KAIST AI Mobility Lab
건설환경및공학과 여화수
KAIST AI Mobility Lab은 첨단 인공지능(AI) 기술과 교통공학, 도시 인프라 관리의 융합을 통해 미래형 스마트 모빌리티와 도시 시스템 혁신을 선도하는 연구실입니다. 본 연구실은 교통류 이론, 운전자 행태 분석, 교통 및 충돌 위험 예측, 자율주행 및 스마트 모빌리티 서비스 최적화 등 다양한 교통 현상을 심층적으로 연구하며, 인공지능 기반의 예측 및 제어 기술을 적극적으로 도입하고 있습니다.
특히, 미시적·중시적·거시적 교통 시뮬레이터 개발, 보행자 및 대피 시뮬레이션, 자율주행차 제어, 수요응답형 대중교통 시스템 등 실제 교통 환경에서 발생하는 복잡한 문제를 해결하기 위한 다양한 시뮬레이션 및 데이터 기반 연구를 수행하고 있습니다. 딥러닝, 강화학습, 생성적 적대 신경망(GAN) 등 최신 AI 기법을 활용하여 교통 흐름 예측, 위험도 평가, 실시간 신호 제어, 차량 궤적 생성 등 혁신적인 솔루션을 개발하고 있습니다.
스마트시티와 도시 인포매틱스 분야에서는 교통 안전 및 회복탄력성 높은 도시 시스템 구축, 도시 빅데이터 분석, EV 충전소 위치 최적화, 교통약자 이동 지원 서비스, 팬데믹 상황에서의 대중교통 수요 회복탄력성 평가 등 실제 도시 문제 해결에 기여하는 연구를 활발히 진행하고 있습니다. 또한, 도시 환경 변화와 기후변화 대응, 지속가능한 교통 인프라 설계 등 미래 지향적 연구도 병행하고 있습니다.
예측 분석 및 인프라 유지관리 최적화 분야에서는 스마트 인프라 관리, 인프라 열화 모델링, 상태 기반 유지관리(CBM), 빅데이터 및 기계학습 기반의 교통 및 인프라 상태 예측 등 첨단 예측 분석 기법을 도입하여, 인프라의 수명 연장과 유지관리 비용 절감, 안전성 향상에 기여하고 있습니다. 철도, 도로, 차량 등 다양한 인프라의 실시간 모니터링 및 유지관리 정책 최적화 연구도 활발히 이루어지고 있습니다.
본 연구실은 산학연 및 공공기관과의 협력을 통해 실제 도시와 교통 현장에 적용 가능한 솔루션을 개발하고 있으며, 다양한 국내외 연구 프로젝트, 특허, 논문, 학술상 수상 등에서 탁월한 성과를 내고 있습니다. 앞으로도 인공지능과 교통공학의 융합을 통해 지속가능하고 안전하며 효율적인 미래 도시와 모빌리티 시스템 구축에 앞장설 것입니다.
Machine Learning in Transportation
Urban Mobility
Collision Avoidance
모빌리티와 인공지능 융합 연구
본 연구실은 모빌리티와 인공지능(AI)의 융합을 중심으로 첨단 교통 시스템의 혁신을 추구하고 있습니다. 교통류 이론, 운전자 행태 이론, 교통 및 충돌 위험 예측 등 다양한 교통 현상의 근본적인 이해를 바탕으로, 인공지능 기술을 접목하여 교통 흐름의 예측과 최적화를 실현하고 있습니다. 특히, 미시적·중시적·거시적 시뮬레이터 개발, 보행자 시뮬레이터 및 대피 시뮬레이터, 자율주행 모빌리티 제어 등 다양한 시뮬레이션 기반 연구를 통해 실제 교통 환경에서 발생하는 복잡한 문제를 해결하고 있습니다.
이러한 연구는 실시간 교통 데이터와 인공지능 기반의 예측 모델을 결합하여, 돌발 상황이나 비정상적인 교통 패턴에도 유연하게 대응할 수 있는 시스템을 개발하는 데 중점을 두고 있습니다. 예를 들어, 딥러닝 기반의 차량 궤적 예측, 강화학습을 활용한 신호 제어, 생성적 적대 신경망(GAN) 기반의 차량 이동 경로 생성 등 최신 AI 기법을 적극적으로 도입하고 있습니다. 이를 통해 교통 혼잡 완화, 안전성 향상, 에너지 효율 증대 등 다양한 사회적 가치를 창출하고 있습니다.
또한, 자율주행차, 수요응답형 대중교통, 도심 내 모빌리티 서비스 최적화 등 미래 교통 시스템의 핵심 기술 개발에도 앞장서고 있습니다. 인프라 기반 센싱, AV(Autonomous Vehicle) 제어, 자동화된 대중교통 및 모빌리티 서비스 최적화 등 다양한 응용 분야에서 실질적인 성과를 내고 있으며, 산학연 협력을 통해 실제 도시와 교통 현장에 적용 가능한 솔루션을 제시하고 있습니다.
