Search

KR-102961767-B1 - Smart regenerative braking method that learns driver's driving pattern

KR102961767B1KR 102961767 B1KR102961767 B1KR 102961767B1KR-102961767-B1

Abstract

본 발명은 운전자의 주행 패턴 학습형 스마트 회생 제동방법에 관한 것으로, 주행 데이터를 수집 및 입력하는 단계와, 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계와, 감속 데이터에 대한 군집화 및 이상치를 제거하는 단계와, 군집 형성 데이터의 감속도 변화량과 전방 차간 거리를 계산하는 단계와, 다항 회귀(polynomial regression)을 통해 감속도 변화량과 전방 차간 거리의 2차 방정식(quadratic equation)을 도출하는 단계 및, 조건 A 충족 여부를 확인하는 단계를 포함할 수 있고, 또한 상기 조건 A 충족 여부를 확인하는 단계에서, 조건 A 충족하는 경우(YES), 2차 방정식(quadratic equation)을 스마트 회생제동 시스템에 반영하여 제어하는 단계를 수행하고, 조건 A 충족하지 않는 경우(NO), 2차 방정식(quadratic equation)에서 직교 거리를 계산하여 가장 멀리 떨어진 감속 데이터를 제거하는 단계를 수행한다.

Inventors

  • 전영호

Assignees

  • 주식회사 현대케피코

Dates

Publication Date
20260506
Application Date
20221229

Claims (20)

