실제 도로 연비 객관화를 위한 운전자 연비 지수 개발 기초 연구

1. 서 론

전 세계적으로 석유자원 고갈 및 기후 변화 대응을 위해 자동차 배출가스 및 연비의 규제가 강화되고 있다.¹⁾ 자동차의 연비는 주행 거리와 연료 소모량의 비율로 정의되며,²⁾ 운전자에겐 구매, 차량 유지 등의 객관적인 지표가 되며, 자동차 관련 기관 및 회사에겐 연비 규제를 충족시키기 위한 기술 개발유도나 에너지 관리 지표의 역할을 하고 있다.³⁾

이러한 연비의 객관성을 위하여 차량의 표시 연비 제도가 있으나 소비자의 체감 연비와 표시 연비에 차이가 있다는 불만이 지속적으로 제기되어, 2012년 미국의 5-cycle 시험 방법을 통한 연비 측정 방법을 국내 기준에 맞게 재설정하여 도입하였으며, 이를 통해 기존 표시 연비 대비 약 20 % 가량의 하향 조정된 것으로 나타났다.^3,4)

하지만 자동차전문 리서치회사에서 2013년 1년 동안 새 차를 구매한 소비자들의 체감 연비를 조사한 결과, 도심 연비는 공인 연비의 85.7 %, 고속도로 연비는 공인 연비의 88.8 % 체감율을 보인다.⁵⁾

5-cycle 보정식 도입에도 불구하고 여전히 공인연비와 체감연비의 격차는 존재하고 있어, 이를 해소하기 위한 방법이 필요한 상황이다.

이러한 연비 격차의 요인으론 선행 연구를 통해 운전자 성별, 운전 패턴, 경사도, 커브길 등과 같은 도로 환경, 차량 무게, 공조기 사용 여부 등의 변수들이 있다는 것을 알 수 있다.^6,7)

각 변수들의 영향력을 감안하지 않을 경우 연비 격차는 계속 존재할 수 있다. 이러한 격차 해소를 위해 본 연구는 도로 환경 요인과 운전자의 영향 정도를 보정 및 객관화하여 실연비 산정을 위한 운전자 연비 지수를 정의하는 기초 연구로 수행되었다.¹²⁾

2. 운전자 연비 지수 정의

본 연구에서의 운전자 연비 지수 정의를 위한 변수 선정 결과를 제시하고, 정속 출력 대비 가감속이 반영된 실제 주행 출력의 비율로 정의된 MAW 출력 비율 지수와, 실제 주행 일과 정속 주행 일의 비율로 정의된 정속 운전 지수라는 2가지 운전자 연비 지수를 정의하였으며, 자세한 내용은 다음과 같다.

2.1 데이터 취득

본 연구는 OBD(On Board Diagnostics, 운행기록 자기 진단 장치) II 장치를 이용해 얻을 수 있는 속도, 엔진 rpm(revolution per minute, 매분 회전수) 등과 같은 주행 변수를 통해 운전자 연비 지수를 정의하고자 하였다. 주행 변수로 연비 지수를 정의할 경우 차량 특성 상 OBD II장치를 이용하더라도 연비 값을 취득할 수 없는 차량에 대해서도 운전자의 연비 운전 정도를 판단하거나 연비 값을 추정 할 수 있는 장점이 있다.

본 연구에서는 국내 중형 세단 차량 한 대에 대해 연비 인증 실험 방법인 5-cycle 주행 실험과 실제 평탄한 조건의 도로 실험을 실시하여 속도, 가속도, 엔진 rpm, 단위 시간 당 연료 소모량 등을 취득하였으며, 엔진 rpm과 주행 토크 값을 통해 엔진 출력을 계산하여 활용하였다.

5-cycle 주행 모드 별 특성은 Table 1, 실험에 활용된 차량에 대한 제원은 Table 2에 정리 및 제시하였다.

