Since 2016 when the regulations related to vehicle structure and device modification were drastically revised, the car tuning market has been growing rapidly. Particularly, many drivers are showing interest in changing the interior and exterior according to their preference, or improving the specifi...
Since 2016 when the regulations related to vehicle structure and device modification were drastically revised, the car tuning market has been growing rapidly. Particularly, many drivers are showing interest in changing the interior and exterior according to their preference, or improving the specifications of their cars by changing the engine and powertrain, among others. Also, as the initial engine settings such as horse power and torque of the vehicle are made for stable driving of the vehicle, it is possible to change the engine performance, via Engine Control Unit (ECU) mapping, to the driver's preference. However, traditionally, ECU mapping could be only performed by professional car engineers and the settings were also decided by them. Therefore, this study proposed a system that collects data related to the driver's driving habits for a certain period and sends them to a cloud server in order to analyze them and recommend ECU mapping values. The traditional mapping method only aimed to improve the car's performance and, therefore, if the changes were not compatible with the driver's driving habits, could cause problems such as incomplete combustion or low fuel efficiency. However, the proposed system allows drivers to set legally permitted ECU mapping based on analysis of their driving habits, and, therefore, different drivers can set it differently according to the vehicle specifications and driving habits. As a result, the system can optimize the car performance by improving output, fuel efficiency, etc. within the range that is legally permitted.
Since 2016 when the regulations related to vehicle structure and device modification were drastically revised, the car tuning market has been growing rapidly. Particularly, many drivers are showing interest in changing the interior and exterior according to their preference, or improving the specifications of their cars by changing the engine and powertrain, among others. Also, as the initial engine settings such as horse power and torque of the vehicle are made for stable driving of the vehicle, it is possible to change the engine performance, via Engine Control Unit (ECU) mapping, to the driver's preference. However, traditionally, ECU mapping could be only performed by professional car engineers and the settings were also decided by them. Therefore, this study proposed a system that collects data related to the driver's driving habits for a certain period and sends them to a cloud server in order to analyze them and recommend ECU mapping values. The traditional mapping method only aimed to improve the car's performance and, therefore, if the changes were not compatible with the driver's driving habits, could cause problems such as incomplete combustion or low fuel efficiency. However, the proposed system allows drivers to set legally permitted ECU mapping based on analysis of their driving habits, and, therefore, different drivers can set it differently according to the vehicle specifications and driving habits. As a result, the system can optimize the car performance by improving output, fuel efficiency, etc. within the range that is legally permitted.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
테스트 베드용 차량의 실험 결과가 성공적으로 나왔기 때문에 실제 차량에 탑재하여 실험하였다. 2014년식 엑센트 1.6 가솔린 모델을 사용하였으며 차량의 ECU와의 통신을 위해 본 논문의 시스템에 그림 12과 같이 제작하여 차량의 ECU에 연결하였다.
각 노드와 센서, 블루투스 모듈은 에디슨 보드를 기초로 조립하였다. 노드 1은 전조등, 전방 초음파센서, 온도 센서, 조도 센서 제어, 노드 2는 모든 노드의 정보를 수집, 유무선 통신 제어, 모터 제어, 노드 3은 테일램프, 추방 초음파 센서 등을 제어하게 된다.
본 논문에서는 먼저, 차량 운행 때 마력, 토크 등 ECU 정보들을 정해진 기간 동안 실시간으로 획득하여 클라우드 스토리지에 저장한다. 그 후, 축적된 데이터를 분석하여 운전자에게 적합한 ECU-Mapping 수치를 결정한 후 ECU에 추천된 수치 데이터를 설정하는 시스템을 개발하였다.
등 위법한 수치는 한 번도 나타나지 않았다. 그래서 배기가스, CO2의 수치를 규정보다 더 낮게 설정한 후 실험하였다.
그래서 본 논문의 시스템은 ECU의 모든 정보를 일정 기간 클라우드 스토리지에 전송 후 빅데이터를 구성하여 ECU-Mapping과 관련된 메커니즘을 구현한 프로그램을 통해 자동으로 분석한다. 운전자는 자신에게 맞는 ECU-Mapping 값을 통해 차량 출력 상승 및 효율적인 연료의 연소를 돕는 시스템을 소개한다.
처음 ECU 설정은 장거리 고속 주행 50%와 단거리 저속 주행 50%로 분석된 수치로 설정하였다. 그리고 실험은 20일 동안 40번 주행을 2개의 주행 환경으로 나누어 진행하였다.
