(AI타임스=윤광제 기자) 일본에서 일반 사단 법인 지도 조제 기술 협회가 최근 기술 심포지엄 ‘미래의 지도 제작에 대한 고찰’을 측량 연금 회관(도쿄도 신쥬쿠 구)에서 개최했다.
이 협회는 지도 제작 전업사가 중심이 되어 1975년 출범한 협회에서 지도 조제(지도 편집에서 최적화, 공개·인쇄까지 일련의 업무)을 비롯한 지리 정보 전반에 대해서 폭넓은 활동을 벌이고 있다. 이번 심포지엄에서는 '지도 제작 기술자는 AI를 능가할 것인가'이란 주제를 놓고 지도 제작에 관련된 다양한 전문가가 등단했다.
■ 딥 러닝으로 토산물의 분류에 나선 국토지리원
기조 강연에서는 국토지리원 기획부의 후지무라 히데노리 씨(지리 공간 정보 정책 조정관)가 ‘지도 만들기는 기술 혁신으로부터 안심해도 되는가’란 주제로 강연을 했다.
국토지리원이 제공하는 웹 지도 ‘지리원 지도’ 시스템 개발에 종사한 후지무라 씨는 국토지리원에서 진행 중인 기술 혁신에 대한 대처로써 딥-러닝을 이용해 화소 단위에서 토산물을 분류하는 ‘시맨틱 분할’이라는 방법을 소개했다.
이 기술은 학습 데이터를 통해서는 자연 식생과 도로, 건물, 수역 등에 대해서는 양호한 결과가 얻을 수 있지만, 학습 데이터가 적은 옹벽이나 물제(해안과 강가가 줄어들 것을 막거나 흐름을 조정하기 위해서 마련된 공작물) 등의 인식은 어렵다고 한다.
국토지리원의 AI에 의한 지도 제작의 자동화 추진은 현재 5년 계획의 2년째를 맞고 있다. 지도 제작에 대한 AI도입의 이점은 갱신이 빨리 되는 것이다. 그 장점을 살리기 위해 재해 대응 성과를 먼저 공개할 수도 있다고 한다. 우선은 수정, 갱신한 부분을 검사하는 공정 등 일부 공정에 자동화를 먼저 도입하는 것과 공공 측량으로 수평 전개하는 등 단계적으로 도입하는 것을 검토하고 있다.
한편 지도 데이터의 생산과 호스트, 스타일, 최적화 등 지도 ‘간행’면에서도 기존 래스터 데이터로 전송하던 방식에서 데이터의 양이 적고 동작 시간이 빠른 벡터 타일로 전송하는 것에서부터 기술 혁신을 꾀하고 있다.
후지무라 씨는 몇 년 전에 유엔에 파견돼 각국의 지도 데이터의 벡터화를 지원하기 위한 오픈 소스 소프트웨어를 모은 ‘유엔 벡터 타일 툴킷’을 창설하고 그 보급에 나섰다.
이 툴킷은 지도 전문가가 아니라 각국의 행정 직원이 자국 지도의 벡터 타일을 생산·제공할 수 있게 포장한 것이고, 현재 유엔 글로벌 서비스 센터(UNGSC)웹 사이트에서 사용되고 있으며 일본의 국토지리원에서도 올해 7월에 이 툴 키트를 이용해 개발한 ‘지리원 지도 Vector’라는 사이트를 시범 공개하고 있다.
최근에는 이 도구를 사용하고 통계 데이터를 표현하거나 토지 이용 관리에의 응용을 검토하거나 다양한 분야로의 전개를 추진하고 있다. 또 이 툴 키트와 지도 데이터를 Raspberry Pi등의 초소형 PC에 탑재하고 데모나 기술 이전을 가능토록 하는 대처도 진행 중이다.
■ 항공 사진과 조사 차량에 의한 사진을 바탕으로, 변화 정보 검출
기조 강연에 이어 AI기술 등을 이용한 지도 만들기의 미래에 대해서, 다양한 기업·조직에 의한 강연이 열렸다.