Table 1

Characteristics of 5-cycle mode

Table 2

Characteristic of experiment vehicle

2.2 운전자 연비 지수 변수 선정

본 연구의 운전자 연비 지수는 추후 연비 값을 추정 및 보정하기 위한 지수로 활용하기 위함으로, 연비와 높은 상관성이 있는 변수로 지수를 정의하여 활용하고자 하였다. 이를 위해 실험실 조건에서의 5-cycle 실험과 실제 도로 조건에서의 실험을 진행하였다. OBD Ⅱ장치로 취득한 주행 변수와 단위 시간당 연료 소모량의 상관성 분석을 실시하여 Fig. 1과 같이 상관계수 r값을 확인하였다.

Fig. 1

Correlation analysis result of fuel consumption and each driving parameters : acceleration, speed, rpm and power

Fig. 1(a) 그래프는 5-cycle 실험 데이터의 주행 변수 별 상관계수 값을 제시하였으며, 출력 값이 가장 큰 값(r = 0.98)을 갖고, 속도가 가장 작은 값(r = 0.33)을 갖는 것을 확인 할 수 있다.

실제 도로 결과에 대한 상관계수 값은 Fig. 1(b)에 나타내었다. 5-cycle 결과와 같이 출력에 대한 값(r = 0.97)이 가장 크며, 속도에 대한 값(r = 0.32)이 가장 작은 것을 확인할 수 있다.

따라서 연료 소모량과의 상관성이 가장 큰 엔진 출력 값에 기반을 하여 운전자 연비 지수를 정의하였으며, 운전자 연비 지수의 정의는 다음과 같다.

2.3 MAW 출력 비율 지수

MAW 출력 비율 지수를 정의하기 위한 MAW(Moving Average Window, 이동 평균 구간) 분석 방법, MAW 출력 비율 지수 정의와 계산식 및 5-cycle 모드 별 경향은 다음과 같다.

2.3.1 MAW 분석

MAW 분석은 사용자가 정의한 Window(구간) 내의 평균을 계산하며, 일정 시간 단위로 이동하여 연속적인 평균 구간을 생성하는 분석 기법이다.⁷⁾

이러한 분석 방법으로 산출된 평균값들을 이은 선은 이동평균선(Moving Average Lines)이라 하며, 시간의 흐름에 따라 가장 오래된 변수를 빼고 새로운 변수를 추가하여 분석 가능하며, 변수들의 움직임을 부드럽게 만들어 추세를 알기 쉬운 지표로 전환시켜 주는 장점이 있다.⁸⁾

이 기법은 RDE(Real Driving Emission, 실제 도로주행 배출가스) 인증 데이터 분석에 많이 활용되며, 인증시험 주행 모드 운전 시 CO₂ 배출량의 50 % 값을 기준 값으로 정의한 뒤, 실제 도로 시험 시 차량이 기준 값에 도달하는 구간에 대한 시간을 초기 구간으로 설정하여 분석하게 된다.^9,10)

이동 평균 구간 분석을 활용할 경우 1회 시험으로 많은 계산 구간을 정의할 수 있어, 소수의 시험으로도 다양한 조건에서 배출 특성을 평가 할 수 있다는 장점이 있다.¹¹⁾

본 연구에서는 Window의 시간을 60초, 120초, 180초, 300초 및 RDE 분석 방법에 기반을 하여 주행 프로파일의 전체 연료 소모량의 반절이 되는 시점을 초기 Window 구간으로 설정한 시간에 대해 분석을 실시하였다.

RDE 분석 방법에 기반을 하여 Window 시간을 정의할 경우 모드마다 다르며, SC03 모드의 시간이 평균 271초로 가장 작으며 FTP75 모드의 시간이 평균 835초로 가장 큰 경향을 보였다.

