Motion Sickness-Energy Efficiency Correlation Analysis by Regenerative Braking System Mode of Electric Vehicles Considering PMSM Efficiency Map

Buseong Kim; Chunhwan Lee

doi:10.22680/kasa2025.17.4.058

Preview

Journal of Auto-vehicle Safety Association. 31 December 2025. 58-63
https://doi.org/10.22680/kasa2025.17.4.058

Motion Sickness-Energy Efficiency Correlation Analysis by Regenerative Braking System Mode of Electric Vehicles Considering PMSM Efficiency Map

PMSM 효율맵을 고려한 전기차의 회생제동 시스템 모드별 멀미-에너지 효율 상관관계 분석

Buseong Kim¹^*

Chunhwan Lee²^†

김 부성¹^*

이 천환²^†

¹전남대학교 미래모빌리티융합학과, 석사과정

²전남대학교 미래모빌리티융합학과, 교수

^{*First Author}

^{†Corresponding Author}

ABSTRACT

This paper analyzes the relation between energy efficiency and motion sickness in electric vehicles (EVs) under different regenerative braking modes. Simulations were conducted on the FTP-75 cycle with varying braking levels. Energy consumption was evaluated, and motion sickness was measured using the ISO 2631-1 based Motion Sickness Dose Value (MSDV). Results revealed a trade-off, as higher braking levels improved energy recovery but also increased motion sickness. This quantitative analysis provides meaningful insights into the trade-off between energy efficiency and motion sickness, offering a valuable basis for future EV design and evaluation.

Keywords

Electric vehicle(전기 자동차)

Regenerative braking(회생제동)

Energy efficiency(에너지 효율)

Motion sickness(멀미)

MAIN

기호설명
1. 서 론
2. 회생제동 모드에 따른 에너지 효율 및 멀미 평가 방법
2.1. 회생제동 시스템 모델링
2.2. 에너지 효율 평가 방법
2.3. 멀미 평가 방법
3. 실험 구성 및 결과
3.1. 실험 조건 설정
3.2. 시뮬레이션 기반 실험 환경 구성
3.3. 실험 결과
4. 결 론

기호설명

$v_{x}$ : 차량의 종 방향 속도(m/s)

$S$ : 차량 주행 상태(-)

$M$ : 모터의 동작점(-)

$a_{x}$ : 종 방향 가속도(m/s²)

$P_{m}$ : 기계적 출력(kW)

$S_{m o t}$ : 모터의 회전속도(rad/s)

$T_{m o t}$ : 모터의 토크(N·m)

$P_{e}$ : 전기적 출력(kW)

$μ$ : 배터리·인버터의 효율(-)

$e f f$ : 모터의 효율(-)

$T$ : 총 주행시간(s)

$a_{x, w}$ : 가중치가 적용된 종 방향 가속도(m/s²)

1. 서 론

전기차(Electric Vehicle, EV)의 보급은 전 세계적으로 빠르게 확산되고 있으며, 이는 탄소 배출 저감과 에너지 효율성 향상이라는 시대적 요구에 부응한다. 전기차의 대중화에 있어 가장 핵심적인 기술적 요소 중 하나는 바로 주행 가능 거리의 확보이며, 이를 실현하기 위한 수단으로 회생제동 시스템이 채택되고 있다. 회생제동은 감속 시 차량의 운동 에너지를 전기 에너지로 변환하여 배터리에 재충전함으로써 전체 에너지 효율을 향상시킨다. 이에 따라, 회생제동 시스템은 단순한 감속 수단을 넘어 전기차의 경제성과 실용성을 결정짓는 중요한 기술 요소로 간주된다.

