자율주행 차량, 디지털 트윈 및 대중교통의 미래 | 스마트 시티 제3부

Author: Chen Gabay

여러분은 주로 어떤 교통 수단을 사용하고 계시나요? 도시가 더 커지고 복잡해지면서 자가용보다는 편리한 대중교통이 더 주목을 받고 있습니다. 전 세계 도시에서 이미 테스트되고 있는 자율주행 버스 및 셔틀과 같은 새로운 기술은 획기적인 솔루션을 제공합니다. Cognata의 4D 모델인 동적 디지털 트윈과 AI 모빌리티 레이어는 이러한 기술을 결합하여 이 유망한 기술과 그 효과를 보다 안전하고 비용 효율적인 방식으로 검증하고 테스트하는 데 도움이 되는 혁신적인 방법을 제공합니다.

미래 도시의 대중교통: 더 나은 솔루션을 향한 연구

전 세계의 많은 대도시는 유사한 트렌드를 보여주는데, 대중교통이 주요 이동 수단이라는 것입니다. 자가용이 도로를 가득 채우고 수천 대를 수용하는 주차 공간을 필요로 하는 대신, 편리한 대중교통은 교통 혼잡을 줄이고 공기 오염을 줄이며 귀중한 주거 및 상업 공간으로 되돌리는 데 도움이 될 수 있습니다. 기차, 버스, 택시, 자전거 대여 및 스쿠터는 사람들이 선호하는 교통 수단을 저렴한 비용으로 이용할 수 있게 해줍니다. 그러나 도시 규모가 커지고 인구 밀도가 높아지면서 훨씬 더 효율적이고 효과적인 대중교통의 필요성이 그 어느 때보다 높아졌으며 더 나은 방법에 대한 연구도 증가하고 있습니다. 대중교통을 개선하기 위한 노력의 일환으로 자율주행 차량, IT 및 빅데이터와 같은 신흥 기술이 개발되고 있습니다.

자율주행 차량: 대중교통의 게임 체인저

대중교통을 개선할 수 있는 유용한 방법 중 하나는 다양한 이점을 제공하는 자율주행 차량의 진화하는 기술을 활용하는 것입니다. 우선, 운송업체는 수요에 따라 버스 및 셔틀과 같은 다양한 규모의 교통 수단을 사용하면서 보다 유연한 방법으로 연중무휴 24시간 차량을 운영할 수 있습니다. 이러한 자율주행 차량은 고정 경로, 동적 경로, 첫차와 막차 배차에 사용할 수 있습니다. 또한 연결된 자율주행 버스와 셔틀은 보다 효과적이고 지속적이며 안전한 통행을 위해 도로에서 서로 통신할 수 있습니다. 결과적으로 운송업체는 차량을 관리하고, 더 지속 가능하고 효율적인 방식으로 대중에게 서비스를 제공할 뿐만 아니라 비용을 낮추는 동시에 도시의 교통 혼잡과 공기 오염을 줄이는 데 일조할 수 있습니다.

전 세계 여러 도시에서는 이미 자율주행 차량 및 셔틀을 위한 테스트 프로그램을 시행한 후 AV에 대한 체계적인 규제 체계를 수립하는 단계로 나아가고 있습니다. 이러한 자율주행 차량은 대부분 대학 캠퍼스, 산업 지역, 공항 등과 같은 특정 경로에서 저속으로 통행합니다. 이러한 차량은 어떠한 문제든 즉시 대응할 수 있고 필요한 경우 원격 조작을 수행할 수 있는 회사에서 관리합니다. 이러한 자율주행 차량 시범을 통해 대중은 이 새로운 기술이 교통 요구사항 문제를 해결하는 잠재력에 대한 신뢰를 가질 수 있지만 여전히 대중은 주저하고 있습니다.

동적 디지털 트윈: 자율주행 대중교통의 통합 가속화

자율주행 대중교통이 막대한 잠재력을 가지고 있음에도 불구하고 일부 지자체와 시민들은 여전히 이 새로운 기술을 도시 환경에 통합하는 데 신중한 입장을 취하고 있습니다. 이러한 우려는 버스와 셔틀이 대형 차량이고 AI가 주변 환경을 인식하고 잠재적인 위협을 “인지”할 수 있는 최상의 센서를 보유해야 하기 때문이라고 이해됩니다. 자율주행 차량이 도로에서 통행할 수 있도록 인증을 받으려면 정기적이고 극단적인 안전 사고에 대해 트레이닝되고 테스트되어야 합니다. 연구에 따르면 자율주행 차량이 인간 운전자보다 더 안전하게 주행하려면 약 88억 마일(약 140억 km)을 주행해야 합니다. 그러나 AI 및 센서를 테스트하고 검증하는 데 AI 모빌리티 레이어가 있는 Cognata의 동적 디지털 트윈과 같은 가상 시뮬레이션을 사용하면 이 거리를 크게 줄일 수 있습니다.

동적 디지털 트윈은 도시 환경과 대중교통 수단의 경로를 동일하게 구현할 수 있습니다. 이러한 가상 모델을 사용하여 인공 안전 위험물, 다양한 도로 및 날씨 조건과 같은 일반적이고 극단적인 시나리오에서 자율주행 차량의 AI를 검사, 테스트 및 검증할 수 있습니다. 다양한 시나리오를 통해 AV가 다른 통행 차량, 오토바이, 자전거 탑승자 및 도로에 취약한 기타 사용자에게 어떻게 반응하는지 테스트할 수 있습니다. 이러한 가상 모델은 또한 도시 기획자들이 도시 환경에 자율주행 버스 및 셔틀을 통합하는 방안을 검토하고, 최상의 안전한 경로와 속도를 선택하고, 계획에 대한 다양한 대안으로 자율주행 대중교통의 동작을 검토할 수 있는 유용한 방법이 될 수 있습니다. 버스 전용 차선이 교통 혼잡과 안전에 미치는 영향을 예로 들 수 있습니다. 이외에도 가상 모델과 첨단 안전 테스트는 이 기술에 대한 대중의 수용을 촉진하는 데 도움이 될 수 있습니다.

Cognata의 동적 디지털 트윈: 자율주행 대중교통의 통합을 앞당기는 혁신적인 방법

자율주행 차량은 도시의 대중교통을 크게 개선하는 데 도움이 되지만, 안전이 최우선이며 대중의 신뢰를 얻어야 합니다. 자율주행 차량의 동적 모빌리티 레이어가 포함된 Cognata의 4D 모델은 자율주행 대중교통의 개발을 가속화하고, 비용을 절감하며, 도시와 도시 기획자가 이러한 기술이 어떻게 모두에게 이익이 되도록 도시 환경을 변화시키는지 이해하는 데 도움이 될 수 있습니다.