차세대 지능형 교통 체계(C-ITS) 기술 동향

  과거에는 교통사고, 교통체증과 같은 문제를 해결하기 위해 내비게이션을 통해 운전자에게 일방향으로 교통 상황을 안내해 왔다. 이후 차량 내 센서와 인공지능 기술의 발전에 힘입어 차량이 주변 환경을 스스로 감지하여 사고를 방지하는 시도가 이루어졌다. 하지만 센서의 인식 범위, 영상 처리의 오인식 문제 등 새로운 문제점이 생겼고 이를 해결하고자 차량과 도로시설물 사이의 상호 정보 교환에 대한 필요성이 대두되었으며, 사물인터넷(IoT) 기술을 적용한 차세대 지능형 교통체계(Cooperative-Intelligent Transport Systems: C-ITS)가 제안되었다[1].
 C-ITS는 사물인터넷을 통해 차량-차량, 혹은 차량-인프라 간에 양방향으로 데이터를 교환함으로써 도시에서 발생하는 문제들에 신속하게 대응하고 예방하는 것을 목표로 한다. 고속도로, 도심, 교차로에서 발생하는 교통 사망 사고를 줄임으로써 C-ITS는 사회비용을 [그림 1]과 같이 줄일 것으로 기대된다[2]. 2020년부터 C-V2X(Cellular-Vehicle to Everything) 기술이 보급된다고 가정하였을 때, 2020년부터 2030년까지의 추정 사망자 감소치는 총 3,201명, 중상자 감소치는 총 54,596명이며, 이에 의한 사회비용 감소 효과는 약 48조 6,000억 원으로 추정된다.

국내를 비롯한 여러 선진국들은 교통 분야의 최우선과제인 안전문제를 해결하기 위해 C-ITS 관련 연구에 힘쓰고 있으며 차량과 도로시설물 간의 통신기술 표준 정의부터 실시간 교통 데이터를 저장하는 지도 구축까지 다양한 기술이 개발되고 있다.
 이에 본 고에서는 C-ITS와 시스템 운영에 필수적인 통신 및 지도 시스템의 기술 동향에 대해 알아보고자 한다. II장에서는 C-ITS의 정의, V2X 통신을 위한 표준 및 메시지에 대한 내용을 다루고, III장에서는 동적 정보 시스템(Local Dynamic Map: LDM)과 고정밀 지도(High Definition Map: HD Map) 기술에 대해 다룬다. IV장에서 본 고의 결론을 제시한다.

 C-ITS는 기존의 지능형 교통 체계(ITS)에 협력이라는 개념이 추가된 시스템이다. ITS는 교통으로 인한 환경적 영향을 감소시키면서 안전 및 이동성을 향상하기 위한 육상 교통 대상의 첨단 정보ㆍ통신의 적용으로 정의된다[3]. ITS는 CCTV, 검지기와 같은 장치로부터 수집한 데이터를 일방향으로 제공한다. 이때 데이터의 제공이 센터 중심으로 이루어지며 데이터 수집 및 제공 체계가 분리되어 있어 도로에서 발생하는 돌발 상황에 빠르게 대처하기 어렵다는 한계점이 존재한다. 이를 해결하고자, 차량 내 단말기와 노변 장치, 센터 간의 데이터를 양방향으로 제공하는 C-ITS가 제안되었다. 다양한 객체 간의 데이터 교환이 실시간으로 이루어지기 때문에 C-ITS에서는 빠르고 정확한 상황 대처뿐만 아니라, 교통사고 등의 사전 예방이 가능하다([그림 2] 참조).

 국토교통부와 한국도로공사는 C-ITS를 활용한 대표적인 서비스로, 총 15가지(① 위치기반 데이터 수집, ② 위치기반 교통 정보 제공, ③ 요금징수시스템, ④ 도로 위험 구간 정보 제공, ⑤ 노면 기상정보 제공, ⑥ 도로 작업 구간 주행 지원, ⑦ 교차로 신호 위반 위험 경고, ⑧ 우회전 안전운행 지원, ⑨ 버스 운행관리, ⑩ 옐로우 버스 운행 안내, ⑪ 스쿨존 속도제어, ⑫ 보행자 충돌방지 경고, ⑬ 차량 추돌 방지 지원, ⑭ 긴급차량 접근 경고, ⑮ 차량 긴급상황 경고)를 제안하고 있다.