그 중 하나로 ‘인크리먼트 P’ 주식회사의 요네자와 히데토 씨(제2 기술 개발 본부장)에 의한 ‘지도 만들기의 미래~AI의 활용에 지도 제작 갱신의 자동화 그 과제’라는 제목의 강연이 이목을 집중시켰다.
요네자와 씨는 "'인크리먼트 P’ 지도 공정에서는 전국의 현지 조사 영상이나 항공 사진을 육안 확인하고 변화 부분을 발견하는데 많은 노력이 소요되고 있다"면서 "회사 측은 인력에 의한 공정을 최소화하고 지도 정비의 공정을 효율화하고 지도 갱신의 즉시성을 향상시키는 것을 목표로 다양한 대응 방법을 강구하고 있다"고 말했다.
그 방법 중 하나로 "자동 운전용으로 개발하고 있는 3차원의 고정 밀도 지도(HDMap), ADAS(선진 운전 시스템) 전용의 물체를 인식하는 기술을 표준 지도(SDMap)의 제작에도 적용하는 것을 검토하고 있다"고 설명했다.
AI을 활용한 지도 정비 과정의 자동화에 대해서는 항공 사진을 추적해서 집 모양(건물의 외형)을 그리면서 대상 집 모양의 폴리곤을 자동 생성시키고 복잡한 집 모양의 경우 잘못된 형태로 나타나면 이를 보정한다. 또한 그것을 학습시키고 육성한 뉴럴 네트워크를 이용해서 다음 편집 작업에 활용 연구를 하고 있다.
다만 아직 품질에 문제가 있거나 자동화를 도입하는 것으로 얼마나 공정이 개선될지 불확실하므로 실용화에 이르지 않았다.
이 밖에 항공 사진을 토대로 집 모양과 도로, 산림·생물, 수부 등을 AI로 자동적으로 분류하고 분류한 라벨 화상에 변환하는 연구도 진행되고 있다.
이 회사는 전국 각지의 도로를 주행하고 촬영한 조사 영상을 바탕으로 신호등의 위치를 추출하고 변화 정보를 클라우드로 분석한 후 마스터 지도를 갱신하면서 차선 정보를 고객에게 전달하고 지도의 최신상태를 유지하는 에코 시스템의 실현을 목표로 하고 있다.
요네자와 씨는 이에 대해 “지도 갱신의 즉시성을 향상시키는 것에 대해서도 전망이 밝을 것 같지만, 내비게이션 회사 등 고객마다 사양이 다른 지도 컨텐츠를 제공하는 경우는 수중에 닿을 때까지의 시간이 과제가 된다”면서 “규제 정보 등의 영상에서 비치지 않은 정보에 대해서는 아직 노동 집약형의 공정이 필요하다”고 설명했다.
그는 또 “정비 효율화에 의해서, 기존 내비게이션을 위한 품질 기준을 유지할 수 있을지도 중요한 점이며 실제로 도입하려면 품질 기준 면에서 아직 해결해야할 과제가 있다”고 덧붙였다.
■ LiDAR 탑재 차량이 취득한 데이터로 지도 갱신에 나서 HERE
HERE Japan 주식회사의 야마시타 준지씨(APAC 프로덕트 시니어 프로덕트 포트폴리오 매니저)에 의한 강연도 행해졌다. 이 회사는 약 30년의 역사를 가진 지도 회사로서 세계 200개국에서 지도 제작에 관여하고 왔고, 유럽 지역, 특히 내비게이션 시스템용 지도에서는 높은 점유율을 자랑한다.
이 회사는 2020년 지도 제작의 대부분을 자동화에 큰 투자를 했으며 3D 데이터의 취득, 화상 인식, 기계 학습, 워크플로우의 자동화, 커뮤니티의 활용, 빅 데이터 분석 등의 기법 도입을 추진하고 있다. 이는 얼마나 빨리, 효율적으로 지도의 변화점을 검출하고, 신속하게 지도를 갱신하는지를 확인하기 위한 노력이다.
