Daimler AG의 전 세계 연료전지 차량의 테스트 데이터 분석

100대가 넘는 Daimler AG(구 DaimlerChrysler) 테스트 운행단의 수소 연료전지 차량이 전 세계의 실제 주행 조건에서 일반 운전자에 의해 작동되고 있습니다. 개발 목적 전용으로 각 차량에는 차량의 GPS 좌표, 연료 탱크 충전 레벨 및 차량 속도에서 운전자의 발 아래에 있는 가스 페달의 위치까지 차량 성능 및 운전자 사용 패턴에 대한 데이터를 캡처하는 강력한 텔레매틱스 시스템이 장착되어 있습니다. 우리 팀은 테스트 운행단에서 축적한 수백만 개의 주행 파일을 MATLAB^® 기반의 자동화된 보고서와 웹 응용 프로그램으로 변환할 책임이 있습니다.

Daimler 엔지니어는 이러한 툴들을 사용하여 차량 사용 패턴을 이해하고, 연료 소비를 추적하며, 수소 충전 인프라를 계획하고, 주행 패턴이 차량 성능에 영향을 미치는 방법을 이해합니다. 이 데이터를 검토함으로써 Daimler는 차량의 상태뿐만 아니라 미래의 수소 연료 충전소의 최적의 위치를 평가할 수 있으며, 차량 사용 특성을 파악하여 향후 차량 운영을 위한 다양한 차량 기반을 구축할 수 있습니다.

사용 패턴 이해하기

다양한 주행 조건과 기후에서 활발하게 작동하는 주행 차량은 분석을 위해 다양한 데이터 세트를 축적합니다. 각 차량은 Daimler 무선 인프라를 통해 데이터를 중앙 데이터베이스로 전송합니다. 우리 팀은 저희와 고객에게 운행단 사용 피드백을 제공하기 위해 차량 사용을 검사하는 자동 보고 시스템을 개발했습니다.

우리는 MATLAB과 Database Toolbox™를 사용하여 중앙 데이터베이스를 쿼리하고 특정 지역의 모든 차량에 대한 주행거리 및 GPS 데이터를 검색합니다. 우리의 MATLAB 스크립트는 GPS 시스템에 의해 보고된 영점 및 비주행 파일과 같은 비정상적인 데이터를 필터링합니다. 그런 다음 스크립트는 모든 데이터를 처리하여 기간 및 지역별로 주행 거리를 합한 플롯을 생성합니다(그림 1). 이전에 Daimler는 이 분석을 수행하기 위해 Excel을 사용했는데, 매번 수백 명의 엔지니어 시간 설정, 유지 보수할 전담 직원 및 많은 수동 작업이 필요했습니다. 오늘날 자동화된 MATLAB 스크립트를 사용하여 팀에서 웹 브라우저를 통해 동일한 결과에 액세스할 수 있습니다.

그림 1은 연속 및 주간 단위로 운행단 주행 거리 누적 플롯의 샘플을 보여줍니다. 이 분석은 GPS 데이터를 사용하여 주행 거리 누적을 차량이 주행한 지역에 연결함으로써 Daimler에서 지역 주행 패턴을 기반으로 향후 차량 운영을 위해 위치와 고객을 평가할 수 있습니다. 운전자의 요청이 있을 때, 개별 차량에 대한 유사한 플롯을 생성하여 활동에 대한 자세한 정보를 제공할 수 있습니다.

지역별 주행 거리 분석 플롯은 12월 말과 1월 초에 갑작스런 주행 거리 감소를 나타냅니다. Daimler는 차량 사용의 계절적 추세를 정량화함으로써 연휴 및 기타 사용이 많지 않은 기간에 차량 유지보수 및 진단 절차를 계획할 수 있습니다.

연료 소비 추적하기

Daimler 엔지니어는 MATLAB 및 Mapping Toolbox™로 개발한 툴을 사용하여 테스트 차량에서 수행한 모든 주행을 재구성할 수 있습니다. 툴 사용자는 위성 지리 맵을 따라 사용 가능한 전기 화학적 에너지의 양을 측정한 연료 탱크 충전 상태(SOC)를 추적할 수 있습니다. Daimler는 초기에 정적 JPEG 맵 이미지를 생성하기 위해 이 스크립트를 개발했습니다. 이 솔루션은 유연성이 없었으며 플롯에 세부 정보를 충분히 제공하지 못했습니다. 따라서 이 스크립트는 Google Earth와 함께 사용하는 KML(Keyhole Markup Language) 파일을 생성하도록 수정되어 더 큰 유연성을 제공합니다.

그림 2의 연료 소비 분석 샘플은 차량 경로를 따라 탱크 충전 레벨을 추적합니다. 이 분석을 수행하기 위해 MATLAB 스크립트는 Mapping Toolbox 함수를 사용하여 차량 GPS와 연료 탱크 SOC 데이터를 연관시킵니다.