 이 중 한 가지 예시로, 도로 위험 구간 정보 제공 서비스는 급커브 구역 등 다양한 도로 위험 구간에서 역주행 차량, 낙하물과 같은 요소를 센서로 검지하고 경고한다[4]. 도로시설물은 CCTV나 센서를 활용하여 감지 구역 내 위험 구간을 인식한다. 인식된 구간이 위험 구간으로 분류되면, 관련 데이터를 규격화하여 차량 혹은 도로시설물에 전달함으로써 사고를 예방한다([그림 3] 참조). 이외에도 안전 운전을 지원하는 노면 기상정보 서비스 등 앞서 언급한 다양한 서비스들이 지금도 개발되고 있다.

2. Vehicle to Everything(V2X) 통신  C-ITS 시스템을 구현하기 위한 필수 기술로는 대표적으로 V2X 통신 기술이 있다. Vehicle to Everything을 의미하는 V2X는 V2V(Vehicle to Vehicle), V2N(Vehicle to Network 혹은 Nomadic Device), V2I(Vehicle to Infrastructure), V2P(Vehicle to Pedestrian), P2N(Pedestrian to Network)과 같이 모든 객체 간의 통신을 통틀어 지칭한다([그림 4] 참조).
 V2I는 도로변 기지국에서 차량 내 단말기와 정보를 교환하며, 교통 정보를 공유하거나 자동 요금징수 등을 가능하게 한다[5]. V2V는 차량 간 통신을 통해 V2I처럼 도로, 교통 상황을 파악하게 한다. V2N은 네트워크와 정보를 공유하거나, 휴대 단말기를 이용하여 차량에 접속하여 차량을 진단하는 서비스 등을 제공한다. V2P는 보행자가 접근하는 경우, 경고 서비스 제공 등을 가능하게 한다. 그리고 이외에도 여러 다양한 방향의 통신이 이루어진다. 즉, 정보들이 반드시 센터를 거쳐서 전달되는 것은 아니며, 객체들 간의 양방향 통신을 통해 신속하게 정보를 전달하는 것을 목표로 한다.

 C-ITS에 사용되는 통신 기술은 크게 DSRC와 C-V2X(LTE, 5G) 두 가지가 사용되고 있다. 먼저, DSRC(Dedicated Short Range Communication)는 와이파이 기반의 근거리 전용 통신 시스템으로, 수백 미터 이내에 있는 차량과 도로시설물을 연결한다[6]. 그동안 DSRC는 IEEE 802.11p, 802.11bd와 같은 표준을 기반으로 ITS와 같은 다양한 교통 서비스에서 활용되어 왔다. 하지만 방대한 데이터를 처리하기에는 DSRC는 범위와 속도에서 한계를 가졌고, 이를 극복하기 위해 C-V2X라는 이동통신(Cellular) 기반 통신 기술이 등장하게 되었다.
 DSRC의 경우, WAVE(Wireless in Vehicular Environment) 통신 표준을 위한 기반시설들이 이미 많이 구축되어 있고, 안정적인 것이 특징이다. 이에 반해 C-V2X는 신규 투자가 필수적이지만, LTE, 5G 기반이기 때문에 서비스 가능 구역이 넓어지고 통신 시 정보를 지연(delay) 없이 빠르게 전송할 수 있다. DSRC, LTE-V2X, 5G-V2X 통신 기술별 성능을 보면, 데이터 전송속도(Data Rate)가 최대 20Gbps로 다른 기술들과 비교하여 월등히 높은 성능을 보인다([표 1] 참조). 이러한 이유로 미국 연방통신위원회(FCC)는 지난 2020년 10월, C-ITS 시스템에 C-V2X 기술만을 사용하겠다고 밝혔으며, 유럽에서는 기술 중립성을 고려하여 DSRC와 C-V2X를 혼합한 방식을 사용하고자 하고 있다[7].

3. C-ITS 메시지  C-ITS에서 신속하고 정확하게 정보를 교환하기 위해서는 와이파이를 기반으로 한 DSRC, LTE, 5G를 기반으로 한 C-V2X와 같은 통신 기술뿐만 아니라, 수많은 데이터 중 필요한 정보만 규격화된 형태로 전달하는 것 또한 필수적이다. 실제로 C-ITS는 정보 교환을 위해서 데이터 요소와 프레임을 표준화한 C-ITS 메시지를 사용하고 있다. C-ITS 메시지란 차량단말기 간, 노변 기지국-차량단말기 간 데이터 교환을 위한 메시지 셋을 의미한다[8]. 각 용도에 따라 PVD, TIM, RSA, BSM 등으로 나뉘며, 각각의 메시지 셋과 위도, 경도, 방향 정보의 포함 여부는 다음과 같다([표 2] 참조).

