[기고] 자율주행의 마지막 블랙박스는 타이어다

[IT동아] 비 내리는 고속도로를 달리는 자율주행차를 떠올려 보자. 카메라는 차선을 구분하고, 레이더는 앞차와의 거리를 파악한다. 그렇다면 이 자동차는 지금 도로가 얼마나 미끄러운지, 타이어가 실제로 어느 정도의 힘을 전달할 수 있는지까지 알고 있을까?

젖은 도로를 ‘보는 것’과 그 위에서 안전하게 멈출 수 있는지를 ‘판단하는 것’은 전혀 다른 문제다. 하지만 타이어와 도로 사이에서 벌어지는 일에 대해 차량이 활용할 수 있는 정보는 여전히 제한적이다. 타이어가 자율주행 기술에서 ‘마지막 블랙박스’로 남아 있다는 말이 바로 이런 의미다.

자동차의 움직임은 타이어와 노면이 맞닿는 좁은 접촉면에서 완성된다. 자율주행 기술이 고도화될수록 주변 환경을 인식하는 능력과 더불어 차량이 물리적으로 실행할 수 있는 움직임의 한계를 이해하는 능력이 중요해진다. 타이어 데이터가 주목받는 이유가 여기에 있다.

보는 자동차에서, 움직임의 한계를 이해하는 자동차로

차량이 가속, 제동, 조향할 때 만들어 내는 힘은 타이어를 통해 도로에 전달된다. 제동장치의 성능이 아무리 좋아도 타이어가 노면을 충분히 붙잡지 못하면 제동거리가 길어진다. 방향을 틀 때도 마찬가지다. 타이어가 감당할 수 있는 힘보다 큰 힘이 필요하면 차량은 계획한 경로를 벗어날 수 있다. 이 한계는 노면 상태뿐 아니라 타이어 마모, 적재량, 주행 속도에 따라서도 달라진다.

정량적으로 생각해 보자. 시속 80km는 초속 약 22.2m다. 공기저항, 도로 경사, 제동장치의 제한 등의 변수를 제외하고 마찰계수만으로 감속 한계를 단순화한 모형에서 제동거리는 ‘v²/(2μg)’로 계산된다. 즉 제동거리는 속도의 제곱에 비례하고 마찰계수에 반비례한다. 마찰계수가 0.8이면 약 31m, 0.24이면 약 105m다. 약 3.3배의 차이다. 같은 조건에서 주행 속도가 두 배로 증가하면 이론적 제동거리는 네 배가 된다.

따라서 자율주행 기술의 안전성은 물체를 정확히 감지하는 능력만으로 결정되지 않는다. 인식한 상황에서 실제로 얼마나 감속하고 회전할 수 있는지를 평가하는 과정이 필수적이다. 현재 차량에 적용된 기술인 잠김 방지 제동장치(ABS)와 차체 자세 제어장치(ESC)는 휠 속도, 요레이트(차량이 회전하는 정도), 가속도 등 차체에서 얻은 정보를 이용해 노면 상태를 간접적으로 추정한다. 이때 타이어 내부 센싱을 이용하면 접촉면에 더 가까운 단서를 제공함으로써 기존 차량 정보를 상호 보완할 수 있다.

공기압 측정에서 하중·마찰 추정으로

타이어 공기압 모니터링 시스템(TPMS)은 공기압 이상을 감시하는 중요한 안전 기능이다. 하지만 공기압이 정상이라고 해서 타이어가 충분한 접지력을 확보하고 있거나 마모 상태가 양호하다는 의미는 아니다. 타이어 내부 센싱은 이러한 정보를 보다 정확하게 추정할 수 있다. 타이어 내부에 압력, 온도, 가속도 센서를 배치하면 회전과 접지에 따라 달라지는 변형, 진동 신호를 함께 관찰할 수 있다. 특히 타이어가 노면과 만나는 구간의 특징적인 파형은 접촉 길이와 변형 상태를 해석하는 단서가 된다.

여기서 측정값과 추정값은 명확히 구분해야 한다. 압력, 온도, 가속도는 센서가 직접 측정하지만, 수직하중, 마찰계수, 마모도 등은 물리 모델과 인공지능(AI) 알고리즘을 통해 추정한다. 예를 들어 마찰계수는 타이어 규격과 상태, 주행 조건, 노면 특성에 따라 달라지기 때문에 단일 센서로 측정하기 어렵다. 추정 정확도뿐 아니라 적용 가능 범위와 신뢰도를 관리하는 것이 중요하다.

자율주행과 피지컬AI가 만나는 지점

자율주행 시스템은 대체로 인식, 판단, 경로 계획, 제어의 과정을 거친다. 보행자와 차량을 정확히 인식하더라도, 현재 노면에서 실행할 수 없는 제동이나 조향을 계획한다면 안전을 확보할 수 없다. 가용 마찰력과 수직하중에 관한 정보는 속도 계획, 코너 진입, 차선 변경 시 안정성 평가에 활용할 수 있다. 특히 비, 결빙, 수막현상 등으로 접지 조건이 달라질 때는 주행 중 나타나는 변화를 빠르게 파악해 속도와 제어에 반영하는 것이 중요하다.

이것이 피지컬AI(Physical AI)가 모빌리티에서 갖는 의미다. AI는 데이터를 통해 패턴을 학습하는 것에 그치지 않고 질량, 관성, 마찰, 열과 같은 물리 법칙을 고려해 현실 세계의 행동을 결정해야 한다. 타이어 가속도 파형에는 회전 속도, 하중, 노면 충격, 타이어 구조 특성이 함께 반영된다. 이를 정확히 파악하려면 물리 모델과 AI가 모두 필요하다. 물리 모델은 AI 추정의 타당성을 점검하고 AI는 복잡한 조건에서 모델의 한계를 보완한다.

