전방 100m 이상 감지부터 최대 12.2% 전력 절감까지, 현대로템 ADAS·IEOS로 보는 철도 자동화의 미래
- 현대로템
- 2026.08.07
- 분량9min
- 조회수 1,862Views
AI가 핵심 내용을 요약했어요
AI 기술을 활용한 요약 서비스입니다. 보다 정확한 정보를 위해 본문 확인을 권장합니다.
현대로템이 개발한 철도차량용 ADAS는 전방 100m 이상 떨어진 장애물을 감지하고 선로 진입 위험을 판단하는 국산 피지컬 AI 기술이다. 카메라와 라이다 센서 정보를 융합해 물체의 종류와 위치를 파악하며, TCMS와 연동해 분기 구간에서도 정밀한 선로 인식이 가능하다. 지능형 에너지 절감 열차 자동제어 시스템 IEOS는 KTX-이음 강릉선 실증시험에서 최대 12.2%의 전력 절감 효과를 확인했다. 디지털 트윈 환경에서 최적 운전 패턴을 계산하고 가속·타력·회생제동을 조율해 정시성을 유지하면서 에너지 사용을 최소화한다.
현대로템은 철도차량용 ADAS를 국산 피지컬 AI 기술로 고도화하는 한편, IEOS를 통해 열차 운행의 에너지 효율을 높이고 있습니다. 전방 100m 이상 떨어진 장애물을 감지하고 선로 진입 가능성을 판단하는 ADAS와 KTX-이음 실증시험에서 최대 12.2%의 에너지 절감 효과를 확인한 IEOS는 미래 철도의 안전과 효율을 함께 높입니다. 기술 개발진 인터뷰를 통해 현대로템 철도 자동화 기술의 작동 원리와 발전 방향을 살펴봅니다.
철도는 정해진 선로 위를 달립니다. 자동차처럼 장애물을 피해 방향을 자유롭게 틀거나 차선을 바꿀 수 없죠. 열차 한 편성의 움직임은 뒤따르는 열차와 전체 노선의 운행에도 직접적인 영향을 미칩니다. 철도 자동화가 차량 한 대의 독자적인 판단만으로 이뤄질 수 없는 이유입니다. 차량과 선로, 신호, 관제가 하나의 통합된 체계 안에서 움직여야 합니다.
현대로템은 철도차량용 ‘자동운전보조시스템(Autonomous Driving Assistance System, ADAS)’과 ‘지능형 에너지 절감 열차 자동제어 시스템(Intelligent Energy-Efficient Operation System, IEOS)’을 개발했습니다. ADAS는 열차가 전방의 선로와 장애물을 인식하고 위험을 판단하도록 돕습니다. IEOS는 정해진 운행 시간을 지키면서 에너지를 최소한으로 사용하는 최적의 운전 방식을 찾아 열차 제어에 적용하는 기술입니다.
하나는 안전한 운행을, 다른 하나는 효율적인 운행을 위한 기술이지만 두 기술의 출발점은 같습니다. 기관사의 경험과 판단에 센서와 데이터, 소프트웨어를 더해 열차를 더욱 정밀하게 제어하는 것이죠. 현대로템 TCMS 개발팀 김훈 팀장, 서정규·지윤석 연구원, 도시철도신호개발팀 이연서 책임연구원의 설명을 통해 철도 기술의 현재와 미래를 살펴봤습니다.
철도 자동운전 등급 GoA 0~4는 무엇을 뜻할까?
일반도로용 자동차의 자율주행은 SAE(Society of Automotive Engineers) 기준에 따라 차량이 스스로 운전을 맡는 범위로 등급을 나눕니다. 반면 철도차량의 경우 철도 및 도시철도의 자동화 운전 표준인 GoA(Grade of Automation)를 기준으로 구분합니다. GoA는 열차 운행에서 기관사와 시스템이 각각 어떤 일을 담당하는지를 보여줍니다.
GoA 0은 기관사가 출발부터 정차까지 모든 운전을 직접 수행하는 수동 운전 단계입니다. GoA 1에서는 기관사가 직접 운전하되, 신호 및 안전 시스템이 과속이나 충돌 위험을 방지합니다. GoA 2부터는 시스템이 열차의 가속과 감속, 정차를 자동제어하고, 기관사는 운행 상태를 살피며 출입문과 비상 상황을 관리합니다.
