[붙임] 연구결과 개요

1. 연구배경

교통정체는 여러 대도시에서 발생하는 현대사회의 고질적인 문제이며, 삶의 질을 떨어뜨리는 여러 요소 중 하나다. 교통정체 문제를 해결하기 위해 정부 차원에서 시도별 지자체에 ‘지능형 교통 체계(ITS, Intelligent Transport System)’를 설치하고 데이터를 축적해왔다. ITS는 교통수단과 교통시설에 전자제어와 통신 등 첨단기술을 접목해 교통정보를 생성하고 운용하고 활용하는 시스템이다. 대표적인 사례가 버스 정류장에서 원하는 버스의 도착 시간을 안내받을 수 있는 서비스다.

지자체마다 수집한 실시간 교통 데이터를 기반으로 분석하면 정체가 발생하는 지점과 시간, 원인을 파악할 수 있다. 이를 기반으로 교통정체를 예측하고, 이 정보를 운전자에게 직접 전달한다면 삶의 질을 높이는 데 기여할 수 있다. 그러나 복잡한 대도시 도로망에서 생성되는 대용량 교통 데이터에서, 정체 패턴을 파악하고 분석하는 데는 까다로운 기술이 필요하다. 또한 10분이나 15분 후처럼 가까운 미래에 벌어질 교통정체나 도로 상황을 예측하는 작업은 생각만큼 쉽지 않다.

현재 각 시도 지자체에서 실시간으로 수집되는 교통정보는 충분히 분석되지 못하고, 예측에도 활용되기 어려운 상태다. 심지어 이들 데이터는 일정기간 보관된 후에 자동으로 폐기되고 있다.

2. 연구내용

이번 연구에서는 교통정체 데이터를 분석하고, 특정 도로의 정체를 예측하기 위해 미국 퍼듀대(Purdue University)와 아리조나주립대(Arizona State University)와 공동 연구를 진행했다.

연구결과인 교통 데이터 분석과 예측 시스템은 두 가지 모듈로 구성된다. 첫 번째 모듈은 도로 정체의 인과관계를 계산하고, 딥러닝 기반으로 정체를 예측하는 알고리즘이다. 도로에서 일어나는 교통정체의 인과관계는 특정 도로가 막히기 시작하면 주변 도로에도 영향을 끼쳐 또 다른 정체로 이어지는 현상에 착안해 개발됐다. 예측용 딥러닝 모듈은 도시의 도로망, 도로별 주변 도로 정체 상황, 러시아워(Rush hour) 정보를 과거 속도와 함께 학습하도록 설계됐다. 기존에는 과거 속도만 학습하던 아리마(Auto-regressive Integrated Moving Average, ARIMA), 서포트 벡터 회기 분석(Support Vector Regression, SVR) 등의 방법을 사용해왔는데, 새로운 예측 알고리즘을 활용하자 정체 예측 성능이 높아졌다.

연구진은 울산시의 교통 데이터로 연구를 진행해 예측 오차가 평균 4km/h 내외로 나타나는 걸 확인했다. 또 실시간 데이터에 대해 5분, 10분, 15분 등 가까운 미래의 평균적인 이동속도를 1초 이내로 예측하는 데도 성공했다. 이는 계산시간이 오래 걸려 1~2시간 이후 시간대부터 예측 가능한 기존 시뮬레이션 기반 방법에 비해 현실적으로 활용도가 더 높은 알고리즘임을 보여준다. (도심에서 1~2시간 운전할 가능성이 낮다.)

두 번째 모듈은 주요 도로의 정체상황을 시각화하고, 정체가 전파되는 모습을 시각적으로 보여주는 기술이다. 이 시각화 모듈은 VSRivers(Volume-Speed Rivers)라는 새로운 시각화 기술을 활용해 각 도로별로 통행하는 차량 수와 속도를 시각적으로 나타낸다. 또 현재 나타난 정체가 언제 어디서부터 시작됐는지 차후 정체상황이 어떻게 전파될지를 예측해 보여준다. 참고로 VSRivers는 지도상에서 도로별 교통량과 속도를 다양한 모양과 색으로 표현해 도시의 정체 상태를 시각화하는 기술이다. 이 기술을 이용하면 어느 도로가 중요한지, 현재 중요한 도로의 정체 상태를 한눈에 파악할 수 있다.