 C-ITS 운영을 위해서는, 방대한 데이터를 실시간으로 저장하고 표현하는 기술이 필요하다. 이를 위해 제안된 동적 정보 시스템인 LDM은 지도, 차량, 도로상황 등과 관련된 정보들을 규격화하여 표현하는 기술을 의미한다. LDM은 도로 인프라와 차량 간에 주고받는 정보의 표현 규격을 표준화하고, 이를 처리하기 위해 계층적으로 체계화하고 있다. LDM은 [그림 5]와 같이 총 4개의 레이어로 이루어져 있는데, 일반적인 지형 정보부터 자세하게는 차량의 위치 정보까지를 실시간으로 업데이트하며 저장하고 있다.

 레이어 1은 영구적인 정적 데이터를 포함하며, 주로 지형을 포함한 지도를 의미한다[9]. 레이어 2는 운전 중에 얻을 수 있는 일시적인 정적 데이터를 포함하며, 예를 들어 휴게소 운영 시간, 도로시설물 등의 정보를 저장한다. 레이어 3은 일시적인 동적 데이터를 포함하며, 사고, 정체, 날씨와 같은 교통 정보와 기상 상황 정보를 제공한다. 레이어 4는 가장 동적인 데이터를 포함하며, 차량의 위치, 속성, 상태 등의 정보를 저장한다([표 3] 참조).

 LDM에서 정적 데이터에 해당하는 가장 기본적인 도로지도는 기존에는 표준 노드 링크 방식으로 구축되었지만, 최근에는 고정밀 지도(HD Map)를 활용하고 있는 추세이다. 이 둘의 가장 큰 차이점은 [그림 6]과 같이 각각 도로 기반, 차선 기반으로 정보를 제공한다는 점이다.
 원래 일반적으로 사용하였던 표준 노드 링크로 이루어진 지도는 내비게이션에 사용하는 것을 목적으로 개발되어, 단순히 도로 자체를 하나의 링크로 표현하고, 도로와 도로를 연결하는 점을 노드로 표현한다. 이는 터널, 지하차도, 경계와 같은 정보는 포함하지만, 차선 기반으로 서비스를 제공할 수 없다는 한계가 있어 최근에는 서울, 세종과 같은 도시부터 정밀도 로지도를 구축해 나가고 있다.
 HD Map은 도로가 아닌 차선 각각이 링크로 표현되어 있어, 예를 들어 고속도로에서도 특정 나들목에서만 정체가 심한 경우 등을 고려하여 교통 서비스를 제공할 수 있다. 또한, HD Map은 도로뿐만 아니라 도로시설물 즉 지면 표시, 표지판, 신호등, 횡단보도와 같이 교통 서비스에 필요한 다양한 데이터를 저장하고 있다[10].

 HD Map은 [그림 7]과 같은 방식으로 제작된다. 우선 Mobile Mapping System(MMS) 즉 위성항법장치(GNSS), 라이다(LiDAR), 카메라 등의 다양한 센서가 부착된 차량을 활용하여 도로 노면 및 주변 지형지물의 위치와 정보를 취득한다. 이후 측량한 데이터를 점군 혹은 벡터 데이터로 변환하고, 도식화함으로써 최종적으로 지도를 구축한다.

 이러한 고정밀 지도는 자율주행 시스템에 필수적인 요소이기 때문에 다양한 기업들이 높 은 정확도를 갖고 신속하게 업데이트되는 고정밀 지도를 만들기 위해 노력하고 있다. 구글, 애플과 같은 글로벌 기업부터, 다양한 국내 기업, 스타트업까지 다양한 기업들이 고정밀 지 도 개발에 힘쓰고 있다. 본 고에서는 이들 중 대표적으로 히어(HERE), 현대오토에버, 네이버 의 개발 동향에 대해 알아보고자 한다.

