승객을 이해하고, 다음 수요를 예측하기까지 | AI 기반 차량 공조제어 시스템
버스의 공조장치는 차량 내부 온도와 외부 환경, 승객 상황 등을 고려해 운전자가 직접 제어하는 방식으로 운영되어 왔습니다.
하지만 실제 차량의 승객 수는 정류장마다 달라지고 시간대와 요일, 노선에 따라서도 지속적으로 변화합니다. 현재 차량에 몇 명이 탑승하고 있는지 정확히 파악하기 어렵다면 승객 수와 관계없이 냉·난방이 지속되거나, 승객이 증가한 이후에야 공조 상태를 조절하는 상황이 발생할 수 있습니다.
삼원FA는 차량 내부 영상을 AI로 분석해 승·하차 승객을 실시간으로 파악하고, 축적된 운행 데이터를 기반으로 향후 정류장의 승객 수요까지 예측하는 AI 분석 시스템을 개발했습니다.
단순히 현재의 승객을 인식하는 것을 넘어 현재 승객 정보와 앞으로 변화할 승객 수요를 차량 공조제어에 활용할 수 있는 데이터로 만드는 것이 이번 프로젝트의 핵심입니다.
Industry
Automotive · Public Transportation · Smart Mobility
Application
Passenger Analysis · Passenger Demand Prediction · HVAC Optimization
Technology
Object Detection · Object Tracking · Regression Prediction · Edge AI
승객 수가 계속 달라지는 버스, 공조는 어떻게 대응해야 할까
버스는 운행하는 동안 차량 내부 환경이 계속 변화합니다.
같은 노선을 운행하더라도 출퇴근 시간과 비혼잡 시간의 승객 수가 다르고, 학교나 환승센터 등 특정 정류장에서는 짧은 시간에 많은 승객이 승·하차하기도 합니다.
하지만 기존 공조제어에서는 이러한 승객 변화를 실시간 데이터로 활용하기 어렵기 때문에 운전자의 경험과 판단을 중심으로 냉·난방 상태를 조절해야 했습니다.
승객이 적은 상황에서 필요 이상의 공조가 지속될 경우 에너지 사용이 증가할 수 있고, 반대로 갑작스럽게 승객이 늘어난 상황에서는 실내 환경 변화에 즉시 대응하기 어렵습니다.
따라서 차량 공조를 보다 효율적으로 운영하기 위해서는 온도나 외기 환경뿐 아니라 차량 내부의 실제 승객 수와 앞으로의 승객 변화까지 파악할 수 있는 정보가 필요했습니다.
The Challenge
승객의 승·하차를 실시간으로 파악해야 했습니다
차량 내부 영상에서 사람을 단순히 검출하는 것만으로는 현재 탑승객 수를 정확하게 계산하기 어렵습니다.
정류장에서 탑승한 승객과 하차한 승객을 구분하고, 동일 승객이 영상의 여러 프레임에서 반복적으로 검출되더라도 하나의 객체로 인식할 수 있어야 합니다.
따라서 객체 검출뿐 아니라 승객의 이동을 연속적으로 분석하는 객체 추적 기술이 함께 필요했습니다.
현재뿐 아니라 다음 정류장의 승객 변화도 알아야 했습니다
공조제어를 현재 상황에만 대응하도록 구성하면 승객이 증가하거나 감소한 이후에야 제어 조건을 변경할 수 있습니다.
보다 선제적인 운영을 위해서는 현재 탑승객뿐 아니라 특정 시간대와 정류장에서 앞으로 몇 명의 승객이 탑승할 가능성이 있는지도 예측할 필요가 있었습니다.
이를 위해 과거 승·하차 이력과 시간대, 요일, 노선 등의 데이터를 분석해 향후 승객 수를 예측할 수 있는 AI 모델이 요구됐습니다.
차량 내부에서 실시간 AI 분석이 가능해야 했습니다
버스 운행 중 생성되는 영상 데이터는 지속적이고 데이터량도 많습니다.
