인지야공/강의 요약/9번째 글
자율주행이동체 ③ 커넥티드·전동화·인지, 그리고 혼동 개념 정리
세 편 중 마지막이다. ①은 아키텍처, ②는 안전과 보안 표준을 다뤘다. 이 글은 차량 바깥과의 통신, 전동화, 그리고 인지다. 마지막에 전 범위의 헷갈리는 개념을 모아 뒀다.
V2X
Vehicle-to-Everything — 차량이 주변의 모든 것과 통신하는 기술의 총칭이다.
| 분류 | 통신 대상 | 주요 응용 |
|---|---|---|
| V2V | 차량 ↔ 차량 | C-ACC(협력 적응형 순항 제어), C-FCW(협력 전방 충돌 경고), 긴급차량 접근 알림 |
| V2I | 차량 ↔ 인프라 | 교차로 충돌 경고, 신호 위반 경고, 신호 최적화 |
| V2N | 차량 ↔ 네트워크 | OTA 업데이트, 실시간 HD Map 다운로드, 플릿 관리 |
| V2P | 차량 ↔ 보행자 | 보행자 충돌 위험 경고, 자전거 경고 |
| C-ITS | 협력 지능형 교통 시스템 | 국토부 15개 안전서비스. 대전~세종 80km 시범사업 |
센서만으로는 보이지 않는 것을 알 수 없다. 앞차에 가려진 사고, 커브 너머의 정체 같은 것이 V2X 의 존재 이유다.
WAVE vs C-V2X
| 항목 | WAVE (IEEE 802.11p) | C-V2X (LTE/5G-NR) |
|---|---|---|
| 표준 기반 | DSRC 기반, 5.9GHz 비면허 대역 → 기지국 없이도 통신 | 3GPP Release 14 이후 → 이동통신 인프라 기반 |
| 통신 구조 | Ad-hoc 직접 통신 | PC5(직접) + Uu(기지국 경유) 병용 |
| 지연 | 매우 낮음 (<10ms) | 낮음 (LTE ~10ms, 5G ~1ms) |
| 커버리지 | 단거리 300~500m → RSU 를 촘촘히 설치해야 | 광역 네트워크 → 기존 기지국 활용 |
| 인프라 비용 | RSU 설치 비용. 국내 이미 설치 완료 | 기존 LTE 망 활용 가능 |
| 확장성 | 802.11p 에서 발전 제한적 | 5G-NR 로 발전 경로 명확 |
| 국내 채택 | 기존 인프라 활용 방안 고민 중 | 2023년 12월 LTE-V2X 단일 방식 확정 |
국내 결정 배경이 흥미롭다. WAVE(실증이 풍부하고 무료)와 LTE-V2X(5G 확장성) 진영이 수년간 대립하다 2023년 12월 LTE-V2X 로 확정됐다. 다만 실도로 실증이 부족한 상태라 인프라 배치 기준 마련이 과제로 남았다.
이미 깔아 놓은 WAVE 인프라를 어떻게 할 것인가가 그대로 비용 문제로 남는다는 점이, 표준 선택이 기술만의 문제가 아님을 보여 준다.
ToD — 원격 운전
ADS 가 처리하기 어려운 Edge Case 에서 원격 운전자가 무선 통신으로 개입하는 기술이다. Level 4 상용화를 위한 필수 안전망으로 꼽힌다.
도로에 쓰러진 나무, 공사 현장의 수신호, 처음 보는 우회로, 침수 구간 — ADS 가 판단할 수 없는 상황들이다.
| 기능 유형 | 제어 방식 | 속도 | 설명 |
|---|---|---|---|
| Remote Monitoring 원격 모니터링 | 수신 전용 | 제한 없음 | 영상·센서 데이터를 모니터링만. 실제 제어 없음 |
| Remote Assistance 원격 지원 = 간접 제어 | M&K (Mouse & Keyboard) | 10 km/h 이하 | 경로 지시, 힌트 제공. “저 방향으로 가” 명령 → ADS 가 세부 실행 |
| Remote Driving 원격 운전 = 직접 제어 | S&P (Steering & Pedals) | 10 km/h 이하 | 운전자가 조향핸들과 페달로 직접 운전. 가장 낮은 지연 요구 |
5GAA(5G Automotive Association)의 지연 요구사항.
