신형 차량에는 카메라, LiDAR, 레이더 시스템 등 더 많은 센서가 설치됩니다. 이러한 센서가 수집하고 전송하는 정보는 다른 차량 및 교통 당국이 사고를 방지하고 도로 위험을 식별하는 데 도움이 될 수 있습니다.
교통 당국이 직면하는 주요 과제 중 하나는 도로 상황에 대한 정보를 지속적으로 업데이트하는 것입니다. 거리 및 고속도로를 직접 볼 수 없다면 교통 상황, 임시 작업 및 실시간으로 일어나는 기타 사건의 지속적인 변경 사항을 추적하는 것이 거의 불가능에 가깝습니다.
주변 환경을 포착할 수 있는 일련의 센서가 장착된 신형 커넥티드 차량이 센서 정보를 교통 관리 시스템으로 전송해 현재 상황을 지속적으로 업데이트해 줄 수 있다면 큰 도움이 됩니다.
주변 환경을 매핑하는 여러 유용한 컴퓨터 시야 센서를 갖춘 커넥티드 차량
오늘날에는 카메라 또는 기타 감지 장비를 장착한 신형 모델을 찾아 보기가 그리 어렵지 않습니다. 가장 기본적인 차량 모델조차도 운전자의 주차 및 협소 공간 이동을 지원하기 위한 근접 센서를 갖추고 있습니다.
고급 모델에도 주변의 다른 차량 및 인프라를 감지하는 여러 카메라가 있습니다. 360º 시야로 도로를 계속해서 모니터링하는 이러한 카메라는 첨단 운전자 보조 시스템(ADAS)에서 차선 변경과 다른 접근 및 제동 차량에 대해 운전자에게 경고하는 데 도움이 되고 있습니다. 또한 이러한 카메라는 일부 모델에서 셀프 주차 및 제한적인 무운전자 기능을 실현합니다.
정교한 ADAS 기능이 있는 여러 차량에는 레이더 및 광 이미징 감지 및 범위 지정(LiDAR)과 같은 다른 센서도 있습니다. 두 기술 모두 이제 부분 및 완전 자율 주행 차량을 실현하는 데 필수적입니다.
LiDAR는 최초의 실험적 무운전자 차량에서 사용되었습니다. 이는 사물의 외견과 크기 및 정확한 성격을 감지하는 기술입니다. 45년 이상 전 NASA가 우주에서 거리를 측정할 목적으로 이 기술을 발명했습니다. LiDAR는 실체가 있는 사물의 디지털 사본(디지털 트윈)을 제작하고 차량 주변 환경을 매핑한다는 이점이 있습니다.
오늘날 LiDAR 센서는 크기가 작으며 초기 모델에 비해 소비 에너지가 훨씬 적습니다. 이 신형 센서는 차량 곳곳의 여러 위치에 설치할 수 있기 때문에 차량 컴퓨터에서 주변의 실제 세상을 3D로 "볼" 수 있습니다. LiDAR의 가장 큰 단점은 날씨가 흐릴 때나 안개 속에서는 제대로 작동하지 못한다는 것입니다. 광망을 사용하기 때문에 시야가 또렷해야 주변을 정확하게 매핑할 수 있습니다.
일부 모델의 경우 LiDAR를 보완하고 카메라의 기능을 떨어뜨리는 까다로운 상황에 대응하기 위해 레이더를 함께 사용합니다. 항공 및 경찰 단속에서 광범위하게 사용되는 이 기술은 전파를 사용해 다양한 사물의 거리 및 구성을 측정하는 방식입니다. 주된 제약은 작은 사물을 감지할 수 없다는 것입니다. 다른 차량과 같이 크기가 큰 사물은 감지할 수 있지만 정밀한 이미지는 제공하지 못합니다. 이러한 이유로 대부분의 차량에서는 레이더를 LiDAR의 대체 기술이 아니라 보조 기술로 사용합니다.
현재 많은 차량에서 대부분의 ADAS 기능에 신형 첨단 고해상도 카메라를 활용합니다. Mobileye 등의 회사에서 선보이는 기술이 정교한 카메라 및 소프트웨어를 개발하는 원동력이 되어 인간이 환경을 보고 이에 반응하는 방식을 새롭게 변화시키고 있습니다.
Mobileye의 철학은 "인간이 시각만으로 차량을 운전할 수 있다면 컴퓨터도 그렇게 할 수 있다"였습니다. 사물 감지를 위해 중복된 정보를 제공하는 다른 센서가 있기는 하지만 결국은 카메라가 주행 경로 지형 및 기타 정적 화면 의미 분석(교통 신호, 도로 위 표지 등)을 위한 유일한 실시간 센서라는 것이 Mobileye의 주장입니다.
