기원전 2000년경 통나무를 이용한 바퀴를 이동 수단에 사용한 이후로 바퀴(Wheel)는 고무 타이어(Tire)를 부착한 형태(Thompson 특허, 1845)로 발전하여 오늘날 모든 자동차에 반드시 필요한 핵심 부품으로 사용되고 있다. 즉, 자기 부상(Magnetic Levitation) 방식과 같은 새로운 이동 수단이 등장하지 않는 한 타이어는 여전히 미래 자동차의 필수 부품인 것이다.

타이어는 항상 도로 표면과 접한 상태에서 회전을 하기 때문에 사실 단어 의미 그대로 자동차에서 가장 피곤한 역할을 담당하고 있다. 따라서, 자동차를 장시간 운행하게 되면 타이어의 재료 특성(Polymer, Rubber)으로 인해 타이어 트레드(Tread) 마모가 필연적으로 발생한다. 이러한 트레드 마모는 제동력 및 연비 등에 영향을 주기 때문에 안전하고 효율적인 주행을 위해 주기적으로 교체해야 한다. 그러나 대부분의 운전자는 타이어가 매우 중요한 정비 부품 임에도 불구하고 관심을 크게 두지 않으며 타이어가 별다른 첨단 기술이 적용되지 않은 단순한 자동차 부품 정도로 생각하는 경향이 있다. 

그러나 최근 타이어에는 이러한 문제점을 해결하기 위해 수많은 첨단 기술이 적용되어 있다. 타이어는 미래 자동차와 마찬가지로 다가오는 4차 산업 패러다임에 맞춰 스마트(Smart) 타이어로의 진화를 거듭하고 있는 것이다. 미래자동차의 주류가 될 것으로 예상되는 자율주행 자동차(Autonomous Vehicle) 및 전동화(Electrification) 자동차에 필요한 성능을 보조하기 위해 타이어도 자동차와 마찬가지로 지속적으로 지능화(Smart, Intelligent)되고 있다.

스마트 타이어는 내부에 내장된 각종 센서로 공기압 뿐만 아니라 트레드 마모 정도, 내부 온도, 노면 상태 등을 측정하고 무선 통신 및 사물인터넷(IoT) 기술 등을 통해 차량 내외부와 데이터를 주고받으며 기존 타이어보다 지능적인 타이어를 지칭한다. 스마트 타이어의 작동 원리를 살펴보면, 타이어​ 내부에 응력 센서(strain Sensor)를 부착하면 도로 표면과의 접촉면(Contact Patch)에서의 변형(Deformation) 때문에 타이어가 1회전할 때마다 <그림 1>에 나타낸 형상과 같은 변형율

(Strain) 변화가 발생한다. 이때 A와 C점 간의 시간 차이를 계측하면 타이어 트레드 마모 정도, 타이어에 작용하는 하중 등의 추정이 가능해진다. 만약 이러한 스마트 타이어가 상용화되면 타이어 상태를 모니터링할 수 있고, 노면 상태를 감지하여 브레이크, 서스펜션 시스템과 연동해 주행 안전성을 향상시키는 등 다양하게 활용이 가능하다. 다가오는 미래에는 주변 환경에 맞춰 주행 중 타이어 형태까지 변형시키며 최적의 성능을 발휘할 수 있을 것으로 예상하고 있다. 

스마트 타이어는 현재 자동차에서도 매우 유용한 기술이지만 다가올 미래 모빌리티 시장에서도 각광받을 것으로 예상된다. 대표적인 미래 모빌리티인 자율주행 자동차는 무인 또는 운전자 대신 기계 시스템인 차량이 운전을 하기 때문에 운행 상황, 차량 상태와 관련된 모든 변수를 측정 데이터에 기반해 사람과 같이 능동적으로 대응해야 한다. 인간이 운전할 경우 눈을 통해 수집한 시각 정보와 차에서 발생하는 소음과 같은 음향 정보를 귀와 같은 청각 기관을 통해 수집하여 도로 표면 상태를 직관적으로 판단할 수 있지만 자율주행차는 수집한 센서 데이터에 의존하여 분류, 인지를 해야 하기 때문에 완벽한 자율 주행을 방해하는 요소 중 하나로 알려져 있다. 

