플릿 관리 혁신: 더 스마트한 운영을 위한 AI와 IoT 통합

사물인터넷(IoT)에 인공지능을 적용하는 것이 의료, 제조, 운송 등 산업 전반에 걸쳐 급속한 혁신을 주도하고 있습니다.

IoT가 데이터 수집을 위한 원격 센서 시스템 개발에 초점을 맞춘다면, AIoT(Artificial Intelligence of Things)는 이러한 시스템들을 연결해 집단 지성을 창출하며, 궁극적으로 시스템의 각 노드를 더 똑똑하게 만듭니다. 지능형 인지, 엣지 컴퓨팅, 자율 기능을 결합해 인간에서 영감을 받은 의사결정을 저비용, 대규모, 고정확도로 자동 처리할 수 있게 합니다.

이 기술은 이미 오늘날 많은 상용 운송 시스템, 특히 플릿 안전의 중추를 형성하고 있습니다.

AIoT는 인간이 효율적으로 처리할 수 없는 막대한 양의 데이터를 생성하는 분야에 특히 유용합니다. 운송 산업에서 차량이 생성하는 데이터 양은 플릿이 기술 발자국을 확대하고 최신 첨단 운전자 지원 시스템(ADAS)을 채택함에 따라 매일 증가하고 있습니다.

비디오와 차량 데이터의 결합은 안전 위험 감지와 완화에 필수적이지만, 대부분의 플랫폼은 그 모든 데이터를 클라우드에서 처리, 분석, 해석할 스토리지나 컴퓨팅 역량이 부족합니다. 더구나 상용 차량에 흔히 설치되는 장치들은 고해상도 데이터를 생성해 클라우드 전송을 경제적으로 감당하기 어렵게 만듭니다.

이에 대응해 AIoT 기술은 차량 내외부 장치의 머신러닝 역량과 클라우드 처리 환경의 컴퓨팅 파워를 결합합니다. 이 통합 접근법은 설치된 장치가 데이터를 요약하거나 축소해 클라우드로 전송해야 했다면 손실되었을 고급 통찰력을 추론할 수 있게 합니다.

AIoT 시스템은 독특하게 양방향적입니다. 수백 개의 차량 탑재 장치에서 데이터를 모아 추세를 식별하고, 이는 다시 그 장치들이 미래에 내릴 결정에 영향을 줍니다.

탑재 장치는 차량의 다양한 지점에 설치된 머신러닝 알고리즘과 센서를 기반으로 끊임없이 AI 기반 결정을 내립니다. AIoT 시스템에서 모든 결정의 이유가 클라우드 처리 환경에 업로드되면, 수많은 장치 그룹의 데이터와 통찰력을 살펴 공통 추세를 파악할 수 있습니다. 이 정보는 다시 장치의 머신러닝 알고리즘 업데이트로 전송됩니다. 수집된 '크라우드소싱' 지능의 루프에 참여하는 노드가 많을수록 각 노드는 더 똑똑하고 더 잘 수행됩니다.

보너스로, AIoT 시스템은 차량 센서 밖에서 수집된 정보(날씨 예보, 교통 상황, 도로 위 위험 사고 등)도 공유할 수 있습니다. 운전 행동 데이터 위에 레이어로 얹어지면, 이 통찰력은 장치가 날씨 조건에 맞는 최적 경로부터 가장 적절한 속도까지 모든 것에 대해 실시간 결정을 내리는 방법을 가르칩니다.

상용 트럭 안전 시스템은 AIoT의 혜택을 용어가 채택되기 훨씬 전부터 실현해 왔습니다. 예를 들어, AIoT는 운전자에게 적시 셀프 코칭을 제공하는 데 흔히 사용됩니다. 차량 내 ADAS 센서는 안전 위험을 실시간으로 운전자에게 경고해 충돌 발생 전 시정 조치를 취할 수 있게 합니다.

최근에는 AIoT가 '앉아 있는 표적(sitting ducks)', 즉 위험한 구간에 주차된 상용 트럭을 식별하고 플릿 관리자에게 경고하는 데조차 배치되었습니다. 이 경우 머신러닝 시스템은 특정 장소에 주차된 차량의 안전 위험을 반영하는 복잡한 이벤트 시퀀스를 평가합니다.

트리거 관리는 운송 안전의 핵심입니다. 적절한 알림을 적절한 시기에 보내면 플릿을 값비싼 충돌로부터 구하고, 가장 중요한 생명을 구합니다. 안전 플랫폼이 플릿의 모든 차량에서 데이터를 가져와 클라우드에서 실제 안전 결과와 연관 지으면, AIoT는 탑재 장치가 운전자에게 올바른 신호로 효과적으로 알릴 수 있게 합니다. 적절한 순간에 운전자에게 경고하는 능력은 엣지 처리, 낮은 지연 시간 알림, 가능한 시정 조치를 요구합니다. 장치들이 엣지에서 작동하며 서로 다른 이벤트의 지속적인 스트림을 클라우드로 보내는 것과 달리, AIoT는 이 장치들이 가장 위험한 행동을 식별, 우선순위화, 대응하도록 가르칩니다.

상용 운송 부문에서 AIoT 기술은 오늘날 가장 중요한 운전 위험인 주의 산만, 기상 조건에 맞지 않는 과속, 역사적으로 위험한 도로 구간에 주차하는 것 등을 해결할 잠재력을 가지고 있습니다.

어떤 날이든 우리는 이미 전국에서 가장 위험한 도로가 어디인지 알고 있습니다. 이 정보를 라우팅 시스템에 연결해 모든 운전자가 자신의 차량이나 운전 실력에 가장 안전하고 효율적인 경로를 선택하도록 돕는 영향을 상상해 보십시오. 크라우드소싱되면 이 기술은 지방, 주, 연방 기관이 포트홀 같은 위험한 도로 요소에 대응하고 도로와 고속도로 설계 시 새로운 안전 전략을 배치하도록 안내할 수도 있습니다.

데이비드 와그스태프는 비디오 기반 안전 및 운송 인텔리전스 제공업체인 SmartDrive Systems의 분석 부문 부사장입니다.