이번 연구결과는 국제학술지 ‘IEEE Transactions on Visualization and Computer Graphics’에 출판될 예정이며, 현재 온라인으로 미리 공개돼 열람할 수 있다.(https://ieeexplore.ieee.org/document/8735916)

연구진이 개발한 기술은 울산교통방송에서 2019년 1월부터 활용해 시민에게 정체 예측 구간과 평균 이동속도를 전달하는 데 활용하고 있다. 이 시스템은 도로교통공단과 경찰청, 울산교통방송국, 울산시청 교통정책과, 울산교통관리센터 등 교통 유관 기관 전문가들과 2016년부터 지속적으로 협업해 도출한 결과물이다.

이 시스템은 2019년 과학기술정보통신부, 한국정보화진흥원의 데이터플래그십 사업에 선정됐으며, 연말에는 광주와 대전, 부산, 인천에서 교통방송(TBN)을 통한 정체 예측 방송에 활용된다. 이뿐 아니라 국민 누구나 예측된 정체상황을 확인하고, 운전에 활용하도록 도시교통정보센터(UTIC) 웹사이트에서 온라인으로 서비스 할 예정이다.

3.기대효과

이 시스템의 기대효과는 크게 다섯 가지로 꼽을 수 있다. 먼저, 대국민 온라인 정체 예보 서비스가 가능해진다. 시민들에게 교통상황과 정체예측 서비스를 온라인으로 제공해, 교통체증을 해소하고 삶의 질을 높일 수 있다. 두 번째로 교통정체에 선제적이고 능동적으로 대처할 수 있다. 교통정체 관련 유관기관과 협력해 원할한 도로환경을 만들 수 있을 것으로 기대되며 실제로 경찰청과 신호 제어 관련해 활용할 방안도 논의하고 있다.

세 번째는 효율적인 교통 데이터 분석이다. 교통정체와 교통량 등의 데이터를 기초 자료로 삼고 도로망을 개선하거나 정비에도 활용 가능하다. 네 번째로는 교통정체 예보 방송 서비스도 가능하다. 기존에 시행되는 현재 정체된 구간을 알려주는 방송에 더해 가까운 미래(5분, 10분, 15분 등)의 특정 도로별 교통정체 예측방송이 가능해진다. 여기에는 통행 가능한 구체적인 속도까지 제시할 수 있어 활용도가 높을 전망이다.

마지막으로 내비게이션 서비스에 활용하는 방향도 가능하다. 현재 정체상황을 파악해 목적지까지 도착시간을 계산하는 방식은 도착지에 다가갈수록 시간이 늘거나 줄어드는 경우가 많다. 내비게이션에서 도착시간을 계산할 때 예측된 정보를 활용하면 정확한 도착 시간을 파악하는 데 도움이 된다.

[붙임] 그림설명

그림1. 광역시급 도시 전체 도로망의 정체 데이터를 분석하고 모니터링 및 예측이 가능한 인공지능 기반 시스템

(A) 분석 모드(날짜, 시간대, 속도, 요일), 실시간 예측(15분, 30분, 60분 후 예측) 모드 설정 메뉴

(B) 각 도로별 평균속도, 교통량을 확인하는 영역

(C) 시간대별 교통 속도 시각화. 빨간색으로 표시된 시간대에서는 주로 정체가 발생하며, 부채꼴이 길수록 통행량이 많은 시간대다.

(D) 교통량과 속도를 지도에 한 번에 시각화하는 VSRivers 시각화 기술. 선이 두꺼울수록 통행량이 많은 도로이고, 빨간색은 정체되는 도로다. 즉, 빨갛고 두꺼운 선이 있는 도로가 중요한 도로다.

(F) 원활한 교통방송 준비를 위한 상습 정체도로가 저장된 영역이다.

(E) 도로별 실시간 CCTV 화면