2022년 2월 10일, 카카오 모빌리티의 첫 테크 컨퍼런스 네모2022(NEMO 2022)가 개최되었습니다.
온/오프라인으로 동시에 진행된 행사는 프로모션 사이트 내에서 사전등록을 통해 참여할 수 있었습니다.
본 포스팅에서는 컨퍼런스 세션 간에 인상깊었던 프레젠테이션과 개인적인 소감을 담아보려 합니다.
행사가 몇일 남지 않은 시점에서 사전등록을 했던 탓에 오프라인 참여는 진작 마감되었고, 유튜브 스트리밍을 통한 온라인 중계 형식으로 컨퍼런스를 시청하였습니다.
컨퍼런스는 약 두시간의 개회사와 기조연설로 구성된 PART1과 카카오모빌리티의 업계동향과 협업, 청사진 등을 발표하는 PART2로 진행되었습니다.
PART2는 HD Map, UWB 등의 혁신 기술을 소개하는 Session1, 앞서 소개한 기술들을 기반으로 일상과 접목시킨 Session2, 카카오 플랫폼을 활용한 앞으로의 계획 등을 소개하는 Session3 로 구성되어 각 세션마다 동시에 진행되었습니다. 행사 일정 확인 당시 가장 관심이 갔던 Session3를 라이브로 시청하였고, 나머지 Session은 녹화본을 통해 시청하였습니다.
행사 당시의 영상은 카카오 모빌리티 유튜브 채널에서 확인 가능합니다.
SESSION 1 : 혁신 기술과 만나다
첫 번째 세션에서는 미래 모빌리티 산업을 위한 카카오모빌리티의 핵심 기술을 엿볼 수 있었습니다.
지도, 측위 두 가지 파트로 나뉘어져 핵심기술을 소개하는 프레젠테이션이 진행되었는데요,
먼저 지도 파트에서는 카카오모빌리티 디지털트윈 테크 리더 홍승환 박사님께서 cm단위급의 정밀한 HD Map 구축을 위한 MMS (Mobile Mapping System) 기술을 소개하였습니다.
MMS는 이동 차량에 각종 센서와 GPS, 컴퓨터 등을 부착하여 고정밀의 데이터를 수집하는 장치입니다.
올해 카카오모빌리티는 정밀 지도 데이터 확보를 위한 MMS를 경량화 및 보급하여 데이터를 수집하고, 수집한 데이터를 기반으로 고정밀 HD Map을 구축해 위성신호, 날씨 등의 변수에도 적은 오차로 원활한 서비스를 제공할 수 있는 기반을 마련할 계획이라고 합니다.
카카오모빌리티는 경제적/시간적 효율을 위해 3D 프린터를 통해 자체 개발한 MMS 장치들을 보급하여 일부 지역에 시범운영 중에 있으며, 앞으로 수집 범위를 전국적으로 확대해 나갈 예정이라고 합니다.
또또한 더 나아가 단순 도로에 국한되는 것이 아닌 실내 주차 구역이나 사람이 접근할 수 없는 구역까지도 로봇을 통해 데이터를 수집함으로써 기술의 완성도를 높혀 나갈 예정이라고 합니다.
궁극적으로는 지도 + 자율주행 + 인공지능을 결합한 디지털 트윈을 통해 새로운 플랫폼까지 구상 중에 있으며, 아직 나아갈 길은 멀다고 합니다...ㅎ_ㅎ
이 외에도 여러 대의 기계를 통해 수집한 데이터에서 중복되는 부분을 자연스럽게 처리하는 포인트 클라우드 지도 정합 기술 등의 HD Map 구현을 위해 수반되는 기술들도 소개되었습니다.
두 번째 파트에서는 사용자의 정확한 위치를 파악하는 측위 기술이 소개되었습니다.
현재 상용화 되어 있는 GPS신호 기반의 측위 기술로는 도시의 빌딩 숲, 실내 혹은 지하, 터널 등의 환경에서 정확한 위치 정보를 추출하기 쉽지 않다고 합니다.