그러나 전기차의 회생제동으로 인한 감속 특성은 기존 내연기관 차량과 다르며, 운전자와 탑승자에게 이질적이고 불연속적인 감속 응답을 제공할 수 있다.⁽¹⁾ 이러한 감속 패턴은 탑승자의 주행 중 신체 반응이나 쾌적성에 부정적인 영향을 줄 수 있으며, 멀미를 유발하거나 그 증상을 악화시킬 수 있다는 지적이 제기되고 있다.⁽²⁾ 실제로 회생제동 강도에 따른 멀미를 호소하는 사례가 사용자들 사이에서 보고되고 있으며, 이에 따라 일부 제조사들은 다양한 회생제동 모드를 제공하여 사용자가 제동 강도를 선택할 수 있도록 하고 있다. 그러나 대부분 사용자들은 오직 경험적 판단에 의존하여 회생제동 수준을 설정하며, 에너지 효율성과 멀미 간의 정량적인 기준 없이 선택이 이루어지는 경우가 많다.

이러한 배경 속에서, 회생제동의 에너지 효율성과 멀미 유발성 간의 상관관계에 대한 정량적 분석이 요구된다. 지금까지의 관련 연구들은 대부분 회생제동 시스템의 에너지 회수 성능 또는 멀미 발생 메커니즘 중 한 가지 요소에 집중되어 있으며, 두 요소를 통합적으로 분석한 사례는 드물다. Szumska 등은 도심 주행에서의 회생제동의 에너지 효율성을 분석하였고⁽³⁾, Ren 등은 fNIRS 기반의 생리신호 분석을 통해 회생제동이 멀미에 미치는 영향을 규명하였다.⁽⁴⁾ 하지만 이러한 연구들은 각각의 관점에 국한되어 있어, 에너지 효율성과 멀미 양자의 상관관계를 포괄적으로 설명하기에는 한계가 존재한다.

이에 본 연구는 전기차의 회생제동 모드에 따른 에너지 효율과 멀미 유발성 간의 상관관계를 정량적으로 분석하고자 하였다. 먼저 제동 강도 수준별 회생제동 시스템을 모델링하였고, 이어서 차량 동역학 모델과 결합하여 미국 환경보호청(EPA)의 도심 주행 사이클 FTP-75를 기반으로 한 속도 프로파일 추종 시뮬레이션을 수행하였다. 이로부터 주행 데이터를 도출하였으며, 이를 바탕으로 에너지 소비량과 멀미 지수를 산출함으로써 회생제동 수준이 에너지 효율과 탑승자 멀미에 미치는 영향을 통합적으로 고찰하였다.

2. 회생제동 모드에 따른 에너지 효율 및 멀미 평가 방법

본 장에서는 전기차의 회생제동 모드 변화가 에너지 효율성과 멀미 유발성에 미치는 영향을 정량적으로 분석하기 위해 적용한 평가 방법을 기술한다. Fig. 1은 본 연구의 분석 구조를 개략적으로 나타낸 것이다.

https://cdn.apub.kr/journalsite/sites/kasa/2025-017-04/N0380170408/images/kasa_17_04_08_F1.jpg

Fig. 1

Analysis procedure for evaluating energy efficiency and motion sickness in regenerative braking

우선 FTP-75 사이클의 속도 프로파일을 기반으로 주행 입력을 생성한 뒤, 회생제동 시스템이 적용된 전기차를 각기 다른 회생제동 모드에서 주행시켜 주행 데이터를 수집하였다. 이후 주행 데이터를 이용해 에너지 효율과 멀미를 평가하고, 두 요소 간의 상관관계를 분석하였다.

