by the component is collected by a predetermined number or more .
일 실시예에서, 상기 보간 차량 데이터의 생성 조건은 상기 차량의 특정 구성요소, 특정 시작시간 및 특정 종료시간을 포함하는 시간 범위 및 특정 시간 간격을 포함할 수 있다.In one embodiment, the generation condition of the interpolated vehicle data may include a specific time interval including a specific component of the vehicle, a specific start time and a specific end time, and a specific time interval.
일 실시예에서, 상기 (c) 단계는 상기 특정 시간 범위가 상기 특정 구성요소에 대한 보간 함수의 시간 범위보다 큰 경우에는 상기 보간 함수의 시간 범위를 넘어가는 상기 특정 시간 범위에 대하여 상기 보간 함수를 반복적으로 이용하여 상기 보간 차량 데이터를 생성하는 단계를 더 포함할 수 있다.In one embodiment, the step (c) may further comprise the step of, if the specific time range is larger than the time range of the interpolation function for the specific component, determining the interpolation function for the specific time range exceeding the time range of the interpolation function And repeatedly using the interpolated vehicle data to generate interpolated vehicle data.
실시예들 중에서, 차량 데이터 생성 서버는 (a) 실제 차량 데이터를 수집하여 상기 실제 차량 데이터를 차량의 구성요소 별로 분류하는 전처리부, (b) 상기 수집된 실제 차량 데이터를 기초로 상기 구성요소 각각에 대한 보간 함수를 생성하는 보간 함수 생성부 및 (c) 상기 수신된 실제 차량 데이터를 기초로 생성될 수 있는 보간 차량 데이터의 생성 조건을 사용자로부터 수신하고 상기 생성 조건에 기초하여 상기 실제 차량 데이터 및 상기 보간 함수로부터 상기 보간 차량 데이터를 생성하는 보간 차량 데이터 생성부를 포함한다.In one embodiment, the vehicle data generation server includes: (a) a preprocessing unit for collecting actual vehicle data and classifying the actual vehicle data according to the components of the vehicle; (b) (C) an interpolation function generator for generating an interpolation function for interpolated vehicle data that can be generated based on the received actual vehicle data from a user, and based on the generation condition, And an interpolation vehicle data generation unit for generating the interpolation vehicle data from the interpolation function.
실시예들 중에서, 차량 데이터 생성 서버에서 수행되는 차량 데이터 생성 방법에 관한 컴퓨터 프로그램을 기록한 기록매체는 (a) 실제 차량 데이터를 수집하여 상기 실제 차량 데이터를 차량의 구성요소 별로 분류하는 기능, (b) 상기 수집된 실제 차량 데이터를 기초로 상기 구성요소 각각에 대한 보간 함수를 생성하는 기능 및 (c) 상기 수신된 실제 차량 데이터를 기초로 생성될 수 있는 보간 차량 데이터의 생성 조건을 사용자로부터 수신하고 상기 생성 조건에 기초하여 상기 실제 차량 데이터 및 상기 보간 함수로부터 상기 보간 차량 데이터를 생성하는 기능을 포함하는 차량 데이터 생성 방법에 관한 컴퓨터 프로그램을 기록한다.
Among the embodiments, the recording medium on which the computer program relating to the vehicle data generating method performed by the vehicle data generating server is recorded includes (a) a function of collecting actual vehicle data and classifying the actual vehicle data according to the components of the vehicle, A function of generating an interpolation function for each of the components based on the collected actual vehicle data, and (c) a condition for generating interpolation vehicle data that can be generated based on the received actual vehicle data, from a user And a function of generating the interpolated vehicle data from the actual vehicle data and the interpolation function based on the generation condition.
본 발명의 일 실시예에 따른 차량 데이터 생성 방법은 실제 차량 데이터의 각 항목에 대한 특성을 가지는 보간 함수들을 생성할 수 있다.The method of generating vehicle data according to an embodiment of the present invention may generate interpolation functions having characteristics for each item of actual vehicle data.
본 발명의 일 실시예에 따른 차량 데이터 생성 방법은 보간 함수를 이용하여 실제 차량 데이터의 분석 없이 실제 차량 데이터에 근접한 차량 데이터를 다량으로 생성할 수 있다.The vehicle data generating method according to an embodiment of the present invention can generate a large amount of vehicle data close to the actual vehicle data without analyzing the actual vehicle data using the interpolation function.
본 발명의 일 실시예에 따른 차량 데이터 생성 방법은 보간 함수를 이용하여 다양한 차량 데이터에 쉽게 적용할 수 있다.
The vehicle data generating method according to an embodiment of the present invention can be easily applied to various vehicle data using an interpolation function.
도 1은 본 발명의 일 실시예에 따른 차량 데이터 생성 서버에 대한 블록도이다.
도 2는 보간 함수 생성에 대한 예시이다.
도3은 본 발명의 일 실시예에 따른 차량 데이터 생성 방법에 대한 흐름도이다.
도 4는 도 3의 보간 차량 데이터 생성 방법에 대한 보다 구체적인 흐름도이다.1 is a block diagram of a vehicle data generation server according to an embodiment of the present invention.
Fig. 2 is an example of interpolation function generation.
3 is a flowchart of a method of generating vehicle data according to an embodiment of the present invention.