이를 보완하기 위해 카카오모빌리티에서는 LTE, 5G 통신신호를 활용한 이동통신 신호 측위와, 영상처리를 통한 비전 기반 측위기술 (VPS)을 소개하였습니다.
이동통신 신호 측위기술은 작년부터 카카오 내비 FIN (융합실내측위) 라는 이름으로 시범서비스 운영 중에 있으며,
비전 기반 측위기술 (VPS)은 휴대폰 카메라, CCTV 등 카메라가 있는 곳이라면 어디든 활용 가능해 높은 범용성을 갖고 있다고 합니다. 이렇게 입력받은 영상정보에서 기하학적인 관계를 계산해 정확한 위치를 추출하는 과정에서 고도화된 영상처리 기술이나 컴퓨터 비전이 중요한 역할을 하지 않을까 생각됩니다.
애플의 디지털 키나 에어태그 같은 UWD 기술, 카카오내비 API를 활용한 배달의 민족 비즈니스 경험 등을 소개하며 Session1은 마무리 되었습니다.
SESSION 2 : 기술로 일상을 바꾸다
두 번째 세션은 카카오모빌리티 시니어 데이터 엔지니어 김동원 박사님의 프레젠테이션으로 막을 열었습니다.
운행 리포트 데이터의 아카이빙을 통해 길안내 이외의 주행 환경 개선에 관한 얘기를 해주셨습니다.
초단위로 쌓이는 사용자의 맵매칭 데이터들을 클라우드 서버로 전송하여 보정 및 저장함으로써 쾌적한 주행 경험을 선사할 수 있다고 합니다.
초단위 전송 정보가 수십만 사용자들로부터 동시에 발생하고, 초당 수백개의 주행 종료 정보가 중앙 서버에 수신된다고 합니다. 이 과정에서 Batch Processing 알고리즘 대신 응답성과 효율이 좋은 Stream Processing이 적용되었다고 하는데, 용어들이 초면인 관계로 포스팅 말미에 추가로 정리하려 합니다.
현재는 최신의 교통 상황에 의존하여 길안내가 이루어 지고 있지만, 아카이빙한 과거 운행 리포트를 통해 추천 경로 외에도 다양한 경로와 운전 습관 정보 등을 활용할 수 있다고 합니다. 쉽게 말해 고객에 따라 이전의 서비스 기록을 통해 경로를 '커스텀'할 수 있다는 뜻인데, 굉장히 인상 깊었던 내용이었습니다.
다음 파트는 '군집주행' 파트입니다. 카카오모빌리티의 측위 및 라우팅 SDK 테크 리더 전상훈 박사님께서 프레젠테이션을 진행해 주셨습니다. 고속도로에서 대형 트럭들의 군집주행을 위주로 설명이 진행되었습니다. '카풀'을 하듯 출발지와 도착지가 전부 다른 대형 트럭들을 매칭시켜 겹치는 경로 내에서 합류 시점을 계산해 군집주행을 활성화 시키는 모습은 흡사 트랜스포머를 방불케 하였습니다...
군집주행을 통해 차간 간격을 최소한으로 설정해 공기저항을 감소시켜 연비를 개선하고, 그룹 자율 주행을 통해 운전자의 피로도를 줄여 주는 등의 다양한 메리트가 있다고 합니다. 물론 차량 간의 충돌, 고속도로 내 교통 체증 등 풀어야 할 숙제도 많다고 생각되지만 먼 미래에 개인 이동체들이 그룹을 지어 이동하는 모습을 상상해보면 굉장히 흥미로운 기술이 아닌가 생각됩니다.
그 밖에도 물류 최적화를 위한 TMS, GS사의 물류 배송 전략 등 앞서 언급한 기술들을 일상에 적용시킨 사례들이 소개되었습니다. 물류 파트는 상대적으로 제게 생소했고, 이해하기 쉽지 않았습니다....ㅎㅎ..
SESSION 3 : 새로운 세상을 열다
마지막 Session에서는 행사 이전에 타임테이블을 확인할 때도 그랬고, 프레젠테이션들을 다 시청한 후에도 인상 깊고 느낀 점들이 많았습니다.
