글로벌오토뉴스

상단배너
  • 검색
  • 시승기검색

[오토저널] 자동차산업 변화의 중심, 빅데이터

페이지 정보

글 : 오토저널(ksae@ksae.org)
승인 2018-07-25 15:52:17

본문

“자율주행자동차 상용화를 위해서는 쏟아지는 데이터를 활용하는 능력이 중요하다.” 지난 2018 국제전자제품박람회(CES)에서 인텔 부사장 겸 모빌아이 집행임원인 암논 사슈아(Amnon Shashua)가 한 말이다. 데이터의 활용 가치는 이미 우리에게 익숙한 여러 ICT 기업들을 통해 증명되었다. 어댑티드 크루즈 컨트롤(ACC), 차선이탈 자동복귀 시스템(LKAS), 차선 이탈 경고시스템(LDWS) 등 자율주행을 위한 초기단계의 첨단운전자지원시스템(ADAS)이 상용화된지 불과 몇 년 되지 않은 지금, 자율주행이라는 거대 담론 아래 AI, 빅데이터 등 4차산업혁명의 핵심기술들이 거론되면서 자동차시장이 급변하고 있다. 이러한 자동차산업 패라다임의 전환점에 맞춰 빅데이터 기술이 자동차산업에 어떻게 적용되는지 알아보고자 한다.

 


인공지능 기술이 적용되는 자율주행자동차


알파고의 유명세와 함께 자율주행자동차 연구에도 딥러닝 기반의 인공지능 기술이 적용되고 있다. 특히 차량의 주변인지기술에 딥러닝 기술이 적용되면서 인지성능이 향상되어 완전자율주행자동차의 개발에 가속도를 올리고 있다. 자율주행자동차의 주변인식기술은 도로 상의 다중객체(자동차, 보행자, 신호등, 차선, 도로마커 등)를 동시에 인식하여 주행 상황을 판단해 진행 경로를 결정한다. 이러한 인식 알고리즘에 딥러닝 기술이 접목되고 있고, 최근에는 의미론적 분할(Semantic Segmentation) 기술에 적용되어 자율주행자동차의 주변상황 인지정확도를 높이고 있다.

 

ce49e46fcd3e6de0fc777e923e721d4b_1532501

 

현재는 차량의 종/횡방향 제어 알고리즘에도 딥러닝 기술이 적용되어 인지에서 제어까지 동시에 이루어지는 자율주행 기술(End-to-End 기술)에 대한 연구도 진행되고 있다. 자율주행자동차는 일반적으로 인지, 판단, 제어영역으로 시스템이 구성된다. 딥러닝 기술이 인지 영역을 넘어 판단, 제어 영역에도 적용되는 것이다.

 

 

딥러닝 기술의 핵심 빅데이터


인공지능 기술은 빅데이터와 밀접한 관련이 있다. 인공지능은 보다 정확한 답을 얻기 위해 기계학습(Machine Learning) 형태로 발전하여 입력에 대한 출력 값들을 학습해 연산과정을 발전시켜왔다. 이보다 진화된 딥러닝 기술은 사람의 직접적인 개입 없이 자율적인 학습을 통해 최적의 결과를 도출한다.

 

ce49e46fcd3e6de0fc777e923e721d4b_1532501

 

딥러닝 알고리즘이 더 정확한 값을 도출하도록 학습시키기 위해 필요한 학습데이터가 바로 빅데이터이다. 기존의 데이터 분석역량을 넘는 방대한 빅데이터는 필요목적에 맞게 가공하고 분석하여 최적의 답안을 찾는 것이 목적이다. 딥러닝 알고리즘은 빅데이터를 통해 보다 정확한 최적의 값을 도출해 낼 수 있고, 빅데이터는 딥러닝 기술을 통해 최적의 답안을 제시할 수 있는 불가분적 관계가 있다. 그러므로 딥러닝 기술의 근간이 되는 것은 결국 학습에 사용되는 다량의 데이터 축적과 처리 속도이다.

 

 

센싱 및 통신 기술과 GPGPU의 개발


최근 개발되고 있는 스마트 센서들은 그 종류가 매우 다양하고, 수집한 정보에서 특정 정보를 추출하는 기능를 내장하고 있다. 이러한 센서들로부터 얻은 데이터를 저장하고 분석하는 과정에서 빅데이터 기술이 사용된다.