특히, 자율주행 자동차의 경우 운전자가 숙면을 취하거나 독서 등을 통해 외부 환경과 차단된 상태에서 자율주행 시 포트홀(Potholes)과 같은 도로 위험 요소(Road Hazards)를 자율 주행 자동차가 적절하게 대처하지 못할 경우 서스펜션과 같은 주요 부품 파손 및 심각한 안전 문제를 야기시킬 수 있다. 자율주행 자동차와 같은 미래 자동차의 핵심 인지 센서로 예상되는 LiDAR, Camera 등을 이용한 이미지 정보를 이용하여 이러한 문제점을 해결할 수도 있으나 최근에는 스마트 타이어를 통해 해결 방안을 찾으려는 시도가 글로벌 타이어 업체에서 활발하게 이루어지고 있다. ​

도로의 표면 상태에 의해 발생하는 대표적인 도로 위험 요소는 도로에 움푹 패인 부분 지반 침하를 지칭하는 포트홀(Pothole), 블랙 아이스(Black Ice)와 같은 빙판, 강우 시 발생하는 수막현상(Hydroplaning), 규격을 벗어난 과속 방지턱(Bump) 등이 있다. 이러한 도로 위험 요소를 미연에 감지하거나(Active Safety), 설사 이러한 위험 요소에 노출이 되어도(Passive Safety) 자율자동차가 스스로 위험 요소를 스마트 타이어 시스템을 통해 감지하여 통제 센터(Cloud 서버)에 감지 정보를 전달하여 관리할 경우 교통 사고 발생 및 자동차/도로 유지 보수 비용을 상당 부분 감소시킬 수 있다.

빗길 주행 시 마주칠 수 있는 대표적인 도로 위험 요소는 타이어와 도로 사이에 얇은 수막이 형성되어 자동차가 순간적으로 제어 불능 상태에 이르는 수막(Hydroplaning) 현상이다. 즉, 타이어가 수막현상으로 인해 발생한 수압으로 물 위에 부양되어 자동차가 접지력 상실로 인해 제동 및 조향이 불가능해지는 현상을 지칭한다. 갑작스러운 수막현상은 매우 위험한 사고로 이어질 수 있으며, 특히 자율주행자동차의 경우 이러한 수막 현상을 미연에 감지하거나 노출이 되어도 신속하게 감지후 대처할 수 있는 기술 개발이 선행되어야 한다. 

독일의 타이어회사인 콘티넨탈(Continental AG)은 주행 중 수막 현상이 발생시 위험을 감지하고 경고하는 수막 현상 자동 경고 시스템을 이미 2018년 개발하여 공개하였다. 이 기술은 카메라 정보 및 스마트 타이어 센서 데이터를 기반으로 한 경고 시스템이 도로의 상태 및 수중 상황을 조기에 감지할 것으로 보인다. 즉, 운전자 또는 자율주행차에 센서 정보 및 소프트웨어를 기반으로 잠재적 위험을 감지하고 실시간으로 경고하는 타이어 센서 기술인 eTIS(Electronic Tire Information Systems)과 카메라, 알고리즘, 브레이크 작동을 포함하는 첨단 HMI(Human-machine interface) 기술이다. 이 시스템은 특정 타이어 Tread에 의해 배출되는 빗물의 비산 

패턴을 인식해 타이어 트레드가 신속하게 물을 배출할 수 없을 때를 감지하여 수막 현상을 판정하는 특징을 가진다. 또한 차량 간 통신(V2X, Vehicle to Everything)과 디지털 지도를 통해 즉시 위험을 외부 통제 시스템에 전달할 수 있다.

한편, 수막 현상과 더불어 도로에서 많이 볼 수 있는 위험 요소 중 포트홀(Pothole)은 ‘도로 위 지뢰’로 불리며 운전자들의 안전을 위협한다. 포트홀은 아스팔트 도로 표면 일부가 부서지거나 내려앉아 생긴 구멍을 말하며 통상적으로 깊이 5cm 이상, 지름 20cm 이상인 도로 위험 요소를 의미한다. 이러한 구멍들은 비가 많이 오는 장마철에 도로가 노후화되거나, 제설작업 시 살포한 염화칼슘 등으로 도로에 균열이 발생하고 그 위로 차량이 반복적으로 지나가면서 생긴다. 포트홀처럼 움푹 파인 노면을 운전자가 제때 인식하지 못할 경우, 즉각적으로 회피하거나 속도를 줄일 수 없어 위험하다. 또한 포트홀을 지날 때 차량의 서스펜션 및 조향 시스템에 큰 외력이 작용하기 때문에 특히 자율주행 차량에서 이와 같은 시스템 외란의 존재는 SDV(Software-Defined Vehicle)의 안전성 측면에서 더 위협적으로 작용할 수 있다.

