[한국도로공사] AI CCTV 융합 실시간 돌발상황 감지로 AI 교통관제 구축

한국도로공사 AI 교통관제 – 사고를 기다리지 않고, AI가 먼저 발견하는 고속도로

“고속도로 한가운데 차량이 멈췄다면, 몇 초 안에 발견할 수 있을까요?”

고속도로에서는 사고 자체만큼이나 사고 이후의 시간이 중요합니다.

본선에 차량이 멈추거나 사람이 나타났을 때 뒤따르는 운전자가 이를 늦게 발견하면 2차 사고로 이어질 수 있습니다. 낙하물이나 역주행 차량, 사면 붕괴, 화재처럼 갑자기 발생하는 상황도 빠른 발견과 대응이 중요해요.

한국도로공사는 전국 70개 교통상황실과 교통관제센터에서 매일 약 150명이 교통상황을 지켜보고 있습니다.

사고가 발생하면 먼저 상황을 인지하고, CCTV로 현장을 확인한 뒤 순찰차·경찰·119·구난업체 등에 정보를 전달합니다. 동시에 도로전광표지와 내비게이션, 교통방송 등을 통해 뒤따르는 운전자에게 위험을 알려요.

문제는 이 모든 과정이 사고를 얼마나 빨리 발견하느냐에서 시작된다는 점입니다.

그래서 한국도로공사는 기존 CCTV를 단순히 영상을 보여주는 장비에서, 영상 속 상황을 스스로 감지하고 판단하는 AI CCTV로 바꾸고 있습니다.

Challenge – CCTV가 9천 대가 넘어도 사람이 모든 화면을 볼 수는 없어요

현재 고속도로에는 CCTV 9,230대, 차량검지기 5,047대, 차로이용규제등 3,177대, 도로전광표지 1,810대가 운영되고 있습니다.

상황근무자 1명이 평균적으로 확인해야 하는 설비만 CCTV 61대, 차량검지기 23대, 차로이용규제등 21대, 도로전광표지 12대에 달합니다.

여기에 출동 순찰차 관리, 현장 안전시설 원격 작동, 상황조치 기록, 유관기관 전파, 상황보고까지 동시에 처리해야 합니다. CCTV를 더 설치하는 것만으로 문제를 해결하기 어려운 이유입니다.

카메라는 24시간 도로를 보고 있지만, 사람이 동시에 볼 수 있는 화면에는 한계가 있습니다.

2025년 교통사고를 처음 인지한 경로도 이를 보여줍니다.

유관기관 전파가 26.4%, 고객 제보가 23.5%였고 CCTV를 통해 발견된 비율은 17.5%였습니다. 안전순찰 중 발견은 12.3%, 기타 방식은 20.2%였습니다. 즉 CCTV가 이미 설치돼 있어도, 실제 사고를 알아차리는 과정에서는 여전히 사람의 제보와 수동 관제가 큰 역할을 하고 있었던 것입니다.

Challenge – 사고는 줄어들고 있지만, 2차 사고는 여전히 반복돼요

2025년 고속도로에서는 교통사고가 1,419건 발생했고 147명이 사망했습니다.

그중 2차 사고 사망자는 25명이었습니다.

최근 5년을 보면 교통사고는 2021년 1,735건, 2022년 1,671건, 2023년 1,466건, 2024년 1,573건, 2025년 1,419건으로 반복됐습니다.

같은 기간 2차 사고 사망자도 매년 25~31명 수준으로 발생했습니다.

2차 사고는 최초 사고 이후의 대응 속도와 밀접하게 연결됩니다.

사고 차량이나 고장 차량을 더 빨리 발견하고, 뒤따르는 운전자에게 더 빨리 알리고, 경찰·구조대·순찰차가 더 빠르게 출동한다면, 연쇄 추돌 가능성을 낮출 수 있습니다.

한국도로공사가 AI 교통관제를 단순한 CCTV 고도화가 아니라 2차 사고를 줄이기 위한 교통안전 체계 전환으로 추진하는 이유입니다.

Challenge – 기존 AI는 ‘정지차’를 찾았지만, 왜 멈췄는지는 몰랐어요

한국도로공사는 이미 2021년부터 객체인식 기반 돌발검지시스템을 도입했습니다.

터널 CCTV에 객체인식 AI를 적용한 것을 시작으로 2022~2024년에는 결빙취약구간 422대, 방재등급 3등급 이상 터널 등으로 운영 범위를 확대했습니다.

하지만 운영 과정에서 또 다른 문제가 드러났습니다.

AI가 화면에서 차량과 사람을 찾는 것은 가능했지만, 그 장면이 실제로 위험한 상황인지까지 판단하는 데는 한계가 있었습니다.

예를 들어 도로에 사람이 보인다고 해서 모두 보행자 침입은 아닙니다. 도로 작업을 수행하는 작업자일 수도 있어요. 정차한 차량도 마찬가지입니다. 사고나 고장으로 본선에 멈춘 차량은 즉시 대응해야 하지만, 정상적인 작업구간의 차량이나 갓길에 안전하게 정차한 차량까지 모두 긴급 상황으로 판단하면 불필요한 알림이 쌓입니다.

