실 주행 연비 객관화를 위한 새로운 운전자 연비 지수의 정의 및 검증 연구

1. 서 론

자동차의 연비는 에너지소비효율 또는 연료소비율이란 명칭으로도 통용되며, 자동차에서 사용하는 단위 연료에 대한 주행 거리(km/ℓ, km/㎾h, km/kg)로 정의된다. 우리나라의 경우 국토교통부, 환경부, 산업통산자원부의 공동 고시를 따라 규정된 시험 방법과 절차에 의거하여 측정되며, 도심, 고속도로, 복합 연비와 차량의 CO₂ 배출량 및 연비에 따라 부여되는 차량의 등급을 자동차에 별도로 표시하고 있다.^1-4)

현재 전 세계적으로 지구 온난화 문제를 해결하기 위해 CO₂ 배출 규제가 강화되고 있는 추세이며, 수송 분야에서는 차량의 연비 개선을 통해 화석 연료 연소 시 발생되는 CO₂ 배출량을 감소시켜 국제적인 규제 강화에 대응하고 있다. 이처럼 차량의 연비는 자동차 관련 기관 및 기업에겐 국제적인 배기가스 배출 규제를 만족시키기 위한 기술 개발 유도나 에너지 관리 지표의 역할을 할 수 있다. 또한 운전자에게는 차량의 구매 및 유지 등을 위한 지표로 활용될 수 있다.^5,6)

하지만 차량에 표시되어 운전자 및 소비자에게 제공되는 연비와 실제 운전자들이 주행하며 체감하는 연비 간 격차에 대한 불만은 지속적으로 제기되고 있다.

실제 ICCT(The International Council on Clean Transportation, 국제청정교통위원회) 보고서에 따르면 2016년 조사한 실험실 조건의 CO₂ 배출량과 실제 도로 주행의 CO₂ 배출량의 격차는 8개국 110만대의 차량에 대해 평균 42 % 정도로 나타났으며, 미국 EPA(Environmental Protection Agency, 환경보호국)의 측정 방식에 대한 격차가 가장 작으며 일본의 측정 방식에 대한 격차가 가장 크게 나타났다.^7,8)

또한 PSA 그룹 차종에 PEMS(Portable Emission Measurement System, 휴대용 배기가스 측정시스템)을 장착하여 실제 주행 연료소모율과 NEDC(New European Driving Cycle, 유럽 연비측정방식)의 연료 소모율을 비교했을 때 격차는 1.2 ~ 2.7 ℓ/100 km내에 분포하는 것으로 나타났다.⁹⁾

우리나라에선 1600 cc 휘발유 차량에 대해 실험실과 고속주회로에서 측정된 UDDS(Urban Dynamometer Driving Schedule, 도심 동력계 주행 스케줄) 주행 모드에 대한 에너지소비효율(km/ℓ)를 비교 시 실험실 조건에서의 에너지소비효율이 상대적으로 높게 나타났다. 이는 실제 도로의 환경은 바람, 고도차, 온도 등의 영향으로 인한 결과인 것으로 나타난 결과로 유추하고 있다.¹⁰⁾

또한 2018년 전국의 운전자를 모집하여 약 6개월 동안 수집된 83,341개의 데이터 중 유종 별 운전자 수와 데이터 수가 많은 차종을 1대씩 선발한 다음, 실제 도로 주행 연비와 복합 연비 격차를 비교하였을 때 휘발유 차종의 경우 21.5 %, 경유 차종은 20.5 %의 격차 수준을 보였다.¹¹⁾

실제 도로 데이터 중 인증 연비와 CO₂ 격차에 영향을 미치는 주요 변수는 차량의 중량, 공기역학, 구름저항, 온도조건, 부가적 전기장치, 도로경사도 및 커브길, 에어컨 사용과 같은 공조기 사용 여부 및 교통 환경, 운전자 성별과 운전자에 따른 주행 패턴 등이 있다.^12-15)

본 연구의 선행 연구에선 이러한 연비 영향 변수를 보정하여 보다 객관적인 실 주행 연비를 산정하기 위하여 운전자 연비 지수를 정의하였다.^16,17)

본 연구에서는 운전자 연비 지수를 추가된 차종에 대해 5-cycle 및 실 주행 데이터에 기반을 하여 검증하고 필요 시 운전자 연비 지수를 보정 및 개선하여 새로운 운전자 연비 지수를 정의하기 위하여 수행되었다.