그림 7처럼 데이터를 실시간으로 획득해서 데이터베이스를 확보하고 ECU-Mapping을 조정하는 것이 유의미한가에 대한 테스트 베드용 차량을 제작하였다.
본 논문에서는 먼저, 차량 운행 때 마력, 토크 등 ECU 정보들을 정해진 기간 동안 실시간으로 획득하여 클라우드 스토리지에 저장한다. 그 후, 축적된 데이터를 분석하여 운전자에게 적합한 ECU-Mapping 수치를 결정한 후 ECU에 추천된 수치 데이터를 설정하는 시스템을 개발하였다.
본 논문에서는 모든 정보 중 실제 본 논문의 시스템의 작동 여부를 확인하기 위해 ECU-Mapping에 기본이 되는 마력, 토크, 엔진 연료 압축비, 엔진 부하를 중심으로 설계하였다.
본 논문은 각 운전자의 운전 습관을 정해진 조건을 만족하는 주행 내용만 선택하여 일정 기간 클라우드 스토리지에 전송한 뒤 ECU의 모든 정보를 데이터베이스화하고 일정기간의 운행습관을 분석한 뒤 가장 적합한 ECU 수치를 분석하여 차량에 적용하는 시스템을 제안하였다.
실제 차량과 동일한 방식으로 사용되는 시뮬레이터인 ECUsim을 테스트 베드용 차량에 탑재하여 데이터 수집 및 맵핑을 하여 테스트를 하였다.
운전 습관을 수집하여 ECU-Mapping 수치를 추천하는 시스템을 구현하는데 필요한 차량용 네트워크인 CAN (Controller Area Network)와 시스템 개발에 사용한 오픈소스하드웨어 (OSHW) 기반의 인텔의 에디슨 보드를 간단히 소개하고, 개발코자하는 타겟서비스인 기존 ECU-Mapping 기술의 소개와 문제점을 요약한다.
그래서 본 논문의 시스템은 ECU의 모든 정보를 일정 기간 클라우드 스토리지에 전송 후 빅데이터를 구성하여 ECU-Mapping과 관련된 메커니즘을 구현한 프로그램을 통해 자동으로 분석한다. 운전자는 자신에게 맞는 ECU-Mapping 값을 통해 차량 출력 상승 및 효율적인 연료의 연소를 돕는 시스템을 소개한다.
그림 15는 실험을 진행하기 전 차량의 맵 데이터를 측정한 표이다. 정확한 측정을 위해 테스트 베드용 차량과는 달리 자동차 정비소에서 확인하였다.
차량의 사양과 법적인 허용수치를 계산하여 마력, 토크, 연료 압축 등 한계치를 설정하고 빅데이터 분석을 통해 운전 습관에 맞는 ECU-Mapping 수치를 추천한 뒤 운전자의 선택에 의해 차량에 적용한다.
첫 번째 환경은 장거리와 고속 주행 80% 단거리와 저속 20%, 두 번째 환경은 단거리와 저속 주행 80% 장거리 고속 주행 20%로 설정하여 실험하였다. 맵 데이터 측정은 ECUsim에서 제공하는 툴을 사용하였다.
클라우드 스토리지에 차량의 운행 정보가 20개 이상이나 한 달 이상의 정보가 축적되면 빅데이터 분석 툴을 사용하여 운전자에게 가장 적합한 ECU-Mapping 수치를 추천한다.
테스트 베드용 차량의 ECU-Mapping은 변화폭을 확인하기 위해 마력, 토크 등의 한계치를 설정하지 않고 실험하였다.
확인 후 에디슨 보드를 통해 ECU로 수치를 전송하여 ECU-Mapping을 하고 차량의 상태 확인을 한다. 이때, ECU-Mapping 수치가 이상이 있다고 판단될 경우 ECU에서 제공하는 정보를 통해 바로 확인이 가능하다.
대상 데이터
173, 174번 줄과 같이 무료로 제공되는 에드슨 보드의 클라우드 스토리지의 주소와 포트를 입력한다. 이후 182번 줄 이후부터 GET 방식으로 데이터를 수집하기 위해 String을 이용하여 데이터를 서버로 전송하게 된다.
수집된 데이터는 각 자동차의 엔진 배기량과 최초의 ECU 수치를 기준으로 하여 데이터 분석을 하게 된다. 마력과 토크를 상승시키되, 연료 소모는 거의 동일하게 유지를 하고 고속, 저속 등 운전 습관과 운행 환경에 따른 상황들을 고려하여 추천하게 된다.
