철도 운영에서 컴퓨터 비전의 애플리케이션

이 글에서 다루는 개념에 대한 시각적 설명을 보려면 아래 동영상을 시청하십시오.

철도는 지상 교통 시스템의 핵심적인 부분입니다. 전 세계적으로 100만 킬로미터가 넘는 railway networks는 방대한 거리에 걸쳐 도시, 산업, 그리고 지역 사회를 연결합니다. 이러한 시스템이 확장되고 수요가 증가함에 따라, 단순히 수동 점검과 모니터링만으로는 안전과 효율성을 보장하기에 역부족입니다.

최첨단 솔루션의 중요성이 점점 커지고 있습니다. 예를 들어, 시각 데이터 처리를 담당하는 artificial intelligence (AI)의 한 분야인 computer vision은 다양한 철도 운영을 간소화하는 데 사용되고 있습니다.

비전 기반 시스템은 카메라와 Ultralytics YOLO11 같은 컴퓨터 비전 모델을 사용하여 철도 운영자에게 실시간 상황 인식을 제공합니다. 객체 감지 및 인스턴스 세분화와 같은 작업을 통해, YOLO11과 같은 모델은 선로, 승강장, 터널, 열차 내부를 분석하여 객체, 사람 또는 위험 요소를 감지할 수 있습니다.

누군가 승강장 가장자리에 너무 가까이 서 있거나 선로에 이물질이 나타난 상황을 가정해 보십시오. 비전 AI는 이를 실시간으로 탐지하여 경고를 보낼 수 있으며, 이를 통해 역무원들이 신속하게 대응하여 잠재적인 위험이 지연이나 사고로 이어지는 것을 방지할 수 있습니다. 또한 상시 관찰이 어려운 구역을 모니터링하여 직원을 지원합니다.

그림 1. 기차 승강장에 서 있는 사람들을 탐지하기 위해 Ultralytics YOLO11을 사용하는 예시.

AI와 컴퓨터 비전의 채택이 증가함에 따라, 더 많은 도시에서 철도 운영을 더 안전하고 효율적으로 만들기 위해 비전 AI를 사용하기 시작했습니다. 이 기사에서는 철도 운송 워크플로우에서 비전 AI가 전 세계적으로 어떻게 적용되고 있는지 살펴보겠습니다. 시작해 봅시다!

철도 운송 운영에서 비전 AI의 역할#

철도 네트워크에는 실시간으로 모니터링해야 하는 수많은 움직이는 요소가 포함되어 있습니다. 과거 역무원이 수동으로 수행하던 작업은 이제 AI를 통해 자동화할 수 있습니다. YOLO11과 같은 Computer vision models은 역 운영자가 철도 기능을 더욱 면밀히 모니터링하고 문제가 발생할 때 신속하게 대응할 수 있도록 지원합니다.

특히 computer vision tasks은 카메라의 시각 입력을 사용하여 이러한 모델이 수행하도록 학습할 수 있는 특정 기능을 의미합니다. 철도 운영을 모니터링하는 데 사용할 수 있는 몇 가지 주요 작업은 다음과 같습니다.

• 객체 탐지: 이 작업은 이미지 또는 비디오 프레임 내에서 특정 객체를 식별하고 위치를 파악하는 것을 포함합니다. 철도 애플리케이션에서 Ultralytics YOLO11과 같은 모델은 선로 위나 인근의 잔해, 도구, 수하물, 사람 등의 항목을 탐지할 수 있습니다.

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

• 포즈 추정: 이는 인간의 자세를 이해하기 위해 주요 신체 관절의 위치를 탐지하고 분석하는 것을 포함합니다. 철도 환경에서는 승강장에서 사람이 쓰러지는 것과 같은 비상 상황을 식별하여 대응을 위한 경고를 트리거하는 데 도움이 될 수 있습니다.

• 인스턴스 세그멘테이션: 이는 이미지의 각 픽셀을 미리 정의된 범주로 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 안전 목적으로 사람과 열차를 탐지하고 추적하는 데 사용할 수 있습니다.

철도 모니터링을 위한 비전 AI 활용#

비전 기반 모니터링은 일반적으로 보안 및 감시와 연관되어 있지만, 철도 시스템은 기본적인 보안 작업을 넘어 훨씬 더 많은 분야에 비전 AI를 사용합니다. 이는 운영 개선, 안전 강화 및 네트워크 전반의 전반적인 시스템 관리 지원에도 역할을 합니다.

Vision AI in public transportation 사용의 핵심 이점은 실시간으로 작동하여 역 직원에게 잠재적 문제에 선제적으로 대처할 수 있는 시기적절하고 유용한 정보를 제공한다는 점입니다.

