철도 운영에서 컴퓨터 비전의 활용 사례

이 글에서 다룬 개념을 시각적으로 설명하는 내용은 아래 동영상에서 확인할 수 있습니다.

철도는 육상 교통 시스템의 핵심입니다. 전 세계적으로 노선 길이가 100만 킬로미터를 넘는 철도 네트워크는 광범위한 지역에 걸쳐 도시, 산업 및 공동체를 연결합니다. 이러한 시스템이 확장되고 수요가 증가함에 따라 안전과 효율성을 보장하려면 수동 점검과 모니터링만으로는 부족합니다.

새로운 솔루션은 점점 더 필수적인 요소가 되고 있습니다. 예를 들어 시각 데이터 처리 분야인 인공지능(AI)의 한 분야인 컴퓨터 비전을 활용해 다양한 철도 운영을 간소화하고 있습니다.

비전 기반 시스템은 카메라와 Ultralytics YOLO11과 같은 컴퓨터 비전 모델을 사용해 철도 운영자에게 실시간 운영 상황을 제공합니다. 객체 탐지 및 인스턴스 세그멘테이션과 같은 작업을 통해 YOLO11과 같은 모델은 선로, 승강장, 터널 및 열차 내부를 분석하고 객체, 사람 또는 위험 요소를 감지할 수 있습니다.

누군가 승강장 가장자리에 너무 가까이 서 있거나 선로에 잔해가 나타나는 상황을 생각해 보세요. 비전 AI는 이를 실시간으로 감지하고 알림을 보내 역 직원이 신속하게 대응해 잠재적인 위험이 지연이나 사고로 이어지는 것을 방지할 수 있습니다. 또한 항상 감시하기 어려운 구역을 모니터링해 직원의 업무를 지원합니다.

그림 1. Ultralytics YOLO11을 사용해 기차 승강장에 서 있는 사람을 감지하는 사례입니다.

AI와 컴퓨터 비전의 도입이 확대되면서 더 많은 도시가 철도 운영을 더 안전하고 효율적으로 만들기 위해 비전 AI를 사용하기 시작했습니다. 이 글에서는 전 세계 철도 운송 워크플로에 비전 AI가 어떻게 적용되고 있는지 살펴보겠습니다.

철도 운송 운영에서 비전 AI의 역할#

철도 네트워크에는 실시간 모니터링이 필요한 여러 구성 요소가 있습니다. 과거에는 역 직원이 수행하던 작업을 이제 AI를 사용해 자동화할 수 있습니다. YOLO11과 같은 컴퓨터 비전 모델은 역 운영자가 철도 기능을 더 면밀히 살피고 문제가 발생하면 신속하게 대응하도록 지원합니다.

특히 컴퓨터 비전 작업은 이러한 모델이 카메라의 시각 입력을 사용해 수행하도록 학습할 수 있는 구체적인 기능을 의미합니다. 철도 운영 모니터링에 사용할 수 있는 주요 작업은 다음과 같습니다.

• 객체 감지: 이 작업은 이미지나 비디오 프레임에서 특정 객체를 식별하고 위치를 찾는 과정입니다. 철도 분야에서는 Ultralytics YOLO11과 같은 모델을 사용해 선로 위나 주변의 잔해, 도구, 수하물 또는 사람을 감지할 수 있습니다.
• 인스턴스 분할: 각 개별 객체를 바운딩 박스 대신 픽셀 단위 마스크로 표시합니다. 철도 인프라 모니터링에서는 균열, 부식, 마모와 같은 특징을 식별하여 선로, 승강장 및 기타 표면의 상태를 평가하는 데 활용할 수 있습니다.
• 자세 추정: 주요 신체 관절의 위치를 감지하고 분석해 사람의 자세를 파악하는 작업입니다. 철도 환경에서는 승강장에서 사람이 쓰러지는 상황과 같은 비상 상황을 식별하고, 대응을 위한 알림을 발생시키는 데 활용할 수 있습니다.
• 객체 추적: 여러 비디오 프레임에 걸쳐 감지된 객체의 움직임을 모니터링하는 작업입니다. 역이나 열차 안에서 추적을 활용하면 승객 흐름을 파악하고 열차 움직임을 모니터링할 수 있습니다.

그림 2. Ultralytics YOLO11은 안전을 위해 사람과 열차를 감지하고 추적하는 데 사용할 수 있습니다.

철도 모니터링에 Vision AI 활용하기#

비전 기반 모니터링은 일반적으로 보안 및 감시와 연관되지만, 철도 시스템은 기본적인 보안 작업 외에도 다양한 용도로 Vision AI를 활용합니다. Vision AI는 네트워크 전반의 운영을 개선하고 안전성을 높이며 전체 시스템 관리를 지원하는 데에도 중요한 역할을 합니다.

