KOTI 한국교통연구원

자율주행을 대비하며
2018년 4월과 7월 두 차례에 걸쳐 자율주행 시대를 대비한 연구 내용들을 소개하였다. 이 연구들은 향후 자율주행차를 맞이할 준비가 되었을 미래를 가정하며 그 시간, 공간적 효과가 얼마나 창출될 것인가에 초점을 두고 있다. 연구 결과는 자율 주행시대의 긍정적인 측면을 보여 주지만 다른 한편으로는 급격한 기술 발전을 정부 또는 지자체에서 뒷받침해 줄 수 있을지에 대한 우려의 목소리도 적지 않다. 자율 주행차의 원활한 운행을 위해서는 도로 및 차량 등 물리적 인프라와 신호 및 센서 등 시스템적 인프라가 뒷받침되어야 하기 때문이다. 본 기고에서는 자율주행차의 도래를 뒷받침할 시스템(CAV-ready Transportation Environment)에 대한 연구 동향을 소개하고자 한다.

​자율주행차의 정보 습득과 활용 기술
현존하는 대부분의 자율주행차는 내재된 센서 시스템을 이용하여 교통 신호, 노면 마킹, 교통 표지판 등 교통 인프라 장비(TCD: Traffic Control Devices)를 읽어 낸다. 센서 시스템은 자동차와 인프라 간 교류되는 정보의 효율적인 상호 운용을 위해 사람의 눈보다 정확한 감지 능력을 필요로 한다.

<그림1•Image Sensors>

예를 들어 자율주행차 초기 발전 단계에서는 카메라를 통한 이미지 센서1)를 사용하였다. 이미지 센서는 색을 구별할 수 있는 장점이 있으며 현재 Radar 등 다른 센서의 인식이 실패할 경우 대체 수단으로 많이 사용된다. 일반적인 경우에는 기계가 사람보다 신속, 정확하지만 폭우, 폭설과 같은 특별한 경우 상황에 따른 대처 능력은 발생 가능한 모든 상황을 학습하지 않는 이상 불가능하다. 2025 Automated Driving Community에서는 안개, 폭설, 어둠 등 날씨의 영향으로 시야가 좋지 않을 때 보행자를 95%만 인식할 수 있다는 연구 결과를 발표하였다. 숫자로만 보면 높은 수치이지만, 교통사고는 인명 피해로 직결되기 때문에 1%도 놓칠 수 없다.
1) Angelo Rychel(2017), “2025 AD The Automated Driving Community“, Retrieved 10/16/2018 from https://www.2025ad.com/latest/driverless-cars-infographic-sensors/

<그림2•Smart Code Sign>

이러한 문제를 해결하기 위한 방법 중 하나로 도로표지 등 교통 인프라를 디지털화하려는 시도가 있다. 3M은 “Smart Code Signs”를 소개하였는데 이는 2D 바코드 기술을 교통 표지판에 적용하여 사람과 더불어 기계도 표지판을 읽을 수 있게 하였다.2)
2) Snyder. J, Dunn. D, Howard. J, Potts. T, and Hansen. T. (2018), “Invisible” 2D Bar Code to Enable Machine Readability of Road Signs - Material and Software Solutions, ITSA, June 4-7

이 Smart Code Sign은 보안코드로 이루어진 static/dynamic metadata set으로 Unique ID를 가지며 시간이 지나도 변하지 않아 물리적인 변화(표면 낙후 등 변형)에도 항상 같은 정보를 전달할 수 있는 장점이 있다.

<그림3•HERE Road Signs Vision>

이러한 시도에 힘입어 교통지도를 제공하는 업계인 HERE Road Signs3)와 INRIX AV Road Rules4)에서도 디지털 교통 표지판에서 받은 정보를 제공하는 플랫폼을 개발하기 시작하였다. 이는 교통정보를 제공하는 인프라의 인지 정확도를 높여 자율주행차 운영의 안전성과 효율성에 기여한다는 비전을 제시하였다.
3) “HERE Road Sign” webpage, Retrieved 10/20/2018 from https://www.here.com/en/products-services/here-automotive-suite/connected-vehicle-services/hereroad-signs
4) “INRIX” webpage, Retrieved 10/20/2018 from http://www2.inrix.com/av-road-rules

미국 정부와 연구기관의 대응
현재 5개 주정부 연구기관과 6개 교통 관련 회사에서 담합하여 주정부와 시스템 구축 연구의 초석을 다지고 있다.5) 본 연구는 Digital Traffic Control Device(DTCD) Data Service를 목적으로 하며, 운전자가 쉽게 놓치거나 날씨 등의 영향으로 가시거리가 짧을 경우 효율적으로 교통정보를 읽을 수 있는 인프라 구축을 가능케 할 전망이다. 초기 모델에서는 공사구간(Work Zone) 정보를 제공하여 대중교통 및 개인 운전자의 경로 설정 의사 결정에 도움을 주고자 한다.
5) “Work zone data exchange for automated vehicles,” Work Zone Data Initiative, Retrieved 10/19/2018 from https://www.transportation.gov/sites/dot.gov/files/docs/policy-initiatives/automated-vehicles/321036/wzdx-v11common-core-data-specification-reference-document.pdf

<그림6•Recommended DTCD Data Service Architecture>

연방 정부는 이 연구를 통해 자율주행차와 일반 차량이 공존할 시기를 고려한 점진적 대응이 가능한 시스템을 구축함과 동시에 교통관련 기관 및 개인이 열람 가능한 통합 시스템을 구축하는 것을 목표로 하고 있다. 현재까지 추진된 모델에서는 공사구간의 정보를 예시로 정보 수집 및 데이터베이스 구축 모듈, 통신 모듈, 일반 운전자 정보 제공 모듈, 자율주행차 운영 모듈로 구분되어 있다.