GoA 3는 운전실에 기관사가 상시 탑승하지 않지만, 비상 상황에 대응할 승무원이 열차 내에 상주하는 단계입니다. 가장 높은 GoA 4에서는 출발과 주행, 정차, 출입문 제어 등 정상 운행 전반을 시스템이 수행합니다. 다만 ‘무인운전’이라고 해서 사람의 역할이 사라지는 것은 아닙니다. 관제센터와 유지보수 인력은 노선과 차량 상태를 계속 관리합니다.
현대로템은 신호와 관제로 통제되는 전용 노선에 GoA 4급 무인운전 차량을 공급하며 자동화 기술을 축적해왔습니다. 그러나 자동차와 자전거, 보행자가 오가는 도로를 함께 달리는 트램은 조건이 다릅니다. 미리 정해진 신호만으로는 갑자기 끼어드는 차량이나 선로 주변의 보행자 같은 돌발 상황에 모두 대응하기 어렵기 때문입니다. 이때 필요한 것이 열차가 직접 주변을 보고 판단하도록 돕는 철도차량용 ADAS입니다.
철도차량용 ADAS는 자동차 ADAS와 무엇이 다를까?
그렇다면 선로 위를 달리는 열차의 ADAS는 도로를 달리는 자동차의 자율주행 기술과 어떻게 다를까요? 실제 기술 개발을 담당한 TCMS 개발팀 서정규 연구원의 이야기를 통해 철도 ADAS만의 특성을 자세히 들어보았습니다.
INTERVIEW
서정규 TCMS 개발팀 연구원
Q. 철도차량용 ADAS는 자동차 ADAS와 무엇이 다른가요?
“가장 큰 차이는 열차가 선로 위를 달린다는 점입니다. 자동차는 장애물을 발견하면 방향을 바꿔 피할 수 있지만 열차는 그럴 수 없습니다. 차체가 훨씬 무겁고 제동거리도 길기 때문에 위험 요소를 더 일찍 발견하고 판단해야 하죠.
철도차량용 ADAS에서는 단순히 사람이나 자동차를 찾는 데서 끝나지 않습니다. 발견한 물체가 열차가 지나갈 선로 안에 있는지, 앞으로 선로에 들어올 가능성이 있는지, 움직이는 물체인지 고정된 구조물인지 판단하는 것이 중요합니다.”
Q. 카메라와 라이다, TCMS는 선로와 장애물을 어떻게 판단하나요?
“카메라와 라이다를 함께 활용합니다. 카메라는 사람, 자동차, 선로처럼 물체의 형태와 종류를 구분하는 데 유리합니다. 라이다는 빛을 쏘고 되돌아오는 시간을 이용해 물체까지의 거리와 주변 공간의 형태를 파악하죠. 두 센서의 정보를 융합하면 장애물이 무엇인지, 얼마나 떨어져 있는지를 더 정확하게 판단할 수 있습니다.
센서 정보만 따로 사용하는 것은 아닙니다. TCMS(Train Control and Monitoring System, 열차종합제어장치)가 가진 열차의 속도와 위치, 진행 방향, 분기기 상태 등의 정보도 함께 활용합니다. TCMS는 열차의 주요 장치와 운행 상태를 종합적으로 관리하는 주컴퓨터와 같은 역할을 합니다. 선로가 여러 갈래로 나뉘는 곳에서 어느 선로를 따라갈지 판단하려면 센서와 차량 정보를 함께 봐야 합니다.”
철도차량용 ADAS에서 선로 인식이 중요한 이유도 여기에 있습니다. 자갈 위에 놓인 일반 선로와 도로에 묻힌 트램 선로는 모습이 다르고, 직선과 곡선, 분기 구간도 각기 다른 형태를 보입니다. 특히 선로의 방향을 바꾸는 분기기(전철기)가 제대로 맞물리지 않으면 대형 탈선 위험으로 이어질 수 있습니다. 장애물뿐 아니라 앞으로 지나갈 선로의 정밀한 상태까지 살펴야 하는 이유입니다.