스마트시티와 도시 인포매틱스
스마트시티와 도시 인포매틱스 분야는 본 연구실의 또 다른 핵심 연구 영역입니다. 교통 안전 및 회복탄력성(Resilience)이 높은 도시 시스템 구축을 목표로, 교통 안전 분석, 사고 예방 시스템, 안전 관리 체계, 회복탄력적 도시 인프라 구축 등 다양한 주제를 다루고 있습니다. 특히, 도시 빅데이터 분석, 실시간 도시 데이터 분석, 지리정보시스템(GIS) 및 원격탐사 기술을 활용하여 도시 내 다양한 교통 및 인프라 데이터를 통합적으로 분석하고, 이를 기반으로 최적의 도시 교통 정책과 인프라 개선 방안을 제시하고 있습니다.
본 연구실은 EV(전기차) 충전소 위치 최적화, 도시 내 대중교통 인프라 불균형 분석, 팬데믹 상황에서의 대중교통 수요 회복탄력성 평가 등 실제 도시 문제 해결에 직접적으로 기여하는 연구를 수행하고 있습니다. 또한, 교통약자(장애인, 노약자, 교통소외지역 등)를 위한 이동 지원 서비스, 도시 내 보행자 안전성 향상, 이륜차 사고 다차원 요인 분석 등 사회적 약자를 배려한 스마트시티 기술 개발에도 힘쓰고 있습니다.
이와 더불어, 도시 환경 변화에 따른 교통 및 인프라의 지속가능성 평가, 기후변화 대응형 도시 교통 시스템 설계, 도시 내 에너지 효율적 이동성 확보 등 미래 지향적 연구도 활발히 이루어지고 있습니다. 다양한 공공기관, 지자체, 연구기관과의 협업을 통해 실제 도시 현장에 적용 가능한 스마트시티 솔루션을 개발하고, 도시의 지속가능한 발전과 시민의 삶의 질 향상에 기여하고 있습니다.
예측 분석 및 인프라 유지관리 최적화
예측 분석(Predictive Analytics)과 인프라 유지관리 최적화는 본 연구실의 주요 연구 축 중 하나입니다. 스마트 인프라 관리, 인프라 열화 모델링, 이질적 시스템의 유지보수 의사결정 최적화 등 다양한 인프라 관련 문제를 데이터 기반으로 접근하고 있습니다. 철도 시스템, 도로, 차량 부품 등 다양한 인프라의 상태를 실시간으로 모니터링하고, 상태 기반 유지관리(CBM) 시스템을 개발하여 효율적이고 경제적인 유지보수 정책을 제시하고 있습니다.
특히, 빅데이터와 기계학습을 활용한 인프라 상태 예측, 미래 교통 상태 예측, 위험도 예측 등 첨단 예측 분석 기법을 도입하여, 돌발 상황이나 비정상적 패턴에 대한 신속한 대응이 가능하도록 연구를 진행하고 있습니다. 예를 들어, 철도 시스템의 실시간 안전 감시제어 시스템, 도로 교통 데이터의 결측치 보정, 교통 데이터 큐브 모델을 활용한 다차원 위험 분석 등 다양한 응용 연구가 활발히 이루어지고 있습니다.
이러한 연구는 인프라의 수명 연장, 유지관리 비용 절감, 안전성 향상 등 실질적인 사회·경제적 효과를 창출하고 있습니다. 또한, 미래 도시 및 교통 인프라의 지속가능한 발전을 위한 정책적·기술적 기반을 마련하는 데 중요한 역할을 하고 있습니다.
1
SafetyCube: Framework for Potential Pedestrian Risk Analysis using Multi-dimensional OLAP
Byeongjoon Noh, Hwasoo Yeo
Accident Analysis and Prevention, 2021
2
TrajGAIL: Generating Urban Vehicle Trajectories using Generative Adversarial Imitation Learning
Seongjin Choi, Jiwon Kim, Hwasoo Yeo
Transportation Research Part C, 2021
3
Methodology to Increase the Flexibility in Inter-region Flow Control for Uban Traffic
Sunghoon Kim, Monica Menendez, Hwasoo Yeo
Transportation Research Record, 2021
1
모빌리티인공지능 분야 한-미 국제협력 학생 연수프로그램: 모빌리티를 위한 AI의 고급 응용
2
(통합EZ)교통약자(장애인, 노약자, 교통소외지역 등) 이동지원 모빌리티 서비스 기술 개발(2024년도)
3
교통약자 이동지원 모빌리티 서비스를 위한 정책지원시스템 관련 기능 구현 및 개발(2023년도)
