openhash-transportation.md

Table of Contents

1. 첫 번째 자율주행 메커니즘
   • 1.1 도로 오브젝트의 최종 기록 위변조 탐지
   • 1.2 경로를 이탈하는 경우
   • 1.3 차종 간 핸들링 각도 차이
   • 1.4 돌발 상황
   • 1.5 무장애 통신망
2. 두 번째 자율주행 메커니즘
3. 구현
   • 3.1 그루터기 서버
   • 3.2 인터넷 AP
   • 3.3 Bookkeepers
   • 3.4 Telecommunication
   • 3.5 FIFO: First In First Out
   • 3.6 도로 섹션
   • 3.7 실시간 커뮤니케이션
4. Bookkeep의 계층 구조
   • 4.1 가지 Gaji
   • 4.2 나무 Namu
   • 4.3 그루터기 Gruturki
   • 4.4 수풀 Supul
   • 4.5 온누리 Onnuri
5. 교통 계획
   • 5.1 Training
   • 5.2 그루터기 제어모듈
   • 5.3 수풀 제어모듈(하위)
   • 5.4 수풀 제어모듈(상위)
   • 5.5 수풀 제어모듈
   • 5.6 온누리 제어모듈
6. 자율주행
7. 자율주행 인증
8. 적용 시뮬레이션
9. 교통물류 Planning

작성 중의 글입니다. 초고 마감 예정일 2018-02-25, 작성자: 팀 주피터

---

• 이 글은 블록체인과 Hashgraph에 대한 사전 지식을 전제합니다.
• 블록체인에 대한 강좌는 프로그래머를 위한 블록체인 코딩을 참고하십시오.
• Hashgraph에 대한 강좌는 Hashgraph 메커니즘의 이해를 참고하십시오.
• Openhash 기술은 Openhash 요약을 참조하십시오.
• 자율주행 교통물류 네트워크는 Openhash Platform에 기초합니다. 아래 글은 Openhash Platform에 관한 사전 지식을 전제합니다.

본문은 동영상 강좌 블록체인 기반의 국가 교통물류 자율주행 체계로도 제작되었습니다. 참고바랍니다.

블록체인(Openhash) 기반의 글로벌 자율주행 교통물류 네트워크 눈을 감은 채, 친구의 안내에 의지해서 걷는 상황을 가정하자. 친구를 절대적으로 신뢰한다면, 눈을 감고도 쉽게 발을 내딛을 수 있을까? 그럴 지도 모른다. 그러나, 인간 관계에 절대적 신뢰를 제공할 메커니즘은 없다. 걸음이 불안할 수 밖에 없다.

자율주행 차량도 시각에 의존한다. 주행에 소모되는 컴퓨팅 자원의 대부분은 시각적 정보를 처리하는 AI 기능이다. 스탠포드 대학 Convolutional Neural Network - CS231n 강좌. 만약 블록체인 메커니즘이 절대적 신뢰를 제공한다면, 자율주행 자동차는 앞을 보지 않고도 주행할 수 있지 않을까?

Openhash 플랫폼은 앞을 보지 않고서도 고속으로 주행할 수 있게 하는 절대적 신뢰를 차량에게 제공한다. 이전 세대의 블록체인 기술(1~3세대)로는 결코 구현할 수 없는 것이다.

Openhash 기술의 가장 큰 특징 중 하나는 이전의 블록체인 기술이 과거의 기록만 담당할 수 있다면, 4세대 기술에 들어서 미래를 설계하는 영역까지 확장한 것이다. Openhash 플랫폼 기반의 자율주행 교통/물류 네트워크는 자율주행 차량과 지능적 도로망으로 구성된 국가 단위 교통/물류 네트워크를 구성하는 프로젝트이다.

이 프로젝트는 공개 특허 출원에 기초한다.

한국을 예로써 본 실시 예의 동작 메커니즘 두 가지를 설명한다.

1. 첫 번째 자율주행 메커니즘

앞 사람의 걸음걸이를 복제하는 방식이다.

