Editor's Note
커넥티드 카, SDV(Software Defined Vehicle), V2X(Vehicle to everything), …. 모빌리티에 관심이 있다면 한 번쯤 들어보았을 법 한 용어들인데요. 최근 모빌리티 트렌드가 소프트웨어 중심으로 흘러가면서 모빌리티 소프트웨어 기술에 대한 업계의 경쟁은 더욱 치열해지고 있습니다. HL만도 역시 커넥티드 모빌리티 기술에 많은 투자와 기술 개발을 진행하고 있는데요.
오늘은 HL만도 SW캠퍼스의 이도헌 책임이 HL만도가 커넥티드 모빌리티 기술을 완성하기 위해 차량 데이터를 어떻게 계측하고 활용하는지 알려드립니다. 약 8분 분량입니다.
HL만도가 그리는 미래 커넥티드 모빌리티 기술
*클릭 시 해당 문단으로 이동합니다.
#커넥티드모빌리티 #커넥티드카 #PHM
현재 모빌리티 산업은 기술의 발전에 힘입어 매우 빠르게 변하고 있습니다. 그 중 자동차에 정보통신기술(ICT)을 결합한 커넥티드 카(Connected Car)는 모빌리티 시장의 흐름을 바꾼 주요 키워드 중 하나입니다. 부품 제조사나 완성차 기업 등 전통적인 자동차 기업들은 물론 통신, 클라우드, 보안, AI 등의 ICT 기업까지 커넥티드 카 시장에서 영향력을 행사하고 있는데요.
HL만도는 오랜 업력을 바탕으로 쌓아 온 기술력을 바탕으로 커넥티드 카와 같은 미래 모빌리티 대응을 위한 첨단 소프트웨어 솔루션을 제공하기 위한 개발을 진행하고 있는데요. 대표적으로는 모빌리티 섀시 통합 플랫폼과 클라우드 플랫폼을 탑재하고 이를 연결함으로써 SDV 기능을 개발하는 ‘MiCOSA’ 솔루션이 있습니다.
그렇다면 HL만도는 어떻게 커넥티드 카를 만들어 가고 있으며, 또 어떤 솔루션을 선보이고자 할까요?
커넥티드 카를 위한 차량 데이터 수집/분석하기
차량 데이터를 계측하는 것은 커넥티드 모빌리티를 완성하는 데 있어 아주 중요한 요소입니다. 때문에 여러가지를 고려해야 하는데요. 먼저 차량과 클라우드 간의 상호 신뢰를 확립하고 차량에 자격증명을 배포하는지를 살펴야 합니다. 다음으로는 어떻게 차량의 데이터를 수집하고 차량에 안전하게 명령을 내릴 수 있는지, 소프트웨어를 원격으로 업데이트하고 ECU로부터 데이터를 추출하는지에 대한 부분을 고려해야 합니다. 이 밖에도 차량의 문제에 빠르게 대응하고 모니터링할 수 있어야 하며 프라이버시 요구 준수, 보안에 대한 고려 등 종합적인 판단이 필요합니다.
HL만도는 이러한 고려사항들을 풀어가기 위해 AWS(아마존웹서비스)와 협업, AWS IoT FleetWise(플릿와이즈)를 이용해 커넥티드 모빌리티 기술을 완성하고 있습니다. AWS의 IoT 플릿와이즈는 거의 실시간으로 차량 데이터를 변환하고 클라우드로 전송할 수 있는 모빌리티 데이터 수집 서비스입니다. HL 만도에서는 이렇게 수집한 데이터를 통해 SDV의 새로운 기능(New Feature)을 발굴, 차량의 잠재적 문제를 발견하는 유지관리 서비스(PHM) 제공, 차량의 구동/제어와 ADAS 기능을 결합한 Cross Domain의 기능 개발 등을 통한 운전자 개인화 서비스, Safety 강화 등 다양한 분야에 활용할 수 있을 것으로 기대하고 있습니다.
HL만도는 앞서 설명한 차량 데이터 계측 시 고려사항을 여섯 단계의 워크플로우에 적용해 풀어냈습니다. 먼저 DBC를 기반으로 차량의 섀시 CAN 시그널을 표준화하고, 차량모델을 설계하는 모델링 과정과 차량의 엣지 디바이스(Edge Device)*와 클라우드를 연결하는 연결 과정을 거쳤습니다. 이후 원하는 시점에서 필요한 정보만을 수집할 수 있도록 조건을 설계해 차량에 배포하고, 조건에 맞게 수집한 데이터를 클라우드에 전송할 수 있도록 했습니다.
