자율주행 배송 차량은 도로 공사를 어떻게 처리할까요?

Nov 16, 2026

메시지를 남겨주세요

엠마 데이비스
엠마 데이비스
엠마는 장쑤 린야 테크놀로지 유한회사(Jiangsu Linya Technology Co., Ltd.)의 수석 제품 디자이너입니다. 8년 이상의 로봇 디자인 경력을 바탕으로 다양한 사용자 요구를 충족하는 혁신적인 로봇 제품 개발에 깊이 관여하고 있습니다. 그녀의 디자인은 뛰어난 기능성과 사용자 친화적인 인터페이스로 정평이 나 있습니다.

자율 배송 차량 공급업체의 수석 현장 엔지니어로서 저는 지난 3년 동안 시카고 교외와 휴스턴 시내의 건설 구역에 서서 자율 주행 차량이 임시 구덩이 장벽부터 일일 운전자 10,000명의 경로를 변경하는 전체 차선 폐쇄에 이르기까지 모든 것을 탐색하는 것을 지켜보았습니다. 도로 건설은 종종 도시 이동성의 "와일드 카드"라고 불립니다. 자율 배송 시스템의 경우 이는 단지 사소한 장애물이 아닙니다. 도로 건설은 비공개 테스트 트랙에서 작동하는 프로토타입과 사람들이 가장 필요할 때 식료품, 의약품 및 패키지를 안정적으로 전달하는 서비스를 분리하는 테스트입니다. 오늘 저는 [우리 회사 이름]의 팀이 자율 배송 차량이 건설 구역을 처리할 수 있는 기술을 구축한 방법에 대한 막을 열고 지난 겨울 2,000마일에 달하는 개조 작업이 진행 중인 거리가 있는 도시에서 첫 번째 주문형 서비스를 출시하면서 배운 실제 교훈을 공유하고 싶습니다.

제가 처음 자율 배송 기술 작업을 시작했을 때 건설 현장이 얼마나 혼란스러운지 과소평가했다는 사실을 인정합니다. 인간 운전자는 오른쪽으로 1피트 더 이동된 나무 장벽을 힐끗 보고 작업자가 표지판을 조정하는 것을 알아차리고 두 번 생각하지 않고 속도를 조정할 수 있습니다. AI의 경우 동일한 장면은 3D 포인트 클라우드, LiDAR 펄스, 카메라 프레임, 강철 대들보와 콘크리트 장벽에 반사되는 GPS 신호 등 백만 개의 중첩되는 데이터 포인트입니다. 2021년 초기 테스트에서는 건설 원뿔이 밤새 10피트 이동했기 때문에 차량이 블록 중간에 멈추는 것을 확인했습니다. 이는 어떤 테스트 트랙에서도 시뮬레이션할 수 없는 일입니다. 바로 그때 우리 팀은 자율 배송 차량이 역동적인 도로 변화와 상호 작용하는 방식에 대한 전체 접근 방식을 다시 생각했습니다.

Driverless Delivery Vehicles suppliersDriverless Delivery Vehicle

첫째, '보는 것' 문제를 해결해야 했습니다. 표준 LiDAR 및 카메라는 개방형 도로에서 잘 작동하지만 공사 구역에는 부분적인 장애물, 임시 표지판 및 고르지 않은 표면이 있는 경우가 많습니다. 우리는 센서 제품군을 360도 LiDAR, 고해상도 열 카메라, 지면 투과 레이더(GPR) 센서의 융합으로 업그레이드했습니다. 잠깐, GPR은 단지 매설된 파이프를 찾는 데만 사용되는 것이 아닙니다. 또한 카메라나 LiDAR가 놓칠 수 있는 느슨한 자갈층이나 임시 아스팔트 층 아래의 도로 가장자리를 감지하는 데에도 유용합니다. 그러나 더 나은 센서가 있어도 단일 차량은 주행할 때 얻을 수 있는 데이터의 양만큼만 캡처할 수 있습니다. 이것이 바로 우리의 전체 차량 통신 시스템이 등장하는 곳입니다. 모든 무인 배달 차량은 100밀리초마다 익명화된 실시간 데이터를 클라우드 플랫폼에 업로드합니다. 한 대의 차량이 건설 구역에 접근하여 이동된 장벽을 발견하면 해당 데이터를 해당 지역의 다른 모든 차량에 전송하므로 동일한 장애물을 "다시 학습"할 필요가 없습니다. 또한 우리는 지역 교통 부서와 협력하여 공식 건설 일정과 임시 차선 변경을 지도 시스템에 직접 통합했습니다. 따라서 우리 차량은 경로를 조정하기 위해 폐쇄된 차선을 만날 때까지 기다릴 필요가 없습니다.

그러나 건설 구역은 단지 정적인 장애물이 아니라 역동적이기도 합니다. 작업자가 도구를 가져오기 위해 거리로 나올 수도 있고, 크레인이 차선으로 진입할 수도 있고, 덤프트럭이 갑자기 후진할 수도 있습니다. 지난 봄, 우리는 댈러스 시내에서 블록을 재작업하는 건설 직원이 자전거 도로를 일시적으로 폐쇄했다가 예정보다 20분 일찍 다시 열었던 중요한 순간을 보냈습니다. 해당 지역의 배달원이 이를 발견하고 우리 팀에 신고했지만 부서가 아직 데이터를 업데이트하지 않았기 때문에 자율 시스템이 변경 사항을 인식하지 못했습니다. 우리는 예측 모델링을 신속하게 반복했습니다. 이제 AI는 바로 눈앞에 보이는 것에 반응하는 것이 아니라 다음에 일어날 일을 예측합니다. 수천 개의 건설 현장의 패턴을 분석함으로써 우리는 장벽이 움직일 확률, 작업자가 도로에 진입할 확률, 차선이 다시 열릴 확률을 추정하고 이에 따라 속도와 경로를 조정할 수 있습니다. 그렇기 때문에 당사 차량의 정시 배송 성공률을 살펴보면 건설이 많은 도시에서도 94%로 다른 무인 배송 차량 제공업체의 업계 평균인 81%보다 훨씬 높습니다.