- 일반 ToD (50km/h 이하) — Round-trip latency 100ms 이하
- 직접 제어 Remote Steering (10km/h 이하) — 가장 엄격, 목표 ~20ms
- 간접 제어 Remote Driving Instructions — 직접 제어보다 완화
S&P = 직접 제어(Direct Control), M&K = 간접 제어(Indirect Control)
직접 제어의 지연 요구가 훨씬 빡빡한 이유가 명확하다. 사람이 핸들을 돌리는데 화면이 0.1초 늦으면 조작이 불가능하다. 간접 제어는 “저기로 가”라고 알려 주고 실행은 차가 하므로 지연에 훨씬 관대하다.
차량 내부 네트워크
| 네트워크 | 최대 속도 | 용도 | 특징 |
|---|---|---|---|
| CAN | 1 Mbps | 엔진제어, 변속기, 바디 제어 | 저비용, 실시간성 우수. 자동차 최초 표준 네트워크 |
| LIN | 20 kbps | 시트, 조명, 단순 액추에이터 | 단순 구조, 저비용 |
| FlexRay | 10 Mbps | X-by-Wire, 안전 시스템 | 시간 결정론적. 브레이크·조향에 적합 |
| MOST | 150 Mbps | 인포테인먼트, 오디오 | 멀티미디어 전용 |
| Automotive Ethernet | 100 Mbps~10 Gbps | 자율주행 센서 데이터, OTA | IP 기반. SDV/AIDV 시대 핵심 백본 |
카메라 한 대의 데이터도 수십 Mbps 이상이다. CAN 의 1 Mbps 로는 처리 자체가 불가능하다. 그래서 SDV/AIDV 시대에는 Automotive Ethernet 이 기간 네트워크가 되고, 기존 CAN/LIN 은 Zone ECU 를 통해 통합된다.
FlexRay 의 “시간 결정론적”이 중요한 개념이다. 빠른 것보다 언제 도착할지 정확히 아는 것이 브레이크와 조향에서는 더 중요하다.
전기차
xEV 분류
| 유형 | 동력 구조 | 특징 |
|---|---|---|
| HEV Hybrid | 내연엔진 + 소형 모터 | 외부 충전 불가. 회생제동으로만 충전. 연비 개선이 목적. 국내 2021년부터 보조금 중단 |
| PHEV Plug-in Hybrid | HEV + 외부 충전 | 전기로 단거리, 장거리는 엔진 |
| BEV Battery EV | 순수 전기 모터 | 무배기. 주행거리 불안이 과제. 현재 주류 |
| FCEV Fuel Cell | 수소 연료전지 + 모터 | 물만 배출. 수소 인프라 부족이 과제 |
| EREV Extended Range | 소형 내연엔진(발전만) + 대형 배터리 | 엔진이 바퀴를 직접 돌리지 않고 배터리만 충전. 최대 1,000km+ |
EREV 가 재주목받는 이유가 현실적이다. 충전 인프라가 부족한 상태에서 주행거리 불안을 푸는 절충안이다.
OBC vs LDC
둘 다 전력 변환 장치지만 방향과 목적이 다르다.
| 부품 | 역할 | 입력 → 출력 | 쉬운 설명 |
|---|---|---|---|
| OBC On-Board Charger | 외부 교류를 배터리 직류로 | AC 220V → DC 400/800V (외부→배터리) | 집에서 콘센트로 충전할 때. 완속 충전 |
| LDC Low Voltage DC-DC | 배터리 고전압을 차내 저전압으로 | DC 400V → DC 12V (배터리→보조기기) | 에어컨·라디오·조명·ECU 등 12V 기기에 전원 공급 |
| 인버터 | 배터리 직류를 모터 구동 교류로 | DC 400V → AC 3상 (배터리→모터) | 모터를 돌리려면 반드시 필요. SiC MOSFET 으로 효율 향상 |
OBC 는 바깥에서 배터리로, LDC 는 배터리에서 차 안으로. 방향만 기억하면 헷갈리지 않는다.
전기차인데 여전히 12V 배터리가 있는 이유가 LDC 로 설명된다. 기존 자동차 부품 생태계가 전부 12V 기준이라, 고전압 배터리에서 12V 를 만들어 공급한다.
