도시의 미래 내다보는..AI가 교통·에너지·환경 데이터 통합 분석한 특징은?

[AI 매터스 제공, 정리=데일리카 하영선 기자] 환경과학기술저널 (Environmental Science and Ecotechnology)에 게재된 논문에 따르면, 스위스 연방공대 연구팀이 도시 디지털 트윈(UDT) 시스템을 위한 혁신적인 대형 흐름 모델(Large Flow Model, LFM)을 개발했다.

급속한 도시화와 자원 고갈, 생태계 악화가 심각해지는 가운데, 지속가능한 스마트 도시들은 생성형 AI(GenAI)와 기초 모델(Foundation Models), 도시 디지털 트윈(UDT) 등 첨단 기술을 도입하고 있다. 이러한 변혁적 도구들은 복잡한 도시 시스템을 분석하고 자원 관리를 최적화하며 증거 기반 의사결정을 가능하게 한다.

도시 디지털 트윈(UDT)은 도시 환경의 동적이고 가상적인 표현을 제공하며, 실시간 데이터와 고급 모델링 기법을 통합하여 도시 시스템을 시뮬레이션하고 분석하며 예측, 최적화하는 도구이다. 이는 지속가능한 스마트 도시의 환경 계획과 설계에서 특히 중요한 역할을 한다.

연구진이 개발한 블루 시티 자동인코더(Blue City Autoencoder, BCA)는 도시의 구조적 데이터와 흐름 데이터를 효과적으로 처리한다. 이 시스템은 시간별 흐름 데이터(예: 2024년 8월 2일 에너지 소비량 118kWh)와 공간 데이터(예: 105명의 근로자를 위한 사무실 구조)를 통합적으로 분석하여 도시 흐름을 모델링한다.

이 시스템은 비지도 학습 방식으로 훈련되어 도시 환경에서 발견되는 다양한 유형의 데이터를 처리할 수 있다. 거리 데이터, 흐름 데이터, 위성 데이터 등을 포함하며, 데이터의 기본 구조와 패턴을 입력과 출력 데이터에 의존하지 않고 포착할 수 있다.

스위스 로잔 시의 블루 시티 프로젝트는 도시 데이터 플랫폼, 도시 이동성, 생물다양성, 폐기물 관리, 에너지 관리, 자재 흐름, 공급망 최적화, AI 기반 도시계획 플랫폼 등 8개의 상호 연결된 하위 프로젝트로 구성된다. 특히 카프카(Kafka)를 활용한 데이터 메시 플랫폼은 실시간 데이터 스트림과 원활한 데이터 통합을 지원한다.

도시 이동성 분야에서는 오픈 소스 라우팅 머신(OSRM)을 개선하여 고정밀 이동 시간 계산과 다중 규모 접근성 측정을 구현했다. 에너지 관리 시스템은 지역과 국가 수준의 시스템을 연결하는 에너지 시스템 모델을 개발했으며, 공급망 최적화에서는 분기-가격-절단(Branch-Price-and-Cut) 알고리즘을 사용한 차량 경로 문제(VRP) 해결기를 개발했다.

LFM은 다양한 AI 기술을 활용한다. 생성적 적대 신경망(GANs), 변분 오토인코더(VAEs), GPT-3와 BERT 같은 대규모 언어 모델, CLIP 등의 기술이 통합되어 있다. 이를 통해 도시의 복잡한 공간적 역학과 다중 양식 데이터를 효과적으로 처리할 수 있다.

프로젝트는 텍스트 생성, 코드 생성, 이미지 생성, 지식 그래프 구성 등 다양한 작업을 수행할 수 있는 고급 아키텍처를 활용한다. LFM은 엣지 서버에 배포되어 분산 및 자원 제약 환경에서도 효율적인 미세 조정과 추론 프로세스를 가능하게 한다.

연구진은 현재 LFM의 설계 단계를 완료하고 개발 단계를 진행 중이며, 2026년 첫 프로토타입 출시를 목표로 하고 있다. 모델의 주요 기능으로는 불완전한 도시 데이터 보완, 관측되지 않은 위치의 흐름 데이터 추정, 도시 흐름의 진화 예측, 도시 역학에 대한 전체적 이해 등이 포함된다.

모델의 설계는 두 가지 상호 연관된 요소를 중심으로 이루어졌다. 기초 프레임워크는 모델의 핵심 아이디어, 구조적 관계, 목표를 구성하는 이론적 기반을 제공하고, 개념적 설계는 이 이론적 기반을 실제 기능 모델로 변환한다.

LFM은 자원 할당 최적화, 에너지 효율성 향상, 탄소 배출 감소, 생물다양성 보존 등 환경 지속가능성 목표 달성을 지원한다. 도시 계획가, 정책 입안자, 연구자들은 이 도구를 통해 보다 효율적이고 회복력 있는 지속가능한 도시 환경을 조성할 수 있을 것으로 기대된다.

LFM은 에너지 사용, 운송, 폐기물 관리, 수자원 보존, 녹지 공간, 디지털 인프라, 공공 서비스 등 다양한 차원의 지속가능성을 통합적으로 다룬다. 특히 재생 에너지원, 에너지 효율성, 운송 탈탄소화, 순환 경제 실천, 대기질 개선, 기후 회복력 전략 등에 중점을 둔다.

LFM은 데이터 추상화와 표준화를 통해 다양한 도시 데이터를 통합한다. 거리 데이터에서는 구조물과 객체, 기하학적 형태, 분류 정보를, 흐름 데이터에서는 위치와 노드, 연결, 방향과 거리, 유형 정보를, 위성 데이터에서는 점, 색상, 패턴 등의 정보를 추출하여 처리한다. 이러한 데이터는 입력 임베딩과 위치 인코딩을 거쳐 모델의 학습 데이터로 변환된다.

[AI 매터스 (https://aimatters.co.kr) 제공]