Railway operations에서의 computer vision 애플리케이션

이 글에서 다루는 개념을 시각적으로 설명하는 영상은 아래에서 확인할 수 있습니다.

철도는 육상 교통 시스템의 핵심 요소입니다. 전 세계적으로 100만 노선 킬로미터가 넘는 철도 네트워크는 광대한 거리에 걸쳐 도시, 산업, 지역사회를 연결합니다. 이러한 시스템이 확장되고 수요가 증가함에 따라 안전성과 효율성을 확보하려면 단순한 수동 점검과 모니터링 이상의 조치가 필요합니다.

최첨단 솔루션의 중요성이 점점 커지고 있습니다. 예를 들어 시각 데이터를 처리하는 인공지능(AI)의 한 분야인 컴퓨터 비전이 다양한 철도 운영을 간소화하는 데 사용되고 있습니다.

비전 지원 시스템은 카메라와 Ultralytics YOLO11과 같은 컴퓨터 비전 모델을 사용하여 철도 운영자에게 운영 상황을 실시간으로 파악할 수 있는 정보를 제공합니다. YOLO11과 같은 모델은 객체 탐지 및 인스턴스 세분화와 같은 작업을 통해 선로, 승강장, 터널, 열차 내부를 분석하여 객체, 사람 또는 위험 요소를 탐지할 수 있습니다.

누군가 승강장 가장자리에 너무 가까이 서 있거나 선로에 잔해가 나타난 상황을 생각해 보겠습니다. Vision AI는 이를 실시간으로 탐지하고 알림을 전송하여 역무원이 신속하게 대응하고 잠재적인 위험이 지연이나 사고로 이어지는 것을 방지할 수 있도록 합니다. 또한 항상 지켜보기 어려운 구역을 모니터링하여 직원의 업무를 지원합니다.

그림 1. 열차 승강장에 서 있는 사람을 탐지하는 Ultralytics YOLO11 사용 사례입니다.

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

철도 운송 운영에서 Vision AI의 역할#

철도 네트워크에는 실시간으로 모니터링해야 하는 다양한 이동 요소가 포함되어 있습니다. 기존에 역무원이 수행하던 업무를 이제는 AI를 사용하여 자동화할 수 있습니다. YOLO11과 같은 컴퓨터 비전 모델은 역 운영자가 철도 기능을 더욱 면밀히 모니터링하고 문제가 발생했을 때 신속하게 대응하도록 지원할 수 있습니다.

특히 컴퓨터 비전 작업은 카메라의 시각 입력을 사용하여 이러한 모델을 학습시킬 수 있는 구체적인 기능을 의미합니다. 철도 운영 모니터링에 사용할 수 있는 주요 작업은 다음과 같습니다.

• 객체 탐지: 이 작업은 이미지 또는 비디오 프레임 내에서 특정 객체를 식별하고 위치를 파악하는 과정입니다. 철도 분야에서 Ultralytics YOLO11과 같은 모델은 선로 위나 주변의 잔해, 도구, 수하물 또는 사람과 같은 항목을 탐지할 수 있습니다.

• 객체 추적: 여러 비디오 프레임에 걸쳐 탐지된 객체의 움직임을 모니터링하는 것을 의미합니다. 역이나 열차 내부에서 추적 기능은 승객 흐름을 파악하고 열차의 움직임을 모니터링하는 데 도움이 됩니다.

• 자세 추정: 사람의 자세를 파악하기 위해 주요 신체 관절의 위치를 탐지하고 분석합니다. 철도 환경에서는 승강장에서 사람이 쓰러지는 상황과 같은 긴급 상황을 식별하여 개입을 위한 알림을 트리거하는 데 도움이 될 수 있습니다.

• 인스턴스 세분화: 이미지의 각 픽셀을 사전 정의된 카테고리로 분류하는 데 중점을 둡니다. 철도 인프라 모니터링에서는 균열, 부식 또는 마모와 같은 특징을 식별하여 선로, 승강장 및 기타 표면의 상태를 평가하는 데 사용할 수 있습니다.

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

철도 모니터링에 Vision AI 사용#

비전 기반 모니터링은 일반적으로 보안 및 감시와 관련이 있지만, 철도 시스템은 기본적인 보안 작업을 넘어 다양한 목적으로 Vision AI를 사용합니다. 또한 네트워크 전반의 운영 개선, 안전성 향상 및 전반적인 시스템 관리에도 중요한 역할을 합니다.

