모방학습 기반 종방향 운전자 모델을 활용한 전기자동차의 에너지 소비효율 예측에 관한 연구

Abstract

갈수록 강화되는 환경 규제에 맞추어 전기자동차의 보급이 빨라지고 있으며, 다양한 전기자동차의 연구 개발이 이루어지고 있다. 하지만 전기자동차는 기 존의 내연기관 자동차나 하이브리드 전기자동차에 비해 1회 충전당 주행 거 리가 짧다는 단점이 있으며, 운전자 또한 잔여 주행거리로 인해 운행에 불안 감을 느끼는 Range Anxiety 라는 장벽이 존재하고 이는 전기자동차 보급의 장애물이 되고 있다. 따라서 전기자동차의 에너지 소비를 예측하여 더 정확한 잔여 주행거리를 예측할 수 있는 알고리즘의 개발이 필요한 상황이다. 본 논 문에서는 더 정확한 잔여 주행거리 예측을 위하여 미래 주행 경로에 대하여 전기자동차의 구동에 의한 에너지소비효율을 예측하는 알고리즘을 제안한다. 기존의 전기자동차 에너지 소비효율 예측 알고리즘은 과거 주행 기록을 기반 으로 하는 히스토리 기반 예측, AI(Artificial Intelligence) 를 활용한 기계학 습 기반 예측, 종방향 차량동역학을 활용한 모델 기반 예측 알고리즘 등이 있 으며, 본 논문에서는 모방학습 기법 중 하나인 GAIL(Generative Adversarial Imitation Learning)에 SAC(Soft Actor Critic)를 적용한 인공 신경망을 활용하여 운전자의 운전 성향과 실시간 교통정보를 고려한 가상의 속도 프로파일을 생성하고, 생성된 속도 프로파일을 종방향 차량동역학 기반 에너지 소비 모델에 적용하여 앞으로 주행할 경로에 대한 운전자의 에너지 소 비효율을 예측하는 알고리즘을 설계하였다. GAIL과 SAC의 학습에는 Python 기반 TensorFlow 2가 활용되었으며, 생 성된 속도 프로파일을 기반으로 에너지 소비를 계산하는 에너지 소비 모델은 MATLAB/Simulink 환경을 이용하여 개발하였다. 제안한 알고리즘의 성능을 확인하기 위하여 기존의 PI 제어기와 IDM(Intelligent Driver Model)을 기반 으로 생성한 속도 프로파일로 예측한 에너지 소비효율과 GAIL을 이용한 속 도 프로파일로 예측한 에너지 소비효율을 비교하였다.