Embargo |
없음 |
|
||||
배포일자 : 2024.3.20.(수) |
배포번호 : 2024-19호 |
|||||
문의 |
초지능창의연구소 |
지능정보연구본부장 |
김영길(042-860-6302) |
E-mail : kimyk@etri.re.kr |
||
지능정보연구본부 |
스마트데이터연구실장 |
김지용(042-860-1203) |
E-mail : kjy@etri.re.kr |
|||
스마트데이터연구실 |
기술총괄(책임연구원) |
정문영(042-860-6599) |
E-mail : mchung@etri.re.kr |
|||
대외협력부 |
홍보실장 |
정길호(042-860-0670) |
E-mail : khchong@etri.re.kr |
|||
홍보실 |
행정원 |
이서진(042-860-0635) |
E-mail : seojin@etri.re.kr |
|||
매수 : 보도자료 3매(참고자료 6매, 사진자료 5매) |
배포처 : ETRI 홍보실 |
|||||
ETRI, 교통혼잡 해결할『도시교통 브레인』개발
- AI 기술로 교통신호 최적화해 차량 통행시간 15% 단축
- 대전-세종 200개 교차로 적용, 타 지자체 확대가능
국내 연구진이 인공지능(AI) 기술로 교통신호 최적화 기술을 개발해 차량의 교차로 통행시간을 15% 이상 단축했다고 밝혔다. 이로써 도시교통 소통이 원활해질 길이 열렸다.
한국전자통신연구원(ETRI)은 인공지능 강화학습을 적용한 신호최적화 기술로 교통량이 변화하는 상황에서도 빠르게 교통신호를 바꿔주는 효과가 있는‘도시교통 브레인(UNIQ)’을 개발했다고 밝혔다.
소규모 교차로의 신호최적화 기술은 한 곳이 개선되면 다른 부분이 안 좋아지는 풍선효과를 일으킨다. 하지만, ETRI는 이번에 개발한 클라우드 분산처리 기술로 200개 이상의 대규모 교차로에서도 쉽게 기술적용이 가능하다고 설명했다.
ETRI는 대전시와 세종시, 티맵(T-map)으로부터 데이터를 제공받아 도로 지도와 1,500여 개 이상의 교차로 신호체계를 구축했다. 또한, 신호최적화 성능 향상을 위해 800여 개의 카메라로부터 수집한 영상 정보를 딥러닝 기술로 분석했다. 자체 개발한 교통 시뮬레이션 기술 기반 데이터 생성 기술로 에러율 10% 미만의 교통량을 추정했다.
기존 교통신호 최적화 기술들은 보행자의 통행시간 등 신호의 제약조건을 전혀 고려하지 않아 실제 도로에 적용할 수 없었다. 하지만 ETRI 도시교통 브레인 기술은 보행자의 통행시간을 보장하고 예측 운전을 하는 운전자의 안전을 위한 신호의 순서와 주기를 유지하는 등 신호의 제약조건을 모두 지켜 실제 도로에 바로 적용할 수 있다. ETRI는 대전광역시 유성구 10개 교차로 신호등에 실제 적용하여 현실에 활용 가능함을 입증하였다.
ETRI 도시교통 브레인 기술은 클라우드 플랫폼으로 제공되어 타 지방자치단체로 단계적 확대가 가능하다. 아울러 교통혼잡 개선에 따른 교통 불편 해소 및 대기 환경 개선을 통해 시민 개개인의 삶의 질을 올릴 수 있을 것으로 기대된다.
또한, 차선 변경이나 도로 신설, 대규모 시설 건축 등 도로 환경 변화에 신속히 대응할 수 있어 과학적 교통정책 수립에도 도움이 될 전망이다.
ETRI는 본 기술의 핵심기술로 ▲AI 기술을 활용한 교통신호 최적화 기술 ▲클라우드 기반 대규모 교통 시뮬레이션 기술 ▲엣지-클라우드 협업 교통상황분석 기술 등을 들었다.
본 기술은 신호등에 간단한 신호제어장치를 탑재하고 교통 분석 수집기, 영상정보 등을 통해 수집된 데이터는 엣지서버에서 처리하여 스마트도시통합센터와 연동되어 온라인 시스템으로 신호최적화를 제어한다.
ETRI 스마트데이터연구실 정문영 책임연구원은 “향후 개발한 기술을 바탕으로 행정관청의 이전이나 신건물의 입점 시 등 외부 환경요인의 변화에 따른 교통량 변화, 환경영향평가 등 추가연구를 할 계획이다”고 밝혔다.
대전광역시 김태수 교통정책과장도 “교통 신호체계의 변경은 도심 교통 혼잡을 개선하기 위한 가장 효과적인 방법이다. 이번 공동연구의 결과물을 교통흐름 개선을 위한 정책에 반영하도록 노력하겠다”고 말했다.
세종시 신교통체계팀 김창현 주무관도 “세종시는 대중교통중심도시를 목표로 현재도 도시가 만들어지고 있다. 생활권별 입주에 따라 교통상황이 수시로 변하고 있어 개발한 기술을 활용하면 대규모 네트워크를 신속하게 최적화할 수 있어 교통정체 해소에 큰 도움이 될 것이다”고 설명했다.
연구진은 향후 교통 관련 기업체나 스마트교차로 사업 기업 등에 ▲교통시뮬레이션 SW ▲교통신호 최적화 모듈 ▲교통수요 데이터 생성 도구 등 기술을 이전하여 내년 중 상용화할 계획이다. 연구진은 본 연구를 통해 국내·외 특허 13건 출원, 국내·외 논문 28편 등 성과를 냈다.
ETRI는 본 기술의 빠른 상용화와 적용을 위해선 지도, 신호, 통행량의 데이터와 교통 관련 지도의 데이터베이스화, 지자체의 보유 데이터, 보정기술 등 통합이 필요하다며 추가적인 연구를 통해 시스템 구축을 서두를 계획이라고 밝혔다.
본 성과는 과학기술정보통신부와 정보통신기획평가원(IITP)의 “클라우드 엣지기반 도시교통 브레인 핵심기술 개발”사업으로 ETRI가 주관하고 KAIST, ㈜이노그리드, 렉스젠㈜, 네이버시스템㈜, ㈜모두텍, 대전광역시청, 세종특별자치시청이 참여해 지난 4년간 수행됐다. <보도자료 본문 끝>
참고1 |
유니크(UNIQ) 도시교통 브레인 |
[추진 현황 요약]
참고2 |
클라우드 엣지 영상수집 및 분석기술 |
ㅇ 지자체 스마트교차로와 연계하여 교차로 엣지서버 및 중앙 클라우드 서버 구축
- 엣지서버 : 대전시 충대오거리, 세종시 첫마을교차로 - 중앙 클라우드 서버 : IDC 센터에 구축 ※ 지자체 첨단교통관리시스템(ATMS) 구축 사업으로 대전시 86개, 세종시 10개 교차로로부터 영상 수집 및 도시통합센터 서버에서 영상을 수집·분석하여 과제에 활용 |
<클라우드 엣지 테스트베드 개념도>
<대전광역시 충대오거리 테스트베드>
<세종시 첫마을교차로 테스트베드>
참고3 |
도로망 및 신호데이터 구축 등 세부 기술 |
□ 도로망 및 신호데이터 구축
ㅇ 대전광역시, 세종특별자치시 행정복합지역에 대한 도로망 데이터 및 실 운영 신호데이터 데이터베이스 구축 ※ 대전광역시 전지역 1339개소(일반 314, 온라인 1085) 신호 데이터 구축 완료 ※ 세종특별자치시 전체 388개소 중 신호DB가 확보된 아름동, 고운동, 종촌동, 도담동 지역의 데이터구축 |
□ 교통수요 추정 및 생성
ㅇ (교통 수요 추정 및 생성) 지자체 실 교통데이터를 상호 보완적으로 사용하여 교통 시뮬레이션을 위한 전체 차량수요(통행량) 데이터를 추정 - 국가교통자료(가구통행실태조사) 데이터를 전처리하여 통행 O-D 구축 ※ 가구통행실태조사에는 행정구역별 가구의 구성원, 차량보유여부, 통행목적, 수단, 통행빈도 등을 조사함. ※ O-D (Origin-Destination)란 전체 도로망을 존(zone)으로 나누고, 존 사이의 통행유출과 통행유인의 개념을 적용하여 그 결과로 나온 매크로한 통행량임 - T-map 주행정보 및 지자체 교통 데이터(RSE, 스마트교차로, DTG 등)를 보완적으로 활용하여 시뮬레이션을 위한 교통량 추정 - 실측 교통량(VDS)과 추정 생성한 차량 수요를 사용한 시뮬레이션 결과로부터의 동일지점 교통량을 비교: MAPE 10% 이내 달성 |
□ 교통 시뮬레이션 실증
ㅇ 대전광역시 전체 및 세종특별자치시 일부 지역에 대한 시뮬레이션 수행및 캘리브레이션을 통한 시뮬레이션 정확도 개선 - 평균 통과 교통량 정확도 : MAPE 1~27% (평균 14.46%) - 평균 통과 속도 정확도 : MAPE 2~30% (평균 13.23%) |
참고4 |
강화학습 기반 신호최적화 |
|
|
□ 강화학습 기반 신호최적화
ㅇ (강화학습 모델 설계) 하나의 에이전트가 그룹 내 모든 교차로의 신호를 동시 제어 - (액션 설계) 최소녹색과 최대녹색 사이에서 녹색신호를 제어하는 모델을 설계 <교차로 4현시의 예>  <현실 제약 조건을 반영한 액션 예시> 
ㅇ (모델 학습) 대전시 실데이터를 사용하여 신호최적화 학습모델과 교통 시뮬레이터를 연동하여 학습 수행 ※ 시뮬레이션을 병렬로 수행하여 최적 성능 및 학습 속도 개선 ㅇ (모델 적용) 학습된 모델을 시뮬레이션에 적용하여 신호 추론 - 실험환경: 실증 지역(대전시 도안 지역 SA101, 유성~월평 지역 SA28, 둔산지역 SA1)/오전 첨두 2시간 - 기존 신호 대비, 교차로 통과시간 기준 평균 15% 이상 개선 |
참고5 |
특허 및 논문 성과(1) |
□ 논문(국내외 전문 학술지) 게재
번호 |
논문명 |
학술지명 |
주저자명 |
호 |
국명 |
발행기관 |
SCIE 여부 (SCIE/비SCIE) |
게재일 |
등록번호 (ISSN) |
기여율 (%) |
1 |
α-Probabilistic Flexible Aggregate Nearest Neighbor Search in Road Networks Using Landmark Multidimensional Scaling |
Journal of Supercomputing |
정문영 |
- |
스위스 |
Springer |
SCIE |
2020.11.30. |
0920-8542 |
100 |
2 |
AORM: Fast Incremental Arbitrary-Order Reachability Matrix Computation for Massive Graphs |
IEEE Access |
김성수 |
v.9 |
미국 |
IEEE |
SCIE |
2021.05.06. |
2169-3536 |
100 |
3 |
Efficient Exact k-Flexible Aggregate Nearest Neighbor Search in Road Networks Using the M-tree |
Journal of Supercomputing |
정문영 |
Vol.78 No.14 |
스위스 |
Springer |
SCIE |
2022.09.01. |
0920-8542 |
50 |
4 |
Efficient ϵ-Approximate k-Flexible Aggregate Nearest Neighbor Search for Arbitrary ϵ in Road Networks |
Electronics |
권혁윤 |
Vol.12 No.17 |
미국 |
MDPI |
SCIE |
2023.08.01. |
2079-9292 |
50 |
5 |
Loop-Wise Route Representation and Its Optimization Formulation for Symmetric Traveling Salesman Problems |
IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS (2023) |
김근우 |
No.9 |
미국 |
IEEE |
SCIE |
2023.09. |
1524-9050 |
100 |
6 |
현실 제약 조건을 반영한 강화학습 기반 교통 신호 제어 |
정보과학회 논문지 |
피민규 |
48권 8호 |
한국 |
한국정보 과학회 |
비SCIE |
2021.08.13. |
2383-630X |
100 |
□ 국내 및 국제 학술회의 발표
번호 |
회의 명칭 |
발표자 |
발표 일시 |
장소 |
국명 |
1 |
International Conference on Consumer Electronics:Asia 2020 (Urban Traffic Prediction using Congestion Diffusion Model) |
김성수 |
2020.11.02. |
파라다이스호텔(부산) |
한국 |
2 |
International Conference on Internet (SALT Traffic Demand Generation and Calibration for Urban Road Network) |
송혜원 |
2020.12.14. |
신화월드(제주) |
한국 |
3 |
International Conference on Internet (Experience Augmentation for Fast Deep Reinforcement Learning) |
피민규 |
2020.12.14. |
신화월드(제주) |
한국 |
4 |
한국ITS학회 추계학술대회(도시부 스마트교차로 기반 통행 분석 및 활용 방안) |
이수진 |
2020.11.20. |
한라대학교(제주) |
한국 |
5 |
한국소프트웨어종합학술대회(현실 제약 조건을 반영한 강화학습 기반 교통 신호 제어) |
피민규 |
2020.12.21. |
휘닉스평창호텔(평창) |
한국 |
6 |
Korea Computer Congress 2021(CCTV 영상을 이용한 교통 정체 전파 인과 관계 분석) |
박기웅 |
2021.06.23 |
ICC 제주(온라인) |
한국 |
7 |
Korea Computer Congress 2021(Attention-based DCRNN을 이용한 가상의 교통네트워크 예측) |
문예완 |
2021.06.23 |
ICC 제주(온라인) |
한국 |
8 |
International Conference on Internet(ICONI) 2021 (UNIQ-SALT: Urban Mesoscopic Traffic Simulation for City Road Network) |
송혜원 |
2021.12.13 |
메종 글래드 제주 |
한국 |
9 |
IEEE International Conference on Big Data and Smart Computing(Sparsity-Aware Reachability Computation for Massive Graphs) |
김성수 |
2022.01.19 |
바르미 인터불고호텔(대구) |
한국 |
10 |
IEEE Visualization Conference (Visual Analysis for Urban Traffic Network with Multiple CCTV Videos) |
윤찬영 |
2022.10.19 |
오클라호마 |
미국 |
11 |
IEEE Visualization Conference(Traffic Causal Relationship Analysis with Causal Density) |
임수빈 |
2022.10.19 |
오클라호마 |
미국 |
12 |
The 14th International Conference on Internet (Multiscale Urban Traffic Simulation using Cell-based Behavior Model) |
송혜원 |
2022.12.12 |
신화월드(제주) |
한국 |
13 |
2022년 대한기계학회 춘계학술대회(경로 최적화 문제를 위한 루프 기반 경로 표현법 및 최적화) |
김성용 |
2022.05.19 |
벡스코(부산) |
한국 |
14 |
IEEE Pacific Visualization Symposium 2023 (A Visual Analysis of Congestion Pricing Policy Effect on Congestion Alleviation) |
최석환 |
2023.04.20 |
서울 |
한국 |
15 |
International Conference on ICT Convergence 2023 (Towards Better Time-series Data Augmentation for Contrastive Learning) |
최장호 |
2023.10.12 |
롯데호텔(제주) |
한국 |
16 |
Pacific Conference on Computer Graphics and Applications 2023 (Visualization System for Analyzing Congestion Pricing Policies) |
최석환 |
2023.10.12 |
DCC(대전) |
한국 |
17 |
한국 컴퓨터 종합학술대회(KCC 2023) (인테리어 디자인 가이드라인과 근위 정책 최적화를 사용한 인테리어 디자인 자동화 모델) |
윤찬영 |
2023.06.20. |
라마다프라자(제주) |
한국 |
18 |
IEEE International Conference on Big Data 2023(Fast Graph Learning for Traffic Prediction) |
김성수 |
2023.12.16. |
소렌토 |
이탈리아 |
19 |
IEEE International Conference on Big Data 2023 (Improved Dynamic Coupled Graph Convolutional Recurrent Networks for Traffic Forecasting) |
한승훈 |
2023.12.16. |
소렌토 |
이탈리아 |
