KR20180031439A - Apparatus and method for recognizing driving patten based on vehicle driving data - Google Patents

Apparatus and method for recognizing driving patten based on vehicle driving data Download PDF

Info

Publication number
KR20180031439A
KR20180031439A KR1020160120065A KR20160120065A KR20180031439A KR 20180031439 A KR20180031439 A KR 20180031439A KR 1020160120065 A KR1020160120065 A KR 1020160120065A KR 20160120065 A KR20160120065 A KR 20160120065A KR 20180031439 A KR20180031439 A KR 20180031439A
Authority
KR
South Korea
Prior art keywords
vehicle
pattern
information
data
driving
Prior art date
Application number
KR1020160120065A
Other languages
Korean (ko)
Other versions
KR101898153B1 (en
Inventor
임경빈
김종대
류창렬
김미숙
김현중
김한결
조성준
Original Assignee
현대자동차주식회사
서울대학교산학협력단
기아자동차주식회사
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, 서울대학교산학협력단, 기아자동차주식회사 filed Critical 현대자동차주식회사
Priority to KR1020160120065A priority Critical patent/KR101898153B1/en
Publication of KR20180031439A publication Critical patent/KR20180031439A/en
Application granted granted Critical
Publication of KR101898153B1 publication Critical patent/KR101898153B1/en

Links

Images

Classifications

    • 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
    • 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
    • B60W10/24—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means
    • B60W10/26—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means for electrical energy, e.g. batteries or capacitors
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • 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
    • B60W40/10—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 vehicle motion
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display means
    • 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
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/14—Cruise control

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

The present invention provides a vehicle control method using a vehicle driving pattern, which comprises the following steps of: collecting different information in accordance with a predetermined interval while a vehicle is driven; converting the different information to a predetermined form; positioning each time in a multi-dimensional space based on the converted information; grouping each time positioned in the multi-dimensional space when each time is contained in a predetermined range; and recognizing information collected at the grouped time as one pattern.

Description

차량의 주행데이터에 기반하여 주행 패턴을 인지하는 방법 및 장치 {APPARATUS AND METHOD FOR RECOGNIZING DRIVING PATTEN BASED ON VEHICLE DRIVING DATA}Technical Field [0001] The present invention relates to a method and apparatus for recognizing a driving pattern based on driving data of a vehicle,

본 발명은 차량의 주행데이터에 기반하여 주행 패턴을 탐색하는 방법 및 장치에 관한 것으로, 더욱 상세하게는 주행 패턴을 보다 정확히 인지하기 위해 주행 중 수집되는 데이터를 분류 가공하는 방법 및 장치에 관한 것이다.BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method and apparatus for searching a traveling pattern based on traveling data of a vehicle, and more particularly, to a method and apparatus for classifying data collected during traveling to more accurately recognize a traveling pattern.

차량의 주행은 차량을 운행하기 위하여 운전자 또는 사용자가 시동을 켜기 시작한 시점부터 운전자 또는 사용자에 의하여 시동이 꺼지기 전까지의 과정을 의미한다. 차량의 부품들은 주행 환경 및 사용자의 주행 패턴에 영향을 받을 수 있다. 따라서, 차량의 성능 향상, 주행 보조 또는 자율 주행을 위해, 차량의 주행 환경을 파악하고, 사용자의 주행 패턴을 인지할 필요가 있다. 주행 환경과 주행 패턴을 이해하기 위한 데이터들은 차량에 부착된 센서에 의하여 실시간으로 수집될 수 있다. The driving of the vehicle means a process from when the driver or the user starts turning on the power to start the vehicle until the driver or the user turns off the power. The parts of the vehicle may be affected by the driving environment and the driving pattern of the user. Therefore, it is necessary to grasp the driving environment of the vehicle and recognize the driving pattern of the user in order to improve the performance of the vehicle, to assist the driving, or to perform autonomous driving. Data for understanding the driving environment and driving patterns can be collected in real time by sensors attached to the vehicle.

자동차의 한 번의 주행은 통상적으로 예열, 저속 주행, 시내 주행, 고속 주행, 급정지, 급회전, 주차 등과 같은 다양한 종류의 주행 구간으로 구성될 수 있다. 차량이 주행하는 과정에서 수집할 수 있는 데이터는 다양할 수 있지만, 이러한 데이터를 각각의 주행 구간에 대응하여 분류하고 가공하는 기술은 매우 중요하다.A single driving of a vehicle can usually be composed of various types of driving sections such as preheating, low-speed driving, city driving, high-speed driving, sudden driving, steep driving, parking, The data that can be collected in the process of driving the vehicle may vary, but it is very important to classify and process such data in correspondence with each running segment.

KR 10-2015-0066303 AKR 10-2015-0066303 A

본 발명은 주행 중 차량에서 수집된 데이터를 보다 정확히 분석하여 차량의 성능을 유지 또는 향상시킬 수 있는 장치와 방법을 제공할 수 있다.The present invention can provide an apparatus and a method that can more accurately analyze data collected from a vehicle while driving to maintain or improve the performance of the vehicle.

또한, 본 발명은 주행 중 차량에서 수집된 데이터를 바탕으로 운전자 또는 사용자의 주행 패턴을 분석하여, 분석된 데이터를 바탕으로 차량의 에너지 효율을 높일 수 있도록 유도할 수 있는 장치와 방법을 제공할 수 있다.In addition, the present invention can provide a device and a method for analyzing a driving pattern of a driver or a user based on data collected from a vehicle during driving to guide the user to increase the energy efficiency of the vehicle based on the analyzed data have.

또한, 본 발명은 사용자의 주행 패턴에 대응하여 자율 주행 시 사용자의 편의성을 높일 수 있거나, 차량 내 교체품, 소모품에 대한 관리의 효율을 높일 수 있는 장치와 방법을 제공할 수 있다.In addition, the present invention can provide an apparatus and a method that can improve the convenience of the user in autonomous driving in response to a user's driving pattern, or increase the efficiency of management of replacement parts and consumables in the vehicle.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.It is to be understood that both the foregoing general description and the following detailed description are exemplary and explanatory and are not restrictive of the invention, unless further departing from the spirit and scope of the invention as defined by the appended claims. It will be possible.

본 발명의 일 실시예에 따른 차량 주행 패턴을 이용하는 차량 제어 방법은 주행 중 기 설정된 시간 간격에 따른 서로 다른 정보를 수집하는 단계; 상기 서로 다른 정보를 기 설정된 형식으로 변환하는 단계; 상기 변환된 정보를 근거로 다차원 공간에 각 시점을 위치시키는 단계; 상기 다차원 공간에 위치한 각 시점들이 기 설정된 범위에 포함될 경우 그룹화되는 단계; 및 그룹화된 시점에 수집된 정보를 하나의 패턴으로 인지하는 단계를 포함할 수 있다.A method of controlling a vehicle using a vehicle traveling pattern according to an embodiment of the present invention includes collecting different information according to a predetermined time interval during traveling; Converting the different information into a predetermined format; Placing each viewpoint in a multidimensional space based on the transformed information; Grouping when each of the viewpoints located in the multidimensional space is included in a preset range; And recognizing the information collected at the grouped time points as one pattern.

또한, 차량 주행 패턴을 이용하는 차량 제어 방법은 상기 서로 다른 정보 중 기설정된 범위를 벗어나는 것을 제거하거나 상기 기설정된 범위 내로 조정하는 단계를 더 포함할 수 있다.In addition, the vehicle control method using the vehicle traveling pattern may further include the step of removing or shifting the different information out of the predetermined range to within the predetermined range.

또한, 상기 서로 다른 정보를 기 설정된 형식으로 변환하는 단계는 상기 서로 다른 정보 중 연속형 정보와 범주형 정보를 구분하는 단계; 및 상기 연속형 정보를 기 설정된 범위에 따라 범주형 정보로 변환하는 단계를 포함할 수 있다.In addition, the step of converting the different information into a predetermined format may include separating the continuous information and the categorical information among the different information; And converting the continuous information into categorical information according to a predetermined range.

또한, 상기 연속형 정보는 속도, RPM(Revolutions Per Minute), 가속도, 연료소모량, 스티어링 속도 중 적어도 하나를 포함하고, 상기 범주형 정보는 기어단수, 브레이크 신호, ISG(Idle stop & go) 신호 중 적어도 하나를 포함할 수 있다.The continuous type information includes at least one of speed, revolutions per minute (RPM), acceleration, fuel consumption, and steering speed, and the categorical information includes at least one of a gear step number, a brake signal, an idle stop & go And may include at least one.

또한, 상기 시간 간격은 1초일 수 있다.Also, the time interval may be one second.

또한, 차량 주행 패턴을 이용하는 차량 제어 방법은 상기 패턴에 따른 차량에 탑재된 배터리의 사용량을 확인하는 단계; 및 각 패턴에 대응하는 주행 거리를 결정하는 단계를 더 포함할 수 있다.Further, a vehicle control method using a vehicle running pattern includes: checking an amount of use of a battery mounted on the vehicle according to the pattern; And determining a mileage corresponding to each pattern.

또한, 차량 주행 패턴을 이용하는 차량 제어 방법은 상기 배터리 사용량 및 상기 주행거리에 대응하여, 상기 패턴에 따른 에너지 효율을 차량용 인터페이스를 통해 표시하는 단계; 및 상기 패턴에 따른 에너지 효율을 통신망을 통해 서버로 전달하는 단계 중 적어도 하나를 더 포함할 수 있다.The vehicle control method using the vehicle traveling pattern may further include displaying the energy efficiency according to the pattern through the vehicle interface corresponding to the battery usage amount and the mileage distance; And transmitting energy efficiency according to the pattern to a server through a communication network.

또한, 차량 주행 패턴을 이용하는 차량 제어 방법은 상기 패턴에 따라 차량에 탑재된 교환성 부품 및 소모품 중 적어도 하나의 교체 주기를 예측하는 단계; 및 상기 교체 주기를 차량용 인터페이스를 통해 표시하는 단계를 더 포함할 수 있다.Further, a vehicle control method using a vehicle running pattern includes: predicting a replacement period of at least one of replaceable parts and consumables mounted on the vehicle according to the pattern; And displaying the replacement cycle through a vehicle interface.

또한, 차량 주행 패턴을 이용하는 차량 제어 방법은 상기 패턴에 대응하여 차량의 속도와 운행 방향을 조정하는 단계를 더 포함할 수 있다.In addition, the vehicle control method using the vehicle running pattern may further include adjusting the speed and the running direction of the vehicle in accordance with the pattern.

또한, 상기 시간 간격은 0.05초 내지 0.5초이며, 상기 서로 다른 정보는 상기 주행 중 수집되는 차량의 움직임과 주변 장애물의 위치 정보를 포함할 수 있다.Also, the time interval may be 0.05 second to 0.5 second, and the different information may include information on the movement of the vehicle collected during the running and the location information of the surrounding obstacle.

또한, 상기 다차원 공간의 차원 수는 상기 서로 다른 정보의 종류와 동일하거나 비례하여 결정될 수 있다.In addition, the number of dimensions of the multi-dimensional space may be determined in the same or proportional manner as the types of the different information.

또한, 상기 기 설정된 범위는 공간 범위뿐만 아니라 시간 범위도 포함할 수 있다.In addition, the predetermined range may include a time range as well as a space range.

본 발명의 다른 실시예에 따른 응용 프로그램은 프로세서에 의해 실행되는 것을 통하여, 전술한 차량 주행 패턴을 이용하는 차량 제어 방법을 실현할 수 있다. 또한, 본 발명의 다른 실시예에 따른 컴퓨터 판독 가능한 기록매체는 전술한 차량 주행 패턴을 이용하는 차량 제어 방법을 포함할 수 있다.An application program according to another embodiment of the present invention can realize a vehicle control method using the above-described vehicle running pattern through execution by a processor. Further, a computer-readable recording medium according to another embodiment of the present invention may include a vehicle control method using the above-described vehicle running pattern.

본 발명의 다른 실시예에 따른 차량 주행 패턴을 이용하는 차량용 제어 장치는 차량에 탑재된 센서 및 제어장치와 연결되어 데이터를 전달받을 수 있는 제어부와 상기 데이터를 저장할 수 있는 저장부를 포함하며, 상기 제어부는 상기 센서 및 상기 제어장치로부터 주행 중 기 설정된 시간 간격에 따른 서로 다른 정보를 수집하는 수집부; 상기 서로 다른 정보를 기 설정된 형식으로 변환하는 변환부; 상기 변환된 정보를 근거로 다차원 공간에 각 시점을 위치시키고, 상기 다차원 공간에 위치한 각 시점들을 기 설정된 범위에 포함되면 그룹화하는 유사성 판단부; 및 그룹화된 시점에 수집된 정보를 하나의 패턴으로 인지하는 패턴 결정부를 포함할 수 있다.The control device for a vehicle using the vehicle travel pattern according to another embodiment of the present invention includes a control unit connected to a sensor and a control device mounted on a vehicle to receive data and a storage unit capable of storing the data, A collecting unit for collecting different information according to a predetermined time interval during running from the sensor and the controller; A conversion unit for converting the different information into a predetermined format; A similarity determination unit for positioning each viewpoint in the multidimensional space based on the transformed information and grouping the viewpoints included in the multidimensional space when they are included in a predetermined range; And a pattern determination unit for recognizing the information collected at the grouped time points as one pattern.

