KAIST 연구팀이 전기차가 도로를 길게 내다보며 지능적으로 주행하도록 돕는 제어 기술을 개발했다. 전체 경로 정보를 활용해 마치 미래를 아는 듯 에너지를 효율적으로 사용할 수 있다.

신호등이 빨간불인 교차로에 차량이 다가오지만, 멈추지 않고 부드럽게 지나간다. 그 이유는 신호가 곧 초록불로 바뀔 것을 미리 알고 있기 때문이다. 이처럼 불필요한 감속과 가속을 줄이면 에너지를 아끼고 더욱 효율적으로 도착할 수 있다. 이러한 개념이 바로 최적 제어(optimal control)이다. 앞을 내다보고 가장 효율적인 주행 결정을 내리는 방식이다.

이 개념은 전기차, 하이브리드차, 수소전기차 등 전동화 차량의 에너지 사용을 도로 상황에 맞게 계획하는 기술, 즉 예측 제어(predictive control)로 이어진다. 예측 제어의 핵심 기반은 V2X(Vehicle-to-Everything), 즉 차량과 외부 환경 간의 통신 기술이다. V2X를 통해 차량은 주변에서 다양한 정보를 받아들일 수 있다:

● V2I(Vehicle-to-Infrastructure)는 신호등이나 도로 인프라로부터 신호 변경 시점이나 도로 상태 정보를 제공한다.

● V2V(Vehicle-to-Vehicle)는 주변 차량의 속도, 위치 등 주행 관련 정보를 공유한다.

현재 대부분의 예측 제어 시스템은 이러한 지역 기반 V2X(local V2X)에 의존하고 있다. 그러나 실제 도로 환경에서는 더 넓은 시야가 필요하다. 예를 들어, 수소전기차가 주행 경로 마지막에 내리막 구간이 있다는 것을 안다면, 중간에 더 많은 전기를 사용하더라도 회생 제동을 통해 에너지를 회수할 수 있다. 이와 같은 장기적이고 경로 전반을 고려한 계획은 지역 정보만으로는 불가능하다.

이론적으로는 도로 전 구간에 대한 미래 정보를 모두 알고 있다면 완벽한 최적 제어가 가능하지만, 그동안 이는 현실적으로 불가능한 것으로 여겨져 왔다. 복잡한 예측과 연산이 실시간으로 수행되기 어려웠기 때문이다.

KAIST 조천식모빌리티대학원의 최경환·금동석 교수 연구팀은 최근 이러한 한계를 극복하였다. 이들은 전체 주행 경로에 대한 정보를 활용하는 경로 기반 V2X(route-wide V2X) 예측 제어 시스템을 세계 최초로 개발하였다. 이 시스템은 모든 순간의 세부 정보를 예측하기보다는, 각 도로 구간에 대한 대표 정보—예를 들어 평균 에너지 소비량, 예상 주행 시간 등—만으로도 충분히 실용적인 제어를 가능하게 한다.

무엇보다도, 이들은 매우 복잡한 최적화 문제를 수학적으로 단순화하여 차량이 실시간으로 빠르게 계산할 수 있도록 만들었다. 덕분에 차량은 실제 주행 중에도 경로 전체를 고려한 최적 제어 논리에 따라 에너지를 거의 최적으로 사용할 수 있다.

이 연구는 IEEE Transactions on Intelligent Transportation Systems에 게재되었으며, 제안된 시스템이 이론적으로 가능한 최적 효율 대비 0.1% 이내의 오차로 동작함을 입증하였다. 이 성과는 전동화 차량의 예측 제어 기술에 강력하고 확장 가능한 기반을 제공하며, 이론적 최적성과 실제 구현 간의 간극을 좁히는 중요한 이정표로 평가된다. 이를 통해 미래의 차량은 더 똑똑하고 에너지 효율적인 방식으로 주행할 수 있게 될 것이다.