데이터 부족으로 실패 위험에 놓인 Vision-Zero 프로젝트
1997년 스웨덴 의회는 2020년까지 사망자 및 중상 발생을 완전히 없앤다는 "Vision Zero" 정책을 도입했습니다.
현재 전 세계 수많은 도시에서 도로 사고 및 사망자 수를 줄이기 위해 Vision-Zero 프로그램을 실행 중입니다. 밀도가 매우 높은 뉴욕 또는 샌프란시스코와 같은 도시의 경우 극소수의 거리에서 중상 및 사망 유발 충돌 사고의 1/3 이상이 발생합니다. 이러한 상황에 맞서 지자체는 흔히 보호 장치가 있는 자전거 도로, 폭이 넓은 인도, 통행 속도 감소 등 실용적인 안전 개선책을 해당 구역에 적용합니다.
덕분에 일부 구역에서는 사고 수가 줄어들었지만, Vision Zero(사망자 수 0명)라는 목표는 달성하기 어려운 상황입니다. 샌프란시스코에서는 2021년 10명, 2019년 15명, 2016년 11명의 보행자가 사망했습니다.
운전자, 자전거 이용자 및 보행자 보호를 더욱 강화하려면 환경을 정확하게 매핑하는 것이 매우 중요합니다. 교통 카메라가 일부 기본 정보를 제공해 주기는 하지만 운영 안전 표준에는 감지부터 작동까지, 그리고 그 이상의 모든 연쇄 요소를 위한 보조 센서("여분")가 필요합니다.
한 예가 Google Maps를 사용해 교통 혼잡을 감지하는 것입니다. 위치 기능을 활성화해 두는 스마트폰 사용자가 많기 때문에 Google 서버에서 교통량 및 통행 속도를 확인하여 지도를 정확하게 업데이트하여 교통이 원활한 곳 또는 정체가 발생한 경우를 표시할 수 있습니다.
때문에 일부 차량 제조업체는 현재 교통 당국과 협력하여 "크라우드 매핑" 프로젝트를 시작하고 있습니다. 이 프로젝트는 확산된 카메라 기반 시스템에서 정보를 수집하여 거의 실시간으로 정확한 환경 지도를 구축하고 유지 관리하는 것입니다. 간단히 설명하자면, 다양한 센서를 갖춘 커넥티드 차량에서 차량 주변의 영역 지형 및 표지물에 대한 압축된 데이터를 전송합니다. 이후 이 데이터는 정밀한 위치 정보와 함께 집계 및 분석을 위해 클라우드로 전송됩니다. 그러면 시스템에서 데이터베이스를 업데이트하며, 이 데이터베이스는 커넥티드 차량 및 교통 당국을 위해 매우 정확한 지도를 업데이트하는 데 사용됩니다.
나아가 네트워크에 속한 어느 차량이나 운전자의 개입 없이 실시간으로 위험 가능성을 보고할 수 있습니다. 예를 들어 나무가 쓰러지거나 교통 신호가 작동하지 않아 도로 일부분이 통제 중인 상황을 생각해 보십시오. 이 경우 온보드 컴퓨터에서 관련 서비스에 자동으로 경보를 전송할 수 있습니다.
이러한 크라우드 매핑 및 실시간 감지 시스템은 활성화되어 있을 때 언제 어디서든 사고를 줄이고 위험 가능성을 없애는 데 도움이 될 수 있습니다.
무엇보다 중요한 것은 표준과 협력
당연하게도, 도로 환경에 대한 공유 시야를 실현하고 위험 가능성에 대응하는 데는 이해관계자 간 일련의 공통 표준과 협력이 중요합니다.
완전 자율 차량(레벨 5 또는 6)은 위험한 상황 100건당 1건의 사고를 유발할 수 있는 것으로 추정됩니다. 운전자가 여전히 주행에 관여하고 대응 준비가 되어 있는 상태로 ADAS 시스템에서 정확한 정보와 연결성을 활용해 이 고장율을 유지한다면 교통 사고의 99%를 예방할 수 있습니다.
오늘날 전 세계 수백만 대의 차량이 더 안전한 모빌리티 미래를 실현하기 위한 센서, 처리 능력 및 연결성을 갖추고 있습니다. 정보를 공유할 방법, 그리고 궁극적으로 Vision Zero 목표를 달성할 방법을 찾는 것은 차량 제조업체, 교통 당국 및 기타 이해관계자의 몫입니다.
