기본 콘텐츠로 건너뛰기

안드로이드 차계부 aCar의 연비 계산식

일전에 안드로이드 차계부 aCar를 소개해드린적이 있습니다.

자세한 내용은

http://murianwind.blogspot.com/2012/01/acar.html

를 보시면 됩니다.

이 aCar를 소개해드리면서 제가 궁금했던 내용은 과연 연비 계산을 어떻게 하는 것인가 하는 것이었습니다.

관련된 내용이

http://murianwind.blogspot.com/2012/01/blog-post_26.html

에 있습니다.

궁금한 것이 있으면 해결을 해야하는지라.. 잠시 한 5분 고민하고 해결했습니다.

생각해보니 은근 간단하더군요..

예를 들어보겠습니다.

현재 트립상에 제 누적 주행거리가 828km 라고 가정을 해보겠습니다. 이 상황에서 제가 30L를 주유합니다.

그리고 열심히 주행을 하다가 다음 주유시 25L를 주유하고 누적 주행거리를 확인해보니 1295km입니다.

그렇다면 30L를 주유하고 제가 주행한 거리는 467km 가 됩니다.

그러니까 연비는 30L로 467km를 주행했으니 15.57km/L 가 됩니다.. 라고 생각하기 쉽지만...

이전에도 말씀드렸듯이 이 경우 남아있는 연료량을 고민해야합니다.

무슨 얘기인고 하니 1295km에서 제가 주유를 할때 정확히 30L를 소비하고 주유를 하는 것이 아닐수도 있다는 것입니다.

이런 문제를 aCar는 이렇게 해결을 하고 있더군요.

aCar는 우선 연료를 우리가 흔히 주유소 가서 '가득 넣어주세요~~' 라고 얘기해서 주유되는 양을 기준으로 하고 있습니다. 제가 몇 L를 넣는지는 관심이 없습니다.

그러니까 만약 제가 828km 지점에서 제가 30L 를 주유를 했다면 연료통이 가득찼다고 가정을 하는 겁니다.

그래서 aCar에는 처음 사용시 정확한 연료통의 크기를 입력하는 항목이 있었던 것입니다.

그렇게 되면 얘기가 이렇게 되는겁니다.

제가 828km 지점에서 30L를 주유해서 연료통이 가득 찬 상태에서 주행을 해서 1295km 지점에서 25L를 주유를 한다면 저는 467km를 25L로 주행을 했으니 연비가 18.68km/L가 되는 것입니다.

이해가 가시나요?

그렇게 되니 주유후 기록하는 란에 가득 넣지 않고 일부만 넣었는지를 기록하는 선택란이 있었던 것이 이해가 되었습니다.

그리고 왜 일부만 넣었다고 기록을 하면 연비 계산이 안되는지도 이해가 가더군요.

그런데 그러고 나니 궁금한 것이 쌀나라 같은 곳은 셀프주유소가 많은 것으로 알고 있는데..

우리 나라 셀프 주유소는 금액이나 리터로 주유를 하게 되어 있지 주유기가 알아서 가득 넣어주는 옵션이 없는 걸로 알고 있는데.. 쌀나라 같은 곳의 셀프 주유소들은 주유기를 꼽으면 알아서 가득 채워주는 것일까요?

결론적으로 제가 지금까지 꾸준하게 25L 씩 주유한 내역은 연비 계산에 그닥 의미가 없게 되었습니다.

aCar를 사용하면서 정확한(?) 연비 계산을 하시려면 무조건 주유소 가셔서 크게 외쳐주시면 됩니다.

'아저씨.. 까득 넣어주세요..'

남아있는 연료량을 연료통을 가득 넣는 것으로 발상의 전환을 해버린 개발자가 놀라울 따름입니다.

테스터로 일하다 보면 이런 문제를 자주 접하게됩니다.

명세도 없고 아무 자료도 없이 맨땅에서 무언가를 찾아내야하는 경우가 심심치 않게 많습니다.

이럴때 시스템의 작동원리를 파헤쳐서 알아내는 능력이 테스터의 진정한 능력 아닐까요? 소소하지만 저는 이런것에서 즐거움을 느낍니다.

aCar가 연비 계산을 어떻게 하는지 알고 나니 시원하네요..