4 is a more detailed flowchart of the interpolation vehicle data generating method of FIG.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The description of the present invention is merely an example for structural or functional explanation, and the scope of the present invention should not be construed as being limited by the embodiments described in the text. That is, the embodiments are to be construed as being variously embodied and having various forms, so that the scope of the present invention should be understood to include equivalents capable of realizing technical ideas. Also, the purpose or effect of the present invention should not be construed as limiting the scope of the present invention, since it does not mean that a specific embodiment should include all or only such effect.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.Meanwhile, the meaning of the terms described in the present application should be understood as follows.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.The terms "first "," second ", and the like are intended to distinguish one element from another, and the scope of the right should not be limited by these terms. For example, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.It is to be understood that when an element is referred to as being "connected" to another element, it may be directly connected to the other element, but there may be other elements in between. On the other hand, when an element is referred to as being "directly connected" to another element, it should be understood that there are no other elements in between. On the other hand, other expressions that describe the relationship between components, such as "between" and "between" or "neighboring to" and "directly adjacent to" should be interpreted as well.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.It is to be understood that the singular " include " or "have" are to be construed as including the stated feature, number, step, operation, It is to be understood that the combination is intended to specify that it does not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.In each step, the identification code (e.g., a, b, c, etc.) is used for convenience of explanation, the identification code does not describe the order of each step, Unless otherwise stated, it may occur differently from the stated order. That is, each step may occur in the same order as described, may be performed substantially concurrently, or may be performed in reverse order.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한, 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.The present invention can be embodied as computer-readable code on a computer-readable recording medium, and the computer-readable recording medium includes all kinds of recording devices for storing data that can be read by a computer system . Examples of the computer-readable recording medium include a ROM, a RAM, a CD-ROM, a magnetic tape, a floppy disk, an optical data storage device, and the like, and also implemented in the form of a carrier wave (for example, transmission over the Internet) . In addition, the computer-readable recording medium may be distributed over network-connected computer systems so that computer readable codes can be stored and executed in a distributed manner.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
All terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs, unless otherwise defined. Commonly used predefined terms should be interpreted to be consistent with the meanings in the context of the related art and can not be interpreted as having ideal or overly formal meaning unless explicitly defined in the present application.
도 1은 본 발명의 일 실시예에 따른 차량 데이터 생성 서버에 대한 블록도이다.1 is a block diagram of a vehicle data generation server according to an embodiment of the present invention.
도 1을 참조하면, 차량 데이터 생성 서버(100)는 전처리부(110), 보간 함수 생성부(120), 보간 차량 데이터 생성부(130) 및 제어부(140)를 포함한다.1, the vehicle
전처리부(110)는 실제 차량 데이터를 수집하여 실제 차량 데이터를 차량의 구성요소 별로 분류한다. 여기에서, 실제 차량 데이터는 차량의 ECU(Electronic Control Unit)로부터 CAN(Control Area Network) 프로토콜을 통하여 수집된 차량의 구성요소에 대한 상태 데이터에 해당한다. 일 실시예에서, 실제 차량 데이터는 차량의 구성요소 별로 분류될 수 있고, 여기에서, 차량의 구성요소는 에어컨 스위치, 공회전 상태, 흡기압 센서, 연료 분사 시간 또는 베터리 전압에 해당할 수 있다.The preprocessing
일 실시예에서, 전처리부(110)는 실제 차량 데이터를 실제 차량 데이터의 값의 형태에 따라 ON/OFF 형태의 데이터 및 실수 형태의 데이터로 분류할 수 있다. 여기에서, ON/OFF 형태의 데이터는 차량의 특정 구성요소가 켜지거나 꺼진 상태를 나타낸다. 예를 들어, 차량의 구성요소 별로 분류된 데이터 중에서 에어컨 스위치 및 공회전 상태와 같은 구성요소는 차량 데이터의 값의 형태가 ON/OFF 형태에 해당하고 흡기압 센서, 연료 분사시간 및 베터리 전압과 같은 구성요소는 차량 데이터의 값의 형태가 실수 형태에 해당하므로 ON/OFF-{에어컨 스위치, 공회전 상태} 및 실수-{흡기압 센서, 연료 분사시간, 베터리 전압}과 같이 분류할 수 있다. In one embodiment, the preprocessing
일 실시예에서, 전처리부(110)는 ON/OFF 형태의 데이터 및 실수 형태의 데이터로 분류하고 실수 형태의 데이터만을 저장할 수 있다. ON/OFF 형태의 데이터의 경우에는 연속적인 데이터의 형태에 해당하지 않기 때문에 보간 함수를 생성하기에 적절하지 않고, 차량의 운행에 큰 영향을 끼치지 않으므로 ON/OFF 형태의 데이터 및 실수 형태의 데이터로 분류하고 실수 형태에 해당하는 데이터 값을 갖는 구성요소만을 관리할 수 있다.In one embodiment, the preprocessing
일 실시예에서, 실제 차량 데이터는 시간에 대한 값을 포함할 수 있다. 보다 구체적으로, 차량의 ECU로부터 특정 구성요소에 대한 데이터를 수집하는 경우에 실제 차량 데이터는 데이터 값과 해당 데이터 값이 수집된 시점의 시간 값을 포함할 수 있다.In one embodiment, the actual vehicle data may include a value for time. More specifically, in the case of collecting data for a specific component from the ECU of the vehicle, the actual vehicle data may include a data value and a time value at the time the corresponding data value was collected.