또한, 차량 주행 패턴을 이용하는 차량용 제어 장치는 상기 서로 다른 정보 중 기설정된 범위를 벗어나는 것을 제거하거나 상기 기설정된 범위 내로 조정하는 오류 조정부를 더 포함할 수 있다.Further, the control apparatus for a vehicle using the vehicle running pattern may further include an error adjusting section for removing the deviation of the different information from the predetermined range or adjusting the deviation to a predetermined range.

또한, 상기 변환부는 상기 서로 다른 정보 중 연속형 정보와 범주형 정보를 구분하고, 상기 연속형 정보를 기 설정된 범위에 따라 범주형 정보로 변환할 수 있다.In addition, the conversion unit may divide the continuous information and the categorical information among the different information, and may convert the continuous information into categorical information according to a predetermined range.

또한, 상기 연속형 정보는 속도, RPM(Revolutions Per Minute), 가속도, 연료소모량, 스티어링 속도 중 적어도 하나를 포함하고, 상기 범주형 정보는 기어단수, 브레이크 신호, ISG(Idle stop & go) 신호 중 적어도 하나를 포함할 수 있다.The continuous type information includes at least one of speed, revolutions per minute (RPM), acceleration, fuel consumption, and steering speed, and the categorical information includes at least one of a gear step number, a brake signal, an idle stop & go And may include at least one.

또한, 상기 시간 간격은 1초일 수 있다.Also, the time interval may be one second.

또한, 차량 주행 패턴을 이용하는 차량 제어 장치는 상기 패턴에 따른 차량에 탑재된 배터리의 사용량을 확인하는 배터리 관리부; 및 각 패턴에 대응하는 주행 거리를 결정하는 거리 측정부를 더 포함할 수 있다.Further, the vehicle control apparatus using the vehicle traveling pattern may include a battery management unit for checking an amount of use of the battery mounted on the vehicle according to the pattern; And a distance measuring unit for determining a distance corresponding to each pattern.

또한, 차량 주행 패턴을 이용하는 차량 제어 장치는 상기 배터리 사용량 및 상기 주행 거리에 대응하여, 상기 패턴에 따른 에너지 효율을 계산하는 효율 계산부; 상기 에너지 효율을 차량용 인터페이스를 통해 표시하는 표시부; 및 상기 에너지 효율을 통신망을 통해 서버로 전달하는 통신부 중 적어도 하나를 더 포함할 수 있다.Further, the vehicle control apparatus using the vehicle traveling pattern may further include an efficiency calculation unit for calculating energy efficiency according to the pattern corresponding to the battery usage amount and the mileage distance; A display unit for displaying the energy efficiency through a vehicle interface; And a communication unit for transmitting the energy efficiency to a server through a communication network.

또한, 차량 주행 패턴을 이용하는 차량 제어 장치는 상기 패턴에 따라 차량에 탑재된 교환성 부품 및 소모품 중 적어도 하나의 교체 주기를 예측하는 관리부; 및 상기 교체 주기를 차량용 인터페이스를 통해 표시하는 표시부를 더 포함할 수 있다.Further, the vehicle control apparatus using the vehicle travel pattern may include a management unit for predicting a replacement period of at least one of replaceable parts and consumables mounted on the vehicle according to the pattern; And a display unit displaying the replacement cycle through a vehicle interface.

또한, 차량 주행 패턴을 이용하는 차량 제어 장치는 상기 패턴에 대응하여 차량의 속도와 운행 방향을 조정하는 자율주행 제어부를 더 포함할 수 있다.In addition, the vehicle control apparatus using the vehicle running pattern may further include an autonomic running control unit that adjusts the speed and the running direction of the vehicle in accordance with the pattern.

또한, 상기 시간 간격은 0.05초 내지 0.5초이며, 상기 서로 다른 정보는 상기 주행 중 수집되는 차량의 움직임과 주변 장애물의 위치 정보를 포함할 수 있다.Also, the time interval may be 0.05 second to 0.5 second, and the different information may include information on the movement of the vehicle collected during the running and the location information of the surrounding obstacle.

또한, 상기 다차원 공간의 차원 수는 상기 서로 다른 정보의 종류와 동일하거나 비례하여 결정될 수 있다.In addition, the number of dimensions of the multi-dimensional space may be determined in the same or proportional manner as the types of the different information.

또한, 상기 기 설정된 범위는 공간 범위뿐만 아니라 시간 범위도 포함할 수 있다.In addition, the predetermined range may include a time range as well as a space range.

상기 본 발명의 양태들은 본 발명의 바람직한 실시예들 중 일부에 불과하며, 본원 발명의 기술적 특징들이 반영된 다양한 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 발명의 상세한 설명을 기반으로 도출되고 이해될 수 있다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, And can be understood and understood.

본 발명에 따른 장치에 대한 효과에 대해 설명하면 다음과 같다.The effect of the device according to the present invention will be described as follows.

본 발명은 운전자/사용자의 주행 패턴을 분석하는 과정에서 운전자/사용자의 경험적 지식 없이도 객관적인 결과를 얻을 수 있는 장점이 있다.The present invention is advantageous in that it can obtain objective results without knowledge of the driver / user in the process of analyzing the driving pattern of the driver / user.

또한, 본 발명은 운전자/사용자의 주행 패턴에 따라 변화할 수 있는 차량의 성능, 관리, 안전 등에 관련된 장치에 보다 객관적이고 정확한 데이터를 적용시킬 수 있는 장점이 있다.Further, the present invention is advantageous in that more objective and accurate data can be applied to devices related to the performance, management, safety, etc. of the vehicle, which may vary according to the driving pattern of the driver / user.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The effects obtainable by the present invention are not limited to the effects mentioned above, and other effects not mentioned can be clearly understood by those skilled in the art from the following description.

이하에 첨부되는 도면들은 본 발명에 관한 이해를 돕기 위한 것으로, 상세한 설명과 함께 본 발명에 대한 실시예들을 제공한다. 다만, 본 발명의 기술적 특징이 특정 도면에 한정되는 것은 아니며, 각 도면에서 개시하는 특징들은 서로 조합되어 새로운 실시예로 구성될 수 있다.
도1은 주행 패턴을 인지하는 방법을 설명한다.
도2는 차량 주행 패턴을 이용하는 제1 차량 제어 방법을 설명한다.
도3은 차량 주행 패턴을 이용하는 제2 차량 제어 방법을 설명한다.
도4는 차량 주행 패턴을 이용하는 차량 제어 장치를 설명한다.
도5는 도4에 도시된 변환부의 동작을 설명한다.
도6은 도4에 도시된 유사성 판단부의 동작을 설명한다.
도7은 도4에 도시된 유사성 판단부의 동작을 설명한다.
도8은 주행 중 수집된 데이터들의 구간을 분리한 예를 설명한다.
도9는 주행 패턴과 배터리 영향성을 분석한 예를 설명한다.
도10은 주행 중 수집된 데이터를 주행 패턴으로 추출하는 예를 설명한다.
도11은 주행 중 차량 내 장치로부터 수집된 데이터와 구간 경계의 예를 설명한다.
도12는 특정 구간 내 특정 데이터의 분포의 예를 설명한다.
도13은 특정 구간 내 복수의 데이터의 분포의 예를 설명한다.
도14는 차량 별 주행 패턴의 분포 예를 설명한다.BRIEF DESCRIPTION OF THE DRAWINGS The accompanying drawings, which are included to provide a further understanding of the invention and are incorporated in and constitute a part of this specification, illustrate embodiments of the invention and, together with the description, serve to explain the principles of the invention. It is to be understood, however, that the technical features of the present invention are not limited to the specific drawings, and the features disclosed in the drawings may be combined with each other to constitute a new embodiment.
Fig. 1 illustrates a method of recognizing a traveling pattern.
2 illustrates a first vehicle control method using a vehicle running pattern.
3 illustrates a second vehicle control method using a vehicle running pattern.
4 illustrates a vehicle control apparatus using a vehicle running pattern.
Fig. 5 illustrates the operation of the conversion unit shown in Fig.
FIG. 6 illustrates the operation of the similarity determination unit shown in FIG.
FIG. 7 illustrates the operation of the similarity determination unit shown in FIG.
FIG. 8 illustrates an example in which segments of data collected while driving are separated.
FIG. 9 illustrates an example of analyzing the traveling pattern and the battery impact.
Fig. 10 illustrates an example of extracting data collected while driving in a driving pattern.
FIG. 11 illustrates an example of data and interval boundaries collected from the in-vehicle apparatus during traveling.
12 illustrates an example of distribution of specific data within a specific section.
13 illustrates an example of distribution of a plurality of data in a specific section.
Fig. 14 illustrates an example of the distribution of travel pattern for each vehicle.

이하, 본 발명의 실시예들이 적용되는 장치 및 다양한 방법들에 대하여 도면을 참조하여 보다 상세하게 설명한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, an apparatus and various methods to which embodiments of the present invention are applied will be described in detail with reference to the drawings. The suffix "module" and " part "for the components used in the following description are given or mixed in consideration of ease of specification, and do not have their own meaning or role.

실시예의 설명에 있어서, 각 구성 요소의 "상(위) 또는 하(아래)"에 형성되는 것으로 기재되는 경우에 있어, 상(위) 또는 하(아래)는 두 개의 구성 요소들이 서로 직접 접촉되거나 하나 이상의 또 다른 구성 요소가 두 개의 구성 요소들 사이에 배치되어 형성되는 것을 모두 포함한다. 또한, "상(위) 또는 하(아래)"으로 표현되는 경우 하나의 구성 요소를 기준으로 위쪽 방향뿐만 아니라 아래쪽 방향의 의미도 포함할 수 있다.In the description of the embodiments, when it is described as being formed on the "upper" or "lower" of each element, the upper or lower (lower) And that at least one further component is formed and arranged between the two components. Also, the expression "upward" or "downward" may include not only an upward direction but also a downward direction with respect to one component.

차량이 주행 중 수집할 수 있는 데이터에는 여러 형태의 주행이 뒤섞인 시계열 데이터가 포함될 수 있다. 여기서, 동종의 부분 주행 구간을 분리하여 해당 데이터를 이해할 수 있다면, 차량의 주행 패턴을 이해하기 용이하다. 이를 위해, 차량 내 탑재된 특정 센서나 기기의 변화 등을 분석/탐색하거나 주행 패턴을 정의하기 위해서는 시계열 데이터를 먼저 주행이 동질적인 부분 구간으로 분리할 수 있다. 이러한 과정에서 시계열 데이터의 구간 분리(time series segmentation/clustering)를 위한 방법, 변화점 탐색(change point detection)을 위한 방법 등이 중요할 수 있다. Data that can be collected while the vehicle is traveling may include time series data mixed with various forms of travel. Here, it is easy to understand the traveling pattern of the vehicle if the same kind of partial traveling section can be separated and the corresponding data can be understood. For this purpose, in order to analyze / search for a specific sensor or device mounted in the vehicle, or to define a driving pattern, the time series data can be firstly divided into sections with homogeneous running. In this process, a method for time series segmentation / clustering and a method for change point detection may be important.

예를 들어, 시계열 데이터를 구간으로 분리하기 위해서는 각 시점별 데이터의 거리가 정의되어야 한다. 일반적으로, 센서 데이터는 숫자 형태의 연속형 변수와 글자 형태의 명목형 변수가 혼합되어 있을 수 있으나, 변수의 타입이 다른 경우에 범용적으로 적용할 수 있는 거리 척도는 포함되지 않는다. 그렇기 때문에 독립적인 분석 장치 또는 알고리즘 등에 의하여 모든 변수를 포함한 거리 척도가 임의로 정의되거나, 동종의 변수만을 선택하여 데이터의 구간을 임의로 분리한다. 하지만, 일부의 변수만을 이용하여 시계열 데이터를 분리할 경우에는 데이터의 전체적인 특징을 고려하지 못할 수 있다. 또한, 독립적인 분석 장치 또는 알고리즘에 의하여 거리가 정의될 경우, 새로운 변수가 추가될 때마다 거리를 재정의 해야 할 뿐아니라, 거리를 정의하는 사용자 또는 운영자의 경험적 지식에 의하여 거리 척도의 품질이 달라질 수 있다. For example, in order to divide time-series data into sections, the distance of each point of view must be defined. In general, the sensor data may be a combination of a numeric continuous variable and a literal nominal variable, but does not include a universally applicable distance measure when the types of variables are different. Therefore, a distance scale including all variables may be arbitrarily defined by an independent analyzing device or algorithm, or a data section may be arbitrarily selected by selecting only the same type of variables. However, if the time series data are separated using only some variables, the overall characteristics of the data may not be considered. In addition, when the distance is defined by an independent analyzing device or algorithm, not only the distance is redefined each time a new parameter is added, but also the quality of the distance scale is changed by the experiential knowledge of the user or the operator who defines the distance .

