노면의 최대 정지 마찰계수는 다양한 차량 시스템에 필수적인 중요한 정보
중 하나이다. 최대 마찰계수를 추정하기 위해 많은 연구들이 있었지만 다양한
상황에 신뢰도 높은 추정값을 결과하는 데는 어려움과 제한점이 많아 이 분야
의 연구는 여전히 활발히 이루어지고 있다.
본 논문에서는 노면의 최대 정지 마찰계수를 기존의 마찰력 모델이 아닌 딥
러닝 기법을 이용해 추정한다. CAN이나 GPS로부터 비교적 쉽게 얻을 수 있는
센서 데이터를 이용했으며, 다양한 상황에서 최대 마찰계수를 추정할 수 있도
록 임의로 주행되는 차량의 데이터로 학습을 진행하였다. 딥 러닝 네트워크의
구조는 입력의 특징을 학습하는 Convolutional Neural Network와 시계열 데이
터의 분석에 유리한 Recurrent Neural Network를 결합하여 구축하였다. 또한,
Deep Ensemble 기법을 통해 노면의 최대 정지 마찰계수를 추정함은 물론, 추
정값의 불확실도(Uncertainty)를 함께 도출하도록 설계하였고, 학습 데이터
가 고르게 분포하지 않는 상황에서도 네트워크에 편향되지 않은 학습을 시켜
주는 Prioritized Batch Selection기법을 제안하였다.
제안한 딥 러닝 네트워크와 기법을 통해 학습된 네트워크는 학습된 적 없는
마찰계수 환경에서 주행을 하여 성능을 검증하였으며 제안한 Prioritized
Batch Selection기법이 학습에 미친 영향을 분석했다.