공학적으로는 낮은 마찰계수가 위험하다는 메시지보다 좀 더 자세한 설명이 가능하다. 노면과 타이어 사이의 마찰력은 조향과 구동, 제동력을 발생시키는 근원이며, 결과적으로 차량의 움직임에 영향을 주기 때문에 마찰계수가 얼마라는 것을 아는 것은 성능과 안전의 한계를 예측할 수 있게 해준다. 따라서 마찰계수가 얼마인지 아는 것은 바퀴잠금방지 제동장치(ABS, Anti-lock Braking System), 전자식 주행안정 장치(ESC, Electronic Stability Control) 등과 같은 능동안전장치나, 지능형 자동순항시스템(SCC, Smart Cruise Control), 긴급제동장치(AEB, Automatic Emergency Braking System) 등과 같은 자동 주행 장치 등의 설계 및 개발하는 데 매우 중요하다. 

실질적으로 이런 능동안전장치들은 노면 마찰계수를 모르는 상태에서도 동작할 수 있도록 성능을 다소 손해 보더라도 강건성을 높일 수 있도록 매우 보수적으로 설계되어 있다. 만약 마찰계수의 정확한 값을 알 수 있다면 위와 같은 제어 시스템들이 더욱 정밀하고 높은 성능을 가지도록 설계할 수 있을 것이다. 또한, 교통량 제어 및 도로관리 면에서도 노면의 미끄러움 정도를 실시간으로 파악할 수 있다면 매우 유용한 정보가 될 수 있다. 

일반적으로 마찰계수의 측정은 커다란 측정장치를 장착한 특수차량이나 측정장치가 설치된 트레일러를 이용하여 이루어지며, 이런 장비들은 주로 도로관리 기관에서 노면의 노후화 및 상태 조사의 목적으로 이용된다. 차량에 장착되어 마찰계수를 실시간으로 측정하는 소형 장치의 개발은 기술적이나 비용적으로 쉽지 않기 때문에, 대부분 차에 장착된 센서 값을 활용하여 마찰계수를 추정한다.

노면 마찰계수를 또는 마찰력을 추정하는 연구는 수십 년 전부터 시작되었으며 많은 방법이 제시되었다. 하지만 상업적으로 이용할 수 있을 정도로 일관성과 신뢰성이 높은 방식이 존재하지 않는 듯하다. 오래된 문제이지만 여전히 해결되지 않은 난제라 볼 수 있다. 지금까지 문헌에 발표된 연구를 분류해 보면, <그림 1>처럼 ‘원인 기반’ 방식과 ‘효과 기반’ 방식으로 구분할 수 있다. 

원인 기반 방식은 마찰력을 생성하는 현상에 영향을 주는 요소를 측정하여 마찰계수를 추정하는 방식이며, 효과 기반 방식은 마찰력에 따라 달라지는 차량 또는 구성 시스템의 반응을 측정하여 마찰계수를 추정하는 방식이다. 

이 방식은 빗물이 고였다거나 눈이 쌓은 노면을 운전자의 눈으로 보고 과거의 경험을 바탕으로 어느 정도 미끄럽겠다고 예측하는 것과 유사한 원리로 구현된다. 오래되었지만 흥미로운 연구 중 하나는 Holzmann이 제시한 방법인데, 카메라로 측정된 이미지로부터 도로의 질감을 추출하여 노면의 마찰계수를 추정하는 것이었다. 이 방법이 기반으로 하는 현상은 거친 표면의 이미지가 매끄러운 표면의 이미지보다 픽셀 휘도 레벨이 더 넓다는 것이다. 이 방식은 높은 차속 및 진동으로 이미지가 흐려지는 경우 텍스처 분석의 신뢰성이 저하된다는 단점을 가진다. 도로에 반사되는 빛을 감지하여 도로의 습기를 측정한 후 이를 바탕으로 노면의 미끄러움 정도를 추정하는 연구도 있었으나, 도로의 상태 감지 효과는 높았으나 빛의 강도와 방향에 큰 영향을 받는 방식이라 기상 조건 및 측정 위치에 따라 신뢰성이 달라진다는 단점이 있었다.

 

일반적으로 광학 센서의 신호만으로는 마찰계수를 추정하기 어려운데, 광학 센서가 제공하는 정보만으로는 쉽게 식별할 수 없는 많은 요인이 마찰계수에 영향을 미치기 때문이다. 이런 단점을 보완하기 위해 온도 등과 같은 다른 정보를 광학 센서 신호와 결합하여 더욱 정확한 추정치를 얻으려고 하는 시도가 있었다. 이 방식은 쌓인 눈 아래에 아스팔트가 있는지 빙판이 있는지도 구분할 수 있는 장점이 있었다. 

