포장평탄성을 고려한 대형버스 연료소모량 예측모형 개발

Development of Heavy Bus Fuel Consumption Model considering Road Pavement Roughness

Article information

J. Korean Soc. Hazard Mitig. 2016;16(5):41-46
Publication date (electronic) : 2016 October 31
doi : https://doi.org/10.9798/KOSHAM.2016.16.5.41
한대석*, 유인균, 이수형***
* Member. Ph.D., Senior researcher, Korea Institute of Civil Engineering and Building Technology
*** Member. Ph.D. Senior researcher, Korea Institute of Civil Engineering and Building Technology
**Corresponding Author. Member. Ph.D. Research fellow, Korea Institute of Civil Engineering and Building Technology (Tel: +82-31-910-0167, Fax: +82-31-910-0161, E-mail: ikyoo@kict.re.kr)
Received 2016 July 20; Revised 2016 July 22; Accepted 2016 August 05.

Abstract

도로포장의 평탄성은 도로관리는 물론 이용자 비용에도 중대한 영향을 미친다. 본 연구에서는 더 나은 도로투자와 관리계획을 위한 기 반연구로 포장의 평탄성을 고려한 대형버스 연료소모량 예측모형을 개발하였다. 연료소모의 설명변수로는 국제포장평탄성지수 (IRI), 운행속도, 경사도를 활용하였다. 그 결과 포장의 평탄성은 통계적으로 연료소모에 영향을 미치는 것으로 나타났으며, IRI 가 1m/km 증 가하면 저속 (56 km/h) 에서는 4.4%, 고속(96 km/h) 에서는 2.9% 가 증가하는 것으로 분석되었다. 본 연구는 대형차량의 연료소모량과 도 로평탄성과의 관계를 정량적으로 제시함으로써 교통에너지 관리에 도로관리전략을 접목하기위한 기반을 마련하였다. 또한 첨단장비 와 통신기술을 융합한 차량운행정보시스템의 개발은 교통에너지소비에 관한 빅데이터 개발의 기반을 제공할 것으로 판단된다.

Trans Abstract

Pavement roughness significantly affects road management and road user costs. This study aimed to develop a fuel consumption estimation model of heavy bus considering pavement roughness for better road investment and management planning. As explanatory variables, International Roughness Index(IRI), vehicle operating speed and road slope were applied. As the results, pavement roughness is statistically significant for the fuel consumption. As the IRI 1 m/km increase, the fuel consumption rate is increased by 2.9%(high speed at 96 km/h) to 4.3%(low speed at 56 km/h). This study sets a foundation to graft pavement management onto the transportation energy saving by suggesting quantitative relationship between fuel consumption rate and road roughness. In addition, it also serve an infrastructure to build a big data on transportation energy consumption by the development of real-time vehicle operating information system by fuzing advanced ICT technologies.

1. 서론

1900 년대 이래 지속된 개발과 성장위주의 정책은 지구온난 화, 이상기후, 생태계파괴 등 다양한 부작용을 초래하고 있다. 특히, 지구온난화 현상은 인류생존을 위협하는 요소로 간주되고 있으며, 2008 년 7월에 개최된 G7정상회의에서 한국은 2020 년까지 온실가스 감축목표를 배출전망치 (BAU) 대비 30% 감축한다는 목표를 공표하였다. 여기에는 수송 (교통)분 야도 34.4% 를 감축한다는 구체적 목표를 포함하고 있다 (GGIRCK, 2016).

수송분야에서의 주요 온실가스발생원은 차량의 연료이다. 이 연료소모량 혹은 소모율에 영향을 미치는 요소들을 찾아 내고, 변수를 통제·관리하기 위한 전략수립은 목표달성에 매 우 중요한 과정이다. 여기서, 해당 전략이 목표달성에 얼마나 기여할 수 있는가에 대한 평가는 독립 -종속변수 간의 정량적 인 모델링이 기반이 된다.