이러한 문제를 극복하기 위해서는 이산형/연속형 변수를 동시에 이용하여 데이터 기반으로 시계열 구간 분리에 적합한 거리척도를 자동으로 학습할 수 있는 자동화된 방법이 필요하다. 이산형/연속형 변수를 동시에 모두 고려하기 때문에 데이터의 특징들을 대부분 고려할 수 있으며, 데이터 기반으로 거리척도를 학습하기 때문에 데이터를 가장 잘 설명할 수 있고, 사용자의 경험적 지식의 품질과 관계없이 객관적인 거리 척도가 학습될 수 있다. 하지만 연속형, 범주형 데이터가 혼합되어 있는 시계열 데이터에서 모든 변수를 고려한 포인트 간의 거리를 정의하는 것은 불가능할 수 있다. 또한, 각각의 변수에 대하여 독립적으로 구간 분리를 시도한 뒤, 혼합할 경우에는 데이터의 특성을 제대로 반영하지 못하거나, 구간 분리가 잘못될 수 있다.To overcome this problem, an automated method is needed to automatically learn the distance scale suitable for separating time-series intervals on a data basis by using discrete / continuous variables simultaneously. Since discrete and continuous variables are considered at the same time, most of the characteristics of data can be taken into consideration. Data can be best explained by learning the distance scale based on the data base, and the objective distance The scale can be learned. However, it may not be possible to define the distance between points considering all variables in time series data where continuous, categorical data is mixed. Also, when attempting to perform segmentation independently for each variable, the data may not be properly reflected or the segmentation may be wrong.

이질적 종류의 변수를 모두 고려하지 않더라도 시계열 데이터의 구간을 분리할 수는 있다. 대표적으로, 유클리디안이나 자카드와 같은 거리 척도를 이용할 수 있는 방법을 통해 저차원의 변수 별로 시계열 데이터의 구간을 분리한 뒤, 각 변수별 구간 경계점들의 교집합 혹은 합집합을 데이터의 구간 경계점으로 이용하는 것이다. 예를 들어, 100초의 시계열 데이터에 대하여 세 개의 변수 집합 1, 2, 3에 대하여 다음과 같은 구간 경계점으로 시계열 데이터가 분리되었다고 하자. Even if all of the heterogeneous variables are not considered, the time series data section can be separated. Typically, a time series data segment is separated by low-dimensional variables by using a distance scale such as an eclipse or a jacquard, and the intersection or union of the segment boundary points of each variable is used as a boundary point of data . For example, suppose the time series data are separated by the following boundary points for three sets of variables 1, 2, and 3 for 100 second time series data.

변수 집합 1에 의한 구간 경계점 = [3초, 22초, 24초, 27초, 80초][3 seconds, 22 seconds, 24 seconds, 27 seconds, 80 seconds]

변수 집합 2에 의한 구간 경계점 = [22초, 27초, 81초]Section boundary point by variable set 2 = [22 seconds, 27 seconds, 81 seconds]

변수 집합 3에 의한 구간 경계점 = [17초, 23초, 47초, 54초]Section boundary point by variable set 3 = [17 seconds, 23 seconds, 47 seconds, 54 seconds]

세 변수의 구간 경계점의 합집합을 전체 구간의 경계점으로 이용할 경우에는 [3, 17, 22, 23, 24, 27, 47, 54, 80, 81]로, 0~3초, 81~100초의 구간을 포함하여 총 11개의 구간으로 시계열 데이터의 전체 구간이 나뉘어지며, 반대로 세 변수 집합의 공통된 구간 경계점을 전체 구간의 경계점으로 이용할 경우에는 공통된 경계점이 없기 때문에 시계열 데이터가 구간으로 분리되지 않는다. When using the union of the boundary points of the three variables as the boundary points of the whole interval, the interval of 0 to 3 seconds and 81 to 100 seconds is set to [3, 17, 22, 23, 24, 27, 47, 54, If the common boundary point of the three variable sets is used as the boundary point of the entire interval, the time series data is not separated into the interval because there is no common boundary point.

특히 변수 집합 1과 3은 구간 경계점의 교집합이 적다. 이는 변수 집합 1과 3은 서로 다른 정보에 의하여 구간을 나누기 때문이다. 또한 세 변수 집합 모두 22 ~ 24초에는 모든 변수에서 경계가 나뉘어지지만, 각 변수별로 상황에 대한 반응시간이 달라서 하나의 구간이 여러 개로 분리될 수도 있다. 반대로 22 ~ 24초 외에는 각 변수 집합 별로 실제로는 구간의 경계가 아닌 지점도 민감하게 경계로 판단할 수도 있다. 즉 모든 변수의 상관관계를 고려하지 못하며 시계열 데이터의 구간이 분리될 수가 있다. In particular, variable sets 1 and 3 have few intersections of boundary points. This is because variable sets 1 and 3 divide the interval by different information. Also, in all of the three variable sets, the boundaries are divided in all the variables in 22 to 24 seconds, but the response time of each variable is different for each variable, so that one section may be divided into several sections. On the contrary, except for 22 to 24 seconds, it is also possible to judge the points that are not actually the boundaries of the interval as sensitive boundaries. That is, the correlation of all variables can not be taken into account and the time series data section can be separated.

전술한 문제를 해결하기 위해서, 다변수로 이루어진 자동차 주행 관련 시계열 데이터로부터 데이터 기반으로 거리 척도를 학습하고, 이를 이용하여 동질적인 부분 주행 구간으로 주행을 분리한 뒤, 동질적인 부분 주행 구간을 군집화하는 과정을 통해 주행 패턴을 추출하는 자동화된 분석 장치와 방법이 요구될 수 있다.In order to solve the above problem, the distance scale is learned from the multivariable data related to the car driving time series data, and the driving is divided into the homogeneous section driving section using the data base, and then the homogeneous part driving section is clustered An automated analysis apparatus and method for extracting a traveling pattern through a process may be required.

도1은 주행 패턴을 인지하는 방법을 설명한다.Fig. 1 illustrates a method of recognizing a traveling pattern.

도시된 바와 같이, 주행 패턴을 인지하는 방법은 주행 중 기 설정된 시간 간격에 따른 서로 다른 정보를 수집하는 단계(12), 서로 다른 정보 중 기설정된 범위를 벗어나는 것을 제거하거나 기설정된 범위 내로 조정하는 단계(14), 서로 다른 정보를 기 설정된 형식으로 변환하는 단계(16), 변환된 정보를 근거로 다차원 공간에 각 시점을 위치시키는 단계(18), 다차원 공간에 위치한 각 시점들이 기 설정된 범위에 포함될 경우 그룹화되는 단계(20), 및 그룹화된 시점에 수집된 정보를 하나의 패턴으로 인지하는 단계(22)를 포함할 수 있다. 여기서, 다차원 공간의 차원 수는 상기 서로 다른 정보의 종류와 동일하거나 비례하여 결정될 수 있다. 다차원 공간에서 그룹화를 위한 기준으로서의 기 설정된 범위는 다차원 공간 내 공간 범위뿐만 아니라 시간 범위도 포함할 수 있다.As shown in the figure, a method of recognizing a traveling pattern includes a step 12 of collecting different information according to a predetermined time interval during traveling, a step of removing out of a predetermined range of different information, (14), converting different information into a predetermined format (16), positioning each viewpoint in a multidimensional space based on the converted information (18), and storing each viewpoint in the multidimensional space (20) grouped, and recognizing (22) the information collected at the grouped time points as one pattern. Here, the number of dimensions of the multidimensional space may be determined in the same or in proportion to the type of the different information. The predetermined range as a reference for grouping in the multidimensional space may include a time range as well as a spatial range in the multidimensional space.

도시되지 않았지만, 서로 다른 정보를 기 설정된 형식으로 변환하는 단계(16)는 서로 다른 정보 중 연속형 정보와 범주형 정보를 구분하는 단계, 및 연속형 정보를 기 설정된 범위에 따라 범주형 정보로 변환하는 단계를 포함할 수 있다. 여기서, 연속형 정보는 속도, RPM(Revolutions Per Minute), 가속도, 연료소모량, 스티어링 속도 중 적어도 하나를 포함할 수 있고, 범주형 정보는 기어단수, 브레이크 신호, ISG(Idle stop & go) 신호 중 적어도 하나를 포함할 수 있다. 연속형 정보와 범주형 정보는 차량의 주행 중 매 초마다 수집될 수 있으며, 주행 중 수집하는 데이터의 사용 목적에 따라 수집되는 시간 간격을 조정할 수 있다. 주행 중 수집하는 데이터는 주행 관련 변수를 정의한 데이터베이스를 활용할 수 있다. 데이터베이스에는 각 차량의 주행별로 수집된 데이터가 저장될 수 있다.Although not shown, the step of converting different information into a predetermined format 16 includes the steps of separating the continuous information and categorical information among different information, and converting the continuous information into categorical information according to a predetermined range . Here, the continuous type information may include at least one of speed, revolutions per minute (RPM), acceleration, fuel consumption, and steering speed, and the categorical information may include at least one of a gear step number, a break signal, and an idle stop & go And may include at least one. Continuous information and categorical information can be collected every second during driving of the vehicle, and the time interval collected can be adjusted according to the purpose of the data collected during driving. Data collected during driving can utilize a database that defines driving related variables. The database may store data collected for each vehicle's travel.

기존의 시계열 데이터의 구간 분리 기술은 숫자 형태의 연속형 단일, 저차원 변수 혹은 저차원 명목형 변수에 대해서만 독립적으로 적용이 가능하거나, 모든 변수를 함께 이용하여 데이터 포인트 간 거리를 정의할 경우에는 경험적 지식에 의하여 사용자가 직접 거리를 정의하여야 했다. 하지만, 전술한 주행 패턴 인식 방법은 데이터의 분산표현을 이용하여 데이터 포인트 간 거리를 데이터 기반으로 자동으로 학습하도록 함으로써, 연속형 변수와 명목형 변수의 상관관계를 보존하면서도 데이터를 가장 잘 설명할 수 있는 거리척도를 학습할 수 있다.The existing segmentation technique of time series data can be applied independently to continuous single, low dimensional or low dimensional nominal variable of number type, or when using all variables together to define the distance between data points, By knowledge, the user had to define the distance directly. However, in the traveling pattern recognition method described above, the distance between data points is automatically learned on a data basis by using a distributed representation of data, so that the data can be best explained while preserving the correlation between the continuous variable and the nominal variable You can learn a distance scale.

주행 구간은 분산표상표현으로 변환된 데이터와 거리척도를 이용하여 부분 주행 구간으로 분리된다. 분리된 부분 주행 구간 안의 데이터 포인트들은 서로 비슷한 분산표상표현을 지니기 때문에, 동질적인 주행 순간들이다. 다수의 부분 주행 구간으로부터 주행 패턴을 추출하기 위하여 부분 주행 구간 군집화가 이뤄진다. 각 군집은 주행 패턴으로 정의되며, 각 주행은 군집화된 주행 패턴으로 재기술 하거나, 주행과 자동차 상태와의 상관성을 찾는데 이용된다.  The driving section is separated into the partial driving section using the data converted into the distributed representation and the distance scale. The data points in the separated part travel section are homogeneous traveling moments because they have similar distributed representation. In order to extract the driving pattern from a plurality of partial travel sections, the partial travel section clustering is performed. Each cluster is defined as a driving pattern, and each driving is re-described as a clustered driving pattern or used to find the correlation between driving and vehicle conditions.

한 주행을 동질의 부분 주행구간으로 분리하고 군집화된 주행 패턴으로 재기술 함으로써, 각 주행 패턴에 따라 특정 센서나 기기의 변화 등을 분석/탐색하거나, 주행 패턴과 자동차 상태와 관련된 변수와의 관계를 도출 할 수 있다.  By separating a running into a homogeneous part of the road and re-describing it as a clustered driving pattern, it is possible to analyze / search specific sensor or device changes according to each driving pattern or to determine the relationship between driving pattern and vehicle- .

본 발명은 이질적 형태의 변수가 섞여있는 시계열 데이터 포인트 간의 거리 척도를, 사용자가 설계하는 것이 아니라 데이터로부터 직접 자동으로 학습하게 함으로써, 객관적인 거리 척도를 설계하게 하였으며, 이후 구간 분리 및 구간 군집화를 통하여 주행 패턴을 추출함으로써, 이를 이용한 다른 데이터 분석이 가능하도록 하는 사전분석의 의미를 지닌다. In the present invention, an objective distance scale is designed by letting a distance measure between time series data points mixed with heterogeneous types of variables be automatically learned directly from data, not by a user, and then designing an objective distance scale by segmentation and section clustering. And extracts a pattern, thereby making it possible to perform other data analysis using the same.

도2는 차량 주행 패턴을 이용하는 제1 차량 제어 방법을 설명한다.2 illustrates a first vehicle control method using a vehicle running pattern.

