기술책임자 : UNIST 고성안 교수

1. 연구배경

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

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.




3. 기대효과

- 대국민 온라인 정체 예보 서비스가 가능해진다. 시민들에게 교통상황과 정체예측 서비스를 온라인으로 제공해, 교통체증을 해소하고 삶의 질을 높일 수 있다.
- 효율적인 교통 데이터 분석이 가능하다. 교통정체와 교통량 등의 데이터를 기초 자료로 삼고 도로망을 개선하거나 정비에도 활용 가능하다.
- 교통정체 예보 방송 서비스가 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.