  1. 주행 데이터를 수집 및 입력하는 단계; 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계; 감속 데이터에 대한 군집화 및 이상치를 제거하는 단계; 군집 형성 데이터의 감속도 변화량과 전방 차간 거리를 계산하는 단계; 다항 회귀(polynomial regression)을 통해 감속도 변화량과 전방 차간 거리의 2차 방정식(quadratic equation)을 도출하는 단계; 및 조건 A 충족 여부를 확인하는 단계;를 포함하며, 상기 2차 방정식은 y=a×x 2 + b×x + c [0<X<120 / a, b, c : 상수 / x : 차간 거리(inter-vehicle distance) / y : 감속도(gradient deceleration)]이며, 상기 조건 A는, (1) y = ax 2 + bx + c (0 < x < 120) (2) a < 0 (3) -b/2a > 50 (4) c < 0 (5) -(b 2 -4ac)/4a < 0 인, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  2. 제1항에 있어서, 상기 조건 A 충족 여부를 확인하는 단계에서, 조건 A 충족하는 경우(YES), 2차 방정식(quadratic equation)을 스마트 회생제동 시스템에 반영하여 제어하는 단계; 를 수행하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  3. 제2항에 있어서, 상기 조건 A 충족 여부를 확인하는 단계에서, 조건 A 충족하지 않는 경우(NO), 2차 방정식(quadratic equation)에서 직교 거리를 계산하여 가장 멀리 떨어진 감속 데이터를 제거하는 단계; 를 수행하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  4. 제3항에 있어서, 2차 방정식(quadratic equation)에서 직교 거리를 계산하여 가장 멀리 떨어진 감속 데이터를 제거하는 단계 이후에, 데이터 세트 개수를 특정 세트 이상인지 여부를 판단하는 단계; 를 수행하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  5. 제4항에 있어서, 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계는, 전체 주행 데이터에서 감속 데이터를 복수의 세트(set)들로 추출하는 단계; 를 수행하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  6. 제5항에 있어서, 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계는, 상기 전체 주행 데이터에서 감속 데이터를 복수의 세트(set)들로 추출하는 단계 이후에, 감속 단계의 감속도 변화량과 전방 차간 거리를 계산하는 단계; 를 수행하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  7. 제6항에 있어서, 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계는, 상기 감속 단계의 감속도 변화량과 전방 차간 거리를 계산하는 단계 이후에, 복수의 세트(set)들의 감속 데이터에 대한 감속도 변화량과 전방 차간 거리를 추출하는 단계; 를 수행하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  8. 제7항에 있어서, 상기 복수의 세트(set)들은 42세트인, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  9. 제7항에 있어서, 상기 복수의 세트(set)들의 감속 데이터에 대한 감속도 변화량과 전방 차간 거리를 추출하는 단계는, 운전자의 제동 특성 데이터를 추출하는 단계; 를 수행하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  10. 제9항에 있어서, 상기 운전자의 제동 특성 데이터를 추출하는 단계는, 전방 차간 거리, 감속도 변화량에 따라 운전자의 제동 특성 데이터를 추출하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  11. 제10항에 있어서, 상기 복수의 세트(set)들의 감속 데이터에 대한 감속도 변화량과 전방 차간 거리를 추출하는 단계는, 상기 운전자의 제동 특성 데이터를 추출하는 단계 이후에, 추출된 운전자의 제동 특성 데이터를 필터링하는 단계; 를 수행하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  12. 제11항에 있어서, 상기 추출된 운전자의 제동 특성 데이터를 필터링하는 단계는, 차량 선회시 횡 방향 가속도가 과도하게 증가하는 운전자의 제동 특성 데이터를 제외하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  13. 제12항에 있어서, 상기 복수의 세트(set)들의 감속 데이터에 대한 감속도 변화량과 전방 차간 거리를 추출하는 단계는, 상기 추출된 운전자의 제동 특성 데이터를 필터링하는 단계 이후에, 필터링된 운전자의 제동 특성 데이터를 분류하는 단계; 를 수행하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  14. 제13항에 있어서, 상기 필터링된 운전자의 제동 특성 데이터를 분류하는 단계는, 경사도에 의하여 종 방향 가속도가 증감하는 경우에 따라 분류하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  15. 제14항에 있어서, 상기 감속 데이터에 대한 군집화 및 이상치를 제거하는 단계에서, 군집화 알고리즘은 DBSCAN(Density-based spatial clustering of applications with noise) 방법 및 DTW(Dynamic Time Warping) 방법을 융합 적용하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  16. 제15항에 있어서, 상기 군집 형성 데이터의 감속도 변화량과 전방 차간 거리를 계산하는 단계는, 평지 주행 데이터의 군집화에서 브레이크 페달의 스트로크, 전방 차량과 상대 속도를 특징으로 군집화 수행하여 이상치 감속 데이터 세트를 제거하며, 이상치 감속 데이터 세트를 제외하고 군집을 형성한 감속 데이터를 운전자의 특성 데이터로 분류하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  17. 제16항에 있어서, 상기 군집 형성 데이터의 감속도 변화량과 전방 차간 거리를 계산하는 단계는, 내리막 주행 데이터의 군집화에서 브레이크 페달의 스트로크, 전방 차량과 상대 속도를 특징으로 군집화 수행하여 이상치 감속 데이터 세트를 제거하며, 이상치 감속 데이터 세트를 제외하고 군집을 형성한 감속 데이터를 운전자의 제동 특성 데이터로 분류하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  18. 제17항에 있어서, 상기 다항 회귀(polynomial regression)을 통해 감속도 변화량과 전방 차간 거리의 2차 방정식(quadratic equation)을 도출하는 단계는, 군집화된 평지, 내리막 감속 데이터 세트에 대하여 다항 회귀(polynomial regression)을 수행하며, 상기 2차 방정식을 도출하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  19. 제18항에 있어서, 상기 다항 회귀(polynomial regression)을 통해 감속도 변화량과 전방 차간 거리의 2차 방정식(quadratic equation)을 도출하는 단계는, 상기 도출된 2차 방정식을 조건 A 을 통해, 차량간 상대거리가 가까워질수록 감속도 변화량이 증가하는 특성을 갖추는지를 평가하는, 운전자의 주행 패턴 학습형 스마트 회생 제동방법
  20. 삭제

