상세 컨텐츠

본문 제목

AI기술로 더 정확해진 내비! 개발자에게 듣는 내비게이션 원리

인포테인먼트

by 현대엠엔소프트 2020. 4. 27. 11:27

본문

"내비대로 가 주세요!"

"가시던 길로 갈까요, 내비대로 갈까요?" 택시를 타면 가장 자주 듣게 되는 질문이다. 내비게이션의 정확도가 높지 않았던 과거에는, 경험이라는 ‘빅데이터’를 더 신뢰해 자주 다녀본 길을 선택하는 경우가 흔했던 것이 사실. 하지만 내비게이션이 도착 예정 시간까지 정확히 알려주는 지금은 이렇게 대답하는 사람들이 더 많아졌다. "내비대로 가 주세요!"

오랜 시간 축적된 사람의 경험보다 훨씬 더 믿음직한 교통정보 예측은 어떻게 가능해졌을까? 더욱 정교한 교통정보 개발을 위해 노력 중인 현대엠엔소프트 교통센터개발팀의 이야기를 들었다.

 

현대엠엔소프트의 교통센터개발팀, 어떤 일을 하는 팀인지 궁금합니다.


한 마디로 설명하면, 자동차로 이동할 때 가장 빠른 경로를 탐색하고, 정확한 도착 예정 시간을 예측하기 위한 모든 기술을 다룹니다. 요즘은 차로 이동하려면 다 내비게이션부터 검색하시잖아요. 내비게이션에 목적지만 입력하면 실시간으로 가장 빠른 경로를 탐색하고, 도착 예정 시간까지 알려주죠? 이런 일련의 과정에 필요한 기술을 더 정확하고, 더 정교하게 발전시키는 것이 저희 팀의 일입니다. 좀 더 자세하게 설명하면, 도로 위의 데이터를 수집하고, 그것을 교통정보로 가공해서, 다시 그 정보를 차량으로 보내는 모든 과정을 교통센터개발팀에서 담당하는 것이죠.

 

도심 속 자동차 (이미지 출처 : 게티이미지코리아)

 

이제는 내비게이션이 가장 빠른 길을 제일 잘 알려주고, 도착 예정 시간까지 정확하게 산출합니다. 이 과정은 어떻게 이루어지나요?


우선 도로 위에 있는 수많은 차량의 운행 정보를 수집해야 합니다. 현대엠엔소프트의 내비게이션 소프트웨어가 장착된 현대기아자동차의 운행 궤적 정보, 택시 회사의 주행 데이터, 지자체 제공 데이터까지 우리 회사에서 차량의 운행정보를 수집하는 다양한 소스가 있는데요. 이렇게 수많은 차량의 실시간 운행 데이터를 바탕으로 구간별 주행 속도를 파악하고, 이것을 기준으로 원활, 지체, 정체 등의 판단을 내리죠. 그리고 이렇게 가공된 정보는 다시 차량으로 전송되어, 지금 가장 빠른 길과 도착 예정 시간을 알려줍니다.

 

과거에는 내비게이션에 통신 기능이 없어서 실시간 교통정보를 주고받을 수 없었는데요. 그래서 내비게이션은 축적된 과거의 교통상황을 통계로 내고 그것을 패턴화해서 교통 정보를 만들었습니다. 마치 예년 이맘때의 기온, 기상 데이터를 바탕으로 올해의 날씨를 예측하는 것과 비슷했죠. 그러나 통신이 가능한 양방향 내비게이션으로 발전한 지금은, 실시간으로 교통정보를 수집하고 또 차량에 전송할 수도 있습니다. 이 때문에 패턴 교통정보에 실시간 교통정보를 더해 더 정확한 운행정보를 제공할 수 있게 되었죠. 또한 최근에는 양방향 내비게이션 사용자가 증가하면서, 더 많은 운행정보가 수집되어 교통정보 예측의 신뢰도가 높아지고 있습니다. 이렇게 해서 내비게이션이 가장 빠른 길을 알려주고, 도착 예정 시간도 더 정확하게 예측할 수 있게 됐어요.

 

2021년 아반떼 내비게이션 (이미지 출처 : 현대자동차)

 

여기서 더 나아가, 이제는 더 정확한 예측을 위해 AI 기술을 활용한다고 들었습니다. AI는 어떤 역할을 하는 건가요?


현재 저희 팀이 가장 주력하고 있는 핵심 업무 중 하나는, AI 기술을 통해 교통정보 가공 알고리즘을 정교화하는 것인데요. AI가 어떻게 교통정보 예측 기술을 고도화하는지를 이해하기 위해서는, 먼저 ‘링크’라는 개념을 알아야 합니다.