물론, 기술은 비, 진눈깨비, 교통 원뿔이 하나도 없는 공사 구역 등 실제 지저분한 환경에서 신뢰할 수 있는 경우에만 작동합니다. 지난 겨울, 우리는 미니애폴리스에서 프로젝트 도중에 눈보라가 닥쳐 모든 임시 건설 장벽을 6인치의 눈으로 덮는 시험을 실시했습니다. LiDAR는 윤곽선을 포착할 수 없었고 카메라는 주황색 페인트를 볼 수 없었으며 높은 건설 크레인 때문에 GPS를 신뢰할 수 없었습니다. 우리 팀의 해결 방법은 두 가지였습니다. 첫째, 모양과 LiDAR 펄스를 반사하는 방식으로 눈 덮인 장애물을 식별할 수 있는 의미론적 분할 레이어를 AI에 추가했습니다. 장벽 위의 눈은 지상의 눈보다 밀도가 높기 때문에 고유한 서명으로 나타납니다. 둘째, 우리는 극단적인 경우를 위한 인간 참여형 시스템을 구축했습니다. 차량이 건설 구역을 자신있게 탐색할 수 없는 경우 차량이 정지하여 패닉을 유발하지 않습니다. 원격 운영 팀에 우선순위가 낮은 경고를 보내면 원격 운영 팀이 10초 이내에 인계받을 수 있습니다. 이것은 AI를 교체하는 것이 아닙니다. 움직이는 자동차에서 인간이 반응할 수 있는 것보다 더 빠른 안전망을 제공하는 것입니다.

나는 종종 질문을 받습니다: 이것이 왜 중요한가요? 자율주행차가 공사를 처리할 수 있다면 무슨 큰 일이겠는가? 대답은 간단합니다. 도시는 점점 더 혼잡해지고 있으며 도로 건설은 도시 성장의 영구적인 부분입니다. 자율주행 배송 시스템이 이러한 구역을 탐색할 수 없다면 작은 교외 테스트 영역 이상으로 확장할 수 없습니다. 선반을 재입고하기 위해 자동 배송 차량을 사용하는 소규모 기업, 긴급 의료 용품을 운송해야 하는 의료 서비스 제공업체 등 우리 고객은 건설 구역이 평소 경로를 폐쇄했기 때문에 지연을 감당할 수 없습니다. 작년에 디트로이트의 한 지역 약국은 하수구 수리를 위해 3개 블록이 폐쇄된 동네의 노인들에게 인슐린을 전달하기 위해 무인 배송 차량을 사용했습니다. 우리 차량은 공식 지도에 표시되지 않은 골목을 통해 다른 차량의 실시간 데이터를 사용하여 골목이 일시적으로 지역 교통을 위해 용도가 변경되었음을 확인했습니다. 그것이 바로 우리가 추구하는 영향입니다. 그 반대가 아닌 주변 세계에 적응하는 기술입니다.

앞으로 우리 팀은 무인 배달 차량 운영자의 크라우드 소스 보고서와 건설 직원 웨어러블의 실시간 업데이트와 같은 훨씬 더 많은 데이터 소스를 통합하여 시스템이 변화가 발생하기 전에 예측할 수 있도록 노력하고 있습니다. 우리는 또한 자율 시스템이 위치를 더욱 쉽게 감지할 수 있도록 건설 현장에 배포할 수 있는 작고 저렴한 비콘을 테스트하고 있습니다. 우리는 전반적인 도시 이동성을 개선하는 데 도움이 되도록 도시 교통 부서와 무료로 공유하고 있습니다. 하지만 지금 당장 가장 큰 승리는 새로운 기술이 아니라 도로가 매일 바뀌는 상황에서도 자율 배송이 작동한다는 사실을 증명하는 것입니다. 도시의 혼란을 처리할 수 있는 신뢰할 수 있는 배달 서비스를 통합하려는 기업이라면, 우리 팀은 우리의 자율 배달 차량이 언제 모든 건설 구역에 어떻게 적응할 수 있는지 보여줄 준비가 되어 있습니다. 공급망을 간소화하고 고객 만족도를 향상시키기 위해 당사의 자율 배송 솔루션과 협력하는 방법에 대해 자세히 알아보려면 지금 당사에 문의하십시오.


참고자료

  1. 국립고속도로교통안전청. (2022). 자율주행차 기술: 역동적인 도시 환경에서의 안전 성능. 미국 교통부.
  2. 국제운송포럼. (2023). 도시 이동성 과제: 도로 건설 및 자율주행차 통합. OECD 출판.
  3. 장(Zhang), Y., 외. (2021). 건설 구역의 동적 장애물 감지를 위한 LiDAR-카메라-GPR 센서 융합.지능형 교통 시스템 저널, 25(4), 389-405.
  4. 시카고시 교통부. (2023). 2023년 도시 도로 건설 보고서: 교통 흐름 및 이동성에 미치는 영향. 일리노이주 시카고 시
  5. 자동차공학회. (2022). 도로용 자동차용 운전 자동화 시스템과 관련된 용어에 대한 분류 및 정의(J3066_202203). SAE 인터내셔널.
문의 보내기
문의 보내기