활용 가능한 데이터를 보면 정적 데이터와 동적 데이터로 구분할 수 있다. 정적 데이터로는 도로 노면 마킹과 도로 표지판과 같이 시간이 지나도 변하지 않는 정보를 포함한다. 반대로 동적 데이터는 신호 현시, 공사 구간, 공사 기간 등 변동 가능한 정보로 실시간 업데이트(Feed)하도록 하고 있다.

점진적 대응 정보전달 시스템 구축
앞서 소개한 DTCD Data Service의 구조를 살펴보면 일반차량과 자율주행차가 공존하는 시기를 염두에 두고 있음을 알 수 있다. 미국 연방정부는 이에 3단계에 걸친 점진적 대응 시스템을 구축하고자 하였다.

1단계: 데이터 베이스 구축
서비스 제공을 위한 첫 번째 단계로 데이터베이스 구축과 교통관련 산업체의 단합을 목표로 하고 있다. Uber, Waze 등 실시간으로 교통 상황 정보를 제공할 수 있는 산업체의 단합은 동적 정보를 습득함으로써 빠른 대처가 가능할 것으로 내다보고 있다.

<그림7•DTCD Supports In-Vehicle Device for Non-CAVs>

2단계: 일반 운전자 정보 제공
다음 단계로는 자율주행차의 보급이 확산되기 전 일반 운전자가 여전히 주류를 이룰 때, 구축된 데이터베이스를 토대로 운전자에게 정보를 제공하고자 한다. 이는 Google과 Waze 같이 휴대폰 App을 통해 정보를 제공할 수 있는 산업체를 통한 정보 확산을 말한다.

<그림8•DTCD Supports for CAVs>

3단계: 자율주행차 지원
마지막 단계로 Road Side Unit(RSU)을 통해 자율주행차에 정보를 전달한다. 전달된 교통정보에 따라 자율주행 대중교통의 경우 공사구간을 피해 노선을 변경하거나 Transit Signal Priority(TSP)를 통해 우선적으로 교차로를 통과할 수 있다. 자율주행차량의 경우 차량별 OEM에 따라 경로를 변경할 수 있다.

General Transit Feed Specification(GTFS)
해당 연구팀에서는 시스템 구축의 롤모델로 General Transit Feed Specification Model(GTFS)을 벤치마킹 중이다.6) GTFS 데이터 서비스 플랫폼은 2005년 구글사에서 TriMet사와 협력연구를 통해 만들어졌다. 당시 온라인 대중교통 이용 가이드를 실현하기 위한 두 회사의 협력 연구가 눈길을 끌었는데 이를 통해 대중들은 현재 구글지도 길 찾기, 대중교통 경로 계획과 같은 서비스를이용할 수 있게 되었다. 전 세계의 대중교통 운영사가 이 플랫폼을 통해 시간표, 요금, 정류장, 경로 등의 정보를 공개하였기 때문에 가능한 일이었다.

6) General Transit Feed Specification ( GTFS) Model ( 2005), Retrieved 10/20/2018 from https://www.transitwiki.org/TransitWiki/index.php/General_Transit_Feed_Specification

2016년 추정치에 따르면, 전 세계 1,026개의 대중교통 관련 회사가 이 플랫폼을 이용하고 있으며, 이를 통해 제공하는 서비스는 지도, 길 찾기, 여행가이드, 대중교통 정보, 주변 지역 정보, 그리고 더 나아가 교통계획분석과 실시간 정보 제공 시스템까지 광범위하다.

이 사례를 토대로 DTCD 모델이 성공적으로 구축 될 경우 운전자는 실시간으로 현재 운행 구간의 정보와 더불어 목적지까지의 경로에 해당하는 정보를 바탕으로 운행이 가능하다. 더 나아가 자율주행차는 운전자의 효용을 극대화하는 경로를 선택할 수 있게 된다. 자율주행차의 시장 점유율이 급증하는 시기는 2040년부터로 추정되고 있다. 지금으로부터 약 20년, 자율주행차의 효율적 운행을 위해 인프라 시스템 구축은 꼭 필요한 액션 플랜이라 생각된다.

맺음말
자동차 시장이 어떻게 변화할지에 대한 관심사를 한 친구에게 털어놓았는데 예상치 못한 질문을 받았다. “어떤 주식을 살지 고민 중이야?” 누구에게는 이러한 변화가 주식투자를 위한 하나의 정보일지도 모른다. 하지만 분명한 건 주식 하나를 사기 위해서도 정보 수집 등 많은 준비를 하듯 자율차의 효율적 운행을 위해서는 인프라 측면에서의 만반의 준비가 필요하다는 것.

몇 가지 걱정거리와 질문을 남기며 글을 마치고자 한다. 첫 번째로 Work Zone과 관련된 데이터를 실시간으로 취합하여 제공하려면 각 지자체 및 해당 기관의 동의와 협력이 필요하다. 정보의 가치가 점점 높아지는 이 시점에서 이를 중재하고 관리하는 정부의 역할이 중요할 것으로 보인다. 두 번째로는 자율주행과 관련한 모든 연구에서 고려되고 있는 Cyber Attack이다. 이는 교통사고와 직결되기 때문에 통신의 보안은 아무리 강조해도 지나치지 않다. 본 연구 플랫폼에서 보면 Cyber Attack은 시스템 퍼포먼스와 관련이 있다. 정확한 정보를 제 시간에 전달하여야 운전자 개인의 효용, 네트워크 전체 효용이 높아지기 때문이다.

글 : 류승한 버지니아대 박사과정 / Xiaoxiao Zhang 버지니아대 박사과정