Neural Network-Based Modeling for Fuel Consumption Prediction of Vehicle

This paper presented neural network modeling method using vehicle data to predict fuel consumption. To acquire data for training and testing the proposed neural network, medium-class gasoline vehicle drove at downtown and parameters measured include speed, engine rpm, throttle position sensor (TPS), and mass air flow (MAF) as input data, and fuel consumption as target data from OBD-II port. Multi layer perception network was used for nonlinear mapping between the input and the output data. It was observed that the neural network model can predict the vehicle quite well with mean squared error was $1.306{\times}10^{-6}$ for the fuel consumption.

차량 연료 소모량 예측을 위한 신경회로망 기반 모델링

본 논문에서는 연료 소모량을 예측하기 위해 차량 데이터를 이용한 신경회로망 모델링 방식을 제안하였다. 제안한 신경회로망의 훈련과 시험 데이터를 획득하기 위해 시내를 중형 가솔린 차량을 주행하였고, OBD-II 포트에서 입력 데이터로 속도, 엔진 RPM, 쓰로틀 위치 센서(TPS), 흡기 공기량(MAF)을 측정하였고, 목표값으로 연료 소모량을 측정하였다. 입력과 출력 데이터의 빈선형 맵핑을 위해 다층 퍼셉트론 네트워크를 사용하였다. 신경회로망 모델은 평균 제곱오차가 $1.306{\times}10^{-6}$로 연료 소모량을 매우 잘 예측함을 확인하였다.