[논문]러너블-태스크 매핑 규칙을 통한 AUTOSAR 기반 차량 시스템의 성능 최적화

민우영; 노순현; 홍성수

러너블-태스크 매핑 규칙을 통한 AUTOSAR 기반 차량 시스템의 성능 최적화
Optimizing the Performance of AUTOSAR-based Automotive System via Runnable-to-Task Mapping Rules 원문보기

민우영 (서울대학교 전기.정보공학부) , 노순현 (서울대학교 전기.정보공학부) , 홍성수 (서울대학교 전기.정보공학부)

세계 주요 자동차 회사들은 효율적인 차량용 소프트웨어 개발을 위해 AUTOSAR 표준을 필수로 적용하고 있다. AUTOSAR 기반 소프트웨어의 기능은 러너블(runnable) 단위로 구현되며 이는 태스크에 매핑되어 동작하는데, 러너블-태스크 매핑은 시스템 오버헤드 발생과 러너블의 실제 수행 시점에 크게 영향을 미치므로 시스템 성능 측면에서 매우 중요한 작업이다. 본 논문에서는 자동차의 제어를 보조하는 타겟 응용에 대하여 최적의 성능을 보이는 러너블-태스크 매핑을 찾고자 기존 연구에서 제안된 6개의 매핑 규칙을 적용하며, 기존 규칙의 한계점을 개선한 매핑 규칙을 제안하여 추가로 적용한다. Infineon 사의 AURIX 보드와 ETAS 사의 AUTOSAR 플랫폼 상에 타겟 응용을 구현하여 실험한 결과, 기존 매핑 규칙에 비해 개선된 규칙을 적용하였을 때 종단 간 응답시간이 21.23% 단축되었다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 위에서 언급한 성능 저하 요인을 모두 고려하고 AUTOSAR 표준에서 정의하는 러너블의 통신 동작을 기반으로 제시된 [8]의 러너블-태스크 매핑 규칙을 활용하여, 자동차의 안전한 주행을 위해 제어를 보조하는 ADAS(Advanced Driver Assistance System) 응용의 성능을 최적화하는 매핑을 찾고자 한다. [8]의 매핑 규칙은 러너블 간 통신 지연 최소화만을 목표로 하고 있기 때문에 본 논문에서는 타겟 응용의 종단 간 응답시간을 최소화하기 위해 기존 규칙을 발전시키고 발전된 매핑 규칙을 타겟 응용에 적용한다.

가설 설정

R.2) 둘 이상의 러너블들이 같은 데이터를 받기 위해 하나의 DataReceivePoint만을 가진다면, 이들은 같은 태스크에 매핑.
R.6) 서로 다른 WaitPoint를 가진 러너블들은 같은 태스크에 매핑하지 않음.

제안 방법

본 논문에서는 위에서 언급한 성능 저하 요인을 모두 고려하고 AUTOSAR 표준에서 정의하는 러너블의 통신 동작을 기반으로 제시된 [8]의 러너블-태스크 매핑 규칙을 활용하여, 자동차의 안전한 주행을 위해 제어를 보조하는 ADAS(Advanced Driver Assistance System) 응용의 성능을 최적화하는 매핑을 찾고자 한다. [8]의 매핑 규칙은 러너블 간 통신 지연 최소화만을 목표로 하고 있기 때문에 본 논문에서는 타겟 응용의 종단 간 응답시간을 최소화하기 위해 기존 규칙을 발전시키고 발전된 매핑 규칙을 타겟 응용에 적용한다. Infineon 사의 AURIX 보드와 ETAS 사의 AUTOSAR 플랫폼 상에 기존 규칙과 발전된 규칙을 적용한 타겟 응용을 각각 구현하여 종단 간 응답시간(end-to-end response time)을 비교한 결과, 발전된 규칙을 적용할 경우 약 21.
본 논문에서 러너블-태스크 매핑을 수행할 타겟 응용은 ADAS 응용으로써 센서로부터 주변 상황과 차량 상태를 입력받아 앞 차와의 안전거리 유지하며 차선을 벗어나지 않게 주행하도록 제어한다. Fig.
본 논문에서는 AUTOSAR 기반 ADAS 응용에 대해 성능을 최적화하는 러너블-태스크 매핑을 찾고자 [8]의 매핑 규칙을 적용하였으며 추가적인 성능 향상을 위해 이를 확장, 추가하였다. 기존 규칙과 제안된 규칙을 적용하여 러너블-태스크 매핑 작업을 수행했을 때 타겟 응용의 성능을 비교한 결과, 제안된 규칙을 적용했을 때 종단 간 응답시간이 약 21.
이 장에서는 실험을 통해 4가지 경우로 매핑된 타겟 응용을 Infineon사의 AURIX 보드와 ETAS 사의 AUTOSAR 플랫폼에 구현하여 종단 간 응답시간을 비교한다. 첫 번째 경우는 모든 러너블을 독자적인 태스크에 따로 매핑하여 시스템 오버헤드를 최대화한 경우이고, 두, 세 번째 경우는 [8]의 규칙에 따라 매핑했을 때 7개의 태스크, 6개의 태스크로 매핑된 경우이다.
입력 단계의 4개 러너블은 앞 차와의 거리, 속도와 가속도, 조향각과 요 레이트, 차선 정보를 입력받으며 센서 주기에 맞춰 수행된다. 추정 단계의 3개 러너블은 10ms마다 제어 신호를 출력하기 위해 앞 차와의 거리, 차량 속도, 차선 정보를 추정한다. 연산 단계의 2개 러너블은 앞 차와 안전거리를 지키고 차선을 벗어나지 않도록 목표 가속도와 조향각 값을 연산한다.