• 일군의 차량 각각에 핸들 조향각도 측정장치를 장착한다.
• 도로 각각의 고유한 ID에 웹 오브젝트(이하, 도로 오브젝트)를 할당하고, 도로 곳곳에 차량 감지 센서를 장착한다.
• 사람이 운전하는 일군의 차량들이 각 도로를 진행하면서 매 초마다, 주행 중인 도로를 표명하는 웹 오브젝트에게 GPS+Timestamp+Handle Angle Data를 전달한다.
• 도로 오브젝트는 전달받은 데이터 Hash를 추가하고, Private Key로 서명한 뒤 Publication한다.
• 따라서, 도로의 각 지점을 통과할 시점의 각 차량의 핸들링 조향 각도 기록은 쉽게 위변조할 수 없는 일련의 블록체인을 구성하게 된다.

그림을 참조하여, 한 차량의 출발지점에서 종료지점까지 각 지점에서 도로 오브젝트가 Publish한 데이터(D1~D9)은 Hash에 의해 상호 연동되며(이하, Hash Chain), 어느 한 데이터를 위변조할 수 없다.

• 어느 한 도로에 들어올 때부터 나갈 때까지 연결되는 일련의 Hash Chain은 하나의 블럭이다.
• 어느 한 지점을 통과하는 차량의 조향 각도 데이터에 하나의 Hash가 할당된다.
• 연속적인 조향 각도 데이터는 Hash Chain을 구성한다.
• Hash Chain은 하나의 Block이다.

교차로, 갈림길, 합치는 길을 마주할 때마다(D5E5), 각각의 도로 오브젝트가 기록한 핸들 조향 각도 데이터의 Hash를 융합한다. 따라서, 전국 도로망의 각 지점을 통과하는 차량의 조향 각도에 관한 어떤 데이터도 위변조할 수 없다.

전술한 과정을 통해 획득한 Data는 다음을 포함한다. 이 데이터는 위변조가 불가능하다.

• 전국의 모든 도로에 대해, 특정 좌표 또는 지점에서 차량의 핸들링 조향 각도(0~180 degree)

이제, 전국의 모든 도로를 비워둔 상황에서 단 한 대의 차량A를 운전하는 사람을 상정하자. 주행 중인 차량A가 도로의 각 지점을 통과할 때, 해당 지점의 조향 각도 정보를 획득할 수 있다. 그러므로, 운전자의 두 눈을 가리더라도 차량 스스로 주행할 수 있을 것이다. Implementation Detail을 차치한다면, 그러하다.

이제 불특정 다수의 차량이 다수의 도로 위를 산재해서 주행하는 상황을 가정하자. 모든 도로는 일방향 도로라 가정한다. 어느 한 차량은 도로로부터 각 지점의 조향 각도 정보를 획득하여, 각 지점 별 핸들링 각도를 결정할 수 있지만, 앞 차량과 추돌할 가능성은 남아있다. 대응책은 다음과 같다.

어느 한 도로 위를 새로운 차량이 진입하여 주행할 때마다, 도로는 Hash Chain을 새로 작성한 다음, 이전의 Hash Chain과 Blockchain으로 연결한다. 하나의 Hash Chain은 하나의 Block임을 상기하라.

그림을 참조하여, 도로 위에 새로운 차량B가 진입하여 주행하면, 차량A가 작성한 이전의 Hash Chain(D1~D9) 블럭과 연결될 새로운 블럭(E1 ~ )이 구성된다. 이들 블럭들을 Hash로 연동하면, 도로별 블럭체인 Blockchain이 도출된다.

차량 B에 이어 차량 C가 진입한다면, 차량C는 차량B에 의해 기록된 특정 지점의 조향 각도 정보와 Timestamp를 참조하여, 안전한 이격 거리를 산출할 수 있다.

이상의 논의를 요약하면,

• Timestamp는 원자 시계에 기초한다.
• 앞 차량이 기록한 조향 각도 정보는 위변조가 불가능하다.

전국의 도로가 일방통행이며, 어떤 돌발적 상황도 없다고 가정하면, 단지 조향 제어 장치와 통신 장치만으로 전국의 모든 차량을 자율 주행 차량 네트워크로 구현할 수 있다. 그러나, 차량의 고장이나, 야생 동물의 도로 진입과 같은 돌발 상황 등에 대한 대처 방안이 없이는 전술한 자율주행 네트워크는 동작할 수 없다. 아래는 돌발 상황 등의 예이다.

