KAIA - 자율차-일반차 혼재상황 대비 AI기반 자율주행모빌리티 운영 플랫폼 개발

[About KAIA]

KAIA (Korea Agency for Infrastructure Technology Advancement, 국토교통과학기술진흥원)

KAIA는 건설기술 연구 개발 사업을 효율적으로 지원하기 위하여 설립된 대한민국 국토교통부 산하 위탁집행형 준정부 기관입니다. KAIA는 대한민국의 국토교통 R&D 수요조사, 기획 및 기술 예측, 국토교통 R&D 사업 평가 관리, 건설 교통 분야 신기술의 심사 관리를 수행하고 있습니다.

KAIA는 국토교통과학기술 연구 개발을 통하여 국토교통분야 미래 신성장동력 창출과 국민의 삶의 질을 향상시키기 위해 혁신 도약을 위한 기간 생산성 제고와 국토교통 산업생테계 기반 강화를 목표로 합니다. 또한 국토교통기술 초격차 선도기술을 확보하며 지속가능한 친환경 국토 조성을 위해 노력하고 있습니다.

 

[Summary]

AWS 파트너 콤텍시스템은 자율차-일반차 혼재상황 대비 AI기반 자율주행모빌리티 운영 플랫폼 개발 연구 사업에 대해서 높은 가용성과 보안 성능, 초저지연의 운영 플랫폼을 구축을 해야 한다는 점을 이해하였습니다. 이러한 기술과 컨설팅을 기반으로 안전하고 속도 및 성능을 향상시키기 위하여 IT 전문 인력들을 통해 적극적인 지원과 더불어 가이드 및 구축을 하고 있습니다.

 

[The Challenge]

해당 연구과제 사업은 각 연구과제별 서비스 연계가 가능한 운영 플랫폼이어야 했습니다. 그래서 자율주행 서비스간 연계 개발을 위한 MSA 아키텍처 환경이 필요했으며, 다양한 서비스 연계를 위한 검증된 인프라 환경을 구성해야 했습니다.

또한 초저지연과 초연결을 안정적으로 지원할 수 있는 빠른 인프라 서비스 환경이 필요했습니다. 게다가 자율주행 센서와 Edge RSU등 주요 요소를 수용할 수 있고, AI 자율주행의 데이터 수집을 위한 인프라 서비스 및 수집된 연구과제별 데이터를 타 과제 및 외부 플랫폼에서 공동 활용할 수 있으며, 보안을 고려한 데이터 저장소가 요구되었습니다. 

이러한 AI기반 자율주행모빌리티 운영 플랫폼은 리빙랩 환경에서 연구개발을 시작하였습니다. 리빙랩의 다양한 인프라와 안정적인 연계를 지원할 수 있도록 네트워크 구성이 필요했고 비용 절감과 확장성도 같이 고려된 아키텍쳐 설계가 필요했습니다. 추가적으로 효율적인 인프라를 운영하기 위해 자동화된 인프라 관리를 지향했으며 신속성과 유연성의 기술을 극대화하기를 원하였습니다. 또 자율주행 차량 및 기기들 등에 관하여 민감한 데이터 흐름을 예상하고 있었고 해당 민감 데이터를 외부로 노출되거나 악의적인 공격을 막기 위해 보안성 높은 시스템을 위한 접근제어와 데이터 암호화, 침입에 대한 보안기능 구현, 장애 복구 계획과 가용성이 요구되었습니다.

 

[Solutions and Architecture]

이러한 요구사항과 직면한 문제를 대상으로 자율주행모빌리티 센터 플랫폼의 유연한 확장 및 안정적인 운영을 위하여 하이브리드 클라우드를 채택하여 온프레미스와 퍼블릭 클라우드를 유연하게 활용하고자 하였습니다.

자율주행 모빌리티 운영 플랫폼의 인터넷 및 타과제와의 외부연계 보안영역을 구성장비로 데이터를 보호하고자 하였으며 암호화된 통신 구간을 제공하여 다양한 보안 위협으로부터 내부 네트워크의 안정성을 제공하고자 하였습니다.
또한, HCI(Hyper Converged Infra)를 활용하여 서버, 네트워크, 스토리지를 하나로 통합된 솔루션을 사용하여 빠른 데이터 처리가 필요한 분산 소프트웨어 환경에 빠르고 민첩하게 대응을 할 수 있도록 구축을 준비하고 있습니다.

퍼블릭 클라우드에서는 세계시장 점유율은 물론 국내시장 점유율에 대해 압도적인 퍼블릭 클라우드인 AWS를 사용하고자 했습니다. AWS는 200개 이상의 검증된 서비스를 폭넓게 활용 가능하며 구축 지원을 합니다. 또한 마켓플레이스를 통해 글로벌 상품화가 가능하며, 보안적인 측면에서도 뛰어나고, 계정의 운영, 위험 감사, 거버넌스 및  규정 준수를 지원하기도 합니다.  

하이브리드 클라우드 아키텍처를 구성할 때 AWS의 Outposts 서비스를 사용해서 로컬의 데이터 센터에 위치하여 내부 시스템인 HCI 솔루션과 직접적인 연결을 지원하고, 퍼블릭 클라우드와 연결되어 무한대로 확장하는 인프라 환경을 제공하기로 하였습니다. AWS Outposts를 사용함으로써 초저지연의 연결은 물론이며 실시간 빠른 데이터 연계를 위하여 무선 및 Edge 클라우드와 MEC 환경을 제공할 수 있으며, 리빙랩에 위치하여 카메라, 센서, IoT 기기 등 다양한 자율주행의 데이터를 고속으로 처리할 수 있습니다.

또한 AWS에서 MSA 아키텍처 환경과 효율적인 인프라를 운영 중 확장성을 충족하기 위해서는 쿠버네티스를 기반인 EKS 서비스가 최적이었으며, 해당 서비스는 자율주행 시스템의 다양한 컨테이너화 된 애플리케이션을 실행하고 관리하는 데 도움이 될 것입니다. 또 자율주행 기술이 다양하고 빠르게 발전하면서 컨테이너화된 애플리케이션의 수요 증가가 예상이 되며 EKS는 애플리케이션을 쉽게 확장하고 스케일링이 가능하며, 효과적인 리소스 관리가 가능합니다. 고가용성은 물론 다중 가용 영역에서 클러스터를 실행하여 시스템의 안정성과 신뢰성을 향상 시키기 때문에 EKS를 선정하였습니다.

마지막으로 S3와 Kinesis Data Streams, Athena를 활용하여  리빙랩 환경에서 다양한 과제로부터 유입되는 대용량 데이터를 저장 및 공유하기 위해 데이터 레이크를 구성하였습니다. 이는 자율주행 관련 데이터를 실시간 수집 및 처리를 할 것이며 자율주행 관련 데이터 분석에 적합하다는 결론을 내렸고, 다양한 연계 과제의 데이터를 검색하거나 활용할 수 있는 중앙 저장소의 역할을 할 것입니다.

Public Cloud 구성도