기존 시뮬레이션 기술과 다른 점은?

교통혼잡 예측 기술은 크게 두 가지 방법이 있습니다. 첫 번째는 인공지능에 해당하는 기계학습을 통한 데이터 기반의 예측 기술입니다. 즉, 현재와 과거의 데이터를 가지고 예측하는 기술입니다. 두 번째는 실제 도로망과 차량 이동에 대한 행동 모형을 통한 교통 시뮬레이션 기술입니다. 솔트는 교통 시뮬레이션 연구 개발과 클라우드 기반 서비스 개발에 집중한 기술입니다.

여기서 교통 시뮬레이션 방법을 말씀드리면, 마이크로스코픽(microscopic) 시뮬레이션과 매크로스코픽(macroscopic) 시뮬레이션이 있습니다. 먼저 전자는 미시적 방법으로 실제 차량이 움직이면, 각 차량의 이동 위치를 계산하기 때문에 오랜 시간이 소요됩니다. 하지만 그만큼 정확하다는 장점도 있습니다. 그러나 서울과 같은 대도시의 경우 많은 차량에 적용해야 하기에 오랜 시간이 소요됩니다. 두 번째 후자의 경우, 거시적으로 보는 방법은 주로 고속도로에서 많이 활용하는 방법입니다. 계산량은 많지 않지만, 정확도가 높지 않다는 단점이 있습니다. 연구진은 마이크로스코픽 기법과 매크로스코픽 기법, 두 방법의 정확성과 처리속도 장점을 절충하여, 대규모 처리가 가능한 메소스코픽(mesoscopic) 시뮬레이션 엔진을 독자적으로 개발했습니다. 그 결과 서울 강동구에서 24시간내 하루 40만대가 통행하고 1만 3천여 개의 도로체계가 있는 곳을 5분 내 교통 시뮬레이션이 가능한 정도의 성능을 확보했습니다. 본 기술은 물론, 상용은 아니지만, 독일에서 만든 경쟁모델 SUMO(Simulation of Urban MObility)라는 공개 소프트웨어보다 18배 빠른 성능을 제공합니다.

솔트는 교통 시뮬레이션 소프트웨어이기 때문에 교통과 관련된 분야에 주로 응용될 예정입니다. 특히 서울시, 대전시, 울산시, 부산시 같은 주요 지자체에는 ITS 센터를 운영하고 있습니다. 이곳에서 교통 시뮬레이션 결과 분석을 통해 상습 정체 구간을 파악하거나, 새로운 교통신호 체계가 필요한 대상 지역을 파악하는 데 효과적인 활용이 기대됩니다.

기술완성도를 위한 추가 연구는?

교통 시뮬레이션은 크게 두 가지 부분으로 이루어져 있습니다. 첫 번째는 도로상을 이동하는 차량의 이동 경로를 포함하고 있는 교통 수요 부분과 두 번째는 교통 수요를 도로망에서 차선, 신호정보, 차량 행동 모델에 따라 시뮬레이션하는 교통 공급 부분입니다. 수요와 공급이 적절히 잘 맞으면 좋겠지만, 수요가 많고 공급이 적으면 교통 혼잡이 발생합니다. 또 도로는 넓은데 차량 수요가 없으면 경제적인 효과가 없는 셈입니다.

이처럼 정확한 교통 시뮬레이션 모사를 위해 교통 수요 추정과 생성하는 기술이 중요합니다. 이를 위해 대도시 주요 교차로에 카메라 또는 센서를 부착해 차량의 교통량을 측정하는 기술이 있습니다. 하지만, 대도시 일부 지점에만 설치되어 있어, 정확한 교통량을 제공받기 어려운 것이 현실입니다. 앞으로 많은 교차로에 카메라 또는 센서를 설치해 정확한 데이터를 측정하는 것이 현재 기술의 완성도를 올리는 부분이라 할 수 있겠습니다. 즉, 대도시 도로망에서 교차로의 교통량을 정확하게 측정하는 기술과 인프라가 강화되어야 합니다.

향후 기술개발 방향은?

먼저 교통혼잡 원인과 교통정체 전파 형태를 자동으로 분석하는 기술을 개발하는 것입니다. 현재 솔트는 교통 시뮬레이션 수행 후, 결과를 제공하는 기술입니다. 어떤 시뮬레이션을 돌려서 12시간 뒤 상황을 제공한다면, 실제로 정체가 생겼을 때 어떠한 이유로 정체가 생겼는지 파악하는 기술은 또 다른 기술입니다. 이에 연구진은 “왜 막혔을까?”라는 질문에 대한 대답할 수 있는 기술을 개발할 예정입니다. 아직은 기술보유가 이뤄지지 않은 상태고, 현재의 솔트 기술이 더욱 강화되기 위해서는 첫 번째로 필요한 기술입니다. 즉, 지능화가 되어야 합니다.

두 번째는 최적의 신호를 자동으로 추천할 수 있는 인공지능 기술입니다. 솔트는 서울시 축개선 사업에서 사람이 선택한 신호체계 개선 효과를 과학적으로 검증하는 도구로 활용됐습니다. 앞으로는 교통 시뮬레이션 기술을 기반으로 최적의 신호를 탐색하여 사용자에게 추천할 수 있는 인공지능 기술이 접목되어야 한다고 생각합니다. 사람이 신호를 찾는 것보다 인공지능이 최적의 신호를 탐색하고, 추천해주는 신호 제어 지능화 기술을 차기 기획과제로 기획 중입니다.