2.1. 회생제동 시스템 모델링

회생제동 시스템은 운전자의 감속 요구에 따라 모터를 발전기 모드로 전환하여 차량의 운동 에너지를 전기 에너지로 변환하는 방식으로 작동한다. 이때 생성되는 회생제동 토크는 차량 속도, 감속 명령, 환경 조건 등 다양한 요소에 의해 동적으로 결정된다.⁽⁵⁾

본 연구에서는 이 시스템을 Fig. 2의 구조와 같이 모델링하였다. 회생제동 시스템은 입력부, 초기 토크 계산 모듈, 출력부로 구성된다. 입력부는 차량 속도, 감속 명령, 환경 조건은 회생제동 토크 산출에 필요한 변수를 포함하며 이를 바탕으로 초기 회생제동 토크가 계산된다. 이후, 회생제동 모드에 따라 설정된 이득이 적용되어 최종 제동 토크가 산출된다.

https://cdn.apub.kr/journalsite/sites/kasa/2025-017-04/N0380170408/images/kasa_17_04_08_F2.jpg

Fig. 2

Regenerative braking model schematic

회생제동 모드는 적용되는 제동 강도의 상대적 수준을 나타내며, 총 5단계의 모드(Level 1~5)로 구성되었다. 높은 레벨일수록 더 큰 토크가 적용된다.

입력부의 차량 속도는 모터의 발전 전압과 회생 전류에 영향을 주며, 속도가 높을수록 더 큰 제동 토크를 생성할 수 있다. 반대로 저속에서는 회생 효과가 제한된다. 환경 조건은 경사, 노면 상태, 배터리 SOC, 온도, 차량 하중 등을 포함하며, 제동 가능 범위나 제어 제한 조건에 직접적인 영향을 미친다.

요약하면, 본 모델은 다양한 입력 요소를 반영해 초기 회생 토크를 계산하고, 모드에 따른 최종 출력을 산출함으로써 실제 회생제동 시스템의 제어 특성을 정밀하게 재현할 수 있도록 구성되었다.

2.2. 에너지 효율 평가 방법

전기차량의 에너지 효율 평가는 회생제동 모드에 따른 기계적 출력과 전기적 출력의 변화를 기반으로 수행된다. 이를 통해 주행 전체 구간에서의 총 에너지 소비량을 정량적으로 산출한다. 본 연구에서는 Fig. 3과 같은 PMSM(Permanent Magnet Synchronous Motor)의 실험 기반 효율맵을 활용하여 각 시점의 모터 효율을 적용하였다.⁽⁶⁾

https://cdn.apub.kr/journalsite/sites/kasa/2025-017-04/N0380170408/images/kasa_17_04_08_F3.jpg

Fig. 3

Efficiency map of PMSM

모터의 기계적 출력 ( $P_{m}$ )은 시간에 따른 모터 회전속도 ( $S_{m o t}$ )와 토크 ( $T_{m o t}$ )의 곱으로 산출된다.

(1)

P_{m} = S_{m o t} \times T_{m o t}

기계적 출력으로부터 전기적 출력 ( $P_{e}$ )를 구할 때는 배터리·인버터 시스템의 효율 ( $μ$ )와 모터 효율 ( $e f f$ )를 적용한다. 이때 모터의 구동 또는 회생에 따른 효율 적용 방향이 다르기 때문에 다음과 같은 형태로 계산된다.

(2)

P_{e} = P_{m} \times μ \times e f f {(S_{m o t} \times T_{m o t})}^{k}

where, $k = \{\begin{matrix} - 1 & if P_{m} \geq 0 \\ 1 & if P_{m} < 0 \end{matrix}$

이렇게 계산된 전기적 출력은 총 주행 시간 전체에 걸쳐 적분하여 총 소비 에너지 ( $E_{t o t a l}$ )로 계산한다.

(3)

E_{t o t a l} = \sum P_{e}

2.3. 멀미 평가 방법

본 연구에서는 멀미를 정량적으로 평가하기 위해 ISO 2631-1⁽⁷⁾에 정의된 멀미 유발 지수, MSDV(Motion Sickness Dose Value)를 활용하였다. MSDV는 시간에 따라 변화하는 주행 가속도에 주파수 가중치를 적용함으로써, 멀미 유발 정도를 정량화하는 대표적인 평가지표이다. 이 지표는 본래 선박의 상하 진동 환경에서 도출된 실험적 근거를 바탕으로 반영되었으며, 수직 방향에 대해서만 정의되어 있다.