데이터베이스에 저장된 데이터는 대시보드로 시각화 하거나 BI툴을 이용하여 인사이트를 획득하는 데 사용됩니다. 이렇게 도출한 인사이트를 통해 차량 데이터 기반의 차량이상감지와 원격 진단 어플리케이션을 개발했습니다.
*엣지 디바이스(Edge Device): 데이터를 발생하는 기기. 데이터를 생성 또는 수집하는 사물 인터넷(IoT) 센서, 비디오/감시 카메라, 인터넷에 연결된 가전 기기, 스마트 기기 등을 포함한다.
HL만도는 이러한 워크플로우를 기반으로 5가지의 개발 영역에 대한 시나리오를 개발하고 검증을 진행했습니다. 먼저 군중 차량에서 데이터를 계측하고 관리·배포할 수 있는 기능인 ‘Fleet Service’와 ‘IoT Core’를 통해 개발한 어플리케이션을 디바이스에 배포·관리할 수 있는지를 검증했습니다.
또한 이를 통해 계측된 데이터를 데이터베이스에 저장하고 구축할 수 있는지, 이렇게 모은 데이터를 시각화해 대시보드를 만들고 BI툴을 이용해 인사이트를 얻을 수 있는지를 살피는 ‘데이터베이스’와 ‘비주얼화’ 시나리오 검증 과정을 거쳤습니다.
마지막으로 개발한 어플리케이션을 적용해 차량의 출력 이상을 감지하거나 원격 진단 서비스를 제공하는 AI모델·서비스를 배포할 수 있는지를 살폈습니다.
커넥티드 모빌리티 솔루션 검증하기
HL만도는 데모 차량을 통해 시나리오를 검증하는 기술검증(PoC, Proof of Concept)을 진행했는데요. 차량에 데이터 수집을 위한 에이전트 서비스를 설치한 엣지 디바이스를 설치해 섀시 시스템(브레이크/서스펜션/스티어링)ECU와 CAN통신으로 연결하고, 전면 카메라와 모뎀(라우터)을 장착해 클라우드와 연결하는 것으로 차량 환경을 구성했습니다.
이렇게 구성한 차량에서 정보를 수집할 수 있도록 아키텍처를 구성합니다. 먼저 차량 엔지니어가 시그널 카탈로그에 차량 센서와 ECU들을 모델링하고, 암호화된 CAN 데이터를 위한 디코더 매니페스트(Decoder manifest)를 생성해 디코딩 규칙들을 정리합니다.
다음으로는 데이터 엔지니어들을 통해 어플리케이션에 적용될 데이터와 데이터의 수집 조건에 대한 캠페인 정의가 이뤄집니다. 이렇게 구성한 캠페인을 차량 전체나 일부, 각 개별에 적용할 수 있도록 배포를 진행합니다. 이후 수집 단계에서는 지정한 조건 상황에서 차량이 수집한 데이터를 에이전트를 통해 클라우드 데이터베이스에 저장합니다. HL만도는 이렇게 저장된 데이터를 가지고 데이터 쿼리와 데이터 분석을 진행해 인사이트를 얻었습니다.
이러한 과정을 거쳐 제작한 차량용 어플리케이션 SW를 차량에 배포해야 하는데요. HL만도의 차량 소프트웨어 컴포넌트는 ▲차량 진단 메시지 분석 ▲CAN Bus 프로토콜 분석 ▲Edge 프로세스 자동화 ▲영상 녹화 및 자동 전송 ▲PHM 건전성 예측 및 관리 ▲Can Bus 시뮬레이터의 여섯 가지로 나눌 수 있습니다. HL만도는 이러한 소프트웨어 컴포넌트들을 그룹으로 배포하거나 용도에 따라 각기 다르게 배포했습니다.
마지막 어플리케이션 적용 단계에서 HL만도는 차량 PHM(예측 및 진단, Prognostics and Health Management)을 적용했습니다. PHM은 차량 구성 요소의 상태와 성능을 실시간으로 모니터링하고 분석하는 프로세스입니다.
HL만도는 PHM을 통해 차량 내외부에서 발생하는 데이터를 활용해 특정 섀시 부품의 이상 여부를 확인하거나 부품의 수명을 예측합니다. 운전자와 정비 업체에 차량의 정보를 제공해 차량의 유지 관리 효율성과 운행 안정성을 확보할 수 있습니다. 이러한 PHM 서비스는 특히 높은 수준의 유지관리가 필요한 자율주행 차량에 필수적인 기술이라고 할 수 있습니다. HL만도가 적용하는 PHM 어플리케이션은 예측 유지보수, 데이터 분석, 고급 진단 서비스 등이 있으며, 관련 어플리케이션을 지속적으로 개발하고 있습니다.
