AWS 클라우드를 통한 대중 교통 시스템 최적화 방안
최근 도시 계획 및 운영 담당자들이 더 살기 좋은 스마트 시티를 만들기 위해 고민할 때 가장 중요한 사안은 도시내 운송 및 교통 관리입니다. 최근 통계에 따르면 미국 운전자는 연평균 42시간을 교통 체증으로 허비하고, 1,400달러를 공회전 중 연료비로 소모한다고 합니다. 유럽도 마찬가지인데 런던, 파리에서 연평균 공회전 시간은 각각 74시간, 69시간입니다. 영국 조사 기관에 따르면 출퇴근에 소요되는 시간이 20분 추가되는 것은 임금이 19% 삭감되는 만큼 직무 만족도에 부정적인 영향을 미친다고 합니다. 이런 통계로 나타난 문제점과 친환경 요구를 수용하기 위해 다양한 해결 방안을 찾고 있습니다.
적응형 교통 흐름 시스템 – 실시간 분석, 모델링 및 예측의 시작
캘리포니아 교통국 (Caltrans)은 캘리포니아대학교 버클리 캠퍼스의 PATH (Partners for Advanced Transportation Technology)와 파트너십을 맺고 Connected Corridors 프로젝트를 시작했습니다. 이 프로젝트는 캘리포니아에서 가장 교통 체증이 심한 도로에서 이동성, 통행시간 정보, 안전, 시스템 효율성을 개선하는 것을 목표로 합니다. 이 프로젝트는 실시간 IoT(사물 인터넷) 센서 데이터 세트를 통합하는 데이터 허브, 확장 가능한 실시간 교통 모델링 및 예측, 데이터 및 모델 정보를 활용하는 사고 대응 의사 결정 지원 시스템, 실시간으로 신호, 진입로 신호 통제, 우회 신호를 조정하고 제어하는 시스템 개발 및 운영을 포함하고 있습니다.
켄터키주 루이빌에서도 비슷한 콘셉트가 개발 중입니다. 차세대 적응형 교통 흐름 관리 시스템은 머신러닝, 실시간 교통 데이터, IoT 인프라, 상호 연결 시스템을 사용합니다. 차세대 시스템은 교통 흐름의 순환적 속성을 저해하는 변화를 감지하고 영향을 완화하기 위해 도시 인프라를 자동으로 조정합니다. 루이빌은 이처럼 대량의 데이터를 수집하고 분석한 후 애플리케이션 및 모델을 테스트할 수 있는 확장 가능하고 안정적인 플랫폼을 필요로 했습니다. 루이빌은 데이터 저장, 분석, 모든 테스트 환경의 조정을 AWS 기반으로 지원하기로 했습니다.
스마트 시티를 위한 개발/테스트 환경
스마트 시티를 지원하는 중요한 요소는 신규 모델과 애플리케이션을 테스트 및 개발하는 것입니다. 기술은 빠른 속도로 변화하고 있습니다. 따라서, 사용자 요구 사항의 변화가 반영되지 않는 사전 패키징 방식의 솔루션을 사용할 경우, 지역 사회를 스마트 시티로 혁신하려는 담당자의 목표가 좌절되거나 늦어질 수 있습니다. ‘스마트’ 개념은 도시를 이전보다 지능화 시킬 목적으로 하는 것인 만큼 이러한 맥락에서 당면 과제를 극복할 수 있도록 점진적으로 변화하는 수요를 지원할 수 있는 솔루션과 기술을 채택해야 합니다.
예를 들어, 교통 관리에서 일반적인 해결 방법은 교통 흐름을 감지하는 교통 센서 구축입니다. 하지만, 클라우드를 통한 충분한 데이터 수집, 교통 흐름 패턴 파악 후에 만들어진 기계 학습 모델을 운영적인 센서에 직접 배포하고, 실시간 대응 요구 사항을 해결하도록 기능을 확장할 수 있습니다.
AWS Greengrass를 사용하면 인터넷에 연결된 디바이스에 대한 로컬 컴퓨팅, 메시징, 데이터 캐싱, 동기화 및 기계 학습(ML) 유추 기능을 안전하게 실행할 수 있습니다. AWS Greengrass에서 디바이스는 AWS Lambda 함수를 실행하고, 디바이스 데이터를 동기화하고, 다른 디바이스와 안전하게 통신할 수 있습니다. 인터넷에 연결되지 않은 경우도 문제 없습니다. 교통 변화 모니터링을 위해 배포한 IoT 디바이스/센서가 AWS Greengrass와 호환된다면 새로운 Lambda 함수 또는 새로운 ML 추론 모델을 통해 디바이스/센서의 기능을 지속적이고 손쉽게 확장할 수 있습니다.
커넥티드 카 같은 새로운 모델이 빠르게 확산되면서 도시는 교통 문제를 해결할 수 있는 새로운 기회를 얻었습니다. 최근 조사 결과에 따르면 커넥티드 카 1대의 센서에서 시간당 약 25GB의 데이터가 전송된다고 합니다. 이 데이터의 대부분은 개인 사용자 또는 차량 제조업체로 전송될 수 있지만, 일부의 교통 흐름 시나리오 같은 정보를 측정하기 위해 개별 도시가 소유한 차량에서 데이터가 전송되는 경우에 이를 유익하게 활용할 수 있습니다.
예를 들어, 경찰차 또는 구급차가 커넥티드 카인 경우 도시를 순찰할 때 데이터를 전송하거나 수신할 수 있으며, 이를 사용해 차량 성능, 유지 관리 필요성, 가동 준비 상태를 파악할 수 있습니다. 스마트 시티 중앙관제센터 및 운영 팀은 차량에서 직접 전송되는 데이터를 바탕으로 실시간 정보를 얻고 상황 인식도 가능합니다. 또한 데이터 사용을 통해 실시간 교통 신호 조정으로 구급차 또는 경찰차가 목적지 도착까지 소요되는 시간을 줄일 수 있습니다.
Amazon S3 같은 스토리지 서비스는 거의 무제한의 데이터를 비용 효과적으로 저장할 수 있는 기능을 제공하고, Amazon SageMaker 같은 서비스를 사용하면 대규모 기계 학습 모델을 손쉽게 구축, 훈련, 배포할 수 있습니다.
따라서, 공무원들이 클라우드 서비스를 사용하여 더 빠른 대응이 가능한 지능형 도시를 만들겠다는 의지가 있다면, 시민들에게 보다 쾌적하고 안전한 도시를 제공할 수 있습니다. 클라우드 기반으로 스마티 시티를 구축하여 지속 가능한 도시로 변모하고 있는 다양한 사례를 살펴 보시려면, AWS 스마트 시티 사이트를 방문하십시오.
– Giulio Soro, AWS 공공부문 솔루션즈 아키텍트
이 글은 AWS Public Sector Blog의 How Cloud Services Can Help Optimize Public Transportation Systems in Cities의 한국어 번역입니다.
Source: AWS 클라우드를 통한 대중 교통 시스템 최적화 방안
Leave a Reply