英 애스턴대 연구진, 강화학습 기반 AI 신호등 개발

운전자라면 누구나 겪어봤을 답답한 순간이 있습니다. 교차로 반대편에는 지나가는 차가 한 대도 없는데, 덩그러니 켜진 적색 신호등 앞에서 하염없이 대기해야 하는 상황입니다.

커넥티드 카 데이터 분석 기업인 INRIX에 따르면, 2021년 한 해 동안 미국인들이 교통 체증으로 낭비한 시간은 무려 34억 시간에 달했습니다. 1인당 약 36시간으로, 꼬박 근무일 기준 일주일을 도로 위에서 허비한 셈입니다.

이제 인공지능(AI)이 이 낭비되는 시간을 되찾아주기 위해 도로 신호 제어 체계에 본격 투입되고 있습니다.

수동 신호 제어에서 심층 강화학습으로

현재 대다수 교차로 신호는 교통 공학자들이 사전에 짜둔 고정된 주기나 규칙에 의존합니다. 일부 시스템이 도로 매설 루프 센서나 카메라, 라이다(LiDAR)를 통해 차량을 감지하지만, 대체로 단순 감지와 차종 분류 수준에 머물러 있습니다.

이스라엘 텔아비브의 인텔리전트 트래픽 컨트롤(Intelligent Traffic Control)이나 미국 텍사스의 패러다임 트래픽 시스템즈(Paradigm Traffic Systems) 같은 기업들이 카메라 데이터를 이용해 신호 주기를 조정하는 솔루션을 선보이고 있습니다.

영국 애스턴 대학교(Aston University) 연구진은 여기서 한 걸음 더 나아갔습니다. 마리아 클리(Maria Chli)와 조지 보지아치스(George Vogiatzis) 연구원이 이끄는 팀은 심층 강화학습 기반의 자율 신호 제어 시스템을 구축했습니다.

애스턴 대학교가 '동종 최초'라고 평가한 이 시스템은 엔지니어가 수작업으로 제어 단계를 설계할 필요가 없습니다. 시뮬레이션 환경에서 수학적 시행착오를 수없이 거치며 스스로 교통 흐름 제어법을 익히기 때문입니다.

덕분에 실제 교차로에 적용되었을 때 실시간 데이터에 맞춰 최적의 신호를 내보낼 뿐 아니라, 학습 과정에서 한 번도 겪어보지 못한 돌발 정체 상황에서도 유연하게 대처할 수 있습니다.

기존 도로와 신호등 그대로 쓰는 AI 두뇌

이 기술은 첨단 컴퓨터 비전과 강화학습 알고리즘의 결합으로 완성됩니다.

센서와 카메라, 라이다가 차량의 속도와 거동은 물론 보행자와 자전거 이용자까지 실시간으로 파악합니다. 보지아치스 연구원에 따르면, 일반 CCTV 영상까지 통합 분석하여 도로망 전체의 거시적 흐름을 읽어냅니다.

클리 연구원은 심층 강화학습 시스템이 사람이 직접 설계한 알고리즘보다 훨씬 효율적인 해결책을 찾아내며, 기상 상황과 대기 질 측정값 같은 환경적 요수까지 복합적으로 반영할 수 있다고 설명합니다.

무엇보다 기존 자동차, 아스팔트 도로, 신호등 체계를 갈아엎지 않고 그 위에 소프트웨어 레이어로 얹을 수 있다는 점이 핵심입니다.

왜 중요한가

일반 운전자 입장에서 이 기술의 가치는 당장 차를 바꾸지 않아도 도로 위 공회전 시간과 유류비를 즉각 줄여준다는 데 있습니다. 불필요한 적색 신호 대기가 사라지는 것만으로도 운전 피로도는 크게 낮아집니다.

지능형 교통 시스템(ITS) 산업 전반에도 시사하는 바가 큽니다. 막대한 예산이 들어가는 차량-사물 통신(V2X) 인프라를 새로 깔지 않고도, 기존 관제 카메라와 신호 제어기만으로 도심 병목을 해소할 수 있는 저비용 고효율 경로를 열었기 때문입니다.

우리가 보기에 이 시스템의 가장 영리한 점은 시뮬레이션 환경에서 강화학습을 마쳐 현실 도로에서 위험한 시행착오를 겪을 필요를 없앴다는 부분입니다.

다만 악천후로 센서 시야가 가려지거나 예기치 못한 대형 사고로 시각 데이터가 왜곡되었을 때 알고리즘이 비정상적인 제어 명령을 내리지 않도록 안전장치를 확보하는 것이 실제 도입을 가를 관건이 될 것입니다.