보간 함수 생성부(120)는 전처리부(110)를 통하여 수집된 실제 차량 데이터를 기초로 구성요소 각각에 대한 보간 함수를 생성한다. 여기에서, 전처리부(110)를 통하여 수집된 실제 차량 데이터는 연속된 값이 아니고 샘플링된 이산 형태의 데이터에 해당하므로 보간 함수를 통하여 이산 형태의 데이터 사이의 값들을 추정할 수 있다.The interpolation
일 실시예에서, 보간 함수 생성부(120)는 전처리부(110)를 통하여 구성요소 별로 분류된 실제 차량 데이터가 특정 개수 이상 수집되면 해당 구성요소의 실제 차량 데이터를 시간 값의 크기를 기초로 정렬할 수 있다. 보다 구체적으로, 보간 함수를 생성하기 위하여 요구되는 최소한의 데이터의 개수를 기 설정하여 각 구성요소 별로 수집된 실제 차량 데이터가 기 설정된 개수 이상이 되면 해당 구성요소의 실제 차량 데이터를 시간 값의 크기를 기준으로 오름차순으로 정렬할 수 있다.In one embodiment, when the actual vehicle data classified by the component is collected by a predetermined number or more through the preprocessing
일 실시예에서, 보간 함수 생성부(120)는 사용자로부터 임의의 시간 간격을 입력받아 실제 차량 데이터를 해당 시간 간격에 따라 분리할 수 있다. 예를 들어, 실제 차량 데이터가 600초 동안 수집한 데이터이고 사용자로부터 120초에 해당하는 시간 간격을 입력받아 120초의 시간 간격에 따라 데이터를 분리하는 경우에는, 첫 번째 구간인 구간1은 1초부터 120초 사이에 수집된 실제 차량 데이터가 포함되고, 두 번째 구간인 구간2에는 121초부터 240초 사이에 수집된 차량 데이터가 포함되며, 다섯 번째 구간인 구간5에는 481초부터 600초 사이에 수집된 실제 차량 데이터가 포함된다.In one embodiment, the
일 실시예에서, 보간 함수 생성부(120)는 사용자가 입력한 임의의 시간 간격에 따라 실제 차량 데이터를 분리하고 시간 간격에 따른 각 구간의 실제 차량 데이터를 데이터 값 및 시간 값을 포함하는 데이터 쌍의 형태로 변환할 수 있고, 데이터 값을 x라 하고 데이터의 시간 값을 t라고 할 때 데이터 쌍은 (x,t)로 표현될 수 있다. 예를 들어, 실제 차량 데이터가 600초 동안 수집된 데이터이고 사용자로부터 120초에 해당하는 시간 간격을 입력받고, 각 구간을 구간-(구간 시작시간, 구간 종료시간)으로 표현하는 경우에는 구간1-(1초, 120초), 구간2-(121초, 240초), 구간3-(241초, 360초), … , 구간5-(481초, 600초)로 분리할 수 있고 각 구간 따라 실제 차량 데이터를 분리할 수 있고, 각 구간에 포함되는 실제 차량 데이터를 아래와 같이 데이터 값 및 데이터의 시간 값을 포함하는 데이터 쌍의 형태로 나타낸다.In one embodiment, the
구간1 - {(x11, t11), (x12, t12), … , (x1n, t1n)}The interval 1 - {(x 11 , t 11 ), (x 12 , t 12 ), ... , (x 1n , t 1n )}
구간2 - {(x21, t21), (x22, t22), … , (x2n, t2n)}The interval 2 - {(x 21 , t 21 ), (x 22 , t 22 ), ... , (x 2n , t 2n )}
…...
구간5 - {(x51, t51), (x52, t52), … , (x5n, t5n)}The interval 5 - {(x 51 , t 51 ), (x 52 , t 52 ), ... , ( x5n , t5n )}
일 실시예에서, 보간 함수 생성부(120)는 실제 차량 데이터에 최소 제곱법을 적용하여 보간 함수를 생성할 수 있다. 여기에서, 최소 제곱법은 하나의 양에 대하여 다수의 관측 값으로부터 가장 확실성이 있는 값을 구하는 경우에 그 값을 각 관측 값의 오차의 제곱의 합이 최소가 되는 것으로 구할 수 있다는 원리로서, 보간 함수 생성부(120)는 실제 차량 데이터의 각 구간별로 최소 제곱법을 적용하여 구간별 실제 차량 데이터의 집합을 구간별 실제 차량 데이터를 대표하는 3차 함수로 변환할 수 있다. 예를 들어, 실제 차량 데이터에 최소 제곱법을 적용하는 경우에는 보간 함수를 3차 함수인 y=ax3+bx2+cx+d 으로 표현할 수 있다.In one embodiment, the
예를 들어, 특정 구성요소의 특정 구간에 포함되는 실제 차량 데이터가 아래와 같이 데이터 쌍으로 표현되는 경우에,For example, when the actual vehicle data included in a specific section of a specific component is represented by a data pair as shown below,
(x1, t1), (x2, t2), (x3, t3), … , (xn, tn)(x 1 , t 1 ), (x 2 , t 2 ), (x 3 , t 3 ), ... , (x n , t n )
3차 함수 y=ax3+bx2+cx+d의 각 항의 상수인 a, b, c, d는 아래와 같은 방정식에 의하여 계산된다.The constants a, b, c, and d of each term of the cubic function y = ax 3 + bx 2 + cx + d are calculated by the following equation.