아무리 질 좋은 기술들과 데이터들을 보유하고 있다고 하더라도, 사용자들이 이용할 수 있는 프론트엔드인 플랫폼이 매개체 역할을 잘 해주어야 한다고 생각합니다. 카카오모빌리티에는 강력한 매개체인 카카오T를 보유하고 있고, Session3에서는 이 강력한 플랫폼을 활용한 앞으로의 청사진을 다양하게 소개해 주었습니다.
HD Map - 플랫폼 - 이동체 간의 유기적인 관계를 형성해 자율주행 상용화를 실체화시키고, 차량 외에도 드론과 트롤리 등 다양한 이동체 주행 서비스를 제공할 예정이라고 합니다.
또한 카카오택시를 기반으로 한 주행 및 인지 데이터를 수집 중에 있으며, 정제된 데이터들을 웨어하우스에 적재하며 자율주행 상용화를 위한 관련 기술의 고도화를 도모하고 있다고 합니다.
멀지 않은 미래에 사용자들은 카카오 앱만을 통해 니즈에 맞는 이동체를 렌트하고, 이동이나 사업에 이용하는 모습을 상상해 볼 수 있을 것 같습니다. 카카오T나 관련 신규 플랫폼이 몇년 후에 일상 생활에서 대체 불가한 서비스가 될 수도 있지 않을까요? 10년 전 카카오톡이 그랬듯이요.
마치며
개발 블로그를 시작하고 작성하는 첫 글인데요. 학기 중에 풀었던 과제들이나 스터디에서 진행했던 프로젝트 등등 밀린게 꽤 되는데, 천천히 깃허브와 블로그에 정리해 포스팅할 예정입니다.
평소에도 꾸준히 네이버의 AI NOW나, CES 같은 테크 컨퍼런스들을 되도록 챙겨보려 합니다. 관련 업계 취업을 계획 중인 학부생 입장으로써 업계 동향을 가장 가까이서 파악할 수 있는 좋은 기회라고 생각합니다.
몇년 후 현직 종사자 입장으로 코멘트를 하는 그날까지! 열심히 공부하겠읍니다...
두서 없는 글 읽어주셔서 감사합니다.
용어 정리
디지털 트윈 컴퓨터에서 현실과 똑같은 환경을 구성하여, 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션하는 방식이라고 합니다. 굉장한 경제적, 시간적인 절약이 가능하며 카메라와 라이다, 레이더 센서 등으로 구축됩니다.
네이버는 소프트뱅크와 협업해 일본의 도시 하나 전체를 고정밀 지도로 만드는 프로젝트를, 카카오는 위에서 언급하였 듯이 스타트업 회사 스트리스를 인수하여 자체 생산한 MMS를 통해 HD Map을 구성하고 있습니다.
Batch Processing 번역하면 일괄처리 시스템으로, 데이터를 그룹별로 묶어 정해진 시간에 주기적으로 한꺼번에 처리하는 방식입니다. 시간과 비용을 절약할 수 있지만, 디테일한 처리는 힘들지 않을까 생각됩니다. 과부하가 올 수도 있을 것 같습니다.
Stream Processing 일괄처리와 대조되는 데이터 처리 방식으로, 연속적인 자료들을 실시간으로 처리한다고 합니다. 실시간으로 데이터를 정제해 용량 관리에 효율적이라고 합니다.
처리할 데이터의 종류에 맞는 방식을 찾아 효율적으로 데이터를 처리하는 것이 중요할 듯 합니다.
컴활 자격증 준비할 때 얕게 공부했던 것들인데, 데이터 구조나 처리 방식 쪽도 공부할 필요가 있을 듯 합니다.
참고자료
https://ko.wikipedia.org/wiki/%EB%94%94%EC%A7%80%ED%84%B8_%ED%8A%B8%EC%9C%88 https://biz.chosun.com/it-science/ict/2022/02/13/PLVKLPZMBZETFA77W54VIPQVJE/
https://hazelcast.com/glossary/stream-processing/
https://ko.wikipedia.org/wiki/%EC%9D%BC%EA%B4%84_%EC%B2%98%EB%A6%AC