Description

운전자의 주행 패턴 학습형 스마트 회생 제동방법{Smart regenerative braking method that learns driver's driving pattern} 본 발명은 운전자의 주행 패턴 학습형 스마트 회생 제동방법에 관한 것으로, 보다 상세하게는 운전자가 선호하는 제동 패턴을 학습하여, 운전자의 운전 습관과 유사하게 스마트 회생 제동 제어를 수행하는 운전자의 주행 패턴 학습형 스마트 회생 제동방법에 관한 것이다. 일반적으로, 하이브리드 전기자동차(hybrid electric vehicle, 약칭 'HEV')는 엔진과 모터에 의하여 제공되는 구동력을 이용하여 주행하는 자동차를 가리킨다. 그리고 전기자동차(Battery electric vehicle, 약칭 'BEV')는 순수하게 모터 및 배터리 전력만을 이용하여 주행하는 자동차를 가리킨다. 여기서 하이브리드 전기자동차는 출발시 또는 일정한 속도 이하시에는 모터에 의하여 구동력이 제공되다가, 연비 효율이 높은 정속 주행시에는 엔진에 의하여 구동력이 제공되면서 동시에 발전기를 작동시켜 모터에 전력을 인가하는 배터리를 충전시킨다. 그리고 전기자동차는 전체 속도를 모터를 이용하여 구동력을 제공한다. 차량의 주행중 운전자가 엑셀레이터 및 브레이크를 모두 밟지 않게 되면 자동차가 관성으로 주행되는 타력 주행(코스팅 주행, coasting drive)이 수행되며, 이러한 코스팅 주생시에는 회생제동기능이 작동한다. 일반적으로, 상기의 회생제동기능은 자동차가 타력 주행을 수행하거나 브레이크 페달이 밟혀지게 되면, 모터에 공급되던 전력은 차단되나 차량의 진행 관성력에 의하여 회전되는 차륜에 의하여 모터로부터 역기전력이 발생되고 이러한 역기전력을 다시 모터에 인가하게 되면, 모터에 역방향의 토크가 발생되도록 하는 회생제동토크가 발생되어 차량의 제동력이 발생되는 것을 가리킨다. 하이브리드 차량의 회생제동방법 관련 한국특허출원번호 제 10-2020-0130514 호가 있다. 본 선행기술은 회생제동 시스템에 관한 것으로서, 전방 차량이 감지된 상태에서 자동차가 타력 주행을 할 경우, 상기 전방차량인식 모듈로부터 생성되는 정보와 상기 차량센서로부터 생성되는 센서 신호를 전달받아 전방차량과의 거리를 안전거리 이내로 유지할 수 있는 기준감속도를 생성하고, 생성된 기준감속도를 추종하는 회생제동토크를 출력하기 위한 구동 토크명령어를 생성하여 차량의 구동계로 전달하는 제어부를 포함하여 구성되는 것을 특징으로 하는 회생제동 시스템에 관한 것이다. 본 선행기술은 안전거리 이내로 유지할 수 있는 기준 감속도를 생성하고, 스마트 회생 제동 강도를 강하게, 보통, 부드럽게와 같이 3단계로 정의하여 감속도를 설정하고 있다. 그런데, 챠량 개발과정에서 정해진 데이터 기반으로 정차 제어를 수행하기 때문에 사용자의 평소 운전 습관과 다르게 제어되어 제동 이질감을 느낄 수 있다. 본 발명의 다양한 실시예들이 도면들을 참조로 설명되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 실시예들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 실시예(들)이 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다. 도 1은 본 발명의 실시예에 따른 운전자의 주행 패턴 학습형 스마트 회생 제동방법을 나타낸 순서도. 도 2a는 본 발명의 실시예에 따른 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계에서, 전체 주행 데이터에서 감속 데이터를 복수의 세트(set)들로 추출하는 단계 관련 내용을 나타낸 도면. 도 2b는 본 발명의 실시예에 따른 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계에서, 감속 단계의 감속도 변화량과 전방 차간 거리를 계산하는 단계 관련 내용을 나타낸 도면. 도 2c는 본 발명의 실시예에 따른 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계에서, 복수의 세트(set)들의 감속 데이터에 대한 감속도 변화량과 전방 차간 거리를 추출하는 단계 관련 내용을 나타낸 도면. 도 3a 내지 도 3f는 본 발명의 실시예에 따른 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계에서, 운전자의 제동 특성 데이터를 추출하는 단계와 추출된 운전자의 제동 특성 데이터를 필터링하는 단계 및 필터링된 운전자의 제동 특성 데이터를 분류하는 단계 관련 내용을 나타낸 도표. 