Q. 폴란드 트램에서 수집한 데이터는 ADAS 개발에 어떻게 활용됐나요?
“국내에는 트램 운행 데이터가 충분하지 않아 폴란드 바르샤바에서 실제 운행 중인 트램에 카메라와 라이다를 설치하고 데이터를 수집했습니다. 직접 촬영한 영상과 센서 정보를 바탕으로 선로를 찾아내고 장애물을 판단하는 알고리즘을 개발했죠.
운전자는 열차 화면에서 진행 선로와 감지된 장애물을 확인할 수 있습니다. 위험이 발견되면 화면과 소리로 경고하고, 개발자는 별도의 프로그램을 통해 알고리즘이 선로와 장애물을 제대로 구분하는지 점검합니다.”
Q. 시시각각 변하는 철도 운행 환경으로 인한 문제도 있었나요?
“선로의 형태가 계속 달라진다는 점이 가장 어려웠습니다. 일반 선로에서 도로 위 트램 선로로 바뀌기도 하고, 여러 갈래로 나뉘는 구간도 만납니다. 비가 내리면 전면창에 맺힌 물방울이 카메라 시야를 방해하고, 열차의 진동 때문에 센서가 흔들리기도 하죠. 이런 문제점은 실제 데이터를 반복해 확인하면서 알고리즘을 보완했습니다. 모든 사고 상황을 실제 재현해 학습할 수는 없기 때문에 가상 환경에서 여러 위험 상황을 시험하고 검증하는 형태로 기술을 발전시키고 있습니다.”
현대로템은 2023년 수소전기트램 운전자 보조 시스템을 연구한 뒤 하나의 렌즈로 된 카메라를 이용한 장애물 거리 측정, AI 기반 선로 영역 인식, 카메라·라이다 정보 융합 기술을 차례로 개발했습니다. 현재는 약 80~250m 구간에서 라이다로 물체를 먼저 감지하고, 약 80~100m 이내에서는 카메라와 라이다 정보를 결합해 장애물의 종류와 위치를 더욱 정밀하게 판단합니다. 이를 바탕으로 선로 진입 위험을 예측하고 물체의 움직임을 추적하는 기술까지 고도화하고 있습니다.
현대로템은 이 기술을 국산 피지컬 AI로 발전시키고 있습니다. 현대로템의 열차용 피지컬 AI는 AI가 카메라와 라이다로 현실의 상황을 파악하고, 그 판단을 열차의 경고나 제어 같은 실제 행동으로 연결하는 기술입니다. 특히 폴란드와 이집트, 대만처럼 현지 운행 환경과 안전 요구에 맞는 기술 성숙도와 안정성을 확보하고 있습니다. 이를 바탕으로 글로벌 철도 시장을 선도하고 철도 안전 혁신을 이끈다는 계획입니다. 다만 현재 ADAS는 위험을 감지해 운전자에게 알리는 보조 기능이 중심이며, 관제 연동과 자동제어 기술은 단계적으로 고도화하고 있습니다.
철도 ADAS와 관제 시스템은 어떻게 협력할까?
철도차량용 ADAS가 현장의 위험을 발견하는 ‘열차의 눈’이라면, 신호와 관제는 여러 열차가 안전하게 움직이도록 전체 흐름을 관리합니다. 한 열차가 갑자기 멈추거나 속도를 바꾸면 뒤따르는 열차의 운행에도 영향을 주기 때문입니다.
열차 자율주행 기술이 진화함에 따라, 관제 시스템은 어떤 변화를 맞이하고 있을까요? 도시철도신호개발팀 이연서 책임연구원과 TCMS 개발팀 김훈 팀장에게 자율주행 열차와 관제 시스템의 협력 구조에 대해 물었습니다.
INTERVIEW
이연서 도시철도신호개발팀 책임연구원
Q. 열차의 판단 능력이 높아지면 철도 관제 시스템의 역할은 줄어드나요?
“그렇지 않습니다. 오히려 관제의 역할은 더 커집니다. 무인운전이 확대되면, 기존에 기관사가 대응하던 역할을 관제 시스템이 맡아야 합니다. 여기에 한 열차가 지연되면 뒤따르는 열차들의 배차 간격을 재조정하고, 필요에 따라 열차를 추가 투입하거나 운행에서 제외하는 노선 전체 판단이 더해지니 관제의 책임은 오히려 확장되는 거죠.