일 실시예에서, 보간 함수 생성부(120)는 하나의 구성요소에 대한 모든 구간의 보간 함수가 생성되면 생성된 모든 보간 함수들을 리스트 형태로 저장할 수 있다. 예를 들어, 특정 구성요소에 대하여 5개의 구간이 있고 구간마다 20개의 실제 차량 데이터를 가지고 있는 경우, 첫 번째 구간에는 (x1, t1), (x2, t2), … , (x20, t20)에 해당하는 데이터 쌍이 생성되고 생성된 데이터 쌍을 기초로 첫 번째 구간의 보간 함수인 3차 함수 y=ax3+bx2+cx+d가 생성되고, 동일한 방식으로 두 번째 구간에 대하여는 (x21, t21), (x22, t22), … , (x40, t40)에 해당하는 데이터 쌍이 생성되고 이를 기초로 두 번째 구간의 보간 함수인 3차 함수가 생성된다. 세 번째 구간, 네 번째 구간 및 다섯 번째 구간에 대하여도 동일한 방식으로 각 구간에 대한 보간 함수가 생성되어 5개의 보간 함수가 생성되고 이는 실제 차량 데이터의 특정 구성 요소에 대한 보간 함수들에 해당하여 리스트 형태로 저장될 수 있다.In one embodiment, the
보간 차량 데이터 생성부(130)는 사용자로부터 보간 차량 데이터의 생성 조건을 수신하고 생성 조건에 기초하여 실제 차량 데이터 및 보간 함수로부터 보간 차량 데이터를 생성한다. 여기에서, 보간 차량 데이터는 전처리부(110)를 통하여 수신된 실제 차량 데이터에 보간 함수를 적용하여 생성될 수 있는 데이터에 해당한다.The interpolated vehicle
일 실시예에서, 보간 차량 데이터의 생성 조건은 차량의 특정 구성요소, 특정 시작시간 및 특정 종료시간을 포함하는 시간 범위 및 특정 시간 간격을 포함할 수 있다. 여기에서, 구성요소는 보간 차량 데이터를 생성하고자 하는 차량의 구성요소로서, 예를 들어, 흡기압 센서가 될 수 있고, 시간 범위는 보간 차량 데이터를 생성할 시간 범위로서, 예를 들어, 시작시간은 1초 종료시간은 120초가 될 수 있으며, 시간 간격은 시간 범위에 해당하는 보간 차량 데이터를 생성할 때 몇 개의 보간 차량 데이터를 생성할지 또는 보간 차량 데이터가 생성될 간격에 해당하며, 예를 들어, 1초가 될 수 있다. In one embodiment, the generation conditions of the interpolated vehicle data may include a specific component of the vehicle, a time range including a specific start time and a specific end time, and a specific time interval. Here, the component may be, for example, an intake pressure sensor as a component of a vehicle for which interpolated vehicle data is to be generated, and the time range may be a time range for generating interpolated vehicle data, May be 120 seconds, and the time interval corresponds to how many pieces of interpolation vehicle data are to be generated when generating the interpolation vehicle data corresponding to the time range or to an interval at which the interpolation vehicle data is generated. For example, , 1 second.
일 실시예에서, 보간 차량 데이터 생성부(130)는 사용자로부터 수신된 보간 차량 데이터의 생성 조건 및 보간 함수를 이용하여, 특정 구성요소의 보간 함수에 보간 차량 데이터 생성 시간을 입력하여 해당 시간에 대한 보간 차량 데이터를 생성할 수 있다. 즉, 보간 함수가 y=ax3+bx2+cx+d인 경우에 x에 보간 차량 데이터 생성 시간을 대입하여 계산한 결과값 y가 보간 차량 데이터 값이 된다. 예를 들어, 사용자가 흡기압 센서에 대한 1초~120초 범위의 보간 차량 데이터를 1초 간격으로 생성하는 경우에, 흡기압 센서에 대한 보간 함수에 x값을 1부터 120까지 1 간격으로 입력하고 각 시간에 따라 나온 결과값이 보간 차량 데이터이다.In one embodiment, the interpolation vehicle
일 실시예에서, 보간 차량 데이터 생성부(130)는 사용자로부터 수신된 보간 차량 데이터의 생성 조건인 특정 시간 범위가 보간 함수 생성부(120)를 통하여 생성된 해당 구성요소에 대한 보간 함수의 시간 범위보다 큰 경우에는 보간 함수의 시간 범위를 넘어가는 특정 시간 범위에 대하여 보간 함수를 반복적으로 적용하여 보간 차량 데이터를 생성할 수 있다. 이에 대한 보다 구체적인 설명은 도 4를 참조하여 설명한다.In one embodiment, the interpolated vehicle
제어부(140)는 전처리부(110), 보간 함수 생성부(120)및 보간 차량 데이터 생성부(130)의 동작 및 데이터의 흐름을 제어한다.
The
도 2는 보간 함수 생성에 대한 예시이다.Fig. 2 is an example of interpolation function generation.
