====== 지능형 교통 체계 ======

===== 개요와 정의 =====

지능형 교통 체계(Intelligent Transport Systems, ITS)는 기존의 [[교통공학]]적 기반 시설에 [[정보통신기술]](Information and Communication Technology, ICT), [[제어공학]], [[전자공학]] 등 첨단 기술을 융합하여 교통 수단과 시설의 운영을 자동화하고 최적화하는 포괄적 시스템을 의미한다. 이는 단순히 도로를 건설하거나 차량의 성능을 개선하는 물리적 확장의 차원을 넘어, 교통 구성 요소 간의 상호작용을 지능화함으로써 전체 교통 네트워크의 효율성을 극대화하는 것을 목적으로 한다. 학술적으로 ITS는 [[사회 기반 시설]]인 도로와 차량, 그리고 이용자를 하나의 유기적인 네트워크로 연결하여 실시간으로 정보를 수집, 가공, 공유하는 차세대 교통 운영 체계로 정의된다.

시스템의 전반적인 구조는 데이터의 흐름에 따라 수집, 전송, 처리, 제공의 네 단계 순환 구조를 가진다. 우선 도로변 장치(Road Side Unit, RSU)와 차량 탑재 장치(On-Board Unit, OBU)를 통해 교통량, 속도, 돌발 상황 등의 기초 데이터를 [[실시간]]으로 수집한다. 수집된 데이터는 유무선 통신망을 통해 교통 정보 센터로 전송되며, 센터에서는 [[빅데이터]] 분석과 [[인공지능]] 알고리즘을 활용하여 최적의 제어 전략을 도출한다. 최종적으로 가공된 정보는 가변 정보 표지판(Variable Message Sign, VMS)이나 내비게이션, 스마트폰 등을 통해 사용자에게 전달되어 최적의 의사결정을 지원한다. 이러한 구조는 개별 차량의 주행 최적화를 넘어 도시 전체의 교통 흐름을 관리하는 거시적 통제 체계로서 기능한다.

지능형 교통 체계의 구축 목적은 크게 네 가지 측면에서 고찰할 수 있다. 첫째는 교통 안전의 제고이다. 돌발 상황이나 사고 위험을 사전에 감지하고 이를 후행 차량에 전파함으로써 연쇄 추돌을 방지하고 인명 피해를 최소화한다. 둘째는 교통 효율성의 극대화이다. 실시간 교통 수요에 대응하는 신호 제어와 경로 안내를 통해 정체 구간을 분산시키고 통행 시간을 단축한다. 셋째는 환경적 지속 가능성 확보이다. 불필요한 공회전과 가감속을 줄임으로써 에너지 소비를 절감하고 탄소 배출량을 낮추어 기후 변화 대응에 기여한다. 마지막으로, 자율 주행 지원 및 이용자 편의 증진을 통해 교통 약자의 이동권을 보장하고 미래형 이동 수단이 원활하게 작동할 수 있는 토대를 마련하는 데 그 의의가 있다((국토교통부, “지능형교통체계 기본계획 2030(’21~’30) 수립”, https://m.korea.kr/briefing/pressReleaseView.do?newsId=156475940
)).

==== 기본 개념 ====

지능형 교통 체계(Intelligent Transport Systems, ITS)는 기존의 [[교통공학]]적 인프라에 [[전자공학]], [[제어공학]], [[통신공학]] 등 첨단 기술을 융합하여 교통 운영의 효율성과 안전성을 극대화하는 포괄적 시스템을 의미한다. 이는 단순히 도로를 건설하거나 차량의 성능을 개선하는 물리적 확장의 차원을 넘어, 교통 구성 요소 간의 실시간 정보 공유와 지능적 의사결정을 통해 전체 교통망의 흐름을 최적화하는 소프트웨어적 접근을 핵심으로 한다. [[국가교통체계효율화법]] 등 관련 법령과 학술적 정의에 따르면, 지능형 교통 체계는 교통 수단과 교통 시설에 첨단 기술을 접목하여 교통 정보를 수집, 관리, 제공함으로써 교통 체계의 운영을 자동화하고 이용 편의를 증진하는 체계로 규정된다((ITS 정의/도입효과, ITS 국가교통정보센터, https://www.its.go.kr/knowledge/introKnowledgeInfoCenter?service=introITS
)).

지능형 교통 체계의 작동 원리는 정보의 순환 구조인 피드백 루프(Feedback Loop)를 기반으로 한다. 이 과정은 크게 네 단계로 구분된다. 첫째, 정보 수집 단계에서는 도로변에 설치된 [[차량 검지기]], 폐쇄회로 텔레비전(CCTV), 차량 내 설치된 [[단말기]] 및 [[글로벌 위치 결정 시스템]](GPS) 등을 통해 교통량, 속도, 점유율 및 돌발 상황 정보를 실시간으로 파악한다. 둘째, 정보 전송 단계에서는 수집된 데이터를 유무선 통신망을 통해 교통 관리 센터로 전달한다. 셋째, 정보 처리 및 가공 단계에서는 센터의 중앙 서버가 [[빅데이터]] 분석과 [[알고리즘]]을 활용하여 현재의 교통 상태를 진단하고 최적의 제어 전략을 수립한다. 마지막으로 정보 제공 단계에서는 가공된 정보를 [[가변 정보 표지판]](VMS), 스마트폰 애플리케이션, 차량 내비게이션 등을 통해 운전자에게 전달하거나 교통신호기를 직접 제어하여 교통류를 조정한다.

