아무도 적색 교통신호 앞에 멈춰 있는 것을 좋아하지 않는다. 그러나 교통신호 교차로는 운전자들에게 단지 귀찮은 것만이 아니라 자동차가 연료를 소비하고 온실 가스를 방출하면서 신호가 바뀌기를 기다리게 한다.
운전자들이 이동 시간을 조절해 신호가 녹색일 때 교차로에 도착한다면 어떻게 될까? 이렇게 되면 운전자가 멈추지 않고 이동할 수 있도록 하면서 인공지능(AI)을 사용해 속도를 제어하는 자율주행 자동차를 보다 견실하게 완성할 수 있을 전망이다.
AI를 활용해 교통신호를 사전에 예측하고 자율주행 차량이 멈춰 공회전하는 것을 피하도록 속도를 조절하도록 하는 기술에 대한 연구가 진행 중이다. 미 IT 매체 테크익스플로어는 18일 MIT 연구원들이 새로운 연구를 통해 교통 흐름을 원활하게 유지하는 방식으로 교차로에 접근하고 주행할 때 자율주행 차량을 제어하는 방법을 학습하게 하는 머신 러닝 접근 방식을 시연했다고 보도했다.
연구에서는 시뮬레이션을 통해 이 접근 방식이 연료 소비량과 배기가스를 줄이는 동시에 차량 평균 속도를 개선하는 것으로 나타났다. 이 기술은 도로 위의 모든 차량이 자율주행 차량일 경우 최상의 결과를 얻지만, 25%만이 제어 알고리즘을 사용하더라도 상당한 연료 및 배기가스 배출이 줄어든다는 결과가 나왔다고 매체는 소개했다.
사람들은 많은 생각을 하지 않고 파란 신호를 지나칠 수 있지만 교차로에서는 차선의 수, 교통신호 작동 방식, 차량 수 및 속도, 보행자와 자전거 타는 사람의 존재 등에 따라 수십억 개의 다양한 시나리오가 나타날 수 있다. 교차로 신호제어 문제를 해결하기 위한 일반적인 접근 방식은 수학적 모델을 사용해 단순하고 이상적으로 해석하는 가운데 교통 패턴이 복잡하게 나타나는 현실 세계를 제대로 따라가지 못하는 한계가 있다.
연구에서는 방식을 바꿔 ‘심층 보강’ 학습으로 알려진 기술을 사용해 문제에 접근했다. 보강 학습은 제어 알고리즘이 일련의 결정을 내리는 방법을 학습하는 시행착오(trial & error) 방식으로 좋은 시퀀스를 찾으면 보상을 주는 방식이다. 심층 보강 학습을 통해 알고리즘은 신경 네트워크에서 얻은 가정을 활용해 수십억 개의 가능성이 있는 경우에도 올바른 시퀀스로 가는 지름길을 찾게 된다는 설명이다.
연구 논문의 수석 저자인 MIT 도시환경공학과 캐시 우 교수는 “이 기능은 제어 알고리즘이 장기간에 걸쳐 차량에 500개 이상의 가속 명령을 실행해야 하는 긴 안목으로 예측해야 하는 문제를 해결하는 데 유용하다”며 “배기가스를 줄이고 교차로 속도를 높이는 작업을 제대로 수행하기 위해 사전에 시퀀스를 정해야 하기 때문”이라고 밝혔다.
연구원들이 이 시스템이 연료 소비를 줄이도록 속도를 조절하면서도 이동 시간에 미치는 영향을 제한할 수 있는 전략을 학습하기를 원하는데 이러한 목표는 충돌할 수 있다. 우 교수는 “이동 시간을 줄이기 위해 우리는 자동차의 속도를 높여야 하지만, 배기가스를 줄이기 위해서는 자동차의 속도를 늦추거나 아예 움직이지 않아야 한다”며 “이러한 경쟁적인 보상이 학습에게는 매우 혼란스러울 수 있다”고 설명했다.
이 문제를 해결하는 것이 어려운 일이지만 연구자들은 ‘보상 셰이핑’이라는 기술을 채택했다. 보상 셰이핑을 통해 스스로 학습할 수 없는 영역의 지식을 시스템에 제공했다. 이 경우, 차량이 완전히 정지하게 되면 시스템이 불리하게 돼, 이러한 조치를 피하는 방법을 배우게 된다는 설명이다.
연구에서는 효과적인 제어 알고리즘을 개발한 후 단일 교차로가 있는 교통 시뮬레이션 플랫폼을 사용해 평가했다. 제어 알고리즘이 곧 다가올 신호등과 통신해 신호 상황 및 타이밍 정보를 수신하고 인접한 주변 환경을 관찰할 수 있는 일련의 연결된 자율주행 차량에 적용되고 제어 알고리즘은 각 차량에 가속 및 감속 방법을 알려준다.
시연에서 차량이 교차로에 접근했을 때 시스템은 정지 후 출발하는 교통 흐름을 생성하지 않았다. 시뮬레이션에서 더 많은 자동차들이 파란 신호등에서 통과했고, 이는 사람 운전자를 시뮬레이션하는 모델보다 성능이 뛰어난 것으로 나타났다. 또한 정지 후 출발이 발생하지 않도록 설계된 다른 최적화 방법과 비교해 이 기술이 연료 소비량과 배기가스 배출량을 크게 줄일 수 있다는 결과가 나왔다. 연구 결과 도로 위의 모든 차량이 자율주행 차량인 경우 제어 시스템은 연료 소비를 18%, 이산화탄소 배출량을 25% 줄이는 동시에 주행 속도를 20% 높일 수 있었다.
우 교수는 “한 번의 개입으로 연료 또는 배기가스 배출량이 20~25% 감소한다는 것은 정말 놀라운 일로 차량을 25%만 제어해도 연료 및 배기가스 배출량 감소 측면에서 50%의 이점을 얻을 수 있다”며 “이 접근 방식의 이점을 얻기 위해 100% 자율주행 차량이 나올 때까지 기다릴 필요가 없다”고 설명했다.
연구원들은 여러 교차로 간의 상호작용 효과에 대해서도 연구할 예정이다. 또 다양한 교차로 설정(차선 수, 신호, 타이밍 등)이 주행 시간, 배기가스 배출 및 연료 소비에 어떤 영향을 미칠 수 있는지도 살펴볼 계획이다. 자율주행 차량과 사람 운전자가 도로에 공존할 때 이와 같은 제어 시스템이 안전에 어떤 영향을 미칠 수 있는지에 대해서도 연구할 예정이다. 우 교수는 “자율주행 차량이 인간 운전자와 다르게 운전할 수 있지만 느린 도로와 보다 일관된 속도의 도로가 안전을 향상시킬 수 있을 것”이라고 밝혔다.
우 교수는 이 작업이 아직 초기 단계지만 이 접근 방식을 머지않아 적용될 수 있을 것으로 전망하고 있다. 그는 “이 작업의 목표는 지속가능한 이동성 분야에서 혁신을 꾀하는 것”이라며 “시스템에 미치는 작은 변화가 상당한 영향을 미치는 지점을 파악하는 것이 중요하다고 생각했다”고 강조했다.
AI타임스 이한선 객원 기자 griffin12@gmail.com
