자율주행 기술이 고도화되면서 End-to-End(E2E) 개념은 차량 내부의 인지·판단·제어를 넘어 도로 인프라까지 확장되고 있다. 이는 자율주행의 안전이 차량 단독 시스템만으로는 완결될 수 없기 때문이다.
자율주행차량은 본질적으로 차량 센서(시야) 범위 내 정보에 의존한다. 하지만, 실제 도로 환경, 특히 교차로에서는 건물, 대형차, 곡선부 등으로 인한 사각지대와 보행자·이륜차 등 다양한 이동주체 간 복합 상호작용이 발생하게 되는데, 이러한 상황에서는 차량 단독 인지에 구조적 한계가 존재한다.
ITS는 도로 공간 전체를 조망할 수 있는 외부 인지 체계로서, 다수의 CCTV와 센서를 통해 교차로 전체 상황을 파악하고, 위험 요소를 사전에 감지해 차량에 전달함으로써 자율주행차량의 구조적 한계를 해결하는 역할을 하게 된다. 결국, 자율주행의 안전성을 근본적으로 높이기 위해서는 차량과 인프라가 하나의 통합된 체계로 작동해야 하며, ITS는 그 핵심 역할을 수행한다.
하지만 기존 ITS는 주로 관제와 교통 정보 제공 중심으로 구축돼 왔고, 영상과 데이터가 존재함에도 불구하고 이를 자율주행 차량이 직접 활용할 수 있는 정밀·실시간 동적 데이터로 변환하는 체계는 충분히 마련돼 있지 않는 점을 주목할 필요가 있다. 특히, CCTV 영상은 사람이 모니터링하기에는 유용하지만, 기계가 이해할 수 있는 객체 단위의 구조화된 데이터로 실시간 변환되는 경우는 제한적이다.
또한, 평균 속도, 교통량 등 거시 지표는 제공되지만, 객체 간 접근 속도, 충돌 가능성 등 행태 기반 위험 정보는 실시간으로 생성되지 않는 경우가 많다. 이와 더불어, V2X 연계 구조의 미비, 즉 자율협력주행을 위해서는 인프라 데이터가 표준화된 메시지 형태로 저지연 전달돼야 하지만 기존 ITS는 이러한 통신 연계를 전제로 설계되지 않은 한계가 있다.
이에 최근 CCTV 기반 AI 영상분석 기술을 통해 교차로 내 모든 이동객체의 위치, 속도, 가속도, 진행 방향, 객체 간 상대 거리 등을 프레임 단위로 추출하고, 이를 시간 연속 궤적 데이터로 정합하는 실시간 동적교통정보 생성 기술이 개발돼 기존 ITS의 한계를 극복할 실마리가 마련됐다. 이 기술을 주도적으로 개발하고 있는 기업이 바로 시티아이랩㈜다.
이 기술은 단순 객체 검지(Object Detection) 수준을 넘어, 다중 객체 추적(Multi-Object Tracking)과 궤적 기반 행태 분석(Trajectory-Based Behavioral Analysis)을 통합한 구조로 이뤄져 있다. 특히, 객체별 고유 ID를 부여해 시계열적으로 연결된 궤적을 생성하고, 이를 기반으로 접근 속도(Closing Speed), 교차각(Conflict Angle), 충돌 예상 시간(Time-to-Collision), 최소 접근 거리(Post-Encroachment Time 등)와 같은 행태 기반 안전지표를 실시간 산출한다는 것이 가장 큰 특징이다.
이를 통해 교차로 내 잠재적 위험 상황을 사전 감지하고 위험도를 정량화할 수 있게 된다. 또한, 영상 좌표계를 실제 도로 좌표계로 변환하는 정밀 공간 보정(Geometric Calibration) 과정을 통해 단순 픽셀 기반 정보가 아닌 실제 거리·속도 단위의 물리량 데이터로 변환한다.
이 과정에서 객체 위치 오차를 최소화하고, 실시간 처리 지연을 억제하기 위한 경량화 모델 최적화 기술이 함께 적용된다. 이렇게 생성된 동적 교통정보는 기계가 이해할 수 있는 구조화 데이터로 변환되며, 표준 기반 메시지 포맷으로 패키징돼 V2X 통신을 통해 차량 또는 노변장치(RSU)에 전달된다.
