교통 AI가 사고를 예측한다
오늘날 교통 카메라는 단순히 교통 위반을 감시하는 데 사용되는 것이 아니라 AI 시스템의 귀중한 데이터 소스가 됩니다. 또한 인공지능 덕분에 비정상적인 차량 움직임을 파악하고 분석하여 사고 발생 전에 위험 지도를 작성할 수 있습니다.
이는 교통 안전을 개선하고 스마트한 도시 계획을 지원하는 새로운 방향입니다.
교통 AI가 도로의 모든 움직임을 '조사'합니다
현재의 교통 AI 시스템은 도로에 설치된 수백 개의 카메라와 센서로부터 데이터를 수집하는데, 여기에는 속도, 가속도, 차량 거리, 교통량을 실시간으로 측정하는 센서가 포함됩니다.
AI는 머신러닝과 딥러닝 알고리즘을 활용하여 갑작스러운 차선 변경, 급가속, 바짝 붙어 추돌 등 사고의 전조가 되는 행동을 식별합니다. 실시간 분석을 통해 시스템은 이미 발생한 사고 데이터에 의존하지 않고도 이상 행동이 발생하는 즉시 위험을 평가할 수 있습니다.
Tuoi Tre Online의 조사에 따르면, 딥 러닝 모델, 특히 합성곱 신경망(CNN)을 적용하여 카메라의 이미지를 분석하고, 센서의 데이터를 결합하여 차량 간의 상대 속도, 최소 거리 및 반응 시간을 계산합니다.
이 시스템은 각 교차로 또는 도로 구간에 위험 점수를 부여하여 도시의 잠재적 "위험 지역" 지도를 생성합니다. 엣지 컴퓨팅은 카메라와 센서 근처의 데이터를 처리하여 지연 시간을 줄이고, 개인 정보를 보호하며, 위험 행동이 발생하는 즉시 신속한 대응을 보장합니다.
MIT Senseable City Lab과 싱가포르, 토론토의 스마트 시티 프로젝트의 국제 연구에 따르면, 이 방법은 기존 사고 통계보다 2~3배 더 효과적으로 고위험 지역을 식별하는 데 도움이 되는 것으로 나타났습니다.
이 시스템은 비정상적인 행동을 인식할 뿐만 아니라, 혼잡 시간대부터 악천후까지 복잡한 교통 흐름 패턴을 추적하여 위험을 더욱 정확하게 예측합니다. 또한 AI는 과거 데이터를 학습하여 시간이 지남에 따라 예측을 개선하고 교통 흐름 변화에 적응합니다.
블랙 스팟 매핑부터 도시 안전 최적화까지
블랙스팟 지도가 효과적이려면 시스템이 카메라와 센서에서 수집된 방대한 양의 데이터를 처리하고 실시간으로 분석해야 합니다. 현재 AI 모델은 데이터를 중앙 서버로 전송하는 대신 카메라 근처에서 처리하는 엣지 컴퓨팅을 사용하여 지연 시간을 줄이고 개인 정보를 보호합니다.
집계된 데이터는 위험 지역을 식별하는 데 도움이 될 뿐만 아니라, 교통 당국이 교통 신호 및 인프라와 관련하여 적절한 결정을 내리는 데에도 도움이 됩니다.
그러나 AI의 정확도는 낮과 밤, 비와 눈, 교통량과 같은 환경 조건뿐 아니라 보행자와 오토바이의 움직임에도 영향을 받습니다 . 따라서 AI 모델은 각 도시 지역의 교통 특성에 맞춰 미세 조정되어야 하며, 이를 통해 잘못된 경보를 줄이고 예측 효율성을 높일 수 있습니다.
AI, 카메라·센서로 교통사고 예측
AI의 정확도는 센서와 카메라 데이터의 동기화, 교통량 변동 처리, 그리고 다양한 조명 및 날씨 조건에서의 행동 인식 능력에 달려 있습니다. AI가 효과적으로 활용되면 사고를 예측할 뿐만 아니라 교통 신호를 최적화하고, 교통 흐름을 조정하고, 교통 체증을 완화하는 시스템의 기반을 형성합니다.
이 기술은 자율주행 자동차와 지능형 교통 시스템의 가능성을 열어주어 사고가 발생하기 전에 위험을 파악하고 도시 네트워크 전반의 안전을 개선할 수 있습니다.
전반적으로 도시 카메라와 센서를 활용한 AI 교통사고 예측은 교통 관리에 인공지능을 적용하는 데 있어 중요한 진전을 보여줍니다. 이 기술은 행동 분석, 실시간 데이터, 그리고 딥러닝 모델을 결합하여 감시 데이터를 구체적인 위험 지도로 변환하고, 이를 통해 안전을 강화하고 교통 흐름을 최적화하며, 미래의 더 스마트한 도시 건설에 기여합니다.
출처: https://tuoitre.vn/ai-du-doan-tai-nan-giao-thong-tu-camera-va-sensor-do-thi-20251128174419006.htm
댓글 (0)