그러나 Griffin과 Mills의 연구에서는 차량의 경우 종 방향과 횡 방향과 같은 수평 방향의 가속도 역시 멀미 발생에 민감하며, 수직 방향과 유사한 수준의 영향을 미친다고 보고하였다.⁽⁸⁾ 이에 따라 최근 연구들에서는 ISO에서 제시한 주파수 가중치 $W_{f}$ 를 수평 방향 가속도에 적용하여 MSDV 평가법을 확장하는 접근이 제안되고 있다.⁽⁹⁾

이에 본 연구에서는 ISO 2631-1에 정의된 MSDV 을 기반으로 하되, 수직 방향이 아닌 종 방향의 가속도에 주파수 가중치 $W_{f}$ 를 적용함으로써 다양한 회생제동 조건에서의 멀미를 정량적으로 평가하고자 하였고, 그에 따른 종 방향 MSDV 계산식은 다음과 같다.

(4)

M S D V = {(\int_{0}^{T} {[a_{x, w} (t)]}^{2} d t)}^{\frac{1}{2}} a_{x, w} = \sqrt{\sum {(a_{x} ∙ W_{f})}^{2}}

여기서 $a_{x}$ 는 종 방향 가속도, $a_{x, w}$ 는 주파수 가중치 $W_{f}$ 가 적용된 종 방향 가속도를 나타내며, $T$ 는 총 주행시간이다.

3. 실험 구성 및 결과

3.1. 실험 조건 설정

3.1.1. 주행 시나리오

본 연구에서는 회생제동 모드에 따른 에너지 효율과 멀미를 정량적으로 평가하기 위한 주행 시나리오로, 미국 환경보호청(EPA)이 제정한 시험 주행 사이클인 FTP-75⁽¹⁰⁾를 채택하였다. 이는 도시 주행 조건에서의 반복적인 가속과 감속 패턴을 반영한 시험 사이클로, 다양한 제동 조건에서 회생제동 모드에 따른 에너지 소비량와 멀미 유발 지수의 누적 경향을 관찰하기에 적절한 시나리오를 제공한다. Fig. 4는 FTP-75 사이클의 속도-시간 프로파일을 나타낸다. 1,369초간 주행하는 12 km 길이의 사이클로 구성되어 있으며, 이 때의 주행속도는 평균 31.5 km/h, 최고 91.2 km/h이다.

https://cdn.apub.kr/journalsite/sites/kasa/2025-017-04/N0380170408/images/kasa_17_04_08_F4.jpg

Fig. 4

Longitudinal speed profile of FTP-75 Cycle

3.1.2. 평가 대상 전기차량

본 연구에서는 현대자동차사의 전기차량 모델인 IONIQ5를 평가 차량으로 선정하였다. 해당 차량의 주요 물리적 및 전기적 파라미터는 모델링 조건으로 활용되었으며, 회생제동 시스템의 동작 특성을 정확하게 반영할 수 있도록 구성되었다.

Table 1은 평가에 활용된 IONIQ5 차량의 주요 사양을 정리한 것이다. 차체 질량, 타이어 규격 등 기본적인 외형 및 기계적 특성뿐 아니라, 배터리 용량, 정격 전압 등 전기 시스템 관련 파라미터도 포함되어 있다.

Table 1.