도시된 바와 같이, 제1 차량 제어 방법은 패턴에 따른 차량에 탑재된 배터리의 사용량을 확인하는 단계(32), 각 패턴에 대응하는 주행 거리를 결정하는 단계(34)를 포함할 수 있다.As shown, the first vehicle control method may include a step 32 of checking the usage amount of the battery mounted on the vehicle according to the pattern, and a step 34 of determining the travel distance corresponding to each pattern.

또한, 차량 주행 패턴을 이용하는 차량 제어 방법은 배터리 사용량 및 주행거리에 대응하여, 패턴에 따른 에너지 효율을 차량용 인터페이스를 통해 표시하는 단계(36), 및 패턴에 따른 에너지 효율을 통신망을 통해 서버로 전달하는 단계(36) 중 적어도 하나를 더 포함할 수 있다.In addition, the vehicle control method using the vehicle travel pattern includes displaying (36) a step 36 of responding to the battery usage and the travel distance of the energy efficiency according to the pattern through the vehicle interface, and transmitting the energy efficiency according to the pattern to the server (36). ≪ / RTI >

예를 들어, 주행 중 수집된 데이터를 패턴화/군집화한 후, 해당 내용으로 연비, 에너지 사용량을 확인하면 운전자/사용자의 운전 습관에 따른 연비를 측정할 수 있다. 이러한 내용이 운전자/사용자에게 전달되면, 운전자/사용자가 에너지 효율, 연비를 높일 수 있는 방향으로 주행하도록 유도할 수 있다.For example, if fuel consumption and energy usage are confirmed by patterning / clustering collected data during driving, fuel consumption can be measured according to driver / user driving habits. When this content is delivered to the driver / user, the driver / user can be guided to drive in a direction to increase energy efficiency and fuel economy.

도3은 차량 주행 패턴을 이용하는 제2 차량 제어 방법을 설명한다.3 illustrates a second vehicle control method using a vehicle running pattern.

도시된 바와 같이, 제2 차량 제어 방법은 패턴에 따라 차량에 탑재된 교환성 부품 및 소모품 중 적어도 하나의 교체 주기를 예측하는 단계(42), 및 교체 주기를 차량용 인터페이스를 통해 표시하는 단계(44)를 더 포함할 수 있다.As shown, the second vehicle control method includes estimating (42) a replacement period of at least one of replaceable parts and consumables mounted on the vehicle according to a pattern, and displaying the replacement period via a vehicle interface ).

차량에는 교환성 부품 및 소모품이 포함되어 있고, 사용자/운전자는 특정한 상황이 발생한 경우 또는 기 설정된 주기/시간에 따라 해당 부품을 교체하여 차량의 주행 성능이 유지될 수 있도록 관리해야 한다. 주행 중 수집된 데이터를 패턴화/군집화하여 이를 통해 차량에 탑재된 교환성 부품 및 소모품의 교체 주기를 예측하고, 사용자/운전자가 차량 내 인터페이스(예, AVN 단말기) 등을 통해 해당 내용을 확인할 수 있도록 할 수 있다. 이 경우, 사용자/운전자가 차량을 보다 효율적으로 관리할 수 있어 편의성이 증대될 수 있다.The vehicle includes exchangeable parts and consumables, and the user / driver should manage to maintain the driving performance of the vehicle by replacing the part in case of a specific situation or according to a predetermined cycle / time. The data collected during driving can be patterned / clustered to predict the replacement cycle of replaceable parts and consumables mounted on the vehicle, and the user / driver can check the contents through the in-vehicle interface (eg, AVN terminal) . In this case, the user / driver can manage the vehicle more efficiently, and convenience can be increased.

한편, 도시되지 않았지만, 주행 중 수집되는 데이터를 보다 세밀하게 수집하고, 이를 바탕으로 자율 주행에 적용할 수 있다. 예를 들어, 주행 중 0.05초 내지 0.5초의 시간 간격으로 수집되는 복수의 정보가 차량의 움직임과 주변 장애물의 위치 정보를 포함할 수 있다. 이러한 상황에서의 운전자/사용자의 주행 패턴을 분석한 후, 운전자/사용자가 자율 주행을 시도할 때, 주행 패턴에 대응하여 차량의 속도와 운행 방향을 조정하면 운전자가 보다 편안함을 느낄 수 있다.Meanwhile, although not shown, data collected during driving can be collected more finely and applied to autonomous driving based on the collected data. For example, a plurality of pieces of information collected at a time interval of 0.05 second to 0.5 second during driving may include position information of a vehicle motion and a surrounding obstacle. After analyzing the driving pattern of the driver / user in such a situation, when the driver / user attempts the autonomous driving, the driver can feel more comfortable by adjusting the speed and the driving direction of the vehicle in accordance with the driving pattern.

도4는 차량 주행 패턴을 이용하는 차량 제어 장치를 설명한다.4 illustrates a vehicle control apparatus using a vehicle running pattern.

도시된 바와 같이, 차량 주행 패턴을 이용하는 차량 제어 장치는차량에 탑재된 센서/전자장치(70) 와 연결되어 데이터를 전달받을 수 있는 제어부(60)와 데이터를 저장할 수 있는 저장부(미도시)를 포함할 수 있다. 차량용 네트워크(50)를 통해 복수의 센서/전자장치(70) 및 제어장치(80)와 연결될 수 있다. 여기서, 차량용 네트워크(50)는 CAN(Controller Area Network) 통신을 예로 들 수 있다.As shown in the figure, the vehicle control apparatus using the vehicle travel pattern includes a controller 60 connected to the sensor / electronic device 70 mounted on the vehicle and capable of receiving data, and a storage unit (not shown) . ≪ / RTI > And may be connected to the plurality of sensor / electronic devices 70 and the control device 80 through the vehicle network 50. Here, the vehicle network 50 may be a CAN (Controller Area Network) communication.

차량에 탑재된 복수의 센서/전자장치(70)는 카메라(72), 센서(73), 변속기(74), 속도계(76), 브레이크(78) 등을 포함할 수 있다. 도4에 표시된 예는 일부 구성일 수 있으며, 차량은 성능 및 재원에 따라 다양한 센서/전자장치(70)를 포함할 수 있다.A plurality of sensor / electronic devices 70 mounted on the vehicle may include a camera 72, a sensor 73, a transmission 74, a speedometer 76, a brake 78, and the like. The example shown in Fig. 4 may be some configuration, and the vehicle may include various sensor / electronic devices 70 depending on performance and resources.

구체적으로, 제어부(60)는 센서/전자장치(70) 또는 제어장치(80)로부터 주행 중 기 설정된 시간 간격에 따른 서로 다른 정보를 수집하는 수집부(62), 서로 다른 정보를 기 설정된 형식으로 변환하는 변환부(66), 변환된 정보를 근거로 다차원 공간에 각 시점을 위치시키고, 다차원 공간에 위치한 각 시점들을 기 설정된 범위에 포함되면 그룹화하는 유사성 판단부(68), 및 그룹화된 시점에 수집된 정보를 하나의 패턴으로 인지하는 패턴 결정부(69)를 포함할 수 있다.Specifically, the control unit 60 includes a collecting unit 62 that collects different information according to a predetermined time interval from the sensor / electronic device 70 or the control device 80, A similarity determination unit 68 for grouping the viewpoints in the multidimensional space based on the transformed information and each of the viewpoints included in the multidimensional space when the viewpoints are included in a predetermined range, And a pattern determination unit 69 for recognizing the collected information as one pattern.

보다 구체적으로, 유사성 판단부(68) 내 형성되는 다차원 공간의 차원 수는 상기 서로 다른 정보의 종류와 동일하거나 비례하여 결정될 수 있다. 예를 들어, 주행 중 수집되는 복수의 정보 중 속도, 브레이크 사용여부, 기어단수의 3가지 정보만으로 주행 패턴을 결정하는 경우, 3차원 공간에서 해당 정보에 대응한 위치에 데이터가 수집된 시점을 위치시킬 수 있다. 한편, 유사성을 판단하는 기준으로서의 다차원 공간 내 기 설정된 범위는 공간 범위뿐만 아니라 시간 범위도 포함할 수 있다.More specifically, the number of dimensions of the multidimensional space formed in the similarity determination unit 68 may be determined in the same or in proportion to the type of the different information. For example, when driving pattern is determined based on only three pieces of information among the plurality of pieces of information collected during traveling, that is, the speed, the use of brakes, and the number of gears, a point at which data is collected at a position corresponding to the information in the three- . On the other hand, the predetermined range in the multidimensional space as a criterion for determining the similarity may include not only the spatial range but also the time range.

또한, 제어부(60)는 서로 다른 정보 중 기설정된 범위를 벗어나는 것을 제거하거나 기설정된 범위 내로 조정하는 오류 조정부(64)를 더 포함할 수 있다. 오류 조정부(64)는 센서/전자장치(70) 혹은 제어장치(80)의 비정상적인 동작으로 데이터가 수집이 되지 않거나 정상범위에 벗어나는 값이 수집되는 경우 해당 데이터를 제거할 수 있다. 또한, 주행 중 수집될 수 있는 데이터의 종류와 해당 데이터가 가지는 기 설정된 정상 범위를 바탕으로 수집된 변수 값을 조정할 수도 있다. 또한, 오류 조정부(64)는 변수들을 조합하여 새로운 자질을 생성하거나, 데이터의 종류 및 기 설정된 정상 범위를 근거로 불필요한 변수를 제거할 수 있다. 오류 조정부(64)는 주행 중 수집될 수 있는 복수의 데이터에 대하여 이후 과정에서 패턴화/그룹화에 적합하도록 데이터를 가공할 수 있다.The control unit 60 may further include an error adjustment unit 64 that removes a deviation from a predetermined range of different information or adjusts the deviation to a predetermined range. The error adjustment unit 64 can remove the data when the data is not collected due to the abnormal operation of the sensor / electronic device 70 or the control device 80 or when a value outside the normal range is collected. It is also possible to adjust the collected variable values based on the type of data that can be collected while driving and the predetermined normal range of the data. In addition, the error adjustment unit 64 may combine the variables to generate new qualities, or may remove unnecessary variables based on the type of data and the predetermined normal range. The error adjustment unit 64 can process the data for a plurality of pieces of data that can be collected during traveling so as to be suitable for patterning / grouping in the following process.

차량 주행 패턴을 이용하는 차량 제어 장치의 제어부(60) 내 오류 조정부(64)로부터 전달된 주행 데이터를 전달받은 변환부(66)는 서로 다른 정보 중 연속형 정보와 범주형 정보를 구분하고, 연속형 정보를 기 설정된 범위에 따라 범주형 정보로 변환할 수 있다. 여기서, 연속형 정보는 데이터 혹은 변수의 범위가 연속적인 값 중에 하나로 결정될 수 있는 것을 의미한다. 예를 들어, 연속형 정보로는 속도, RPM(Revolutions Per Minute), 가속도, 연료소모량, 스티어링 속도 중 적어도 하나가 포함될 수 있다. 반면, 범주형 정보는 연속적인 값이 아니라 구분 가능한 범위의 값 중 하나로 결정되는 것을 의미한다. 예를 들어, 범주형 정보로는 기어단수, 브레이크 신호, ISG(Idle stop & go) 신호 중 적어도 하나를 포함될 수 있다.The conversion unit 66, which receives the travel data transmitted from the error adjustment unit 64 in the control unit 60 of the vehicle control apparatus using the vehicle travel pattern, distinguishes between continuous information and categorical information among different information, Information can be converted into categorical information according to a predetermined range. Here, the continuous information means that the range of the data or the variable can be determined as one of continuous values. For example, the continuous information may include at least one of speed, revolutions per minute (RPM), acceleration, fuel consumption, and steering speed. On the other hand, categorical information means that the categorical information is determined not as a continuous value but as one of the identifiable range values. For example, the categorical information may include at least one of a gear step number, a brake signal, and an idle stop & go (ISG) signal.

또한, 차량 주행 패턴을 이용하는 차량 제어 장치의 제어부(60)는 차량에 탑재된 센서/전자장치(70)로부터 수집된 주행 관련 정보들을 저장하는 데이터베이스로부터 해당 데이터를 로딩한 후, 분석 및 그룹화/패턴화를 위한 전처리를 수행할 수 있다. 이후, 전처리 된 데이터를 비닝(binning)하고, 데이터 기반 거리 척도 학습한 후, 부분 주행 구간 분리하고, 주행 패턴을 추출한 뒤, 위 정보가 추가된 데이터베이스를 만드는 프레임워크로 구현될 수 있다. Further, the control unit 60 of the vehicle control apparatus using the vehicle running pattern loads the data from the database storing the traveling-related information collected from the sensor / electronic device 70 mounted on the vehicle, Processing can be performed. Thereafter, it can be implemented as a framework for binning preprocessed data, learning a data-based distance scale, separating a partial travel section, extracting a traveling pattern, and creating a database in which the above information is added.