어떤 도로의 교통 상황을 파악하기 위해서는, 우선 기준이 되는 도로 구간의 단위를 설정하는 것이 필요하죠. 교차로나 교량, 또는 터널과 같이 차량의 속도가 변하는 지점을 일종의 분기점으로 정합니다. 이것을 ‘노드’라고 해요. 그리고 한 노드에서 다른 노드까지의 구간을 ‘링크’라고 부릅니다. 이렇게 링크라는 하나의 구간을 설정하면, 이 링크가 막히는지, 원활한지, 판단을 내릴 수 있게 되죠. 쉽게 설명하면, 링크는 교통정보를 수집하기 위한 단위라고 보면 됩니다.

링크의 종류에는 라디오 교통정보방송 등에 쓰이는 ‘국가표준링크’와, 현대엠엔소프트가 자체 구축한 ‘Real Link’라는 것이 있는데요. 이 Real Link는 국가표준링크보다 단위 길이가 짧고, 커버리지도 더 넓기 때문에 보다 정확한 교통 정보를 제공한다는 특징이 있습니다.

 

(정보 출처: 한국지능형교통체계협회)

 

그러면 다시 AI 기술에 대한 이야기로 돌아와 볼까요? AI가 도입되기 전에는, 이 링크들을 단순히 도합해서 도착 예정 시간을 산출했습니다. 각 링크의 차량 이동속도를 측정하고, 이 속도들의 평균을 내어 도착 예정 시간을 계산한 거죠.

하지만 실제 도로는 각각의 링크로 분절된 형태가 아니라, 연결된 하나의 길입니다. 그렇기 때문에 링크들은 서로 영향을 주고받을 수밖에 없습니다. 링크 A에서 정체가 발생하고 있다면, 이 정체는 지금은 막히지 않는 링크 B에도 곧 영향을 줄 테니까요.

이렇게 각 링크의 교통량이 서로에게 미치는 영향을 파악하는 데 필요한 것이 바로 AI 기술입니다. 과거엔 단순히 현재의 도로 상황을 취합하여 교통 정보를 예측했다면, 이제는 AI를 통해 링크 A의 교통 상황이 링크 B에게 미칠 영향까지 계산하는 거죠. 당연히 도착 예정 시간을 더 정확하게 계산할 수 있겠죠. 각각의 링크라는 나무를 추적하던 방식을 벗어나, 전체 도로라는 숲을 보고 도착 예정 시간을 예측할 수 있게 된 것입니다.

AI 기술 도입으로 교통정보 예측은 얼마나 정확해졌나요?


최근 저희 팀에서 도입한 AI 기반의 예측 기술을 통해, 1시간 이후까지 교통상황을 예측할 수 있는데요. 예를 들면 교통사고와 같이, 교통 흐름에 평소와 전혀 다른 변화가 생겼을 때 이 기술이 아주 유용합니다. 이런 돌발적인 상황이 발생하면, 과거의 패턴 교통정보를 사용하지 않고 실시간 교통정보만으로 1시간 후의 교통정보를 예측하는데, 이것을 ‘단기예측’이라고 합니다.

최근에는 기술의 정확도를 높이기 위해, AI 기술 중에서도 데이터 패턴을 학습하는 방식인 CNN (Convolutional Neural Network) 모델을 적용하여, 새로운 단기예측 로직을 개발했어요. 실제로 이 기술은 현대엠엔소프트의 모바일 내비게이션 ‘mappy’에도 적용되어 있습니다.

서울시 도시고속도로를 대상으로 이 CNN 모델을 적용한 결과, 교통정보 정확도가 과거보다 20% 이상 향상되는 효과가 있었습니다. 그리고 각 링크별로 정확도가 20% 향상되면, 전체 경로에 대한 도착 예정 시간의 오차는 획기적으로 줄어들죠. 그렇기 때문에 전반적인 서비스 품질은 20% 그 이상 향상되는 셈입니다.

 

 

현대엠엔소프트의 차량용 내비게이션과 스마트폰 내비게이션 앱 중, 어느 쪽이 더 정확하다고 보시나요?


수집하는 데이터에 차이가 있기 때문에, 차량용 내비게이션이 더 정확할 수밖에 없어요. 현대엠엔소프트의 내비게이션은 차량 자체에서 운행 궤적 데이터를 활용합니다. 차량에 장착된 고성능 GPS 기반의 위치 데이터를 활용하기 때문에, 스마트폰 기반의 내비게이션 어플리케이션보다 양질의 데이터로 교통정보를 가공할 수 있죠. 

