자율주행 대량 보급 위한 시스템 수준의 인증 및 검증 전략
2019년 03월호 지면기사  / 글│ 마이크 산타리니(Mike Santarini) 이사, 앤드류 매클로드(Andrew Macleod) 이사, Mentor, a Siemens business

지멘스는 OEM이 IC로부터 ECU 및 EE 네트워크는 물론 전반적인 차량 디자인에 이르기까지 자율주행차의 수많은 중첩 시스템을 신속하게 설계해 철저하게 테스트할 수 있는 수단을 제공한다. OEM 고객사는 모든 첨단 통합 차량 시스템의 디지털 트윈(digital twin)을 개발함으로써 자사 차량을 생산으로 들어가기에 앞서 신속하면서도 철저하게 테스트 및 개선할 수 있다. 이는 설계 주기를 줄여주며, 책임 문제를 일으킬 수도 있는 결함을 잡아준다. 이 글은 ECU/서브시스템/시스템 및 차량 설계에서의 시스템 수준 인증 및 검증의 문제점을 살펴본다


자동차 OEM들은 자율주행차 시장의 점유율을 높이기 위해 치열한 경쟁을 벌이고 있다. 이 시장은 2050년까지 7조 달러에 달하는 경제 규모에 도달할 잠재력을 갖고 있다. 하지만 이러한 경쟁에 뛰어드는 기업이 더욱 늘어나고 풍부한 기능과 “더 스마트한” 기술이 갈수록 증가함에 따라, 이 업계는 야심 찬 마케팅과 출시 일정보다는 개발 중인 시스템의 대량 보급에 앞서 그 안전성을 보장하는 데 신중을 기하게 됐다. 기업들이 자율주행차의 안전성을 확보하면서도 혁신을 통해 이를 주류화 하려면 차량을 구성하는 전자 시스템의 기능성과 신뢰성을 검증 및 인증할 수 있는 방법이 필요하다. 이러한 시스템을 인증하기 위해서는 상상할 수 있는 모든 환경 조건에서 수십 년까지는 아니라도 수년간에 걸친 테스트가 필요하다. 이를 위해 필요한 것이 가상 솔루션이다.

자동차 부문에서 지멘스의 미션은 OEM과 공급사 및 신생기업을 비롯한 자동차 부문 고객사들이 자율주행차의 양산으로 전환해 7조 달러 규모에 달하는 잠재 시장의 한 부분을 차지할 수 있도록 지원하는 것이다. 포브스는 이러한 추정 규모 조차도 과소평가된 수치일 수 있다고 예상한다. 지멘스의 자율주행차 개발환경을 통해 OEM은 자율주행차를 구성하는 최첨단의 통합 시스템을 보다 효율적이고 총체적으로 설계, 제조 및 테스트할 수 있다.

지멘스는 OEM이 IC로부터 ECU 및 EE 네트워크는 물론 전반적인 차량 디자인에 이르기까지 자율주행차의 수많은 중첩 시스템(이를 위해서는 궁극적으로 전기 분야와 기계 분야간 연결이 수반된다)을 신속하게 설계해 철저하게 테스트할 수 있는 수단을 제공한다. OEM 고객사는 모든 첨단 통합 차량 시스템의 디지털 트윈(digital twin)을 개발함으로써 자사 차량을 생산으로 들어가기에 앞서 신속하면서도 철저하게 테스트 및 개선할 수 있다. 이는 설계 주기를 줄여주며, 책임 문제를 일으킬 수도 있는 결함을 잡아준다.

본고에서는 ECU/서브시스템/시스템 및 차량 설계에서의 시스템 수준 인증 및 검증의 문제점을 살펴본다. 곧 나오게 될 IC 수준에서의 문제에 대한 백서에 관심이 있다면 언제라도 문의해 주기 바란다.

양산 자율주행 기술 구현과 시뮬레이션의 역할

오늘날의 중급 자동차에는 수백 개에 달하는 전자 시스템이 탑재돼 있다. 이러한 시스템의 수와 복잡성은 차량의 세대가 바뀔 때마다 늘어나고 있다. 시스템은 자율주행 시 고도의 신뢰성을 제공할 뿐만 아니라 차량 전체라는 맥락에서 작동해야 하며 비교적 높은 미래 경쟁력도 갖춰야 한다. 이 업계는 지속적으로 스마트시티 및 스마트하이웨이를 지향하고 있으며, 차량이 다른 차량과의 통신(V2V)은 물론 인프라와도 통신(V2I)하게 되는 레벨 5(완전 자동화) 자율주행으로 나아가고 있기 때문이다. 토요타의 사장이자 창립자의 손자이기도 한 토요다 아키오(Akio Toyoda)는 자율주행차의 안전성을 증명하기 위해서는 시뮬레이션을 포함해 142억 킬로미터에 달하는 주행 테스트가 요구된다고 말한다. 그렇다면 귀사의 자동차 주행기록계에는 마일 수가 어느 정도까지 표시돼 있는가?