이처럼 다양한 센서 신호를 이용하여 추정하는 방식은 센서의 추가로 인한 비용상승과 계산 부하가 높다는 이유로 연구 수행 당시에는 실용적이지 못하다고 여겨졌으므로, 추가적인 연구가 이루어지지 않은 듯하다. 하지만 최근에 자율주행차 기술이 양산차에 적용되면서, 여러 가지 센서들이 기본적으로 장착되고, 고성능 연산이 가능해짐에 따라 이와 같은 방식의 연구가 다시 주목받고 있다. 특히 DNN 기술을 활용하여 여러 가지 신호의 융합과 복잡한 알고리즘의 구현이 가능해지면서, 과거 보다 더욱 정밀하고 다양한 정보를 추출할 수 있게 되었다. 노면 마찰계수뿐만 아니라, DNN의 semantic segmentation 기법을 활용하여 부분별로 노면이 상태가 다른 경우에도, 위치별 노면의 종류를 구분하는 것도 가능해지고 있다. 

이러한 방법은 타이어-노면 마찰에 영향을 미치는 요인을 감지하기 때문에 원인 기반 방법이라고 한다. 광학 센서 기반 방법에는 두 가지 잠재적인 이점이 있다. i) 차량 전방 노면의 마찰계수를 감지할 수 있어 제어 적인 측면에서 선제 조치가 가능하다. ii) 물리적 가진 없이 추정할 수 있으며 차량이 움직이지 않을 때도 잘 작동한다. 하지만, 이런 방법들은 마찰계수에 영향을 미치는 요소 중 환경적 요소들만 고려한다는 단점이 있다. 타이어 유형 및 마모, 압력, 수막현상 및 구동 휠의 정상 하중 변화와 같은 타이어 힘 생성에 영향을 미치는 다른 요소는 고려되지 않는다. 다시 말해, 이러한 알고리즘은 인간의 눈과 같은 방식으로 마찰계수를 추정하지만, 환경적 요소들만 감지하기 때문에 타이어 상태를 고려하지 못한다는 근본적인 한계도 있다.

이 방식은 광학 센서 기반 추정방식과는 다르게 타이어 트레드 내부에 센서를 삽입하여 타이어 변형을 측정하고 접촉 패치의 중앙과 가장자리에서의 변형을 비교하여 노면의 마찰계수를 추정한다. 삽입하는 센서는 변위를 측정하는 LED 센서부터 변형을 측정하는 스트레인 게이지까지 다양하다. 이 방식에서 기술적으로 가장 어려운 점은 어떻게 센서에 전원을 공급하고 측정된 값을 차체의 제어기로 어떻게 보내느냐 하는 것이다. 전원공급은 타이어의 변형에너지를 하베스팅하여 사용하거나, 전력 소모를 최소화하여 타이어 교체 주기에 건전지를 교체하여 사용하는 방식이 시도되었으며, 신호 전송은 무선 전송방식을 활용하였다. 이 기술은 타이어 메이커들이 많이 연구했으며 양산을 준비한다는 소식도 전해졌으나, 양산차에 장착되어 팔리지는 못한 듯하다. 성능보다도 비용과 내구성이 가장 큰 이유이지 않았을까 생각된다. 이런 방식은 마찰계수 추정뿐만 아니라 차체 하중 추정, 타이어 공기압 추정, 노면 형상 추정 등 많은 부가적인 정보를 얻을 수 있는 장점 있다. 

이 방식은 바퀴 회전 거동을 이용한 도로 마찰 추정 방법이다. 바퀴의 회전 속도만 필요하고 기반으로 하는 현상이 매우 단순하여 가장 널리 사용되는 방식이다. 이 방식은 견인력이 바퀴에 가해질 때 구동 바퀴와 비구동 바퀴 사이의 회전 속도 차이가 노면 마찰계수에 따라 달라진다는 현상을 기반으로 한다. 제동 시에도 동일한 개념을 적용할 수 있으나, ABS/TCS 가진에 기초한 마찰계수 추정은 ABS/TCS가 동작하는 특수한 거동 상황이 아닐 경우 사용 불가능하다는 단점이 있다. 정교한 타이어 모델과 휠 속도를 이용하여 마찰계수와 코너링 강성을 추정하는 연구도 존재하였으며, 휠 회전 속도의 공진 주파수가 마찰계수에 영향을 받는다는 것을 이용하여 마찰계수를 추정하는 연구도 존재했다. 이런 방식은 일반적으로 파워트레인 컨트롤러 또는 브레이크 컨트롤러에서 측정하는 휠 속도 신호와 구동력 및 제동력 정보를 이용하여 구현 가능하므로 비용과 기술적 난이도가 낮다. 하지만 휠의 거동은 노면 위의 작은 돌이나 노면의 작은 요철 등에 민감하게 반응하므로 알고리즘 측면에서 고려해야 할 요소가 많다. 