차량에 탑재된 센서/전자장치(70)로부터 주행 관련 정보가 수집되는 시간 간격은 1초일 수 있다. 하지만, 주행 관련 정보를 어떠한 목적으로 사용하는 지에 따라 주행 관련 정보를 수집하는 시간 간격을 조정할 수 있다. 이때, 사용 목적에 따라 필요한 주행 관련 정보가 다를 경우, 센서/전자장치(70)를 이용하여 서로 다른 시간 간격으로 주행 데이터를 수집할 수도 있다.The time interval at which the travel-related information is collected from the sensor / electronic device 70 mounted on the vehicle may be one second. However, the time interval for collecting driving-related information can be adjusted depending on what purpose the driving-related information is used for. At this time, if necessary travel-related information is different according to the purpose of use, the travel data may be collected at different time intervals using the sensor / electronic device 70.

차량 주행 패턴을 이용하는 차량 제어 장치의 제어부(60)와 차량용 네트워크(50)를 통해 연결되는 제어장치(80)는 차량 주행 패턴을 사용하는 목적에 따라 구성이 달라질 수 있다.The control unit 80 connected to the control unit 60 of the vehicle control device using the vehicle travel pattern and the vehicle network 50 may have different configurations depending on the purpose of using the vehicle travel pattern.

먼저, 차량 주행 패턴을 에너지 효율, 연비, 배터리 사용량 등을 개선하기 위해 사용하는 경우라면, 제어장치(80)는 패턴에 따른 차량에 탑재된 배터리의 사용량을 확인하는 배터리 관리부(82), 및 각 패턴에 대응하는 주행 거리를 결정하는 거리 측정부(84)를 더 포함할 수 있다.First, if the vehicle travel pattern is used for improving energy efficiency, fuel consumption, battery usage, etc., the control device 80 includes a battery management section 82 for confirming the usage amount of the battery mounted on the vehicle according to the pattern, And a distance measuring unit 84 for determining a distance corresponding to the pattern.

또한, 제어 장치(80)는 배터리 사용량 및 주행 거리에 대응하여, 상기 패턴에 따른 에너지 효율을 계산하는 효율 계산부(미도시), 에너지 효율을 차량용 인터페이스를 통해 표시하는 표시부(86), 및 에너지 효율을 통신망을 통해 서버로 전달하는 통신부(88) 중 적어도 하나를 더 포함할 수 있다. 여기서, 실시예에 따라 효율 계산부는 별도의 모듈로 형성될 수도 있고, 배터리 관리부(82)에 포함될 수도 있다.The control unit 80 includes an efficiency calculation unit (not shown) for calculating the energy efficiency according to the pattern corresponding to the battery usage amount and the travel distance, a display unit 86 for displaying the energy efficiency through the vehicle interface, And a communication unit 88 for transmitting the efficiency to the server via the communication network. Here, the efficiency calculation unit may be formed as a separate module or may be included in the battery management unit 82 according to the embodiment.

또한, 차량 주행 패턴을 차량의 유지 보수 목적으로 사용하는 경우라면, 제어 장치(80)는 패턴에 따라 차량에 탑재된 교환성 부품 및 소모품 중 적어도 하나의 교체 주기를 예측하는 관리부(94), 및 교체 주기를 차량용 인터페이스를 통해 표시하는 표시부(86)를 포함할 수 있다.When the vehicle travel pattern is used for maintenance of the vehicle, the control unit 80 includes a management unit 94 for predicting replacement cycles of at least one of replaceable parts and consumables mounted on the vehicle according to the pattern, And a display unit 86 for displaying the replacement cycle via the vehicle interface.

또한, 차량 주행 패턴을 자율 주행 기능에 적용하는 경우라면, 제어 장치(80)는 패턴에 대응하여 차량의 속도와 운행 방향을 조정하는 자율주행 제어부(92)를 포함할 수 있다. 만약, 차량 주행 패턴을 자율 주행 기능에 적용하는 경우에는, 차량에 탑재된 센서/전자장치(70)로부터 수집되는 정보에 차량의 움직임과 주변 장애물의 위치 정보 등을 포함할 수 있으며, 주행 안전을 도모하기 위해 정보 수집을 위한 시간 간격을 0.05초 내지 0.5초로 결정할 수 있다. 여기서, 주행 안전에 민감할수록 정보 수집을 위한 시간 간격은 더 짧아질 수 있다.When the vehicle running pattern is applied to the autonomous running function, the control device 80 may include an autonomous running control unit 92 that adjusts the speed and the running direction of the vehicle in accordance with the pattern. If the vehicle running pattern is applied to the autonomous running function, the information collected from the sensor / electronic device 70 mounted on the vehicle may include the movement of the vehicle and the positional information of the surrounding obstacle, The time interval for collecting information can be determined to be 0.05 second to 0.5 second. Here, the more sensitive to the safety of driving, the shorter the time interval for collecting information.

이하에서는 차량 주행 패턴을 이용하는 차량 제어를 위해, 주행 중인 차량에서 수집될 수 있는 정보를 바탕으로 데이터를 패턴화/그룹화하는 예를 설명한다. 여기서, 차량 주행 패턴을 인지하기 위한 기술을 설명의 효과적으로 하기 위해, 용어를 정의한다. '데이터'는 모든 변수(v1, v2, ..., vp)로 이뤄진 전체 시계열 데이터(D)를 의미하며, '데이터 값' 혹은 '데이터 포인트'는 특정 시점(t)에서의 시계열 데이터(Dt)를 의미한다. 변수는 데이터(D)를 이루는 각 변수(vi)를 의미하며, 변수 값은 특정 변수(vi)의 특정 시점에서의 값(vti)를 의미한다. Hereinafter, an example of patterning / grouping data based on information that can be collected in a running vehicle for vehicle control using the vehicle running pattern will be described. Here, in order to effectively explain the technique for recognizing the vehicle running pattern, terms are defined. 'Data' means the entire time series data D consisting of all the variables v1, v2, ..., vp and the 'data value' or 'data point' means the time series data Dt ). The variable means each variable (vi) constituting the data (D), and the variable value means the value (vti) at a specific time point of the specific variable (vi).

도5는 도4에 도시된 변환부(66)의 동작을 설명한다.Fig. 5 illustrates the operation of the conversion unit 66 shown in Fig.

도시된 바와 같이, 변환부(66)는 각 시점(time)에서 수집된 데이터(D)를 전달받을 수 있다. 각 데이터(D)는 속도, 가속도, 브레이크 등의 변수(vi)를 가진다. 예를 들어, 특정시점(t=87)에서의 데이터(D)는 [속도, 가속도, 브레이크]의 방식에 따라 [79, +3, 0]으로 표현할 수 있다. 여기서, 데이터(D)에는 속도, 가속도와 같은 연속형 변수 및 브레이크와 같은 범주형 변수가 포함되어 있다.As shown, the conversion unit 66 can receive the data D collected at each time point. Each data D has a variable (vi) such as speed, acceleration, and break. For example, the data D at a specific time point (t = 87) can be expressed as [79, +3, 0] according to the scheme of [speed, acceleration, break]. Here, the data (D) includes categorical variables such as continuous variables such as speed and acceleration and breaks.

변환부(66)는 연속형 변수와 명목형 변수를 통합하여 볼 수 있도록 연속형 변수의 이산화(discretization)를 통한 명목화(categorization)를 수행할 수 있다. 예를 들어, 0부터 100까지의 범위를 지닌 변수 1을 동일한 넓이의 10개의 구간으로 나눌 경우 0부터 10까지는 0으로, 10 초과부터 20까지는 1로, ..., 90 초과부터 100까지는 9로 결정할 수 있다. 명목화된 각 변수 별 값을 결합하여 단어형태의 명목형 데이터값을 얻을 수 있다. 명목형 변수 2의 경우 값이 {A, B, C}라면, (변수 1, 변수 2)의 값이 (37, B)였던 데이터값은 3B로, (54, C)였던 데이터값은 5C로 변환된다. 균일 넓이, 통계적 균일 넓이, 변수에 관련된 기 설정된 범위 등 임의의 데이터 변환(비닝) 방법이 이용될 수 있다. 연속형/명목형 변수가 혼합된 데이터(D)가 변환부(66)를 거치면 명목형의 변수를 포함하는 데이터로 모두 변환된다. 예를 들어, 속도가 70초과부터 80까지는 4일 경우, 가속도가 0보다 크고 10보다 작을 때 1로 결정할 경우, 특정시점(t=87)에서의 데이터(D)는 [79, +3, 0]에서 [4,1,0]으로 변환될 수 있다. 만약 특정한 변수에 대하여 범주화 구간의 개수가 변수의 특징을 구분할만큼 충분히 많을 경우, 연속형 데이터의 연속성을 보존할 수도 있다.The conversion unit 66 can perform categorization through discretization of continuous variables so that the continuous variable and the nominal variable can be integrated. For example, if a variable 1 with a range from 0 to 100 is divided into 10 intervals of the same width, 0 to 10 are 0, 10 to 20 are 1, ..., and 90 to 100 are 9 You can decide. By combining the values of each parameter, we can obtain the nominal data value of the word form. If the value of the nominal variable 2 is {A, B, C}, the data value of (variables 1 and 2) is (3B) . Any data transformation (binning) method can be used, such as uniform width, statistical uniform extent, and predetermined ranges related to variables. When the data D in which the continuous type / nominal type variable is mixed passes through the conversion unit 66, all of the data D are converted into data including a nominal type variable. For example, if the velocity is greater than 70 and the velocity is greater than 4 and the acceleration is greater than 0 and less than 10, then the data (D) at a specific time (t = 87) ] To [4,1,0]. If the number of categorization intervals for a particular variable is large enough to distinguish the characteristics of the variable, continuity of the continuous data may be preserved.

도6은 도4에 도시된 유사성 판단부(68)의 동작을 설명한다.FIG. 6 illustrates the operation of the similarity determination unit 68 shown in FIG.

도시된 바와 같이, 유사성 판단부(68)는 각 시점(X1, X2, X3, …)의 데이터를 다차원 공간에 위치시킬 수 있다. 예를 들어, 3차원 공간이라면, 각 시점(X1, X2, X3, …)의 데이터(즉, 151, 153, 241, …)를 3축의 각 위치에 대응시켜 공간에 위치시킬 수 있다. 그 결과, 제2주행(Drive 2)의 제1시점(X4)의 데이터(4A2)와 제1주행(Drive 1)의 제2시점(X5)의 데이터(4A1)는 다차원 공간 상에 가까이 위치할 수 있다.As shown in the figure, the similarity determination unit 68 can place data of each viewpoint (X 1 , X 2 , X 3 , ...) in the multidimensional space. For example, in the case of a three-dimensional space, data (151, 153, 241, ...) at each time point (X 1 , X 2 , X 3 , ...) . As a result, the second drive (Drive 2) first data (4A1) of the point (X 4) of the data (4A2) and a second point (X 5) of the first drive (Drive 1) a is close to the multi-dimensional space, Can be located.

유사성 판단부(68)는 시계열 데이터의 특징을 이용하여 데이터 기반으로 데이터 포인트 간의 거리를 결정할 수 있다. 직관적으로, 시계열 데이터에서 두 데이터 포인트 Dt1, Dt2에 대해서 각각 t1, t2 주변의 데이터 포인트들의 분포가 유사할 경우, 두 포인트 Dt1, Dt2가 유사하다고 말할 수 있다. 예를 들어 Dt1의 전후 2초 사이에 (A, B, C, D)가, Dt2 전후 2초 사이에 (E, F, G, H)가 등장하였다고 하더라도 AE, BF, CG, DH라면 Dt1, Dt2는 유사하다고 말할 수 있다. 하지만 두 포인트 Dt1, Dt2의 유사도를 정의하기 위해서는 주변 포인트들의 유사도가 먼저 정의되어야만 한다. 즉 데이터 포인트 간의 거리는 재귀적으로 정의된다. 본 발명에서는 재귀적으로 정의되는 객체간 유사성을 표현하기 위해서 분산표상표현(distributed representation)으로 비닝된 데이터 포인트를 표현한다. The similarity determination unit 68 can determine the distance between the data points based on the data based on the characteristics of the time series data. Intuitively, if the distributions of data points around t1 and t2 are similar for two data points Dt1 and Dt2 in time series data, it can be said that the two points Dt1 and Dt2 are similar. For example, between 2 seconds before and after the D t1 (A, B, C , D) is, D t2 even hayeotdago the (E, F, G, H ) appeared between 2 seconds before or after if AE, BF, CG, DH D t1 and D t2 can be said to be similar. However, in order to define the similarity of two points D t1 and D t2, the similarity degree of the surrounding points must be defined first. That is, the distance between data points is recursively defined. In the present invention, a binned data point is represented by a distributed representation to express the similarity between objects defined recursively.

