1 |
1
차량의 상태를 예측하기 위한 시스템에 의해 수행되는 방법에 있어서,상기 차량의 부품들 또는 모듈들 각각으로부터 소정의 시간 구간 동안의 데이터들을 수집하는 단계;상기 데이터들로부터 상기 차량의 마일리지 구간을 예측하는 단계; 및상기 예측된 마일리지 구간과 실제 마일리지의 비교 결과에 기반하여 상기 차량의 상태를 예측하는 단계를 포함하는 방법
|
2 |
2
제1항에 있어서,상기 부품들 또는 모듈들은, 상기 차량에 장착된 배터리, 엔진, 모터, 또는 온도계를 포함하는 방법
|
3 |
3
제1항에 있어서,상기 데이터들의 종류는, 배터리 엔진 흡기 온도, 모터 인버터 온도, 보조 배터리 온도, 엔진 부하 계산 값, 및 배터리 흡기 온도 중 적어도 하나를 포함하는 방법
|
4 |
4
제1항에 있어서,상기 차량의 마일리지 구간을 예측하는 단계는, 상기 소정 시간 구간 동안 수집된 상기 데이터들의 대표 값을 결정하고 상기 대표 값으로부터 상기 차량의 마일리지 구간을 예측하는 단계를 포함하고,상기 대표 값은, 상기 데이터들의 평균, 편차, 최대 값, 및 최소 값을 포함하는 방법
|
5 |
5
제1항에 있어서,상기 차량의 마일리지 구간을 예측하는 단계는,예측 모델에 상기 상태를 예측하고자 하는 상기 차량의 데이터를 입력하고, 상기 입력된 차량의 데이터와 대응하는 마일리지 구간을 출력하는 단계를 포함하고,상기 예측 모델은, 다른 차량들의 데이터들에 기반한 기계 학습에 기초하여 학습되는 방법
|
6 |
6
제5항에 있어서,상기 예측 모델에 입력되는 데이터는, 상기 소정 시간 구간 동안 수집된 데이터들의 평균, 편차, 최대 값, 및 최소 값 중 적어도 하나인 방법
|
7 |
7
제6항에 있어서,상기 기계 학습은, 상기 다른 차량들의 데이터들의 대표 값을 사용하여 랜덤 포레스트(Random Forest), 인공신경망, 나이브 베이즈(Naive Bayes) 모델 중 적어도 하나에 기초하여 수행되는 방법
|
8 |
8
제1항에 있어서,상기 데이터들은, OBD-II 진단 포트를 통해 수집되는 방법
|
9 |
9
제1항에 있어서,상기 차량의 상태를 예측하는 단계는, 상기 예측된 마일리지 구간이 상기 실제 마일리지보다 높은 경우 상기 차량의 부품들 또는 모듈들 중 적어도 하나에 이상이 있는 것으로 예측하는 단계를 포함하는 방법
|
10 |
10
제1항에 있어서,상기 데이터들은, 마일리지 구간의 변화에 따라 임계 값 이상의 변동성을 보이는 상기 데이터들로서 실험 및 통계에 의해 미리 결정되는 방법
|
11 |
11
차량의 상태를 예측하기 위한 시스템에 있어서,상기 차량의 부품들 또는 모듈들 각각으로부터 소정의 시간 구간 동안의 데이터들을 수집하기 위한 데이터 수집부; 상기 데이터들로부터 상기 차량의 마일리지 구간을 예측하기 위한 마일리지 예측부; 및상기 예측된 마일리지 구간과 실제 마일리지의 비교 결과에 기반하여 상기 차량의 상태를 예측하기 위한 상태 예측부를 포함하는 시스템
|
12 |
12
제11항에 있어서,상기 부품들 또는 모듈들은, 상기 차량에 장착된 배터리, 엔진, 모터, 또는 온도계를 포함하는 시스템
|
13 |
13
제11항에 있어서,상기 데이터들의 종류는, 배터리 엔진 흡기 온도, 모터 인버터 온도, 보조 배터리 온도, 엔진 부하 계산 값, 및 배터리 흡기 온도 중 적어도 하나를 포함하는 시스템
|
14 |
14
제11항에 있어서,상기 마일리지 예측부는, 상기 소정 시간 구간 동안 수집된 상기 데이터들의 대표 값을 결정하고, 상기 대표 값으로부터 상기 차량의 마일리지 구간을 예측하고,상기 대표 값은, 상기 데이터들의 평균, 편차, 최대 값, 및 최소 값을 포함하는 시스템
|
15 |
15
제11항에 있어서,상기 마일리지 예측부는, 예측 모델에 상기 상태를 예측하고자 하는 상기 차량의 데이터를 입력하고, 상기 입력된 차량의 데이터와 대응하는 마일리지 구간을 출력하고,상기 예측 모델은, 다른 차량들의 데이터들에 기반한 기계 학습에 기초하여 학습되는 시스템
|
16 |
16
제15항에 있어서,상기 예측 모델에 입력되는 데이터는, 상기 소정 시간 구간 동안 수집된 데이터들의 평균, 편차, 최대 값, 및 최소 값 중 적어도 하나인 시스템
|
17 |
17
제16항에 있어서,상기 기계 학습은, 상기 다른 차량들의 데이터들의 대표 값을 사용하여 랜덤 포레스트(Random Forest), 인공신경망, 나이브 베이즈(Naive Bayes) 모델 중 적어도 하나에 기초하여 수행되는 시스템
|
18 |
18
제11항에 있어서,상기 데이터들은, OBD-II 진단 포트를 통해 수집되는 시스템
|
19 |
19
제11항에 있어서,상기 상태 예측부는, 상기 예측된 마일리지 구간이 상기 실제 마일리지보다 높은 경우 상기 차량의 부품들 또는 모듈들 중 적어도 하나에 이상이 있는 것으로 예측하는 시스템
|
20 |
20
제11항에 있어서,상기 데이터들은, 마일리지 구간의 변화에 따라 임계 값 이상의 변동성을 보이는 상기 데이터들로서 실험 및 통계에 의해 미리 결정되는 시스템
|