본 연구에서는 연료소모율에 영향을 미치는 주요변수로써 포장의 평탄성에 주목하고 있으며, 연료효율이 상대적으로 낮 고 정보수집이 까다로운 대형차량 (대형버스)을 연구대상으로 설정하였다. 본 연구에서는 연료소모에 관한 체계적인 정보수 집과 가공을 위해 대형버스에 OBD(On-Board Diagnostic) 단 말기와 무선통신 장비를 장착하고, 수집된 정보를 실시간으로 서버에 송신/가공하는 정보시스템을 구축하였다. 포장상태정 보는 현재 일반국도포장관리시스템에서 활용중인 자동포장 상태조사차량 PES(Pavement Evaluation Surveyor) 을 활용하여 측정하였으며, 최종적으로 이들 자료의 융합 (Fusion) 처리 과정을 통해 예측모형을 개발하였다.

본 연구는 첨단장비와 통신기술을 융합한 차량운행 프로파 일 정보시스템 개발을 통해 차량에너지 소비에 관한 빅데이터(Big data) 개발의 기반을 마련하였다는 점에서 기술적 진 보가 있었으며, 교통에너지 관리에 도로관리전략을 접목하기 위한 기반을 마련했다는 점에 연구의 기여도가 있다. 본 연구 결과는 교통에너지 절감과 온실가스의 저감을 위한 생애주기 비용분석의 중요한 서브모형으로 활용될 수 있을 것으로 기대된다.

2. 문헌고찰

수송분야에서의 온실가스 감축대안으로는 녹색교통, 교통 혼잡관리, 교통수요 (O-D) 의 감소/분배 정책, 대체에너지 개발 등 다양한 전략이 고려될 수 있다. 이는 교통관리와 에너지 정책의 영역으로 인식될 수 있으나 최근에는 도로의 생애주기에 걸쳐 발생하는 온실가스를 정량화 하여 친환경 도로관리정책을 개발하고자 하는 노력들이 이어지고 있으며, 이미 국내외 대부분의 도로투자 편익분석에도 연료소모량과 탄소 배출량 항목이 포함되어 있다 (Bennett and Greenwood, 2000;Han and Do, 2016; MOLIT, 2013).

차량의 연료소모량에 관련된 문헌들을 살펴보면 차종 및 하중, 배기량, 주행속도, 타이어의 구름저항, 경사도 등 다양한 변수의 영향을 받아 결정된다고 보고되고 있다 (Bennett and Greenwood, 2000; Fiona et al., 2012). 또한, 이러한 물리적인 요소 외에도 운전자의 운전행태 (급가·감속, 과속, 퓨얼컷, 제동습관 등) 또한 연료효율에 중요한 영향 (약 25%) 을 미치는 것으로 알려져 있다 (Ko et al., 2015). 이러한 점에 착안하여 국토교통부와 교통안전공단은 경제운전 교육과 홍보강화로 경제운전 참여율 30% 달성을 통해 203 만톤의 CO2감축을 목 표로 하고 있다 (MOLIT, 2014).

국토교통부가 공표한 교통수단별 온실가스 산출기준은 연료소모량을 기준으로 하고 있으며 (MLTM, 2012), 대규모 교통시설투자분석에 공식적으로 활용되는 연료소모량 예측모형은 주행속도 만을 변수로 활용하고 있다 (MOLIT, 2013). 주행속도기반 예측모형은 적용이 간편한 이점이 있으나, 포장상태에 따라 변화하는 연료효율을 고려할 수 없어 친환경 도로 관리전략 개발에 활용되기 어렵다는 한계가 있다. 이러한 한 계에 대응하고자 Kim et al.(2012) 은 승용차를 대상으로 노면 평탄성을 고려한 연료소모량 예측모형을 제시한 바 있다. 해 당 연구는 노면평탄성과 연료소모량의 상관관계를 실증자료를 통해 증명했다는 측면에서 중요한 연구성과가 있다고 할 수 있다. 그러나 실험조건 및 모형도출 과정이 노면평탄성이 상이한 두 도로구간을 선정하고, 주행 후 연료소모량을 비교 하는 형식의 접근방식을 취함에 따라 샘플 수 부족, 그리고 현실에서 폭넓게 분포하는 노면평탄성을 고려하지 못한다는 한계를 갖는다. 또한 차량자체의 하중이 크고 물류와 승객을 수송함에 따라 연료효율이 급격히 낮아지는 대형차량에 대한 접근은 아직까지 활발히 이루어지지 못하고 있다.