Test vehicle IONIQ5 specifications

Item	Specifications
Manufactured year	2021
Vehicle mass (kg)	1920
Equivalent inertia weight (kg)	2041
Tire size	235/55 R19
Wheel radius (m)	0.371
Battery type	Lithium-ion
Cell number	180 (2P6S*30module)
Battery usable energy (Ah)	111.2
Battery nominal capacity (kWh)	72.6
Battery rated voltage (V)	653.4
Battery weight (kg)	450
Motor type	PMSM
Motor max.power (kW)	160
Gear ratio	10.65

3.1.3. 실험 제약 조건

수행된 실험은 결과의 재현성과 신뢰성을 확보하기 위하여 일정한 제약 조건 하에서 진행되었다. 우선, 배터리의 초기 충전 상태(State of Charge, SOC)는 80%로 설정하였다. 이는 배터리의 잔여 용량 차이에 따른 에너지 효율 및 회생제동 특성의 편차를 최소화하기 위함이다. 또한 주행환경은 표준 대기압 기준에서의 무풍 조건을 가정하였으며, 외기 온도는 23.9°C로 유지하였다. 도로 조건은 무경사도의 아스팔트 노면을 가정하고, 마찰계수는 0.9로 고정하였다.

3.2. 시뮬레이션 기반 실험 환경 구성

본 연구에서는 이러한 실험 조건을 바탕으로 MathWorks사의 MATLAB/Simulink 환경에서 회생제동 시스템을 포함한 전기차량을 모델링하고, IPG사의 차량동역학 시뮬레이션 CarMaker와 연동하여 실제 차량과 유사한 동역학적 응답을 구현하였다. 이를 통해 회생제동 모드에 따른 에너지 효율 및 멀미 평가 환경의 기반을 마련하였다.

3.3. 실험 결과

3.3.1. 에너지 효율 평가

각 회생제동 모드(Level 1~5)에 대해 시뮬레이션 수행 결과, 회생제동 강도가 높을수록 감속 시 회수되는 에너지가 증가하여 전체 에너지 소비량은 감소하는 경향이 나타났다. Fig. 5는 시간에 따른 누적 에너지 소비량을 회생제동 모드별로 비교한 결과로, 전체 주행 시간(1,369초) 동안 Level 1에서 가장 많은 에너지를 소비하였으며, Level 5에서 가장 적은 에너지를 소비한 것을 보여준다.

https://cdn.apub.kr/journalsite/sites/kasa/2025-017-04/N0380170408/images/kasa_17_04_08_F5.jpg

Fig. 5

Accumulated energy consumption

최종 누적 에너지 소비량은 약 1.92 kWh(Level 1)에서 1.51 kWh(Level 5) 범위로 나타났으며 회생제동 강도가 높을수록 에너지 회수율이 향상된다는 일반적인 예상과 일치하는 결과로 확인되었다.

3.3.2. 멀미 평가

멀미 평가는 앞서 제시한 ISO 2631-1 기반의 멀미 유발 지수 MSDV(Motion Sickness Dose Value)를 활용하여 수행하였다.

Fig. 6은 회생제동 모드에 따른 MSDV의 시간적 변화를 나타낸 그래프이며, 회생제동 수준이 증가함에 따라 MSDV가 점진적으로 상승하는 경향이 확인되었다. 이는 회생제동 강도가 높아질수록 감속 시 가속도 변화량이 커지고, 멀미에 민감한 저주파 대역(0.1~0.5 Hz)의 가속도 성분이 상대적으로 크게 나타난 결과로 해석할 수 있다.

https://cdn.apub.kr/journalsite/sites/kasa/2025-017-04/N0380170408/images/kasa_17_04_08_F6.jpg

Fig. 6

Accumulated motion sickness dose value (MSDV)

주행 종료 시점에서 측정된 MSDV는 가장 낮은 회생제동 강도(Level 1)에서 약 9.93 m/s^1.5, 가장 높은 회생제동 강도(Level 5)에서 약 10.40 m/s^1.5로 확인되었으며, 회생제동 강도와 멀미 유발성 간에는 뚜렷한 양의 상관관계가 나타났다. 이러한 추세는 회생제동 강도가 높아질수록 멀미 유발성이 커질 것이라는 경험적 예측과 일치하는 결과로 볼 수 있다.

