3D 건물정보를 비롯한 정밀도로정보, 지하시설물 정보 등 디지털 트윈 국토를 위한 정적데이터 생산에서 한 걸음 더 나가 준실시간으로 고정밀 이동체 동적정보를 추가적으로 연계해 동적데이터 기반의 디지털 국토를 실현하기 위한 연구가 진행되고 있어 눈길을 끈다.
특히, CCTV, IoT 센서 등 고정플랫폼과 무인항공기와 같은 이동플랫폼을 연계한 정보수집과 객체 관측, 차량이나 공유 모빌리티, 시설물 등의 상태에 대한 변화정보를 동적지도로 표현할 수 있는 기술 등 혁신적인 기술들이 선보일 예정으로 기대를 모으고 있다.
이 기술들은 지난 2022년 4월 국토교통부와 국토교통과학기술진흥원의 지원 아래 LX한국국토정보공사 공간정보연구원을 주관기관으로 진행 중인 ‘디지털 국토정보 기술개발 사업단’(단장 송원호)의 4핵심 과제를 통해 개발되고 있다.
고정 센서 장비와 연계 실시간 이동체 검출 추적 기술 등
고정-이동플랫폼 협업형 연속적 객체인식 기술 개발 집중
현재 사업단은 ‘국토정보의 초정밀화·초연결화를 통한 디지털 국토 실현’을 목표로 ‘초정밀 디지털 국토 구축’, ‘디지털 국토의 구축 효율화’, ‘초연결 디지털 국토 실현’, ‘차세대 디지털 국토 구축’ 등 4가지의 핵심과제를 수행하고 있다.
한국건설기술연구원을 주관기관으로 진행 중인 4핵심 과제는 ‘차세대 디지털 국토정보 구축을 위한 고정·이동플랫폼 기반 동적주제도 구축 기술 개발’ 연구로, 다양한 도시·사회 문제 해결을 위해 고정·이동플랫폼 기반 동적 주제도 구축 기술개발에 박차를 가하고 있다.
연구내용
이 과제는 ‘고정플랫폼 기반 동적정보 수집 기술’과 ‘이동플랫폼 기반 동적정보 수집 기술’, ‘동적정보 분석, 예측 및 표현기술’ 등 크게 3개의 핵심기술과 각각을 구성하는 총 6개 핵심요소기술로 구성돼 있다.
‘고정플랫폼 기반 동적정보 수집 기술 개발’ 분야에서는 고정센서 기반의 동적정보 수집 시스템 개발을 목표로, CCTV와 WiFi, 블루투스 등 기존 고정 및 신규 설치 센서와의 정보 연계 기술, 실시간 객체 검출·추적 기술, 시계열 이동체 정보 연속 추적 기술들을 개발하고 있다.
세부적으로 진행 중인 ‘고정플랫폼 이종센서 연계 및 이동체 정보 수집기술 개발’ 부문에서는 CCTV와 WiFi, 블루투스 등 고정돼 있는 센서 장비와 연계한 객체 검출·추적 기술을 활용, 실시간으로 이동체를 검출, 추적하는 기술 개발을 목표로 하고 있다.
이를 위해 고정플랫폼이 위치한 환경 분석과 센서별 정보 취득·수집방안 연구를 수행하며 이종센서 데이터를 활용한 이동체 위치 전송·저장 데이터 모델링, 이종센서 연계 및 이동체 인식·분류, 이종센싱 환경의 이동체 위치정보 추출 기술 개발에 나서고 있다.
‘고정플랫폼 연계 기반 시계열 이동체 정보 연속 추적기술 개발’ 부문에서는 한정된 지역을 감시하는 고정센서 장비와 연계해 도시 내 이동체의 연속적 시계열 위치정보를 지속적으로 추적하기 위해 연속 위치추적을 위한 이종센서 간 이동체 데이터 모델과 동종·이종센서 간 이동체 위치 핸드오버 기술을 개발하고 있다.
‘이동플랫폼 기반 동적정보 수집 기술 개발’ 분야는 드론과 같은 이동플랫폼 기반의 동적정보 수집용 드론 스테이션 구축·운영, 동적정보의 AI 학습데이터 변환·자동 분류 기술과 함께 동적정보 인식·통합 알고리즘 개발을 목표로 하고 있다.