특히 터널이나 고가차도 등 GPS 수신이 불안정한 지역에서도, 차량에 장착된 자체 센서를 통해 정확한 위치 정보를 판단할 수 있어요. 또, GPS의 정보 수집 주기도 스마트폰 내비게이션은 3~5초 간격인 반면, 차량 내비게이션은 1초 간격으로 위치 정보를 판단합니다. 덕분에 더욱 정교한 속도 정보를 생성할 수 있게 됩니다. 이런 요인으로 인해 차량에서 수집한 데이터로 더 양질의 교통정보를 만들어 낼 수 있기 때문에, 차량용 내비게이션의 서비스 품질이 더 높다고 볼 수 있습니다.

요새는 명절 연휴 중 어느 날이 가장 막힐지, 미래의 교통 정보까지 예측합니다. 미래의 교통 정보를 어떻게 알 수 있는 건가요? 


명절 교통상황을 예측하기 위해서는, 앞서 설명했던 ‘단기예측’과 구분되는 ‘장기예측’이라는 기술이 필요합니다. 과거 명절의 교통 정보는 고속도로별로, 그리고 시간대별로 모두 패턴화하여 데이터로 기록되어 있는데요. 이 축적된 패턴 데이터를 가지고, 명절 당일에 수집한 실시간 속도와 비교해 가장 유사한 정보를 자동으로 추출해 내죠. 이런 방식으로 5시간 후까지 예측이 가능합니다.

 

 

장기예측에도 AI 기술을 적용하고 있는데요. 과거의 패턴 가운데 가장 유사한 패턴을 가져오기 위해 KNN(K-Nearest Neighbor)이라는 머신러닝 기술을 사용하고 있어요. 실제로 저희가 올해 설 연휴에, 서울-부산 간 도로가 가장 막힐 것이라 예상했고요, 가장 정체가 심한 시간대는 설 당일 오후 시간대일 것이다, 그리고 소요 시간은 6시간 30분이 걸릴 것으로 예측했었습니다. 실제로 그 시간대에 가장 정체도가 높았고, 소요 시간도 가장 유사하게 예측했어요. 다른 내비게이션 서비스와 비교해서 정확도가 높았죠.

이 장기예측 기술을 더 고도화하기 위해, 올해에는 딥러닝 기술도 적용할 계획입니다. Image to Image CNN 모델이라는 딥러닝 기술인데, 복잡한 현실 상황에 가장 최적화된 방식이에요. 현재 적용되어 있는 머신러닝 기법은 과거 데이터에서 가장 유사한 값을 가져오는 방식이라면, 딥러닝 기법인 CNN 기술은 시공간적인 연관성을 고려한 속도 변화를 컴퓨터가 학습하여, 더 실제 값에 근사한 결과를 예측합니다. 이 기술이 적용되면, 명절과 같은 장거리 운전 경로와 통행 시간 예측 정보가 더 정확해질 것으로 기대하고 있습니다. 

 

최근 교통센터개발팀에서 가장 집중하고 있는 과제는 무엇인가요?


저희 팀에서 가장 집중하고 있는 주요 과제는, 지속적으로 고도화된 AI 모델을 개발하여 교통정보의 정확도를 높이는 것입니다. 또 저희 팀에서 개발 중인 AI 기반의 예측 교통정보는, 지금까지는 서울시 도시고속도로에 한정되어 있는데요. 이것을 전국 고속도로 및 도시고속도로까지 확장하여 적용하려 하고 있습니다. 새로운 AI 기술과 관련해서는 자체적인 개발 외에도 국내 대학 연구기관과 협업하며, 교통정보 예측 성능을 향상시키기 위한 연구를 진행 중입니다.

 


교통센터개발팀에서 일하는 분들의 이야기도 궁금합니다. 교통센터개발팀에서 일하는 것의 장점으로 꼽을 수 있는 것이 있다면 무엇인가요?


내비게이션의 핵심이 되는 서비스를 운영하는 팀에서 일한다는 것이 무엇보다 큰 장점이죠. 내비게이션의 가장 핵심적인 기술은, 지도를 기반으로 한 정확한 길 안내 서비스라고 생각합니다. 서비스가 잘 구현되려면, 사용자가 이용하고자 하는 경로에 ‘정확한 교통정보’가 구축되어 있어야 해요. 그래야 빠른 시간 안에 정확한 경로로 갈 수 있기 때문이죠.

내비게이션 길 안내는 서비스 이용자의 즉각적인 피드백을 받을 수 있는 서비스라는 것도 큰 장점입니다. 운전자 입장에서 불편한 점이나, 개선해야 할 부분이 생기면 바로 조치할 수 있어, 서비스를 개선해 나가는 보람이 있어요. 도착 예정 시간을 정확하게 예측하고, 편안한 길 안내가 이루어졌을 때는 내심 뿌듯함을 느끼기도 하죠.