서플라이어와 OEM은 이러한 전자 시스템을 부품, ECU/시스템 및 차량 복합 시스템(SoS: system-of-system)과 같은 모든 수준에서 테스트한 뒤에 비로소 보급에 나서야 한다. OEM이 자사의 제품 라인에 제공하게 되는 수많은 다양한 구성들과 시스템이 차량의 어느 부분에 탑재되는 지(종종 엔진 블록 근처나 진동하는 물체 가까운 곳)를 고려할 경우 문제는 더욱 복잡해진다. 모든 자동차 시스템을 가능한 모든 주행조건에서 테스트해야 하므로 상황은 더욱 복잡해진다. 여기에는 다양하고 극단적인 기후 조건은 물론 운전자의 주행 스타일까지도 포함된다. 또한 이러한 시스템들은 궁극적으로 다른 차량 및 인프라와의 연계라는 맥락에서 테스트 돼야 한다.

그렇다면 어떻게 해야 이러한 시스템을 충분히 테스트할 수 있을까? 해결책은 이들을 가상환경에서 초가속 상태로 테스트하는 것이다. 좀 더 구체적으로 말하자면, 각 시스템의 디지털 트윈을 제작해 이들 각자와 통합된 전체에 대해 시뮬레이트 된 테스트를 수행한 뒤에 이들을 물리적 세계에서 제작해 테스트하는 것이다. 그 구현 방법은 무엇일까?

센서 모델링 문제

자율주행차는 눈과 귀 역할을 해줄 다양한 센서들을 필요로 한다. 오늘날의 일반적인 자동차(자율주행 방식이 아닌 운전자 지원 기능 몇 가지 정도를 갖춘)에는 센서가 60~100개 정도 탑재돼 있으며, 그 수는 자동차가 “더욱 스마트”해짐에 따라 계속 증가할 것이다. BCC Research에서 차량용 센서의 세계시장 규모가 2016년 263억 달러에서 2021년 433억 달러에 이르게 될 것으로 예측하고 있는 것은 이 때문일 것이다. 이 모든 센서 중에서도 자율주행에 필수적인 요소로서 두드러지는 것은 라이더(Light Detection and Ranging), 레이더 및 이미지 카메라 세 종류다.



어느 한 종류의 센서만으로는 모든 기후 및 조명 조건에서 모든 기능 요건을 충족시킬 수 없다. 따라서 대부분의 기업들은 이러한 센서들의 조합을 추구함으로써 차량 주변의 360도 비전을 생성한다.

라이더는 펄스 레이저 형태의 빛을 이용해 거리를 매우 정확하게 측정해낸다. 레이더는 물체의 감지 및 추적에 사용된다. 예를 들어, 자동차의 속도와 방향은 물론 물체와의 거리 및 각도까지도 알아낸다. 레이더는 라이더만큼의 상세 정도를 제공하지는 않지만 악천후 조건에서 훌륭한 성능을 발휘하는 보완적 기능이다. 자율주행에는 이 두 가지 기능이 모두 필요하다. (엘론 머스크의 테슬라처럼 카메라와 레이더 및 초음파 센서만으로 완전한 자율주행을 추구하는 경우는 주목할 만한 특이 사례라 하겠다.)

카메라 센서 기술은 이미지 인식에 필요한 질감, 색상 및 대비 정보를 얻기 위해 사용된다. 카메라는 차량의 내부 및 외부에 있는 물체를 분류하기 위한 주요 기술이다. 많은 기업들이 카메라와 레이더(라이더가 아닌)를 자사의 자율주행 자동차에 사용하고 있다.

라이더 시스템, 레이더 및 카메라의 설계 목표에서 주된 중점이 되는 것은 크기 축소와 비용 절감을 달성하면서도 다양한 수준의 자율주행을 지원하는 데 필요한 해상도 및 거리 요건을 희생하지 않는 것이다. 또한 이 센서들은 통합된 상태에서도 자동차 환경과 모든 기상 조건에서 신뢰성 있게 기능해야 한다.

