자율주행차의 에너지 효율은 최적화된 속도 프로파일을 선택함으로써 향상될 수 있다. 동력계(powertrain) 특성과 향후 주행 조건에 대한 정보를 바탕으로 제어 최적화를 수행하면 에너지 절감 효과를 극대화할 수 있다. 선행 연구들은 포ਂ트리야긴의 최소 원리(Pontryagin’s minimum principle, PMP)가 차량 속도 최적화 문제에서 잘 작동함을 보여주었다. 본 연구는 선행 연구에서 제안된 방법에 기반하여, 통제 문제에 대한 이해를 높이기 위해 PMP의 개념과 결과로부터 의미 있는 관찰을 도출하는 데 기여한다. 특히, 제어 모드의 전환 양상을, 제어 모드의 변화를 지시하는 $\xi$ 및 mv와 같은 보조 변수들을 사용하여 분석한다. 또한 제어 문제에서의 순항 주행(cruise driving)을 이해하는 데 도움이 되는 특이 제어(singular control)의 존재 여부도 분석한다. 마지막으로, 도달 가능한 상태(reachable states)의 지도와 함께 다양한 경계 조건(boundary conditions)을 만족하는 여러 해를 도출하고, 순항 주행의 영향에 대해 논의한다. 이 연구의 결과는 해당 지도를 바탕으로 실제 응용 분야에서의 실용적인 제어 개념을 설계하는 데 유용하다. 선행 연구들은 이 제어 문제에 크게 기여해 왔으나, 본 연구는 해당 쟁점에 대한 더 나은 이해를 제공하고, 이러한 의미 있는 관찰에 근거하여 향후 실제 응용을 위한 지침과 영감을 제공한다.

교통 혼잡은 종종 교차로 또는 진입로 합류 구간에서 발생하며, 이때 차량 속도를 빈번히 조정해야 하므로 에너지 비효율적인 주행이 나타난다. 연결 및 자동화 차량(connected and automated vehicle, CAV) 기술의 출현은 차량의 속도 궤적과 합류 시퀀스를 최적화함으로써 에너지 소비를 줄일 수 있는 기회를 제공하였다. 본 연구에서는 합류 제어에서 차량 파워트레인 특성과 속도 최적화를 통합하는 문제를 다룬다. 목표 차량은 배터리 전기차이며, 합류 시나리오에서 동적 계획법을 기반으로 에너지 최적 속도 궤적을 생성하였다. 평가 결과, 제안된 방법은 특정 합류 조건에서 기존의 적응형 순항 제어와 비교하여 30.1%의 에너지 절감을 달성하는 것으로 나타났다. 파워트레인 손실은 52.4% 감소하였으며, 전체 에너지 소비에 영향을 미치는 가장 큰 요인이다. 서로 다른 교통 수요에 대응하기 위해, 서로 다른 합류 시간에 대해 에너지 최적 속도 궤적을 도출하였다. 분석 결과, 파워트레인 손실은 서로 다른 합류 시간에서 전체 에너지 소비의 변화 추세에 유의미한 영향을 미치는 것으로 나타났다. 속도 변동에 대한 요구는 합류 시간에 따라 크게 달라지고 파워트레인 손실을 유발하므로, 에너지 효율적인 합류 제어에 있어 핵심적이다. 제안된 방법은 합류 제어 전략에서 개별 차량의 유의미한 에너지 절감 잠재력을 보여주며, 다중 CAV 합류 시나리오에서 총 에너지 소비를 최적화하기 위한 이론적 참고자료로 활용될 수 있다.

이 연구는 연료전지 하이브리드 트램을 연료전지 스택과 에너지 저장 시스템 모두의 전기 전력으로 구동할 때, 서로 다른 에너지원 간의 에너지 분배를 최적화함으로써 연료 소비를 최소화하는 데에 초점을 둔다. 연료전지 하이브리드 시스템의 적용 분야에서는 실제 환경에서의 최적 제어 구현이 더욱 중요해지고 있다. 일부 ‘온라인 제어’ 전략은 배터리의 상태를 측정하고 향후 주기를 계획하여 에너지 관리를 최적화한다. 그러나 동일한 방식으로 주행하더라도 ‘온라인 제어’에 적응하는 데 있어 그 과정이 확률적(stochastic) 과정에 의존한다는 점은 한계로 남아 있다. 트램의 반복적인 운행 주기 동안 에너지 분배를 견고하게 최적화하기 위해, 우리는 연료전지 하이브리드 트램 시뮬레이션 모델을 사용하여 에너지 분배를 수행하고, 실용적인 제어 맵(control map)을 개발한다. 제어 맵은 연료전지 스택과 전기 셀의 특성을 반영하는 수학적 등가 연료 소비 최소화 전략(ECMS) 방정식을 기반으로 한다. 특정 철도 운행 주기에 대해 최적화된 다른 실용적 제어 전략과 연료 소비를 비교한 결과, 제안된 맵 기반 최적 제어는 경계 조건을 만족하면서 연료 소비를 감소시키는 것으로 나타났다.