• 조향 장치의 정밀도
• GPS 좌표의 정확성
• 차량 고장
• 야생 동물과 같은 도로 위의 돌발적인 장애물
• 무장애 통신망 Fault tolerant network
• 양방향 주행
• 타이어 공기압에 의한 핸들링 오차

그 외에도, 도로 오브젝트의 기록 중 마지막 블록에서 위변조가 발생했을 때, 그를 감지할 방법도 필요하다. 종래의 블록체인의 경우, 거래의 진위 여부를 판명하기까지 상당한 시간이 소요된다. 그러나, 도로를 주행 중인 자동차의 경우, 이전 기록에 대한 즉각적인 진위 판명이 필요하다. 판단이 0.1초만 늦어도 대형 사고로 연결될 수 있다.

또 다른 문제는 길을 벗어나게 되면, 정확한 조향 복제 Synchronization가 아무 의미없다.

이하, 전술한 문제점 각각의 해결 방안을 살펴보자.

1.1 도로 오브젝트의 최종 기록 위변조 탐지

1001번 도로 위를 CAR A, CAR B, CAR C 순서로 주행했다고 가정하자. 조향 각도 기록을 남기는 교통수단은 최초 주행 교통수단인 A이며, 나머지 교통수단들은 특정 지점을 통과한 시각(Timestamp)를 남다. 새로이 출발하는 D는 A가 남긴 조향 각도와 A, B, C가 남긴 Timestamp를 참조하여 주행하게 된다.

각 지점별 조향 각도의 진위 여부는 CAR A에 의해 결정되고, CAR A는 국가 교통망을 구성할 국가 기관의 소관이므로, 옳다고 가정한다. 만약, 거짓이 있다면, (1) 교통수단 주행 시뮬레이션으로 탐지될 수 있고, (2) 이어지는 교통수단의 소통에 의해 탐지될 것이다.

문제는 D가 참조할 Timestamp A1, A2, B1 … B3, C1 ...C11, A17, A18의 진위 여부이다.

• A1, A2가 위변조되면, A1 ~ A18이 위변조된다.
• B1, B2, B3이 위변조되면, B2 이하도 위변조된다.
• C1/~C6는 B4/~B9 각각보다 늦은 시각일 수 없다.

위변조를 어렵게 만드는 추가적인 몇 가지 제약이 있다.

• 교차로와 갈림길 등에서 각 도로 오브젝트 기록들 간의 Hash Mix가 발생한다. 따라서, 어느 한 도로의 어느 한 기록을 위변조하려면, 전체 도로의 전체 기록을 위변조해야 한다.
• 모든 교통수단에 장착된 시계를 원자 시계에 동기화한다. 따라서, 후술하는 그루터기, 수풀 서버 등에 의해 거짓된 정보는 기록되지 않고, 기록된 정보는 위변조될 수 없다.

1.2 경로를 이탈하는 경우

오차범위 1cm 내외의 고정밀 GPS 시스템을 전제한다.

이미 경로를 이탈했다면, 이전 교통수단의 조향 각도에 맞춰 주행해도 엉뚱한 길로 갈 수 밖에 없다. 다양한 경로 보정 메커니즘이 있다. 초음파나 적외선을 이용한 거리 센서는 저렴한 해결 방안이다. 다양한 오차 보정 메커니즘이 널리 알려져 있다. 특히, 머신러닝(ML) 방식을 채용한다면,  그 과정은 다음과 같다.

• 가드레인, 경사 구간과 회전 구간이 적절히 포함된 10km 길이의 시험 운행 도로를 준비한다. 
• 10m 간격으로 센서와 Bluetooth AP를 설치하고, 해당 지점을 통과하는 각 차량에게 GPS 좌표와 조향 각도를 전송한다.
• 가드레인에 부딪히지 않고 완주할 때까지 트레이닝(Training)을 계속한다.
• 주행 속도를 점차 높인다.

1.3 차종 간 핸들링 각도 차이

차종에 따라서, 같은 차종도 연식이나 상태에 따라, 핸들링 정도와 조향 각도 간의 상관 관계가 상이할 수 있다. 개별 교통수단 고유의 핸들링 특성은 전술한 Machine Learning으로 파악될 수 있다.