그러나 폼팩터 축소와 신호처리를 위한 기능 통합 같이 요망되는 설계 목표는 원치 않는 열 축적을 야기해 센서의 성능과 신뢰성에 악영향을 미칠 수 있다. 이처럼 달갑지 않은 효과가 발생할 수 있으므로 궁극적인 레벨 4 및 레벨 5 차량의 구현에 극히 중요한 센서 크기(및 비용)를 줄이려는 노력이 저지될 수 있다.

센서의 열 특성을 신뢰성 있게 추정하면 하드웨어 엔지니어가 원하는 크기(및 그에 따른 비용) 축소를 달성하는 데 도움이 될 수 있다. 센서 전자장치와 그 인클로저를 설계할 경우 열 문제를 신경 쓰는 한편, 이들의 차량 탑재 위치를 고려한다면 원하는 크기(및 비용) 축소를 달성하면서도 원치 않는 핫스팟으로 인해 센서 수명이 위협 받는 일을 피할 수 있다. 그림 2는 설계/프로토타이핑 초기 단계부터 자율주행차의 라이더 디자인에 대해 신뢰성 있는 열 시뮬레이션을 수행하고 이들의 차량 탑재 위치를 고려해야 함을 보여준다.



헤드라이트에 반도체 라이더를 통합시킬 경우에도 라이더의 열 점유면적에 추가적인 문제를 야기해 라이더의 성능에 영향을 미칠 수 있다. 이로 인해 헤드라이트가 뿌옇게 되거나 결빙될 수 있다. 라이더 및 헤드라이트 벤더는 설계 중심의 헤드라이트 설계 시뮬레이션 기능인 FloEFD™를 통해 이처럼 구체적이면서도 독특한 문제들을 해결할 수 있다.

이와 마찬가지로 비전 센서, 그 중에도 특히 카메라의 경우, 열 축적으로 인해 화소가 어두워져 화질이 열화될 수 있다. 다기능 전자장치에 대한 신호처리 요구의 증가는 온도를 상승시켜 전력소비에 더욱 큰 영향을 미칠 수 있다. 그 최종 결과는 센서의 출력 품질과 데이터의 신뢰성에 부정적인 영향을 미칠 수 있다.

자율주행차에서 센서의 동작은 극히 중요하기 때문에 센서 전자장치의 설계에서 신호 무결성도 보장해야 한다. 전자기 간섭은 레이더에서 극복해야 할 커다란 문제이다. 엔지니어들은 지멘스 자율주행차 개발 환경의 일부인 멘토의 HyperLynx®와 Xpedition® AMS의 결합을 통해 전력 무결성과 전자기 호환성(EMC)에 필요한 고려사항을 갖춘 전자장치를 설계할 수 있다. 설계 팀은 이러한 툴을 이용해 ECU 버스 구조와 신호 주파수를 최적화함으로써 강력한 전자기 호환성을 극대화 할 수 있다.

앞서 언급했듯이, 자율주행을 실현하기 위해서는 이 모든 센서 기술들이 필요하다. 게다가 스마트 차량은 물체들의 속도와 이들간의 거리 외에 목적지에 도달하기 위한 가장 에너지 효율적이고 안전한 경로를 결정해야 한다. 따라서 데이터 프로세싱은 물론 이러한 시스템들을 보다 대형 차량이라는 맥락과 이들이 작동하게 될 수많은 환경에서 어떻게 연결시키고 테스트할 것인지도 고려해야 한다.

더 스마트한 차량을 위한 환경 및 트래픽 시나리오 모델링

현재 ADAS 기능을 갖춘 많은 차량들은 낮은 클럭 속도와 제한적인 메모리로 작동하면서 상당히 간단한 코드를 실행하는 비교적 단순한 컴퓨터를 사용하고 있다. 대부분의 센서 모듈은 8~16비트의 프로세서를 내장하고 있다. 이 프로세서들은 미가공 데이터에 대해 계산을 수행한 뒤 처리된 데이터의 일부를 충돌제어, 크루즈 컨트롤(cruise control) 등과 같은 하이엔드 시스템으로 넘겨준다. 이런 종류의 분산 컴퓨팅 아키텍처에서는 데이터 프로세싱이 각 센서 노드에서 이루어지기 때문에 안전에 필수적인 정보를 전달할 때 대기시간이 발생하고 비용 및 전력소비가 증가하는 문제가 있다.

파워트레인 공급사 보그워너(Borg Warner)의 데이터에 따르면, 블룸버그의 2017년도 기사에서 “자율주행 기술의 전력소모가 엄청나다”고 밝히고 있다. “오늘날의 완전 자율주행 시스템 프로토타입 중 일부는 전기 소비량이 2~4 kW에 달하는데, 이는 노트북 50~100대를 트렁크 안에서 지속적으로 작동시키고 있는 것과도 같다”고 했다.