실제 운영 과정에서는 전체 알림 가운데 실제로 필요한 알림이 약 2.6%에 불과했습니다.

따라서 필요한 것은 단순히 객체를 더 많이 찾는 AI가 아니었습니다. “무엇이 보이는가”를 넘어 “지금 어떤 상황인가”를 판단하는 AI가 필요했습니다.

Solution – AI가 객체를 찾고, 위치를 계산하고, 상황까지 이해해요

한국도로공사가 구축하는 AI 교통관제는 세 단계로 작동합니다.

① DETR가 차량과 사람을 찾고
② 정밀전자지도와 매칭해 실제 위치를 파악하고
③ VLM이 장면 전체의 맥락을 판단합니다.

단순 객체인식에서 한 단계 더 나아가 상황인지 AI로 전환하는 구조입니다.

① DETR가 차량과 보행자를 더 정확하게 찾아요

첫 번째 단계는 CCTV 영상에서 차량과 사람을 찾아내는 것입니다.

기존 YOLO 계열 모델에서 나아가 DETR 기반 객체검지 모델을 적용해 검지거리와 정확도를 높였습니다.

AI는 CCTV 화면 안에 등장하는 차량과 보행자 등을 자동으로 구분하고 위치를 표시합니다.

고속도로에서는 멀리 있는 차량이나 사람이 매우 작게 보이기 때문에 이 과정이 쉽지 않습니다.

특히 야간이나 비·눈이 내리는 상황에서는 식별 난도가 더 높아집니다.

현장 테스트에서 정지차량 검지 정확도는 주간 95.5%, 야간 93.9%를 기록했습니다.

반면 보행자 검지 정확도는 주간 50.0%, 야간 37.5%로 상대적으로 낮았습니다. 작은 객체와 야간 환경에서는 지속적인 모델 개선이 필요한 영역입니다.

② CCTV 화면을 실제 도로 위치와 연결해요

객체를 찾았다고 해서 위험도를 바로 판단할 수 있는 것은 아닙니다.

같은 정지차라도 본선 1차로에 멈춘 차량과 갓길에 정차한 차량은 위험도가 다르기 때문입니다. 한국도로공사는 CCTV 영상의 2차원 좌표를 정밀전자지도의 실제 도로 좌표와 매칭합니다.

주행방향을 따라 약 10m 단위의 영역을 설정하고 영상 속 차량이나 사람이 실제 어느 차로에 있는지를 판단해요.

이를 통해 본선에 정차했는지, 갓길에 있는지, 같은 차로에서 여러 차량이 연속으로 멈췄는지, 작업구간 안에서 정상적으로 정차한 것인지 등을 구분할 수 있습니다.
기존 AI가 “차량이 멈춰 있다”고 판단했다면, 이제는 “어느 차로의 어느 위치에서 멈춰 있다”까지 알 수 있게 되는 것입니다.

③ VLM이 ‘무엇이 보이는지’가 아니라 ‘무슨 상황인지’를 판단해요

세 번째 단계에는 VLM(Vision Language Model)이 활용됩니다.

VLM은 영상 속 객체를 개별적으로 인식하는 것을 넘어 영상 전체의 맥락을 언어 형태로 이해합니다. 예를 들어 CCTV에 사람 두 명이 나타났다고 가정해볼게요.

기존 객체인식 AI는 두 사람을 ‘보행자’로 인식해 경보를 발생시킬 수 있습니다.

VLM은 주변 상황을 함께 확인합니다. 도로는 전반적으로 원활하게 흐르고 있고,

차량은 일정한 속도로 주행하고 있으며, 교통 정체가 없고, 두 사람이 작업구간 안에 있다는 사실을 함께 분석합니다. 그 결과 도로작업 관계자 2명이 있는 정상적인 작업상황이라고 판단할 수 있습니다.

이 차이가 중요합니다. AI 교통관제의 목적은 가능한 한 많은 경고를 만드는 것이 아닙니다. 실제 위험한 상황만 골라 관제 담당자에게 알려주는 것이 핵심입니다.

④ 이상상황을 감지한 뒤 대응까지 자동으로 연결해요

AI가 사고를 발견해도 그다음 단계가 모두 수작업이라면 대응속도를 크게 높이기 어렵습니다. 한국도로공사는 사고를 인지한 이후의 관제 프로세스도 함께 단순화하고 있습니다.

현재 여러 단계를 거치는 상황처리 과정을 AI가 자동으로 연결해 관제 대응 프로세스를 4단계에서 2단계로 줄이는 것이 목표입니다.

AI가 이상상황을 발견하면 관련 영상을 자동으로 표출하고, 정지차·보행자·낙하물 등의 상황을 분류한 뒤, 관제 담당자가 바로 판단하고 대응할 수 있도록 만드는 구조입니다.

나아가 사고정보를 민간 내비게이션 등과 실시간으로 연계하면 뒤따르는 차량에게 위험정보를 더 빠르게 제공할 수 있습니다. 발견 → 판단 → 관제 → 운전자 안내가 하나의 흐름으로 이어지는 것입니다.