컴퓨터 비전이 어떻게 철도가 더 정밀하고 통제된 상태로 운영되도록 돕는지에 대한 몇 가지 실제 사례를 살펴보겠습니다.

유지보수 작업을 위한 철도 시스템의 객체 탐지#

유럽에서 철도 교통량이 계속 증가함에 따라 신뢰할 수 있는 인프라 모니터링의 필요성이 매우 중요해졌습니다. 안전하고 원활한 운영을 촉진하려면 선로의 마모, 손상 및 정렬 불량을 정기적으로 검사해야 합니다. 여기에는 결함이 비용이 많이 드는 중단이나 사고로 이어지기 전에 조기 징후를 찾기 위해 수천 킬로미터의 철도를 확인하는 작업이 포함됩니다. 비전 AI는 이 검사 프로세스를 자동화하고 개선하는 효과적인 방법을 제공합니다.

Fig 3. 컴퓨터 비전 시스템은 철도 선로의 결함 부위를 감지할 수 있습니다.

예를 들어, 철도망이 수천 킬로미터에 달하는 네덜란드에서는 선로를 지속적으로 모니터링하고 유지 관리하는 작업이 엄청난 과제입니다. 수동 점검도 여전히 중요하지만, 속도가 느리고 노동 집약적이며 종종 서비스 중단을 초래할 수 있습니다. 이를 해결하기 위해 inspect rail-track conditions을 실시간으로 점검하는 컴퓨터 비전 시스템이 도입되었습니다.

달리는 열차에 장착된 Cameras는 고해상도 이미지를 지속적으로 촬영합니다. 이 시각 자료는 선로 정렬 불량, 마모되거나 손상된 부품, 누락된 부품을 감지하도록 학습된 비전 AI 모델에 의해 분석됩니다.

지속적이고 자동화된 모니터링이 구축됨에 따라 검사가 더 빠를 뿐만 아니라 더 정확해졌습니다. 유지보수 팀은 주의가 필요한 구역의 우선순위를 정하여 불필요한 점검을 줄일 수 있습니다. 결과적으로 운영자는 일상 서비스를 중단하지 않고도 운영 위험을 낮추고, 지연을 줄이며, 전반적인 안전을 향상할 수 있게 되었습니다.

철도 인프라에서 AI를 통한 더 안전한 운영 추진#

대규모 철도 프로젝트에서 현장 안전을 유지하는 것은 가장 지속적인 과제 중 하나입니다. 이는 활발한 작업 현장과 변화하는 조건으로 인해 지속적인 감독이 필요했던 중국 우한의 도시 철도 네트워크 건설 기간 동안 특히 사실이었습니다.

기존의 안전 점검은 육안 관찰에 의존했기 때문에 사고가 발생한 후에야 위험이 확인되는 경우가 많았습니다. 대응 시간을 개선하고 위험을 줄이기 위해 연구원들은 컴퓨터 비전 기반의 실시간 safety monitoring system을 도입했습니다.

construction sites 전반에 걸쳐 240대 이상의 고화질 카메라가 설치되어 활동을 지속적으로 기록합니다. 비디오 영상은 실시간 위험 평가에서 중요한 요소인 개인이 위험 구역에 진입한 시점뿐만 아니라 근처 장비가 정지해 있는지 움직이고 있는지도 감지할 수 있는 AI 모델을 사용하여 현장에서 처리되었습니다. 안전하지 않은 행동이 감지되면 시스템은 현장 감독자에게 즉시 경고를 보낼 수 있었습니다.

Fig 4. 컴퓨터 비전을 사용한 위험 감지.

비전 AI를 활용한 철도 감시 살펴보기#

유지보수 및 안전 검사 개선 외에도 컴퓨터 비전은 침입을 실시간으로 모니터링하기 위해 철도 선로 모니터링에 사용되고 있습니다. 이는 2023년 한 해 동안 미국에서 995건의 철도 관련 사망 사고가 보고될 정도로 심각한 문제입니다. 이러한 사고 중 다수는 선로에 대한 무단 접근과 관련이 있으며, 기존 모니터링 방법이 종종 제한적인 영역입니다.

이를 해결하기 위해 미국의 철도 회사들은 computer vision solutions을 도입하기 시작했습니다. 이 시스템은 AI 모델로 분석되는 라이브 비디오 피드를 사용하여 무단 침입, 선로 장애물, 잠재적 신호 위반 등의 이벤트를 감지합니다. 이러한 문제를 발생하는 즉시 식별함으로써 서비스가 중단되거나 안전이 위협받기 전에 팀이 신속하게 대응할 수 있도록 지원합니다.