분산형 아키텍처는 이처럼 과도한 전력 요구와 전반적인 시스템의 복잡성 때문에 비효율적이며, 운전자가 필요 없는 레벨 5 자율주행 기술로 확장되기 힘들다. 레벨 5 차량의 시대가 오면 컴퓨팅 장치들이 일반적으로 임무 수행에 필수적인 모든 자율주행 시스템으로 해금 동일하고 완전한 데이터 세트를 액세스할 수 있도록 해주리라는 데 대부분 동의하고 있다.

멘토의 알고리즘은 바로 그 같은 일을 수행한다. DRS360은 상이한 유형과 포맷(2D, 3D, ADC 등)으로, 그리고 다양한 프레임 속도로 제공되는 센서 데이터를 해당 자동차의 주변 환경에 대한 시공간적으로 동기화된 하나의 뷰로 결합시킨다. 여기에는 공간적 위치, 속도 및 인근 물체들에 대한 정보가 포함돼 있다. 멘토가 수십 개 이상 보유하고 있으며 그 수 또한 계속 늘어나고 있는 이러한 소프트웨어의 효율성은 신경망 적용을 통해 최대 전력소비가 100 W에 불과하며 이 값은 사실상 더욱 낮아질 수 있다.

DRS360 하드웨어에는 미가공 데이터의 융합을 위한 Xilinx Zynq FPGA와, ADAS 및 자율주행 기능을 위한 SoC, 그리고 차량 네트워크 게이트웨이에서의 데이터 취급을 위한 MCU(Infineon의 안전 시스템용 마이크로컨트롤러와 같은)가 포함돼 있다. SoC는 ARM 또는 x86 기반이며, 그 코어 알고리즘은 수정해 자동차 제조업체, 서플라이어 및 기타 벤더들의 소프트웨어와 결합시킬 수 있다.



또한 이 시스템은 규모에 맞게 설계돼 있다. 에지 노드 프로세싱의 최소화에 따른 이점은 차량 주변의 센서 수가 급증함에 따라 더욱 분명히 드러난다. 스트래티지 애널리틱스(Strategy Analytics)의 자동차 전장 부문 디렉터 이안 리치(Ian Riches)는 2017년 IEEE Specrum에서 “장비가 매우 흔해져 중앙집중화를 통해 비용, 성능, 혁신 및 차별화 면에서 이점을 가져올 수 있게 되면 티핑 포인트에 도달한다”고 멘토 제품에 대해 말했다.

중앙집중화된 시스템에는 또 다른 이점도 있다. OEM의 프로토타입 개발 및 생산장치에 대한 향상된 에뮬레이션이 바로 그것이다. 멘토의 플랫폼은 자율주행 시스템의 설계 시에 요구되는 방대한 수의 시뮬레이션을 실행하는 데 있어서도 유용할 가능성이 높다.

또한 보다 스마트한 융합 센서 시스템 전체를 실세계의 시나리오에서 테스트해야 한다. 지멘스 자율주행차 개발 환경의 또 다른 일부는 TASS International PreScan 환경이다. 이를 통해 고객사는 센서 시스템이 직면하게 될 다양한 주행 시나리오들을 시뮬레이트하고 DRS360의 지원 하에 센서 시스템이 강력해질 때까지 테스트하고 개선해 나갈 수 있다. PreScan-DRS360 시뮬레이션 제품은 2018년 봄에 발표되었다.

PreScan은 무제한적인 수의 잠재적 주행 시나리오와 교통 상황 및 기타 파라미터에 대해 매우 사실적인 물리 기반의 시뮬레이트된 미가공 센서 데이터를 생성한다. PreScan의 시뮬레이트된 라이더, 레이더 및 카메라 센서에서 생성되는 데이터는 DRS360 플랫폼에 입력되며, 여기에서 실시간으로 융합돼 차량의 환경과 주행 조건에 대한 고해상 모델을 생성한다.



그러면 고객사는 DRS360 플랫폼의 우수한 인식 해상도 및 고성능 처리 기능을 이용해 사물 인식과 주행 정책 같은 중요한 작업을 위한 독점적 알고리즘을 테스트해 개선할 수 있다. 궁극적으로, 이러한 툴의 조합은 Teamcenter®및 Polarion® 소프트웨어와의 결합을 통해 보다 폭 넓은 제품 수명주기 관리(PLM) 및 요건 관리 맥락에 사용된다.
지멘스 비즈니스의 TASS International 제품 디렉터인 마르틴 타이드먼(Martijn Tideman) 은 “최종적으로는 실제 도로 상에서 일어날 수 있는 모든 상황의 99.99999%를 커버할 수 있다고 생각한다”고 말했었다.