실험은 고속 주행 80%, 저속 주행 20% 위주로 운행하였으며 2017년 2월 5일부터 동년 3월 4일까지 20번 주행을 통해 ECU가 수집 가능한 모든 데이터를 수집하는 동시에 클라우드 스토리지에 전송하여 빅데이터를 생성하였다.
데이터처리
빅데이터 분석은 빅데이터 오픈 소스 프로젝트 인 아파치 소프트웨어의 Spark를 통해 관리 및 분 석하였다. 개방형이기 때문에 누구나 사용가능하며 안정성과 확장성이 뛰어나기 때문에 빅데이터 분석 에 많이 사용되는 툴이다.
성능/효과
18.2bar의 엔진 연료 압축비로 설정하더라도 기존과 같은 성능을 나타낼 수 있다는 것을 확인할 수 있다.
그 이유는 ECU-Mapping 이 후 상승된 토크와 마력을 사용하기 때문에 토크의 변화가 심한 저속 구간에서는 오히려 연료 소모가 많지만 고속 위주의 운행을 할 경우에는 더 높은 토크와 마력을 사용함에도 연료는 ECU-Mapping 이전과 거의 동일하게 사용한다는 것을 확인하였다. 그것은 고속 주행시 연료 소모가 효율적으로 되었다는 것을 나타낸다.
넷째, 오류 검출이 쉬워졌다.
다이나모 그래프에서 확인할 결과 본 논문의 시스템을 통해 엔진 연료 압축비 뿐 아니라 마력은 129.41HP에서 137.24HP로, 토크는 16.75kgm에서 17.27kgm로 상승시켜 사양을 높였다.
단순히 마력과 토크의 상승이 뿐만 아니라 연료 소모량을 확인하였을 때 저속 구간에서는 ECU-Mapping 이후가 더 많이 소모되는 것으로 확인되었지만 고속으로 갈수록 비슷한 소모를 나타내는 것으로 확인되었다.
둘째, Broadcast 통신 기반으로 인해 모든 전장 장비의 메시지를 확인 및 제어가 가능하다.
또한, 10번의 각기 다른 ECU-Mapping 수치로 실험한 결과 배기가스, CO2등 위법한 수치는 한 번도 나타나지 않았다. 그래서 배기가스, CO2의 수치를 규정보다 더 낮게 설정한 후 실험하였다.
실제 차량은 수치상 최대 RPM 8000까지 상승시킬 수 있으나 일반적인 운행으로는 불가능하기 때문에 RPM 6800와 엔진 부하 76.7%까지의 수치만 확인하였다.
실제 차량을 통해 실험한 결과 운전자의 운전 습관과 운전 환경을 통해 ECU 정보를 수집하여 빅데이터로 구성한 뒤 자료를 분석하여 ECU-Mapping을 실행한 결과 마력과 토크는 상승시키지만 연료 소모는 기존과 비슷하게 소모한다는 것을 확인하였다.
테스트 베드용 차량을 통해 확인할 결과 빅데이터를 분석하여 운전 습관에 따라 ECU-Mapping을 할 수 있는 것으로 확인되었다.
하지만 높은 RPM과 엔진 연료 압축비 구간을 비교하면 기존보다 낮은 수치의 엔진 연료 압축비가 설정되어 있는 것을 확인할 수 있다.
하지만 본 논문의 시스템을 통해 ECU 맵 데이터를 구성하는 마력, 토크 및 연료 압축 등을 모든 운전자가 각각 자신의 운전 습관과 환경에 맞춰 ECU-Mapping을 수행을 한다면 차량의 성능이 개선될 가능성을 보여주었다.
후속연구
본 논문의 주행 조건은 빅데이터의 분석을 위한 충분 조건이 아닌 최소 조건이다. 또한, 실제 본 논문의 시스템이 정상적으로 동작하는지 확인하는 절차이며 실제 차량에서는 더 많은 데이터와 긴 기간 동안 수집하여 좀 더 정확한 ECU-Mapping 수치를 추천받을 수 있다.
이 시스템을 사용한다면 각 운전자의 운전 습관과 주행 환경에 맞춘 ECU-Mapping이 가능할 뿐만 아니라, 1년 이상 ECU 데이터가 수집될 경우 계절별 상이한 설정이 가능하며 그 결과 일반 운전자가 전문가의 도움 없이 관련 법규를 준수하면서 쉽게 차량 성능을 높이며 연료의 연소효율을 개선될 것으로 기대된다.