2. 기존 운전자 연비 지수

본 연구의 선행 연구에서 정의한 운전자 연비 지수에 대해 간략하게 재정의 하고, 앞선 선행 연구에서 검증한 차량 외에 추가된 차량에 대해 운전자 연비 지수를 검증하였다.

2.2 데이터 취득

연구 사업명 ‘실연비 산정을 위한 승용차량 정보 분석 시스템 개발 및 실증 연구(Vehicle Information Analysis System, VIAS)’의 일환으로 운전자를 모집하여 실제 도로 주행 데이터를 취득 및 분석을 수행하였다.

모집단은 운전면허 취득 후 1년이 경과된 운전자이여야 하며, 각 차량에 OBD II단자에 자동차부품연구원에서 개발한 차량 정보 통합 모듈을 장착하여 데이터를 취득하였다. 운전자 모집에 대한 구체적인 자격 요건은 본 연구의 선행 연구에 명시되어있다.¹¹⁾

연구에 활용한 차량 중 OBD를 통해 주행 출력 계산 시 필요한 엔진 Torque 취득은 경유 차량에서만 가능하였기 때문에 본 연구에서 모집된 경유 차량 중 주행 데이터가 많은 두 차량에 대해서 우선적으로 분석하였다. 각 차량의 제원은 Table 1과 같이 정리하였다.

Table 1

Characteristic of experiment vehicles

운전자 연비 지수는 유종에 다라 계산하는 식이 달라지지 않고 각 차량의 정속 출력 대비 주행 출력의 상대 값을 비교하기 때문에 유종에 따른 계산 차이는 크지 않을 것으로 예상되나 실제 휘발유와 경유 등 유종에 따른 엔진 특성에 따라 연비 지수의 특성이 달라지는 정도에 대해서는 추후 비교할 예정이다.

각 차량 별 취득된 데이터 수는 Table 2와 같으며 해당 데이터는 총 주행거리가 0 km이거나 총 연료 사용량이 0 liter, 총 주행 시간이 60초 미만인 데이터와 같이 데이터 분석에 영향을 미칠 수 있는 Outlier(이상치)를 제거한 데이터 수를 나타낸 결과이다.

Table 2

Characteristic of experiment vehicles

이렇게 선정된 차량에 대해서 5-cycle 데이터를 활용하여 운전자 연비 지수를 검증하였다. 또한 전국 단위로 모집된 운전자들이 실제 도로를 주행하며 취득된 데이터에 대해 운전자 연비 지수를 검증하였다.

2.3 운전자 연비 지수 검증

2.3.1 5 Cycle 주행 데이터

5-cycle 전체 데이터에 대해 운전자 연비 지수를 검중하고자 하였으나, 겨울철 도심 주행 모드를 모사한 FTP75 Cold 모드에 대한 일부 데이터 누락으로 인하여 나머지 네가지 Cycle에 대해 비교하였다. 각 실험 차량에 대한 모드 별 연료소비율의 경향은 Fig. 1과 같다.

Fig. 1

Driver fuel efficiency index according to driving mode

두 차량 모두 고속도로 주행을 모사한 HWFET 모드에 대한 연료소비율(ℓ/km)이 가장 낮은 경향을 보였으며, SC03 모드의 연료소비율이 가장 크게 나타났다.

또한 고속 주행이지만 급가감속 주행을 모사한 US06 모드에 대한 연료소비율이 HWFET에 비해 큰 경향을 보였다.

