LiDAR가 스마트 시티 교통 관리를 혁신하는 이유

스마트 시티 이니셔티브는 점점 지능형 운송 시스템(ITS)에 초점을 맞추고 있습니다. LiDAR 센서를 사용한 샌프란시스코의 최근 파일럿 프로젝트는 이 기술이 도시의 Vision Zero 교통 신호 프로젝트를 어떻게 향상시킬 수 있는지 보여줍니다.

Vision Zero는 도로 사망자를 제로로 줄이는 것을 목표로 하며, 샌프란시스코에서는 매년 약 30명이 목숨을 잃고 200명 이상이 부상당합니다. 파일럿은 다중 모달 지능형 교통 신호 시스템(MMITSS), 전용 단거리 통신(DSRC), 대중교통 신호 우선권(TSP), 긴급 차량 선점(EVP)을 테스트하여 대중교통과 긴급 차량에 우선권을 주면서 보행자와 자전거 이용자에게 안전한 횡단 간격을 제공합니다.

2020년 1월 완료된 첫 번째 개념 증명은 5개 교차로에 LiDAR를 설치하고 익명 차량 및 보행자 프로파일링에서 96% 정확도를 달성했습니다. 두 번째 PoC는 2021년 초 데이터 레이어를 신호 제어 네트워크에 추가할 예정입니다.

Quanergy의 최고 마케팅 책임자 Enzo Signore와 독립 전략 컨설턴트이자 SFMTA 프로젝트 리드인 Paul Hoekstra를 인터뷰했습니다.

LiDAR: 교차로를 넘어선 익명 객체 추적

Quanergy의 Enzo Signore는 스타디움과 스마트 시티에서 LiDAR의 핵심 장점은 각 이동 객체에 지속적이고 익명의 ID를 할당하여 신원을 밝히지 않고 여러 교차로에 걸친 엔드 투 엔드 추적을 가능하게 하는 것이라고 설명합니다.

여러 교차로에 걸친 지속적인 ID 추적에는 동기화된 센서와 엣지 컴퓨팅이 필요합니다. 기존 시스템은 객체가 한 센서의 시야에서 다른 센서로 넘어갈 때 ID를 잃어버려 데이터 스트림이 단편화됩니다.

Quanergy의 자동 ID 핸드오버 메커니즘은 객체의 ID를 센서 간에 원활하게 전달하여 단일 식별자를 여정 전반에 걸쳐 보존하고 포괄적인 흐름 분석을 제공합니다.

Quanergy의 M-시리즈(장거리 MQ-8 포함)는 흐름 관리 작업을 위해 설계되었습니다. 기존 LiDAR가 대칭 빔을 방출하는 것과 달리 MQ-8은 모든 빔을 아래로 향하게 하여 완전한 지면 커버리지를 보장하고 사각지대를 제거합니다. 이 설계는 70m 감지 반경(15,000m²)을 제공하며 필요한 센서 수와 비용을 줄입니다.

LiDAR는 기하학적 데이터만 캡처하므로 얼굴 인식 프라이버시 우려를 우회하여 익명의 규제 준수 교통 모니터링을 제공합니다.

얼굴 인식 관련 프라이버시 문제 극복

SFMTA의 Paul Hoekstra가 프로젝트의 근거와 결과를 설명합니다.

2019년 4월 SFMTA, Cisco, Quanergy와 함께 파일럿을 시작했을 때 처음에는 DSRC 센서를 사용했습니다. 그러나 차량의 1%만 DSRC 신호를 방송하여 교통 흐름 측정에 효과적이지 않았습니다.

3번가, 새 농구 경기장 근처의 5개 교차로에 20개의 LiDAR 유닛을 배치했습니다. 엣지 컴퓨팅은 Cisco TRX 유닛에서 실행되어 Quanergy의 QORTEX 소프트웨어를 구동했으며, 이는 Cisco Kinetic 기반 VM 클러스터로 데이터를 스트리밍하여 주당 약 3,000만 메시지를 저장합니다.

일요일 보고서는 차량 궤적, 타임스탬프, 기점, 목적지, 정차 횟수, 지속 시간, 속도, 이벤트 컨텍스트를 자세히 보여줍니다. 이 교차로 간 연결을 통해 북진 진입 및 우회전 같은 움직임을 정량화할 수 있습니다.

QORTEX의 보정된 로직을 사용하여 진입 및 출구 ID 매칭에서 96% 정확도를 달성했습니다. 보행자의 경우 구역 정의로 연석 존재, 횡단보도 경계, 차량 근접성을 드러내어 벡터와 속도 기반의 니어미스 분석을 가능하게 합니다.

시스템은 익명 모양만 캡처합니다. 차량은 블록으로, 보행자는 점으로 표현되어 개인 데이터가 저장되지 않습니다.

첫 번째 PoC는 데이터 분석에 초점을 맞췄습니다. 두 번째 PoC는 교차로 수를 5개에서 10개로 두 배로 늘려 복도 범위를 확장할 것입니다.

신호 컨트롤러 데이터(루프, 푸시버튼, 레일 센서)를 중앙 플랫폼에 통합하여 양방향 정보 흐름을 생성합니다. 엣지 센서의 객체 분류는 승객 구성(휠체어, 유모차, 자전거)에 기반한 예상 대중교통 정차 시간을 알립니다.

백엔드 분석은 최적 정차 시간(예: 20초 vs 32초)을 추정하고 전체 복도로 외삽합니다.

복도 최적화는 고립된 노드가 아닌 상호 연결된 네트워크로 보는 것을 요구합니다. 잠재적으로 1Hz를 초과하는 고주파 알고리즘 재계산으로 실시간 신호 조정이 가능합니다.

이 알고리즘은 실시간 명령을 신호 컨트롤러에 전달하여 루프를 완성하고 통합 교통 관리를 구현합니다.

샌프란시스코에는 이미 7,000대의 카메라가 있지만 2D 이미지만 제공하고 위치 데이터가 덜 정밀합니다. LiDAR는 우수한 정확도를 제공하고 비와 야간에도 작동하며 시각적 식별과 관련된 프라이버시 우려를 피합니다.

이 프로젝트는 긴급 차량에 우선권을 주고, 대중교통 일정을 최적화하며, 대중교통이 없을 때 차량 플루닝을 촉진하여 복도 효율성을 개선하는 것을 목표로 합니다.