이와 같은 요소를 배제하면서 정확한 추정값을 위해서는 휠속도 센서의 분해능과 정밀도가 올라가야 한다. 최근에 널리 팔리고 있는 전기차에서는 훨씬 높은 분해능의 휠 속도 정보가 이용 가능하므로 이 방식의 활용도도 높아질 것이다.

차량 역학은 휠 역학보다 외란에 대해 훨씬 견고하므로 차량 역학을 이용한 마찰계수 추정방식은 다른 방식보다 견고성에서 이점이 있다. 횡가속도 센서와 요레이트 센서, 마찰계수를 포함한 타이어 모델, 차량 동역학적 모델을 활용하여 마찰계수가 차량 동적 거동에 미치는 영향을 활용하여 마찰계수를 추정하는 방식이다.

이러한 차량 동역학 기반 방법은 차량 동역학의 낮은 대역폭으로 인해 고주파 외란에 강건하므로 잡음이 많은 센서를 사용하는 경우 이러한 방법이 바람직하다. 위성 기반 위치 신호의 가용성과 함께 능동형 능동안전장치 컨트롤러의 보급률이 높아짐에 따라 다양한 차량 동적 상태 정보가 활용 가능해졌다. 결과적으로, 차량 역학을 기반으로 한 마찰 추정은 가장 널리 연구되는 분야이다. 

타이어에서는 세 종류의 힘이 발생한다. 종방향으로 발생하는 구동력 및 제동력, 코너링 시 발생하는 횡력, 타이어를 자동 정렬하려고 하는 자기 정렬 모멘트(Self aligning moment)가 그것이다. 종방향 힘은 ‘타이어 및 휠 역학 기반 방식’을 위해 사용되며, 횡력은 ‘차량 역학 기반 방식’을 위해 사용된다. 자기 정렬 모멘트의 발생 메커니즘에는 분명히 마찰계수가 중요한 역할을 하고 있지만, 과거의 차량에는 자기 정렬 모멘트를 측정할 수 있는 센서가 장착되지 않았기 때문에 이를 활용한 마찰계수 추정연구는 다른 두 힘을 이용한 연구보다 휠씬 늦게 시작되었다.

승용차에 전동식 파워스티어링 시스템이 도입되면서 앞 타이어의 자기 정렬 모멘트 정보를 측정할 수 있게 됐다. 도요타와 버클리 대학에서 꾸준한 연구가 이루어졌다. Ono는 추정된 타이어 힘과 자체 정렬 모멘트를 사용하여 남은 타이어 측면력 잠재력을 나타내는 ‘타이어 그립 마진’의 개념을 제시했다. 추정된 ‘타이어 그립 마진’을 사용하여 마찰계수를 추정하는 알고리즘을 개발하였다. 

광학 센서 기반 방법은 일반적으로 측정 환경에 민감하게 영향을 받는다. 타이어 트레드 기반 방법은 비용이 많이 들고 구현하기 어려운 특별히 설계된 스트레인 센서 및 전력 시스템에 대한 요구 사항으로 인해 여전히 경제성을 확보하지 못한 것으로 보인다. 휠 역학 기반 방법은 본질적으로 노면 거칠기 및 ABS/TCS 작동과 같은 고주파수 교란에 취약하다. 그러나 고정밀 휠 속도 센서를 사용할 수 있고 타이어 수직 운동의 영향을 제거할 수 있다면 휠 기반 방법은 응답이 빠른 장점이 있어 좋은 선택이 될 수 있다. GPS를 사용한 횡방향 역학 기반 방법은 과거에는 측정 및 추정이 매우 어려웠던 차량 횡속도와 같은 여러 차량 상태를 제공할 수 있으므로 유용성이 높다. 그러나 GPS 신호는 가시선이 필요하고 다중 경로 유도 오류에 취약하다는 단점이 있다. 이러한 단점에도 불구하고 차량 내비게이션용 GPS 설치의 지속적인 비용 절감 및 증가하는 비율에 비추어 재검토할 가치가 있다. 자율주행시스템의 장착률이 향상되고, 다양한 IT 기술이 차량에 접목되면서, 과거보다 더욱 많은 종류의 운동 역학적인 정보 및 도로 환경 정보를 활용할 수 있게 되었다. 따라서 마찰계수 추정은 여전히 난제이지만, 위와 같은 정보를 활용하면 신뢰성과 일관성이 높은 추정 방법론을 개발할 수 있을 것으로 기대한다. ​