▼HL만도의 PHM 자세히 보기
PHM | SW 솔루션 | HL Mando
HL Mando의 PHM(Prognostics and Health Management)은 차량 내외부에서 발생하는 데이터를 활용하여 특정 샤시 부품의 이상 상태를 검출하거나 수명을 예측하는 기술입니다.
www.hlmando.com
HL만도는 데모 차량에 두 가지 PHM 어플리케이션을 적용했습니다. 먼저 ‘모터 출력 이상 감지’는 운전자 토크, 스티어링 각도, 속도, 요레이트(Yaw Rate) 등 차량 내에서 계측되는 데이터를 기반으로 이상 탐지를 하는 AI모델을 적용했습니다. 정상 주행 상태라고 예측되는 차량의 상태와 실제 계측된 상태의 차이를 비교해 모터의 출력 이상 여부를 판단합니다.
다음으로 원격 진단 서비스는 주행 중 차량 경고등이 들어올 때 차량의 이상 상태를 원격으로 진단하는 서비스인데요. 운전 중 경고등이 발생하면 경고등 발생 시점 전후의 차량 시그널을 모니터링하고 진단 서비스를 실행한 뒤, 위치 데이터를 파악해 클라우드에 전송합니다. 이후 클라우드 내에서 DTC(Diagnostic Trouble Code) 설명 가이드와 분석 결과, 조치 방법이나 가까운 정비소 정보를 제공해 문제 해결에 도움을 받을 수 있습니다.
HL만도는 이러한 기술검증을 통해 유저 기반의 서비스로 확장할 수 있도록 지속적으로 개발을 이어 나가고 있습니다. 이 밖에도 HL만도는 AWS와 협력해 커넥티드 모빌리티 플랫폼을 개발하고 있는데요. 차량에 장착된 디바이스를 데이터를 계측하고 AI모델이 동작하며, 어플리케이션을 실행할 수 있는 AIoT 솔루션과 함께 데이터 솔루션, MLOps 솔루션, 통합 컨트롤 솔루션의 네 가지 구성으로 개발하고 있습니다.
모빌리티 솔루션을 향해 나아가는 여정
HL만도는 지금까지 진행한 개발과 기술검증 결과를 바탕으로 유저 기반의 서비스를 완성하기 위한 노력을 이어가고 있습니다. 이 과정 속에서 HL만도는 커넥티드 모빌리티 개발을 위해 확장성이나 보안, 성능에 집중해 개발을 진행하고자 합니다.
먼저 수요의 변화를 수용하고 이러한 변화에 따라 서비스를 자유롭게 확장하고 축소할 수 있도록 서비스 설계 및 구축 방법에 있어 확장성을 고려해야 합니다. 다음으로는 암호화, 엑세스 제어 등 보안 기능을 통해 민감한 데이터를 보호할 수 있는지를 살펴야 합니다.
또한 문제 발생 시 개발자가 신속하게 문제점을 식별하고 해결할 수 있도록 차량의 성능과 사용 데이터에 대한 실시간 모니터링 방법도 고민해야 합니다. 마지막으로는 성능 최적화와 요구사항을 충족하기 위한 데이터 분석입니다. 이는 어플리케이션 개발에 있어 매우 중요한 부분인데요. 차량 성능이나 고객 사용 패턴에 대한 통찰력을 얻기 위해서는 수집한 데이터를 정리하고 분석해 올바른 인사이트를 추출할 수 있어야 합니다.
커넥티드 모빌리티는 부정하기 힘든 시대의 흐름이자 우리의 미래입니다. 앞으로 모빌리티 소프트웨어 생태계에는 많은 변화가 있을 것입니다. 커넥티드 모빌리티라는 새로운 영역에서 HL만도는 ‘모빌리티 솔루션’을 지향하며 기술을 개발하고 있습니다. 새로운 영역인 만큼 높은 진입장벽, 데이터 오너십, 보안, 규제 등 해결해야 할 문제도 많이 있는데요. HL만도는 이러한 문제에 굴복하지 않고 이러한 문제점을 통해 새로운 가능성을 찾고 성장의 동력으로 삼고자 합니다.