1.4 돌발 상황

교통수단 고장이나, 무단 횡단, 도로 위 장애물과 같은 돌발 상황은 다른 교통수단의 통행을 방해하지 않는 안전한 장소로의 긴급 대피와 같은 회피 기동, 초음파 센서로 장애물 탐지 후 조치 요청 등의 방법으로 해결될 수 있다.

1.5 무장애 통신망

블록체인 기반 자율주행 메커니즘은 장애없는 통신망을 전제하며, Mesh Network로 구현될 수 있다.

2. 두 번째 자율주행 메커니즘

고정밀 디지털 나침판(high precision digital compass)으로 도로 위의 두 지점 간의 각도를 측정한 뒤, 진행 차량의 조향 각도를 도출할 수 있다. 아래 그림에서 Blue line은 차량의 진행 방향이다.

동서남북 및 고도는 X, Y 및 Z 축으로 표현된다. 3차원 공간 내의 두 지점은 오차 1cm 내외의 GPS 좌표로 표현된다. 좌표는 위도, 경도, 및 고도를 포함한다.

theta(θ)값으로 조향 각도를 결정하고, phi(φ) 값으로 엑셀의 강도를 결정할 수 있다. 엑셀 강도는 오르막에서 플러스(+), 내리막에서 마이너스(-) 값을 가진다. 차량 별로 고유한 조향 특성은 전술한 머신러닝에 의해 학습(training)될 수 있다.

3. 구현

전술한 아키텍처를 기반으로 실제 동작하는 국가 자율운영 교통/물류 네트워크의 구현 과정을 상세히 기술한다. UN 193개국 각각에 구성되는 것을 가정한다.

구현에 사용될 기술, 패러다임과 도구는 다음을 포함한다.

• node.js
• Functional Reactive Paradigm
• Cycle.js JavaScript Framework
• RxJS library
• VS Code
• TensorFlow
• Google Cloud Functions
• Google Cloud Platform

3.1 그루터기 서버

고유한 ID를 가진 도로는 GPS 좌표를 따라 일정한 간격으로 Transaction을 구성하고, 각 지점을 통과하는 교통수단으로부터 Transaction Data(= TxData)를 수집한다.

그림을 참조하여, 네 대의 교통수단(A, B, C, D)이 생산한 정보는 각기 하나의 블록을 구성한다. 가령, Car A는 A1~A18 TxData로 구성되는 하나의 블록을 구성한다.

TxData를 생성하는 규칙은 다음과 같다.

• 같은 블록에 속하는 이전 TxData가 있으면, 이전 TxData의 Hash를 포함한다.
• 이전 블록에 속하는 같은 지점의 TxData가 있으면, 해당 TxData의 Hash를 포함한다.
• 어느 한 지점을 통과하는 최초의 교통수단은 Timestamp, 조향각도, 브레이크, 엑셀레이터 정보를 제공한다.
• 같은 지점을 통과하는 이후의 교통수단은 Timestamp 정보만 제공한다.

TxData는 수직 방향과 수평 방향 양쪽으로 Hash 정보를 연동하므로, 어느 한 TxData의 위변조는 해당 TxData가 속한 블록뿐 아니라, 연관된 모든 블록의 Hash Chain을 깨트린다.

그림은 도로 1001을 연속적으로 통과한 교통수단 네 대가 생산한 TxData 정보이다.

그림을 참조하여, TxData D3는 D2와 C5의 Hash를 포함하고, C5는 C4와 B3의 Hash를 포함하며, B3는 B2와 A6의 Hash를 포함한다. 따라서, 어느 한 TxData의 Hash가 오염되면, 연결되는 모든 블럭의 Hash가 해체된다.

도로 1001이 교통수단들로부터 수집한 TxData는 IPv6 Protocol을 통해 계층적으로 구성된 서버(Bookkeeper)로 전송된다.

3.2 인터넷 AP

어떤 용도로든, 도로에 일정한 간격으로 인터넷 AP를 설치하는 것은 필수적이다.

Internet AP(Access Point)가 차량을 감지할 때마다, 해당 차량의 고유한 ID를 서버에 전송할 수 있다. 또는, 차량이 AP의 고유한 ID가 포함된 데이터에 서명을 추가하여, 서버에 전송할 수 있다. 어떤 경우든, 서버는 데이터 접수 시각, AP의 ID 및 차량 ID를 통해, 특정 도로의 교통 상황을 모니터할 수 있다.