Benefit – 돌발상황 검지율을 50%에서 96%까지 높였어요

AI 영상분석 기반 돌발상황 검지 연구에서 가장 뚜렷한 성과는 검지 정확도 개선입니다. 2025년 7월부터 12월까지 CCTV 영상분석 기반 AI 모델을 개발하고 현장에서 테스트한 결과, 돌발상황 검지율은 기존 약 50%에서 96%까지 향상됐습니다.

정지차량 감지에서도 높은 정확도가 확인됐습니다.

주간 정지차량 검지 정확도는 95.5%, 야간은 93.9%였습니다.

악천후 환경에서는 강설 상황의 정지차량을 88.6%, 강우 상황에서는 91.0% 정확도로 감지했습니다.

반면 보행자 검지는 강설 33.3%, 강우 51.0%로 정지차량보다 낮았습니다.

AI를 실제 고속도로에 확대 적용하기 위해서는 야간·악천후·소형 객체와 같은 어려운 조건에서 정확도를 지속적으로 높여야 합니다. 사고 인지와 대응시간도 크게 줄이는 것이 목표예요.

AI 교통관제가 본격적으로 적용되면 이상상황을 인지하고 대응하기까지 걸리는 시간을 기존 6분 31초에서 약 80초 수준으로 줄이는 것이 목표입니다.

관제 대응 과정도 기존 4단계에서 2단계로 축소합니다.

이 변화는 몇 분의 업무시간을 절약하는 문제가 아닙니다.

고속도로 본선에 차량이 멈춘 상황에서 사고를 몇 분 더 빨리 발견하면, 후속 차량에 더 빨리 알릴 수 있고, 순찰차와 구조대의 출동도 앞당길 수 있으며, 2차 사고로 이어질 위험을 낮출 수 있습니다.

AI가 확보하는 몇 분이 실제 교통안전에서는 골든타임이 될 수 있는 것입니다.

주요 성과와 추진 현황

확장 가능성 – 고속도로 CCTV 4,000대가 AI의 눈으로 바뀌어요

한국도로공사의 AI 교통관제는 연구를 넘어 실제 구축 단계로 확대되고 있습니다.

2026년 과학기술정보통신부와 한국지능정보사회진흥원이 추진하는 공공 AI CCTV 전환사업에 선정돼 고속도로 CCTV 4,000대에 AI 솔루션을 적용합니다.

사업기간은 2026년 6월부터 12월까지이며, 총사업비는 34억 원입니다.

AI 서버와 학습데이터를 구축하고, AI 모델을 개발해 사고 탐지부터 상황판단과 전파까지 연결하는 교통관제 프로세스를 구축합니다. 감지 대상도 단순한 정지차에 한정되지 않습니다.

역주행 차량, 사고차, 낙하물과 노면잡물, 야생동물, 갓길 정차와 고장차, 사면붕괴, 화재, 교통정체, 작업장, 보행자 등 고속도로에서 발생할 수 있는 다양한 돌발상황을 자동으로 파악하는 것이 목표입니다.

2029년에는 전국 AI 교통상황실로 확대해요

2026년에는 AI CCTV 인프라와 4,000대 모델 도입에 집중하고, 이후 AI 모델의 정확도를 지속적으로 높입니다.

2027~2028년에는 시범 결과를 검증하고 AI 교통상황실을 운영하며, 생성형 AI와 교통상황실 업무를 연결하는 단계로 발전합니다.

2029~2030년에는 전국 9개 본부와 59개 지사까지 AI 교통관제 체계를 확대하는 것이 목표입니다.

장기적으로는 고속도로를 넘어 일반국도와 지자체 도로로도 확장할 수 있습니다.

지자체 도로에는 약 2만7천 개소, 일반국도에는 약 1만2천 개소의 CCTV가 운영되고 있습니다. 고속도로에서 AI 교통관제 모델이 충분히 검증된다면 다른 도로 인프라에도 비슷한 방식의 AI 안전관제를 적용할 수 있습니다.

마무리 – CCTV가 보는 도로에서, AI가 이해하는 도로로

기존 CCTV도 도로를 24시간 보고 있었습니다.

하지만 화면 안에서 무슨 일이 일어났는지 찾아내고, 그것이 실제 위험인지 판단하고, 누구에게 알려야 하는지를 결정하는 것은 대부분 사람이 해야 했습니다.

AI가 적용되면서 이 역할이 달라지고 있습니다. DETR가 차량과 사람을 찾아내고,

정밀전자지도가 어느 차로에서 발생한 상황인지 확인하고, VLM은 장면 전체를 보면서 사고인지, 정상적인 작업인지, 실제 위험상황인지를 판단합니다.

사람은 수십 개 CCTV를 계속 바라보는 대신 AI가 찾아낸 위험상황을 확인하고 대응하는 데 집중할 수 있습니다. AI 교통관제의 가치는 단순히 CCTV의 정확도를 높이는 데 있지 않습니다. 사고를 더 빨리 발견하고, 더 정확하게 판단하고, 더 빠르게 운전자에게 알려주는 것. 그 몇 분을 줄이는 일이 고속도로에서 또 다른 사고를 막는 출발점이 될 수 있습니다.