도 2를 참조하면, 실제 차량 데이터를 차량의 구성 요소인 배터리 전압, 흡입 공기압, 산소 센서 및 대기압 센서별로 분류하고 각 구성요소에 대하여 사용자로부터 특정 시간 구간을 수신하여 해당 시간 구간별로 실제 차량 데이터를 나누고 데이터 쌍으로 나타낸다. Referring to FIG. 2, the actual vehicle data is classified into battery voltage, intake air pressure, oxygen sensor, and atmospheric pressure sensor, which are components of the vehicle, and a specific time interval is received from the user for each component. And represent them as data pairs.
예를 들어, 배터리 전압에 대하여, 배터리 전압 구간1, 배터리 전압 구간2,… 로 구분하고 각 구간에 대하여 각 구간에 포함되는 실제 차량 데이터를 (x1, t1), (x2, t2), … , (xλ, tλ)와 같이 데이터 값과 데이터의 시간 값을 포함하는 데이터 쌍으로 나타낸다.For example, for battery voltage, the battery voltage interval 1, the battery voltage interval 2, ... (X 1 , t 1 ), (x 2 , t 2 ), and the actual vehicle data included in each section for each section. , (x [ lambda] , t [ lambda] ) and the time value of the data.
각 구성요소 별 및 각 구성요소의 구간별로 데이터 쌍으로 나타낸 데이터 집합을 기초로 최소 제곱법을 이용하여 3차 함수에 해당하는 보간 함수를 생성한다. 즉, 배터리 전압 구간1에 해당하는 보간 함수 B1=ax3+bx2+cx+d, 배터리 전압 구간2에 해당하는 보간 함수 B2=ex3+fx2+gx+h 가 생성된다.
An interpolation function corresponding to a cubic function is generated using a least squares method based on a data set represented by data pairs for each constituent element and each constituent element section. That is, the interpolation function that corresponds to the battery voltage interval 1 B1 = ax 3 + bx 2 + cx + d, the interpolation function B2 = ex 3 + fx 2 + gx + h corresponding to the battery voltage interval 2 is generated.
도3은 본 발명의 일 실시예에 따른 차량 데이터 생성 방법에 대한 흐름도이다.3 is a flowchart of a method of generating vehicle data according to an embodiment of the present invention.
전처리부(110)는 실제 차량 데이터를 수집한다(단계 S301). 여기에서, 실제 차량 데이터는 차량의 ECU로부터 수집된 차량의 구성요소에 대한 상태 데이터에 해당한다. The
전처리부(110)는 수집된 실제 차량 데이터를 차량의 구성요소 별로 분류한다(단계 S302). 일 실시예에서, 전처리부(110)는 실제 차량 데이터를 데이터 값의 형태에 따라 ON/OFF 형태 및 실수 형태로 분류하여 실수 형태에 해당하는 실제 차량 데이터만을 저장할 수 있다.The
보간 함수 생성부(120)는 전처리부(110)를 통하여 차량의 구성요소 별로 분류되어 있는 실제 차량 데이터를 이용하여 보간 함수를 생성한다(단계 S303). 여기에서, 보간 함수는 최소 제곱법을 이용하여 3차 함수의 형태로 생성될 수 있다.The
보간 차량 데이터 생성부(130)는 사용자로부터 수신한 보간 차량 데이터 생성 조건 및 보간 함수를 이용하여 보간 차량 데이터를 생성한다(단계 S304).
The interpolated vehicle
도 4는 도 3의 보간 차량 데이터 생성 방법에 대한 보다 구체적인 흐름도이다.4 is a more detailed flowchart of the interpolation vehicle data generating method of FIG.
보간 차량 데이터 생성부(130)는 사용자로부터 보간 차량 데이터의 생성조건을 수신한다(단계 S401). 일 실시예에서, 보간 차량 데이터의 생성조건은 특정 구성요소, 보간 차량 데이터 생성의 시작시간, 종료시간 및 시간 간격을 포함할 수 있다. The interpolated vehicle
예를 들어, 시작시간은 S, 종료시간은 E 및 시간 간격은 Y이고, 보간 차량 데이터의 현재 생성 시간을 X라고 하는 경우에, 처음 단계는 X=S가 된다(단계 S402). 즉, 보간 차량 데이터의 현재 생성 시간은 사용자로부터 수신한 보간 차량 데이터의 생성 시작시간이 된다.For example, if the start time is S, the end time is E, and the time interval is Y, and the current generation time of interpolated vehicle data is X, the first step is X = S (step S402). That is, the current generation time of the interpolated vehicle data is the generation start time of the interpolated vehicle data received from the user.
X가 특정 구성요소의 모든 보간 함수의 시간 범위를 넘어가는지 여부를 확인한다(단계 S403). 일 실시예에서, X가 특정 구성요소의 모든 보간 함수의 시간 범위를 넘어가는 경우에는 X를 보간 함수의 가장 큰 시간 범위로 나눈 나머지 값으로 바꾼다(단계 S404). 즉, X = (X%보간 함수의 시간범위)에 해당하게 되고, 바뀐 X값은 보간 함수의 시간 범위를 넘지 않게 된다. It is checked whether X exceeds the time range of all the interpolation functions of the specific component (step S403). In one embodiment, if X exceeds the time range of all interpolation functions of a particular component, X is replaced with the remainder value divided by the largest time range of the interpolation function (step S404). That is, X = (time range of the X% interpolation function), and the changed X value does not exceed the time range of the interpolation function.