정해진 간격으로 발생하는 수동 검사와 달리 컴퓨터 비전 시스템은 네트워크 전반에 걸쳐 지속적인 실시간 모니터링을 제공합니다. 위협이 탐지되면 운영자에게 경고가 즉시 전송되어 신속하고 타겟팅된 대응이 가능합니다. 이는 상황 인식 향상, 더 빠른 개입, 그리고 예방 가능한 사고로 인한 지연 감소로 이어집니다.

비전 AI를 이용한 식품 안전 모니터링#

매일 수백만 끼의 식사가 열차와 역에서 준비되고 제공되며, 여기서 위생은 최우선 순위입니다. 인도에서는 인도 철도 케이터링 및 관광 공사(IRCTC)가 세계 최대의 철도 식품 네트워크 중 하나를 관리합니다.

최근까지만 해도 위생 점검은 수동으로 이루어졌기 때문에 모든 주방을 상시 모니터링하기가 어려웠습니다. 효율성과 신뢰성을 높이기 위해 IRCTC는 food safety practices을 실시간으로 주시하는 비전 AI 시스템을 도입했습니다.

이 시스템은 주방과 식품 준비 구역에 있는 기존 CCTV 카메라에 연결됩니다. 이 시스템은 직원이 손을 씻지 않거나, 장갑이나 헤어네트를 착용하지 않거나, 작업대가 비위생적인 경우 등 일반적인 위생 문제를 포착하도록 학습된 AI 모델을 사용합니다.

도입된 이후 이 시스템은 위생 기준을 개선하고 직원이 절차 확인에만 그치지 않고 식사 준비에 더 많은 시간을 할애하면서 food safety를 손쉽게 관리할 수 있도록 지원해 왔습니다.

철도 운영에서 컴퓨터 비전의 장단점#

컴퓨터 비전은 철도 시스템의 안전, 유지보수 및 일상 운영을 개선하는 데 있어 다양한 이점을 제공합니다. 다음은 몇 가지 주요 이점입니다:

• 예측 유지보수: 선로 및 인프라의 마모 또는 손상 조기 징후를 탐지함으로써 비전 AI는 고장이 발생하기 전에 예방하는 데 도움을 줄 수 있습니다.
• 24/7 모니터링: 인간 검사자와 달리 컴퓨터 비전 시스템은 피로나 교대 근무 없이 지속적으로 작동할 수 있습니다.
• Scalability: 일단 구현되면 최소한의 추가 노력으로 동일한 시스템을 더 많은 역, 열차 또는 운영 구역으로 확장할 수 있습니다.

비전 AI가 철도 운송에 가져다주는 많은 긍정적인 측면에도 불구하고, 이러한 시스템을 배포하고 유지 관리하는 데에는 여전히 과제가 있습니다. 고려해야 할 몇 가지 단점은 다음과 같습니다:

• Privacy concerns: 공공장소에서의 지속적인 surveillance은 윤리적 문제와 승객 및 직원 간의 불편함을 야기할 수 있습니다.
• 높은 초기 비용: 카메라, 서버 및 AI 소프트웨어를 포함한 비전 AI 시스템을 설정하려면 상당한 초기 투자가 필요합니다.
• 복잡한 통합: 컴퓨터 비전 시스템을 기존 신호 또는 제어 시스템과 같은 기존 인프라와 통합하는 것은 기술적으로 어려울 수 있습니다.

핵심 요약#

철도 네트워크가 성장함에 따라 신뢰할 수 있는 통찰력을 제공하는 실시간 시스템에 대한 수요가 증가하고 있습니다. 컴퓨터 비전 시스템은 객체 탐지, 구조적 점검 및 실시간 경고를 사용하여 운영자가 문제에 신속하고 정확하게 대응하도록 돕습니다.

AI 도구는 일상적인 운영을 개선할 뿐만 아니라 장기적인 유지보수 비용과 안전 위험을 낮춥니다. 이러한 도구가 개선됨에 따라 AI는 철도 시스템을 더 효율적이고 대응력이 뛰어나며 안전하게 만드는 데 영향력 있는 역할을 할 것입니다.

성장하는 당사의 community에 참여하세요! AI에 대해 자세히 알아보려면 GitHub repository를 살펴보세요. 컴퓨터 비전 프로젝트를 시작할 준비가 되셨나요? licensing options을 확인해 보세요. 솔루션 페이지를 방문하여 AI in agriculture 및 Vision AI in healthcare에 대해 알아보세요!