본문 바로가기
기획 기고문01

AI기반 교통관리로 도시철도 2호선 건설에 따른 혼잡문제 완화이양원호남대학교 정보통신공학과 교수

무인 자동차와 하늘을 나는 택시와 같은 30년 후에나 우리가 갖게 될 미래의 교통 체증이 없는 AI 기반 도시를 상상하는 것은 재미있다. 하지만 우리 대부분 은 현재 기술의 구현을 통해 당장 고통을 주는 출퇴근 시간을 줄이는 것이 더 행복할 것이다. 즉 현재 직면하고 있는 문제는 오늘날의 가용한 기술을 기반으로 하루라도 빨리 솔루션 개발을 하여 현실에 적용하는 것이 더욱 필요하다.

인구 145만 명과 501.19㎢ 면적(서울의 약 83%)을 가진 도시인 광주광역시의 대중교통은 현재 20개 역을 정차하는 도시철도 1호선과 시내버스 그리고 마을버 스로 구성되어 운행되고 있다. 최근 시는 원활한 도시 교통 문제를 해결하기 위 하여 지방 순환선 형태로 도시철도 2호선 총연장 41.843㎞ 구간에 정거장 44곳, 총사업비 2조 1,761억 원 규모로 2019년 9월 5일부터 1단계 공사를 시작하여 2025년까지 전 구간 개통을 목표로 공사를 진행하고 있다. 모두가 예상은 했지만, 막상 공사가 진행됨에 따라 일부 차로 축소, 회전규제, 신호체계 변경이 잦 아짐에 따라 수반되는 교통 체증으로 인한 시민의 불편함이 가중되고 있자 지역 사회 불만이 고조되고 있는 것이 현실이다. 이 같은 현상은 도시철도 2호선 공 사가 전면적으로 시행되는 향후 5년 이상 극심한 도심 구간에서 차량 정체가 예 상되므로 시민 불편 해소를 위한 특단의 교통 대책이 요구되고 있다.

도시의 교통수단은 도시와 시대에 따라 다르다. 소규모의 도시는 교통수단이 단순화되어 있지만, 규모가 큰 도시일수록 교통수단이 승용차, 버스, 트럭, 지하철 등 다양해지고 있다. 도시교통의 본질은 이렇게 다양화된 교통수단을 교통 시설에 맞춰 계획, 설치 또는 관리를 해야 하는 복잡한 성격을 지니고 있다. 이러한 도시의 복잡성과 교통의 대상을 어디까지로 책정하느냐에 따라 교통에 대한 개념도 여러 가지로 정의할 수 있다. 우선 교통(Transport)은 「장소와 장소 사이에서 사람이나 화물의 운반을 위한 행위」라고 정의할 수 있다. 도시생활은 사회경제활동의 욕구가 일어나는 곳과 욕구가 채워지는 곳이 일치하지 않기 때문에 거리를 극복하는 서비스가 필요하다. 이러한 관점에서 도시철도 건설에 따른 교통 혼잡 문제는 제한된 장소와 구간에서 움직임을 제한하는 데서 오는 인위적인 불편이라고 볼 수 있다.

이러한 인위적 제한 사례로 마이애미의 예측할 수 없는 도개교(drawbridge) 문제를 해결하는 과정을 보자. The Community지에 따르면 이 지역 출퇴근자들은 10분에서 20분 정도 멈춰서 시간을 보낸다고 한다. 그래서 지역 Mercedes-Benz 대리점의 도움을 받아 다리가 언제 올라올지 미리 결정하는 기계 학습(Machine Learning)기반 방법을 고안했다. The Community지가 제시한 솔루션 에는 컴퓨터 비전이 장착된 카메라와 예측 AI가 적용되었다. 이 회사는 현재 예측 분석 알고리즘을 구동하기 위해 도개교가 있는 가장 바쁜 도시 세 곳을 모니터링하여 수집된 데이터를 사용하여 예측에 적용하고 있으며, 현재 BridgeForecast.com을 통하여 서비스 되고 있으며, 이미 출퇴근자들이 배가 지나가기를 기다리는 시간을 줄이는 데 효과를 보고 있다고 한다.

국부적인 교통제어 문제의 또 다른 예로는 샌프란시스코에 있는 80번 고속도로의 Parsons Smart Corridor 섹션과 같은 것이 있다. 이 솔루션은 7,900만달러를 투입해서 구축한 것으로서 혼잡한 도로의 전체 섹션을 네트워크로 연결하여 구성한 솔루션이다. Pasrsons에 따르면 가변 속도 및 차단된 차선 표지판과 같은 프로젝트의 가장 친숙한 요소를 통해 운전자는 사고 발생 시 정보에 입각한 결정을 내릴 수 있고, 또한 44개 진입로에 대한 실시간 램프 미터링은 병합 충돌을 줄이고 트래픽 양을 관리하여 운전자에게 편의를 제공하고 있어서 출퇴근자들은 현재 7,900만 달러 프로젝트의 혜택을 받고 누리고 있다고 한다. 평균적인 사람은 매년 직장을 오가는 데 약 42시간을 보낸다고 한다. 그 수가 급증하는 혼잡한 도시 지역에서는 아마도 교통 체증에서 유휴 상태로 연간 1,000달러 이상을 소비하고 있다고 한다. 우발적인 충돌과 도로 분노 사고의 대상이 되는 특권에 대해 지불하는 것 치고는 꽤 많은 돈이다.