일 실시예에서, X가 보간 함수의 시간 범위를 넘지 않는 경우 및 X = (X/보간 함수의 시간 범위) 연산을 거쳐서 X가 보간 함수의 시간 범위를 넘지 않게 된 경우에는 X값을 보간 함수에 대입하여 보간 차량 데이터를 생성한다(단계 S405).In one embodiment, if X does not exceed the time range of the interpolation function and X = (X / time range of interpolation function) operation, then X does not exceed the time range of the interpolation function, And generates interpolated vehicle data (step S405).
X가 종료 시간E보다 크거나 같은지 여부를 확인한다(단계 S406). 일 실시예에서, X가 종료시간 E보다 크거나 같은 경우에는 사용자가 생성하고자 하는 시간 범위에 해당하는 모든 보간 차량 데이터를 생성한 것이므로 보간 차량 데이터 생성 과정을 종료한다. X is greater than or equal to the ending time E (step S406). In one embodiment, if X is greater than or equal to the ending time E, the interpolated vehicle data generation process is terminated because all the interpolated vehicle data corresponding to the time range that the user wants to generate is generated.
다른 일 실시예에서, X가 종료시간 보다 작은 경우에는 X에 Y값을 더하여 단계 S403을 반복한다(단계 S407). 즉, 보간 함수의 현재 생성 시간에 사용자로부터 수신한 보간 함수 생성 시간 간격을 더하여 보간 함수의 다음 생성 시간에 대하여 단계 S403부터 동일한 과정을 반복한다.In another embodiment, if X is less than the end time, X is added to the Y value and step S403 is repeated (step S407). That is, the interpolation function generation time interval received from the user is added to the current generation time of the interpolation function, and the same process is repeated from the step S403 for the next generation time of the interpolation function.
예를 들어, 구성요소A의 보간 함수는 5개의 구간인 구간1, 구간2, … , 구간5를 가지고 있고 각 구간의 시간 범위가 40초인 경우에, 구간1은 0~40초, 구간2는 41초~80초, 구간 3은 81초~120초, 구간4는 121초~160초, 구간5는 161초~200초에 해당한다. 사용자로부터 수신한 특정 구성요소, 시간 범위 및 시간 간격이 각각 구성요소A, 0초~500초 및 1초에 해당하는 경우에, 0초~200초 까지는 각 시간 및 시간 간격에 따라 보간 함수의 해당 구간에 대한 3차 함수의 x값에 시간을 대입하여 보간 차량 데이터를 구할 수 있다. For example, the interpolation function of component A has five intervals: interval 1, interval 2, ... , Interval 5, and the time range of each interval is 40 seconds, the interval 1 is 0 to 40 seconds, the interval 2 is 41 to 80 seconds, the interval 3 is 81 to 120 seconds, and the interval 4 is 121 to 160 Sec, and interval 5 corresponds to 161 seconds to 200 seconds. When the specific component received from the user, the time range, and the time interval correspond to the component A, 0 second to 500 seconds and 1 second, respectively, the time from 0 seconds to 200 seconds corresponds to the interpolation function Interpolated vehicle data can be obtained by substituting the time into the x value of the cubic function for the interval.
201초부터는 단계 S403에서 X가 보간 함수의 시간 범위 보다 큰 경우에 해당하여, 단계 S404를 통하여 X=201%200, 즉, X=1이 되고, 1초를 포함하는 구간의 보간 함수에 대입하여 201초에 해당하는 보간 차량 데이터를 생성한다. 동일한 방식으로 202초에 대한 보간 차량 데이터는 2초(=202%200)에 해당하는 보간 차량 데이터로 구할 수 있고, 400초는 200초에 해당하는 보간 차량 데이터로 구할 수 있다. 또한, 마지막 500초에 대한 보간 차량 데이터는 100초(=500%200)에 해당하는 보간 차량 데이터로 구할 수 있다.
In step S403, if X is greater than the time range of the interpolation function in step S403, X = 201% 200, i.e., X = 1 through step S404, is substituted into the interpolation function of the section including one second And generates interpolated vehicle data corresponding to 201 seconds. In the same manner, interpolated vehicle data for 202 seconds can be obtained as interpolated vehicle data corresponding to 2 seconds (= 202% 200), and 400 seconds can be obtained as interpolated vehicle data corresponding to 200 seconds. In addition, interpolated vehicle data for the last 500 seconds can be obtained as interpolated vehicle data corresponding to 100 seconds (= 500% 200).
상기에서는 본 출원의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 출원을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit and scope of the present invention as defined by the following claims It can be understood that
100: 차량 데이터 생성 서버
110: 전처리부
120: 보간 함수 생성부
130: 보간 차량 데이터 생성부
140: 제어부100: vehicle data generation server
110:
120: interpolation function generation unit
130: Interpolated vehicle data generation unit
140:
Claims (8)
(a) 실제 차량 데이터를 수집하여 상기 실제 차량 데이터를 차량의 구성요소 별로 분류하는 단계;
(b) 상기 수집된 실제 차량 데이터를 기초로 상기 구성요소 각각에 대한 보간 함수를 생성하는 단계; 및
(c) 상기 수신된 실제 차량 데이터를 기초로 생성될 수 있는 보간 차량 데이터의 생성 조건을 사용자로부터 수신하고 상기 생성 조건에 기초하여 상기 실제 차량 데이터 및 상기 보간 함수로부터 상기 보간 차량 데이터를 생성하는 단계를 포함하는 차량 데이터 생성 방법.
