노타가 생성형 AI를 접목한 도로 돌발상황 복합검지시스템을 내놨다. 기존 AI 영상분석 관제는 정지 차량·역주행 차량·보행자처럼 미리 정한 사건을 중심으로 탐지해 왔지만, 현장에서는 날씨와 그림자, 차량 흐름 변화 때문에 불필요한 경보가 반복될 수 있다. 노타의 방식은 비전언어모델(VLM)이 영상의 맥락을 읽어 사고·화재·낙하물 같은 비정형 상황을 설명하고, 시간대별 주요 상황을 리포트로 정리하는 데 초점을 맞춘다.
실무상 장점은 기존 CCTV를 그대로 활용할 수 있다는 데 있다. 카메라를 대거 교체하기보다 현장 장비나 관제 서버에 분석 기능을 연동하면 초기 구축 범위를 줄일 수 있다. 회사는 외부망 없이 현장 장비에서 데이터를 처리해 전송 지연과 영상 반출 부담을 낮추고, 기존 3종 중심의 탐지에서 6종 이상의 비정형 사건으로 범위를 넓힐 수 있다고 설명한다. 다만 카메라 화질과 야간 조도, 시야 가림, 장비 성능에 따라 결과가 달라지므로 ‘추가 설치가 전혀 필요 없다’고 일반화해서는 안 된다.
| 비교 항목 | 기존 규칙형 검지 | 생성형 AI 복합검지 |
|---|---|---|
| 사건 범위 | 사전 정의 사건 중심 | 비정형 상황까지 확장 |
| 출력 | 경보·분류값 | 상황 설명·요약 리포트 |
| 도입 조건 | 지점별 튜닝 비중 큼 | 연산 장비·현장 검증 필요 |
노타는 국토교통부 ITS 혁신기술 공모사업에 선정됐고, 한국지능형교통체계협회의 스마트교차로 기본성능평가에서 99% 이상 정확도로 최상급을 받았다고 밝혔다. 두바이 교통 당국과의 솔루션 공급, 소니 스마트 이미지 센서 기반 보행자 안전 검증 등 해외 적용도 추진하고 있다. 다만 99%라는 수치는 해당 시험의 대상·데이터·평가지표 안에서 읽어야 하며, 돌발상황 전체의 실시간 탐지율이나 모든 도로 환경의 성능으로 확대 해석할 수 없다.
지자체가 도입할 때는 정확도 한 줄보다 운영 지표를 먼저 정해야 한다. 사건별 재현율, 시간당 오경보 수, 탐지부터 관제 확인까지 걸린 시간, 야간·우천 성능, 장애 때 기존 관제로 돌아가는 절차를 함께 시험해야 한다. 영상 보관 기간과 접근 권한을 정하고 사람의 최종 확인을 유지하는 것도 필요하다. 생성형 AI의 가치는 관제사를 대체하는 데 있지 않고, 수많은 화면에서 먼저 볼 장면을 좁혀 대응 시간을 줄이는 데 있다.
저작권자 © STORIUM 무단전재 및 재배포 금지
