210마일 주행 거리가 실제로 210마일이 아닐 때
Autolist.com이 2023년에 실시한 전기차 설문조사에서 응답자의 39%가 전기차 구매를 꺼리는 이유로 주행 거리를 꼽았습니다. 저 역시 전기차 소유주로서 이러한 심정을 잘 이해합니다.
지난주 아내와 저는 샌호세에 있는 집에서 오클랜드 힐스로 전기차를 몰고 친구들과 저녁 식사를 하러 갔는데, 왕복 거리는 약 100마일 정도였습니다. 예상 주행 거리 210마일을 남기고 출발했을 때, 저는 안전하게 목적지까지 갔다 올 수 있을 거라고 확신했습니다. 하지만 여정의 첫 구간만으로도 105마일이 소모되었습니다. 저녁 식사 도중, 저는 같은 충전량으로 집에 돌아갈 수 있을지 걱정스러웠습니다. 다행히도 집에 도착했을 때 주행 가능 거리가 40마일 남아 있었습니다. 저처럼 모험을 즐기는 사람에게는 괜찮은 수준이었지만, 아내에게는 스트레스가 되는 상황이었습니다.
전기차 주행 거리는 날씨, 고도, 운전 습관 등의 요인에 따라 크게 달라집니다. 산호세에서 오클랜드 힐스까지의 주행은 도심 주행과 고속도로 주행이 혼합되어 있으며, 고도 변화도 상당합니다. 늦여름 오후, 에어컨을 최대로 틀고 언덕을 올라갈 때는 차량의 예상 주행 거리에 미치지 못했습니다. 집으로 돌아오는 길에는 정반대의 결과가 나타났습니다. 선선한 저녁 기온 속에서 에어컨을 끄고 주로 내리막길을 주행한 데다, 저녁 식사 후 여유로운 운전 습관까지 더해져 차량의 예상 주행 거리를 달성할 수 있었습니다.
이는 날씨(기온, 풍속 변화), 고도, 냉난방 설정(난방 또는 냉방), 승객 수, 주행 환경(도심 또는 고속도로), 주행 스타일(신중한 주행 또는 공격적인 주행)과 같은 요인들이 실제 주행 거리에 얼마나 큰 영향을 미치는지 보여주는 명확한 사례였습니다. 따라서 이번 여행에서 예상보다 주행 거리가 짧아졌고, 이에 따른 불안감도 커졌습니다.
실제 데이터가 실제 성과를 이끌어냅니다
주행 거리를 극대화하기 위해서는 전기차 엔지니어들이 실제 주행 조건에서 차량 성능을 모니터링하고, 그 데이터를 활용해 파워트레인 효율을 극대화할 수 있도록 차량 모터 ECU를 정밀하게 튜닝하는 것이 필수적입니다. 현재 대부분의 테스트 데이터는 제한된 주행 조건 하에서 소수의 시판 전 차량으로 수집됩니다. 또한 자동차 제조사가 이미 판매된 차량으로부터 데이터를 수집할 수 있는 경우에도, 일반적으로 대량으로 수집됩니다. 이러한 방식의 원시 데이터 수집은 셀룰러 데이터 전송 비용 측면에서 비용이 많이 들 뿐만 아니라, 분석 과정에서 비효율성과 부정확성을 초래하기도 합니다.
전기차 엔지니어들은 다양한 주행 조건에서 필요한 데이터를 정확히 정의하고, 수만 대의 차량으로부터 이를 즉각적이고 효율적으로 확보할 수 있는 방법이 필요합니다. 주행 조건에 따른 주행 거리 성능을 파악하기 위해서는 서로 다른 지역, 기후, 지형에 걸쳐 있는 차량은 물론, 소유자의 인구통계학적 특성 및 운전 습관과 같은 요소들까지 모두 고려해야 합니다.
정확하고 유연하게 구성 가능한 차량 데이터 수집을 통해 데이터 전송 및 저장 비용을 절감하는 동시에 분석 과정을 간소화하여 최적의 솔루션을 도출할 수 있습니다. 이 경우, 모터가 항상 최고 효율로 작동할 수 있도록 토크, 회생 제동 및 기타 작동 조건을 조절하는 모터 ECU 튜닝 매개변수를 생성합니다.
최적의 튜닝 매개변수를 도출하기 위해 올바른 데이터를 확보하는 것은 전체 과정의 절반에 불과합니다. 자동차 제조사는 또한 이러한 매개변수를 지능적이고 동적으로 적용할 수 있어야 하며, 이를 통해 차량 ECU가 특정 주행 조건에 자동으로 적응할 수 있게 해야 합니다. 더운 지역에서 판매되는 차량은 고온 환경에서 성능을 극대화하는 업데이트를 받을 수 있습니다. 예를 들어, 햇볕이 강하고 에어컨을 최대로 가동할 때 주행 거리 감소분을 보상하기 위해 차량 ECU가 회생 제동을 극대화하는 매개변수를 적용할 수 있습니다. 마찬가지로, 좌석 점유 센서가 차량에 추가 중량이 실려 있음을 감지하면, 일반 주행 시 토크를 줄여 주행 거리를 연장하는 매개변수를 선택할 수도 있습니다.
결론
동적인 소프트웨어 인프라와 솔루션을 도입하면 자동차 제조사들이 SDV(소프트웨어 정의 차량)가 지닌 잠재력을 최대한 실현할 수 있습니다. 즉, 차량의 수명 주기 전반에 걸쳐 지속적으로 업데이트 및 개선되어 더 나은 성능과 효율성을 발휘할 수 있게 되는 것입니다. 저희는 첨단 데이터 수집 솔루션을 활용해 실제 주행 데이터를 분석하고, 차량 ECU 소프트웨어의 매개변수를 동적으로 조정함으로써 다양한 주행 조건과 시나리오에서 주행 거리를 최적화할 수 있음을 확인했습니다.
전기차 소유자로서, 주행 거리 불안감을 느끼는 분들의 심정을 잘 이해합니다. 최근 운전 중 주행 거리가 변동되었던 경험을 통해 이 점을 뼈저리게 실감했습니다. 만약 제 차가 주행 상황에 따라 동적으로 적응할 수 있었다면, 40마일이 아닌 80마일의 주행 거리로 집으로 돌아갈 수 있었을 것이고, 불안감도 훨씬 덜했을 것입니다.
차세대 데이터 수집 및 자동화 기술이 어떻게 차량의 지속적인 개선을 가능하게 하는지 이해하려면, Sonatus 솔루션의 이 사례와 기타 활용 사례를 확인해 보십시오.
산자이 카트리
제품 마케팅 책임자
Sonatus
contact@sonatus.com