대중교통에 Vision AI를 활용할 때의 주요 이점은 실시간으로 작동한다는 점입니다. 이를 통해 역 직원은 잠재적인 문제에 미리 대응하는 데 필요한 시의적절하고 유용한 정보를 얻을 수 있습니다.

컴퓨터 비전이 철도 운영의 정밀도와 통제력을 높이는 데 어떻게 기여하는지 실제 사례를 살펴보겠습니다.

유지보수 작업을 위한 철도 시스템의 객체 감지#

유럽의 철도 교통량이 계속 증가함에 따라 안정적인 인프라 모니터링의 필요성이 중요해졌습니다. 안전하고 원활한 운영을 위해 선로의 마모, 손상, 정렬 불량을 정기적으로 검사해야 합니다. 이를 위해서는 결함이 큰 운행 차질이나 사고로 이어지기 전에 초기 징후를 파악하도록 수천 킬로미터에 이르는 철도를 점검해야 합니다. Vision AI는 이러한 검사 과정을 자동화하고 개선하는 효과적인 방법을 제공합니다.

그림 3. 컴퓨터 비전 시스템은 철도 선로의 결함 부품을 감지할 수 있습니다.

예를 들어, 철도망이 수천 킬로미터에 걸쳐 있는 네덜란드에서는 선로를 지속적으로 모니터링하고 유지보수하는 일이 매우 큰 과제입니다. 수동 검사는 여전히 중요하지만, 시간이 오래 걸리고 노동 집약적이며 운행을 방해하는 경우가 많습니다. 이를 해결하기 위해 실시간으로 철도 선로 상태를 검사하는 컴퓨터 비전 시스템이 도입되었습니다.

움직이는 열차에 장착된 카메라는 고해상도 이미지를 연속적으로 촬영합니다. 그런 다음 비전 AI 모델이 이러한 영상을 분석해 선로 정렬 불량, 마모되거나 손상된 부품, 누락된 부품을 감지합니다.

지속적인 자동 모니터링을 도입하면 검사를 더 빠르게 수행할 수 있을 뿐 아니라 정확도도 높일 수 있습니다. 유지보수 팀은 가장 주의가 필요한 구간을 우선적으로 처리해 불필요한 점검을 줄일 수 있습니다. 그 결과 운영자는 일상적인 운행을 중단하지 않으면서 운영 위험과 지연을 줄이고 전반적인 안전성을 개선할 수 있었습니다.

철도 인프라에서 AI로 더 안전한 운영 구현하기#

대규모 철도 프로젝트에서 현장 안전을 유지하는 일은 가장 지속적인 과제 중 하나입니다. 중국 우한 도시 철도망 건설 현장에서도 이 문제가 특히 두드러졌습니다. 공사가 진행 중인 현장과 시시각각 변하는 상황을 지속적으로 감독해야 했기 때문입니다.

기존에는 안전 점검을 수동 관찰에 의존했기 때문에 사고가 발생한 후에야 위험을 파악하는 경우가 많았습니다. 대응 시간을 단축하고 위험을 줄이기 위해 연구진은 컴퓨터 비전 기반의 실시간 안전 모니터링 시스템을 도입했습니다.

활동을 지속적으로 기록하기 위해 건설 현장 전역에 고화질 카메라 240대 이상을 설치했습니다. 현장에서 AI 모델로 영상을 처리해 사람이 위험 구역에 진입했는지뿐 아니라 주변 장비가 정지 상태인지 움직이는 중인지도 탐지했습니다. 이는 실시간 위험 평가에 중요한 요소입니다. 안전하지 않은 행동이 감지되면 시스템이 현장 관리자에게 즉시 알림을 보낼 수 있었습니다.

그림 4. 컴퓨터 비전을 사용한 위험 요소 감지.

Vision AI를 활용한 철도 감시 살펴보기#

유지보수와 안전 점검을 개선하는 것 외에도 컴퓨터 비전은 무단 침입을 감지하기 위해 철도 선로를 실시간으로 모니터링하는 데 활용되고 있습니다. 이는 심각한 문제입니다. 2023년 한 해에만 미국에서 철도 관련 사망자가 거의 1,000명 보고되었습니다. 이러한 사고 중 상당수는 선로에 대한 무단 접근과 관련이 있었으며, 이 영역에서는 기존 모니터링 방식이 한계를 보이는 경우가 많습니다.