이제 또다른 고민은 그럼 셀프주유소에서 과연 어떻게 하면 연료통을 가득 채울수 있을까? 입니다.

혹시 방법을 아시는 분이 계시면 제보 부탁드립니다.

댓글

  1. 혹시 다른 차계부 앱들의 연비 계산식을 아시는 분이 계시면 서로 비교해가면서 보다 정확하게 연비를 계산하는 앱이 어떤 앱인지 찾아보는 것도 쏠쏠한 재미가 있을 것 같습니다.

    가장 좋은것 트립 컴퓨터가 그런걸 계산해주는건데.. 스파크는 없어용.. ㅠㅠ

    답글삭제
  2. Appstore에 있는 DriveNote 라는 앱을 오래전부터 상요하고 있었는데 말씀하신 aCar란 앱과 동일하게 계산하고 있었습니다 ^^: 

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

20년 차 테스터가 고른 최근 IT 소식: 기술의 속도, 그리고 사람의 자리

20년 넘게 IT 업계에서 테스팅하고 강의하고 공부하고 여러 일을 해왔지만... 정말이지 단 하루도 편하게 쉴 틈을 주지 않는 세상입니다. 특히 최근 4~5년 동안 가속화된 AI의 물결은 기술의 스펙트럼뿐만 아니라 우리가 일하고, 협업하고, 조직을 이끄는 방식 전체를 뒤흔들고 있습니다. 이번 주에도 수많은 뉴스레터와 아티클을 훑어보았습니다. 그중에서도 기술의 화려함 뒤에 숨겨진 ‘사람, 조직, 그리고 커리어의 본질’을 찌르는 글 몇 개가 눈에 띄어 메모해 둡니다. 제 평소 생각과 맞닿아 있는 6가지 이야기입니다. --- 1. 인지부채(Cognitive Debt): 바이브 코딩 시대에 우리가 지게 되는 진짜 빚 (출처: ROBOCO - 인지부채: 바이브 코딩 시대의 새로운 부채 관리법 / 정도현 수석 컨설턴트 ) 요즘 커서(Cursor)나 클로드 코드(Claude Code) 같은 에이전트를 붙여 "이거 만들어줘" 하고 승인(Approve) 버튼만 누르면 눈 깜짝할 사이에 코드베이스가 완성되는 '바이브 코딩(Vibe Coding)'이 유행입니다. 그런데 속도는 엄청나게 빠른데, 정작 서비스에 장애가 나면 "AI가 짜서 잘 모르겠는데요?"라는 답이 나오는 이상한 현상이 벌어집니다. 정도현 컨설턴트는 이를 '인지부채(Cognitive Debt)'라고 정의합니다. 코드는 쌓이는데, 정작 인간의 시스템 이해도는 쌓이지 않는 격차죠. * Human-in-the-loop의 환상: AI가 초당 수백 줄을 뽑아내는데 사람이 일일이 검토한다? 결국 검토자는 병목이 되고, 시간 압박에 쫓겨 영혼 없이 승인 버튼만 누르게 됩니다. 40년 전 자동화 연구(Bainbridge, 1983)가 지적했듯, 자동화될수록 사람은 감시만 하다가 정작 개입해야 할 결정적 순간에 숙련도를 잃어버립니다. * 부채는 0으로 만드는 게 아니라 '관리'하는 것: AI가 만든 모든 코드를 사람이 외울 수는 없습니다. 핵심은 ...

우리는 AI로 '더 빠른 말'을 키우고 있는걸까요? 아니면 '자동차'를 만들고 있는걸까요?

