VANGUARD

DLT 아키텍처 구성과 로그 수집 체계DLT 모듈은 차량 시스템의 실시간 로그 수집과 분석을 위한 포괄적인 프레임워크를 제공합니다. 이 시스템의 핵심 구조는 Log Producer, Log Collector, Log Viewer로 구성되며, 각각이 유기적으로 연결되어 효율적인 로그 처리를 수행합니다. Log Producer는 각 애플리케이션과 모듈에서 발생하는 로그 메시지를 수집하고, 표준화된 포맷으로 변환하여 전송합니다. 이 과정에서 로그 레벨 필터링, 타임스탬프 부여, 그리고 메시지 압축 등의 전처리 작업이 수행됩니다.Log Collector는 여러 ECU로부터 수집된 로그 데이터를 통합 관리하며, 로그 저장소와 네트워크 전송을 담당합니다. 실시간 로그 스트리밍 기능을 통해 개발자는 운행 중인 차량의..

계층 구조 진화와 모듈 간 상호작용COMStack의 계층 구조는 차세대 차량 통신 요구사항에 맞춰 지속적으로 발전하고 있습니다. 기존의 고정적인 계층 구조에서 탈피하여 동적 구성이 가능한 유연한 아키텍처로 변화하고 있으며, 이를 통해 다양한 통신 프로토콜과 네트워크 토폴로지를 효율적으로 지원할 수 있습니다. 특히 Com 모듈의 역할이 확대되어 단순한 신호 전송을 넘어 복잡한 데이터 융합과 변환 기능을 수행하게 되었습니다. 또한 PduR 모듈의 라우팅 기능이 강화되어 멀티 네트워크 환경에서의 효율적인 데이터 중계가 가능해졌습니다.모듈 간 인터페이스 설계에서는 콜백 기반 비동기 통신 방식이 도입되어 시스템 응답성이 크게 향상되었습니다. 이전의 폴링 기반 방식에서 벗어나 이벤트 기반 처리를 통해 CPU 사용률..

ara::com 프레임워크와 SOME/IP-SD 통합Adaptive Platform의 서비스 디스커버리는 ara::com 프레임워크를 통해 구현되며, SOME/IP-SD 프로토콜을 기반으로 동작합니다. 이 구조에서 서비스 제공자는 자신의 서비스를 네트워크에 광고하고, 서비스 소비자는 필요한 서비스를 검색하여 동적으로 바인딩합니다. ara::com의 Proxy-Skeleton 패턴을 통해 서비스 인터페이스를 추상화하며, 개발자는 복잡한 네트워크 통신 세부사항을 신경 쓰지 않고도 서비스를 개발할 수 있습니다. 서비스 매니페스트 파일을 통해 서비스 메타데이터를 정의하고, 이를 바탕으로 컴파일 타임에 Proxy와 Skeleton 코드가 자동 생성됩니다.SOME/IP-SD 프로토콜은 UDP 멀티캐스트를 활용하여 ..

AI 추론 엔진 통합 아키텍처Machine Learning 인터페이스는 차량 임베디드 시스템에서 AI 모델의 실행과 관리를 담당하는 핵심 컴포넌트입니다. 이 인터페이스의 설계에서 가장 중요한 고려사항은 다양한 AI 프레임워크와의 호환성을 보장하면서도 실시간 성능을 만족하는 것입니다. TensorFlow Lite, ONNX Runtime, OpenVINO 등의 추론 엔진을 플러그인 형태로 지원하여 모델 포맷에 관계없이 동일한 API를 통해 추론 서비스를 제공할 수 있습니다. 또한 하드웨어 가속기 지원을 통해 GPU, NPU, DSP 등의 전용 연산 유닛을 활용하여 추론 성능을 최적화할 수 있습니다.모델 로딩과 초기화 과정에서는 메모리 효율성과 시작 시간을 최적화하는 것이 중요합니다. 모델 파일의 압축과 지..

Persistency 아키텍처와 저장소 추상화Persistency 서비스는 차량 설정 데이터를 안전하고 효율적으로 관리하기 위한 포괄적인 스토리지 추상화 계층을 제공합니다. 이 서비스의 핵심 구조는 Key-Value Store, File Storage, Persistent Shared Memory로 구성되며, 각각 다른 데이터 특성과 접근 패턴에 최적화되어 있습니다. Key-Value Store는 작은 크기의 설정 값들을 빠르게 읽고 쓸 수 있도록 설계되었으며, 사용자 개인화 설정이나 시스템 파라미터 저장에 적합합니다. File Storage는 대용량 데이터나 구조화된 문서 형태의 정보를 효율적으로 처리할 수 있어 로그 파일이나 진단 데이터 저장에 활용됩니다.저장소 추상화를 통해 애플리케이션 개발자는 하..