3.3.3. 에너지 효율 및 멀미의 상관관계 분석

회생제동 모드에 따른 에너지 소비량과 MSDV를 종합적으로 비교한 결과는 Fig. 7에 나타나 있다.

https://cdn.apub.kr/journalsite/sites/kasa/2025-017-04/N0380170408/images/kasa_17_04_08_F7.jpg

Fig. 7

Final value of energy consumption and motion sickness dose value

에너지 효율 측면에서, Level 1 대비 Level 5에서 최종 에너지 소비량은 약 21.35% 감소하였으며, 이는 회생제동 강도 증가에 따른 에너지 회수율 향상에 기인한 것으로 해석된다. 반면 동일 조건에서 MSDV는 약 4.73% 증가하였다. 즉, 회생제동 수준이 증가함에 따라 에너지 소비량은 감소하고 멀미 유발성은 증가하는 상반된 경향이 나타났으며, 그 변화의 크기는 에너지 효율 개선 대비 멀미 지표 상승이 약 1:5의 비율을 보였다.

4. 결 론

본 연구는 전기차 회생제동 강도 변화가 에너지 효율과 멀미 유발성에 미치는 영향을 정량적으로 분석하였다. 이를 위해 FTP-75 사이클을 기반으로 평가 시나리오를 구성하고, IONIQ5의 파라미터를 반영한 차량모델의 회생제동 모드(Level 1~5)에 따른 에너지 소비량과 멀미 유발 지수, MSDV(Motion Sickness Dose Value)를 산출하였다.

분석 결과, 회생제동 강도가 증가할수록 에너지 소비량은 감소하고 MSDV는 증가하는 경향이 나타났다. 이는 회생제동 강도가 높을수록 감속 시 더 많은 운동 에너지를 전기 에너지로 회수할 수 있어 에너지 효율성이 향상되지만, 동시에 급격한 감속으로 인한 가속도 변화가 커져 멀미 유발성이 높아지는 상충 관계를 보였다. 특히 Level 1 대비 Level 5의 결과에서는 최종 에너지 소비량이 약 21.35% 감소한 반면, MSDV는 약 4.73% 증가하여 에너지 효율 개선 대비 MSDV의 상승 비율이 약 1:5로 나타났다.

그러나 실제 주행환경에서는 이보다 훨씬 큰 멀미 편차가 발생할 가능성이 있다. 이는 단순히 차량 동역학적 특성뿐 아니라, 운전자의 시야 확보 정도, 독서·스마트폰 사용과 같은 비운전 활동 증가, 그리고 시각-전정기관 간 감각 불일치 등 다양한 인적·인지적 요인들이 복합적으로 작용하기 때문이다.(11) 이러한 요인들은 시뮬레이션 기반 MSDV 지표가 포착하지 못하는 부분으로, 실제 탑승자 경험에서는 멀미 유발성이 더욱 크게 확대될 수 있음을 시사한다.

향후 연구에서는 시야 확보 정도, 비운전 활동, 감각 불일치와 같은 다양한 요인을 반영할 수 있는 보완적 멀미 지표나 평가 방법론을 추가적으로 개발 또는 활용하고, 이를 에너지 효율 분석과 함께 통합적으로 활용할 필요가 있다. 또한 확보된 정량적인 데이터를 바탕으로 회생제동 알고리즘을 확장 분석하고, 에너지 효율과 멀미 유발성 간 상충 관계를 효과적으로 제어할 수 있는 기반을 구축해야 할 것이다.

Acknowledgements

이 논문은 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원-지역지능화혁신인재양성사업의 지원(IITP-2025-RS-2022-00156287, 50%)와 정부(산업통상자원부)의 재원으로 한국산업기술진흥원의 지원을 받아 수행된 연구임(P0020536, 2025년 산업혁신인재성장지원사업, 50%).