20년 넘게 IT 현장에서 뒹굴거렸는데... 요즘처럼 "우리가 지금까지 당연하게 여겨온 일하는 방식의 본질"에 대해 근본적인 질문을 던지게 만드는 때가 없었던 것 같습니다. 최근 읽은 UX 관련 글 하나가 가슴을 쿵 치고 지나갔습니다. UX 및 디지털 트렌드를 다루는 블로그 ux4dotcom에 올라온 "Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions"라는 글입니다. (출처: ux4dotcom - Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions ) 혁신을 말할 때 늘 인용되는 헨리 포드의 유명한 말이 있습니다. "사람들에게 무엇을 원하느냐고 물었다면, 그들은 '더 빠른 말'이라고 답했을 것이다." 사람들은 자신이 경험해 본 범위 안에서만 미래를 상상합니다. 말만 탈 줄 아는 사람에게 자동차는 상상 밖의 범주(Mental Model)니까요. 저자는 그동안 UX(사용자 경험)라는 학문과 필드 자체가 '더 빠른 말을 만드는 일(기존 과업의 효율화)'에 집중해 왔다고 지적합니다. 사용자의 행동을 관찰하고, 마찰(Friction)을 줄이고, 화면을 간소화하고, 기존 워크플로우를 최적화해 주는 작업 말입니다. 실제로 주변을 봐도 우리가 AI를 쓰는 방식도 대부분 이 범주를 벗어나지 못하고 있습니다. 더 빠르게 이메일을 작성하고, 문서 요약을 3초 만에 끝내고, 프레젠테이션 장표나 일정표를 순식간에 만들어내는 일. 분명 유용하고 저 역시 매일 요기하게 쓰고 있지만, 이건 어디까지나 '기존에 인간이 하던 일의 프로세스를 흉내 내어 속도만 올린 것(Faster Horse)'에 불과합니다. 정작 "이 워크플로우 자체가 과연 계속 존재해야 하는가?"라는 근본적인 질문은 던지지 못하고 있는 것이죠....

에이전틱 AI 시대의 소프트웨어 테스팅: 왜 '아키텍트' 역량이 필요한가?

최근 "프로그래밍이란 무엇인가?"라는 근본적인 질문에서 출발해, 하드웨어의 가장 밑바닥인 CPU 명령어 디코더의 원리부터 최근 화두인 에이전틱 AI(Agentic AI)와 바이브 코딩(Vibe Coding)에 이르기까지 AI와 함께 이런 저런 대화를 나누어 보았다.. 사실 내가 처음 컴퓨터를 공부할 때부터 컴퓨터가 내 명령을 어떻게 이해하고 처리해서 이런 결과가 출력되는지는 정말 이해하기 어려운 마법 같은 것이었다.  그래서인지.. 나이가 들어도 프로그래밍은 여전히 어렵다. 하지만 요즘은 AI와 함께 무언가를 만드는 재미를 만끽하고 있다.  어쨌든 AI와의 즐거운 대화의 끝에서 필연적으로 마주한 질문이 있다. "코드를 AI가 스스로 짜고 조립하는 시대에, 소프트웨어 테스팅은 무엇이며 우리는 어떤 역량을 키워야 하는가?" 지금까지의 고민을 바탕으로, 다가오는 AI 시대에 테스트 엔지니어가 나아가야 할 방향과 '아키텍트(Architect)' 역량의 중요성에 대해 정리해 본다. 현대의 소프트웨어 개발은 무(無)에서 유(有)를 창조하는 것이 아니다. 전 세계의 천재적인 엔지니어들이 만들어둔 수많은 라이브러리와 프레임워크라는 '레고 블록'을 조합해 원하는 서비스를 구축하는 과정이다. 내가 젋어서 이걸 잘 이해만 했었어도.. 테스터라는 직업의 세계에 발을 들이지는 않았을 텐데.. 어린 나이에 너무 생각이 많았었다. 그런데 에이전틱 AI가 등장하면서 거대한 변화가 일어났다. 이제는 인간이 직접 레고를 조립할 필요조차 없어지고 있다. "이런 기능을 만들어줘"라는 의도(Intent)만 던지면, AI가 기존에 학습한 방대한 오픈소스와 코드를 바탕으로 알아서 뼈대를 세우고 코드를 완성해 낸다. 개발자는 직접 코드를 타이핑하는 노동자에서, AI 에이전트를 부리는 총괄 기획자로 역할이 변하고 있는 것이다. 하지만 AI가 만들어내는 코드는 필연적인 한계를 지닌다. AI는 과거 인류가 작성한 코드를 학습하...