http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
양현준(Hyunjun Yang),장성현(Sunghyun Jang),이광언(Gwangeon Lee),김경현(Kyunghyun Kim),성동환(Donghwan Sung),이정섭(Jungsub Lee),임원식(Wonsik Lim),차석원(Suk Won Cha) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
차량의 연비는 일반적으로 엔진의 토크와 속도에 의해 결정되는 연비 소모량과 직결되며 그렇기에 연비 예측 모델은 토크와 속도를 제어변수로 갖는다. 이러한 해석은 매우 효과적인 모델을 제시하나 노면의 상태나 기온, 운전자의 성향 등과 같이 예측하지 못하는 수많은 환경과 변수를 모두 반영하지는 않는다. 현실이 더 반영된 연비 모델을 만들기 위해서는 상기한 여러가지 요인을 모두 반영하는 것이 좋을 것이다. 하지만 이러한 모델은 매우 비효율적일 뿐만 아니라 상관관계가 존재하지 않는 요인이 포함될 경우 오히려 문제가 발생한다. 그렇기에 많은 요인 중 실질적으로 모델의 변수로 포함시켜야 할 요인이 무엇인지를 판별해는 요인 분석이 선행되어야 한다. 요인 분석이란 수많은 변수 중 종속 변수에 영향을 주는 독립 변수를 판별해내는 통계적 과정이다. 이러한 분석은 투자자가 투자대상을 물색하는 경우나 선거에서 유권자가 특정 대상에게 투표하는 원인 등 다양한 현상의 원인을 분석하는데 사용되고 있다. 최근에는 빅데이터를 활용하기 위한 방안으로 전통적인 통계적 방법론에 기계학습을 융합하여 요인 분석을 시도하는 사례가 증가하고 있다. 데이터를 효과적으로 사용하기 위해선 필요한 데이터와 불필요한 데이터를 선별하는 과정이 매우 중요하며 빅데이터에서는 그 중요성이 더욱더 강조되고 있는 상황이다. 규칙 기반 알고리즘의 경우 개와 고양이를 분류해내는 간단한 문제에서도 아무리 상세한 기준을 정의할지라도 결국 판단의 오류가 다수 발생하는 문제가 발생한다. 하지만 합성 곱 신경망을 활용한 심층학습은 귀납적으로 미세한 요인을 파악해 뛰어난 분류 능력을 자율 학습하는 것으로 알려져 있다. 이러한 기계학습 과정은 일종의 요인 분석 과정이며 주요인을 연역적으로 정의하기 힘든 상황에서 효과적으로 요인을 찾아내는데 활용될 수 있을 것으로 보인다. 본 연구에서는 차량의 다양한 인자의 실측데이터와 연비 결과로부터 기존의 접근 방식에서는 고려하지 못한 숨겨진 인자의 존재를 파악해보고자 한다. 이를 위해 연비에 대한 주요인을 찾기 위한 요인 분석을 진행하였으며 기존의 통계적 방법론과 더불어 기계학습을 사용한 요인 분석도 진행하였다. 그리하여 선정된 다수의 주요인을 이용하여 연비를 예측하는 심층 학습 기반 다중 회귀 모델을 제시하였으며 그 신뢰도를 평가해 보았다.