 

인텔에 따르면 하루 1시간 주행하는 차량의 평균 데이터 처리량이 4,000GB에 이른다고 한다. 인간의 개입을 최소화하고 자동화를 위한 빅데이터 기술에는 데이터를 모을 수 있는 저장장치와 무선으로 데이터를 전송하는 기술이 필요하다.

 

ce49e46fcd3e6de0fc777e923e721d4b_1532501

 

ce49e46fcd3e6de0fc777e923e721d4b_1532501
 

자율주행자동차에서 얻을 수 있는 데이터는 크게 장착된 센서들과 차량 V2X(Vehicle-to-Everything), 차량 내부의 데이터로 분류할 수 있다. 하지만 데이터를 수집하는 것도 쉬운 것은 아니다. 저장장치에는 형태가 다른 센서 데이터를 처리하기 위한 어플리케이션과 인터페이스 개발이 요구되며, 시간 동기를 맞추어 멀티센서의 데이터 처리를 위한 리코딩, 재생, HMI(Human Machine Interface) 기능들이 필요하다.

 

ce49e46fcd3e6de0fc777e923e721d4b_1532501

 

기존 스마트기기와는 달리 자율주행에 필요한 빅데이터는 가공되지 않은 원자료(Raw data)의 형태로 요구되는데, 이러한 원자료(Raw data) 형태의 빅데이터는 기존 무선통신기술로 해결하기에 방대한 용량과 전송속도 측면에서 한계가 있다. 차량·사물통신(V2X: Vehicle to Everything)과 연계되어 전송 딜레이 문제도 해결하기 위해 거론되는 5G 기술 역시 막대한 통신요금 부담과 표준화 문제가 선결되어야 하는 상황이다. 이로 인해 현재는 차량에 데이터를 저장한 뒤 데이터서버에 직접 저장하는 방식을 이용한다.

 

또한 빅데이터는 규모를 가늠하기 힘들 정도의 방대한 양의 데이터를 필요목적에 맞게 분석해 최적의 답을 찾아야 한다. 이를 위해서는 초고속네트워크 전송속도와 계산용량이 뒷받침되어야 한다. 이를 위해 활용되는 것이 GPGPU(General-Purpose computing on Graphics Processing Units)이다. GPGPU는 데이터를 병렬로 처리하는 흐름처리(Stream processing)를 통해 계산속도를 높일 수 있는데, 한 개의 CPU에 비해 100배 이상의 속도 향상을 이룰 수 있다. 다만, 병렬도가 지극히 높은 응용 프로그램에서만 이득을 얻을 수 있으나, 현재로서는 빅데이터 처리에는 가장 적합한 수단으로 볼 수 있다.

 


자동차 플랫폼 기반의 빅데이터


앞서 얘기한바와 같이 자율주행 기술에 인공지능 기술이 적용되면서 빅데이터가 활용되고 있다. 또한 차량에서 센싱된 정보를 바탕으로 지역동적지동(LDM: Local Dynamic Map)을 생성하고, 이를 정밀지도(Digital Map)에 자동 업데이트 하는 기술, 교통정보량분석, 네비게이션 등에 자율주행 관련 빅데이터가 적용되고 있다.

 

자율주행자동차를 개발하기 위해서만 빅데이터가 사용되는 것은 아니다. 4차산업혁명의 핵심기술들인 사물인터넷, 인공지능, 클라우드, 빅데이터 등과 같은 지능정보기술들은 융합과 연결이라는 키워드에 걸맞게 서로 연관성을 지니고 개발되어 있어 개별적으로 분리하여 생각하기 어렵다. 이러한 신기술 대부분이 자동차와 접목되고 있으며, 특히 빅데이터는 앞으로 어떻게 적용될지 한 마디로 정의내리기 힘든 상황이다. 즉, 빅데이터 기술의 가능성은 인간의 두뇌로 한정하고 예측하기 힘든 수준이다. 그렇기에 가시적인 수익모델이 도출되지 않는 상황에서도 관련 데이터 취득을 위해 기업들이 치열한 경쟁을 벌이는 것이다. 제품의 판매보다 제품을 기반으로 한 서비스 제공으로 창출되는 가치가 더 커지며, 산업의 주도권이 ‘누가 양질의 데이터를 얼마나 보유하느냐’에 의해 경쟁우위가 판가름 나기 때문이다.