3D데이터의 취득에 대해서는 "TRUE drivers"라는 LiDAR(레이저 스캐너)나 카메라를 활용한 차량 시스템을 보유하고 있으며 이 차량에 의해서 방대한 데이터를 수집해서 빠르게 가공하고 지도에 반영하는 것을 목표로 하고 있다. 이로써 기존의 프로세스와 비교하면 코딩 작업이 크게 효율화되고 있다고 밝혔다.
또 위치 정보가 첨부된 노상 화면을 투고·공개할 수 있는 서비스‘Mapillary’를 활용한 방법도 실시하고 있다. 이 서비스의 화면상에서 딥러닝에 의한 픽셀 레벨의 분할 등을 실시하는 것으로 도로 표지판이나 건조물의 높이, 점포명, 도로명 등의 변화를 검출할 수 있다. 최근 영어권 국가에 있어서는 처리의 정확도가 매우 높아지고 있다고 한다.
프로브를 활용한 지도 갱신의 자동화도 진행하고 있어, 취득한 프로브 정보를 사용하고, 기계 학습을 활용하는 것으로써, 신규 개통도로 등의 지도의 변화점을 검출하고, 검증까지도 가능하게 돼 있다. 이 회사는 세계 각국으로부터 수집한 방대한 프로브 데이터를 기초로, 변화점을 자동 검출해 지도에 반영하고 있다고 한다.
게다가 위성사진을 기초로 빌딩이나 주차장의 형상을 검출해 보정한다고 하는 프로세스의 자동화도 진행하고 있다. 이 처리의 정밀도는 기술개량을 거쳐 해마다 높아지고 있지만 마지막 확인은 반드시 일손을 통해 품질을 유지하고 있어서 이 확인 작업에 대해서도 언젠가는 자동화하고 싶다고 생각하고 있다.
이 밖에 데이터 수집의 자동화도 강화하고 있어 데이터 수집에서 지도의 반영까지의 전 행정의 자동화를 추진하고 있다.
이 회사는 5년간 지도 회사에서 데이터와 플랫폼을 다루는 회사로 변혁을 추진하고 있다. 현대의 복잡화한 과제에 대응하려면 다양한 기업이나 개인이 보유한 장치나 차량에서 막대한 데이터를 취득하고 그것을 해석하고 폭넓게 공유할 필요가 있으며 이 핵심이 이 회사의 ‘Open Location Platform(OLP)’이다.
OLP는 자동차의 센서나 IoT기기에서 데이터를 수집하고 이를 기초로 지도 데이터와 연관 지으면서 빅 데이터를 분석해서 그곳에서 새로운 가치가 부여된 데이터를 전달하는 것을 목적으로 하고 있다.
OLP는 개방적이고 중립적인 플랫폼을 목표로 하고 있으며, 위치 정보에 관련된 다양한 기업이나, HERE와 경합 관계에 있는 기업에도 참가해 주었으면 한다고 생각하고 있다. 어디까지나 데이터의 소유자는 데이터 제공 기업이며 공개 범위를 정해 매매할 수도 있기 때문에 참가하는 기업은 OLP를 이용함으로써 부가가치를 높이고 효율적으로 데이터의 가치를 높여 화폐화 할 수 있다.
이에 대해 야마시타 씨는 “HERE는 지도를 만드는 회사로부터, 로케이션 데이터를 사용해 과제 해결을 하는 회사로, 스스로 재정의하고 변혁을 실시하고 있다. 그 때문에 지도 만들기의 자동화를 진행하고 있고, OLP라는 기반도 마련했다”고 말했다.
또한 “로케이션 데이터에 의한 과제 해결은 1개의 정부와 기업이 단독으로 이룰 수 없다”고 전제한 뒤 ”각각의 조직이나 개인이 자랑하는 영역 안에서 데이터를 가지고, 제휴를 깊게 하는 것이 중요하다“고 덧붙였다.
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com