세션 관리와 보안 액세스 제어DCM의 세션 관리는 진단 서비스의 접근 권한을 제어하는 핵심 메커니즘입니다. Default Session, Programming Session, Extended Session 등 다양한 세션 타입을 통해 진단 기능을 단계별로 제한할 수 있습니다. Default Session에서는 기본적인 차량 정보 조회만 가능하며, Extended Session으로 전환하면 실시간 데이터 스트리밍과 액추에이터 제어가 허용됩니다. Programming Session은 소프트웨어 업데이트와 같은 중요한 작업을 위해 최고 수준의 권한을 제공합니다. 각 세션 간 전환 시에는 엄격한 인증 절차를 거쳐야 하며, 세션 타임아웃 설정을 통해 보안을 강화할 수 있습니다.보안 액세스 제어는 Seed & Ke..

Service Discovery 프로토콜 구조와 동작 원리SOME/IP-SD(Service Discovery) 프로토콜은 차량 이더넷 환경에서 서비스의 동적 검색과 구독을 담당하는 핵심 메커니즘입니다. 이 프로토콜은 UDP 멀티캐스트를 활용하여 네트워크 상의 모든 ECU가 효율적으로 서비스 정보를 교환할 수 있도록 설계되었습니다. Service Discovery 메시지는 Find Service, Offer Service, Subscribe, Subscribe Acknowledge 등의 타입으로 구분되며, 각각 고유한 역할을 수행합니다. Find Service 메시지를 통해 클라이언트는 필요한 서비스를 검색하고, Offer Service 메시지를 통해 서버는 제공 가능한 서비스를 광고합니다.Entry 구조..

인터페이스 계층 구조와 추상화 전략CAN Interface(CanIf)와 LIN Interface(LinIf)는 하위 레벨 드라이버와 상위 레벨 통신 스택 사이의 중요한 추상화 계층을 형성합니다. 이러한 인터페이스 설계에서 핵심적인 고려사항은 하드웨어 의존성을 최소화하면서도 성능을 최적화하는 것입니다. CanIf의 경우 다양한 CAN 컨트롤러 하드웨어의 차이점을 추상화하여 상위 레이어에서 일관된 API를 사용할 수 있도록 해야 합니다. 특히 메시지 버퍼 관리, 인터럽트 처리, 그리고 오류 상태 보고에서 하드웨어별 차이점을 효과적으로 숨기는 것이 중요합니다.LinIf 설계에서는 마스터-슬레이브 통신 구조의 특성을 고려한 추상화가 필요합니다. 마스터 노드에서는 스케줄 테이블 관리와 슬레이브 노드 상태 모니터..

Signal Group 구성과 데이터 패킹 전략Com 모듈의 Signal Processing 성능을 좌우하는 핵심 요소는 Signal Group의 효율적인 구성입니다. 관련된 신호들을 논리적으로 그룹화하여 하나의 PDU에 패킹하면 전송 효율성과 처리 성능을 크게 향상시킬 수 있습니다. 예를 들어, 엔진 상태 정보인 RPM, 온도, 압력 신호를 하나의 Signal Group으로 구성하면 개별 신호 처리 대비 CPU 사용량을 30% 이상 절약할 수 있습니다. 또한 Signal Group 내에서 업데이트 빈도가 유사한 신호들을 배치하여 불필요한 전송을 최소화할 수 있습니다.데이터 패킹 최적화에서는 신호 크기와 정렬을 고려한 메모리 레이아웃 설계가 중요합니다. 8비트 경계에 맞춰 신호를 배치하고, 패딩 비트를 ..

Mirror ECU와 Gateway ECU의 아키텍처 차이점Mirror ECU와 Gateway ECU는 차량 네트워크에서 서로 다른 역할을 수행하는 중요한 구성 요소입니다. Mirror ECU는 주로 진단 및 개발 목적으로 사용되며, 네트워크 상의 모든 트래픽을 수집하고 미러링하여 외부 분석 도구나 테스트 시스템에 전달합니다. 이러한 구조를 통해 실제 운행 중인 차량의 네트워크 상태를 실시간으로 모니터링할 수 있으며, 동시에 원본 네트워크에 영향을 주지 않고 데이터를 수집할 수 있습니다.Gateway ECU는 서로 다른 네트워크 도메인 간의 데이터 교환을 중개하는 역할을 담당합니다. 파워트레인, 섀시, 바디, 인포테인먼트 도메인 간의 통신을 관리하며, 각 도메인의 프로토콜 차이를 해결하고 보안 정책을 적..