이를 기반으로 차량은 자체 센서 기반 인지 정보와 인프라 기반 확장 인지 정보를 통합해 활용할 수 있으며, 차량이 직접 보지 못하는 사각지대 정보와 교차로 전체 위험 상황을 동시에 인지하는 구조가 구현된다. 이에 따라 시티아이랩은 이러한 동적교통정보 생성 및 구조화·전송 기술에 대해 특허를 출원한 상태로, 영상 기반 객체 궤적 생성부터 위험도 산출, V2X 메시지 변환까지의 전 과정을 자체 기술로 구현하고 있다.
시티아이랩 기업부설연구소 이재현 소장(사진)은 “시티아이랩이 개발한 솔루션은 객체 단위 위치·속도·가속도·충돌 예상 시간(Time-to-Collision) 등 행태 기반 위험지표를 실시간으로 생성해 V2X를 통해 차량에 제공한다”며 “이를 통해 차량은 자체 센서 정보와 인프라 기반 확장 인지 정보를 동시에 활용할 수 있으며, 악천후·사각지대 등에서 발생하는 인지 공백을 보완해 판단 안정성과 시스템 신뢰성을 높일 수 있다”고 말했다.
그는 이어 “객체 궤적 기반 위험 분석을 통해 보행자 돌발 상황, 신호 위반 가능 차량, 사각지대 접근 객체 등을 충돌 이전 단계에서 감지함으로써, 인프라 차원의 선제적 위험 전달은 사고 대응이 아닌 예방 중심의 안전 체계를 구현하는 데 기여한다”며 “또한, 시간 연속 궤적 데이터와 위험지표가 축적됨에 따라, 특정 교차로의 잠재 위험 패턴과 상호작용 특성을 정량적으로 분석할 수 있기 때문에 교차로 위험도 평가, 개선 우선순위 설정 등 근거 기반 의사결정을 지원하는 역할을 하게 될 것”이라고 덧붙였다.
시티아이랩은 CCTV 영상을 활용해 교통량, 차종, 이동 패턴 등을 자동으로 산출하는 기술을 상용화하며 데이터 기반 교통 분석 시장에 진입했다. 이후 AI 영상분석 모델을 고도화해 다양한 응용 솔루션을 개발해 왔으며, 정밀하고 고도화된 인프라 기반 솔루션으로 확장해 왔다.
특히, AI 영상분석 기술과 교통공학 전문성을 바탕으로 교통 맥락에서 의미 있는 지표로 변환하고 이를 실제 의사결정에 활용 가능한 데이터로 구조화하는 역량을 갖추고 있다는 것이 차별화된 강점이다. 또한, 영상 데이터를 실시간 동적 교통정보와 위험지표로 정밀 변환하고, 이를 V2X 기반 인프라 서비스로 연계하는 전 과정을 자체 기술로 설계·구현하고 있다.
이처럼 AI 모델 개발부터 데이터 구조화, 통신 연계까지 전주기 기술 역량을 보유하고 있다는 점이 시티아이랩의 핵심 경쟁력이라고 볼 수 있다. 이러한 기술 개발의 출발점은 ‘영상 데이터를 관제가 아닌 의사결정 데이터로 전환한다’는 문제의식이었고, 기존 영상 중심 체계를 데이터 중심 지능 인프라로 전환하는 것이 시티아이랩이 지속적으로 추구해 온 방향이다.
이 소장은 “시티아이랩은 현재 교차로 단위에서 구현된 동적교통정보 생성 및 위험도 분석 기술을 다중 교차로, 도시 단위로 확장하기 위해 대규모 영상 데이터의 실시간 처리 안정성 확보와 객체 궤적 기반 위험 분석 알고리즘의 정밀도 향상에 집중하고 있다”며 “또한, 인프라에서 생성되는 동적 데이터를 보다 체계적으로 축적·관리해 교차로 간 상호 연계 분석과 시간대별 위험 패턴 분석이 가능한 통합 안전 분석 체계를 구축해 나갈 예정”이라고 말했다.