‘동적정보 수집 및 AI 학습데이터 구축기술 개발’ 부문에서는 도심 내 동적정보를 수집하고, 이를 활용한 AI 학습데이터 구축 연구를 진행하고 있다.
현재 AI 학습데이터 수집을 위한 동적정보 수집용 드론과 이동플랫폼, 운용시스템을 테스트베드가 마련되는 지역별 특성을 고려해 구축하고, 학습데이터 수집을 위해 학습데이터용 변환 및 자동분류, 주제별 다차원 동적정보 데이터셋 구축 자동화 기술을 개발하고 있다.
‘지식·학습 기반 동적정보 인식기술 개발’ 부문에서는 이동플랫폼에서 관측된 데이터를 이용한 지식·학습 기반의 동적정보 인식·통합 알고리즘 개발과 고정-이동플랫폼의 협업형 연속적 객체인식 기술 개발에 집중하고 있다.
현재 동적정보 인식 최적화를 위한 객체별 데이터 전처리 기술과 객체별 동적정보 인식·분류 및 상황탐지 기술을 토대로 시공간 변화를 고려한 동적정보 데이터 통합 알고리즘을 개발하고, 이를 가시화하기 위한 고정-이동플랫폼의 협업형 객체 관측 기술을 개발하고 있다.
‘동적정보 분석, 예측 및 표현기술 개발’ 분야에서는 객체 단위 이동체 정보와 정적정보를 연계한 이동체 시계열 패턴, 맥락정보 생성 및 맥락 기반 이동체 분석·예측 기술 개발에 나서고 있다.
특히, ‘고정플랫폼 기반 동적정보 수집 기술 개발’, ‘이동플랫폼 기반 동적정보 수집 기술 개발’ 분야의 결과값을 기반으로 데이터를 분석하고, 이를 동적주제도로 구축하는 연구를 수행하고 있다.
현재 ‘이동맥락정보 기반 동적정보 분석 및 예측기술 개발’ 부문에서는 고정·이동플랫폼에서 수집되는 객체 단위의 이동체 정보와 정적정보를 연계한 이동체 맥락정보를 생성하고, AI를 적용한 이동체 분석·예측을 목표로 연구를 진행하고 있다.
이를 위해 이동맥락정보 생성을 위한 정적정보 연계 및 데이터마이닝, 이동체 시계열 패턴정보 및 맥락정보 생성 기술, 맥락정보 기반 이동체 분석·예측을 위한 AI 적용 기술을 개발하고 있다.
‘동적주제도 구축 및 갱신기술 개발’ 부문에서는 앞서 개발한 동적정보를 활용, 사용자 맞춤형 동적주제도를 구축, 갱신하기 위해 공공·민감분야 측면에서 동적주제도 서비스모델을 발굴하는 한편, 위치와 시간, 상태 등 다차원 동적정보의 2D·3D 가시화 기술, 사용자 맞춤형 동적주제도 구축 및 갱신기술 개발 등의 연구를 수행하고 있다.
한편, 연구진은 1차년도부터 성공적인 과제 실증을 위해 조기에 테스트베드를 구축하고 연차별 성과물 검증에 나서고 있다.
특히, 한국건설기술연구원에서 이미 수행 완료한 ‘지능형방범연구단’과 ‘실감형재난연구단’의 실증 지자체인 안양시를 대상으로 기존 실험 인프라 활용을 포함, 안양시 테스트베드 내 드론·운영플랫폼 구축, 과제에 필요한 CCTV 영상과 IoT 센싱 데이터 등 실제 도심 데이터를 취득 활용하며 연구개발 실증 리스크를 최소화하는 데 주력하고 있다.
또한, 동적주제도의 경우 주요 공공기관, 지자체, 민간업체 수요처를 대상으로 주기적 실용화 자문회의를 거쳐 사용자 지향형 수요 기반의 동적주제도를 발굴, 구현하고 있다.