그래서 저희는 기존에 신호 및 열차 위치 제어 중심이었던 관제 체계를, 차량 내외부 영상 정보까지 확장·연계하는 방향으로 발전시키고 있습니다. 차량에서 이상 상황이 예측되거나 감지되면 즉시 관제에 알림이 가고, 관제사는 관련 영상과 데이터를 종합적으로 확인해 최종 제어 명령을 내리는 구조입니다. 여기에 AI 에이전트를 도입해 이상 징후가 포착되는 순간부터 상황을 분석하고 대응 방안을 제시함으로써, 관제사의 의사결정과 제어를 빠르게 돕는 방향으로 만들어가고 있습니다. 이렇게 관제 시스템은 단순 운행 제어를 넘어, AI 기술을 통해 상황을 예측하고 빠른 판단과 정밀한 통제를 지원하는 지능형 시스템으로 발전하고 있습니다.”
Q. 자율주행 열차와 관제는 앞으로 어떻게 협력하게 될까요?
“차량은 현장에서 위험을 먼저 발견하고, 관제는 그 정보가 다른 열차와 전체 노선에 어떤 영향을 주는지 판단하게 됩니다. 한 열차 앞에서 문제가 발생하면 해당 차량만 멈추는 것이 아니라 주변 열차의 속도와 운행 간격도 조절해야 합니다. 차량의 인식 기술과 관제의 판단이 긴밀하게 연결될수록 더 빠르고 체계적으로 대응할 수 있습니다.”
이러한 현장 인식과 전체 통제의 유기적인 연결에 대해, 김훈 TCMS 개발팀 팀장은 ADAS와 관제가 따로 움직이는 기술이 아니라고 거듭 강조했습니다.
“철도는 차량과 신호, 관제가 함께 움직이는 시스템입니다. ADAS가 사람이 놓칠 수 있는 전방 상황을 확인하고, 신호와 관제가 전체 운행을 조율하며, TCMS는 차량의 실제 움직임을 제어합니다. 각각의 기술이 연결될 때 더 높은 수준의 자동화로 갈 수 있습니다.”
열차가 주변을 정확히 보는 것만큼 주어진 시간에 에너지를 낭비하지 않고 달리는 일도 중요합니다. 현대로템은 안전을 돕는 ADAS에 이어 열차의 움직임을 효율적으로 다듬는 IEOS를 개발했습니다.
IEOS는 정시성을 지키면서 에너지를 어떻게 줄일까?
최근 국제 정세의 불확실성과 에너지 가격 변동으로 철도 운영에 필요한 전력과 비용을 안정적으로 관리하는 일이 더욱 중요해졌습니다. 현대로템은 정부와 한국철도공사(코레일)의 에너지 절감 대책에 선제적으로 대응하고, 운행 품질과 에너지 효율을 함께 높이기 위해 IEOS를 개발했습니다. 열차는 기관사에 따라 운전 방식이 조금씩 다릅니다. 같은 시각에 같은 역에 도착하더라도 빠르게 가속한 뒤 자주 제동하는 경우와, 필요한 만큼만 가속하고 관성으로 달리는 경우의 전력 사용량은 다를 수밖에 없습니다. IEOS는 선로와 차량 정보를 바탕으로 가장 효율적인 속도 변화를 계산하고 열차가 그 패턴에 맞춰 운행하도록 돕습니다.
그렇다면 IEOS는 정시성을 보장하면서 어떻게 에너지 절감을 이뤄낼 수 있을까요? 기술 개발에 참여한 지윤석 연구원에게 IEOS의 구체적인 작동 원리와 실증 성과를 확인했습니다.
INTERVIEW
지윤석 TCMS 개발팀 연구원
Q. IEOS는 단순히 열차의 속도를 조절하는 기술과 무엇이 다른가요?
“열차는 승객과 약속한 운행 시간을 지켜야 하므로 무조건 천천히 달릴 수 없습니다. 반대로 일찍 도착하기 위해 필요 이상으로 빨리 달릴 이유도 없죠. 정해진 시간 안에 도착하면서 불필요한 가속과 제동을 줄이는 것이 핵심입니다. 목표 속도에 도달한 뒤에는 동력을 끄고 관성으로 달리는 타력 운전을 활용할 수 있습니다. IEOS는 어느 지점에서 가속하고, 언제 타력으로 전환하며, 어디서부터 감속할지를 계산합니다.”