그는 이어 “이를 통해 단일 지점 대응을 넘어, 도시 단위의 선제적 안전 관리 체계로 확장하는 것을 목표로 하고 있다”며 “궁극적으로는 기존 ITS를 단순 모니터링 인프라가 아닌, 실시간 데이터를 생성하고 위험을 예측하는 지능형 데이터 인프라로 전환해 자율주행 시대에 필요한 안전 중심 인프라 플랫폼을 구현하는 것이 시티아이랩의 중장기 전략”이라고 덧붙였다.
출처 | 공학저널 (클릭)
자율주행차량은 본질적으로 차량 센서(시야) 범위 내 정보에 의존한다. 하지만, 실제 도로 환경, 특히 교차로에서는 건물, 대형차, 곡선부 등으로 인한 사각지대와 보행자·이륜차 등 다양한 이동주체 간 복합 상호작용이 발생하게 되는데, 이러한 상황에서는 차량 단독 인지에 구조적 한계가 존재한다.
ITS는 도로 공간 전체를 조망할 수 있는 외부 인지 체계로서, 다수의 CCTV와 센서를 통해 교차로 전체 상황을 파악하고, 위험 요소를 사전에 감지해 차량에 전달함으로써 자율주행차량의 구조적 한계를 해결하는 역할을 하게 된다. 결국, 자율주행의 안전성을 근본적으로 높이기 위해서는 차량과 인프라가 하나의 통합된 체계로 작동해야 하며, ITS는 그 핵심 역할을 수행한다.
하지만 기존 ITS는 주로 관제와 교통 정보 제공 중심으로 구축돼 왔고, 영상과 데이터가 존재함에도 불구하고 이를 자율주행 차량이 직접 활용할 수 있는 정밀·실시간 동적 데이터로 변환하는 체계는 충분히 마련돼 있지 않는 점을 주목할 필요가 있다. 특히, CCTV 영상은 사람이 모니터링하기에는 유용하지만, 기계가 이해할 수 있는 객체 단위의 구조화된 데이터로 실시간 변환되는 경우는 제한적이다.
또한, 평균 속도, 교통량 등 거시 지표는 제공되지만, 객체 간 접근 속도, 충돌 가능성 등 행태 기반 위험 정보는 실시간으로 생성되지 않는 경우가 많다. 이와 더불어, V2X 연계 구조의 미비, 즉 자율협력주행을 위해서는 인프라 데이터가 표준화된 메시지 형태로 저지연 전달돼야 하지만 기존 ITS는 이러한 통신 연계를 전제로 설계되지 않은 한계가 있다.
이에 최근 CCTV 기반 AI 영상분석 기술을 통해 교차로 내 모든 이동객체의 위치, 속도, 가속도, 진행 방향, 객체 간 상대 거리 등을 프레임 단위로 추출하고, 이를 시간 연속 궤적 데이터로 정합하는 실시간 동적교통정보 생성 기술이 개발돼 기존 ITS의 한계를 극복할 실마리가 마련됐다. 이 기술을 주도적으로 개발하고 있는 기업이 바로 시티아이랩㈜다.
이 기술은 단순 객체 검지(Object Detection) 수준을 넘어, 다중 객체 추적(Multi-Object Tracking)과 궤적 기반 행태 분석(Trajectory-Based Behavioral Analysis)을 통합한 구조로 이뤄져 있다. 특히, 객체별 고유 ID를 부여해 시계열적으로 연결된 궤적을 생성하고, 이를 기반으로 접근 속도(Closing Speed), 교차각(Conflict Angle), 충돌 예상 시간(Time-to-Collision), 최소 접근 거리(Post-Encroachment Time 등)와 같은 행태 기반 안전지표를 실시간 산출한다는 것이 가장 큰 특징이다.
이를 통해 교차로 내 잠재적 위험 상황을 사전 감지하고 위험도를 정량화할 수 있게 된다. 또한, 영상 좌표계를 실제 도로 좌표계로 변환하는 정밀 공간 보정(Geometric Calibration) 과정을 통해 단순 픽셀 기반 정보가 아닌 실제 거리·속도 단위의 물리량 데이터로 변환한다.