인 / 터 / 뷰
‘라이브 디지털 트윈’ 완성 ‘첫 걸음’ ··· 현상정보 준실시간 분석 ‘초점’
한국건설기술연구원 윤준희 연구위원은 “이번 연구는 진정한 ‘라이브 디지털 트윈’을 완성하기 위한 첫 걸음이라고 생각한다”며, “디지털 트윈은 건물과 도로 등의 ‘형상정보’와 교통현상, 인구 흐름 등의 ‘현상정보’를 융합해 해석하고 가시화함으로써 다양한 사회문제를 해결하는 기술”이라고 소개했다.
이어 “지금까지의 디지털 트윈 기술은 주로 형상정보 분석을 통한 플랫폼화에 중점을 두고 있다면, 이 연구에서는 상대적으로 발전이 더딘 현상정보의 준실시간 분석기술 개발에 초점을 맞춰 진행하고 있어 의미가 남다르다”고 밝혔다.
이처럼 차별화된 기술 개발을 위해 현재 연구진은 동적 공간정보 수집, 해석, 표현기술 개발에 집중하고 있다.
윤 박사는 “동적 공간정보는 보행자, 차량, 시설물 파손 등 SOC 입장에서 일시적으로 존재하다가 변화되거나 사라지는 공간정보”라며, “따라서 이번 연구에서는 기존 CCTV 등을 통해 취득한 차량 위주의 정보에 더해 지상 IoT 센서와 상시관측이 가능한 드론 스테이션을 이용해 인식공간 범위를 보도, 차도, 보차혼합도로 등으로 확대하고, 보행자와 PM 등으로 인식대상도 확장해 나가고 있다”고 설명했다.
하지만, 학습데이터가 충분하지 않으면 AI 기술을 적용해 대상물을 인식하는 데 한계가 있는 것으로 알려져 있다.
이어 “따라서 건설연에서는 AI 기술 활용 시 학습데이터가 부족한 상황 극복을 위한 데이터 변환 및 증강기술 연구를 수행하고 있다”며, “현재 건설연이 보유한 다양한 SOC데이터를 활용하는 한편, 해상도 변환, 데이터 증강 등의 연구에 집중하고 있다”고 말했다.
연구진은 드론의 비가시영역에서 안전한 모니터링이 가능한 3D GCS(Ground Control Station)를 설계하고, 효율적이며 안전한 자동비행 경로 생성기술 개발도 추진하고 있다.
특히, 다양한 동적 정보를 표현하기 위한 동적 주제도 제작 기술 개발에도 적극적으로 나서며, 현재 실험실 수준의 알고리즘 개발에 성공했다.
동적정보 5분 이내 60cm 이하 ‘절대오차’ 95% ‘정확도’ 자신
윤 박사는 “정량적으로는 고정센서 기반으로 5m 이내의 절대위치 오차와 90% 이상의 정확도를 갖는 동적정보 인식 기술을 개발했다”며, “이동센서 기반으로는 2cm 이내의 상대위치 오차와 70% 이상의 정확도로, 6분 이내에 동적정보를 인식하는 기술도 개발했다”고 강조했다.
이어 “남은 연구기간 동안 1단계에서 개발한 알고리즘을 고도화하고, 테스트 베드에서의 실증에 집중할 예정”이라며, “최종적으로는 5분 이내 60cm 이하 절대오차, 95%의 정확도로 동적정보를 가시화하는 기술을 선보일 예정”이라고 소개했다.
연구진은 안양시의 협조로 이미 동안구청에서 인덕원까지의 공간에 테스트 베드 1차 구축을 완료한 상태로, 올해 완성을 목표로 하고 있다.
한편, 이 같은 연구를 통해 선보일 최종 성과물은 진정한 ‘라이브 디지털 트윈’을 완성시킬 수 있는 ‘준실시간 동적주제도 구축 및 갱신시스템’이다.
윤 박사는 “안양시 테스트 베드에 설치하는 드론 스테이션을 비롯한 센서, 서버 및 시스템은 과제 종료 후 안양시로 이관된 후 실 업무에 활용될 예정”이라며, “향후 도로돌발상황 관리를 비롯해 과학적 인파관리, 자율차 정보제공, 시민 보행안전 향상 등에 활용될 것으로 기대된다”고 밝혔다.