불행히도 전 세계의 다양한 교통 문제를 해결할 수 있는 단일 솔루션은 없다. 모든 도시에는 혼잡과 교착 상태를 초래하는 광대하고 고유한 문제가 있기 때문이다. AI로 문제를 해결하려면 지역에 맞는 표적 솔루션이 필요하다. 다행스럽게도 현재 우리는 딥 러닝(Deep Learning), 컴퓨터 비전, 예측 분석기법 등이 바로 지금 우리앞에 놓여 있으며 앞에서 언급한 마이애미, 샌프란시스코와 같은 도시 사례에서와 마찬가지로 광주광역시에서도 이를 수용하고 구현하기를 기다리고 있다.

먼저 AI적용을 위해 필요한 데이터 수집 인프라 구축 현황을 보면 광주광역시 ITS(지능형교통시스템) 구축은 그림<광주광역시 ITS 연차별 구축 현황>에서와 같이 2003년부터 연차별로 꾸준히 진행되어 전남도와 광역BIS시스템을 구축하고 있다. 이에 따라서 표<광주광역시ITS 구축현황>에서와 같이 교통정보 수집 및 제공시스템이 구축되어 데이터를 축적하고 있다. 그러나 실시간으로 수집되는 교통정보는 충분히 분석에 활용되지 못하고, 또한 예측에도 활용도가 낮은 상태를 유지하다가 일정기간 보관된 후 자동으로 폐기되는 실정이다.

또한 지역 산업 측면에서 보면 광주광역시는 국내 인공지능(AI)산업 대표도시로 도약하기 위해 관련 산업 생태계 조성을 본격화하고 있다. 즉 2019년 초 정부의 예비타당성 면제사업으로 첨단3지구 4만6200㎡ 부지에 4061억원을 들여 인공지능 산업융합 집적단지를 조성하는 사업을 2020년부터 시작하여 5년간 추진하고 있다. 따라서 인공지능 기술을 활용한 교통상황 예측시스템 개발, 인공지능 기반 정체상황 시각화 등 다양한 교통 문제해결에 대한 AI 창업에 대한 마중물 역할로서 금번 도시철도 2호선 건설에 따른 문제 해결을 시도해보는 것은 매우 바람직할 것이다.

물론 이러한 연구를 수행하기 위해서는 지자체와 지역과학자(대학및연구소) 및 관련 업체와의 공동 노력이 필요하며 이들을 연계하는 허브 역할을 할 구심점이 필요하다. 이를 위해서는 지역과학기술의 R&D 컨트롤타워를 수행하는 (재)광주과학기술진흥원과 기업성장 및 육성 전문기관인 광주테크노파크 등과 같은 광주광역시 유관기관은 물론 순수 과학기술민간단체인 한국과학기술자총연합회 광주전남지역연합회(이하 광주전남과총) 등이 역할을 할 수 있을 것이다. 특히 광주전남과총은 과학기술분야 14개 전문분과에 연구 및 실무 경험이 풍부한 전문가가 참여하고 있으며, 인공지능과 연관된 분과인 ICT분과와 인공지능분과에 50여 명의 전문가가 소속되어 있어 광주전남과총에서 전문가 연구반을 구성하여 주도적으로 문제해결을 위한 방안 도출을 시도해도 좋을 것이다.

도시철도 2호선 건설은 광주광역시 대중교통 인프라 구축에 있어서 필수적으 로 필요한 공사이다. 왜냐면 기존 1호선만 가지고서는 지하철 효과가 나타나지 않으므로 순환선인 2호선 건설로 시민 교통의 편리함을 배가할 수 있기 때문이 다. 그런데도 건설 기간에 차량 정체에 따라 시민 불편이 예상되므로 우회도로 안내, 신호 통제 등 단순히 즉흥적인 방법으로 대책을 마련할 것이 아니라 이것을 계기로 선진 교통 시스템을 도입하는 측면에서 검토를 수행하여 최신 인공지능기반 지능교통 시스템 체계를 수립하는 데 이바지할 수 있도록 해야 할 것이 다. 또한 여기서 축적된 기술력을 바탕으로 향후 거대 시장을 형성할 것으로 예상되는 인공 지능응용 분야에서 교통분야의 시스템 구축에 시장의 선점을 하도 록 해야할 것이다.

더욱더 중요한 것은 국책사업과 달리 지역과총에서 지역전문가들이 연합하여 지역 현안 해결을 체계적으로 지원하는 체제구축을 통해 지역과학기술자 중심의 새로운 지역사업모델 제시가 가능하게 되어 앞으로 전개될 스마트 시티 및 지역 중심 리빙랩(Living Lab)활성화에도 크게 기여할 수 있게 될 것이다.