2.3.2 MAW 출력 비율 지수 정의

MAW 출력 비율 지수는 Fig. 2와 같이 1초 단위로 이동하는 MAW 분석 방법을 활용하여, Window 내의 주행 출력과 Coast-down 값으로 계산되는, 정속주행에 필요한 엔진 출력 값의 비율들의 평균으로 정의하였다.

Fig. 2

Concept of MAW power ratio index

MAW 출력 비율 지수 계산을 위한 실제 주행 출력과 정속 출력 값의 비율을 R_i라 정의하였다. Window 선정 시간이 s초일 때 i번째 Window의 주행 시간은 t_i에서부터 t_i+s-1이며, 식 (1)과 같이 구간 i에 대한 R_i의 평균값을 계산한다.

$\[ A_i=\frac{1}{s}\sum _{i=1}^{S+i-1}{R}_i \]$

(1)

최종적으로 식 (2)과 같이 각 Window 별 계산 된 평균값들을 다시 한 번 평균 계산을 하여 MAW 출력 비율 지수를 계산하게 된다.

$\[ MAW\text{출력 비율 지수}=\frac{1}{n}\sum _{j=1}^n{A}_j \]$

(2)

n : 총window 수

MAW 출력 비율 지수는 실제 주행 결과 값과 기준 주행 결과의 비율 값으로 1에 가까울수록 최소한의 출력만 사용한 주행을 의미하여, 연비 운전을 한 기준 값으로 해석된다. 또한 1보다 작은 값은 내리막길, 타행 주행 등의 구간에서 일시적으로 나타나는 수치이다.

2.3.3 MAW 출력 비율 지수 경향

5-cycle 모드 중 FTP75 모드에 대한 주행 속도에 대한 주행 엔진 출력과 정속 출력의 비율을 Window 크기에 따라 비교하면 Fig. 3그래프와 같으며, Window 크기가 커질수록 출력 비율의 분포가 작아지며 평균으로 수렴하는 경향을 볼 수 있다.

Fig. 3

Trend of driving power on window times

평균으로 수렴될 경우 외부 변화 요인 등에 대해 영향을 받지 않고 안정적으로 데이터 처리가 가능하지만 변화 특성이 감쇄되어 순간적인 변화량 확인 및 분석에 어려움이 있다는 단점이 있다.

모든 5-cycle 모드에 대해 Window 크기 별 MAW 출력 비율 지수 경향은 Fig. 4와 같이 HWFET 모드의 지수 값이 가장 작은 것을 확인할 수 있으며, FTP75 모드에 비해 FTP75-cold의 지수 값이 상대적으로 큰 것을 볼 수 있다.

Fig. 4

Result of MAW power ratio index on window times

또한 HWFET 모드는 Window 시간의 변화에 따라 지수의 변화폭이 작은데 이는 주행 중 속도의 변화가 크지 않아 나타나는 현상이며, US06 모드는 급가감속 주행 상황을 모사한 모드로서 Window 크기가 작을수록 순간적인 급가감속 상황이 반영되어 다른 시간에 비해 지수 값이 상대적으로 큰 값을 갖게 된다.

2.4 정속 운전 지수

정속 운전 지수 계산을 위한 가정된 정속 주행 상황과 계산식은 다음과 같이 정의하였다.

2.4.1 가정된 정속 운전 상황

본 연구에서는 정속 주행을 Fig. 5와 같이 주행 시작과 끝 지점에 대해 가감속이 없으며, 모든 구간을 정속으로 주행하는 이상적인 상황으로 3가지 정속 운전 속도를 정의하였다.

Fig. 5

Example of driving speed profiles on FTP75 and HWFET

각 정속 속도 프로파일 중 ① 도로 제한 속도는 도심 도로와 고속도로에서의 제한 속도로 구분하여 정의하였으며, ② 전체 주행 프로파일의 평균 주행 속도를 평균 주행 속도로 정의하고, ③ 경제 운전 속도는 차량의 연비가 가장 좋은 속도로 정의하였다.