BMS
배터리를 최적으로 관리해 에너지 효율을 높이고 수명을 연장하는 시스템이다.
| 기능 | 설명 | 왜 중요한가 |
|---|---|---|
| SOC 추정 State of Charge | 지금 전기가 얼마나 남았는지 %. 계기판의 배터리 잔량 | 부정확하면 남았는데 차가 멈추거나, 없는데 주행하다 방전된다 |
| SOH 추정 State of Health | 배터리가 얼마나 노화됐는지 %. 새것 100%, 80% 이하면 교체 권고 | 중고 전기차 가격 결정의 핵심. SOH 가 낮으면 같은 SOC 라도 실주행거리가 준다 |
| 셀 밸런싱 | 팩의 수백~수천 개 셀 간 전압 편차 최소화 | 가장 약한 셀이 전체 팩 용량을 제한한다. 한 셀만 약해도 전체가 일찍 차단된다 |
| 열 관리 | 냉각 팬·회로를 제어해 20~40°C 유지 | 60°C 초과 시 열폭주·화재. 너무 차가우면 출력 저하·수명 단축 |
| 보호 기능 | 과충전·과방전·과전류·과온도 시 자동 차단 | 리튬이온은 과충전/과방전 시 영구 손상. 화재 위험 |
| 통신 | BMS ↔ VCU ↔ OBC 간 CAN 통신 | OBC 가 충전 속도를 정하려면 BMS 의 온도·SOC 데이터가 필요 |
SOC = 지금 남은 전기량 / SOH = 배터리 노화 상태
셀 밸런싱의 “가장 약한 셀이 전체를 제한한다”가 직관적이지 않지만 중요하다. 직렬로 연결된 팩에서 한 셀이 먼저 하한에 닿으면 나머지에 전기가 남았어도 전체를 끊어야 한다.
전고체 배터리
액체 전해질을 고체로 바꾼 차세대 배터리다. 2028~2030년 상용화 목표.
| 항목 | 리튬이온 (현재) | 전고체 (차세대) |
|---|---|---|
| 전해질 | 액체 (가연성 → 화재 위험) | 고체 (세라믹/황화물/고분자 → 불연성) |
| 안전성 | 열폭주 위험 | 안전성 대폭 향상 |
| 에너지 밀도 | 약 250 Wh/kg | 약 500 Wh/kg (이론치) → 같은 무게에 2배 |
| 충전 속도 | 급속 30~60분 | 10분 이내 (목표) |
| 주행거리 | 500~600 km | 1,000 km 이상 목표 |
| 온도 특성 | 저온에서 성능 급저하 | 저온 특성 개선 |
| 양산 | 대량 양산 중 | 2028~2030 목표 |
| 개발사 | 삼성SDI, LG에너지솔루션, CATL | 토요타, 삼성SDI, QuantumScape |
센서 퓨전
여러 센서의 약점을 보완하고 강점을 결합해 더 정확한 환경 인식을 달성한다.
| 단계 | 방법 | 장점 | 단점 |
|---|---|---|---|
| Low-level 원시 데이터 융합 | 각 센서의 Raw Data 를 합쳐 처리 | 정보 손실 최소, 가장 정확 | 계산량 폭발, 실시간 처리 어려움 |
| Mid-level 특징 융합 | 각 센서에서 특징을 추출 후 합침. BEV Fusion 이 여기 | 정확도와 효율의 균형 | 특징 추출 방식 통일 필요 |
| High-level 판단 융합 | 각 센서가 독립 판단 후 결과만 합산 | 모듈화 용이, 센서 독립 개발 | 정보 손실, 센서 간 불일치 해결이 어렵다 |
BEV Fusion
카메라(2D)와 LiDAR(3D)를 위에서 내려다본 조감도(Bird’s Eye View) 시점으로 변환해서 합치는 방법이다.