차량이나 AP가 매번 Hash가 포함된 데이터를 생성할 필요는 없다. 다음과 같은 시나리오도 가능하다.

• 차량이 AP를 감지한다.
• 차량의 고유한 ID와 현재 GPS 좌표, Timestamp를 전달한다. 이 데이터는 차량의 서명이 없다.
• AP는 자신의 고유한 ID와 차량으로부터 전송받은 데이터를 결합하여, 서버로 전송한다.
• 차량은 일정한 주기(가령, 60-seconds)로 자신의 서명이 포함된 데이터를 전달한다.

3.3 Bookkeepers

그림을 참조하여, 온누리는 지표면 전체 면적을, 수풀은 어느 한 국가, 주나 성 및 시군구를 담당하고, 그루터기는 읍면동 단위를 담당하는 교통물류 서버이다. 수풀은 그 자체가 계층적으로 조직된다. 가령, 온누리는 세계 전역을, L4 수풀은 한국을, L3 수풀은 시울 특별시를 담당하고, 그루터기는 강남구 내의 TxData를 기록할 수 있다.

• 온누리 서버는 수풀과 수풀을 오가는 교통수단이 생산하는 TxData를 기록한다.
• 수풀은 하위 수풀들 간을 오가거나, 그루터기와 그루터기를 오가는 교통수단이 생산하는 TxData를 기록한다.
• 그루터기는 어느 한 그루터기 내에서 교통수단이 생산하는 TxData를기록한다.
• 나무는 중앙 차선이 있는 도로의 TxData를 기록한다.
• 가지는 중앙 차선이 없는 도로의 TxData를 기록한다.

3.4 Telecommunication

모든 서버는 XMPP 서버이며, 모든 커뮤니케이션은 XMPP에 의한다. 교통물류는 실시간 커뮤니케이션이 필수적이다. 그를 위해, 데이터 전송량을 최대한 줄여야 한다. 이하의 설명은 Openhash Platform에 관한 지식을 전제한다. 화살표는 통신 방향이다.

3.4.1 클라이언트 => 서버 

• 어느 한 도로에 진입하는 차량은 자신의 IPv6 주소, 현재 시각, 현재 GPS 좌표를 포함하는 데이터 뭉치를 서버에 전송한다. 이 때의 주소, 시각 및 GPS 좌표는 완전한 형태(년, 월, 일, 시, 분, 초, 밀리 초)이다.
• 두번 째 전송하는 데이터 뭉치부터 반복되는 정보를 생략한다.    - 시각의 경우, 년, 월, 일, 시, 분, 초 정보를 생략하고, 밀리 초 정보만 포함한다. 따라서,데이터 용량을 약 1/6로 줄일 수 있다. 초(sec) 단위가 바뀔 때만 새로운 초 정보를 포함한다. 분(min과 시(hr)도 마찬가지이다.    - GPS 좌표의 경우, 시분초를 생략하고, 밀리 초(1/1000) 정보만 포함한다. 물론, 시분초 단위가 바뀌는 지점에서 새로운 시분초 정보를 포함하는 것은 이전과 동일하다.

3.4.1 서버 => 클라이언트(차량)

클라이언트가 서버에 접속하는 첫 순간, 서버는 각 차량에게 다음 두 정보 중 하나를 전달한다.

• 첫 번째 메커니즘에 의한 각 지점 별 조향 각도
• 두번 째 메커니즘에 의한 각 지점 별 GPS 좌표(위도, 경도, 고도)

[Openhash Platform]의 커뮤니케이션 규칙을 기억하라. 차량은 서버에게 각 차량의 고유한 JabberID와 IPv6 주소를 전달한다. 클라이언트는 128-bits로 구성된 IP 주소의 Interface ID로부터 2-bytes(16-bits = 65,536대의 차량에 고유한 ID를 부여할 수 있다.) ID 또는 1-byte(8-bits = 256대의 차량에 고유한 ID를 부여할 수 있다.) ID를 추출하여 해당 차량의 고유한 ID를 생성한다.고유한 ID에 JabberID를 매핑한다. 따라서, 이후의 클라이언트-서버 통신에서, 그루터기와 차량 간에 오고가는 데이터에 포함된 클라이언트의 JabberID와 IPv6 주소 데이터 크기를 약 1/9로 줄일 수 있다.