A vehicle data generating method performed by a vehicle data generating server,
(a) collecting actual vehicle data and classifying the actual vehicle data by vehicle components;
(b) generating an interpolation function for each of the components based on the collected actual vehicle data; And
(c) receiving, from a user, a generation condition of interpolated vehicle data that can be generated based on the received actual vehicle data, and generating the interpolated vehicle data from the actual vehicle data and the interpolation function based on the generation condition And the vehicle data.
상기 차량의 ECU(Electronic Control Unit)로부터 CAN(Control Area Network) 프로토콜을 통하여 수집된 상기 차량의 구성요소에 대한 상태 데이터에 해당하며 상기 상태 데이터는 시간에 대한 값을 포함하는 것을 특징으로 하는 차량 데이터 생성 방법.
2. The method according to claim 1,
Wherein the vehicle data corresponds to state data for the components of the vehicle collected through an CAN (Control Area Network) protocol from an ECU (Electronic Control Unit) of the vehicle, and the state data includes values for time Generation method.
상기 실제 차량 데이터를 상기 실제 차량 데이터의 값의 형태에 따라 ON/OFF 형태의 데이터 및 실수 형태의 데이터로 분류하는 단계를 더 포함하는 것을 특징으로 하는 차량 데이터 생성 방법.
The method of claim 1, wherein step (a)
Further comprising the step of classifying the actual vehicle data into ON / OFF type data and real type data according to the type of the value of the actual vehicle data.
상기 구성요소 별로 분류된 상기 실제 차량 데이터가 특정 개수 이상 수집되면 해당 구성요소의 실제 차량 데이터를 시간 값의 크기를 기초로 정렬하는 단계를 포함하는 것을 특징으로 하는 차량 데이터 생성 방법.
2. The method of claim 1, wherein step (b)
And arranging the actual vehicle data of the component on the basis of the size of the time value when the actual vehicle data classified by the component is collected by a predetermined number or more.
상기 차량의 특정 구성요소, 특정 시작 시간 및 특정 종료 시간을 포함하는 시간 범위 및 특정 시간 간격을 포함하는 것을 특징으로 하는 차량 데이터 생성 방법.
2. The method according to claim 1, wherein the generation condition of the interpolated vehicle data is
A specific time interval including a specific start time and a specific end time of the vehicle, and a specific time interval.
상기 특정 시간 범위가 상기 특정 구성요소에 대한 보간 함수의 시간 범위보다 큰 경우에는 상기 보간 함수의 시간 범위를 넘어가는 상기 특정 시간 범위에 대하여 상기 보간 함수를 반복적으로 이용하여 상기 보간 차량 데이터를 생성하는 단계를 더 포함하는 것을 특징으로 하는 차량 데이터 생성 방법.
6. The method of claim 5, wherein step (c)
When the specific time range is larger than the time range of the interpolation function for the specific component, the interpolation vehicle data is repeatedly generated using the interpolation function for the specific time range exceeding the time range of the interpolation function Further comprising the steps of:
(a) 실제 차량 데이터를 수집하여 상기 실제 차량 데이터를 차량의 구성요소 별로 분류하는 전처리부;
(b) 상기 수집된 실제 차량 데이터를 기초로 상기 구성요소 각각에 대한 보간 함수를 생성하는 보간 함수 생성부; 및
(c) 상기 수신된 실제 차량 데이터를 기초로 생성될 수 있는 보간 차량 데이터의 생성 조건을 사용자로부터 수신하고 상기 생성 조건에 기초하여 상기 실제 차량 데이터 및 상기 보간 함수로부터 상기 보간 차량 데이터를 생성하는 보간 차량 데이터 생성부를 포함하는 차량 데이터 생성 서버.
A vehicle data generation server comprising:
(a) a preprocessor for collecting actual vehicle data and classifying the actual vehicle data according to the components of the vehicle;
(b) an interpolation function generator for generating an interpolation function for each of the components based on the collected actual vehicle data; And
(c) receiving, from a user, a generation condition of interpolated vehicle data that can be generated based on the received actual vehicle data, and interpolating the interpolated vehicle data from the actual vehicle data and the interpolation function based on the generation condition A vehicle data generation server comprising a vehicle data generation unit.