가. 히어

 히어(HERE)는 2010년부터 정밀 지도 개발을 시작하여, 현재는 200여 국가부터 아시아까지 세계 전역에 지도 데이터를 제공하고 있다. 히어의 HD Live Map은 클라우드 기반의 지도 시스템으로 연결된 차량들 간의 센서 데이터가 거의 실시간으로 업데이트된다. 이는 자율주행차량이 도로 환경을 인식하고 도로 법규를 따름으로써 능동적으로 안전하게 주행할 수 있도록 한다.
 [그림 8]은 히어의 HD Live Map의 레이어 구성을 나타낸다. HD Live Map은 라이다 센서가 장착된 히어의 True Vehicle을 활용하여 측정된 데이터로 구성된다. 이는 매일 28TB의 데이터를 수집하며, 센티미터 단위의 정확도를 갖는다. 크라우드 소싱된 데이터를 통해 주행 경로, 차선 등의 정보도 수집되며, 이는 위성 이미지와 같은 정보들과 결합되어 HD Live Map 유지에 기여한다. 히어는 크기, 센서 설정, 주행 경로가 각기 다른 차량을 사용하여 데이터를 수집하는데, 이는 다양한 데이터를 학습함으로써 차량이 정확히 위치를 결정하는 데 도움을 준다. 분석된 데이터는 총 3개의 레이어(① 기울기, 지형, 교차로, 터널 등을 포함하는 Road layer, ② 차선 정보, 유형, 너비, 제한 속도 등을 포함하는 Lane Layer, ③ 교통 신호, 노면 기호, 장애물 등을 포함하는 Localization Layer)로 구분되어 더 높은 수준의 자율주행을 가능하게 하며, 각각 다음과 같이 구성된다([그림 8] 참조).

<자료> “Here HD Map”, https://www.here.com/sites/g/files/odxslz256/files/2021-10/HERE_HD%20Live%20Map_product_one-pager_2020.pdf

[그림 8] 히어(HERE) HD Live Map 레이어

나. 현대오토에버

 현대오토에버는 드론, 레드박스, MMS 등을 결합하여 도로의 차선, 시설물 등을 정확하게 인식할 수 있는 기술을 개발하여 국내 정밀 지도 구축에 기여하고 있다(그림 [9] 참조). 현대오토에버의 모바일 매핑 시스템(MMS)은 초당 백만 여개의 레이저를 쏴서 공간을 스캔하는 라이다(LiDAR), 실시간 위치 정보를 파악하는 GPS, GPS 신호가 닿지 않는 곳의 위치를 획득하도록 돕는 관성측정장치(IMU), 바퀴 회전수를 통해 거리를 계산하는 주행 거리측정장치(DMI) 등을 탑재하고 있다[11]. 이를 통해 장애물 회피, 자동 주차, 차선 변경 등의 다양한 서비스를 제공하고자 노력하고 있다.

<자료> “안전한 자율주행을 지원하는 정밀지도”
https://www.hyundai-autoever.com/kor/business-area/in-vehicle-it/precision-map/contents.do?cntnSeq=350

[그림 9] 현대오토에버 정밀 지도 개발 플랫폼, 레드박스(Red Box)

 하지만 MMS는 고가의 센서들을 탑재하고 있어 차량 1대 당 억 단위의 비용을 필요로 한다. 고정밀 지도 구축 시에는 높은 정확도뿐만 아니라 효율적이고 신속한 업데이트도 요구되기 때문에 MMS만을 활용하여 모든 도로의 상황을 파악하는 것에는 한계가 있다. 이처럼 MMS가 갖는 비용적인 한계를 해결하기 위해 현대오토에버는 자체적으로 레드박스(Red Box)라는 시스템을 개발하였다([그림 8] 참조). 레드박스는 일반 차량에 부착되어 내부에 탑재된 카메라로 차선 및 시설물을 인식하고, 실시간 변동 정보를 탐지하여 LTE 모뎀을 통해 이 데이터를 서버로 전송한다[12]. 이처럼 현대오토에버는 MMS를 통해 구축된 정밀 지도를 기반으로 일반 차량의 레드박스 데이터를 업데이트함으로써 높은 정확도를 갖는 정밀 지도의 최신성을 유지하고 있다.

다. 네이버

 일반적인 고정밀 지도는 MMS 데이터만을 활용하기 때문에, 정확도가 떨어진다는 한계를 갖고 있다. 이를 해결하고자 최근 네이버 랩스에서는 Hybrid HD Mapping과 같은 연구를 진행하고 있다. Hybrid HD Mapping은 MMS에서 GPS 정보를 얻지 못하거나, 센서로 인해 오차가 발생하는 등의 몇몇 문제를 항공사진 기반의 고정밀 3D 지도와 MMS 데이터를 융합함으로써 해결하고자 하였다.

<자료> “네이버가 만들어가는 진짜 같은 가상도시- HD map의 핵심, 고정밀 3D 지도에 대하여”,
https://blog.naver.com/naver_diary/222096345088

[그림 10] 추정된 차량 위치: MMS 기반 vs. 항공사진 기반

 MMS는 경사진 곳을 이동할 때 센서 인식 범위에 한계를 가지며, 촬영한 데이터가 점군 데이터로 이루어져 있어서 노면 기호인식에 어려움을 겪는다. 하지만 항공사진은 점군 데이터가 아닌 사진이면서 지면에 수직으로 촬영되기 때문에 도로 정보를 추출하기 수월하다. 실제로 [그림 10]의 왼쪽이 MMS, 오른쪽이 항공사진을 통해 추정된 차량의 경로를 나타내고 있는데, 둘 사이에 많은 차이가 있음을 알 수 있다. 이처럼 항공사진을 이용하여 3D Map을 제작하기 위해서 네이버 랩스에서는 다음과 같은 딥러닝과 비전 기술을 통해 데이터를 분석하고 가공한다[13]([그림 11] 참조).