이 과정에서 객체 위치 오차를 최소화하고, 실시간 처리 지연을 억제하기 위한 경량화 모델 최적화 기술이 함께 적용된다. 이렇게 생성된 동적 교통정보는 기계가 이해할 수 있는 구조화 데이터로 변환되며, 표준 기반 메시지 포맷으로 패키징돼 V2X 통신을 통해 차량 또는 노변장치(RSU)에 전달된다.
이를 기반으로 차량은 자체 센서 기반 인지 정보와 인프라 기반 확장 인지 정보를 통합해 활용할 수 있으며, 차량이 직접 보지 못하는 사각지대 정보와 교차로 전체 위험 상황을 동시에 인지하는 구조가 구현된다. 이에 따라 시티아이랩은 이러한 동적교통정보 생성 및 구조화·전송 기술에 대해 특허를 출원한 상태로, 영상 기반 객체 궤적 생성부터 위험도 산출, V2X 메시지 변환까지의 전 과정을 자체 기술로 구현하고 있다.
그는 이어 “객체 궤적 기반 위험 분석을 통해 보행자 돌발 상황, 신호 위반 가능 차량, 사각지대 접근 객체 등을 충돌 이전 단계에서 감지함으로써, 인프라 차원의 선제적 위험 전달은 사고 대응이 아닌 예방 중심의 안전 체계를 구현하는 데 기여한다”며 “또한, 시간 연속 궤적 데이터와 위험지표가 축적됨에 따라, 특정 교차로의 잠재 위험 패턴과 상호작용 특성을 정량적으로 분석할 수 있기 때문에 교차로 위험도 평가, 개선 우선순위 설정 등 근거 기반 의사결정을 지원하는 역할을 하게 될 것”이라고 덧붙였다.
시티아이랩은 CCTV 영상을 활용해 교통량, 차종, 이동 패턴 등을 자동으로 산출하는 기술을 상용화하며 데이터 기반 교통 분석 시장에 진입했다. 이후 AI 영상분석 모델을 고도화해 다양한 응용 솔루션을 개발해 왔으며, 정밀하고 고도화된 인프라 기반 솔루션으로 확장해 왔다.
특히, AI 영상분석 기술과 교통공학 전문성을 바탕으로 교통 맥락에서 의미 있는 지표로 변환하고 이를 실제 의사결정에 활용 가능한 데이터로 구조화하는 역량을 갖추고 있다는 것이 차별화된 강점이다. 또한, 영상 데이터를 실시간 동적 교통정보와 위험지표로 정밀 변환하고, 이를 V2X 기반 인프라 서비스로 연계하는 전 과정을 자체 기술로 설계·구현하고 있다.
이처럼 AI 모델 개발부터 데이터 구조화, 통신 연계까지 전주기 기술 역량을 보유하고 있다는 점이 시티아이랩의 핵심 경쟁력이라고 볼 수 있다. 이러한 기술 개발의 출발점은 ‘영상 데이터를 관제가 아닌 의사결정 데이터로 전환한다’는 문제의식이었고, 기존 영상 중심 체계를 데이터 중심 지능 인프라로 전환하는 것이 시티아이랩이 지속적으로 추구해 온 방향이다.
이 소장은 “시티아이랩은 현재 교차로 단위에서 구현된 동적교통정보 생성 및 위험도 분석 기술을 다중 교차로, 도시 단위로 확장하기 위해 대규모 영상 데이터의 실시간 처리 안정성 확보와 객체 궤적 기반 위험 분석 알고리즘의 정밀도 향상에 집중하고 있다”며 “또한, 인프라에서 생성되는 동적 데이터를 보다 체계적으로 축적·관리해 교차로 간 상호 연계 분석과 시간대별 위험 패턴 분석이 가능한 통합 안전 분석 체계를 구축해 나갈 예정”이라고 말했다.
그는 이어 “이를 통해 단일 지점 대응을 넘어, 도시 단위의 선제적 안전 관리 체계로 확장하는 것을 목표로 하고 있다”며 “궁극적으로는 기존 ITS를 단순 모니터링 인프라가 아닌, 실시간 데이터를 생성하고 위험을 예측하는 지능형 데이터 인프라로 전환해 자율주행 시대에 필요한 안전 중심 인프라 플랫폼을 구현하는 것이 시티아이랩의 중장기 전략”이라고 덧붙였다.
출처 | 공학저널 (클릭)