각 모드 별 운전자 연비 지수는 Fig. 2와 같다. 앞선 연료소비율과 같이 HWFET 모드에 대한 운전자 연비 지수가 가장 낮으며, 다른 주행 모드에 대한 경향도 연료소비율과 유사하게 나타났다.

Fig. 2

Driver fuel efficiency index according to driving mode

추후 연비를 대체할 수 있는 지표로 활용 가능한 정도를 판단하기 위하여 우선적으로 실제 공인 연비를 측정하기 위해 사용되는 5-cycle 시험 결과의 연료소모율과 운전자 연비 지수의 선형 회귀 분석을 수행하였다.

연료소모율과 운전자 연비 지수의 회귀분석 결과는 차량 A의 경우 R² 값이 0.96, 차량 B의 경우 R² 값이 0.87 으로 나타나 두 차종에 대해 운전자 연비 지수와 연료소모율 관계는 상당히 R² 값을 갖고 있는 것을 확인할 수 있다.

이를 통해 운전자 연비 지수가 공인 연료소모율을 대신할 수 있는 값이라 정의하였다.

2.3.2 실제 도로 주행 데이터

차량 엔진 on/off 신호를 기준으로 구분되는 1회 주행 트립 별 평균 주행 속도에 대한 주행 연비 분포는 Fig. 3 과 같다. 두 차종 모두 일정 속도까지 주행 속도가 빨라지면 연비가 좋아지나 이후에는 연비가 다시 감소하는 경향을 보인다.

Fig. 3

Trend of fuel efficiency according to average driving speed

또한 평균 주행 속도 별 운전자 연비 지수 경향은 Fig. 4 와 같다. 연비와 다르게 평균 주행 속도가 고속 영역에 가까울수록 운전자 연비 지수는 작아지는 경향을 보이며, 저속일 경우 운전자 연비 지수는 넓은 영역으로 분포하고 있는 경향을 보인다.

Fig. 4

Trend of driver fuel efficiency index according to average driving speed

데이터 취득 특성 상 평균 주행 속도가 고속 주행 영역에 분포하기 위해선 5-cycle 주행 모드 중 HWFET와 같이 주행 시작부터 종료 시점까지 속도 프로파일이 고속 영역으로만 이루어져 있어야한다. 고속 주행 시 급 가·감속 횟수가 저속 주행 상황에 비해 상대적으로 적거나, 운전자는 감속 시 브레이크 사용보다는 엑셀 조작을 일시적으로 하지 않는 주행을 통해 감속을 유도할 수 있다.

이는 실제 주행 출력 값이 정속 출력 값보다 작게 계산되어 연비 지수 계산이 낮은 수치가 될 수 있도록 하는 요인이 될 수 있다. 또한 고속에서는 정속 출력 수치 자체가 크므로 정속 출력 대비 주행 출력의 비가 작게 계산될 수밖에 없다.

이러한 이유로 고속일수록 운전자 연비 지수 값이 작아지는 경향을 보이는 것이 맞을 수 있으나, 연료소비율과 선형 회귀 분석 등을 할 경우 낮은 R² 값을 갖게 되는 요인이 될 수 있다. 실제 Fig. 5 결과와 같이 실제 도로에서 주행하며 취득된 연료소비율 대비 운전자 연비 지수 결과는 차량 A는 0.11, 차량 B는 0.26으로 앞선 5-cycle 결과와 비교하였을 때 R² 값이 많이 감소한 것을 볼 수 있다.

Fig. 5

Trend of driver fuel efficiency index according to fuel consumption rate of real-road driving data

2.4 운전자 연비 지수의 문제점

각 주행 트립 별 평균 주행 속도 대비 운전자 연비 지수의 편차는 Fig. 6과 같이 평균 주행 속도가 커질수록 표준편차는 작아지는 경향을 보인다. 다만 Vehicle B의 평균 주행 속도가 105 km/h 보다 큰 데이터는 2개의 데이터만 존재하여 표준편차 값이 통계적으로 유의미한 수치가 아닐 수 있다는 것을 감안해도 전반적으로 고속 조건에서 표준편차가 감소하는 경향은 뚜렷하다.

