[논문 리뷰] Evaluation of the Driving Performance and User Acceptance of a Predictive Eco-Driving Assistance System for Electric Vehicles

Sai Krishna Chada, Daniel Görges외 3명|arXiv (Cornell University)|2022. 08. 24.

Vehicle emissions and performance참고 문헌 59인용 수 4

한 줄 요약

이 논문은 모델 예측 제어와 실시간 교통 데이터를 활용하여 주행 속도를 최적화함으로써 에너지 소비를 최대 10% 감소시키면서도 안전성과 편안함을 향상시키는 배터리 전기차(BEV)를 위한 예측형 에코드라이빙 보조 시스템(pEDAS)을 제시한다. 41명의 참가자들이 참여한 사용자 연구에서 높은 수용도가 확인되었으며, 사용자 인식과 행동 통제가 도입 의도의 주요 결정 요인으로 작용하였다.

ABSTRACT

In this work, a predictive eco-driving assistance system (pEDAS) with the goal to assist drivers in improving their driving style and thereby reducing the energy consumption in battery electric vehicles while enhancing the driving safety and comfort is introduced and evaluated. pEDAS in this work is equipped with two model predictive controllers (MPCs), namely reference-tracking MPC and car-following MPC, that use the information from onboard sensors, signal phase and timing (SPaT) messages from traffic light infrastructure, and geographical information of the driving route to compute an energy-optimal driving speed. An optimal speed suggestion and informative advice are indicated to the driver using a visual feedback. pEDAS provides continuous feedback and encourages the drivers to perform energy-efficient car-following while tracking a preceding vehicle, travel at safe speeds at turns and curved roads, drive at energy-optimal speed determined using dynamic programming in freeway scenarios, and travel with a green-wave optimal speed to cross the signalized intersections at a green phase whenever possible. Furthermore, to evaluate the efficacy of the proposed pEDAS, user studies were conducted with 41 participants on a dynamic driving simulator. The objective analysis revealed that the drivers achieved mean energy savings up to 10%, reduced the speed limit violations, and avoided unnecessary stops at signalized intersections by using pEDAS. Finally, the user acceptance of the proposed pEDAS was evaluated using the Technology Acceptance Model (TAM) and Theory of Planned Behavior (TPB). The results showed an overall positive attitude of users and that the perceived usefulness and perceived behavioral control were found to be the significant factors in influencing the behavioral intention to use pEDAS.

연구 동기 및 목표

• 배터리 전기차(BEV)에서 에너지 효율성, 안전성, 편안함을 향상시키는 예측형 에코드라이빙 보조 시스템(pEDAS)을 개발하는 것.
• 통제된 동적 주행 시뮬레이터 환경에서 pEDAS의 주행 성능 향상과 사용자 수용도를 평가하는 것.
• pEDAS가 에너지 소비, 속도 제한 준수 여부, 신호등에서의 정지 행동에 미치는 영향을 평가하는 것.
• 기술 수용 모델(TAM)과 의도 이론(TPB)을 활용하여 사용자 수용도를 조사하는 것.

제안 방법

• pEDAS는 두 가지 모델 예측 제어기(MPC)를 사용한다: 전방 차량을 따라가기 위한 참조 추적 MPC와 안전하고 에너지 효율적인 간격 유지용 차량 따라가기 MPC.
• 시스템은 차량 내 센서, 신호 단계 및 시간(SPaT) 메시지, 지리적 경로 정보 등의 실시간 데이터를 통합하여 에너지 최적화 주행 속도를 계산한다.
• 최적의 속도는 고속도로 상황에서는 동적 프로그래밍을, 신호등이 있는 교차로에서는 녹색 파동 조율 기법을 사용하여 도출된다.
• 헤드업 디스플레이에 시각적 피드백을 통해 속도 제안을 제공하고, 청각 경고를 통해 안전하지 않은 차량 따라가기 상황을 경고한다.
• 41명의 참가자가 참여한 사용자 연구는 통제된 주행 시뮬레이터 환경에서 실시되었다.
• 사용자 수용도 평가에는 TAM과 TPB가 사용되었으며, 설문 항목은 사용자 인식, 사용 용이성, 태도, 주관적 규범, 행동 통제를 측정하였다.

실험 결과

연구 질문

• RQ1 pEDAS는 기준 주행 대비 BEV의 에너지 소비를 어느 정도 감소시키는가?
• RQ2 pEDAS는 속도 제한 준수 여부와 교차로에서의 불필요한 정지 행동에 어떤 영향을 미치는가?
• RQ3 특히 차량 따라가기 및 곡선 도로 주행 상황에서 pEDAS는 주행 안전성과 편안함에 어떤 영향을 미치는가?
• RQ4 TAM과 TPB에 따르면, pEDAS 도입에 대한 운전자의 행동 의도를 가장 강하게 영향을 주는 요인는 무엇인가?

주요 결과

• pEDAS를 사용할 경우 평균 에너지 절감률이 기준 주행 대비 최대 10%에 이를 수 있었다.
• pEDAS는 속도 제한 위반을 크게 줄였고, 녹색 파동 조율 기능 덕분에 신호등에서의 불필요한 정지를 완전히 제거하였다.
• 기술 수용 모델(TAM) 분석 결과, 사용자 인식과 행동 통제가 pEDAS 사용에 대한 행동 의도를 가장 강하게 예측하는 요소로 나타났다.
• 사용자 피드백에 따르면 시각적 제안은 일반적으로 잘 수용되었으나, 복잡한 교통 상황에서는 제안 내용에 약간의 모호함이 제기되었다.
• 시스템은 신호 주기와 노선 경사도와 같은 동적 교통 조건에 효과적으로 실시간으로 적응하는 것으로 나타났다.
• 결과적으로 pEDAS는 효율성과 안전성을 향상시키는 가치 있는 비차량 집중형 도구로 인식되었으며, BEV 운전에서의 운영 향상에 기여할 것으로 보인다.