5-cycle 모드에 대해 도로 제한 속도의 경우, FTP75 모드 및 SC03 모드는 60 km/h, HWFET 모드 및 US06 모드는 100 km/h으로 정의하였으며, 평균 주행 속도는 각 모드의 평균 속도로 정의하였고, 실험 차량에 대한 경제 운전 속도는 70 km/h 으로 정의하였다.

2.4.2 정속 운전 지수의 정의

정속 운전 지수는 차량의 주행 시간동안 행한 일의 양에 기반을 하여, 전체 주행 프로파일을 정속 운전으로 가정 하였을 때 주행 일과 실제 주행 일의 비율로 식 (3)과 같이 정의하였다.

$\[ \text{정속운전지수}=\frac{Actual Driving W}{Cons.Driving W}=\frac{Avg.Power\times Total Time}{Cons.Power\times \frac{Total Distance}{Cons.Speed}} \]$

(3)

정속 운전 지수는 실제 주행 결과 값과 기준 주행 결과의 비율 값으로 1에 가까울수록 정속 주행에 가까운 주행을 의미하여, 연비 운전을 한 기준 값으로 해석된다.

또한 평균 주행 출력 값은 타행 주행이나 내리막길 등의 영향으로 일시적으로 정속 출력 값보다 작은 값들이 누적 될 경우 일시적으로 1보다 작은 지수 값을 가질 수 있다.

2.4.3 정속 운전 상황에 따른 정속 운전 지수 경향

3가지 정속 운전 상황에 대한 주행 일과 실제 주행 일의 경향은 Fig. 6과 같이 가정된 속도 및 주행 모드에 따라 주행 일이 다른 것을 볼 수 있다.

Fig. 6

Trend of driving work on each driving speed profiles

SC03 모드 일의 값이 최솟값을 가지는데, 상대적으로 다른 모드에 비해 짧은 주행 거리 및 시간을 갖고 있어 나타나는 경향이다.

HWFET 모드의 경우 실제 주행 일보다 도로 제한 속도와 평균 주행 속도의 일이 큰 것으로 나타났는데, 이는 실제 주행 속도의 최대 속도가 도로 제한 속도보다 작으며, 실제 주행 프로파일이 다른 모드에 비해 정속 주행에 비슷해 실제 주행 일이 작은 값을 가지는 경향의 결과로 보인다.

5-cycle 모드 별 가정된 정속 운전 속도에 따른 정속 운전 지수의 경향은 Fig. 7과 같이, HWFET 모드의 지수 값이 가장 작으며, FTP75 - cold 모드의 지수 값이 FTP75 모드와 비교 하였을 때 상대적으로 큰 것을 확인할 수 있다.

Fig. 7

Result of constant driving index classified by constant driving speed

운전 지수의 정의를 1에 가까울수록 이상적인 정속 운전을 하였다고 본다면, 실제 계산된 정속 운전지수는 1보다 크게 나오는 것이 일반적이다. 일시적으로 1보다 작을 수 있으나, 충분히 긴 주행 조건에서는 1보다 크게 나타날 것으로 기대된다.

Fig. 7의 HWFET에선 실제 주행의 평균 주행 속도로 정속 주행하는 것과 고속도로 제한 속도 100 km/h로 주행하는 것이 실제 주행에 비해 더 많은 출력과 연료를 소모하는 것을 볼 수 있다. 하지만 경제 운전 속도의 경우 실제 주행의 출력이 더 큰 값을 갖게 되어 1보다 큰 정속 운전 지수로 계산되는 것을 볼 수 있다.

따라서 5-cycle 모드와 정속 주행 속도에 상관없이 항상 1보다 큰 값을 가지게끔 계산되는, 경제 운전 속도를 정속 운전 지수의 주행 속도로 제안하고자 한다.

