AI로 교통 문제를 해결하세요

컨텐츠 작성자가 되어 선생님들에게 다시 환영합니다! 이번에는 AI 관련한 비디오를 준비했습니다. 이것을 준비해보기로 한 이유는 이전에 성공적이었기 때문입니다. 먼저 간단한 배경과 사연을 알려드리겠습니다. 저는 오하이오 주에서 온 선생님입니다, 더 자세히 말하면, 시간을 두었으면 합니다. 제가 인턴십을 위해 네 개월 전에 보스턴에 이사를 갔었던 것이죠. 그리고 이 곳에서는 이곳에서 운전하는 사람들은 정말 미친 사람들이라는 사실을 빠르게 깨달았습니다. 사실, 보스턴은 전국에서 운전하기 제일 어려운 도시로 늘 상위권을 차지하고 있습니다. 보스턴 드라이버들은 빨간불을 예의없이 무시하며 운전하고, 무리운전을 일삼는 "회전교차로"라는 것도 있어서, 도로 교통 법규도 전혀 적용되지 않는 원형 교차로죠. 반갑게도 저와 여러 분들을 맞이하는 곳은 Memorial Avenue Rotary입니다. 이 장소는 2011년부터 2013년까지 40번 이상의 차량 사고가 발생했던 곳입니다. 그리고 교통량이 증가함에 따라 사고도 늘어나고 있습니다. 이러한 교통 체증 문제를 해결하기 위해 우리는 AI의 장점을 활용할 방법이 있는지 궁금해했습니다. 당연히 우리는 사람들의 운전 습관을 AI로 바꿀 수는 없습니다. 그렇지만 교통 패턴과 신호등 등 변화를 통해 발생하는 다른 유형의 교통량을 줄일 수는 있습니다. 이 프로젝트에서는 네 방향으로 좌회전 신호를 가지는 일반적인 교차로를 제어하는 AI를 만들었습니다. 이는 실제로 가장 일반적인 교차로 유형 중 하나입니다. 교차로를 구축하기 위해 우선 실제로 교차로를 만들어야 했습니다. 아이디어는 좋았지만, 실제로 구현해야 하는 부분이었습니다. 제가 선택한 언어는 파이썬이었고, 파이게임을 사용하여 교차로를 구축했습니다. 파이썬외의 언어로도 가능하지만, 내가 알고 있는 것은 파이썬이었기 때문입니다. 교차로를 구축한 후에는 각 방향을 나타내는 교통 신호등을 추가해야 했습니다. 주황색, 빨간색, 그리고 좌회전 신호를 포함한 일반적인 신호등을 생각하시면 됩니다. 그리고 재밌는 사실인데, 이 신호등은 실제로 "개집 형태"라고 불립니다. 다음 번 인사에 이용하셔도 좋습니다. 이 신호등은 각 방향마다 10가지 가능한 옵션을 가지고 있습니다. 이렇게 교차로를 구축한 후에는 일반 차량을 넣으면 되는데, 쉽게 말해서 어떤 점이든지 잘 구해주면 됩니다. 제가 아직 모든 사양을 다루지 않길 원하므로 상세 내용은 생략하겠습니다. 그러나 각 차량이 어디에 있는지, 그리고 어디로 가려고 하는지를 저장하는 방법, 그리고 다른 차량을 피하고, 앞에 장애물이 있다면 멈추는 방법을 찾는 것은 꽤 힘든 일이었습니다. 각 차량을 마치 자율주행차처럼 만들기 위한 작업이었고, 그 결과는 완벽하지 않으므로, 차량들이 서로 충돌하거나, 빨간 신호를 놓칠 수 있다는 사실을 알아두시기 바랍니다. 그럼에도 불구하고, 전반적으로 보면 그럭저럭 괜찮은 결과를 얻었습니다. 교재의 나머지 세부 사항은 생략하도록 하겠습니다. 정말로 교차로가 얼마나 복잡할 수 있는지 인식하지 못했을 때가 있는데, 처음 운전을 시작했을 때 일반 교차로라도 컨트롤하기가 어려워하는 것과 비슷한 느낌이었습니다. 그래도 일반적으로 운전을 하다보면 당연히 간주되는 사항 중 몇 가지를 우리는 당연시하기 때문에 그렇게 느끼는 것입니다. 아마도 이 시뮬레이션은 더욱 정확하고 현실적으로 만들 수 있을 것입니다. 보행자를 추가하거나, 사고 발생 시 어떤 일이 일어나는지 추가하는 것도 가능하며, 다른 방식으로도 구현할 수 있습니다. 중요한 요소 중 하나인 교통 패턴 변경도 시뮬레이션에 포함시켰습니다. 실제 세상에서는 네 방향 모두에서 지속적인 교통이 아니기 때문에, 각 시간에 차량이 생성될 확률을 사인파 형태로 매핑했습니다. 이렇게 하면 시뮬레이션 중에 다른 방향에서 차량이 생성될 확률이 다르다는 사실을 알아내고, 그에 따라 계획하여 대응할 수 있게 됩니다. 시뮬레이션이 완성되면, 교통 신호 변경을 신경망에 맡기기만 하면 됩니다. 이후로는 매우 쉽게 진행됩니다. 향상시키고자 하는 인공지능에게는 어떻게 하는지에 대한 피드백이 필요하기 때문에, 다양한 신경망 구성을 평가하기 위한 점수 체계를 만들어야 했습니다. 그래서 저는 일종의 "도로 분노 점수"를 만들었습니다. 차량이 기다려야 하는 각 타임 스텝마다 이 점수가 증가합니다. 즉, 더 많은 차량이 길을 막고 더 오래 기다릴 경우 이 "도로 분노 점수"는 증가하게 됩니다. 이 점수의 역수를 취해서 신경망이 더 좋아지는 점수를 얻을 수 있습니다. 신경망에 대한 자세한 내용에 관심이 있는 사람들을 위해 사용한 것은 파이썬의 NEAT 라이브러리입니다. 이 툴은 구현하기가 매우 쉬우며 이름에서 알 수 있듯이 파이썬으로 작성되어 있습니다. 이 신경망은 18개의 입력, 10개의 출력, 2개의 은닉층(실제로는 하나나 아마도 0과도 같았을 수도 있습니다. 하지만 제한적인 상황을 대비해 둔 것입니다.) 및 tanh 활성화 함수를 가지고 있습니다. 이제 신경망을 자율적으로 작동시킬 수 있고, 자체 훈련시킬 수 있습니다. 최소 한 주 동안은 교육을 시킨 후에, 노력의 흔적을 탐색했습니다. 각 세대의 최고 점수를 그래프로 그리면, AI가 처음에 많이 배우다가 나중에는 수렴하는 것을 알 수 있습니다. 이 데이터는 처음에는 꽤 불안정해 보입니다. 그러나 20세대의 평균값을 계산하면 추이를 알 수 있게 됩니다. 학습의 주요 부분은 0세대부터 100세대까지 사이에 이루어진다는 사실을 알기 위해, 0세대와 최고 점수를 기록한 175세대를 병렬로 실행한 결과를 보여드리고 싶습니다. 이 시뮬레이션에서 AI가 많이 배우고 교통량을 획기적으로 줄이는 것을 알 수 있습니다. 나아가 이러한 시뮬레이션은 실제 세계에도 적용될 수 있는 것으로 보입니다. 물론 여기에 변경되어야 할 몇 가지 사항이 있는데, 교통 신호등은 나의 AI에게 주었던 모든 정보를 가지고 있지 않기 때문입니다. 최신 교차로는 카메라와 도로에 내장된 센서와 같은 점점 더 많은 감지 기술을 가지게 됩니다. 그러므로 충분한 데이터를 수집하여 AI에게 전달하고 교통 흐름을 개선해 볼 수 있는 때가 왔다고 생각합니다. 그리고 사실 다른 사람들도 이미 이 문제에 대해 연구하고 있습니다. 현재 많은 논문들과 기사들이 이 아이디어를 제안하고 있으며, 특정 지역에서도 이미 이를 구현한 곳들이 있는 것으로 나타납니다. 하지만 저는 보다 광범위한 범위에서 구현하여야 한다고 생각합니다. 그럼 이 비디오를 실제로 즐겨주시기를 바라며, 이 비디오를 제작하는 데 걸린 시간이 상당하므로 감사하다는 말씀을 전하고 싶습니다. 또한 다른 하드웨어 관련 프로젝트로 돌아갈 계획이므로 그것을 기대해주시기 바랍니다. 다음 비디오에서 뵙겠습니다!