한편, 최근 미국 FHWA 는 NCHRP 720 프로그램을 통해 대형트럭을 대상으로 노면평탄성과 연료소모량의 관계를 정량적으로 규명하고자 한 바 있다 (Chatti and Zaabar, 2012). 그러나 해당 연구성과를 그대로 활용하기에는 대표차량과 실험조건 등이 상이하여 국내실정을 제대로 반영하기 어렵다는 한계가 있다. 온실가스 절감계획수립은 물론 대규모 교통시설 투자평가의 신뢰성 확보를 위해서는 연료소모량에 대한 빅데이터를 구축하고 이를 기반으로 한 실증모형의 개발이 요구 된다.

3. 대형버스 연료소모량 예측모형의 개발

본 절에서는 연구절차에 따라 1)연료소모량 예측모형 개발 전략, 2)대표차량 및 정보수집구간의 선정, 3)차량운행 및 포 장상태 정보수집, 4)수집자료의 가공과 퓨전, 5) 연료소모량 예측모형의 개발의 순으로 기술하기로 한다.

3.1 연료소모량 예측모형 개발전략

차량의 연료소모에는 차량의 물리적인 특성 (차종, 배기량, 사용기간 등) 이외에도 운전자의 운전습관, 차량운행속도와 같은 운행특성, 여기에 포장표면과 타이어 간에 발생하는 구 름저항 (Rolling resistance), 실차하중, 경사도 등과 같은 도로 의 물리적 특성이 복합적으로 영향을 미친다. 그러나 실내실 험을 통해서는 이러한 다양한 주행환경의 모사에 한계가 있 다. 이에 본 연구에서는 실차실험을 통한 경험적 모형구축을 기본전략으로 채택하였으며, 연료소모에 영향을 미치는 주요 변수를 1)차량운행속도 (km/h), 2) 종단평탄성 IRI(m/km), 3) 종단경사 (%) 로 한정하였다. 본 연구는 다양한 분야의 전문지 식이 요구되는 만큼 자동차 OBD 및 IT전문가, 자동차전문가, 도로포장전문가가 연구에 참여하여 결과의 신뢰성을 확보하 고자 하였다.

3.2 대표차량 및 정보수집구간의 선정

대표차량의 설정은 모형의 일반화에 매우 중요한 요소이다. 우리나라의 교통량 분류체계는 총 12종으로 구분된다 (KICT, 2006). 여기서 대형버스는 2종에 해당되며, 1단위 2축 6륜, 16 인승이상의 여객수송 버스로 정의하고 있다. 해당차종은 도시형버스, 직행버스, 관광버스, 시외버스, 전세버스 등으로 정 의하고 있다. 대표차량 설정과 관련된 문헌들을 살펴보면 다양 한 차량의 특성을 종합한 가상의 합성차량 (composite vehicle) 을 설정하거나, 실제 도로를 운행중인 차종 중에 선택하는 방법을 제시하고 있다 (Bennett, 1995). 본 연구에서는 우리나 라 운수업체에서 가장 광범위하게 활용중인 “현대 유니버스”로 선정하였다. 이 버스 유형은 고속버스로서는 1개 운수업체 를 제외한 우리나라의 모든 회사가 모두 운용하고 있으며, 시외버스, 공항버스, 광역버스, 좌석버스로써 우리나라 전역에 걸쳐 117 개 운수업체에서 활용 중이다 (Wikipedia, 2016). 대 표차량의 기본 제원은 Table 1 과 같다.

Specifications of the representative vehicle (Hyundai Universe)

대형버스의 연료소모량 조사는 일반 승용차에 비해 실험버스 및 운전자 섭외는 물론 하중 등 일반적인 운행조건을 모사 하기가 까다롭다. 이에 본 연구에서는 버스회사와의 공조체계를 통해 차량 및 운전자의 수급, 일반적인 운행조건 모사에 대한 한계를 해결하고자 하였다.

여기서, 시험차량의 운행연수가 연료효율의 변수가 될 수 있다. 해당 버스회사가 보유한 대표차량 40대중 4대를 제외한 모든 차량이 2009 년에 구입되어 평균 운행연수는 조사시점 기준 5년 수준으로 나타났다. 현재 사업용 버스의 내용연수가 9년으로 규정되어 있고, 종합검사를 통해 2년 연장이 가능하다는 점을 고려할 때 평균적인 관점에서 시험차량의 노후도 에 논란은 배제할 수 있다고 판단된다.