3.5 FIFO: First In First Out

특정 도로를 이용하는 두 차량의 출발지와 목적지가 같다면, 해당 도로에 먼저 진입한 차량이 먼저 빠져 나간다. 도로 위를 주행 중인 차량은 자신의 GPS 정보와 시각을 서버에 전송하므로, 서버는 해당 도로를 주행 중인 차량들 모두에 대해, 도착 지점을 기준으로, 가장 빨리 빠져 해당 도로를 나갈 차량부터 가장 늦게 빠져 나갈 차량까지 차량들 간의 주행 순서를 파악할 수 있다.

사고 예방 측면에서, 어느 한 차량은 오직 자신과 자신의 앞 차량 간의 간격만 고려하면 된다. 그러므로, 서버는 차량 A에게 차량 B의 현재 위치를 전송하고, B에게 C의 현위치를 알려준다. 각 차량이 앞차와 일정한 이격 거리를 유지한다면, 사고가 발생할 가능성은 현저히 낮아진다.

3.6 도로 섹션

길이 465km의 경부 고속도로를 예로서, 고속도로 위의 차량이 다른 모든 차량의 위치 정보를 획득할 필요는 없다. 전후 몇몇 차량의 위치와 속도 정보만으로 사고를 예방하기에 충분한다. 그러므로, 서버는 도로 위의 각 차랑 각각에게 일부 차량에 대한 정보만 전달한다. 그 방법은 다음과 같다.

도로를 1km단위로 다수의 섹션으로 분할하고, 각 섹션에 고유한 IP 주소를 할당한다. 어느 한 섹션에 소속된 차량은 전후 섹션에 소속된 차량에 관한 정보를 서버로부터 전송받는다. 서울에서 부산에 이르는 전 구간을 주행하는 차량은 465개의 섹션을 순차적으로 통과하며, 그 때 그 때 새로운 섹션을 할당받게 된다.

3.7 실시간 커뮤니케이션

주행 차량과 서버 간의 소통은 실시간으로 이뤄져야 한다. 실시간이란 클라이언트가 메시지를 전송한 시각과 서버가 메시지를 접수한 시각 또는 그 반대 방향의 시간 차가 1/1,000초(= 1msec) 이내임을 의미한다.

그러므로, 서버는 load 변화에 신축적으로 대응할 수 있어야 하고, 응답 속도가 느린 클라이언트는 도로에서 사전에 정해진 규칙에 따라 퇴출 프로세스를 작동할 수 있어야 한다.

실시간 소통의 한 가지 방법은 서버와 클라이언트 간의 Port를 일정한 기간 동안 항상 열어두는 것이다. 가령, 서울에서 출발하여 부산에 도착할 예정인 차량과 서버는 주행하는 동안 특정 Port를 열어둘 수 있고, 따라서 두 머신은 각기 상대방은 자신의 메모리에 상주하는 파일로 간주할 수 있다.

4. Bookkeep의 계층 구조

이하의 설명은 [Openhash Platform]에 기술된 서버의 계층구조를 전제한다.

도로는 다음을 포함한다.

• 편도 또는 차선없는 도로
• 왕복 2차선
• 왕복 4차선
• 왕복 6차선 이상
• 궤도와 철도
• 항공 항로
• 선박 항로
• 교통수단은 다음을 포함한다.
• 자동차
• 전철과 열차
• 선박
• 항공기
• 드론

4.1 가지 Gaji

하나의 가지는 단독주행하는 한 대의 차량이다. <image: Google>

4.2 나무 Namu

군집 주행하는 일련의 차량들이다. 군집 주행은 주행 에너지 효율을 현격히 높일 수 있으나, 초고속 통신망과 차량 체결장치를 전제한다.

4.3 그루터기 Gruturki

그루터기는 읍면동 단위에 할당된 교통제어모듈이다. 출발지와 도착지가 모두 어느 한 읍면동 내부에 있는 교통수단의 교통 계획을 수립하고 집행한다.