Fig. 6

Standard deviation trend of driver fuel efficiency index according to average driving speed

고속 운전 조건에서 운전자 연비 지수의 표준편차가 작은 것은 운전자 연비 지수가 고속 조건에서 평균값과 비슷하게 나타난다는 것인데, 이는 다양한 연비 분포가 나타나는 경우에도 운전자 연비 지수를 통해서는 연비 운전 정도 등을 비교하기가 어려울 수 있다는 것을 의미한다.

또한 Fig. 5에서 살펴보았듯이 연료소비율과 운전자 연비 지수 간의 R² 값이 작은 수치를 보여 실제 도로 주행 데이터의 운전자 연비 지수는 활용도와 타당성이 낮다고 판단을 하였다. 이에 본 연구에서는 새로운 운전자 지수를 정의 및 검증하였다.

3. 새로운 운전자 연비 지수

기존 운전자 연비 지수는 고속 영역에서 지수의 분포가 연비에 비해 넓지 않으며, 연료소비율과 선형 회귀 분석 결과도 좋지 않은 결과를 나타냈다.

이에 본 연구는 실제 도로 주행 시에도 연료소비율과 높은 상관성을 가지며, 추후 연비에 영향을 미칠 수 있는 변수들을 보정하여 실도로 연비 연구에 활용성이 높은 새로운 운전자 연비 지수를 정의하고, 검증하고자 하였다.

3.1 새로운 운전자 연비 지수 정의

운전자 연비 지수와 실제 도로 주행 연비의 상관성이 높을 경우, 출력 기반의 운전자 연비 지수에 도로 경사도에 따른 구배 저항과 같은 연비에 영향을 미칠 수 있는 변수를 보정하여 향후 공인 연비와 격차 정도 및 연비 영향 변수의 실제 영향 정도를 비교하는데 활용될 수 있을 것으로 기대하였었다. 하지만 실제 도로 주행 데이터 기반 운전자 연비 지수를 검증 결과, 연료소비율과 운전자 연비 지수의 R² 값은 상당히 작게 나타나 해당 지수로는 연비를 대체하여 사용할 수 없는 것으로 판단하여 새로운 운전자 연비 지수를 정의하게 되었다.

새로운 운전자 연비 지수는 기존 운전자 연비 지수와 같이 단위 시간 당 연료소비율과 높은 상관관계를 갖는 주행 출력에 기반을 하여 정의하였으나, 기존의 연비 지수가 고속 조건에서 작아지는 단점을 보완하고자 새로운 형태로 표현하였다.

새로운 운전자 연비 지수는 총 주행 거리에 대해 실제 주행 출력이 차량의 Coast-down으로 계산되는 정속 출력 대비 얼마나 많은 출력을 사용하며 주행하는지 파악할 수 있는 지수로서 식 (4)와 같이 정의하였다.

$\[ \begin{array}{l}New Driver Efficiency Index\left(kW/km\right)\\ =\frac{\sum _{t=1}^{end}\left(Driving Power-Constant-speed Power\right)}{Driving Distance}\end{array} \]$

(4)

기존 운전자 연비 지수도 정속 출력 대비 주행 출력의 차이 정도를 보기 위한 지수이지만, 정속 출력 대비 주행 출력의 비율로 정의된 기존 운전자 연비 지수는 Fig. 7과 같이 고속 영역일수록 분모 값인 정속 운전 출력이 커지기 때문에 지수의 절대 값이 작아질 수 있는 특성을 갖고 있다. 이에 비해 새로운 운전자 연비 지수는 총 주행 시간 동안 주행 출력과 정속 출력의 상대적인 차이를 누적한 뒤 주행거리로 나눔으로써, 평균적인 초과출력량을 의미하는 값으로 계산된다.