3. 운전자 연비 지수 검증

5-cycle 실험을 통해 측정된 연비는 차량의 공인 연비에 활용되는 수치로, 본 연구는 5-cycle의 연료 소모율과 운전자 연비 지수 관계를 회귀분석을 통해 검증하였다.

3.1 주행 모드 별 연료 소모율 경향

주행 모드 별 연료 소모율의 경향은 Fig. 8과 같이 고속에서 주행 속도의 변화가 크지 않은 HWFET 모드에 대한 연료 소모율 값이 가장 작으며, FTP75 모드에 비해 FTP75-cold 모드의 연료 소모율의 값이 상대적으로 큰 것을 볼 수 있다.

Fig. 8

Driving fuel consumption result of each 5-Cycle modes

운전자 연비 지수와 연료 소모율 관계는 3.2절에서 회귀분석 결과의 R² 값을 통해 설명하였다.

3.2 운전자 연비 지수 타당성 검증

본 연구에서 정의한 운전자 연비 지수 검증은 운전자 연비 지수와 차량의 연료 소모율의 회귀분석을 실시하여, 결정계수 R² 값으로 운전자 연비 지수의 타당성을 검증하였다.

큰 R²값을 가질 경우, 운전자 연비 지수와 연료 소모율 간 높은 상관관계를 가지고 있으며, 추후 운전자 연비 지수가 연료소모율 값을 대체 할 수 있는 값으로 정의하였다.

3.2.1 MAW 출력 비율 지수 검증

MAW 출력 비율 지수와 연료 소모율의 분포도를 Fig. 9그래프에 제시하였다.

두 변수의 상관관계가 높을수록 두 변수는 일직선 형태로 분포하고 있으며, 회귀 분석을 실시하였을 때 높은 결정계수 R² 값을 갖게 된다.

Fig. 9

Result of MAW power ratio index

결정계수 R² 값에 대한 MAW 출력 비율 지수는 Window 크기가 커질수록 R² 값이 감소하는 경향을 보인다. 60초에 대해 최댓값(R² = 0.86)을 가지며, 300초와 RDE 방식이 최솟값(R² = 0.78)을 가진다.

하지만 본 연구의 결과는 단 한 차종에 대한 결과이므로 Window 크기를 60초로 선정하기에는 실험차량의 종류 및 수에 한계가 있다. 추후 다양한 차종에 대해 실험 및 분석을 실시하여 적절한 Window 크기를 결정 할 예정이다.

3.2.2 정속 운전 지수 검증

정속 운전 지수에 대한 검증 결과는 Fig. 10의 그래프와 같이 정속 운전 지수와 연료 소모율의 분포에 따른 회귀 방정식과 결정계수 R² 값을 확인하였다.

Fig. 10

Result of constant driving index

경제 운전 속도에 대한 정속 운전 지수의 R² 값은 0.55로 나타났다. 현재 1대의 차종에 대한 결과 값이므로 추후에 다양한 차종과 도로 환경에 대해 추가실험과 분석을 실시하여, 해당 회귀식과 R² 값을 검토할 예정이다.

4. 결 론

• 1) 선행 연구를 통한 연비 영향 변수 정리 및 5-cycle 실험과 실제 도로 실험 데이터에 기반을 하여 연료 소모율과 상관성이 가장 큰 변수로 엔진 출력 값을 확인하였다.
• 2) 엔진 출력에 기반을 한 2가지 운전자 연비 지수, MAW 출력 비율 지수와 정속 운전 지수를 정의하였다.
• 3) MAW 출력 비율 지수는 Moving Average Window 분석 방법을 활용하여 계산된 주행 출력과 정속출력 비율의 평균값으로 정의하였으며, 정속 운전 지수는 전체 주행을 정속으로 주행 하였을 때의 주행 일과 실제 주행 일의 비율로 정의하였다.
• 4) 5-cycle 주행 실험 데이터에 기반을 하여 운전자 연비 지수와 연료 소모율 간 회귀분석의 결정계수 R²값을 통해 운전자 연비 지수를 검증하였다.
• 5) MAW 출력 비율 지수의 경우 60초의 R²값이 가장 우수하여 60초를 Window 크기로 1차 제안하였으며, 정속 운전 지수의 경우 경제 운전 속도를 기준으로 산정하는 것이 적절하였다.
• 6) 추후 다양한 차종 및 실제 도로 실험 데이터에 대해 추가적인 검토 후 최종적인 Window 크기를 결정 할 계획이며, 정속 운전 지수의 상관성을 추가 검토 할 예정이다.

