딥러닝 기반 차량 중량 추정 연구

Abstract

차량 자세 제어장치, 차량 안전 시스템, 운전자 보조 시스템 등 상용화된 차량에는 다양한 시스템들이 적용되고 있다. 해당 시스템들의 주요 인자 중 하나로 차량의 중량이 사용되는데 차량 중량 변화 시 동일한 엔진 토크 및 핸들 조작에서도 차량의 주요 동역학적 특성이 크게 달라지게 되므로 이를 정확하게 추정하게 되면 제어 시스템의 성능을 개선시킬 수 있고 추가적인 연구나 차량 관리에도 활용할 수 있다. 특히, 대형버스나 트럭 등 상용차는 공차 중량 자체가 무거워 승용차에 비해 차량 중량의 영향력이 높고 적재량에 따른 공차 중량과 차량 총 중량의 차이가 크므로 질량 추정의 필요성이 큰 특징이 있다 그림 인식(Image recognition), 음성인식(Speech recognition), 사건인식(Event detection) 등 여러 분야에서 좋은 성능을 보이고 있는 딥러닝 모델은 수학적 모델링이 어렵거나 불가능한 부분에서 문제해결을 위해 사용되고 있다. 본 논문에서는 기존의 수학적 수식으로 추정하는 방법에 비해 다양한 노이즈가 많은 실상황에서도 높은 정확도를 갖는 딥러닝 기반의 중량추정 모델에 대해 연구하고 일상적인 운행 데이터를 활용하여 학습한 딥러닝 모델이 Full-throttling, Full-braking 없이도 중량 추정이 가능함을 확인한다. 해당 모델은 추가적인 데이터를 통해 환경 변화에 대응하는 모델 설계에도 용이하다. 딥러닝 기반의 중량추정 모델은 새롭게 수집하는 센서 데이터 없이 운행 중 얻어지는 기존의 Engine Management System (EMS) 데이터, Controller Area Network (CAN) 데이터를 활용하여 무게를 추정하게 된다. 이와 같이 추가적인 정보 없이 기존의 데이터에서 통계적인 규칙이나 패턴을 분석하여 가치 있는 정보를 추출해 활용할 수 있는 가능성을 확인하였다.