모든 것을 한데 묶어 테스트하는 와이어 하니스 모델

이 센서 시스템들은 서로 소통해야 하며, 자동차 전장 시스템의 나머지 부분들에 연결돼야 한다. 시스템과 이들을 연결시키는 와이어가 와이어 하니스라고 불리는 개체를 구성하는데, 이는 차량의 무게를 크게 증가시킨다(따라서 성능과 연료 효율에 영향을 미친다).

하니스에 포함돼 있는 특수한 차량용 버스는 파워트레인, 센서 네트워크 및 인포테인먼트와 같은 특정 서브시스템용의 통신망 역할을 한다. 공통 통신망에는 CAN(Controller Area Network), LIN(Local Interconnect Network) 및 차량용 이더넷이 포함돼 있다. 전기전자(E/E) 시스템 설계의 절충사항은 개발 과정 초기에 평가함으로써 복잡한 문제를 처리하고 설계 전반을 최적화하는 데 도움을 주도록 해야 한다. 차량의 기능들은 갈수록 더 상호 연결되고 있어 이미 고도로 분산돼 있는 네트워크의 복잡성이 더욱 커지고 있다. 내결함성 문제가 갈수록 더 중요해짐에 따라 네트워크의 부하 분산도 고려해야 한다.

말할 것도 없이, 하니스 전체가 완벽한 통신 및 전기적 연결성을 갖도록 제작하고 광범위하게 테스트해야 한다. 지멘스의 자율주행차 개발 환경에 포함돼 있는 멘토의 전기전자 아키텍처, 통신 및 연결성 툴(Capital, VSA 및 VeSys®)은 설계 프로세스의 단축과 제품 비용 절감 및 제품 품질 향상을 지원한다(그림 5).



멘토의 툴은 모델 기반의 설계 패러다임을 수용하고 있다. 예를 들어, Capital로 시스템 아키텍처를 정의한 뒤 측정 및 디자인 룰 점검을 수행하고, 다수의 잠재적인 아키텍처를 비교 및 대조해 플랫폼 디자인이 원래의 의도를 충족시키도록 할 수 있다. 그러고 나서 이 툴은 전기 시스템을 해당 차량을 대표하는 토폴로지 레이아웃에 자동적으로 통합시킬 수 있다. 디바이스와 시스템 디바이스는 자동적으로 배치 및 상호연결되며, 와이어링 시스템 전체가 업체에서 소프트웨어에 내장한 룰과 제약사항을 이용해 자동 생성된다. 그 결과, 그 동안 수개월이나 걸리던 설계 작업을 이제는 몇 시간 또는 며칠 안에 달성할 수 있으며, 무엇보다도 중요한 점은 설계를 개발과 동시에 검증할 수 있다는 점이다. 데이터를 프로그램, 그리고 제조 및 서비스의 다운스트림 프로세스에 재사용할 수 있다. 또한 지멘스 NX와의 쌍방향 XML 기반 통합은 갈수록 더 강력해지고 있어 ECAD 및 MCAD 설계 팀 간에 보다 손쉬운 협력을 촉진시킨다.

지멘스의 자율주행차 개발 환경을 통해 자동차 OEM과 서플라이어 고객들은 자동차 내의 수많은 시스템의 디지털 트윈을 작성해 첨단 부품, 시스템 및 차량 전체를 개발한 뒤 이 부품과 시스템을 소프트웨어 기반의 시뮬레이션에서 테스트한 후 생산 단계로 나아갈 수 있다. 간단히 말해서, 우리의 고객사는 이를 통해 자율주행차 개발에 있어서 더 스마트하고 효율적이 될 수 있으며, 궁극적으로는 레벨 4/5 차량의 대량 보급을 향해 경쟁사보다 빠르고 안전하게 나아갈 수 있다.
 



<저작권자 © AEM. 무단전재 및 재배포, AI학습 이용 금지>

PDF 원문보기

본 기사의 전문은 PDF문서로 제공합니다. (로그인필요)
다운로드한 PDF문서를 웹사이트, 카페, 블로그등을 통해 재배포하는 것을 금합니다. (비상업적 용도 포함)

  • 100자평 쓰기
  • 로그인


  • 세미나/교육/전시

TOP