References

Wu, J., Zhang, L., Meng, D., Tang, Y., Li, W., Pei, K., et al, 2025, “Evaluation of vibration comfort for vehicle seats with extensive backrest angles based on road tests,” Journal of Mechanical Science and Technology, Vol. 39, pp. 2587~2598.

10.1007/s12206-025-0417-9

Xie, W., Wang, Z., Jiang, Y., Huang, C., Wang, J., and He, D., 2025, “Exploring the Effects of Regenerative Braking and the Auditory Cues for Alleviating Motion Sickness in Electric Vehicles,” International Journal of Human-Computer Interaction, Vol. 41, No. 7, pp. 749~764.

10.1080/10447318.2025.2499155

Szumska, E. M. and Jurecki, R., 2022, “The Analysis of Energy Recovered during the Braking of an Electric Vehicle in Different Driving Conditions,” Energies, Vol. 15, No. 24, pp. 1~16.

10.3390/en15249369

Ren, B., Guan, W., and Zhou, Q., 2023, “Study of Motion Sickness Model Based on fNIRS Multiband Features during Car Rides,” Diagnostics, Vol. 13, No. 8, pp. 1462~1474.

10.3390/diagnostics1308146237189562PMC10137986

Saiteja, P., Ashok, B., Wagh, A. S., and Farrag, M. E., 2022, “Critical Review on Optimal Regenerative Braking Control System Architecture, Calibration Parameters and Development Challenges for EVs,” International Journal of Energy Research, Vol. 46, No. 14, pp. 20146~20179.

10.1002/er.8306

Asef, P., Bargallo, R., Lapthorn, A., Tavernini, D., Shao, L., and Sorniotti, A., 2021, “Assessment of the Energy Consumption and Drivability Performance of an IPMSM-Driven Electric Vehicle Using Different Buried Magnet Arrangements,” Energies, Vol. 14, No. 5, pp. 1418~1439.

10.3390/en14051418

International Organization for Standardization, 1997, ISO 2631-1: Mechanical Vibration and Shock - Evaluation of Human Exposure to Whole-body Vibration: Part 1: General Requirements, International Organization for Standardization, Geneva, pp. 1~31

Griffin, M. J. and Mills, K. L., 2002, “Effect of magnitude and direction of horizontal oscillation on motion sickness,” Aviation, Space, and Environmental Medicine, Vol. 73, No. 7, pp. 640~646.

Lee, S., Lee, C., and Moon, C., 2025, “Frequency Shaping-Based Control Framework for Reducing Motion Sickness in Autonomous Vehicles,” Sensors, Vol. 25, No. 3, pp. 819~834.

10.3390/s2503081939943458PMC11820998

United States Environmental Protection Agency, 2014, Federal Test Procedure (FTP‑75): Urban Dynamometer Driving Schedule for Light‑Duty Vehicles, U.S. EPA, Washington, DC.

Sever, M., Zengin, N., Kirli, A., and Arslan, M. S., 2020, “Carsickness-based Design and Development of a Controller for Autonomous Vehicles to Improve the Comfort of Occupants,” Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, Vol. 234, No. 7, pp. 1769~1783.

Journal of Auto-vehicle Safety Association ISSN:2005-9396(Print) 자동차안전학회지

Preview

Motion Sickness-Energy Efficiency Correlation Analysis by Regenerative Braking System Mode of Electric Vehicles Considering PMSM Efficiency Map

ABSTRACT

MAIN

Fig. 1

Analysis procedure for evaluating energy efficiency and motion sickness in regenerative braking

Fig. 2

Regenerative braking model schematic

Fig. 3

Efficiency map of PMSM

(1)

(2)

(3)

(4)

Fig. 4

Longitudinal speed profile of FTP-75 Cycle

Table 1.

Test vehicle IONIQ5 specifications

Fig. 5

Accumulated energy consumption

Fig. 6

Accumulated motion sickness dose value (MSDV)

Fig. 7

Final value of energy consumption and motion sickness dose value

Acknowledgements

References