Fig. 7

Trend of power according to driving speed

새로운 운전자 연비 지수는 동일한 주행 거리에 대해 지수 값이 작을수록 정속 출력 대비 초과된 주행 출력이 작은 주행을 했다는 것을 의미하며, 동일한 출력 차이에 대해 지수 값이 작을수록 더 많은 주행 거리를 주행하여 효율적인 운전을 하였음을 의미하게 된다.

3.2 새로운 운전자 연비 지수 검증

실제 주행 데이터와 연료소비율의 선형 회귀분석을 실시하여 새로운 운전자 연비 지수의 활용성을 검증하였다. 추후 연비를 대체할 수 있는 변수로 활용 가능한 정도를 평가하기 위해, 데이터 검증은 연료소비율과 새로운 운전자 연비 지수의 선형 회귀분석 결과의 R² 값으로 평가하였다. R² 값이 클수록 두 변수는 1차식으로 표현할 수 있으며, 상관관계가 큰 변수임을 알 수 있다.

새롭게 정의한 운전자 연비 지수를 기존 운전자 연비 지수를 검증한 차량의 5-cycle 실험 주행 데이터와 실제 도로 주행 데이터에 기반을 하여 검증을 실시하였다.

3.2.1 5-Cycle 데이터 기반

경사도가 없는 실험실 조건에서 진행되는 5-cycle 주행 데이터에 새로운 연비 지수 경향은 Fig. 8과 같다.

Fig. 8

New driver fuel efficiency index according to driving mode

두 차종 모두 HWFET 모드의 지수가 가장 작은 값을 가진다. 또한 급가·감속 주행을 모사한 US06 모드보다 에어컨 사용 주행을 모사한 SC03 모드의 운전자 연비 지수가 크게 나타났다. 같은 고속 주행이라 할지라도 HWFET에 비해 상대적으로 가·감속 패턴이 많은 US06모드의 운전자 연비 지수가 크게 나타났다. 다만 도심 주행을 모사한 FTP75 모드의 경향은 두 차종에 대해 다른 경향을 보이고 있어 추후 더 많은 차종에 대해 검토가 필요한 상황이다.

연료소비율 대비 새로운 연비 지수에 대한 선형 회귀 분석 결과는 차량 A의 경우 R² 값이 0.83, 차량 B의 경우 R² 값이 0.85으로 나타났다. 이러한 결과는 기존 운전자 연비 지수에 비해 R² 값이 약간 작아진 것이긴 하나 5-cycle 시험 결과에 국한하여 데이터의 개수가 적은 것을 감안하면 비슷한 수준의 결과라고 할 수 있으며, 새로운 운전자 연비 지수도 공인 연비를 대체할 수 있는 지수 값이라 할 수 있다.

3.2.2 실제 도로 데이터 기반

새로운 운전자 연비 지수를 다양한 운전자들이 실제 도로를 주행하며 취득된 데이터에 기반을 하여 검증하였다.

실제 도로 주행 데이터에 대해 평균 주행 속도 대비 새로운 운전자 연비 지수의 경향은 Fig. 9와 같으며, 기존 운전자 연비 지수와 같이 평균 속도가 커질수록 지수 값이 작아지는 경향을 보이는 것은 기존 연비 지수와 마찬가지이나 고속 영역에서도 운전자간의 연비 지수의 차이가 분명히 드러나는 것은 새로운 연비 지수가 충분히 개선되었음을 나타낸다.

Fig. 9

Trend of new driver fuel efficiency Index according to average driving speed

그런데 Fig. 10과 같이 표준편차 경향을 확인 했을 때 기존 운전자 연비 지수보다는 고속 조건에서 표준편차 감소가 다소 완화된 것을 알 수는 있으나, 두 지수의 절대적인 수치와 단위가 다르기 때문에 표준 편차의 분포가 개선된 정도를 정량적으로 비교하기에는 어려움이 있다.