한편, 대상구간의 선별에는 설명변수인 차량운행속도, 종단 평탄성, 경사도가 폭넓게 분포되어 있는가가 중요한 기준이 된다. 특히 모형개발에 있어 고속 (100km 수준)에서의 운행정 보가 필수이기 때문에 고속국도가 반드시 포함되어야 한다. 이에 본 연구에서는 ‘서울시내-인천공항’간 3개의 버스노선을 선정하여 기하구조와 포장상태, 주행속도의 프로파일을 분석한 후 최종 1개의 버스노선구간을 정보수집구간으로 결정하였다. 정보수집구간의 현황을 요약하면 Table 2 와 같다.

Road and traffic condition of a target section (Seoul-Incheon airport route)

3.3 차량운행 및 포장상태 정보수집

본 연구에서 활용한 OBD 장비는 순간연비소모량과 주행속 도 이외에도 RPM, 냉각수온도, 공회전시간, 누적주행거리, GPS 좌표, 퓨얼컷 (Fuel-cut) 여부 등에 대한 정보를 1초 단위 로 가공하여 기록한다. 이 정보는 버스내부의 와이파이 (Wifi) 망을 활용하여 서버로 실시간 전송되고 서버에서는 설계된 양식에 맞추어 정보를 저장/변환하여 표출한다 (Fig. 1 참조). 해당 시스템은 차량운행 프로파일 빅데이터 구축을 위한 플랫폼으로 활용가능하다.

Fig. 1

Development of real-time vehicle operating information system

대상구간의 포장상태 프로파일 조사를 위해 우리나라 국도 포장관리시스템에서 활용중인 노면상태 자동조사장비 (PES) 를 활용하였으며, 차선간 포장상태의 편차를 최소화하기 위해 정보 수집중인 버스의 이동 경로를 그대로 뒤 따라가며 측정 하였다 (Fig. 2 참조). 참고로 IRI 정보는 10 m 간격으로 측정/가 공되며 규격은 ASTM(2015) 에따른다.

Fig. 2

International Roughness Index (IRI) survey by automated inspection car

3.4 수집정보의 가공과 퓨전

연료소모량 예측모형을 개발하기 위해서는 ‘순간연료소모 량=f(주행속도, 경사도, IRI)’ 형식의 정보퓨전이 필요하다. 여 기서 문제는 OBD단말기는 단위시간을 기준으로 수집되고, PES 차량의 IRI정보는 거리 기준으로 가공되기 때문에 매칭이 까다롭다는 점이다. 이는 OBD단말기에서 얻어진 GPS 정보를 활용하여 개별 자료의 초당 이동거리를 계산하고, 각 데이터 의 누적이동거리(즉, 위치)정보를 생산 후 IRI 의 누적이동거 리 정보와 매칭하는 과정을 통해 해결하였다. 또한, GPS정보 를 *.KML 형식으로 변환시켜 Google Earth 상에 표출하는 과정을 통해 자료퓨전의 신뢰성을 확보했다 (Fig. 3 참조).

Fig. 3

Data matching with Google Earth®

한편, IRI 자료의 가공기준이 예측모형 도출에 중요한 변수 가 될 수 있다. 10m 단위로 가공된 원시자료간의 변동 (fluctuation) 특성을 확인해 본 결과 평균 IRI 2.06 m/km, 최대19.95 m/km 로 나타났다. 즉 IRI 의 기본단위인 km를 기준으 로 가공하는 것은 모형에 IRI 의 영향이 너무 둔감하게 반영될 것을 쉽게 예상할 수 있다. 반대로 원시자료인 10 m 단위로 매 칭하면 차량의 주행속도를 감안할 때 국부적인 포장상태를 너무 민감하게 반영하게 되며, OBD정보와의 정확한매칭이 어렵다는 문제가 발생한다. 본 연구에서는 차량의 주행속도와 IRI 의 변동성을 감안하여 적정가공단위를 100 m로 결정하였다. 참고로 100m 는 차량이 제한속도인 100km 로 주행할 경우 3.6 초에 해당되는 거리이다. 이렇게 원시 자료셋을 완성한 후 분석 자료에 포함된 정차 (속도=0 m/sec), 퓨얼컷 (연료소모량=0 cc/sec), GPS-Z 값 오류정보를 필터링 하는 과정을 통해 최종 분석자료를 구축하였다.