 

ce49e46fcd3e6de0fc777e923e721d4b_1532501

 

자율주행 기술은 자동차산업의 혁신을 위해 개발되고 있지만, 차량에서 발생되는 빅데이터를 수집하기 위한 플랫폼으로 활용하기 위한 것이라고 볼 수도 있다. 최근 빅데이터 분석 기술은 사용자의 소비패턴과 트랜드를 분석해 새로운 사업모델을 제시한다. 이에 자동차 관련 업계는 이미 자동차 관련 데이터를 수집 단계를 넘어 의미 있는 분석 결과를 도출하기 위한 경쟁이 시작되었다.

 

 

자율주행 실증도로


기존 자동차와 자율주행자동차의 개발상의 차이점은 실도로 기반의 실증이다. 각국에서는 경쟁적으로 자율주행 실증도로 구축에 나서고 있으며 막대한 투자를 진행하고 있다. 미국에서는 군집주행과 핵심센서 및 V2V 실증을 수행하는 PATH(Partners for Advanced Transportation Technology) 프로젝트를 1986년부터 2014년까지 진행하였으며, 광범위한 데이터 수집을 목적으로 오하이오주의 콜럼버스 시를 대상으로 Smart City Challenge 프로젝트를 통해 교통관련 데이터를 수집하고 있다. 유럽에서는 10개국 28개 파트너가 참여하여 euroFOT 프로젝트와 Drive me 프로젝트가 진행되었다.

 

기존 차량과는 다르게 자율주행 기술이 실도로 기반의 실증평가를 수행하는 것은 여러 가지 의미를 지니고 있다. 우선 주행시험장과 같이 모사된 환경에서의 테스트만으로는 성능을 검증할 수 없다. 대표적인 예가 미국 라스베이거스의 자율주행버스 사고이다. 사고회피기동 기술이 없는 자율주행자동차는 사고유발요소가 접근 시 회피하지 못하고 멈춰 서 있기만 했다. 실제 도로 상에서 발생할 수 있는 사고요소는 인간이 만든 시나리오를 초월한다.

 

또한 자율주행에 적용된 인공지능 기술을 학습시키기 위한 학습데이터 수집으로 활용된다. 구글에서는 2016년 7월까지 총 주행거리 489만km의 방대한 데이터를 수집하였다. 테슬라 모델S의 오토파일럿 기능을 상용화 판매하여 실 사용자를 대상으로 정보를 수집하고 있다. 특이하게, NVIDIA에서는 가상환경을 통해 인공지능을 학습시켜 주목을 받았다. 하지만 빅데이터를 수집하기 위해서는 해결해야 되는 문제들이 많다. 데이터 수집 과정에서 발생하는 사생활침해 문제는 자동차 산업 환경에서는 풀기 어려운 문제이다.

 


빅데이터의 활용의 관건


분명한 것은 자율주행 실증을 통해 수집한 빅데이터를 단순히 자율주행 기술의 성능 향상에만 사용하지 않을 것이다. 자동차와 관련해 생성된 빅데이터가 어떠한 형태로 필요한 목적에 맞게 가공하고 분석하여 또 다른 새로운 가치를 창출할 수 있을지가 주목된다.

 

빅데이터의 활용은 우선 데이터의 확보와 서비스 모델 발굴에 의해 좌우된다. 국내 기업들도 데이터 확보를 위해 투자를 시작했지만 이미 한발 늦은 상태이다. 자율주행을 통해 얻은 빅데이터는 커넥티드카와 연계된 서비스 모델을 만들어 낼 것으로 보인다. 통신기술 강국에 걸맞게 통신사들이 차량 데이터 확보를 위해 노력하고 있으나, 보안상의 문제로 차량 CAN 데이터는 취득이 어려워 난항을 격고 있다. 최근 정부에서는 이러한 문제를 해결하기 위해 다부처 협의체를 구성하여 대응하고 있다. 자동차-ICT 업계와 정부 부처간 합종을 통해 민간에서 활용 가능한 양질의 데이터를 제공할 수 있기를 기대해 본다.

 

글 / 윤경수 (지능형자동차부품진흥원)
출처 / 오토저널 18년 2월호 (http://www.ksae.org) 
  • 페이스북으로 보내기
  • 트위터로 보내기
  • 구글플러스로 보내기
하단배너

우측배너(아래)