Fig. 10

Standard deviation trend of new driver fuel efficiency index according to average driving speed

이처럼 집단의 평균이 다르거나 측정 단위가 다를 경우 산포도의 정도를 비교하기가 곤란해지므로 변이계수를 사용하여 두 집단의 절대치를 비교하였다.

변이 계수는 식 (5)와 같이 모표준편차를 모평균으로 나눈 값으로 정의된다. 이 계수는 특성이 다른 집단이나 단위가 다른 집단의 경우에도 산포의 비교가 가능한 장점이 있으며, 변이 계수가 클수록 산포도가 크다고 해석할 수 있다.¹⁸⁾

$\[ Coefficientof Variation=\frac{\sigma }{\mu }\times 100 \]$

(5)

Fig. 11에는 변이 계수를 통해 각 속도 별 기존 운전자 연비 지수와 새로운 운전자 연비 지수의 변화 정도를 나타냈다.

Fig. 11

Trend of existing driver index and new driver index’s coefficient of variation

저속 영역에서는 기존 운전자 연비 지수의 변이 계수가 상대적으로 조금 더 크지만, 고속 영역에서는 새로운 운전자 연비 지수의 변이 계수가 더 큰 경향을 나타내고 있다. 이를 통해 고속 영역에서 기존 운전자 연비 지수의 분포 정도가 좁았던 문제점이 보완된 것을 확인하였다.

또한 실제 도로 주행 데이터에서 주행 연비와 운전자연비 지수의 R² 결과는 Fig. 12와 같이 0.90 이상의 수치를 가져 기존 운전자 연비 지수 대비 새로운 운전자 연비 지수는 훨씬 높은 실도로 연비와의 상관성을 보이고 있는 것을 확인하였다.

Fig. 12

Trend of new driver fuel efficiency Index according to fuel consumption rate of real-road driving data

이를 통해 새로운 운전자 연비 지수는 연비에 대한 운전자의 영향 정도를 나타내는 지표로써 후속 연구에서 차량 및 운전자 별 연비 운전 정도를 비교하거나, 직접적으로 연비 영향 변수를 보정하기 힘든 일반적인 연비 수치에 비해 운전자 연비 지수 활용 시 연비 영향 변수 별 영향 정도를 계산 및 보정하는데 쉽게 활용할 수 있는 방법이 될 것으로 기대된다.

4. 결 론

• 1) 본 연구 선행 연구에서 정의한 운전자 연비 지수를 새로운 차종에 대해 5-cycle 주행 모드의 연료소비율과 지수의 선형 회귀 분석 결과 R² 은 0.85 이상의 큰 수치를 갖지만, 실제 도로 주행 연료소비율과 지수의 선형 회귀 분석 결과 0.30 이하로 작은 R² 값을 갖는 것을 확인하였다.
• 2) 실제 도로에서도 연료소비율과 높은 상관성을 갖는 지수를 정의하기 위해 기존 운전자 연비 지수와 같이 주행 출력과 차량의 Coast-down 으로 계산되는 정속 출력의 차이와 주행 거리의 비율로 계산되는 새로운 운전자 연비 지수 정의하였다.
• 3) 새로운 운전자 연비 지수에 대해 5-cycle 연료소비율과 연비 지수의 선형 회귀 분석 결과 R² 값은 0.80 이상의 값을 가지며, 실제 도로 주행 데이터에 대해서도 0.90 이상으로 큰 R² 값을 갖는 것을 확인하였다.
• 4) 추후 새로운 운전자 연비 지수에 경사도 보정 등을 수행하여 운전자 연비 지수에 연비 영향 변수를 최대한 객관화시킨 후 주행 조건이 다른 운전자들 간 주행 특성이나 연비 운전 정도 등을 비교하거나 실험실 조건에서의 주행 연비와 실도로 주행 연비를 비교하는데 활용하고자 한다.

Acknowledgments

본 연구는 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구입니다(NRF-2017R1D1A1B03036332).