자료가공 중 가장 문제가 되었던 사항은 종단경사와 관련된 GPS-Z 값의 신뢰성이었다. 본 연구에서의 종단경사는 OBD 단 말기에서 추출되는 1초간 이동거리에 대한 순간경사도를 의 미하는 것으로, n번째 샘플과 n+1 번째 샘플의 GPS-X,Y,Z 좌 표 정보를 유클리디안 거리(Euclidean distance) 계산법을활 용하여 가공된다. 해당값은 도로종단선형설계의 연속성을 감 안할 때 연속적이면서도 안정적인 값이 도출되어야 정상성을 인정할 수 있으나 일부 자료에서 불규칙한 변동특성이 발견 되었다. 국토부의 「도로구조시설기준에관한규칙」(MOLIT, 2015) 에따르면 고속도로 평지의 최대종단구배는 100km 구 간에서 3%, 간선도로 60km 구간에서 5%로 지정하고 있어 이를 근거로 이상치를 제거하여 자료를 가공하였다. 그러나 일반적으로 OBD에 내장된 저가형 GPS의 경우 평면이동과 관련된 X-Y좌표는 상대적으로 안정적이나 Z값에 대한 신뢰 성은 아직 확보되지 못한 것으로 알려져 있어 이상치를 제거 하더라도 자료자체의 신뢰성은 보장하기 어렵다는 한계가 있 다. 이에 본 연구에서는 종단경사를 설명변수로 포함한 경우 와 제외한 경우로 구분하여 모형을 제시하기로 한다.

3.5 연료소모량 예측모형의 개발

연료소모량 추정모형 개발에는 변수의 영향력 해석과 모형 화가 간편한 다중회귀모형(multiple regression) 을 적용하였다. 분석에 앞서 설명변수로 설정한 주행속도, 경사도, IRI 의 분포 특성을 살펴본 결과 가능영역에 고르게 분포되어 있어 모 형의 일반화에 적합하다고 판단된다 (Fig. 4 참조).

Fig. 4

Probability density of fuel consumption rate with explanatory variables (a case)

본 연구에서는 앞서 기술한 바와 같이 종단경사정보의 신뢰 성을 감안하여 종단경사를 포함한 경우와 제외한 경우로 나누어서 모형을 제시하였다.

먼저 모든 변수를 포함한 모형의 통계치는 Table 3과 같으며, VIFs 값을 검토한 결과 설명변수간의 다중공선성은 발생 하지 않았다. 주행속도는 설명력이 매우 높은 것으로 나타났으며(t-value=19.89, P-value=0.00), IRI 도 t-value 3.15, P-value 0.002 로 설명변수로 유의하다는 결론이 도출되었다. 그러나 신뢰성이 의심되었던 종단경사의 설명력은 예상했던바와 같이 통계적으로 유의하지 못한 것으로 나타났다(p-value 0.5428). 다만, 모형계수값이 (+)값으로 나타난 것은 경사구간이 형성되 면 내리막길에서 연료의 절감이 가능할 지라도 평균적으로는 연료소모에 악영향을 미치는 것으로 해석될 수 있다.

A fuel consumption model by multiple regression (A case: speed, slope, and IRI)

종단경사를 제외한 Table 4 를 살펴보면, 종단경사를 제외 했음에도 파라미터 계수값과 통계값들의 변화는 상당히 미미한 것을 알 수 있다. 이는 해당 변수의 영향력이 상대적으로 매우 낮음을 의미한다. 본 연구에서는 종단경사에 대한 정보의 신뢰도 문제와 통계치를 감안하여 이를 제외한 모형 (Table 4)을 최종결과로 제시한다.

A fuel consumption model by multiple regression (A case: speed and IRI)

마지막으로, 본 연구에서 도출된 추정식에 대한 정합성을 확인하기 위해 미국 TRB(Transportation Research Board) 에 서 최근 수행한 NCHRP 연구프로그램(Chatti and Zaabar, 2012) 의 결과와 비교해 보았다. Table 5 를 살펴보면 두 연구의 연료효율의 편차는 저속 (56 km/h) 에서 +2.33%, 고속(96 km/h) 에서 +1.87% 로 나타났다. 대표차량과 주행조건 등 실험조건 이 상이함을 감안할 때직접적인 비교는 다소 무리가 있다고 판단할 수 있으나, 편차의 규모가 크지 않고 저속에서 영향력 이 커지는 경향은 동일하게 나타났다.