분산표상표현이란 각 축이 특별한 정보를 지니지는 않지만, 연속형 벡터 공간에서의 두 객체의 상대적인 위치로 각 객체의 유사성을 보존하는 표현 방식이다. 이를 위하여 주변의 데이터 포인트 분포가 유사한 두 데이터 포인트는 비슷한 분산표상표현 벡터를 지니도록 각 데이터 포인트에 대한 분산표상표현을 학습한다. 학습된 분산표상표현 공간은 데이터 포인트 간의 유사성이 보존되었으므로, 벡터 공간에서 이용되는 유클리디언 및 코싸인 거리 척도가 이용될 수 있다. Distributed representation is a representation that preserves the similarity of each object with relative positions of two objects in a continuous vector space, although each axis has no specific information. To this end, a distributed representational representation for each data point is learned such that two data points having similar data point distributions have a similar distributed representational expression vector. Since the similarity between data points is preserved in the learned distributed representation space, Euclidean and cosine distance measures used in vector space can be used.

도7은 도4에 도시된 유사성 판단부(68)의 동작을 설명한다.FIG. 7 illustrates the operation of the similarity determination unit 68 shown in FIG.

도시된 바와 같이, 유사성 판단부(68)는 분산표상표현을 통하여 의미 공간 좌표 벡터값으로 표현된 주행 시계열 데이터에 대하여, 벡터 공간에서의 거리 척도를 이용하여 부분 구간을 분리할 수 있다. 한 주행에 대하여 시간이 지남에 따라서 발생하는 센서 값의 위치 좌표가 급변하는 시점이 구간 분리의 경계가 된다. As shown in the figure, the similarity determination unit 68 can separate the partial sections using the distance measure in the vector space with respect to the running time series data represented by the semantic space coordinate vector values through the distributed representation. The point of time at which the position coordinates of the sensor value that occurs over time for one run suddenly changes becomes the boundary of the segmentation.

예를 들어, t시간에 발생한 데이터 값을 Xt라 할 때, t=1~4 때 인접한 지역에 Xt가 존재하지만 t=5 이후에는 이전과는 다른 지역에 Xt가 존재한다. 이는 t=5를 기준으로 데이터 값의 양상이 바뀌었음을 의미하기 때문에 t=5를 1~4초와 5~8초의 부분 구간의 경계로 생각할 수 있다. 이와 같이 벡터 공간에서 시계열 데이터의 발생 양상이 달라지는 지점을 찾는 방법으로는 정점 선택법(peak-picking) 등을 통해 결정될 수 있다. 다차원 공간에서 두 시점의 데이터간 거리를 dt = |xt -1 - xt|으로 정의한 뒤, 시간에 따라 두 점 사이의 거리 크기 변화를 살펴보면, 특정 시간에서 dt의 값이 커짐을 볼 수 있다. 이 시점들과 관련하여, 도6 및 도7을 참조하면, 실제로 분산표상표현 값이 크게 변한 지점들임을 알 수 있다. 이와 같이 구간 분리 문제는 좌표 공간에서의 정점 선택법(peak-picking)의 적용 대상이며, 데이터의 사용 목적에 따라 다차원 공간에서의 거리를 결정하는 임의의 정점 선택법(peak-picking)이 적용될 수 있다.For example, when the referred data values occurring in time t X t, t = 1 ~ 4 when X t exists in an adjacent area, but after t = 5 are to the X t exist in another area before and is. This means that the aspect of the data value is changed based on t = 5, so t = 5 can be considered as the boundary of 1 to 4 seconds and 5 to 8 seconds. A method of finding a point at which the generation pattern of time-series data varies in the vector space can be determined through peak-picking or the like. The data of the distance between two points in time t = d in the multi-dimensional space | x t -1 - x t | du defined, according to the time look at the size of the distance variation between the two points, the value of d t at a specific time to a larger . 6 and 7, it can be seen that the values of the distributed representation actually vary greatly. Thus, the segmentation problem is applied to peak-picking in the coordinate space, and any peak-picking method for determining the distance in the multi-dimensional space may be applied depending on the use purpose of the data.

도8은 주행 중 수집된 데이터들의 구간을 분리한 예를 설명한다. 구체적으로, (a)는 시간 t에 따른 데이터 값의 분산표상표현의 좌표값, (b)는 각 시간에서의 분산표상표현 차이값 dt를 설명한다. (b)의 •은 선은 사용자/운전자에 의해 설정될 수 있는 임계값(threshold)이다.FIG. 8 illustrates an example in which segments of data collected while driving are separated. Specifically, (a) is a coordinate value of a distributed representation of a data value according to time t, and (b) is a description of a dispersion representation dt of a distributed representation at each time. (b) is a threshold that can be set by the user / driver.

패턴 결정부(69)에서는 분리된 부분 주행 구간들의 군집화가 이뤄진다. 패턴 결정부(69)는 센서 값 벡터의 분포 등과 같이 동질적인 부분 주행 구간들을 포괄할 수 있는 특징으로 군집을 명명하여 주요 주행 패턴을 추출한다. 여기서, 군집화 방법은 어떤 벡터 공간의 군집화 알고리즘도 제한없이 이용될 수 있다. The pattern determining unit 69 clusters the divided partial travel sections. The pattern determination unit 69 extracts a main driving pattern by naming a cluster as a feature that can include homogeneous partial travel regions such as a distribution of sensor value vectors. Here, the clustering method can be used without any restriction on the clustering algorithm of any vector space.

이후, 실시예에 따라, 제어부(60)는 각 차량의 주행별로 센서 값이 저장된 데이터베이스에 각 주행 시점에서의 주요 주행 패턴, 구간 경계 정보와 같이 새롭게 추출된 정보들을 보강할 수 있다. Thereafter, according to the embodiment, the controller 60 can reinforce the newly extracted information such as the main driving pattern and the section boundary information at the time of each running on the database storing the sensor value for each vehicle driving.

도9는 주행 패턴과 배터리 영향성을 분석한 예를 설명한다.FIG. 9 illustrates an example of analyzing the traveling pattern and the battery impact.

도시된 바와 같이, 복수의 주행 패턴(1~n)이 결정되면, 각 주행 패턴에 대응하여 배터리 영향성을 판단할 수 있다. 각 주행 패턴에서의 주행 시간, 주행 거리, 급가속 여부, 전기부하 사용량 등을 판단하고, 배터리 영향성을 유리/불리 등으로 판단할 수 있다. 이렇게 판단된 정보를 운전자에게 통지하거나, 통신장치를 통해 서버에 전달할 수 있다.As shown in the figure, when a plurality of travel patterns 1 to n are determined, battery influence can be determined corresponding to each travel pattern. It is possible to judge the running time, the running distance, the rapid acceleration state, the electric load usage, and the like in each traveling pattern, and judge that the influence of the battery is free / unfavorable. The information thus judged can be notified to the driver or can be transmitted to the server through the communication device.

예를 들어, 주행시간과 주행거리는 운전자의 의도나 목적에 따라 결정되는 항목으로 해당 내용에 대해서 강제할 수 없다. 하지만 주행시간이 짧은 주행만을 주로하고 급가속 및 정차상황이 잦은 주행패턴으로 판단되면 표시부(86, 도4참조)을 통해 ‘짧은 주행시간에 의해 배터리 방전 및 노화가 진행되고 있습니다.’, ‘잦은 급가속으로 인한 배터리 방전량이 늘고 있습니다’라는 메시지를 띄워 줄 수 있다. 이 때, 표시부(86) 또는 차량에 탑재된 AVN 단말기 등을 통해 현재 운전자의 운전패턴 통계수치를 보여주고 그로 인한 악영향을 알려준다. 또한 동일 지역 또는 동일 시간대 운전자들의 우수한 주행패턴을 보여주며 개선할 수 있도록 유도할 수 있다. For example, driving time and driving distance are items that are determined according to the driver's intention or purpose and can not be enforced on the contents. However, if it is determined that the driving pattern is frequent with a short driving time and frequent acceleration and stopping situations, the battery is discharged and aged due to a short driving time through the display unit 86 (refer to FIG. 4) The amount of battery discharge due to rapid acceleration is increasing. " At this time, the operation pattern statistic value of the current driver is displayed through the display unit 86 or the AVN terminal mounted on the vehicle, and the adverse influence caused thereby is indicated. In addition, it shows the excellent driving pattern of the same area or the same time zone driver and can induce improvement.

또한, 사용자 또는 운전자의 차량이 사업소에 입고 되었을 때 취득한 주행패턴을 통해 사용자 또는 운전자의 주행패턴에 커스터마이징 된 전자제어장치(electronic control unit, ECU)의 로직을 업데이트할 수도 있다. 이 경우, 사용자 또는 운전자는 이전과 같이 주행을 계속 하지만 배터리 사용 및 관리 측면에서 차량은 이전과 다르게 개선될 수 있다.In addition, the logic of the electronic control unit (ECU) customized to the driving pattern of the user or the driver may be updated through the driving pattern acquired when the vehicle of the user or the driver is put in the business establishment. In this case, the user or the driver continues to drive as before, but the vehicle can be improved in terms of battery usage and management.

전술한 바와 같이, 차량 주행 패턴을 이용하는 차량 제어 장치는 연속형/명목형 변수가 혼합되어 있는 시계열 데이터에 대하여 데이터 기반으로 거리 척도를 학습하고, 이를 이용하여 여러 종류의 변수를 동시에 고려한 다차원 시계열 데이터의 자동 구간 분리가 가능하다. 이를 통해, 차량 주행 패턴을 이용하는 차량 제어 장치는 데이터 기반으로 거리 척도를 학습하기 때문에 사용자의 경험적 지식에 의존하지 않는 객관적인 거리 척도를 학습할 수 있다. 또한, 차량 주행 패턴을 이용하는 차량 제어 장치는 어떤 형태의 변수가 추가/제거되어 데이터의 성격이 변하더라도 거리 척도를 자동으로 재설정할 수 있다. 또한, 차량 주행 패턴을 이용하는 차량 제어 장치는 모든 변수를 동시에 고려할 수 있기 때문에 변수 간의 상관관계와 같은 정보를 최대한 보존할 수 있다. 또한, 차량 주행 패턴을 이용하는 차량 제어 장치는 데이터를 가장 잘 설명할 수 있는 학습된 거리 척도로 시계열 데이터의 구간이 분리되며, 이 과정에서도 사용자의 특별한 경험적 지식을 요구할 필요가 없다.As described above, the vehicle control apparatus using the vehicle traveling pattern learns the distance scale based on the data on the time series data in which the continuous / nominal variable is mixed, and uses the distance scale to calculate the multidimensional time series data Can be automatically separated. Accordingly, the vehicle control apparatus using the vehicle traveling pattern learns the distance scale based on the data basis, so that it can learn the objective distance scale that does not depend on the user's empirical knowledge. In addition, the vehicle control apparatus using the vehicle driving pattern can automatically reset the distance scale even if some type of variable is added / removed to change the nature of the data. Further, since the vehicle control apparatus using the vehicle running pattern can consider all the parameters simultaneously, information such as the correlation between the variables can be maximally preserved. In addition, the vehicle control apparatus using the vehicle traveling pattern separates the section of the time series data with the learned distance scale that best describes the data, and does not need to require the user's special experiential knowledge in this process.

여기서, 거리 척도는 데이터 분석의 반드시 필요한 정보일 수 있다. 데이터 간의 거리가 정의되어야 시계열 데이터의 구간 분리, 데이터의 군집화 및 특징 추출 등이 이뤄진다. 즉, 차량 주행 패턴을 이용하는 차량 제어 장치에서 사용하는 거리 척도는 다양한 종류의 변수가 혼합된 다차원 데이터의 분석을 위한 필수 수단으로, 다른 종류의 데이터 분석을 가능하게 만들어주는 사전 분석의 가치를 지닐 수 있다.Here, the distance measure may be necessary information for data analysis. When the distance between data is defined, segmentation of time series data, data clustering and feature extraction are performed. That is, a distance scale used in a vehicle control apparatus using a vehicle driving pattern is an essential means for analyzing multidimensional data in which various kinds of variables are mixed, and can have the value of a preliminary analysis enabling other kinds of data analysis have.

도10은 주행 중 수집된 데이터를 주행 패턴으로 추출하는 예를 설명한다. 구체적으로, (a)는 데이터 전처리 과정, (b)는 데이터 비닝 과정, (c)는 데이터 기반 거리 척도 학습 결과를 표시한다. 또한, (d)에서는 부분 주행 구간 분리한 결과를 보여주고, (e)에서는 주행 패턴을 추출한 결과를 보여준다. 여기서, 데이터 사이의 점선 혹은 실선은 구간 경계를 표시한 것이다.Fig. 10 illustrates an example of extracting data collected while driving in a driving pattern. Specifically, (a) shows a data preprocessing process, (b) shows a data binning process, and (c) shows a data-based distance scale learning result. Also, (d) shows the result of the partial travel section separation, and (e) shows the result of extracting the traveling pattern. Here, a dotted line or a solid line between data indicates a boundary of a section.

