[카 &테크]UNIST 고성안 교수팀
도로 정체 예측 시스템 개발… 확률통계에 딥러닝기술 도입
미래 속도 시속4km 오차내 예측… 교통상황 그래픽으로 시각화도
기다리던 휴가를 떠나며 내비게이션에 목적지를 입력했다. 내비게이션이 예측한 도착시간을 보니 목적지에 도착해 점심 식사를 하면 될 것 같다. 하지만 착오였다. 목적지로 갈수록 차량이 늘어 소요시간이 늘어났고 가족의 표정은 점점 굳어갔다. 결국 휴가지에는 반나절이나 늦게 도착했다. 점심 대신 이른 저녁을 먹으며 가족을 달래다가 애꿎은 내비게이션을 원망했다.
누구나 겪어봤을 이런 상황을 인공지능(AI)을 이용해 해결할 수 있는 기술이 개발됐다. 고성안 울산과학기술원(UNIST) 전기전자컴퓨터공학부 교수팀은 AI의 ‘딥러닝’(심층기계학습)을 이용해 교통정체의 원인을 파악하고, 미래의 도로 상황을 예측해 이를 그래픽으로 보여줄 수 있는 시각화 시스템을 개발했다고 9일 밝혔다.
현재 쓰이는 도로 교통상황 분석, 예측 시스템은 확률통계기법을 이용한다. 확률통계기법은 도로 등 교통정보를 통계 자료로 만든 뒤 교통량의 변화를 따져 계산하는 기술이다. 현재의 교통 상황을 판단할 때에는 비교적 정확하지만, 미래에 대한 불확실성이 커 도착지로 갈수록 소요시간이 늘어나는 등 예측 정확도가 떨어진다는 게 단점이다.
고 교수팀은 미국 퍼듀대 및 애리조나주립대와 공동으로 확률통계기법에 딥러닝 기술을 도입해 최대 15분 뒤 미래까지 교통상황을 정확히 예측하는 시스템을 개발했다. 이 시스템은 크게 두 단계로 교통량을 예측한다. 먼저 첫 번째 단계에서는 특정 도로 구간의 과거 평균 이동속도, 도시 도로망, 주변 도로 정체상황, 최근 3개월 치의 출퇴근 교통 정보를 시스템에 학습시켜 이를 바탕으로 교통상황을 분석하고 예측하게 했다. 여러 도로가 서로 영향을 주고받는 관계까지 계산해 교통정체를 예측하는 것이다.
제1저자로 연구에 참여한 이충기 UNIST 컴퓨터공학과 연구원은 “특정 도로가 막히는 상황이 주변 도로에까지 영향을 끼친다는 점에 착안해 새롭게 알고리즘을 짰다”며 “과거 데이터와 실제 벌어지는 상황을 함께 학습하면서 예측하기 때문에 기존 방식보다 예측 정확도가 높아진다”고 말했다.
실제로 연구팀이 울산 전역 도로를 대상으로 실험한 결과 특정 도로 구간에서 15분 후에 벌어질 도로 속도를 평균 시속 4km 내외의 오차로 예측해 낸 것으로 나타났다. 또 15분 후의 도로 정체 상태 예측에선 서행의 경우 88%, 정체의 경우 78%의 정확도로 예측했다.
이어 두 번째 단계에서는 AI가 예측한 정보를 시각화했다. 도로별로 통행하는 차량 수와 평균 이동속도를 실시간으로 보여주는 방식이다. 연구팀은 “현재 정체되는 도로에서 정체가 시작된 지점과 향후 도로 상황이 어떻게 변할지 예측한 모습을 색깔과 도형으로 시각화했다”고 설명했다.
연구팀이 개발한 시스템은 현재 울산교통방송에서 활용 중이다. 올해 말 광주와 대전, 부산, 인천 교통방송에도 적용할 예정이다. 고 교수는 “현재 다수의 내비게이션 회사와도 협의 중”이라며 “향후 다가올 자율주행차 시대에도 좋은 기초 자료가 될 것”이라고 전망했다.
고 교수는 “새로운 데이터 시각화 기술은 도시교통정보센터(UTIC) 웹사이트에 올려 누구나 쉽게 도로 교통 상황을 파악하도록 할 예정”이라고 밝혔다.
이번 연구결과는 미국 전기전자공학회(IEEE)가 발간하는 국제학술지 ‘시각화와 컴퓨터그래픽’ 지난달 12일 온라인판으로 발표됐다.
고재원 동아사이언스 기자 jawon1212@donga.com