4.4 수풀 Supul

수풀은 국가, 주 State, 광역시, 및 시군구 단위에 할당된 교통제어모듈이다. 출발지와 도착지가 그루터기에 속하지 않는 교통수단의 교통 계획을 수립하고 집행한다.

4.5 온누리 Onnuri

온누리는 세계 단위에 할당된 교통제어모듈이다. 출발지와 도착지가 수풀에 속하지 않는 교통수단의 교통 계획을 수립하고 집행한다.

5. 교통 계획

자율주행 교통수단의 출발 시각, 경로, 속도 및 도착 시각은 그루터기, 수풀 및 온누리에 할당된 교통제어모듈에 의해 결정된다.

교통제어모듈의 작성 과정은 Machine Learning 또는 Artificial Intelligence 기법을 주로 사용한다. 특히, Berkeley 대학 CS188 강좌를 한국어 강좌로 재구성한 Pacman 알고리즘을 참조하라.

5.1 Training

자율주행 차량의 교통 플랜을 작성하는 원리는 경로 검색 알고리즘과 머신러닝에 의한다. 기술적 상세는 [대한민국 특허 출원 공개 - 자율주행 차량 및 시스템] ()을 참조하라.

• 서버에 도로와 신호등, 건널목 등이 표기된 지도를 입력한다.
• 지도 상의 도로를 따라 주행하는 하나의 차량 오브젝트를 입력한다.
• 출발 지점과 도착 지점을 입력한다.
• 최단 시간에 목적지에 도달할 최적 경로를 도출한다.
• 차량의 수를 늘려가며, Training을 지속한다.

5.2 그루터기 제어모듈

모든 교통 플랜을 실제로 집행하는 모듈이다. 그 역할은,

• 출발지와 도착지가 어느 한 읍면동 내부에 있을 때, 해당 교통 플랜의 작성과 집행을 담당한다.
• 수풀로부터 전달된 교통 플랜을 집행한다.

5.3 수풀 제어모듈(하위)

하나의 수풀은 하나 이상의 그루터기로 구성된다. 하위 수풀 모듈은 출발지와 도착지가 어느 한 시군구 내부에 있을 때, 해당 교통 플랜의 작성과 집행을 담당한다.

• 출발지와 도착지 간의 최적 경로를 도출한다.
• 도출된 최적 경로를 관련된 가지와 나무 모듈에 전달한다.

5.4 수풀 제어모듈(상위)

하나의 상위 수풀은 하나 이상의 하위 수풀로 구성된다. 상위 수풀 모듈은 출발지와 도착지가 어느 한 도, 광역시 내부에 있을 때, 해당 교통 플랜의 작성과 집행을 담당한다.

• 출발지와 도착지 간의 최적 경로를 도출한다.
• 도출된 최적 경로를 관련된 나무 모듈에 전달한다.

5.5 수풀 제어모듈

하나의 수풀은 하나 이상의 상위 그루터기 모듈로 구성된다. 수풀 모듈은 출발지와 도착지가 어느 한 국가 또는 주 내부에 있을 때, 해당 교통 플랜의 작성과 집행을 담당한다. 출발지와 도착지 간의 최적 경로를 도출한다. 도출된 최적 경로를 관련된 나무 모듈에 전달한다.

5.6 온누리 제어모듈

온누리 모듈은 유일하며, 하나 이상의 상위 수풀 모듈로 구성된다. 온누리 모듈은 출발지와 도착지가 둘 이상의 국가 또는 주에 산재할 때, 해당 교통 플랜의 작성과 집행을 담당한다.

• 출발지와 도착지 간의 최적 경로를 도출한다.
• 도출된 최적 경로를 관련된 나무 모듈에 전달한다.

수풀 서버가 도출한 경로를 그루터기 모듈에 전달하는데 주목할 필요가 있다. 모든 교통 플랜의 집행은 오직 그루터기 모듈에 의한다.

6. 자율주행

먼저 제주도 지도 위에서 시뮬레이션을 진행하고, 이어 실제 차량으로 테스트한다.

그림과 같이 출발지점과 도착 지점을 지정한 뒤, 한 대의 가상(Virtual) 차량이 도로 가장자리 라인(Line)이 닿지 않고 목적지에 도착하도록 훈련한다(짙은 색은 장애물).