이렇게 추출된 주행 패턴은 주행과 관련된 여러 데이터 분석의 기초자료로 이용될 수 있다. 예를 들면, 주행 패턴으로 각 차량의 주행을 묘사할 수 있다. 차량이 주행하는 동안 주행 패턴이 변화하는 양상을 감시할 수 있다. 또한, 각 주행 패턴에서 차량 관련 변수들의 변화를 살펴볼 수도 있다. 이러한 감시 결과는 주행 모니터링을 위한 자료로 이용될 수 있다. The extracted driving pattern can be used as basic data for various data analysis related to driving. For example, it is possible to describe the running of each vehicle in a running pattern. It is possible to monitor the manner in which the traveling pattern changes while the vehicle is traveling. It is also possible to look at changes in vehicle-related variables in each driving pattern. These monitoring results can be used as data for driving monitoring.

도11은 주행 중 차량 내 장치로부터 수집된 데이터와 구간 경계의 예를 설명한다. 구체적으로, 도11은 차량 내 장치로부터 수집될 수 있는 속도, 속도차, 페달 개폐도, 엔진속도(RPM), 엔진가속도, 브레이크 신호, 기어단수, 스티어링 속도, ISG 상태, 도로 경사도의 서로 다른 정보에 대해 각 시점에서 데이터가 변화하는 것을 보여준다. 이러한 데이터의 구간(점선)을 분리하면 각 구간에서의 데이터를 이용하여, 각 구간 별 데이터의 특징을 도출할 수 있다.FIG. 11 illustrates an example of data and interval boundaries collected from the in-vehicle apparatus during traveling. Specifically, FIG. 11 shows the relationship between the speed, the speed difference, the pedal opening and closing degree, the engine speed (RPM), the engine acceleration, the brake signal, the gear step number, the steering speed, the ISG state, At each point in time. By separating the segment (dotted line) of this data, the data of each segment can be used to derive the characteristics of the data for each segment.

도12는 특정 구간 내 특정 데이터의 분포의 예를 설명한다.12 illustrates an example of distribution of specific data within a specific section.

도시된 바와 같이, 군집화 학습이 완료된 뒤, 각 군집별로 실제 데이터의 값의 분포를 바탕으로 각 구간 군집의 의미를 기술하였다. 해당 군집은 0부터 5이하의 속도(Km/h)가 10.7% 존재하며, 90%의 속도가 40km/h를 넘지 않는다. 또한 가속도 역시 대부분 -3부터 +3까지에 포함된다. 그러므로 이 구간은 '저속 저감/가속 주행'으로 명할 수 있다. 또한, 이 부분 주행 구간은 총 주행의 어느정도(예, 5.74%) 해당하는 지 결정할 수 있다. As shown, after clustering learning is completed, the meanings of the clusters are described based on the distribution of actual data values for each cluster. The cluster has 10.7% speed (Km / h) below 0 to 5 and 90% speed does not exceed 40 km / h. Acceleration is also included in most cases from -3 to +3. Therefore, this section can be specified as 'slow speed reduction / acceleration running'. In addition, it is possible to determine whether this part travel section corresponds to a certain amount of total travel (eg, 5.74%).

도13은 특정 구간 내 복수의 데이터의 분포의 예를 설명한다.13 illustrates an example of distribution of a plurality of data in a specific section.

도시된 바와 같이, 특정 구간 군집에서는 99.99%의 속도와 가속도가 0이고, 패달계패도 되지 않을 수 있다. 또한, RPM은 대부분 최대 860보다 낮으며, 브레이크는 대부분 오프(off) 상태였다. 이는 시동 후 예열과 같이 아무런 주행 행동을 하지 않은 상황으로 판단할 수 있다. 이 군집은 전체 주행 시간의 어느정도(예, 1.07%)를 차지하는 지 결정할 수 있다.As shown in the figure, in the specific section cluster, the speed and acceleration of 99.99% are zero, and the pedal system may not be broken. Also, the RPM was mostly lower than the maximum 860 and the brakes were mostly off. It can be judged that there is no driving behavior such as preheating after starting. This cluster can determine how much of the total running time (eg, 1.07%) is occupied.

도12 및 도13을 참조하면, 부분 구간을 군집화 함으로써 서로 다른 주행 패턴들을 하나의 군집으로 묶을 수 있다. 또한, 서로 다른 군집들은 서로 다른 주행 패턴일 수도 있다.Referring to FIGS. 12 and 13, by grouping partial sections, different traveling patterns can be grouped into one cluster. Also, different clusters may be different driving patterns.

도14는 차량 별 주행 패턴의 분포 예를 설명한다.Fig. 14 illustrates an example of the distribution of travel pattern for each vehicle.

도시된 바와 같이, 복수의 차량이 통신 장치를 사용하여 해당 패턴에 대한 내용을 네트워크 서버로 송신하는 경우, 네트워크 서버는 주행 패턴 근거로 차량의 주행 특성을 표현할 수 있고, 주행이 비슷한 차량을 찾을 수도 있다. 도14는 각 차량 별로 어떤 주행 패턴을 주로 보이는지 그 분포를 도식화 한 것으로, 모든 차량에서 공통적으로 보이는 주행 패턴도 있다(굵은 선). 하지만, 그 외에 어떤 차량에는 등장하지만 다른 어떤 차량에는 등장하지 않는 패턴들이 있다. 이는 차량별로 서로 다른 주행 특성을 지님을 의미한다. As shown, when a plurality of vehicles use the communication device to transmit contents of a corresponding pattern to the network server, the network server can express the traveling characteristics of the vehicle on the basis of the traveling pattern, have. FIG. 14 is a diagram showing a distribution pattern of which driving patterns are mainly shown for each vehicle, and there is also a driving pattern common to all the vehicles (bold line). However, there are other patterns that appear in some vehicles but not in others. This means that each vehicle has different driving characteristics.

예를 들어, 특정 차량에서는 고속주행이 전혀 나오지 않을 수도 있고, 어떤 차량은 다른 차량과 비교하여 급감속 주행 패턴이 많을 수 있다. 이와 같이 특정 주행 패턴이 상대적으로 많은 차량을 탐색하거나, 주행 패턴이 유사한 차량을 찾아 이후 추가 분석을 하는데 주행 패턴 정보가 이용될 수 있다. For example, there may be no high-speed driving at all in a specific vehicle, and some vehicles may have a large number of rapid-deceleration driving patterns compared to other vehicles. As described above, the traveling pattern information can be used to search for a vehicle having a relatively large running pattern, or to search for a vehicle having a similar running pattern and then perform additional analysis.

전술한 바와 같이, 본 발명의 실시예에서는 연속형/명목형 변수가 혼합되어 있는 시계열 형태의 차량 주행데이터를 동질적인 구간으로 분리하기 위하여, 분산표상표현을 이용하였다. 이전에는 분석가의 경험적 지식에 의존하여 데이터 포인트 간의 거리를 정의거나, 변수 간 상관관계를 무시하며 단일 변수, 혹은 저차원의 동질적인 변수들로 각각 거리를 계산한 뒤 거리들의 가중합을 이용하거나, 독립적인 구간 분리 결과의 합집합 혹은 교집합을 이용하였다. 그렇기 때문에 데이터의 특징을 잘 반영하지 못하거나, 변수 간 상관관계 정보를 잃어버리며, 전문적 지식에 구간 분리 품질이 결정되었다. 하지만, 두 시점 주변의 데이터 값의 분포가 비슷할 경우, 두 시점은 서로 비슷하다는 개념적 유사도를 바탕으로 분산표상표현을 이용하여 데이터 포인트 간의 거리를 데이터 기반으로 학습함으로써, 데이터를 가장 잘 설명할 수 있는 거리 척도를 학습하였다. 그리고 학습된 거리 척도를 이용하여 시계열 주행 데이터를 동질적인 부분 구간으로 나누었으며, 군집화 기법을 이용하여 주행 패턴을 추출하였다. 추출된 주행 패턴은 차량, 혹은 주행을 시각적으로 표현하거나 유사 주행 (혹은 차량)을 탐색하는데 이용되거나, 주행 패턴 별 차량 관련 변수와의 관계를 추출하는데 이용될 수 있다.As described above, in the embodiment of the present invention, a distributed representation is used to separate the vehicle driving data in a time-series form in which continuous / nominal variables are mixed into homogeneous sections. Previously, it was necessary to define the distance between data points depending on the analyst 's empirical knowledge, to ignore the correlation between variables, to calculate distances with homogeneous variables of a single variable or low dimension, We used the union or intersection of independent segmentation results. Therefore, it does not reflect the characteristics of the data, or the correlation information between variables is lost, and the segmentation quality is determined by the expert knowledge. However, if the distribution of data values around two viewpoints is similar, the distance between data points can be learned based on the data based on the conceptual similarity that the two viewpoints are similar to each other. Distance scale. Using the learned distance scale, we divide the time series data into homogeneous subdivisions and extract the driving patterns using the clustering method. The extracted driving pattern can be used to visually represent the vehicle or the running, or to search for similar running (or vehicle), or to extract the relationship with the vehicle-related variables for each driving pattern.

상술한 실시예에 따른 방법은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있으며, 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함된다.The method according to the above-described embodiments may be implemented as a program to be executed by a computer and stored in a computer-readable recording medium. Examples of the computer-readable recording medium include a ROM, a RAM, a CD- , A floppy disk, an optical data storage device, and the like, and may also be implemented in the form of a carrier wave (for example, transmission over the Internet).

컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상술한 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.The computer readable recording medium may be distributed over a networked computer system so that computer readable code can be stored and executed in a distributed manner. And, functional program, code, and code segments for implementing the above-described method can be easily inferred by programmers in the technical field to which the embodiment belongs.

본 발명은 본 발명의 정신 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있음은 당업자에게 자명하다.It will be apparent to those skilled in the art that the present invention may be embodied in other specific forms without departing from the spirit or essential characteristics thereof.

따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.Accordingly, the above description should not be construed in a limiting sense in all respects and should be considered illustrative. The scope of the present invention should be determined by rational interpretation of the appended claims, and all changes within the scope of equivalents of the present invention are included in the scope of the present invention.

70: 센서/전자장치
60: 제어부
80: 제어장치
50: 차량용 네트워크70: Sensor / electronic device
60:
80: Control device
50: vehicle network

Claims (26)

