차량 및 보행자 교통 제어를 위한 센서 네트워크 아키텍처

초록

본 논문은 도시 교통 관리에 적용할 수 있는 3계층(센싱, 처리·집계, 제어) 센서 네트워크 구조를 제안한다. 차량과 보행자 흐름을 실시간으로 감지하고, 계층적 데이터 처리와 분산 제어를 통해 교통 혼잡을 완화하는 알고리즘을 설계하였다. 또한 제안된 아키텍처를 실제 교차로에 적용한 사례 연구를 통해 구현 방법과 기대 효과를 검증하고, 향후 연구 과제를 제시한다.

상세 분석

논문은 기존 교통 관리 시스템이 차량 중심으로 설계돼 보행자 흐름을 충분히 반영하지 못한다는 문제점을 지적하고, 이를 해결하기 위한 통합 센서 네트워크 아키텍처를 제시한다. 제안된 3계층 구조는 (1) 센싱 계층에서 차량용 RFID, 비전 카메라, 라이다, 보행자용 스마트폰 BLE 비콘 등 이질적인 센서를 활용해 위치·속도·밀도 정보를 실시간 수집한다. (2) 처리·집계 계층에서는 엣지 컴퓨팅 노드가 지역별 데이터를 전처리하고, 머신러닝 기반의 교통 흐름 예측 모델을 적용해 단기·중기 혼잡 예측값을 생성한다. 여기서 중요한 점은 데이터 중복을 최소화하고, 프라이버시 보호를 위해 차등 개인정보 보호 기법을 적용한다는 것이다. (3) 제어 계층은 중앙 교통 관리 서버와 로컬 교통 신호 제어기 사이에 피드백 루프를 형성한다. 제어 알고리즘은 차량 흐름을 최적화하는 그린 웨이(그린 파동) 전략과 보행자 대기 시간을 최소화하는 보행자 우선 신호 전환을 동시에 고려한다. 특히, 다중 목표 최적화 문제를 라그랑주 승수법과 강화학습을 결합해 실시간으로 해결함으로써, 교차로별 상황에 맞는 동적 신호 주기와 단계 길이를 산출한다.

핵심 인사이트는 다음과 같다. 첫째, 이질적인 센서 데이터를 계층적으로 통합함으로써 데이터 전송량과 지연을 크게 줄일 수 있다. 엣지 노드에서 사전 집계와 이상치 제거를 수행하면, 중앙 서버는 핵심 통계와 예측값만 받아 효율적인 의사결정이 가능해진다. 둘째, 차량과 보행자 흐름을 동시에 모델링함으로써 기존의 차량 전용 최적화가 초래하던 보행자 대기 시간 증가 문제를 완화한다. 논문은 보행자 흐름을 ‘가중치’로 설정하고, 신호 단계 선택 시 가중치를 반영하는 다목표 함수 설계가 실효성을 입증한다. 셋째, 강화학습 기반 제어는 환경 변화(예: 행사, 사고, 날씨)에도 빠르게 적응한다. 시뮬레이션 결과, 전통적인 고정 주기 신호와 비교해 평균 차량 대기 시간이 22 % 감소하고, 보행자 평균 대기 시간이 35 % 감소하였다.

마지막으로, 사례 연구에서는 실제 도심 교차로에 라이다와 BLE 비콘을 설치하고, 엣지 서버를 교차로 인근에 배치하였다. 실험 기간 4주 동안 수집된 데이터는 교통량 급증 시에도 시스템이 안정적으로 동작함을 보여준다. 그러나 논문은 아직 대규모 도시 전체에 적용하기 위한 스케일링 문제와, 센서 고장·통신 장애 시 복원력 확보 방안이 미비함을 인정하고, 차세대 5G·6G 기반 저지연 통신과 블록체인 기반 데이터 무결성 검증을 향후 연구 과제로 제시한다.