엔지니어는 이러한 결과를 바탕으로 주행 환경의 연료 감소율에 대한 영향을 파악할 수 있습니다. 지도에 수소 충전소와 표준 주유소의 플롯을 겹쳐서 현재 연료 공급 인프라를 평가할 수 있습니다.

또한, 엔지니어는 우리가 개발한 MATLAB 스크립트를 통해 실제 위치를 차량 성능과 연결하여 전 세계 운행단에 대한 원격 진단 분석을 단순화할 수 있습니다. 예를 들어, 차량 내부의 연료전지 시스템이 오류 코드를 전송하면 MathWorks 툴을 사용하여 오류가 발생했을 때 차량의 정확한 위치를 정확하게 파악하고 시각화할 수 있습니다(그림 3). 예를 들어, 러시아워에 로스엔젤레스 시내에 차량이 있었다는 것을 안다면 이벤트 발생 시 작동 상태에 대한 지식을 활용하여 더 효율적으로 문제를 해결할 수 있습니다.

수소 연료 충전 인프라 계획하기

미래의 수소 충전소를 고객에게 가장 효과적으로 공급할 수 있는 장소에 배치하기 위해 연료전지 차량이 가장 자주 이용하는 지역을 확인합니다. Daimler는 MATLAB, Mapping Toolbox 및 Google Earth를 사용하여 차량의 GPS 데이터 및 지리적 도로 데이터를 기반으로 공간 히스토그램을 만듭니다.

공간 히스토그램은 지리적 영역의 그리드를 오버레이하여 Daimler가 관심 있는 신호를 보관하고 위성 지형도에 묘사할 수 있게 합니다. 그림 4는 연료 탱크 SOC에 근거한 싱가포르의 공간 히스토그램을 보여줍니다. 그림 5의 히스토그램은 차량이 각 그리드 정사각형에서 소비하는 시간의 백분율을 계산합니다. 이러한 유형의 다이어그램을 결합하면 연료가 부족한 차량으로 심하게 붐비는 지역을 정확히 찾아내는 데 도움이 됩니다.

Daimler 엔지니어는 이러한 분석 결과에 힘입어 새로운 수소 충전소 위치를 추천할 수 있어 충전소 운영자는 교통량이 많은 지역 근처에 충전소를 배치하여 고객에게 더 편리한 수소 접근을 제공함으로써 위험을 줄일 수 있습니다.

주행 패턴 분석하기

Daimler 연료전지 차량 운행단은 전 세계에 걸쳐 있습니다. 각 차량의 가속 페달 위치를 분석하여 고객이 다양한 차량 유형을 운전하는 방법과 패턴이 지역에 따라 어떻게 다른지에 대한 통찰력을 얻을 수 있습니다. 예를 들어, 페달 위치 분석(그림 6)은 북부 캘리포니아의 차량이 중간 정도의 스로틀을 사용하여 작동함을 보여주며, 대형 차량은 대부분 매우 가벼운 스로틀 또는 전체 스로틀에서 대부분 구동되며 이 사이에서 구동되는 경우는 많지 않습니다. 엔지니어는 이 분석을 통해 고객의 동력 요구에 대한 피드백을 받을 수 있습니다. 그런 다음 엔지니어는 제어 전략과 파워트레인을 적절하게 최적화할 수 있습니다.

GPS 데이터와의 상관관계를 통해, 이 분석은 주행 행동의 지역 동향을 나타낼 수 있습니다. 예를 들어, 독일에서는 페달을 100%까지 계속 밟는, 고속도로 고속 주행을 자주 볼 수 있습니다. 싱가포르에서는 사람들이 더 천천히 그리고 부드럽게 운전하며, 40%를 넘어 페달을 밟는 것을 보기가 어렵습니다. 이러한 추세를 이해하면 엔지니어는 여러 지역에 대한 제어 전략을 커스터마이즈할 수 있습니다.

작은 팀이 큰 질문에 대답

유용한 결과를 제공할 때 성공에 대한 한 가지 척도는 우리 서비스에 대한 Daimler의 엔지니어와 관리자들의 수요가 증가하고 있다는 것입니다. 우리에게 요청이 쇄도하고 있습니다. 통합 MATLAB 환경에서 데이터베이스에 액세스하고 다중 분석을 수행하고 결과를 플로팅하고 통찰력 있는 보고서를 생산할 수 있는 것이 큰 이점입니다. 이는 우리 팀에 리소스를 쉽게 추가할 수 있음을 의미합니다.

엔지니어는 여러 응용 프로그램 대신 하나의 소프트웨어 패키지인 MATLAB만 알고 있으면 되므로 다양한 툴을 통합하는 데 시간을 낭비할 필요가 없습니다. 대신 유용한 결과를 얻습니다.

저희는 현재의 분석을 계속 수정하고 새로운 분석을 개발하여 연료전지 차량의 성능과 인프라에 대한 더 깊은 통찰력과 깊은 이해를 제공합니다.