승객의 승·하차가 이루어지는 짧은 시간 안에 객체 검출과 이동 추적이 이루어져야 하기 때문에 AI 모델의 정확도뿐 아니라 실시간 처리 성능도 중요한 조건이었습니다.
따라서 차량 내부에서 AI 모델을 실행하고 영상 데이터를 즉시 분석할 수 있는 Edge AI 환경과 모델 최적화 기술이 필요했습니다.
The Solution
삼원FA는 객체 검출과 객체 추적 AI를 이용해 승객의 이동을 실시간으로 분석하고, 축적된 승객 데이터를 기반으로 향후 정류장의 승객 수요를 예측하는 Edge AI 시스템을 구축했습니다.
시스템의 기본적인 데이터 흐름은 다음과 같습니다.
차량 내부 영상에서 검출된 승객은 객체 추적 기술을 통해 연속된 영상 프레임에서 동일한 사람으로 연결됩니다.
승객이 차량에 들어오거나 나가는 이동 방향을 분석해 정류장별 승차·하차 인원을 계산하고, 이를 기반으로 현재 차량 내부의 승객 수를 파악할 수 있도록 구성했습니다.
이렇게 생성된 데이터는 시간대와 요일, 노선, 정류장별 이용 패턴과 함께 축적되며 이후 승객 수요 예측 모델의 입력 데이터로 활용됩니다.
이를 통해 단순히 현재 차량 내부 상황을 확인하는 것에서 나아가 앞으로 차량 내부의 승객 수가 어떻게 변화할지 예측할 수 있는 데이터 구조를 구현했습니다.
승객의 현재를 인식하고 미래의 수요를 예측하다
AI 기반 승객 객체 인식
딥러닝 기반 객체 검출 모델을 적용해 차량 내부 영상에서 승객을 실시간으로 인식합니다. 객체 검출 기술을 활용해 영상 내 승객의 위치를 파악하고, 이후 객체 추적과 승·하차 분석에 필요한 기본 정보를 생성합니다. 단순히 화면 안에 몇 명이 존재하는지를 판단하는 것이 아니라 지속적인 승객 이동 분석을 위한 첫 번째 단계입니다.
객체 추적 기반 승·하차 분석
객체 추적 기술을 활용해 연속된 영상 프레임에서 동일한 승객을 지속적으로 추적합니다. 이를 통해 승객이 어느 방향으로 이동하는지 분석하고 차량 출입구를 기준으로 승차와 하차를 구분할 수 있도록 구성했습니다. 정류장별 승·하차 데이터를 자동으로 생성함으로써 차량 내부 승객 변화를 데이터로 관리할 수 있습니다.
승객 이동 데이터 생성
객체 인식과 추적 결과를 기반으로 정류장별 승·하차 인원과 차량 내부 승객 정보를 생성합니다. 이 데이터는 단순한 승객 카운팅 결과로 끝나지 않고 시간대와 요일, 노선 및 정류장 정보와 함께 축적됩니다. 이를 통해 특정 정류장과 시간대에서 반복적으로 발생하는 승객 이용 패턴을 분석할 수 있는 기반 데이터를 확보했습니다.
AI 기반 승객 수요예측
과거 승·하차 이력과 시간대, 요일, 노선 데이터를 기반으로 승객 수요를 예측하는 AI 모델을 개발했습니다. 회귀 예측 모델을 적용해 특정 정류장에서 향후 발생할 승객 수요를 분석합니다. 현재 차량에 탑승하고 있는 승객 수뿐 아니라 앞으로 승객이 얼마나 증가하거나 감소할지 예측함으로써 공조제어 시스템에서 활용할 수 있는 정보의 범위를 확대했습니다.
승객 정보를 공조제어 데이터로 전환하다
이 프로젝트의 핵심적인 변화는 차량 내부에 AI 객체 검출 기능을 추가했다는 데 있지 않습니다.