대중교통에서 Vision AI를 사용하는 주요 이점은 실시간으로 작동하여 역무원에게 잠재적인 문제에 선제적으로 대응할 수 있는 시의적절하고 유용한 정보를 제공한다는 점입니다.

컴퓨터 비전이 철도의 운영 정밀도와 통제력을 높이는 데 어떻게 기여하고 있는지 실제 사례를 살펴보겠습니다.

유지보수 작업을 위한 철도 시스템의 객체 탐지#

유럽에서 철도 교통량이 계속 증가함에 따라 안정적인 인프라 모니터링의 필요성이 매우 중요해졌습니다. 안전하고 원활한 운영을 위해 선로의 마모, 손상 및 선형 불일치를 정기적으로 검사해야 합니다. 이를 위해 수천 킬로미터에 달하는 철도에서 결함이 큰 운영 중단이나 사고로 이어지기 전에 초기 징후를 확인해야 합니다. Vision AI는 이러한 검사 프로세스를 자동화하고 개선하는 효과적인 방법을 제공합니다.

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

예를 들어 철도 네트워크가 수천 킬로미터에 걸쳐 있는 네덜란드에서는 선로를 지속적으로 모니터링하고 유지보수하는 일이 매우 큰 과제입니다. 수동 검사는 여전히 중요하지만 속도가 느리고 노동 집약적이며 서비스 운행을 중단시키는 경우가 많습니다. 이를 해결하기 위해 실시간으로 철도 선로 상태를 검사하는 컴퓨터 비전 시스템이 도입되었습니다.

이동 중인 열차에 장착된 카메라가 고해상도 이미지를 연속적으로 촬영합니다. 그런 다음 이러한 시각 데이터를 선로의 선형 불일치, 마모되거나 손상된 구성 요소 및 누락된 부품을 탐지하도록 학습된 Vision AI 모델이 분석합니다.

지속적인 자동 모니터링을 도입하면 검사가 더 빠를 뿐만 아니라 정확도도 높아집니다. 유지보수 팀은 가장 많은 주의가 필요한 영역을 우선적으로 처리하여 불필요한 검사를 줄일 수 있습니다. 그 결과 운영자는 일상적인 서비스를 중단하지 않고도 운영 위험을 낮추고 지연을 줄이며 전반적인 안전성을 향상할 수 있었습니다.

철도 인프라에서 AI를 활용한 더욱 안전한 운영#

대규모 철도 프로젝트에서 현장 안전을 유지하는 일은 가장 지속적인 과제 중 하나입니다. 중국 우한의 도시 철도 네트워크 건설 기간에는 가동 중인 작업 현장과 계속 변하는 상황으로 인해 지속적인 감독이 필요했으며, 이는 특히 그러했습니다.

기존에는 안전 점검이 수동 관찰에 의존했기 때문에 사고가 발생한 후에야 위험이 식별되는 경우가 많았습니다. 대응 시간을 단축하고 위험을 줄이기 위해 연구진은 컴퓨터 비전으로 구동되는 실시간 안전 모니터링 시스템을 도입했습니다.

건설 현장 전반에 240대가 넘는 고화질 카메라를 설치하여 활동을 지속적으로 기록했습니다. 비디오 영상은 현장에서 AI 모델을 사용해 처리되었으며, 이 모델은 사람이 위험 구역에 들어갔는지뿐만 아니라 인근 장비가 정지 상태인지 이동 중인지도 탐지할 수 있었습니다. 이는 실시간 위험을 평가하는 데 중요한 요소입니다. 안전하지 않은 행동이 탐지되면 시스템은 현장 감독자에게 즉시 알림을 전송할 수 있었습니다.

그림 4. 컴퓨터 비전을 사용한 위험 요소 탐지입니다.

Vision AI를 활용한 철도 감시 살펴보기#

컴퓨터 비전은 유지보수 및 안전 점검을 개선하는 것 외에도 무단 침입을 실시간으로 모니터링하기 위해 철도 선로를 감시하는 데 사용되고 있습니다. 이는 심각한 문제입니다. 2023년 한 해에만 미국에서 철도 관련 사망자가 995명 보고되었습니다. 이러한 사고 중 상당수는 선로에 대한 무단 접근과 관련이 있으며, 이 영역에서는 기존 모니터링 방법에 한계가 있는 경우가 많습니다.