기술적 과제도 뚜렷하다. 연구실에서 높은 정확도를 얻더라도 다른 타이어 규격과 트레드(노면에 닿는 타이어 표면의 무늬), 적재 조건, 온도에서 성능이 유지되는지는 별개다. 또한 센싱에서 무선 통신, 추론, 제어까지 걸리는 전체 지연시간을 줄여야 한다. 자율주행 기술의 운행가능영역(ODD)을 판단하는 보조 정보로 활용할 경우에도 차량 시스템 통합과 기능 안전 검증이 전제돼야 한다.

상용차 운영과 타이어 산업까지 확장되는 타이어 데이터의 가치

타이어 데이터는 자율주행차를 넘어 운송 및 물류 현장에서도 의미를 지닌다. 대형 화물차의 타이어 고장은 단순히 교체 비용이 발생하는 데 그치는 것이 아니라 차량 회수, 배송 지연, 운행 중단에 따른 손실로 이어질 수 있다. 다수의 차량을 관리하는 운송사업자는 단순히 경고등을 확인하는 수준을 넘어 점검 우선순위를 정하고 편마모, 충격, 적재 상태 변화에 따른 정비 의사결정을 하고자 한다. 이들 운송사업자가 관제 정보와 타이어 데이터를 연결한다면 개별 차량의 문제를 전체 운행 리스크의 관점에서 관리할 수 있다. 즉 운용 효율을 높일 수 있는 것이다.

타이어 데이터를 활용하면 타이어 제조 분야에서도 새로운 가능성이 열린다. 지금까지 타이어 성능 개발은 주로 시험실과 제한된 주행 조건에서의 검증에 의존해 왔다. 그러나 실제 도로에서 발생하는 하중, 마찰, 변형, 마모 데이터를 지속적으로 확보할 수 있다면 타이어 구조와 트레드 설계, 내구성 평가, 신제품 개발까지 보다 정교한 접근이 가능해진다. 나아가 노면 상태와 충격 데이터를 위치 정보와 결합하면 도로 인프라 관리 등 새로운 산업 영역으로 확장할 수 있다.

타이어 데이터를 지능으로 전환하는 기술적 경쟁력

이러한 가능성을 현실로 만드는 것은 결코 간단하지 않다. 타이어 내부는 높은 원심가속도와 반복적인 충격, 온도 변화, 지속적인 변형이 발생하는 극한의 환경이기 때문에 데이터를 안정적으로 수집하고, 무선으로 전송하는 것부터 기술적 난도가 높다. 수집한 신호에서 차량의 하중, 마찰, 마모, 노면 상태와 같은 물리적 정보를 정확하게 추정하는 일은 더욱 어렵다.

타이어 데이터 분석 기술 기업 반프(BANF)는 이를 해결하기 위해 타이어 내부 센서인 ‘아이센서(iSensor)’, 무선 전력 공급과 통신을 지원하는 ‘스마트 프로파일러(Smart Profiler)’, 차량 데이터 처리 시스템과 피지컬AI 알고리즘을 결합한 지능형 타이어 기술 등을 개발해 왔다. 단순히 센서만 제작하는 것이 아니라 데이터 수집부터 물리적 해석, 차량 시스템과의 연동까지, 하나의 통합 기술 체계를 구축하는 것이다.

반프의 기술 경쟁력은 개별 하드웨어나 AI 알고리즘에만 존재하지 않는다. 반프는 타이어 구조와 차량 동역학에 대한 이해, 극한 환경에서 작동하는 센싱 기술, 실제 주행 환경에서 축적되는 데이터, 이를 기반으로 지속적으로 고도화한 피지컬AI를 결합해 기술 경쟁력을 확보했다. 다양한 타이어 규격과 차량, 노면 조건에서도 신뢰할 수 있는 결과를 만들어 내는 데에는 상당한 연구개발과 실증 경험이 필요하다. 반프의 경쟁력은 이처럼 여러 기술을 유기적으로 연결하고 데이터와 검증 경험을 꾸준히 쌓아온 데 있다.

자율주행의 마지막 퍼즐, 타이어 데이터

자율주행 기술의 경쟁력은 단순히 주변 환경을 얼마나 정확하게 인식하는가에 머무르지 않을 것이다. 중요한 것은 인식한 환경에서 차량이 실제로 얼마나 안전하게 움직일 수 있는지를 판단하는 능력이다. 아무리 성능 좋은 AI, 정교한 알고리즘이라도 타이어와 도로 사이의 물리적 한계를 뛰어넘을 수는 없다.

앞으로 자동차는 도로를 인식하는 수준을 넘어, 타이어와 노면 사이에서 발생하는 물리적 현상을 이해하고 이를 주행 판단과 제어에 반영하는 방향으로 발전할 것이다. 자율주행 기술의 마지막 블랙박스를 여는 열쇠는 자동차와 도로가 만나는 유일한 접점인 타이어, 그리고 그 타이어가 보내는 데이터에 있다.

글 / 유성한 반프 대표

유성한 대표는 서울대학교 전기컴퓨터공학부에서 학사 및 석사 학위를 취득하고, 2020년 12월 타이어 데이터 분석 기술 기업 반프를 창업했다. 반프는 주행 중인 타이어의 데이터를 실시간으로 수집 및 분석하는 ‘스마트 타이어 프로파일 솔루션’을 구축하고 글로벌 타이어 및 자동차 제조사, 대규모 운송 사업자, 자율주행 기업과 협업하며 차세대 모빌리티 및 자율주행 시대의 도로 안전과 운행 효율을 높이는데 앞장서고 있다.

정리 / IT동아 한만혁 기자 (mh@itdonga.com)