|
‘솔트’를 이용하면 변경되는 신호체계 또는 새로운 교통정책이 관련 지역 교통혼잡에 어떤 영향을 미치는지 검증할 수 있다.
ETRI는 서울시와 경찰청, SK텔레콤 등으로부터 데이터를 제공 받아 지역 도로망과 신호체계 데이터베이스를 구축했다. 여기에 실측 교통량 데이터를 기반으로 차량 수요까지 추정해 분석기술을 만들었다.
연구진은 구축된 도로 데이터를 일정하게 나눠 구역 내에 있는 차량 정보를 파악하는 방식을 개발·분석했다. 개별 차량 단위로 분석하는 것보다 빠르고 더 넓은 범위에 적용할 수 있어 서울 지역을 실증하기에 적합했기 때문이다.
연구진이 개발한 교통 시뮬레이션 기술은 인공지능 기계학습이나 딥러닝이 할 수 없는 교통 환경도 분석 가능하다. 즉 신호체계 변경, 새로운 다리 건설 등 변수가 나타나면 기계학습, 딥러닝 방식은 매번 새로운 모델을 생성해 적용해야 하지만 연구진이 개발한 모델은 매번 다른 입력값이 제공돼도 보편적으로 적용할 수 있기 때문이다. 아울러 연구진은 이번에 개발한 기술이 인공지능을 이용한 도로, 기상, 축제나 행사 정보를 종합한 예측도 가능하다고 설명했다.
ETRI는 이번 성과가 서울시가 추진하고 있는 ‘축 개선 사업’과 연계해 교통 개선 효과를 검증했다고 밝혔다. 서울시는 연구진에 강동구 둔촌로 길동사거리 신호체계를 변경하면 어떤 파급효과가 나타날지 의뢰했다.
연구진은 ‘솔트’를 통해 해당 구역을 검증한 결과, 평일 기준 하행 속도를 2.4% 개선할 수 있다고 예측했다. 그런데 해당 변경안을 실제 적용해 효과를 측정한 결과 통행속도가 4.3% 개선돼 연구진의 기술이 정책 사전검증에 효과가 있음을 보일 수 있었다.
이 기술은 교통정책의 사전 검증 뿐만 아니라 불법주차 탐지, 상습 정체구간 파악, 기상 영향예측 등 다양한 분야에서 활용할 수 있을 전망이다. 이를 통해 지방자치단체의 도시계획 및 경찰청의 신호체계 개선, 대도시 교통 최적화로 국민 삶의 질 개선에 큰 도움을 줄 것을 보인다.
향후 연구진은 교통데이터 입력 등 사람을 투입해야만 하던 수동적인 입장에서 탈피, 인공지능을 활용해 최적화된 교통체계를 스스로 찾아낼 수 있도록 기술을 고도화하는 연구를 진행할 예정이다.