이를 해결하기 위해 미국의 철도 운영사들은 컴퓨터 비전 솔루션을 도입하기 시작했습니다. 이러한 시스템은 AI 모델이 분석하는 실시간 비디오 스트림을 사용하여 무단 침입, 선로 장애물 및 잠재적인 신호 위반과 같은 사건을 탐지합니다. 문제가 발생하는 즉시 식별함으로써 시스템은 서비스가 중단되거나 안전이 위협받기 전에 팀이 신속하게 대응하도록 지원합니다.

정해진 간격으로 수행되는 수동 검사와 달리 컴퓨터 비전 시스템은 네트워크 전반에서 지속적인 실시간 모니터링을 제공합니다. 위협이 탐지되면 운영자에게 즉시 알림이 전송되어 빠르고 목표 지향적인 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 개의 식사가 준비되고 제공되며, 이곳에서는 위생이 최우선 과제입니다. 인도에서는 인도 철도 케이터링 및 관광공사(IRCTC)가 세계 최대 규모의 철도 식음료 네트워크 중 하나를 관리합니다.

최근까지 위생 점검은 수동으로 수행되었기 때문에 모든 주방을 항상 모니터링하기 어려웠습니다. 효율성과 신뢰성을 높이기 위해 IRCTC는 식품 안전 관행을 실시간으로 모니터링하는 Vision AI 시스템을 도입했습니다.

이 시스템은 주방과 음식 준비 구역에 설치된 기존 CCTV 카메라에 연결됩니다. 직원의 손 씻기 미실시, 장갑이나 헤어넷 미착용, 작업대 불결과 같은 일반적인 위생 문제를 식별하도록 학습된 AI 모델을 사용합니다.

이 시스템이 도입된 이후 위생 기준을 개선하고 직원이 절차를 점검하는 데만 집중하지 않고 식사 준비에 더 많은 시간을 할애하면서 식품 안전을 더욱 효과적으로 관리할 수 있도록 지원했습니다.

철도 운영에서 컴퓨터 비전의 장단점#

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

• 예측 유지보수: 선로와 인프라의 마모 또는 손상 초기 징후를 탐지하여 Vision AI가 고장이 발생하기 전에 이를 예방하도록 지원할 수 있습니다.
• 24시간 모니터링: 컴퓨터 비전 시스템은 사람 검사원과 달리 피로하거나 교대 근무를 할 필요 없이 지속적으로 작동할 수 있습니다.
• 확장성: 한 번 구현하면 동일한 시스템을 최소한의 추가 작업으로 더 많은 역, 열차 또는 운영 구역에 확대 적용할 수 있습니다.

Vision AI가 철도 운송에 제공하는 많은 이점에도 불구하고 이러한 시스템을 구축하고 유지보수하는 데는 여전히 어려움이 있습니다. 고려해야 할 몇 가지 단점은 다음과 같습니다.

• 개인정보 보호 우려: 공공장소에서 지속적으로 감시하면 윤리적 문제가 발생하고 승객과 직원이 불편함을 느낄 수 있습니다.
• 높은 초기 비용: 카메라, 서버 및 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 어려울 수 있습니다.

핵심 요점#

철도 네트워크가 확장됨에 따라 신뢰할 수 있는 인사이트를 제공하는 실시간 시스템에 대한 수요가 증가하고 있습니다. 컴퓨터 비전 시스템은 객체 탐지, 구조 점검 및 실시간 알림을 사용하여 운영자가 문제에 신속하고 정확하게 대응하도록 지원합니다.

AI 도구는 일상적인 운영을 개선할 뿐만 아니라 장기적인 유지보수 비용과 안전 위험도 낮춥니다. 이러한 도구가 발전함에 따라 AI는 철도 시스템을 더욱 효율적이고 신속하게 대응하며 안전하게 만드는 데 큰 역할을 할 것으로 예상됩니다.

성장하는 커뮤니티에 참여해 보세요! GitHub 저장소를 살펴보고 AI에 대해 자세히 알아보세요. 컴퓨터 비전 프로젝트를 시작할 준비가 되셨나요? 라이선스 옵션을 확인해 보세요. 솔루션 페이지를 방문하여 농업 분야의 AI와 헬스케어 분야의 Vision AI를 알아보세요!