이를 위해 독일의 메르세데스-벤츠는 2016년 이후 생산한 300만 대의 승용차에 ‘카투엑스(Car-to-X)’라는 커넥티드 시스템을 탑재하여 차량의 타이어 센서와 클라우드 서버를 활용하여 도로 상태 정보를 공유하며, 파손된 도로나 과속 방지턱과 같은 이상 상황을 감지하면 주변 차량에 알린다. 또한 반프(BANF)는 주행 중인 타이어에서 추출한 실시간 데이터(3축 데이터)를 기반으로, 타이어 이상 여부와 도로 상태 등 다양한 정보를 분석하는 기술을 보유하고 있다.

이 기술은 차량이 포트홀과 같은 도로 위험 요소를 맞닥뜨렸을 때 타이어의 스마트센서<그림 3>를 활용하여 타이어의 가속도, 공기압, 하중 등의 변화와 충격을 감지한다. 이후, 수집된 데이터는 차량 ECU(Electronic Control Unit) 및 컴퓨팅 시스템에서 데이터 분석(Data Analysis) 단계를 거쳐 노면에 따른 특징점(Feature)을 추출한 후 이를 기반으로 딥러닝으로 학습된 모델에 의해 도로 위험 요소로 분류(Classification) 된다. 최근에는 포트홀 검출의 핵심인 정확한 분류 모델을 생성하기 위

해 사전에 수집한 노면 및 타이어 데이터를 SVM(Support Vector Machine), KNN(K-nearest neighbor), ANN(Artificial Neural Network) 등의 알고리즘을 활용하여 성능을 높이는 연구가 진행되고 있다.

이런 기술을 도입하여 서울시는 다리소프트와 인공지능(AI)을 기반으로 도로 위험 정보를 실시간 탐지하는 솔루션을 도입하여 버스 등 대중교통에 상용화를 진행하고 있으며 한국타이어는 2021년부터 현대차·기아와 데이터 기반 서비스 개발을 위한 상호협력 MOU를 체결하여 타이어 관련 데이터와 타이어 상태 측정 기술을 상호 공유하기로 하였다.

겨울철에는 ‘눈’ 이라는 환경 변수가 추가됨에 따라 새로운 도로 위험 요소로 작용한다, 블랙 아이스(Black Ice)는 겨울철 도로 위에 내린 눈이 녹았다가 다시 얼어붙어 생성되는 얇은 얼음 층을 의미하며 검은 아스팔트를 그대로 비치기 때문에 ‘블랙 아이스’라고 부른다, 한국교통연구원의 분석결과에 따르면, 2015~2019년 블랙아이스로 인한 교통사고 발생 건수는 총 5,200건으로 눈길 교통사고(2천 2884건)보다 1.8배나 많았다. 블랙아이스는 육안(이미지 기반)으로 파악하기 매우 어렵기 때문에 특히 자율주행 차량에서의 블랙 아이스 탐지는 카메라 및 라이다(LiDAR)로 해결하기 어렵다. 최근에는 영상처리 방법을 활용한 방법과 더불어 블랙 아이스 사고를 해결할 새로운 해법으로 차량에서 노면과 유일하게 직접적으로 상호작용하는 스마트 타이어 정보를 활용하려는 시도들이 이루어지고 있다. 한국타이어는 SK플래닛의 AI 모델링 기술을 활용, 노면 상태에 따른 각 주행 소리(타이어 마찰음)를 주파수 특징으로 구분하여 수집된 데이터를 기반으로, 사고로 직결될 수 있는 도로 상황(결빙, 적설)을 실시간으로 탐지하는 기술을 공동개발하였다. 나아가 학계에서는 차량의 노면 상황에 따른 차량 동역학(Vehicle Dynamics) 및 차량 휠 동역학(Wheel Dynamics)을 분석하여 이를 활용한 실시간 마찰계수(블랙 아이스) 추정 연구가 진행되고 있다.

그러나 스마트 타이어의 성공적인 개발을 위해서는 적지 않은 기술적 문제를 해결해야 한다. 1회전당 1개의 신호를 수집하는 이산형(Low Sampling frequency) 데이터 특성을 보완할 방법, 샘플링 주파수를 크게 할 경우 발생하는 전원 공급 문제 등이 풀어야 할 주요 기술적 문제이다. 도로 위험 요소 탐지와 같은 미래 모빌리티에서의 스마트타이어의 기술발전은 첨단 타이어 센서 및 통신 인프라의 등으로 인한 경제성 문제 및 하드웨어, 통신 서비스의 보안 문제 등에도 불구하고 국가 및 기업의 노력으로 디지털 시대가 발전하면서 점차 해결될 것으로 예상된다. 이에 따라 BIS Research에 따르면 2026년까지 글로벌 자동차 스마트 타이어 시장 규모가 매년 6.2% 증가하여 1103.9억 달러에 이를 것으로 예측하고 있다.​​​

글 / 김기우 (인하대학교)

출처 / 오토저널 2023년 9월호