 

우리 팀만의 특별한 문화로 꼽을 수 있는 것이 있다면 무엇인가요?


교통센터개발팀은 국내 교통정보의 로직을 개발하는 ‘교통설계파트’와 국내,외에서 수집되는 교통정보를 데이터화하고 생성된 교통정보를 운영 및 개발하는 ‘국내교통개발파트’, ‘해외교통개발파트’가 있습니다. 그리고 최근엔 교통, 경로탐색 개발 항목에 대한 검증 및 평가를 하는 ‘QE파트’가 새롭게 신설됐어요. 이렇게 네 파트 간에 업무가 긴밀하게 연결되어 있기 때문에, 유기적인 소통을 가장 중요하게 생각하는 문화가 자리 잡혀 있습니다. 

특히, 서로를 존중하며 팀원 개개인이 잘 할 수 있는 부분은 극대화하고, 부족한 부분은 도와주면서 업무를 진행하는 것이 저희 팀의 가장 좋은 문화죠. 예를 들어, 교통정보 운영 구조를 개선하는 과정에서 나오는 다양한 정보들을 끊임없이 서로 간에 공유하며 함께 발전하고 있습니다. 또 최근 가장 큰 화두인 빅데이터와 AI 기술 역량을 키우기 위해, 사내에서는 AI 아카데미나 심화 과정인 DS(Digital Science)와 같은 교육 프로그램을 운영하고 있기도 합니다. 이런 교육 프로그램을 통해 습득한 최신 기술들은 업무에 바로바로 적용하면서 성장할 수 있고요.

 


교통센터개발팀에서 일하기 위해, 특별히 필요한 업무 역량이 있다면 어떤 것일까요?


저희 팀 특성상, 내비게이션을 사용해본 경험이 가장 중요하겠죠? (웃음) 내비게이션을 직접 사용하면서 개선이 필요하다고 느꼈던 부분들을 업무에 적용해야 하니까 아무래도 사용자 관점에서 고민해 본 경험이 제일 중요하다고 생각합니다. 교통이라는 분야에 대한 전반적인 지식도 중요하죠.

기술적으로 필요한 역량은, 업무에 따라 조금씩 달라지는데요. 교통정보 설계와 분석에는 통계학적 지식, 그리고 데이터를 분석하기 위한 소프트웨어 활용 능력이 필요합니다. 여기에 더해, 최근에는 AI 기술에 대한 역량도 매우 중요해졌습니다. 또 교통정보 생성 및 운영 파트에서는 C 언어 및 C++언어 기반의 소프트웨어 활용 능력이 필요합니다. 

 

입사 전에 진행한 프로젝트도 업무에 도움이 될까요?


교통개발센터의 업무와 직접적인 관련이 없더라도, 프로젝트를 수행해 본 경험은 결국 업무 역량과 연결될 수 있다고 생각합니다. 석사 시절 진행했던 프로젝트 사례가 있는데요. 차량 CAN 데이터를 활용하여 현재 운전하고 있는 운전자가 누구인지를 판단하거나 엔진오일의 교체 시기, 타이어 트레드 마모 상태 여부를 판단하는 과제를 AI를 기반으로 진행했었습니다.

해당 과제의 차량 데이터는 시계열 형태로 이루어져 있었습니다. 현재 교통센터개발팀에서 활용하는 교통정보 데이터 역시 시계열 형태로 이루어져 있기 때문에, 과거 연구실에서 시계열 데이터를 다뤄 본 경험을 통해 입사 후 빠르게 적응할 수 있었어요. 물론 해당 프로젝트의 데이터와 현재 입사 후 다루고 있는 데이터의 성격은 다르지만, 기본적으로 과거 데이터를 기반으로 미래 상황을 예측하는 부분은 동일합니다. 그 때문에 과거 수행한 프로젝트 경험이 교통정보 로직 개선 업무를 수행하는 데 많은 도움이 되고 있습니다.

앞으로 교통센터개발팀이 지향하는 목표는 무엇인가요?


무엇보다도, 현대엠엔소프트의 내비게이션 길 안내 서비스를 통해 사용자가 빠르고 정확한 경로를 제공받고, 만족도가 올라가 더욱 많은 분들이 저희 내비게이션을 사용하는 것이죠. 또한, 앞으로는 국내뿐만 아니라 북미, 유럽 지역까지도 확장해, 글로벌 교통정보 서비스를 제공하는 것이 최종 목표입니다.

 

관련글 더보기

댓글 영역