성능/효과

[8]의 매핑 규칙은 러너블 간 통신 지연 최소화만을 목표로 하고 있기 때문에 본 논문에서는 타겟 응용의 종단 간 응답시간을 최소화하기 위해 기존 규칙을 발전시키고 발전된 매핑 규칙을 타겟 응용에 적용한다. Infineon 사의 AURIX 보드와 ETAS 사의 AUTOSAR 플랫폼 상에 기존 규칙과 발전된 규칙을 적용한 타겟 응용을 각각 구현하여 종단 간 응답시간(end-to-end response time)을 비교한 결과, 발전된 규칙을 적용할 경우 약 21.23% 단축됨을 확인하였다.
본 논문에서는 AUTOSAR 기반 ADAS 응용에 대해 성능을 최적화하는 러너블-태스크 매핑을 찾고자 [8]의 매핑 규칙을 적용하였으며 추가적인 성능 향상을 위해 이를 확장, 추가하였다. 기존 규칙과 제안된 규칙을 적용하여 러너블-태스크 매핑 작업을 수행했을 때 타겟 응용의 성능을 비교한 결과, 제안된 규칙을 적용했을 때 종단 간 응답시간이 약 21.23% 단축되었다. 향후 연구로는 매핑된 태스크를 멀티코어 상에서 할당하는 연구를 진행할 예정이다.
3과 같다. 본 논문에서 개선한 매핑 규칙을 적용하였을 때 타겟 응용의 종단 간 응답시간이 오버헤드가 가장 큰 경우에 비해 약 42.10% 단축되며, [8]의 규칙을 적용한 경우에 비해 약 21.23% 단축됨을 확인하였다.

후속연구

23% 단축되었다. 향후 연구로는 매핑된 태스크를 멀티코어 상에서 할당하는 연구를 진행할 예정이다.

핵심어

질문

논문에서 추출한 답변

SWC의 기능은 무엇을 통해 구현되는가?

이후 SWC) 단위로 모듈화되어 설계된다. SWC의 기능은 각자가 가지는 러너블(runnable)을 통해 구현되는데, 이는 개발자가 입력한 일련의 코드로써 운영체제의 스케줄링 단위인 태스크에 매핑되어 실행된다[1].

러너블-태스크 매핑의 단점은 무엇인가?

몇 개의 태스크를 생성하며 각각에 어떤 러너블을 매핑하는지에 따라 시스템 오버헤드의 양과 러너블의 실제 수행 시점이 달라지며 이는 시스템의 성능에 크게 영향을 미친다. 하지만 러너블-태스크 매핑은 온전히 개발자의 역할이며 AUTOSAR 표준에서는 매우 기본적인 가이드[1]만 제공하므로 개발자가 무수히 많은 매핑의 경우 중 최적의 매핑을 찾기란 매우 어렵다. 이러한 문제를 해결하고자 시스템 성능 측면에서 효율적인 러너블-태스크매핑을 찾는 연구들이 많이 진행되었다[2, 3, 4, 5, 6, 7, 8].

AUTOSAR 기반 소프트웨어의 설계단계에서는 무엇을 수행하는가?

AUTOSAR 기반 소프트웨어는 설계와 구현 단계로 나누어 개발된다. 먼저 설계 단계에서 개발자는 응용 소프트웨어를 SWC 단위로 모듈화하여 설계한다. SWC의 기능은 내부의 러너블과 이를 작동시키는 이벤트로 설계되며 SWC 간의 통신은 데이터 출입구인 port와 port를 통해 데이터를 주고받는 방식인 interface를 정의함으로써 설계된다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

러너블-태스크 매핑 규칙을 통한 AUTOSAR 기반 차량 시스템의 성능 최적화
Optimizing the Performance of AUTOSAR-based Automotive System via Runnable-to-Task Mapping Rules 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

러너블-태스크 매핑 규칙을 통한 AUTOSAR 기반 차량 시스템의 성능 최적화 Optimizing the Performance of AUTOSAR-based Automotive System via Runnable-to-Task Mapping Rules 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

러너블-태스크 매핑 규칙을 통한 AUTOSAR 기반 차량 시스템의 성능 최적화
Optimizing the Performance of AUTOSAR-based Automotive System via Runnable-to-Task Mapping Rules 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper