KICT 한국건설기술연구원

완전 자율주행을 위한 인프라 가이던스

▲ 장지용 KICT 도로교통연구본부 전임연구원

들어가며

이제 인프라 가이던스가 필요한 구간에서 전지적 작가 시점으로 도로교통 상황을 인지하고 조율하여 인프라 가이던스 정보를 제공하기 위해 구상한 방법론을 쉽게 풀어 설명하고자 한다. 먼저 인프라 가이던스가 제공되는 도로에는 Edge RSU(Roadside unit)라는 일종의 통신 기능을 갖춘 도로 시설물이 필요하다. Edge RSU는 내부에 영상센서와 라이다가 장착되어 자체적으로 도로의 실시간 동적 정보를 수집하고 필요 시 외부 연계 정보와 융합하여 자율주행차 간의 주행을 조율하는 알고리즘으로 전달한다. 딥러닝 기반의 알고리즘은 교통 흐름의 안전성과 이동성, 환경성(배출가스 저감) 증진을 위한 최적의 주행 방법을 생성하고 이를 자율주행차에 제공한다. 이 결과로 인프라 가이던스 제공 구간에서의 모든 자율주행차는 협력주행을 수행하게 된다. 본 연구의 핵심은 안전성만을 고려하지 않고 혼잡 완화와 같은 이동성, 기후변화에 대응하도록 환경성까지 고려한 인프라 가이던스 기술을 개발하는 것이다. 인프라 가이던스 연구는 현재 국내뿐만 아니라 국외에서도 선제적 연구에 해당하기 때문에 우리가 제안한 방법론은 자율협력주행 부문에서 인프라 가이던스 연구를 선도하고 있다고 볼 수 있다.

그러나 자율주행에 있어 매우 중요한 센서 장비는 인지 가능 영역의 범위가 현재 기술 수준에서 최대 250 m 이내다(Ye, 2022). 인지 가능 영역의 최대 범위는 시정거리가 충분히 확보되는 정상 범위의 기상 조건에서 센서가 발휘할 수 있는 최대 능력으로 안개, 강우 또는 적설 등 시야가 제한되는 환경에서는 인지 능력이 현저히 낮을 수밖에 없다. 더욱이 도로에서는 운전자가 예상치 못한 복잡한 상황이 빈번히 발생한다. 일시적으로 도로를 폐쇄하여 진행되는 도로공사뿐만 아니라 최근에는 전동 킥보드와 같은 퍼스널 모빌리티 이용자가 도로를 점용하면서 더욱 복잡한 도로 환경이 되었다. 이렇게 자율주행 기능이 온전히 발휘될 수 없는 도로, 교통 및 기상 조건에서 현재의 센서 기술만으로 완전한 자율주행을 구현하기에는 아직 해결할 부분이 산재해있다. 결국 차량이 스스로 인지, 처리할 수 없는 부분을 인프라뿐만 아니라 주변 차량을 포함한 도로 이용자들이 상호 협력하여 해결해야 한다.

자율주행 환경에서 센싱 정보에 기반한 인지 가능 영역의 확장을 위해서는 전방의 기상 상황뿐만 아니라 실시간으로 변화하는 도로교통 상황을 지속적으로 자율주행차량에 제공하는 것이 필요하다. 즉, 자율주행차량이 주변의 차량 및 인프라와 통신하며 다양한 도로교통 상황 정보를 획득함으로써 독립형 자율주행 기술의 한계를 극복하고 교통 흐름의 안전성을 증진하는 자율협력주행 시스템이 요구된다(U.S. DOT, 2018). 도로 인프라에서 차량에 필요한 정보를 제공하고 차량이 스스로 인지한 정보와 융합하여 안전하게 도로를 주행할 수만 있다면 완전한 자율협력주행이 가능할 것이다. 한국건설기술연구원에서는 2022년 4월부터 자율주행차량의 Stand-alone 한계를 극복하며 고수준의 자율협력주행을 구현하기 위해 ‘인프라 가이던스를 통한 자율차 주행지원 기술 개발’ 국가연구개발 사업(연구책임자: 양인철 연구위원)을 수행하고 있다. 아직 연구 초기 단계이지만 더 안전하고 편리한 도로 인프라를 실현하기 위한 본 연구의 원대한 항해 시작을 소개하고자 한다.

인프라 가이던스 정의

인프라 가이던스’라는 용어는 사실 생소하고 어려운 표현이며 자율주행 지원 인프라를 연구하는 필자에게도 마찬가지다. 하나의 예시로 인프라 가이던스 개념을 전달하고자 한다. 고속도로의 합류 지점을 떠올려보자. 도심지 내 우회전 전용차로가 설치된 신호 교차로도 좋다. 다른 방향에서 온 자율주행차가 본선(또는 주도로)으로 합류하기 위해서는 합류 예상 지점으로 접근해오는 본선 내 다른 차량의 현재 상태, 그리고 합류 예상 시점에서 해당 차량의 주행상태(예: 속도, 주행차선 등) 정보를 알고 있어야 한다. 그리고 충돌 없이 안전하게 합류하기 위해서는 서로 상황을 공유하며 일련의 선약을 해야 한다. 다시 말해 합류가 예상되는 지점에 누가 먼저 진입할지 결정하고 결정된 정보를 공유해야 한다. 만약 이러한 약속 없이 온전히 센서 정보에만 의지해 자율주행차 스스로가 주행한다면 위험한 상황이 발생할 우려가 크다. 그렇다면 이러한 정보를 누가, 어떻게 만들 수 있을까. 삼인칭 전지적 작가 시점에서 해당 구간을 내려보며 자율주행차 각각의 통행을 조율하는 주체가 필요하다. 여기에서의 ‘조율’이 가이던스이고 ‘삼인칭 전지적 작가’가 인프라이다. 인프라 가이던스란 인프라가 자율주행차의 주행 정보와 도로교통 상황을 인지/융합하여 교통 흐름의 혼선을 막고 사고를 예방하도록 자율주행차에 최적의 주행 방법을 제공하는 기술이다. 이러한 인프라 가이던스는 운전자가 필요 없는 레벨 4 이상 수준의 고고도 자율주행차량을 대상으로 한다. 그림 1은 지금까지 설명한 인프라 가이던스 개념을 도식화한 것이다.

인프라 가이던스 구현 방안

인프라 가이던스는 완전한 자율협력주행 시대로 가기 위해 없어서는 안 될 존재이다. 자율주행차가 통행하는 전국 방방곡곡 도로에서 인프라 가이던스가 제공되도록 하는 것이 가장 좋은 시나리오이다. 그러나 앞서 설명한 바와 같이 기존 도로에 인프라 설치가 필요하다. 무엇이든 새로 구매해서 설치하는 것은 비용이 들고 자원은 한정적이기에 전국 모든 도로에 인프라 가이던스를 제공할 수 없다. 그렇다면 우선하여 설치 및 운영할 곳을 정할 필요가 있다. 연구단은 인프라 가이던스 정의 설명에서 예시로 든 고속도로 합류부나 신호 교차로, 일반 운전자도 주행 난이도가 있고 사고가 빈번한 회전교차로와 같이 자율주행차 단독으로 주행함에 한계가 있을 것으로 예상되는 도로 및 교통상황을 복수의 유스 케이스(Use-case)로 정의하였으며 주요 케이스를 그림 2에 제시하였다.

이제 인프라 가이던스가 필요한 구간에서 전지적 작가 시점으로 도로교통 상황을 인지하고 조율하여 인프라 가이던스 정보를 제공하기 위해 구상한 방법론을 쉽게 풀어 설명하고자 한다. 먼저 인프라 가이던스가 제공되는 도로에는 Edge RSU(Roadside unit)라는 일종의 통신 기능을 갖춘 도로 시설물이 필요하다. Edge RSU는 내부에 영상센서와 라이다가 장착되어 자체적으로 도로의 실시간 동적 정보를 수집하고 필요 시 외부 연계 정보와 융합하여 자율주행차 간의 주행을 조율하는 알고리즘으로 전달한다. 딥러닝 기반의 알고리즘은 교통 흐름의 안전성과 이동성, 환경성(배출가스 저감) 증진을 위한 최적의 주행 방법을 생성하고 이를 자율주행차에 제공한다. 이 결과로 인프라 가이던스 제공 구간에서의 모든 자율주행차는 협력주행을 수행하게 된다. 본 연구의 핵심은 안전성만을 고려하지 않고 혼잡 완화와 같은 이동성, 기후변화에 대응하도록 환경성까지 고려한 인프라 가이던스 기술을 개발하는 것이다. 인프라 가이던스 연구는 현재 국내뿐만 아니라 국외에서도 선제적 연구에 해당하기 때문에 우리가 제안한 방법론은 자율협력주행 부문에서 인프라 가이던스 연구를 선도하고 있다고 볼 수 있다.

인프라 가이던스 기반의 미래 모빌리티

글로벌 시장에서는 테슬라, 구글과 같은 거대 IT 공룡기업과 벤츠, 현대자동차 같은 글로벌 완성차 업체가 더 높은 수준의 자율주행차를 개발하기 위해 무한 경쟁 중이다. 그럼에도 불구하고 최근까지 레벨 3 이하의 자율주행 상용차에 의한 사고가 간헐적으로 발생하고 있다. 다양하고 복합적인 원인이 있겠지만, 인프라의 도움 없이 현재 자율주행 기술만으로는 완전 자율주행 시대 개막은 한계가 있음을 보여주는 사례이다. 지금까지 소개한 인프라 가이던스 기술은 자율주행차의 Stand-alone 한계를 극복하고 완전한 자율협력주행 시대로 가기 위한 교두보 역할을 할 것으로 기대된다.