이러한 체계의 학술적 근거는 [[교통류]] 이론과 최적화 이론에 닿아 있다. 도로의 물리적 용량은 고정되어 있으나, 지능형 교통 체계는 차량 간 간격의 정밀 제어와 교통량의 시공간적 분산을 통해 실질적인 통행 용량을 증대시킨다. 예를 들어, 특정 도로의 교통 밀도가 임계치를 초과하여 흐름이 붕괴되는 현상을 방지하기 위해 실시간으로 진입 램프를 제어하거나 가변 차로제를 운영하는 방식이다. 이는 교통 수요 관리(Transportation Demand Management, TDM)를 기술적으로 구현한 형태라 할 수 있다.

또한 지능형 교통 체계는 정보의 비대칭성을 해소함으로써 시장 실패를 교정하는 역할을 수행한다. 운전자가 전체 도로망의 정체 상황을 알지 못할 때 발생하는 비효율적 경로 선택을 실시간 경로 안내 시스템이 교정함으로써, 전체 시스템의 총 통행 시간을 최소화하는 방향으로 유도한다. 이는 [[게임 이론]]의 관점에서 개별 주체의 최적 선택이 전체의 최적(System Optimum)과 일치하지 않는 문제를 기술적 개입으로 해결하려는 시도이다. 결과적으로 지능형 교통 체계는 교통 혼잡으로 인한 사회적 비용을 줄이고, 급제동 및 급가속의 억제를 통해 에너지 소비와 탄소 배출을 저감하는 [[지속 가능한 발전]]의 핵심 수단으로 기능한다.

==== 도입의 필요성 ====

현대 사회에서 도시화가 가속화됨에 따라 교통 수요는 기하급수적으로 증가해 왔다. 그러나 도로 공급은 물리적 공간의 한계와 막대한 건설 비용으로 인해 수요 증가 속도를 따라잡지 못하는 실정이다. 이러한 수급 불균형은 심각한 [[교통 혼잡]]을 야기하며, 이는 단순한 통행 시간의 지연을 넘어 인적·물적 자원의 낭비라는 막대한 [[사회적 비용]]을 발생시킨다. [[한국교통연구원]]의 분석에 따르면, 대한민국의 연간 교통혼잡비용은 지속적으로 증가하여 2021년 기준 약 71조 원에 육박하는 것으로 추산되었다(([2023 교통정책평가지표] 제3권 교통혼잡비용(2021), https://www.koti.re.kr/user/bbs/trafficReportView.do?bbs_no=65613
)). 이는 [[국내총생산]](GDP)의 상당 부분을 차지하는 수치로, 국가 경제의 효율성을 저해하고 물류 경쟁력을 약화시키는 주요 요인으로 작용한다.

과거의 교통 정책은 주로 도로망 확충과 같은 물리적 공급 확대에 집중하였으나, 이는 지대 상승과 환경 파괴라는 부작용을 동반할 뿐만 아니라 유도 수요를 창출하여 다시 혼잡을 유발하는 한계를 보였다. 특히 [[브래스 역설]](Braess’s Paradox)이 시사하듯이, 교통망에 새로운 도로를 추가하는 것이 반드시 전체 통행 시간의 단축으로 이어지지는 않는다는 점은 지능형 교통 체계 도입의 논리적 근거가 된다. 따라서 물리적 기반 시설의 확장을 넘어, 기존의 교통 자원을 효율적으로 관리하고 운영할 수 있는 기술적 대안이 요구된다. 지능형 교통 체계는 실시간 [[데이터]] 수집과 분석을 통해 교통량을 최적으로 분산시키고 신호 체계를 지능화함으로써 도로의 용량을 극대화하는 역할을 수행한다.

교통 안전의 확보 또한 지능형 교통 체계 도입의 필수적인 배경이다. 대다수의 [[교통사고]]는 운전자의 부주의, 판단 착오, 또는 정보 부재와 같은 인적 요인에 의해 발생한다. 지능형 교통 체계, 특히 [[차세대 지능형 교통 체계]](Cooperative Intelligent Transport Systems, C-ITS)는 차량과 차량, 차량과 인프라 간의 실시간 통신을 통해 운전자가 인지하기 어려운 사각지대의 위험 정보를 사전에 제공한다((차세대 지능형교통체계의 효과분석체계 연구: 기대효과 및 효과척도를 중심으로, https://www.krihs.re.kr/issue/excellentView.do?seq=30627
)). 이러한 정보 공유는 사고 발생 가능성을 선제적으로 차단하여 인명 피해와 그에 따른 사회적 손실을 최소화하는 데 결정적인 기여를 한다.

