Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2019235654 - PROCÉDÉ POUR CALCULER LA QUANTITÉ DE CONSOMMATION D'ÉNERGIE D'UN VÉHICULE EN UTILISANT UN APPRENTISSAGE PROFOND POUR METTRE EN ŒUVRE UNE RÉDUCTION DES ÉMISSIONS DE CARBONE

Numéro de publication WO/2019/235654
Date de publication 12.12.2019
N° de la demande internationale PCT/KR2018/006373
Date du dépôt international 04.06.2018
CIB
G01M 17/007 2006.1
GPHYSIQUE
01MÉTROLOGIE; TESTS
MTEST D'ÉQUILIBRAGE STATIQUE OU DYNAMIQUE DES MACHINES OU DES STRUCTURES OU DES OUVRAGES; TEST DES STRUCTURES, DES OUVRAGES OU DES APPAREILS, NON PRÉVU AILLEURS
17Test des véhicules
007Véhicules à roues ou à chenilles
G06N 3/08 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
08Méthodes d'apprentissage
G06N 3/04 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
04Architecture, p.ex. topologie d'interconnexion
G01C 21/26 2006.1
GPHYSIQUE
01MÉTROLOGIE; TESTS
CMESURE DES DISTANCES, DES NIVEAUX OU DES RELÈVEMENTS; GÉODÉSIE; NAVIGATION; INSTRUMENTS GYROSCOPIQUES; PHOTOGRAMMÉTRIE OU VIDÉOGRAMMÉTRIE
21Navigation; Instruments de navigation non prévus dans les groupes G01C1/-G01C19/106
26spécialement adaptés pour la navigation dans un réseau routier
G01S 19/01 2010.1
GPHYSIQUE
01MÉTROLOGIE; TESTS
SDÉTERMINATION DE LA DIRECTION PAR RADIO; RADIO-NAVIGATION; DÉTERMINATION DE LA DISTANCE OU DE LA VITESSE EN UTILISANT DES ONDES RADIO; LOCALISATION OU DÉTECTION DE LA PRÉSENCE EN UTILISANT LA RÉFLEXION OU LA RERADIATION D'ONDES RADIO; DISPOSITIONS ANALOGUES UTILISANT D'AUTRES ONDES
19Systèmes de positionnement par satellite à radiophares; Détermination de position, de vitesse ou d'attitude au moyen de signaux émis par ces systèmes
01Systèmes de positionnement par satellite à radiophares émettant des messages horodatés, p.ex. GPS , GLONASS ou GALILEO
CPC
G01C 21/26
GPHYSICS
01MEASURING; TESTING
CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
21Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
26specially adapted for navigation in a road network
G01M 17/007
GPHYSICS
01MEASURING; TESTING
MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
17Testing of vehicles
007Wheeled or endless-tracked vehicles
G01S 19/01
GPHYSICS
01MEASURING; TESTING
SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
19Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
01Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
G06N 3/04
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
Déposants
  • 데이터 엠 리미티드 DATA M LIMITED [CN]/[CN]
  • 피씨알시스템 주식회사 PCR SYSTEM CO., LTD. [KR]/[KR]
  • 주식회사 스마트에코 SMART ECO CO., LTD. [KR]/[KR]
  • 이영철 LEE, Yeong Cheol [KR]/[KR]
Inventeurs
  • 고광호 KO, Kwang Ho
  • 전진호 JEON, Jin Ho
  • 정승현 JEONG, Seung Hyun
Mandataires
  • 김영동 KIM, Young Dong
Données relatives à la priorité
Langue de publication Coréen (ko)
Langue de dépôt coréen (KO)
États désignés
Titre
(EN) METHOD FOR CALCULATING ENERGY CONSUMPTION AMOUNT OF VEHICLE BY UTILIZING DEEP LEARNING TO IMPLEMENT CARBON EMISSIONS REDUCTION
(FR) PROCÉDÉ POUR CALCULER LA QUANTITÉ DE CONSOMMATION D'ÉNERGIE D'UN VÉHICULE EN UTILISANT UN APPRENTISSAGE PROFOND POUR METTRE EN ŒUVRE UNE RÉDUCTION DES ÉMISSIONS DE CARBONE
(KO) 탄소배출량 저감을 이행하기 위한 딥러닝을 활용한 차량의 에너지 소모량 산출 방법
Abrégé
(EN) Disclosed is a method for calculating an energy consumption amount of a vehicle, in which: a data collecting device installed in a test vehicle that is actually running collects data by measuring, at every predetermined time interval, a speed of the test vehicle, an inclination angle of a road on which the test vehicle runs, and an actual energy consumption amount of the test vehicle; an artificial neural network server determines values of parameters applied to an artificial neural network when an output value, calculated by a learning process using the speed of the test vehicle and the inclination angle of the road on which the test vehicle runs as inputs of the artificial neural network, is within a predetermined error range as compared with the actual energy consumption amount of the test vehicle; and an artificial neural network energy consumption amount calculating device installed in a driving vehicle measures, at every predetermined time interval, a speed of the driving vehicle and an inclination angle of a road on which the driving vehicle runs, and calculates an energy consumption amount of the driving vehicle by using the speed of the driving vehicle and the inclination angle of the road on which the driving vehicle runs as inputs of the artificial neural network and by using the determined values of the parameters received from the artificial neural network server. A method for calculating an energy consumption amount of a vehicle, according to the present invention, can calculate the energy consumption amount of the vehicle more accurately and more flexibly by utilizing an artificial neural network, especially deep learning.