이를 해결하기 위해 미국 철도에서는 컴퓨터 비전 솔루션을 도입하기 시작했습니다. 이 시스템은 AI 모델로 실시간 비디오 피드를 분석해 무단 침입, 선로 장애물, 잠재적인 신호 위반과 같은 상황을 감지합니다. 문제가 발생하는 즉시 식별해 운행 차질이나 안전 위협이 발생하기 전에 팀이 신속하게 대응할 수 있도록 지원합니다.

정해진 간격으로 수행되는 수동 검사와 달리 컴퓨터 비전 시스템은 네트워크 전반을 지속적으로 실시간 모니터링합니다. 위협이 감지되면 운영자에게 즉시 알림을 전송해 신속하고 집중적인 대응이 가능합니다. 이를 통해 상황 인식이 향상되고 개입이 빨라지며 예방 가능한 사고로 인한 지연이 줄어듭니다.

Vision AI를 활용한 식품 안전 모니터링#

매일 열차와 역에서 수백만 끼의 식사가 준비되고 제공되며, 이곳에서는 위생이 최우선 과제입니다. 인도에서는 인도 철도 케이터링 관광공사(IRCTC)가 세계 최대 규모의 철도 식품 네트워크 중 하나를 관리합니다.

최근까지 위생 점검은 수동으로 이루어져 모든 주방을 항상 모니터링하기 어려웠습니다. 효율성과 신뢰성을 높이기 위해 IRCTC는 실시간으로 식품 안전 수칙을 모니터링하는 비전 AI 시스템을 도입했습니다.

이 시스템은 주방과 식품 준비 공간에 설치된 기존 CCTV 카메라에 연결됩니다. 직원의 손 씻기 누락, 장갑이나 헤어넷 미착용, 비위생적인 작업대와 같은 일반적인 위생 문제를 감지하도록 학습된 AI 모델을 사용합니다.

도입 이후 이 시스템은 위생 기준을 개선하고 직원이 식품 안전을 더 효과적으로 관리하도록 지원했습니다. 또한 직원은 절차를 점검하는 데만 시간을 쓰지 않고 식사 준비에 더 집중할 수 있게 되었습니다.

철도 운영에서 컴퓨터 비전의 장단점#

컴퓨터 비전은 철도 시스템의 안전, 유지보수 및 일상 운영을 개선하는 데 다양한 이점을 제공합니다. 주요 장점은 다음과 같습니다.

• 예측 유지보수: 선로와 인프라의 마모 또는 손상 징후를 조기에 감지해 문제가 발생하기 전에 고장을 예방할 수 있습니다.
• 24시간 모니터링: 사람 검사원과 달리 컴퓨터 비전 시스템은 피로나 교대 근무 없이 지속적으로 작동할 수 있습니다.
• 확장성: 시스템을 구축한 후에는 큰 추가 노력 없이 더 많은 역, 열차 또는 운영 구역으로 적용 범위를 넓힐 수 있습니다.

Vision AI는 철도 운송에 많은 이점을 제공하지만, 이러한 시스템을 배포하고 유지보수하는 데에는 여전히 어려움이 있습니다. 고려해야 할 단점은 다음과 같습니다.

• 개인정보 보호 문제: 공공장소에서 지속적으로 감시하면 윤리적 문제가 발생하고 승객과 직원이 불편함을 느낄 수 있습니다.
• 높은 초기 비용: 카메라, 서버, AI 소프트웨어를 포함한 Vision AI 시스템을 구축하려면 상당한 초기 투자가 필요합니다.
• 복잡한 통합: 컴퓨터 비전 시스템을 기존 인프라, 예를 들어 레거시 신호 시스템이나 제어 시스템과 통합하는 작업은 기술적으로 까다로울 수 있습니다.

핵심 요점#

철도망이 확장되면서 신뢰할 수 있는 인사이트를 제공하는 실시간 시스템에 대한 수요가 증가하고 있습니다. 컴퓨터 비전 시스템은 객체 감지, 구조물 점검, 실시간 알림을 활용해 운영자가 문제에 신속하고 정확하게 대응하도록 지원합니다.

AI 도구는 일상 운영을 개선할 뿐 아니라 장기적인 유지보수 비용과 안전 위험도 줄입니다. 이러한 도구가 발전함에 따라 AI는 철도 시스템의 효율성, 대응력, 보안성을 높이는 데 중요한 역할을 할 것으로 기대됩니다.

성장하는 커뮤니티에 참여해 보세요! AI에 대해 자세히 알아보려면 GitHub 리포지토리를 살펴보세요. 컴퓨터 비전 프로젝트를 시작할 준비가 되셨나요? 라이선스 옵션을 확인해 보세요. 솔루션 페이지를 방문해 농업 분야의 AI와 헬스케어 분야의 Vision AI에 대해 알아보세요!