http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
표준 OBD 주행데이터를 이용한 내연기관 차량의 연료 사용량 예측
신달호(Dalho Shin),박수한(Suhan Park) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
2016 년 3월 구글의 AI 바둑프로그램인 알파고가 한국의 이세돌 9단에게 승리한 이후 다양한 분야에서 인공지능 및 머신러닝에 대한 관심이 높아지고 있다. 자동차 분야 또한 인공지능 및 머신러닝을 적용하기 위해 많은 연구들이 진행되고 있다. 특히 인공지능 및 머신러닝 적용을 위해서는 방대한 양의 데이터 세트(Dataset)가 필요하다. 현대자동차와 같은 기업의 경우 자사의 특화된 프로그램(예: 블루링크)의 커넥티드 기능을 이용해 운전자의 운행패턴 및 속도, RPM등 중요 엔진데이터를 빅데이터화 하고 있지만 일반 연구자들은 자동차의 데이터에 접근하기도 쉽지 않다. 다만 차량의 엔진관련 정보에 접근 할 수 있는 방법이 하나 있는데 1970년 미국환경보호국(EPA)이 차량의 법적인 규정을 감시하기 위해 미국자동차공업협회(SAE)에서 제정한 표준OBD를 모든 차에 탑재하도록 한 것이다. 한국도 2005년 이후 국내에서 판매되는 모든 승용차에 OBD-Ⅱ 시스템의 장착을 의무화하고 있다. 본 연구에서는 표준 OBD-Ⅱ 데이터 중 차량의 속도, 엔진의 회전 속도(RPM), Fuel level, 전압, 연료/공기비, 스로틀 포지션, 매니폴드 압력을 매일 측정 하였고, 그날의 날씨, 교통량을 입력하여 빅데이터를 제작하였다. 이 빅데이터에 머신러닝을 적용하여 대표적인 온실가스인 CO<sub>2</sub> 와 연관 있는 연료소비율 예측 연구를 진행 하였다. 10hz 측정이 가능한 XGPS 160모델을 사용하여 시험 도로의 위도, 경도, 고도를 측정 하였고, OBD-Ⅱ스캐너는 ELM327을 사용하였다. 향후 연구에서는 딥러닝(CNN, RNN, Decision Tree, SVM)을 적용하여 더욱 높은 정확도를 가지고 다양한 친환경자동차의 연비 예측 모형을 모델링하고자 한다.