Comparison of fuel consumption rate by IRI with the NCHRP 720 (TRB)

본 연구에서 도로평탄성이 대형버스의 연료효율에 미치는 영향을 정량화 했다는 것은 주목할 만한 연구 성과라고 판단 된다. 다만, 도출한 모형식의 R-sq. 값이 18.8% 수준으로 나타 난 것은 순간연비추정에 있어 평탄성이 외에도 운전자의 가 감속 습관, 내리막에서의 퓨얼컷 활용, 차량하중 등 본 연구에서 아직 규명하지 못한 다양한 요소들이 간섭하고 있음을의 미한다. 향후 연구에서는 모형의 적합도 개선을 위한 추가적 인 변수도입, 혹은 운전자의 행태를 반영하기 위한 가속도기반모형에 대한 접근이 필요하다고 판단된다.

4. 결론

본 연구에서는 도로투자분석, 유지관리전략, 교통에너지 평가 등에서 다양하게 활용 가능한 차량의 유류소모량에 대한 연구를 수행하였다. 특히 일반 승용차에 비해 모형개발이 까 다로운 대형차량 (버스)를 대상으로 최신 OBD 장비와 ICT 기 술을 접목한 실시간 빅데이터 개발의 기반을 마련했다는 점 에 기술적 진보가 있었다. 연료소모량 예측모형의 설명변수로 는 국제포장평탄성지수인 IRI, 운행속도, 경사도를 활용하였으며, 시내 및 고속도로 구간이 포함된 60 km 구간의 대상구 간을 설정함으로써 모형 구축의 신뢰도를 확보하고자 하였다. 분석결과 포장의 평탄성은 통계적으로 연료소모에 영향을 주 는 것으로 나타났으며, IRI 가 1m/km 증가함에 따라 저속 (56 km/h) 에서 4.3%, 고속(96 km/h) 에서는 2.9% 가 증가하는 것으로 분석되었다.

포장상태는 포장관리 전략을 통해 조절이 가능한 요소이다. 본 연구결과를 생애주기비용분석에 접목하면, 투자(보수예산 수요)와 성과 (교통에너지 및 탄소배출량 절감)간의 서비스 비용 함수추정이 가능해 짐에 따라 경영/경제적 관점에서의 최적관리기준을 수립할 수 있다. 한편 우리나라 온실가스 감축 목표량을 달성하기 위한 포장의 최적보수기준에 대한 접근도 충분히 가능할 것으로 기대된다. 다만 이에 대한 구체적인 연 구는 다양하고 광범위한 요소가 포함된 생애주기비용분석을 요구함으로 향후 연구에서 심도 있게 다루기로 한다.

References

ASTM. 2015. ASTM E1926-08: Standard Practice for Computing International Roughness Index of Roads from Longitudinal Profile Measurements ASTM International. West Conshohocken, PA:
Bennett C.R. 1995. Review of Experience Adapting the HDM Vehicle Operating Costs Model, Report to the International Study of Highway Development and Management Tools University of Birmingham.
Bennett C.R, Greenwood I.D. 2000;Highway Development & Management series Vol. 7: Modelling Road User and Environmental Effects in HDM-4. The World Road Association (PIARC) on behalf of the ISOHDM
Chatti K, Zaarbar I. 2012. Estimating the Effects of Pavement Condition on Vehicle Operating Costs TRB. Washington D.C: 10.17226/22808.
Fiona T, Thoresen T, Evans C. 2012. Review of Vehicle Operating Costs and Road Roughness: Past, Current and Future, A Proc. of ARRB Conference–Shaping the Future: Linking Policy Research and Outcomes. Perth, Australia:
GGIRCK. 2016. Plans for Greenhouse Gas Mitigation, Greenhouse Gas Inventory & Research Center of Korea Available in : http://www.gir.go.kr/home/index.do?menuId=22.
Han D, Do M. 2016;Evaluation of Socio-Environmental Effects considering Road Service Levels for Transportation Asset Management. Journal of Testing and Evaluation 44(1):679–691. 10.1520/JTE20140484.
KICT. 2006;A Guideline for Vehicle Classification:12 types-based, Ministry of Land, Transportation, and Maritime Affair (in Korean)
Ko G, Lee D, Jeong S, Jeon J. 2015;A Report on Measurement of Fuel Consumption Rate of Heavy Bus. Korea Institute of Civil Engineering and Building Technology, Goyang-Si (in Korean)
Kim J, Lee S, Yoo I. 2012;The Effect of Pavement Roughness on Fuel Efficiency for Passenger Cars in Korea. Journal of Korean Society of Hazard Mitigation 12(5):127–133. (in Korean). 10.9798/KOSHAM.2012.12.5.127.
MLTM. 2012;Announcement No. 2012-142: Green House Gas emission coefficients by transportation means (Tier 2), Ministry of Land, Transportation and Maritime Affairs, Sejeong-Si (in Korean)
MOLIT. 2013;An Investment and Evaluation Guideline for Transportation Facilities (5th edition), Ministry of Land, Infrastructure and Transport, Sejeong-Si (in Korean)
MOLIT. 2014;Inducing Reduction of Greenhouse Gas Emission of vehicles by Eco-driving, A News Release on July 22th, Ministry of Land, Infrastructure and Transport, Sejeong-Si (in Korean)
MOLIT. 2015;Decree Law No. 223 of MOLIT: An Enforcement Regulation of the Road Structure and Facility, Ministry of Land, Infrastructure and Transport, Sejeong(in Korean)
Wikipedia. 2016. Searching key word : Hyundai Universe Bus, Wikipedia (Available in: https://ko.wikipedia.org/wiki/%ED%98%84%EB%8C%80_EC%9C%A0%EB%8B%88%EB%B2% 84%EC%8A%A4).