왜 BEV 인가 — 카메라는 2D 이미지, LiDAR 는 3D 포인트 클라우드라 좌표계가 달라 직접 합칠 수 없다. 둘 다 BEV 로 변환하면 같은 공간에서 직접 합산할 수 있다.
| 경로 | 처리 |
|---|---|
| 카메라 | 8방향 카메라 → CNN 인코더 → Lift(픽셀에 깊이 분포를 곱해 3D 로) → Splat(BEV 공간에 투영) → BEV 특징 |
| LiDAR | 포인트 클라우드 → 3D CNN 인코더 → Z축으로 Flatten → BEV 특징 |
| 융합 | 두 BEV 특징을 BEV Encoder 로 합침 → Task-Specific Heads → 3D 객체 검출 + BEV 지도 분할 동시 출력 |
성능은 우천·안개 환경에서 LiDAR 단독 대비 향상된다 (BEVFusion: 69.9 mAP Detection, 55.9 mIoU Segmentation).
“공통 좌표계로 옮겨서 합친다”는 발상이 단순하면서도 결정적이다. 서로 다른 센서를 어떻게 합칠 것인가라는 오래된 문제를 먼저 같은 언어로 번역한다로 풀었다.
Tesla vs Waymo
| 항목 | Tesla FSD | Waymo Driver |
|---|---|---|
| SAE 레벨 | Level 2+ (운전자 모니터링 필수) | Level 4 (특정 ODD 내 완전 자율) |
| 센서 | 카메라 8개만 (No LiDAR, No Radar, No HD Map) | Vision 10 + Radar 6 + LiDAR 5 |
| HD Map | 사용 안 함 (Map-free) → 카메라로 실시간 인식 | 강하게 의존 → 정밀 지도 사전 제작 |
| 데이터 전략 | 수백만 대 차량에서 매일 수천만 마일 누적 → 세계 5위 수준 슈퍼컴퓨터로 학습 | 소수 로보택시로 고품질 데이터 수집. Waymo Open Dataset 공개 |
| AI 구조 | HydraNet — 48개 신경망이 하나의 백본을 공유 | 멀티모달 센서 융합 파이프라인 |
| 컴퓨팅 | FSD Computer: 12 CPU + 2 NPU (72 TOPS, 72W) | 자체 설계 칩, Jaguar I-PACE |
| 서비스 | 개인 소유 차량에 FSD 소프트웨어 구독 판매 | Waymo One 로보택시 (샌프란시스코, 피닉스) |
| 강점 | 대규모 실주행 데이터가 곧 경쟁력. Map 없이도 동작 | L4 상용 서비스 경험, 안전성 입증된 멀티센서 |
| 약점 | 카메라만으로 야간·악천후 한계. L2+를 L4처럼 마케팅한다는 논란 | 비싼 센서 비용, 제한된 ODD |
Tesla = 대량 데이터(Data flywheel) 전략, 카메라 only Waymo = 고품질 센서(멀티모달) 전략, 제한 ODD
둘 다 나름의 장점이 있어 업계에서 지속 논쟁 중이다. 어느 쪽이 맞는지는 아직 결론이 안 났고, 그래서 시험에 내기 좋은 주제다.
헷갈리는 개념 정리
전 범위에서 짝지어 외운 것들이다. 시험 직전 최종 점검용으로 만들었다.
| 혼동 쌍 | 구별 포인트 |
|---|---|
| Classic vs Adaptive AUTOSAR | Classic = MCU + RTOS + 정적(컴파일 타임) / Adaptive = AP + POSIX + 동적 SOA(런타임) |
| VFB vs RTE | VFB = 설계 단계의 가상 통신 버스(개념) / RTE = 실제 ECU 에서 구현한 코드(실체) |
| Client-Server vs Sender-Receiver | C-S = 요청-응답(동기/비동기 선택) / S-R = 데이터 방송(항상 비동기, 수신자를 모름) |
| SOTIF vs ISO 26262 | SOTIF = 고장 없어도 위험(AI·센서 한계) / 26262 = 고장 때문에 위험 |
| Safety vs Security | Safety = 기능 안전, 사람이 다치는 것 방지(26262/SOTIF/5083) / Security = 사이버보안, 해킹 방어(21434) |
| CSMS vs VTA | CSMS = 제조사 관리 체계 인증(회사) / VTA = 차량 형식 승인(차량). CSMS → VTA 순서 |
| MRM vs MRC | MRM = 이행하는 행동(동사) / MRC = 최종 상태(명사) |