(FR) L'invention concerne un procédé de calcul d'une quantité de consommation d'énergie d'un véhicule, dans lequel : un dispositif de collecte de données, installé dans un véhicule de test qui fonctionne réellement, collecte des données en mesurant, à chaque intervalle de temps prédéterminé, une vitesse du véhicule de test, un angle d'inclinaison d'une route sur laquelle circule le véhicule de test et une quantité de consommation d'énergie réelle du véhicule de test ; un serveur de réseau neuronal artificiel détermine des valeurs de paramètres appliqués à un réseau neuronal artificiel lorsqu'une valeur de sortie, calculée par un processus d'apprentissage à l'aide de la vitesse du véhicule de test et de l'angle d'inclinaison de la route sur laquelle circule le véhicule de test en tant qu'entrées du réseau neuronal artificiel, se situe dans une plage d'erreur prédéterminée par comparaison avec la quantité de consommation d'énergie réelle du véhicule de test ; et un dispositif de calcul de quantité de consommation d'énergie de réseau neuronal artificiel installé dans un véhicule de conduite mesure, à chaque intervalle de temps prédéterminé, une vitesse du véhicule de conduite et un angle d'inclinaison d'une route sur laquelle circule le véhicule de conduite, et calcule une quantité de consommation d'énergie du véhicule de conduite en utilisant la vitesse du véhicule de conduite et l'angle d'inclinaison de la route sur laquelle circule le véhicule de conduite en tant qu'entrées du réseau neuronal artificiel et en utilisant les valeurs déterminées des paramètres reçues en provenance du serveur de réseau neuronal artificiel. Un procédé de calcul d'une quantité de consommation d'énergie d'un véhicule, selon la présente invention, peut calculer la quantité de consommation d'énergie du véhicule de manière plus précise et plus flexible en utilisant un réseau neuronal artificiel, en particulier un apprentissage profond.
(KO) 실제 주행하는 실험 차량에 설치되는 데이터 수집장치에 의하여 미리 정해진 매 시간간격마다 실험 차량의 속도, 실험 차량이 주행하는 도로의 경사각 및 실험 차량의 실제 에너지 소모량을 측정하여 데이터를 수집하고, 인공신경망 서버는 실험 차량의 속도 및 실험 차량이 주행하는 도로의 경사각을 인공신경망의 입력으로 하는 학습과정에 의하여 산출된 출력값이 실험 차량의 실제 에너지 소모량과 비교할 때 미리 정해진 오차범위 이내가 될 때 인공신경망에 적용되는 매개변수들의 값들을 확정하며, 주행 차량에 설치되는 인공신경망 에너지 소모량 산출장치는 미리 정해진 매 시간간격마다 주행 차량의 속도, 주행 차량이 주행하는 도로의 경사각을 측정하고, 이것을 인공신경망의 입력으로 사용하고 인공신경망 서버로부터 수신한 확정된 매개변수들의 값들을 사용하여 주행 차량의 에너지 소모량을 산출하는 차량의 에너지 소모량 산출방법이 개시된다. 본 발명에 따른 차량의 에너지 소모량 산출 방법은 인공신경망, 특히 딥러닝을 활용함으로써 차량의 에너지 소모량을 더욱 정확하게 그리고 더욱 융통성 있게 산출할 수 있다.
Dernières données bibliographiques dont dispose le Bureau international