주행 중 기 설정된 시간 간격에 따른 서로 다른 정보를 수집하는 단계;
상기 서로 다른 정보를 기 설정된 형식으로 변환하는 단계;
상기 변환된 정보를 근거로 다차원 공간에 각 시점을 위치시키는 단계;
상기 다차원 공간에 위치한 각 시점들이 기 설정된 범위에 포함될 경우 그룹화되는 단계; 및
그룹화된 시점에 수집된 정보를 하나의 패턴으로 인지하는 단계;
를 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.Collecting different information according to a predetermined time interval while driving;
Converting the different information into a predetermined format;
Placing each viewpoint in a multidimensional space based on the transformed information;
Grouping when each of the viewpoints located in the multidimensional space is included in a preset range; And
Recognizing information collected at a grouped time point as one pattern;
Wherein the vehicle travel pattern is used as the vehicle travel pattern. 제1항에 있어서,
상기 서로 다른 정보 중 기설정된 범위를 벗어나는 것을 제거하거나 상기 기설정된 범위 내로 조정하는 단계
를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.The method according to claim 1,
Removing the out of the predetermined range of the different information or adjusting it to the predetermined range
Wherein the vehicle travel pattern is a vehicle travel pattern. 제1항에 있어서,
상기 서로 다른 정보를 기 설정된 형식으로 변환하는 단계는
상기 서로 다른 정보 중 연속형 정보와 범주형 정보를 구분하는 단계; 및
상기 연속형 정보를 기 설정된 범위에 따라 범주형 정보로 변환하는 단계
를 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.The method according to claim 1,
The step of converting the different information into a predetermined format
Dividing continuous information and categorical information among the different information; And
Converting the continuous information into categorical information according to a predetermined range
Wherein the vehicle travel pattern is used as the vehicle travel pattern. 제3항에 있어서,
상기 연속형 정보는 속도, RPM(Revolutions Per Minute), 가속도, 연료소모량, 스티어링 속도 중 적어도 하나를 포함하고,
상기 범주형 정보는 기어단수, 브레이크 신호, ISG(Idle stop & go) 신호 중 적어도 하나를 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.The method of claim 3,
Wherein the continuous type information includes at least one of a speed, revolutions per minute (RPM), an acceleration, a fuel consumption, and a steering speed,
Wherein the categorical information includes at least one of a gear step number, a brake signal, and an ISG (Idle stop & go) signal. 제4항에 있어서,
상기 시간 간격은 1초인, 차량 주행 패턴을 이용하는 차량 제어 방법.5. The method of claim 4,
Wherein the time interval is one second. 제1항에 있어서,
상기 패턴에 따른 차량에 탑재된 배터리의 사용량을 확인하는 단계; 및
각 패턴에 대응하는 주행 거리를 결정하는 단계
를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.The method according to claim 1,
Checking a usage amount of the battery mounted on the vehicle according to the pattern; And
Determining a mileage distance corresponding to each pattern
Wherein the vehicle travel pattern is a vehicle travel pattern. 제6항에 있어서,
상기 배터리 사용량 및 상기 주행거리에 대응하여, 상기 패턴에 따른 에너지 효율을 차량용 인터페이스를 통해 표시하는 단계; 및
상기 패턴에 따른 에너지 효율을 통신망을 통해 서버로 전달하는 단계
중 적어도 하나를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.The method according to claim 6,
Displaying energy efficiency according to the pattern corresponding to the battery usage amount and the travel distance through a vehicle interface; And
Transmitting energy efficiency according to the pattern to a server through a communication network
Wherein the vehicle travel pattern includes at least one of the following. 제1항에 있어서,
상기 패턴에 따라 차량에 탑재된 교환성 부품 및 소모품 중 적어도 하나의 교체 주기를 예측하는 단계; 및
상기 교체 주기를 차량용 인터페이스를 통해 표시하는 단계
를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.The method according to claim 1,
Predicting replacement cycles of at least one of replaceable parts and consumables mounted on the vehicle according to the pattern; And
Displaying the replacement cycle through a vehicle interface
Wherein the vehicle travel pattern is a vehicle travel pattern. 제1항에 있어서,
상기 패턴에 대응하여 차량의 속도와 운행 방향을 조정하는 단계
를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.The method according to claim 1,
Adjusting a speed and a traveling direction of the vehicle corresponding to the pattern
Wherein the vehicle travel pattern is a vehicle travel pattern. 제9항에 있어서,
상기 시간 간격은 0.05초 내지 0.5초이며, 상기 서로 다른 정보는 상기 주행 중 수집되는 차량의 움직임과 주변 장애물의 위치 정보를 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.10. The method of claim 9,
Wherein the time interval is from 0.05 second to 0.5 second, and wherein the different information includes the position of the vehicle and the movement of the vehicle collected during the driving. 제1항에 있어서,
상기 다차원 공간의 차원 수는 상기 서로 다른 정보의 종류와 동일하거나 비례하여 결정되는, 차량 주행 패턴을 이용하는 차량 제어 방법.The method according to claim 1,
Wherein the number of dimensions of the multidimensional space is determined in the same or proportional manner as the type of the different information. 제1항에 있어서,
상기 기 설정된 범위는 공간 범위뿐만 아니라 시간 범위도 포함하는, 차량 주행 패턴을 이용하는 차량 제어 방법.The method according to claim 1,
Wherein the predetermined range includes a time range as well as a space range. 프로세서에 의해 실행되는 것을 통하여, 청구항 제1항 내지 제12항 중 어느 한 항에 기재된 차량 주행 패턴을 이용하는 차량 제어 방법을 실현하는 것을 특징으로 하는 응용 프로그램.An application program which realizes a vehicle control method using the vehicle travel pattern according to any one of claims 1 to 12 through execution by a processor. 청구항 제13항에 기재된 차량 주행 패턴을 이용하는 차량 제어 방법이 기록된 컴퓨터 판독 가능한 기록매체.A vehicle control method using the vehicle travel pattern according to claim 13 is recorded. 차량에 탑재된 센서 및 제어장치와 연결되어 데이터를 전달받을 수 있는 제어부와 상기 데이터를 저장할 수 있는 저장부를 포함하며, 상기 제어부는
상기 센서 및 상기 제어장치로부터 주행 중 기 설정된 시간 간격에 따른 서로 다른 정보를 수집하는 수집부;
상기 서로 다른 정보를 기 설정된 형식으로 변환하는 변환부;
상기 변환된 정보를 근거로 다차원 공간에 각 시점을 위치시키고, 상기 다차원 공간에 위치한 각 시점들을 기 설정된 범위에 포함되면 그룹화하는 유사성 판단부; 및
그룹화된 시점에 수집된 정보를 하나의 패턴으로 인지하는 패턴 결정부;
를 포함하는, 차량 주행 패턴을 이용하는 차량 제어 장치.A control unit connected to a sensor and a control device mounted on the vehicle for receiving data and a storage unit for storing the data,
A collecting unit for collecting different information according to a predetermined time interval during running from the sensor and the controller;
A conversion unit for converting the different information into a predetermined format;
A similarity determination unit for positioning each viewpoint in the multidimensional space based on the transformed information and grouping the viewpoints included in the multidimensional space when they are included in a predetermined range; And
A pattern determination unit for recognizing information collected at a grouped time point as one pattern;
Wherein the vehicle travel pattern is used as the vehicle travel pattern. 제15항에 있어서,
상기 서로 다른 정보 중 기설정된 범위를 벗어나는 것을 제거하거나 상기 기설정된 범위 내로 조정하는 오류 조정부
를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 장치.16. The method of claim 15,
An error adjustment unit which removes a deviation from the predetermined range of the different information or adjusts the deviation to the predetermined range,
And the vehicle running pattern is used. 제15항에 있어서,
상기 변환부는
상기 서로 다른 정보 중 연속형 정보와 범주형 정보를 구분하고, 상기 연속형 정보를 기 설정된 범위에 따라 범주형 정보로 변환하는, 차량 주행 패턴을 이용하는 차량 제어 장치.16. The method of claim 15,
The conversion unit
Wherein the vehicle driving pattern is used to distinguish the continuous information and the categorical information among the different information and to convert the continuous information into categorical information according to a predetermined range. 제17항에 있어서,
상기 연속형 정보는 속도, RPM(Revolutions Per Minute), 가속도, 연료소모량, 스티어링 속도 중 적어도 하나를 포함하고,
상기 범주형 정보는 기어단수, 브레이크 신호, ISG(Idle stop & go) 신호 중 적어도 하나를 포함하는, 차량 주행 패턴을 이용하는 차량 제어 장치.18. The method of claim 17,
Wherein the continuous type information includes at least one of a speed, revolutions per minute (RPM), an acceleration, a fuel consumption, and a steering speed,
Wherein the categorical information includes at least one of a gear stage number, a brake signal, and an ISG (Idle stop & go) signal. 제18항에 있어서,
상기 시간 간격은 1초인, 차량 주행 패턴을 이용하는 차량 제어 장치.19. The method of claim 18,
Wherein the time interval is one second. 제15항에 있어서,
상기 패턴에 따른 차량에 탑재된 배터리의 사용량을 확인하는 배터리 관리부; 및
각 패턴에 대응하는 주행 거리를 결정하는 거리 측정부
를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 장치.16. The method of claim 15,
A battery management unit for checking an amount of use of the battery mounted on the vehicle according to the pattern; And
A distance measuring unit which determines an odometer corresponding to each pattern,
And the vehicle running pattern is used. 제20항에 있어서,
상기 배터리 사용량 및 상기 주행 거리에 대응하여, 상기 패턴에 따른 에너지 효율을 계산하는 효율 계산부;
상기 에너지 효율을 차량용 인터페이스를 통해 표시하는 표시부; 및
상기 에너지 효율을 통신망을 통해 서버로 전달하는 통신부
중 적어도 하나를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 장치.21. The method of claim 20,
An efficiency calculation unit for calculating an energy efficiency according to the pattern corresponding to the battery usage amount and the travel distance;
A display unit for displaying the energy efficiency through a vehicle interface; And
A communication unit for transmitting the energy efficiency to a server via a communication network;
Wherein the vehicle travel pattern includes at least one of the following. 제15항에 있어서,
상기 패턴에 따라 차량에 탑재된 교환성 부품 및 소모품 중 적어도 하나의 교체 주기를 예측하는 관리부; 및
상기 교체 주기를 차량용 인터페이스를 통해 표시하는 표시부
를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 장치.16. The method of claim 15,
A management unit for predicting replacement cycles of at least one of replaceable parts and consumables mounted on the vehicle according to the pattern; And
A display unit for displaying the replacement cycle through a vehicle interface
And the vehicle running pattern is used. 제15항에 있어서,
상기 패턴에 대응하여 차량의 속도와 운행 방향을 조정하는 자율주행 제어부
를 더 포함하는, 차량 주행 패턴을 이용하는 차량 제어 장치.16. The method of claim 15,
An autonomic drive control unit for controlling the speed and direction of the vehicle in accordance with the pattern,
And the vehicle running pattern is used. 제23항에 있어서,
상기 시간 간격은 0.05초 내지 0.5초이며, 상기 서로 다른 정보는 상기 주행 중 수집되는 차량의 움직임과 주변 장애물의 위치 정보를 포함하는, 차량 주행 패턴을 이용하는 차량 제어 장치.24. The method of claim 23,
Wherein the time interval is from 0.05 second to 0.5 second, and the different information includes information on the movement of the vehicle collected during the running and the location information of the surrounding obstacle. 제15항에 있어서,
상기 다차원 공간의 차원 수는 상기 서로 다른 정보의 종류와 동일하거나 비례하여 결정되는, 차량 주행 패턴을 이용하는 차량 제어 장치.16. The method of claim 15,
Wherein the number of dimensions of the multidimensional space is determined in the same or proportional manner as the type of the different information. 제15항에 있어서,
상기 기 설정된 범위는 공간 범위뿐만 아니라 시간 범위도 포함하는, 차량 주행 패턴을 이용하는 차량 제어 장치.16. The method of claim 15,
Wherein the predetermined range includes a time range as well as a space range.
KR1020160120065A 2016-09-20 2016-09-20 Apparatus and method for recognizing driving patten based on vehicle driving data KR101898153B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160120065A KR101898153B1 (en) 2016-09-20 2016-09-20 Apparatus and method for recognizing driving patten based on vehicle driving data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160120065A KR101898153B1 (en) 2016-09-20 2016-09-20 Apparatus and method for recognizing driving patten based on vehicle driving data

Publications (2)

Publication Number Publication Date
KR20180031439A true KR20180031439A (en) 2018-03-28
KR101898153B1 KR101898153B1 (en) 2018-10-29

Family

ID=61901377

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160120065A KR101898153B1 (en) 2016-09-20 2016-09-20 Apparatus and method for recognizing driving patten based on vehicle driving data

Country Status (1)

Country Link
KR (1) KR101898153B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767023A (en) * 2019-01-16 2019-05-17 北京经纬恒润科技有限公司 A kind of predictor method and system of vehicle load state
KR102007985B1 (en) * 2018-06-21 2019-08-06 (주)디지파츠 Vehicle information providing system
KR20200082672A (en) * 2018-12-31 2020-07-08 주식회사 에스더블유엠 Simulation method for autonomous vehicle linked game severs

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5294193B2 (en) * 2008-03-28 2013-09-18 日産自動車株式会社 Vehicle driving support system and vehicle driving support method
KR101500384B1 (en) * 2013-10-11 2015-03-09 현대자동차 주식회사 Method and apparatus for calculating residual possible distance of plug-in hybrid electric vehicle

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102007985B1 (en) * 2018-06-21 2019-08-06 (주)디지파츠 Vehicle information providing system
KR20200082672A (en) * 2018-12-31 2020-07-08 주식회사 에스더블유엠 Simulation method for autonomous vehicle linked game severs
CN109767023A (en) * 2019-01-16 2019-05-17 北京经纬恒润科技有限公司 A kind of predictor method and system of vehicle load state

Also Published As

Publication number Publication date
KR101898153B1 (en) 2018-10-29

Similar Documents

Publication Publication Date Title
JP6003810B2 (en) Vehicle reference value generator
CN107531245B (en) Information processing system, information processing method, and program
CN107531244B (en) Information processing system, information processing method, and recording medium
AU2005264151B2 (en) System and method for monitoring driving
EP1997705B1 (en) Drive behavior estimating device, drive supporting device, vehicle evaluating system, driver model making device, and drive behavior judging device
JP2020524632A (en) System and method for obtaining occupant feedback in response to an autonomous vehicle driving event
CN111511622B (en) Programmatically identifying personalities of autonomous vehicles
EP3120204A1 (en) Method and system for monitoring a vehicle
KR101898153B1 (en) Apparatus and method for recognizing driving patten based on vehicle driving data
CN110660194A (en) Driving monitoring early warning method and system
JP2016118906A (en) Abnormality detection apparatus
CA2611408A1 (en) System and method for displaying a driving profile
JP2017073021A (en) Driving support device
KR20170115831A (en) Method and apparatus for guiding automobile insurance using driver recognizing
Canale et al. Analysis and classification of human driving behaviour in an urban environment
US20220018906A1 (en) Predicting An Outcome Associated With A Driver Of A vehicle
US10415981B2 (en) Anomaly estimation apparatus and display apparatus
KR102477885B1 (en) Safety analysis management server for evaluating autonomous driving roads
JP7024577B2 (en) Driving scene learning device, driving scene estimation device, and driving scene estimation system
CN116662856A (en) Real-time driving style classification and early warning method based on fuzzy logic
KR102570295B1 (en) Vehicle and control method thereof
JP7035814B2 (en) Vehicle proposal system, driving feature generator, vehicle proposal device
KR20150049153A (en) Guide system depending on driving pattern
Porwik et al. A stable method for detecting driver maneuvers using a rule classifier
ALMEIDA Driver’s behavior classification in vehicular communication networks for commercial vehicles

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