References

• National Law Information Center, Ministry of Land, Infrastructure and Transport, http://www.law.go.kr/admRulInfoP.do?admRulSeq=2100000106049, , 2019.
• National Law Information Center, Ministry of Envir onment, http://law.go.kr/admRulLsInfoP.do?admRulSeq=2100000104912, , 2019.
• National Law Information Center, Ministry of Trade, Industry and Energy, http://www.law.go.kr/admRulInfoP.do?admRulSeq=2100000017642, , 2019.
• J. H. Lim, S. W. Kim, M. H. Lee and K. H. Kim, “Study on New Type Vehicle Fuel Economy Correction Formula Review according to the Applicable,” Journal of Energy Engineering, Vol.25, No.4, pp.198-206, 2016. [https://doi.org/10.5855/ENERGY.2016.25.4.198]
• H. S. Yoo and H. S. Heo, “Recycling Technology of Exhaust Energy from Internal Combustion Engine,” KSAE, Auto Journal, Vol.40, No.4, pp.18-21, 2018.
• C. B. Lee, “Vehicles and Emission,” KSAE, Auto Journal, Vol.40, No.4, pp.40-42, 2018.
• U. Tietge, P. Mock, J. German, A. Bandivadekar and N. Ligterink, “Real-world Vehicle Fuel Consumption Gap in Europe at All Time High,” ICCT, 2017.
• U. Tietge, S. Diaz, Z. Yang and P. Mock, “From Laboratory to Road International : A Comparison of Official and Real-world Fuel Consumption and CO₂ Values for Passenger Cars in Europe, the United States, China and Japan,” ICCT, 2017.
• Group PSA, Transport and Environment, France Nature Environnement, and Bureau Veritas, Real World Fuel Economy Measurements : Technical Insights From 400 Tests of Peugeot, Citroen and DS Cars, PSA, 2017.
• J. S. Um, Y. J. Choi and T. H. Lim, “Comparative Evaluation of UDDS Mode Fuel Economy between Real Driving and Laboratory,” KSAE Spring Conference Proceedings, pp.271-274, 2017.
• S. W. Choi, J. H. Kim and H. M. Choi, “A Study on the Gap between the Certified Fuel Efficiency and Real Driving Fuel Efficiency,” Transactions of KSAE, Vol.27, No.3, pp.223-228, 2019. [https://doi.org/10.7467/KSAE.2019.27.3.223]
• J. K. Lee, G. J. Yong C. R. Kim and S. B. Eom, “The Study on Characteristic of Vehicle Greenhouse Gas Emission Applying Real Road Driving,” Journal of Auto-Vehicle Safety Association, Vol.10, No.3, pp.45-54, 2018.
• 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, Vol.60, pp.97-131, 2017. [https://doi.org/10.1016/j.pecs.2016.12.004]
• 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, Vol.17, No.4, pp.10-15, 2009.
• B. H. Lee, D. J. Kim, J. W. Lee, W. S. Cha and Y. H. Seo, “Influence of Tire Rolling Resistance Coefficient on Road Load and Fuel Economy for Passenger Car,” Transactions of KSAE, Vol.26, No.3, pp.745-754, 2018. [https://doi.org/10.7467/KSAE.2018.26.6.745]
• S. W. Choi and H. M. Choi, “Research on Driver Fuel Efficiency Index for Objectification of Fuel Efficiency on Real-road,” Transactions of KSAE, Vol.26, No.3, pp.352-359, 2018. [https://doi.org/10.7467/KSAE.2018.26.3.352]
• T. H. Ha, S. W. Choi, Y. W. Lee and H. M. Choi, “Development of Driver Fuel Economy Index for Real Road Fuel Economy,” Int. J. Automotive, Vol.20, No.3, pp.597-605, 2019. [https://doi.org/10.1007/s12239-019-0057-0]
• D. R. Lee, Double Bootstrap Confidence Intervals and Hypothesis Test for Coefficient of Variation CV, M. S. Thesis, Chungbuk National University, Cheongju, 2013.