기존에는 승객 수를 공조 운전의 직접적인 데이터로 활용하기 어려웠다면, 이번 시스템에서는 차량 내부 영상으로부터 현재 승객 수를 파악하고 축적된 데이터를 바탕으로 이후 승객 수요까지 예측할 수 있도록 했습니다.
현재 승객을 인식하고, 이동 데이터를 축적하고, 앞으로의 승객 수를 예측하는 것.
이러한 분석 결과를 차량의 온도와 외부 환경 등 기존 공조 데이터와 함께 활용하면 실제 승객 상황에 따라 공조 운전을 보다 세밀하게 조정할 수 있는 기반이 됩니다.
다만 이번 프로젝트에서는 승객 인식과 수요예측 기능까지 개발했으며 실제 차량 공조제어 시스템과의 직접적인 연동은 아직 구현되지 않았습니다.
why SAMWON FA
차량에 AI를 적용하기 위해서는 객체 인식 모델의 정확도만으로 충분하지 않습니다.
차량 내부 영상에서 승객을 안정적으로 검출하고 동일 승객의 움직임을 추적해야 하며, 이 데이터를 실제 승·하차 정보로 가공하고 다시 수요예측 모델과 연결할 수 있는 전체 데이터 처리 구조가 필요합니다.
또한 이러한 AI 모델이 실제 차량 내부의 Edge AI 환경에서 실시간으로 동작할 수 있도록 모델 최적화와 시스템 구성이 함께 이루어져야 합니다.
삼원FA는 이번 프로젝트에서 AI 객체 검출·추적 기술과 승객 수요예측 모델을 개발하고 NVIDIA Jetson 기반 Edge AI 환경에 적용했습니다.
이를 통해 영상에서 승객을 인식하는 개별 AI 기술을 넘어 승객 인식 → 이동 분석 → 데이터 생성 → 수요예측 → 차량 제어 활용까지 이어지는 AI 분석 시스템을 구현했습니다.
이는 AI가 생성한 데이터를 실제 차량 운영과 제어에 활용할 수 있는 정보로 전환한다는 점에서 의미가 있습니다.
Next Step
이번 프로젝트는 차량 내부의 승객 상황을 실시간으로 인식하는 것을 넘어 축적된 운행 데이터를 이용해 앞으로의 승객 수요까지 예측하는 차량 AI 시스템의 가능성을 보여줍니다.
향후 AI 분석 결과를 실제 공조제어 시스템과 연동하면 현재 승객 수와 향후 승객 변화, 차량 내부 온도 및 외부 환경을 함께 고려한 공조제어 방식으로 확장할 수 있습니다.
충분한 운행 데이터가 축적되면 다음과 같은 지표를 기반으로 시스템 효과를 보다 구체적으로 검증할 수 있습니다.
- 실제 승객 인식 정확도
- 승객 수요 예측 정확도
- 공조 운전 시간 변화
- 냉·난방 에너지 사용량
- 승객 수에 따른 차량 내부 온도 변화
- 기존 공조제어 방식 대비 에너지 효율
또한 승객 수요 데이터를 활용하는 방식은 공조제어뿐 아니라 차량 운영 분석, 혼잡도 정보 제공 등 다양한 대중교통 서비스로 확장 가능성을 검토할 수 있습니다.
Project facts
프로젝트 | AI 기반 차량 공조제어 시스템 개발
고객사 | 현대자동차
프로젝트 기간 | 2024.06.01 ~ 2025.12.26
주요 기능
- AI 기반 승객 객체 검출
- 승객별 실시간 객체 추적
- 정류장별 승·하차 인원 분석
- 현재 차량 내 승객 수 분석
- 시간대·요일·노선별 승객 데이터 분석
- XGBoost 기반 승객 수요 예측
- TensorRT 기반 AI 모델 최적화
- Edge AI 기반 실시간 분석
- 공조제어 활용 데이터 생성