(a) 실제 차량 데이터를 수집하여 상기 실제 차량 데이터를 차량의 구성요소 별로 분류하는 기능;
(b) 상기 수집된 실제 차량 데이터를 기초로 상기 구성요소 각각에 대한 보간 함수를 생성하는 기능; 및
(c) 상기 수신된 실제 차량 데이터를 기초로 생성될 수 있는 보간 차량 데이터의 생성 조건을 사용자로부터 수신하고 상기 생성 조건에 기초하여 상기 실제 차량 데이터 및 상기 보간 함수로부터 상기 보간 차량 데이터를 생성하는 기능을 포함하는 차량 데이터 생성 방법에 관한 컴퓨터 프로그램을 기록한 기록매체.A computer-readable recording medium storing a computer program for a vehicle data generating method performed by a vehicle data generating server,
(a) a function of collecting actual vehicle data and classifying the actual vehicle data according to the components of the vehicle;
(b) generating an interpolation function for each of the components based on the collected actual vehicle data; And
(c) a function of receiving, from a user, a generation condition of interpolated vehicle data that can be generated based on the received actual vehicle data and generating the interpolated vehicle data from the actual vehicle data and the interpolation function based on the generation condition And a computer program for executing the method.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140076934A KR101583506B1 (en) | 2014-06-24 | 2014-06-24 | Vehicle data generation method, vehicle data generation server the same and storage media storing the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140076934A KR101583506B1 (en) | 2014-06-24 | 2014-06-24 | Vehicle data generation method, vehicle data generation server the same and storage media storing the same |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160000108A true KR20160000108A (en) | 2016-01-04 |
KR101583506B1 KR101583506B1 (en) | 2016-01-08 |
Family
ID=55164071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140076934A KR101583506B1 (en) | 2014-06-24 | 2014-06-24 | Vehicle data generation method, vehicle data generation server the same and storage media storing the same |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101583506B1 (en) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11219350A (en) * | 1998-02-03 | 1999-08-10 | Denso Corp | Interpolation value arithmetic unit, electronic controller and interpolation data table adaptation device |
KR20030010890A (en) * | 2001-07-27 | 2003-02-06 | 주식회사 현대오토넷 | Network system of automobile using a CAN protocol |
KR100686359B1 (en) | 2006-04-20 | 2007-02-26 | 성균관대학교산학협력단 | 3d vehicle simulator system & simulation method for ecu embedded system |
JP2008305340A (en) * | 2007-06-11 | 2008-12-18 | Denso Corp | Device for storing travel control-related data and device for collecting the same |
JP2012181686A (en) * | 2011-03-01 | 2012-09-20 | Denso Corp | Vehicular data recording device |
KR101282417B1 (en) | 2009-12-08 | 2013-07-04 | 한국전자통신연구원 | Apparatus and method for making CAN data file for test |
-
2014
- 2014-06-24 KR KR1020140076934A patent/KR101583506B1/en active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11219350A (en) * | 1998-02-03 | 1999-08-10 | Denso Corp | Interpolation value arithmetic unit, electronic controller and interpolation data table adaptation device |
KR20030010890A (en) * | 2001-07-27 | 2003-02-06 | 주식회사 현대오토넷 | Network system of automobile using a CAN protocol |
KR100686359B1 (en) | 2006-04-20 | 2007-02-26 | 성균관대학교산학협력단 | 3d vehicle simulator system & simulation method for ecu embedded system |
JP2008305340A (en) * | 2007-06-11 | 2008-12-18 | Denso Corp | Device for storing travel control-related data and device for collecting the same |
KR101282417B1 (en) | 2009-12-08 | 2013-07-04 | 한국전자통신연구원 | Apparatus and method for making CAN data file for test |
JP2012181686A (en) * | 2011-03-01 | 2012-09-20 | Denso Corp | Vehicular data recording device |
Also Published As
Publication number | Publication date |
---|---|
KR101583506B1 (en) | 2016-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105814499B (en) | Dynamic model authentication method and system for monitoring and controlling dynamic machines with variable structure or variable operating conditions | |
Mai et al. | Surrogate modeling for stochastic dynamical systems by combining nonlinear autoregressive with exogenous input models and polynomial chaos expansions | |
Jamaludin et al. | N4SID and MOESP subspace identification methods | |
CN109074349B (en) | Processing data to characterize thermal behavior of a battery | |
CN110347582B (en) | Buried point testing method and device | |
KR102038703B1 (en) | Method for estimation on online multivariate time series using ensemble dynamic transfer models and system thereof | |
KR101363171B1 (en) | Cosine similarity based expert recommendation technique using hybrid collaborative filtering | |
US20200319626A1 (en) | Method and apparatus for monitoring the state of a device in a process industry and medium | |
JP2010277577A (en) | Real-time scheduling of linear model for control and estimation | |
US11151475B2 (en) | Method and device for generating a machine learning system and virtual sensor device | |
JP6283112B2 (en) | Method and apparatus for defining a functional model based on data | |
CN113465734B (en) | Real-time estimation method for structural vibration | |
CN116244954A (en) | Vehicle comfort evaluation method, device, computer equipment and storage medium | |
Mai et al. | Surrogate modelling for stochastic dynamical systems by combining NARX models and polynomial chaos expansions | |
US20140309754A1 (en) | Method and device for creating a data-based function model | |
CN112595537B (en) | Equipment health state monitoring method and system based on signal analysis and storage medium | |
Gehring et al. | An algebraic approach to the identification of linear systems with fractional derivatives | |
KR101583506B1 (en) | Vehicle data generation method, vehicle data generation server the same and storage media storing the same | |
JP2006238664A (en) | Method and device for estimating dynamic characteristic constant of power system, method and device for analyzing power system, method and device for stabilizing power system and program | |
JPWO2018198267A1 (en) | Causal relationship learning method, program, apparatus, and abnormality analysis system | |
Sansregret et al. | Excalibbem: Tool development to calibrate building energy models | |
CN116088333A (en) | Industrial equipment control method, industrial equipment control device, computer equipment, storage medium and product | |
CN107885651B (en) | Automatic system regression testing method and device for mobile terminal positioning algorithm | |
KR101689499B1 (en) | New thesis recommendation method and new thesis recommendation system for performing the method | |
CN114202007A (en) | Method, computer program, storage medium, device for creating a training, validation and test data set for an artificial intelligence module |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20191014 Year of fee payment: 5 |