20 |
IEEE International Conference on Big Data 2023 (Performance Evaluation of Data Imputation Methods for Graph Deep Learning-Based Traffic Prediction) |
김정선 |
2023.12.16. |
소렌토 |
이탈리아 |
21 |
IEEE International Conference on Big Data 2023 (Recurrent Traffic Demand Generation using Urban Traffic Simulation with Cell-based Behavior Model and Real Traffic Data) |
송혜원 |
2023.12.16. |
소렌토 |
이탈리아 |
22 |
IEEE International Conference on Big Data 2023 (An Augmentation-agnostic Semantic Preserving Technique for Data Generation) |
최장호 |
2023.12.16. |
소렌토 |
이탈리아 |
참고6 |
특허 및 논문 성과(2) |
□ 지식재산권(특허, 실용신안, 의장, 디자인, 상표, 규격, 신품종, 프로그램)
번호 |
지식재산권 등 명칭 (건별 각각 기재) |
국명 |
출원 |
등록 |
기여율 (%) |
활용 여부 |
|||||
출원인 |
출원일 |
출원 번호 |
등록 번호 |
등록인 |
등록일 |
등록 번호 |
|||||
1 |
클라우드 환경 동적 엣지 클러스터 구성 관리 시스템 및 방법 |
PCT |
이노그리드 |
2022. 06.27. |
PCT/KR2022-009100 |
100 |
|||||
2 |
교통약자를 위한 엣지 클라우드를 이용한 네비게이션 서비스 제공 시스템 및 방법 |
PCT |
이노그리드 |
2023. 05.23. |
PCT/KR2023-007012 |
- |
100 |
||||
3 |
TRAINING METHOD AND SYSTEM FOR OPTIMIZATION OF TRAFFIC SIGNAL |
미국 |
한국전자통신연구원 |
2023. 12.05. |
18/529479 |
100 |
|||||
4 |
교통 신호 제어 방법 및 장치 |
대한민국 |
한국전자통신연구원 |
2021. 01.12. |
10-2021-0004195 |
100 |
|||||
5 |
강화학습을 이용한 교통 제어 장치 및 방법 |
대한민국 |
한국전자통신연구원 |
2021. 03.12. |
10-2021-0032580 |
100 |
|||||
6 |
교차로 신호 편집도구 및 그 방법 |
대한민국 |
모두텍 |
2021. 10.22. |
10-2021-0141467 |
100 |
|||||
7 |
클라우드 환경 동적 엣지 클러스터 구성 관리 시스템 및 방법 |
대한민국 |
이노그리그 |
2021. 12.27. |
10-2021-0188787 |
10-2599141-0000 |
이노그리그 |
2023. 11.02 |
10-2599141-0000 |
100 |
|
8 |
교통약자를 위한 엣지 클라우드를 이용한 네비게이션 서비스 제공 시스템 및 방법 |
대한민국 |
이노그리드 |
2022. 06.20. |
10-2022-0074921 |
100 |
|||||
9 |
교통 신호 최적화 학습 방법 및 시스템 |
대한민국 |
한국전자통신연구원 |
2023. 02.20. |
10-2023-0022081 |
100 |
|||||
10 |
클라우드 기반 응급차량 교통 제어 시스템 및 방법 |
대한민국 |
이노그리드 |
2023. 11.01. |
10-2023-0148931 |
100 |
|||||
11 |
셀 기반 차량 행동 모델에 기반한 멀티스케일 교통 시뮬레이션 수행 방법 및 장치 |
대한민국 |
한국전자통신연구원 |
2023. 11.22. |
10-2023-0163755 |
100 |
|||||
12 |
교통 수요 관련 경로 데이터의 보정 방법 및 이를 수행하기 위한 장치 |
대한민국 |
한국전자통신연구원 |
2023. 12.13. |
10-2023-0181056 |
100 |
|||||
13 |
교통량 제어 장치 및 방법 |
대한민국 |
한국과학기술원 |
2023. 12.21. |
10-2023-0187971 |
100 |
|||||