도로정보 추출을 위한 True-Ortho 융합 기술

도로 영역 DEM 정제 기술

Road Layout 2D -> 3D 확장 기술

노면기호 분류 자동화 기술

<자료> “서울시 전역 도로 정보, 2,092km 로드 레이아웃 공개”, www.naverlabs.com/storyDetail/175

[그림 11] Hybrid HD Mapping 주요 기술

• - 항공 영상 융합 기술: 도로 위의 자동차나 나무 등의 장애물로 인해 가려진 노면표지를 식별할 수 있는 TrueOrtho(진정사 영상)를 생성
• - 도로 영역 DEM 정제 기술: 사진에 있는 불필요한 장애물을 제거하고, 다양한 위치에서 촬영된 사진을 활용하여 도로를 평탄화
• - Road Layout 2D → 3D 확장 기술: 2D로 촬영된 도로 데이터에 높이 정보를 부여함으로써 3D 데이터로 확장
• - 노면 기호 분류 자동화 기술: 딥러닝 알고리즘을 적용시킨 전체 및 부분 자동화 시나리오를 기반으로, 도로 노면 기호들을 유형별로 자동으로 분류[14]

 이러한 기술을 기반으로 하여 다음과 같은 일련의 과정을 거치면, Hybrid HD map이 구축된다. 우선 다양한 위치에서 항공사진을 촬영한 뒤에, AI 기술을 활용하여 도로 표지 등을 제거한 진정사 영상을 생성한다. 생성된 고정밀 공간 데이터를 중앙선, 차선, 정지선 등으로 구분한 이후, 네이버 자체의 MMS 시스템을 활용하여 점군 데이터를 수집한다. 이에 후처리 과정을 거쳐 표지판과 횡단보도 같은 도로 요소들을 추출하고, 모든 데이터를 융합한 3D 지도를 완성한다.
 하지만 지도의 최신성을 유지하기 위해 끊임없이 항공 사진을 촬영하거나, MMS 차량을 활용하여 데이터를 확보하는 것은 비용적인 측면에 있어 매우 비효율적이다[15]. 그래서 네이버 랩스는 실제 고정밀 지도 사용자들의 차량 데이터를 활용하여 변화된 지역에 대한 정보를 얻는다. 이때 활용되는 차량에 부착된 카메라, GPS 등의 센서들을 통해 자신의 대략적인 위치를 추정한다. 이후 현재 위치의 고정밀 지도에 변화된 사항이 있는지 판단하여 새로운 정보를 업데이트한다. 항공사진이나 MMS에 비해서는 상대적으로 낮은 비용의 센서를 활용하기 때문에 정확도가 떨어질 순 있지만, 실제 주행하는 다수의 차량 센서 데이터를 활용하여 이를 극복하고 있다.

 하루에도 수많은 운전자 그리고 보행자들이 도로에서 부상을 당하거나 사망하고 있다. 이에 도로 위 모든 객체의 안전을 위한 지능형 교통 시스템의 구축에 대한 필요성은 과거부터 꾸준히 주목되어 왔다. 최근에는 단방향으로 정보를 전달하는 기존의 시스템에서 벗어나 차량과 도로시설물 간의 양방향 통신을 통해 사고를 예방하고자 하는 연구가 이루어지고 있으며, 이를 차세대 지능형 교통 체계(C-ITS)라 일컫는다.
 C-ITS의 완벽한 구현을 위해서는 교통 정보의 공유가 실시간으로 이루어져야 하지만, 현재 기술로는 많은 한계점이 존재한다. 게다가 도로 위 모든 객체(차량, 보행자, 센터)가 자유롭게 통신이 가능하도록 교통 정보를 개방할 시 발생할 수 있는 보안 이슈에 대한 우려의 목소리도 커지고 있다. 하지만 앞서 언급한 것처럼 C-ITS가 구현됨에 따라 많은 사회비용이 감소하고 고질적인 교통 문제들이 해결될 것임은 분명하다. 따라서 통신, 지도 구축 등 관련 기술에 대한 연구에 지속적으로 관심을 기울일 필요가 있다.