이어, 제주도의 도로 지도를 이용하여, 한 대의 가상(Virtual) 차량이 주행 방법을 학습한다.

• 제주도 전역을 읍면동(그루터기)과 시군구(하위 수풀) 단위로 분할하고, 전체를 하나의 상위 수풀로 묶은 뒤, 계층적인 제어모듈을 할당한다. 각 제어모듈의 역할은 전술한 바와 같다.
• 한 대의 가상 차량 A가 도로를 주행하면서 조향 각도, Timestamp, 브레이크, 엑셀레이터 정보를 포함하는 TxData를 생성하여, 각각의 도로 오브젝트에 기록한다.  
• 새로운 가상 차량 B가 이전의 차량 A가 남긴 조향 각도만을 참조하여 주행하는 방법을 훈련한다.
• 이어 복수의 가상 차량들(C, D, E, …)이 각기 이전의 차량이 남긴 조향 각도와 Timestamp를 참조하여 동시에 주행하는 방법을 훈련한다.

Coded Korea

• 주행 중인 자율주행 차량들 간의 간격은 1~10cm로 줄일 수 있다.
• 차량 간격이 좁을수록 돌발 상황(이를테면, 무단횡단자)이 발생할 가능성이 낮다.
• 차량들 간의 소통은 실시간이다.

따라서, 다음 섹션의 시뮬레이션에서 보듯, 도로 이용률을 현저히 증가시킬 수 있다.

7. 자율주행 인증

아래 내용은 AI의 Reinforcement Learning에 관한 지식을 요구한다. 인공지능 강좌 중 Berkeley 대학 CS188 한국어 강의를 참조하라. 사람의 운전면허 자격 시험처럼, 차량도 자율주행 자격 시험이 필요하다. 사람과 달리, 차량은 시험장에서 자율주행을 배운다.

8. 적용 시뮬레이션

아래 그림은 한국의 교통량 순위(자료: 국토교통부)이다.

이들 도로는 왕복 8~12차선이다. 약간의 가정과 더불어, 자율주행 도로 편도 1차선(= 왕복 2차선)으로 현재의 교통량을 전부 소화할 수 있을 지 여부를 간단히 계산해 볼 수 있다.

• 각 도로는 평균 10차선이다.
• 각 차선을 주행하는 차량들의 속도는 일정하다.
• 주행 중인 차량들 간의 평균 간격은 100m이다.
• 차량 1대의 길이를 평균 9m이다.
• 각 도로의 2개 차선(= 왕복 2차선)이 자율주행 도로이다.
• 자율차량들의 평균 주행 간격은 1m이다.
• 따라서, 자율차량의 도로 이용률은 종래의 10배 또는 1,000%이다.

강남대로의 경우, 왕복 12차선 대로를 하루 170,000대가 이용한다. 자율주행 도로를 왕복 2차선으로 하면, 도로 총용적의 60%로 교통량을 소화할 수 있다.

그러나, 현실은 이론과 다르다. 강남대로 등 일부 도로만 자율주행 도로를 설치한다면, 일반 도로와의 연결 지점에서 병목 현상을 피할 수 없다. 그러므로, 교통물류 Planning이 필요하다.

9. 교통물류 Planning

자율주행 차량이 단독으로 자율주행할 수 있게 하는 메커니즘과 별도로, 서버는 전체 자율주행 차량들 각각의 교통 계획을 수립할 필요가 있다. 그 목표는 교통 물류에 의한 사회적 가치 생산의 총합이 최대가 되게 하는 것이다.

그루터기, 수풀 등의 서버는 관할 권역 내의 교통물류 계획을 수립한다. 이 과정은 전형적인 ML 알고리즘, 특히, 규칙 기반 AI에 의한다.

• Deep Neural Net을 구성한다.
• 디지털 지도를 준비한다.
• 디지털 지도 위에 100대의 차량을 무작위로 배치하고, 각각의 도착지를 지정한다.
• 신호등, 건널목, 교차로 등과 관련된 규칙을 지정한다.
• 목표를 달성할 때까지, RL을 반복한다.

주피터 팀은 향후 자율주행과 오픈해쉬를 결합하여 자율주행산업 쪽으로 프로젝트를 진행할 계획도 있으신 건가요?