Article information Continued

Table 1

Specifications of the representative vehicle (Hyundai Universe)

 Vehicle specifications   Contents 
Passenger seats 45 persons
Fuel type Diesel
Length 11,650 mm
Full width 2,495 mm
Displacement 10.0 L
Output 380 PS
Torque 160 kgf-m

Table 2

Road and traffic condition of a target section (Seoul-Incheon airport route)

Contents Section information Note
Start-end points  Seoul-Incheon airport  Bus route #6020
Section length 62.5 km One-way
Traffic condition Interrupted-free Free=58 km
flow mixed Interrupted=4.5 km
 Avg. vehicle operating speed  49.44 km/h Speed limit :
Inter-urban=60 km
 Expressway=100 km 
Average slope 1.04% Min=-1.98%
Max=5.04%
Average pavement condition IRI 2.09 m/km Standard deviation
= IRI 1.99 m/km

Fig. 1

Development of real-time vehicle operating information system

Fig. 2

International Roughness Index (IRI) survey by automated inspection car

Fig. 3

Data matching with Google Earth®

Fig. 4

Probability density of fuel consumption rate with explanatory variables (a case)

Table 3

A fuel consumption model by multiple regression (A case: speed, slope, and IRI)

Regression Equation: Y = 0.62 + 0.05 Vehicle speed(km/h) + 0.16 Slope (%) + 0.18 IRI(m/km), R-sq.= 0.1876

Parameter Estimates

Predictor Coef. Est. Std. Error t-value P-value VIFs
Constant 0.6195 0.3046 2.0341 0.0420
Vehicle speed 0.0531 0.0027 19.8846 0.0000 2.7370
Slope 0.1585 0.2604 0.6087 0.5428 1.0254
IRI 0.1818 0.0578 3.1469 0.0017 2.6953

Table 4

A fuel consumption model by multiple regression (A case: speed and IRI)

Regression Equation: Y = 0.64 + 0.05 Vehicle speed(km/h) + 0.18 IRI(m/km), R-sq.= 0.1876

Parameter Estimates

Predictor Coef. Est. Std. Error t-value P-value VIFs
Constant 0.6430 0.3021 2.1283 0.0334
Vehicle speed 0.0529 0.0026 20.0013 0.0000 2.6822
IRI(m/km) 0.1794 0.0576 3.1123 0.0019 2.6822

Table 5

Comparison of fuel consumption rate by IRI with the NCHRP 720 (TRB)

Speeds Fuel consumption increment rate by roughness

NCHRP 720 (Chatti and Zaabar, 2012) This study (at IRI 3.0~4.0 m/km) Deviation
Low speed (56 km/h) 2.00% 4.33% +2.33%
High speed (96 km/h) 1.00% 2.87% +1.87%