Acknowledgments

본 연구는 산업통상자원부(MOTIE)와 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구과제입니다(No. 20152010103660).

References

• N. J. Jeon, H. J. Ham, K. Y. Jeong, and H. C. Lee, “Development of Eco-driving Monitoring Algorithm based Energy Efficiency”, KSAE Spring Conference Proceedings, p942-948, (2012).
• S. H. Choi, A. R. Jeong, B. S. Kim, J. K. Lee, and Y. S. Park, “A Study on Eco Index Calculation Method for Eco-Driving Judgments”, KSAE Annual Conference Proceedings, p478-483, (2011).
• K. W. Rho, and D. W. Shin, “A Study on Status Analysis and Reform of Vehicle Fuel Economy Rating System”, Korean Energy Economic Review, 11(1), p121-151, (2012).
• J. H. Lim, K. H. Kim, and M. H. Lee, “Study on Fuel Economy Characteristics by Cumulative Distance of Vehicle”, Journal of the Korea Society for Power System Engineering, 21(4), p57-61, (2017).
• Auto Insight, Difference Fuel Efficiency : Official Fuel Efficiency(10km/L) and Driving Fuel Efficiency(8.6km), http://www.autoinsight.co.kr (2017).
• G. Fontaras, N. G. Zacharof, and B. Ciuffo, “Fuel Consumption and CO₂ Emissions of Passenger Cars in Europe - Laboratory versus Real-world Emissions”, Progress in Energy and Combustion Science, 60, p97-131, (2017).
• J. H. Yoo, D. W. Kim, Y. S. Yoo, M. D. Eum, J. C. Kim, S. W. Lee, and D. S. Baik, “Study on the Characteristics of Carbon Dioxide Emissions Factors from Passenger Cars”, Transactions of KSAE, 17(4), p10-15, (2009).
• S. Y. Heo, Analysis of Slope Behavior by Moving Average Method, . S. Thesis, Chonnam National University, Gwangju, (2013).
• S. J. Kwon, S. I. Kwon, J. T. Lee, S. I. Oak, Y. H. Seo, S. W. Park, and M. S. Chon, “Data Evaluation Methods for Real Driving Emissions using Portable Emissions Measurement System(PEMS)”, Transactions of the Korean Society of Mechanical Engineers : B, 39(12), p965-973, (2015). [https://doi.org/10.3795/ksme-b.2015.39.12.965]
• S. I. Oak, M. D. Eom, J. T. Lee, J. H. Park, J. C. Kim, and M. S. Chon, “Characteristics of Real-road Driving NOx Emissions from Korean Light-duty Vehicles regarding Driving Routes”, Transactions of KSAE, 23(1), p130-138, (2015). [https://doi.org/10.7467/ksae.2015.23.1.130]
• J. H. Park, J. T. Lee, S. M. Kim, J. S. Kim, and K. H. Ahn, “The Characteristics of Driving Parameters and CO₂ Emissions of Light-Duty Vehicles in Real-Driving Conditions at Urban Area in Seoul”, Journal of Climate Change Research, 4(4), p359-369, (2013).
• S. W. Choi, T. H. Ha, J. S. Lee, and H. M. Choi, “Development of Fuel Economy Index for Objective Fuel Economy based on Real-road Driving”, KSAE Spring Conference Proceedings, p268, (2017).