| SOC vs SOH | SOC = 지금 남은 전기량 / SOH = 배터리 노화 상태 |
| OBC vs LDC | OBC = 외부 AC → 배터리 DC / LDC = 배터리 고압 → 12V 저압 |
| WAVE vs C-V2X | WAVE = 802.11p, Ad-hoc, 기지국 불필요 / C-V2X = 3GPP, PC5+Uu, 5G 확장성 |
| ToD 직접 vs 간접 | Direct = S&P(조향+페달) 실제 운전 / Indirect = M&K 경로·지시만 |
| OpenDRIVE vs OpenSCENARIO | OpenDRIVE = 정적 도로(Layer 1 |
| MiL vs HiL | MiL = 모두 SW 모델 / HiL = 실제 ECU 를 시뮬레이터에 연결(dSPACE AutoBox) |
| BEV vs BEV | Battery Electric Vehicle(배터리 전기차) / Bird’s Eye View(조감도, 센서 퓨전). 문맥으로 구별 |
| Digital Twin vs 시뮬레이션 | DT = 실시간 양방향 동기화 / 시뮬레이션 = 모델 기반 일방향 실행 |
| SDV vs AIDV | SDV = 소프트웨어가 기능 정의, OTA(고정 알고리즘) / AIDV = AI 가 핵심 로직 결정, 자율 학습·진화 |
| SOAFEE vs Adaptive AUTOSAR | SOAFEE = 컨테이너·클라우드 기술을 차량에 적용하는 프레임워크 / Adaptive = 고성능 AP 기반 동적 SW 플랫폼 표준. 함께 쓰인다 |
BEV 가 두 뜻인 게 실제로 헷갈렸다. 같은 강의 안에서 전기차 파트와 센서 퓨전 파트에
각각 다른 의미로 나온다.
예상 서술 문제
정리하면서 뽑아 둔 20문항이다. 답은 위의 표들 안에 다 있다.
- AUTOSAR Classic 과 Adaptive 의 차이를 대상 하드웨어, OS, SW 구성 방식, 통신 방식 관점에서 비교하시오
- VFB 와 RTE 의 관계를 설명하고, SW 컴포넌트가 하드웨어 독립성을 갖는 이유를 서술하시오
- 두 가지 통신 패턴(Client-Server, Sender-Receiver)을 비교하고 각각의 활용 사례를 설명하시오
- Classic 5계층 구조를 각 계층의 역할과 함께 설명하시오
- Trustworthy AI 의 4요소를 설명하고, 자율주행에서 XAI 가 중요한 이유를 논하시오
- SDV 와 AIDV 의 차이를 비교하고, AIDV 의 NVIDIA Vision 3가지 핵심 가치를 서술하시오
- Federated Learning 의 개념과, 자율주행에서 필요한 이유를 개인정보 보호 관점에서 서술하시오
- SOAFEE 의 목적과 5가지 핵심 구성 요소를 각각 설명하시오
- SOTIF 와 ISO 26262 의 차이를 위험 원인 관점에서 비교하고, SOTIF 4개 영역을 설명하시오
- ISO 21434 의 TARA 프로세스를 7단계로 설명하고, CSMS 와 VTA 의 관계를 서술하시오
- ISO 5083 의 두 안전 접근법을 설명하고, MRM 과 MRC 의 차이를 서술하시오
- WAVE 와 C-V2X 를 통신 방식·지연·인프라 관점에서 비교하고, 국내 C-ITS 통신 방식 결정을 서술하시오
- ToD 의 필요성과 세 기능 유형을 제어 방식과 함께 설명하고, 5GAA 지연 요구사항을 서술하시오
- BMS 의 SOC 와 SOH 의 차이, 셀 밸런싱과 열 관리의 중요성, OBC 와 LDC 의 역할 차이를 설명하시오
- 전고체 배터리가 리튬이온 대비 갖는 장점 세 가지를 서술하시오
- Sensor Fusion 세 단계를 비교하고, BEV Fusion 의 동작 원리와 장점을 설명하시오
- Tesla FSD 와 Waymo Driver 의 센서 구성·HD Map 의존도·데이터 전략을 비교하고 강약점을 서술하시오
- XIL 테스트 체계 6단계를 실물 포함 여부 기준으로 설명하시오
- ASAM OpenX 에서 OpenDRIVE, OpenSCENARIO, OpenOSI 의 역할과 PEGASUS 계층을 설명하시오
- Digital Twin 이 적용되는 5단계를 설명하고, 단순 시뮬레이션과의 차이를 서술하시오