Q. IEOS의 최적 운전 패턴과 목표 속도는 어떻게 만드나요?
“차량의 무게와 성능, 선로의 오르막과 내리막, 곡선, 구간별 제한속도 같은 정보를 가상 환경에 반영합니다. 운행 시간을 지킬 수 있는 수많은 속도 패턴을 비교해 에너지를 가장 적게 사용하는 방법을 찾는 것이죠. 이렇게 만든 목표 속도는 TCMS로 전달됩니다. 운전자가 계속 가속과 제동 장치를 조작하지 않아도 열차가 목표 속도를 따라 움직이도록 제어합니다. 실제 운행 중에는 신호장치에서 받은 제한속도도 함께 반영합니다.”
현대로템은 철도차량의 특성을 가상 공간에 구현한 디지털 트윈에서 수천 차례 주행을 시험하고, 실제 열차를 이용해 결과를 확인했습니다. 새로운 추진 장치나 센서를 추가하기보다 소프트웨어를 업그레이드해 기존 차량의 운전 방식을 개선할 수 있다는 점도 IEOS의 특징입니다.
고속열차는 중량이 크기 때문에 동력을 사용하는 ‘견인’, 관성으로 달리는 ‘타력’, 감속 시 전력을 재보충하는 ‘회생제동’을 잘 조율해야 합니다. IEOS는 선로 조건에 맞춰 이 세 단계를 최적으로 설정해 제어합니다.
Q. KTX-이음 실증시험에서 IEOS로 에너지를 얼마나 절감했고, 앞으로 어디에 적용하나요?
“한국철도공사, 한국교통대학교와 함께 KTX-이음으로 강릉선 구간에서 시험했습니다. 서원주-강릉 방향으로는 기존 운전 대비 12.2%, 반대 방향에서는 10.9% 등 왕복 11.6%의 에너지 절감 효과를 확인했습니다.
운전 패턴을 일정하게 적용하면 기관사의 숙련도나 컨디션에 따른 차이도 줄일 수 있습니다. 기관사는 반복적인 속도 조작보다 전방과 차량 상태를 살피는 데 더 집중할 수 있고, 승객에게 일정한 승차감을 제공하는 데도 도움이 됩니다. 강릉선에서 확인한 결과를 바탕으로 차세대 고속차량에 적용을 추진하고, 다양한 노선으로 확대할 계획입니다.”
피지컬 AI와 소프트웨어로 진화하는 현대로템의 미래 철도
철도차량은 한 번 만들어지면 수십 년 동안 운행됩니다. 그동안 선로 환경과 운행 조건이 달라지고, 더 효율적인 제어 방식이 새로 개발될 수 있습니다. 앞으로는 차량의 하드웨어를 잘 만드는 것에 더해 운행 데이터를 활용해 소프트웨어를 개선하는 능력이 중요해집니다.
물론 철도 소프트웨어는 스마트폰 애플리케이션처럼 바로 업데이트가 이뤄지는 것은 아닙니다. 승객의 안전과 직결되는 만큼 충분한 시험과 인증, 기존 차량 및 신호 시스템과의 호환성 검토가 먼저 이뤄져야 합니다. 가상 환경에서 새로운 기능을 미리 시험하고 실제 운행 데이터로 알고리즘을 다듬는 방식은 이러한 검증을 더욱 꼼꼼하고 효율적으로 만드는 데 활용됩니다.
ADAS는 열차가 선로와 주변을 정확히 보도록 돕고, 관제는 그 정보를 바탕으로 노선 전체의 안전을 관리합니다. IEOS는 운행 시간을 지키면서 같은 선로를 더 적은 에너지로 달리는 방법을 찾죠.
현대로템이 그리는 미래 철도는 단순히 기관사가 없거나 속도가 더 빠른 열차가 아닙니다. 피지컬 AI와 소프트웨어를 바탕으로 차량과 선로, 신호와 관제, 운행 데이터가 유기적으로 연결되는 철도입니다. 정해진 길을 달리는 열차가 이제 그 길을 더 정확히 이해하고, 상황에 맞는 최적의 방법으로 움직이기 시작했습니다.
사진. 기성율
추천 태그로 더 탐색해보세요
