제68차 지속가능 교통물류 콜로키움

 

안녕하십니까, 

서울대학교 환경대학원 교통학전공 조교입니다.

올해 세 번째 교통학 학술행사는 6월 18일에 열렸습니다.

 

이번 행사는 방학을 맞아 한국에 귀국하는 최성진 교수님을 모셨습니다.

 

 

최성진 교수님은 KAIST 건설환경공학과를 졸업한 이후 동 대학원 동학과의 석사 및 박사를 취득하였습니다. 이후 KAIST 응용과학연구소와 McGill 대학교에서 박사후연구원으로 계셨습니다. 현재는 University of Minnesota의  신임 교수로서 활발히 강의하고 계십니다.

 

최성진 교수님은 도시 이동성 데이터 분석, 시공간 데이터 모델링, 딥 러닝 및 인공 지능, CAV (Connected Automated Vehicle) & Cooperative-ITS가 주 연구 분야이며, 특히 도시 이동성을 최적화하고 지속 가능하고 효율적인 도시 교통 시스템 개발하고자 연구를 수행해왔습니다. 

 

강연시작을 알려주는 한상진 교수님의 최성진 교수님 소개

 

이번 학술행사는 해외 교수님을 모신 것도 특이했지만, 한상진 교수님이 사회를 보셨다는 점도 특별했습니다. 한 교수님의 소개 이후 최성진 교수님은 간락히 지하 7층 이상의 미네소타 대학 건물을 소개한 후 발표를 시작했습니다.

 

열강 중이신 최성진 교수님

 

최성진 교수님은 교통학이 모든 연구대상의 모집단을 조사할 수 없기에 본질적으로 표본조사를 할 수 밖에 없는 한계를 인공지능 연구를 하게 된 계기의 일부로 언급하셨습니다. 즉, 표본 조사 이후 연구대상(예컨대 교통량, 속도,시간 및 이동궤적)에 대한 일반화를 하기 위하여 여러 분표 상의 가정을 기반으로 추론을 하게 되는데, 인공지능은 이미 존재하는 데이터를 반복재생함으로써 이론적인 가정 없이 보다 직접적인 추론과 분석이 가능하게 만드는 면이 존재한다는 말씀이었습니다.

 

교수님이 수행한 연구를 gif로도 보여주셨는데, 확실히 딥러닝 알고리즘을 활용하여 통행이동경로를 학습시키는 경우, 승하차 데이터로는 표현되지 않는 이동 패턴과 핫스팟을 확인할 수 있었습니다.

나아가, 항공기의 운항경로를 학습시킨 결과물도 보여주셨는데, 이는 요즘 부상하는 UAM의 이동경로반경을 설정하는 데에 있어 최소한 피해야 할 공간적 범위를 파악하는 데에 유용하게 쓰인다고 말씀하셨습니다.

 

마무리 멘트를 하시는 장수은 교수님

 

많은 사람들이 참여한 만큼 강연 이후에는 다양한 질문들이 오갔습니다. 환경대학원 허성호 교수님은 본 알고리즘의 물류 분석 활용에 대해, 한 학생은 본 데이터의 정책적 활용가능성에 대해, 일부는 연구의 구체적인 내용에 대해 질의하였습니다. 

 

보다 많은 방향으로 발전가능한 인공지능의 구체적인 활용 사례를 볼 수있는 유익한 시간이었습니다. 

감사합니다.