본 아티클은 Citilog 영업 및 마케팅 매니저, Jean Marie가 기고했습니다. Jean Marie에 대한 보다 자세한 소개는 아티클 하단에서 보실 수 있습니다.

트래픽이 존재하는 곳에는 사고와 정체가 발생합니다. 고속도로 또는 도시의 도로를 깨끗하게 유지하고 교통 흐름을 원활하게 관리하는 임무를 맡은 사람들에게, 사고로 인한 혼란을 최소화할 수 있는 능력은 매우 중요합니다.

교통관리센터(Traffic Management Center)는 트래픽을 모니터링 및 관리하고, 이용자들에게 정보를 제공하고, 교통 흐름을 실시간으로 제어하는 역할을 연중 내내 수행합니다. 비디오 감시는 도로 네트워크, 교차로, 터널 및 교량과 같은 중요 인프라를 모니터링하는 데 중요한 도구입니다. 교통 흐름과 도로의 원활한 흐름을 방해할 수 있는 사고(충돌, 정체, 지체 등)를 실시간으로 확인할 수 있습니다. 그러나, 사람의 주의력 및 집중력의 한계, 그리고 사람 당 두 개씩만 가진 눈(물리적 센서)으로 인해 교통관리센터 운영자는 모든 카메라들을 항상 모니터링할 수 없습니다. 따라서, 교통 문제를 적극적으로 검색하고 식별하기 위해 인공지능(AI)과 딥러닝 기술을 사용하는 비디오 분석이 필요합니다.

거짓 알람의 수: 신뢰도를 형성하는 중요 요소

의심스러운 이벤트가 발생하면, 지능형 카메라는 교통관리센터에 해당 위치의 비디오와 함께 경보 이벤트를 전송하여 교통 센터 운영자가 추가 분석을 하고 적절한 조치를 취할 수 있게 해 줍니다. 이러한 시스템에서 거짓 알람의 수는 시스템에 대한 신뢰도를 만드는 데 중요한 요소입니다. 운영자가 보고된 많은 알람(궁극적으로 조치를 취할 만한 것으로 판명되지 않는)을 재검증해야 하는 경우, 생산성 손실은 물론 시스템에 대한 신뢰도 저하됩니다. 거짓 알람의 수가 적은 것만큼 중요한 요소는, 조치가 필요한 실제 사건 사고를 절대로 놓쳐서는 안된다는 것입니다. 이는 시스템의 전체 목적을 훼손하기 때문입니다.

사건을 감지하는 데 걸리는 시간 또한 중요합니다. 사고가 충분히 빠르게 감지되지 않으면, 2차 사고가 발생할 위험은 조치(예를 들어 사고 현장 앞 쪽에 가변 메시지 경고를 띄우는 것)를 취하는 데까지 걸린 시간과 함께 커집니다. 그리고 우리 모두가 경험했던 것처럼, 교통 흐름은 보통 사고가 일어난 차선뿐만 아니라 “사고 구경” 현상으로 인한 반대편 차선에서도 현저하게 느려집니다. 사람들은 도로 반대편에서 무슨 일이 일어났는지 궁금해하고, 이는 종종 더 많은 사건을 야기시킵니다.

이미지 처리에 있어 인공 지능의 혁신

컴퓨터 사이언스 분야에서, 인공지능(AI)은 최근 몇 년 동안 몇몇 새로운 돌파구를 보아왔습니다. 특히 이미지 처리 분야에서, 머신러닝과 딥러닝의 개념은 실제 사건, 조치, 사람, 차량을 분류하고 계산가능한 객체로 만들 수 있는 가능성을 크게 향상시켰습니다.

예를 들어, 딥러닝 비디오 분석 방법의 최근 혁신 덕분에, 기존 픽셀 기반의 검지 기술에 비해 실제로 의미있는 상황을 감지하는 데 있어 높은 정확도를 유지하면서 잠재적인 거짓 경보의 수를 현격하게 줄일 수 있었습니다.

교통 감시(및 거짓 알람의 주요 원인)에 대한 기존 비디오 기반 분석 기술의 주요 과제 중 하나는 그림자, 즉 차량의 그림자 또는 나무, 구름, 구조물의 정적인 그림자입니다. 딥러닝 기술의 근본 개념은 컴퓨터가 객체를 식별하고 분류하도록 “가르치는” 것입니다. 트래픽 감시라는 맥락에서, 컴퓨터는 차량(승용차, 트럭, 오토바이 등)을 식별하여 효과적으로 그림자를 ‘무시’하도록 훈련받습니다.

‘객체’가 감지되면 데이터가 됩니다. Citilog의 노하우와 전문성은 이러한 유형의 데이터를 관리하고 운영자를 위해 적절한 결과물을 생성하는 것, 달리 말해, 딥러닝 프로세스를 통해 식별된 데이터가 운영자가 알아야 할 실제 상황을 나타내도록 하는 것입니다.

물론, 딥러닝 엔진의 정확도는 이를 시작할 이미지의 품질 및 정의와 높은 상관관계를 갖습니다. 따라서, 고품질 카메라를 생산하고 가시 스펙트럼에서 고화질 이미지를 제공하는 Axis의 전문성이 이 프로세스의 핵심 구성 요소가 됩니다.

Axis가 선도 위치를 점하고 있는 비디오 감시는 오래 전에 디지털화 시대로 접어들었으며, 이를 통해 엄청난 양의 데이터가 생성되었습니다. 다음 도전과제는 이 방대한 양의 디지털 데이터를 효과적이고 실행 가능한 정보로 전환하여, 비디오 감시 사용자의 주요 니즈와 목적을 충족하는 것입니다.

트래픽 감시 분야에서, Citilog와 Axis는 수십 년 동안 쌓아온 전문성을 결합하여 Citilog의 VisionZero 전략(거짓 경보 제로, 사건 누락 제로, 손실 시간 제로)을 추진하고 있으며, 더불어 더욱 스마트하고 안전한 세상을 만들고자 하는 Axis의 미션을 지원하고 있습니다.

Citilog와 Axis가 어떻게 더 스마트한 도로를 지원하고 교통 사고를 최소화할 수 있는지 자세히 알아보세요:

더 스마트한 도로를 위한 솔루션