현재 토크, 마력, 엔진 연료 압축비를 기준으로 ECU-Mapping을 하여 차량의 성능을 높였지만 향후 온습도, 자이로센서, 흡기 압력 및 가속 페달 각 등 ECU가 수집할 수 있는 모든 데이터를 기준으로 차량의 성능을 향상 시킬 수 있는 빅데이터 분석방법을 지속적으로 연구하고 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
ECU는 무엇을 제어하는가?
ECU는 엔진 제어에 필요한 데이터를 ROM영역에서 보관을 하고 마력, 토크 등의 각종 엔진 수치의 한계 값을 설정하여 넘지 않도록 제어를 한다. 한계 값을 초과할 경우 엔진에 무리가 갈 수 있으며 배기가스가 법적 허용치 이상으로 배출될 수 있기 때문에 유의해야 한다 [8].
ECU-Mapping은 무엇인가?
ECU-Mapping은 엔진의 마력, 토크 및 엔진 연료 압축비 등을 설정하여 운전자의 운전 습관과 환경에 맞춰 설정하는 것이다. 초기 차량의 ECU 설정 수치는 운전자의 운전 습관과 상관없이 일괄된 고정된 수치로 설정되어 있다.
현대 자동차를 포함한 국내 4사와 GM, BMW등 국내외 자동차 제조사들은 차량용 네트워크망인 CAN을 채택한 이유는 무엇인가?
첫째, 저비용, 경량의 네트워크 시스템이다.
둘째, Broadcast 통신 기반으로 인해 모든 전장 장비의 메시지를 확인 및 제어가 가능하다.
셋째, 전장 장비의 우선순위를 선정할 수 있다.
넷째, 오류 검출이 쉬워졌다.
참고문헌 (13)
Ministry of Land, Infrastructure and Transport, "http://www.lawnb.com/data/Focuslawdata/law nbfocusB00062051651.pdf"
J. Park, S. Lee, K. Lee, "A Study on FIBEX Automatic Generation Algorithm for FlexRay Network System," IEMEK J. Embed. Sys. Appl., Vol. 8, No. 2, pp. 69-78, 2013 (in Korean).
C. Herber, A. Richter, T. Wild, A. Herkersdorf, "A Network Virtualization Approach for Performance Isolation in Controller Area Network (CAN)," Proceedings of the IEEE Real-Time and Embedded Technology and Applications Symposium, pp. 215-224, 2014.
D. Kum, J. Hong, S. Jin, J. Cho, "Testing System for Automotive Software Using a General Purpose Development Board," Vol. 7, No. 1, pp. 17-24, 2012 (in Korean).
https://software.intel.com/en-us/iot/hardware/ed ison
J.B. Kim, "Understand of OSHW Based on OSHWA," OSIA Standards & Technology Review, Vol. 28, No. 1, pp. 8-24, 2015 (in Korean).
W. Lee, I. Ohm, "Effects of the Method of Changing Compression Ratio on Engine Performance in an SI Engine," Transaction of the Korean Society of Automotive Engineers, Vol. 9, No. 4, pp. 27-33, 2001.
A. Broring, A. Remke, C. Stasch, C. Autermann, M. Rieke, J. Mollers, "enviroCar: A Citizen Science Platform for Analyzing and Mapping Crowd-Sourced Car Sensor Data," Transactions in GIS, Vol. 19, No. 3, pp. 339-492, 2015.
J. C. Carnes, "Ecusim: An Engine Control Unit Simulator Used at Ford," SAE Technical Paper, No. 2006-01-1601, 2006.
J.H. Kim, S. Kim, "Autonomous-flight Drone Algorithm use Computer Vision and GPS," IEMEK J. Embed. Sys. Appl., Vol. 11, No. 3, pp. 193-200, 2016 (in Korean).
S. Kristian, M. Jeffrey, "OBDII Data Logger Design for Large-scale Deployments," Proceedings of the International IEEE Conference on Intelligent Transportation Systems, pp. 670-674, 2013.
K. Ahn, H. Rakha, A. Trani, M. V. Aerde, "Estimating Vehicle Fuel Consumption and Emissions based on Instantaneous Speed and Acceleration Levels," Journal of Transportation Engineering, Vol. 128, No. 2, 2002.
A. Tsolakisa, A. Megaritisb, M.L. Wyszynskia, K. Theinnoia, "Engine Performance and Emissions of a Diesel Engine Operating on Diesel-RME (Rapeseed Methyl Ester) Blends With EGR (Exhaust gas Recirculation)," Energy, Vol. 32, No. 11, pp. 2072-2080, 2007.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.