도 4a는 본 발명의 실시예에 따른 감속 데이터에 대한 군집화 및 이상치를 제거하는 단계에서, 군집화 알고리즘 DBSCAN(Density-based spatial clustering of applications with noise) 방법 관련 내용을 나타낸 도면, 도 4b는 본 발명의 실시예에 따른 감속 데이터에 대한 군집화 및 이상치를 제거하는 단계에서, 군집화 알고리즘 DTW(Dynamic Time Warping) 방법 관련 내용을 나타낸 도면. 도 5는 본 발명의 실시예에 따른 군집 형성 데이터의 감속도 변화량과 전방 차간 거리를 계산하는 단계에서, 평지 주행 데이터의 군집화 관련 내용을 나타낸 도표. 도 6은 본 발명의 실시예에 따른 군집 형성 데이터의 감속도 변화량과 전방 차간 거리를 계산하는 단계에서, 내리막 주행 데이터의 군집화 관련 내용을 나타낸 도표. 도 7a 내지 도 7c는 본 발명의 실시예에 따른 다항 회귀(polynomial regression)을 통해 감속도 변화량과 전방 차간 거리의 2차 방정식(quadratic equation)을 도출하는 단계 관련 내용을 나타내 도표. 도 8a 및 도 8b는 본 발명의 실시예에 따른 2차 방정식(quadratic equation)을 스마트 회생제동 시스템에 반영하여 제어하는 단계 관련 내용을 나타낸 도표. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 본 발명의 실시예를 설명하기 위한 도면에 개시된 형상, 크기, 비율, 각도, 개수 등은 예시적인 것이므로 본 발명이 도시된 사항에 한정되는 것은 아니다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. 또한, 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다. 본 명세서 상에서 언급된 '포함한다', '갖는다', '이루어진다' 등이 사용되는 경우 '~만'이 사용되지 않는 이상 다른 부분이 추가될 수 있다. 구성 요소를 단수로 표현한 경우에 특별히 명시적인 기재 사항이 없는 한 복수를 포함하는 경우를 포함한다. 구성 요소를 해석함에 있어서, 별도의 명시적 기재가 없더라도 오차 범위를 포함하는 것으로 해석한다. 위치 관계에 대한 설명일 경우, 예를 들면, '~상에', '~상부에', '~하부에', '~옆에' 등으로 두 부분의 위치 관계가 설명되는 경우, '바로' 또는 '직접'이 사용되지 않는 이상 두 부분 사이에 하나 이상의 다른 부분이 위치할 수도 있다. 비록 제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않는다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 도시된 것이며, 본 발명이 도시된 구성의 크기 및 두께에 반드시 한정되는 것은 아니다. 본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 실시 예를 상세하게 설명하기로 한다. 이하에서 설명하는 복수의 실시예들은 서로 상충되지 않는 한 중복하여 적용될 수 있다. 도 1을 참고하면, 본 발명의 실시예에 따른 운전자의 주행 패턴 학습형 스마트 회생 제동방법은, 주행 데이터를 수집 및 입력하는 단계(S1), 주행 데이터의 전처리를 통해 감속 데이터를 추출하는 단계(S2), 감속 데이터에 대한 군집화 및 이상치를 제거하는 단계(S3), 군집 형성 데이터의 감속도 변화량과 전방 차간 거리를 계산하는 단계(S4), 다항 회귀(polynomial regression)을 통해 감속도 변화량과 전방 차간 거리의 2차 방정식(quadratic equation)을 도출하는 단계(S5) 및 조건 A 충족 여부를 확인하는 단계(S6)를 포함할 수 있다. 여기서, 상기 조건 A 충족 여부를 확인하는 단계(S6)에서, 조건 A 충족하는 경우(YES), 2차 방정식(quadratic equation)을 스마트 회생제동 시스템에 반영하여 제어하는 단계(S7)를 수행한다. 반대로, 상기 조건 A 충족 여부를 확인하는 단계(S6)에서, 조건 A 충족하지 않는 경우(NO), 2차 방정식(quadratic equation)에서 직교 거리를 계산하여 가장 멀리 떨어진 감속 데이터를 제거하는 단계(S8) 및 데이터 세트 개수를 특정 세트 이상인지 여부를 판단하는 단계(S9)를 수행한다. 이하 각 단계를 예시 도면인 도 2a 내지 도 8을 참고하여 구체적으로 설명하도록 한다. 상기 주행 데이터를 수집 및 입력하는 단계(S1)는, 운전자의 운전 중 실제 주행 데이터를 수집하고, 이 데이터를 베이터베이스에 입력하는 단계일 수 있다. 다음, 상기 주행 데이터의 전처리를 통해 감속 데이터를 추출하는