자율주행차의 에너지 효율은 최적화된 속도 프로파일을 선택함으로써 향상될 수 있다. 동력계(powertrain) 특성과 향후 주행 조건에 대한 정보를 바탕으로 제어 최적화를 수행하면 에너지 절감 효과를 극대화할 수 있다. 선행 연구들은 포ਂ트리야긴의 최소 원리(Pontryagin’s minimum principle, PMP)가 차량 속도 최적화 문제에서 잘 작동함을 보여주었다. 본 연구는 선행 연구에서 제안된 방법에 기반하여, 통제 문제에 대한 이해를 높이기 위해 PMP의 개념과 결과로부터 의미 있는 관찰을 도출하는 데 기여한다. 특히, 제어 모드의 전환 양상을, 제어 모드의 변화를 지시하는 $\xi$ 및 mv와 같은 보조 변수들을 사용하여 분석한다. 또한 제어 문제에서의 순항 주행(cruise driving)을 이해하는 데 도움이 되는 특이 제어(singular control)의 존재 여부도 분석한다. 마지막으로, 도달 가능한 상태(reachable states)의 지도와 함께 다양한 경계 조건(boundary conditions)을 만족하는 여러 해를 도출하고, 순항 주행의 영향에 대해 논의한다. 이 연구의 결과는 해당 지도를 바탕으로 실제 응용 분야에서의 실용적인 제어 개념을 설계하는 데 유용하다. 선행 연구들은 이 제어 문제에 크게 기여해 왔으나, 본 연구는 해당 쟁점에 대한 더 나은 이해를 제공하고, 이러한 의미 있는 관찰에 근거하여 향후 실제 응용을 위한 지침과 영감을 제공한다.

교통 혼잡은 종종 교차로 또는 진입로 합류 구간에서 발생하며, 이때 차량 속도를 빈번히 조정해야 하므로 에너지 비효율적인 주행이 나타난다. 연결 및 자동화 차량(connected and automated vehicle, CAV) 기술의 출현은 차량의 속도 궤적과 합류 시퀀스를 최적화함으로써 에너지 소비를 줄일 수 있는 기회를 제공하였다. 본 연구에서는 합류 제어에서 차량 파워트레인 특성과 속도 최적화를 통합하는 문제를 다룬다. 목표 차량은 배터리 전기차이며, 합류 시나리오에서 동적 계획법을 기반으로 에너지 최적 속도 궤적을 생성하였다. 평가 결과, 제안된 방법은 특정 합류 조건에서 기존의 적응형 순항 제어와 비교하여 30.1%의 에너지 절감을 달성하는 것으로 나타났다. 파워트레인 손실은 52.4% 감소하였으며, 전체 에너지 소비에 영향을 미치는 가장 큰 요인이다. 서로 다른 교통 수요에 대응하기 위해, 서로 다른 합류 시간에 대해 에너지 최적 속도 궤적을 도출하였다. 분석 결과, 파워트레인 손실은 서로 다른 합류 시간에서 전체 에너지 소비의 변화 추세에 유의미한 영향을 미치는 것으로 나타났다. 속도 변동에 대한 요구는 합류 시간에 따라 크게 달라지고 파워트레인 손실을 유발하므로, 에너지 효율적인 합류 제어에 있어 핵심적이다. 제안된 방법은 합류 제어 전략에서 개별 차량의 유의미한 에너지 절감 잠재력을 보여주며, 다중 CAV 합류 시나리오에서 총 에너지 소비를 최적화하기 위한 이론적 참고자료로 활용될 수 있다.

이 연구는 연료전지 하이브리드 트램을 연료전지 스택과 에너지 저장 시스템 모두의 전기 전력으로 구동할 때, 서로 다른 에너지원 간의 에너지 분배를 최적화함으로써 연료 소비를 최소화하는 데에 초점을 둔다. 연료전지 하이브리드 시스템의 적용 분야에서는 실제 환경에서의 최적 제어 구현이 더욱 중요해지고 있다. 일부 ‘온라인 제어’ 전략은 배터리의 상태를 측정하고 향후 주기를 계획하여 에너지 관리를 최적화한다. 그러나 동일한 방식으로 주행하더라도 ‘온라인 제어’에 적응하는 데 있어 그 과정이 확률적(stochastic) 과정에 의존한다는 점은 한계로 남아 있다. 트램의 반복적인 운행 주기 동안 에너지 분배를 견고하게 최적화하기 위해, 우리는 연료전지 하이브리드 트램 시뮬레이션 모델을 사용하여 에너지 분배를 수행하고, 실용적인 제어 맵(control map)을 개발한다. 제어 맵은 연료전지 스택과 전기 셀의 특성을 반영하는 수학적 등가 연료 소비 최소화 전략(ECMS) 방정식을 기반으로 한다. 특정 철도 운행 주기에 대해 최적화된 다른 실용적 제어 전략과 연료 소비를 비교한 결과, 제안된 맵 기반 최적 제어는 경계 조건을 만족하면서 연료 소비를 감소시키는 것으로 나타났다.