기술은 세상을 바꿉니다. 하지만 진짜 변화는 숫자가 아니라 사람과 현장 안에서 일어납니다. [TECH온앤오프]는 기술이 산업 현장에 적용되기 ‘이전’과 ‘이후’를 입체적으로 조명하는 유즈 케이스 기반 스토리텔링 시리즈입니다. 기술 도입 전의 고민과 한계, 도입 과정 그리고 변화 이후의 놀라운 성과까지, 생생한 현장의 이야기를 담아냅니다. 기술이 어떻게 경험을 바꾸고 비즈니스를 성장시키는지를 보여주는 것. 이러한 가치를 TECH온앤오프에 담아봤습니다.
[세줄 요약]
1. CCTV 관제 시스템의 한계 – 효율성과 정확성을 갖추기에 어려운 환경
2. 생성형 AI의 지원 - CCTV 영상 속 이상행동 자동 감지 및 사건 상황 요약·보고하는 시스템 구축
3. 관제 효율의 향상 - 긴급 상황 인지와 대응 속도가 빨라져 스마트시티 안전 관리 수준 상승
OFF : 방대한 관제 데이터, 처리는 어떻게?
스마트시티의 ‘눈’인 관제 시스템이 새로운 국면을 맞이하고 있다. 영상 데이터를 축적하고 모니터링하던 시대를 지나, 이제는 생성형 AI를 통해 스스로 사고를 인지하고 상황을 요약·보고하는 차세대 관제 시스템이 등장한 것이다.
기존 관제의 한계는 분명했다. 도시 전역에 설치된 수백, 수천 대의 CCTV는 방대한 데이터를 만들어내지만, 이 데이터를 실시간으로 분석하고 상황에 대응하는 것은 결국 사람의 몫이었다. 수많은 화면을 주시하며 위험 요소를 포착하는 것은 고도의 집중력을 요구했고, 사건 발생 후에도 영상 수색과 분석에 많은 시간과 인력이 투입됐다.
이러한 기존 시스템은 관제 요원의 피로 누적, 사건 인지 지연, 방대한 데이터 처리 한계, 비용 문제, 한정된 분석 범위 등의 문제를 제기하며 위기에 봉착했다. 특히, 이상행동 감지나 복합적인 사건 패턴 분석이 필요한 현대 도시 환경에서는 기존 관제 방식만으로는 대응 속도와 정확도 모두를 충족하기 어려워졌다. 그 결과, 보다 지능적이고 자동화된 관제 시스템에 대한 필요성이 급격히 대두되었다.
ON : '한계를 넘다' 생성형 AI 도입이 가져온 변화
이러한 한계를 넘어선 기술이 바로 생성형 AI다. 데이터의 양이 문제가 되지 않고, 실시간 분석과 대응이 가능해지면서 스마트시티 관제 시스템의 패러다임을 근본적으로 변화시키고 있다.
슈퍼브에이아이는 CCTV 영상에 생성형 AI를 접목해 수많은 데이터 중 의미 있는 정보를 선별하고, 상황을 요약하는 리포트를 자동으로 생성하는 시스템을 구축했다. 슈퍼브에이아이가 구축한 시스템은 24시간 영상 스트림에서 침입이나 이상 행동과 같은 특정 이벤트를 자동 감지하고, 단순 이벤트 발생을 넘어 '왜'와 '어떻게'를 포함한 상황 설명 그리고 수작업 없이 요약 리포트를 생성 및 상황 공유하는 기능을 갖췄다.
예를 들어, 심야 시간대에 비인가자의 침입이 포착되면 단순히 알림을 보내는 것을 넘어, 침입자의 이동 경로, 체류 시간, 주변 반응 등을 정리한 요약 리포트가 자동 생성된다. 관리자는 이 리포트를 기반으로 신속한 의사결정을 할 수 있다.
세계로 뻗어가는 AI 관제 시스템
이러한 변화는 국내에 국한되지 않는다. 싱가포르, 두바이, 암스테르담 등 글로벌 스마트시티 선도 도시들도 생성형 AI 기반 관제 시스템 도입에 속도를 내고 있다. 싱가포르는 공공안전 강화를 위해 ‘Smart Nation’ 전략 하에 생성형 AI를 활용한 실시간 모니터링 시스템을 구축하고 있다. 교통 혼잡, 불법 주정차, 군중 밀집 현상 등 다양한 변수를 실시간으로 감지하고 대응한다.
두바이는 'AI Police Station' 프로젝트를 통해 24시간 무인 경찰 서비스를 제공하며, 생성형 AI 기반 CCTV 분석 기술을 통해 범죄를 사전에 감지하고 위험을 예측하는 시스템을 운영 중이다. 암스테르담은 항만과 도심을 중심으로 지능형 관제 시스템을 확대 적용하고 있다. 선박 출입, 물류 이동을 감시하면서 이상 징후 발생 시 빠른 분석과 보고가 가능해졌다.
호주 시드니는 시드니 올림픽 파크 지역을 중심으로 AI 기반 군중 행동 분석 시스템을 운영하고 있다. 이 시스템은 CCTV 네트워크와 환경 센서 데이터, 소셜 미디어 분석을 통합해 군중 밀집도와 이동 경로를 실시간 모니터링하며, 이상 징후 감지 시 자동 경보를 발령해 안전사고 예방에 활용한다. 특히, 대형 이벤트나 페스티벌 기간 중 군중 이동 패턴과 비정상 밀집 상황을 신속하게 탐지하는 데 중점을 두고 있다.
도쿄는 스마트시티 전략의 일환으로 QTNN(Queue Time Neural Network) 기반의 교통 예측 시스템을 운영하고 있다. 이 시스템은 도로 CCTV 영상과 차량 데이터를 AI가 실시간 분석하여 교통 혼잡 구간을 예측하고, 시민에게 혼잡 예상 정보를 제공한다. QTNN 시스템은 1098개 도로 위치에서 교통 흐름을 예측하며, 평균 예측 오차를 40m 이하로 줄여 높은 정확도를 보였다. 이를 통해 교통 체증 완화 및 신속 대응이 가능해졌다.
관제 시스템, 새로운 기준을 세우다
생성형 AI의 도입은 단순한 기술적 진보를 넘어 스마트시티의 안전과 효율성을 새롭게 정의하고 있다. 특히 다음과 같은 세 가지 핵심 가치를 실현하고 있다. 첫 번째는 효율성 강화다. 이는 사람의 모니터링 한계를 보완하고 사건 대응 시간을 단축한다. 두 번째는 정확도 향상이다. 중요한 이벤트를 빠르게 식별하고 상황을 정밀하게 분석한다. 끝으로, 사전 예방이다. 과거 데이터 학습을 통해 위험을 예측하고 조기 대응에 나설 수 있다.
관제의 개념이 사후 대응에서 사전 감지로, 다시 선제적 대응으로 진화하고 있다. 스마트시티의 진정한 스마트함은 결국 얼마나 빠르고 정확하게 위험에 대응할 수 있느냐에 달려 있다. 생성형 AI는 이 목표를 실현할 수 있는 가장 강력한 도구로 부상하고 있다.
스마트시티 관제 시스템은 이제 단순한 기록 장치를 넘어, 능동적 파수꾼으로 진화하고 있다. 생성형 AI의 도입은 기술 혁신을 넘어 도시의 안전 패러다임을 전환하고 있다. 앞으로 더 많은 도시가 생성형 AI를 품은 관제 시스템을 도입하고, 더 안전하고 똑똑한 도시로 변모해 갈 것이다. 관제 시스템의 진화는 이제 시작에 불과하다.
헬로티 서재창 기자 |