Table of Contents:

1. 도입
2. 보스턴에서의 악명 높은 운전 습관
3. 교통 체증과 회전교차로 문제
4. AI 기술을 활용한 교통 개선 방법 탐색
5. AI가 제어하는 교차로 구축
6. 신호등의 역할과 종류
7. 신호 설정을 위한 AI 훈련 과정
8. AI 신호제어 시스템의 효과 검증
9. 현실 세계에서의 적용 가능성
10. AI 교통 제어에 대한 논의

2. 보스턴에서의 악명 높은 운전 습관

보스턴은 미국에서 운전하기 가장 어려운 도시로 손꼽히고 있습니다. 빨간 신호를 예의 없이 무시하며 운전하는 보스턴 드라이버들은 정말 미친 사람들처럼 보입니다. 이 도시는 또한 회전교차로로 악명이 높아 도로 교통 법규가 전혀 적용되지 않는 공간입니다. 전체 교통체증 및 교통사고의 주범인 이러한 문제를 해결하기 위해 AI 기술을 활용할 수 있을까요? 운전자들의 습관은 변경하기 어렵지만, 교통 패턴이나 신호등 변경과 같은 다른 유형의 교통량을 줄이는 것은 가능합니다. 이에 대한 연구를 통해 교통 흐름을 향상시킬 수 있는 방법을 탐색해보도록 하겠습니다.