| 한글제목(Korean Title) |
Random Forest와 Loop-back 기반 자율차량 자가진단 시스템 |
| 영문제목(English Title) |
Autonomous Vehicle Self-diagnosis System based on Random Forest and Loop-back |
| 저자(Author) |
최호길
손수락
이병관
HoKil Choi
SuRak Son
ByungKwan Lee
|
| 원문수록처(Citation) |
VOL 23 NO. 02 PP. 0332 ~ 0334 (2019. 10) |
한글내용
(Korean Abstract) |
본 논문은 Loop-back을 기반으로 센서의 소프트웨어 오류를 회복시키고, Random Forest를 기반으로 차량의 센서 데이터를 사용하여 차량의 상태를 진단하는 “Autonomous Vehicle Self-diagnosis System(AVSS) based on Random Forest and Loop-back”을 제안한다. AVSS는 첫째, 센서 데이터를 실시간으로 수집하고, 센서에 이상이 발생한다면, 센서를 초기화하여 회복시키는 Sensor Failure Recovery Module (SFRM)과, 둘째, 랜덤 포레스트 모델을 생성하고, 랜덤 포레스트 모델을 이용하여 차량의 전체적인 상태를 진단하는 Vehicle Diagnostic Random Forest Module (VDRF)로 구성된다. 실험 결과 신경망 모델을 사용한 차량의 자가진단보다 AVSS의 자가진단 시간이 101% 빠르게 측정되었다. 따라서 AVSS는 기존 자가진단 시스템보다 차량 내부 상태를 신속하고 정확하게 진단하여 차량 안전의 신뢰성을 높일 수 있다. |
영문내용
(English Abstract) |
This paper proposes an “Autonomous Vehicle Self-diagnosis System (AVSS) based on Random Forest and Loop-back ” that recovers the software error of the sensor based on loop-back and diagnoses the condition of a vehicle using the sensor data of the vehicle based on the random forest. The AVSS is consists of two modules. first, the Sensor Failure Recovery Module (SFRM) collects sensor data in real time and, if an abnormality occurs in the sensor, initializes and recovers the sensor. second, the Vehicle Diagnostic Random Forest Module (VDRF) generates a random forest model and diagnoses the overall condition of the vehicle using the generated random forest model. As a result, the AVSS's self-diagnosis time using neural network models was 101% faster than exisiting vehicle self-diagnosis. Therefor, because the AVSS can diagnose vehicle conditions faster and more accurately than exisiting self-diagnostic systems, it increases the reliability of vehicle safety. |
| 키워드(Keyword) |
Random Forest
Autonomous Vehicle
Self-diagnosis
Recovery
|
| 파일첨부 |
PDF 다운로드
|