마지막으로, 지능형 교통 체계는 환경 보호와 [[지속 가능한 발전]]을 실현하기 위한 전략적 도구로서 가치를 지닌다. 교통 부문은 전 세계 [[탄소 배출]]의 주요 원인 중 하나로 지목되고 있으며, 차량의 공회전과 불필요한 가감속은 연료 소비를 촉진하고 온실가스 배출을 증가시킨다. 지능형 교통 체계를 통해 원활한 교통 흐름을 유도하고 운전자에게 최적의 경로를 안내함으로써 에너지 소비 효율을 높이고 대기 오염 물질의 배출을 유의미하게 저감할 수 있다((Impacts of intelligent transportation systems on energy conservation and emission reduction of transport systems: A comprehensive review, https://www.sciencedirect.com/science/article/pii/S2949736122000021
)). 이는 전 지구적 과제인 [[탄소 중립]] 달성을 위해 교통 인프라가 나아가야 할 필연적인 방향이라 할 수 있다.

===== 역사적 발전 과정 =====

지능형 교통 체계의 발전은 단순한 교통 신호의 자동화에서 시작하여, 정보 통신 기술의 비약적인 발전과 궤를 같이하며 진화하였다. 초기 단계의 교통 제어는 1920년대 [[미국]] 등지에서 도입된 전기식 교통 신호등과 같이 고정된 주기에 따라 신호를 전환하는 방식에 국한되었다. 이후 1950년대와 1960년대에 이르러 [[컴퓨터]] 기술이 교통 분야에 본격적으로 도입되면서, 실시간 교통량에 대응하여 신호 주기를 조정하는 [[도시 교통 제어 시스템]](Urban Traffic Control System, UTCS)의 개념이 등장하였다. 이 시기의 기술적 지향점은 개별 교차로의 효율성을 넘어 도시 전체의 차량 흐름을 최적화하는 데 있었으며, 이를 위해 도로 하부에 매설된 루프 검지기를 통해 수집된 기초적인 교통 데이터를 중앙 제어 장치에서 처리하는 방식이 주를 이루었다.

1980년대 후반부터 1990년대 초반은 현대적 의미의 지능형 교통 체계가 학술적, 정책적으로 정립된 시기이다. 1991년 미국에서 제정된 [[지표 교통 효율화법]](Intermodal Surface Transportation Efficiency Act, ISTEA)은 교통 체계의 패러다임을 도로 공급 중심에서 운영 효율화 중심으로 전환하는 결정적인 계기가 되었다. 이 시기에는 [[위성 항법 시스템]](Global Positioning System, GPS)과 [[지리 정보 시스템]](Geographic Information System, GIS)이 교통 분야와 융합되기 시작하였다. 이를 통해 운전자에게 실시간 도로 상황을 전달하는 [[가변 정보 판넬]](Variable Message Sign, VMS)과 초기 형태의 차량 내비게이션 서비스가 보급되었다. 1994년 일본 요코하마에서 개최된 제1회 [[지능형 교통 체계 세계 회의]](ITS World Congress)는 이러한 기술적 흐름을 국제적으로 통합하고 표준화하려는 노력의 산물이었다.

2000년대에 들어서면서 정보 통신 기술(Information and Communication Technology, ICT)의 고도화는 지능형 교통 체계의 양적, 질적 성장을 견인하였다. 광대역 무선 네트워크의 보급은 차량과 관리 센터 간의 양방향 통신을 가능하게 하였으며, 이는 [[전자 요금 징수 시스템]](Electronic Toll Collection, ETC)의 광범위한 확산으로 이어졌다. 한국의 경우 2000년대 중반부터 도입된 하이패스(Hi-pass) 시스템과 버스 정보 시스템(Bus Information System, BIS)이 대표적인 사례이다. 이 단계에서는 수집된 방대한 교통 정보를 가공하여 사용자에게 맞춤형 경로 안내를 제공하는 서비스가 대중화되었으며, 교통 운영의 주체가 관리자에서 개별 사용자로 확대되는 양상을 보였다.

최근의 발전 단계는 단순한 정보 제공을 넘어 차량과 인프라, 차량과 차량이 실시간으로 상호작용하는 [[차량 사물 통신]](Vehicle-to-Everything, V2X) 기반의 협력형 지능형 교통 체계(Cooperative Intelligent Transport Systems, C-ITS)로 이행하고 있다. 과거의 시스템이 중앙 센터에서 수집된 정보를 일방향으로 전달하는 구조였다면, 현대의 체계는 차량이 이동하는 센서가 되어 주변 차량 및 도로 시설물과 능동적으로 정보를 교환한다. 이러한 변화는 [[인공지능]](Artificial Intelligence) 및 [[빅데이터]] 분석 기술과 결합하여 [[자율 주행 자동차]]의 안전한 운행을 지원하는 필수적인 인프라로 기능한다. 결과적으로 지능형 교통 체계는 도시 전체의 에너지 효율을 극대화하고 탄소 배출을 절감하는 [[스마트 시티]]의 핵심 구성 요소로 자리 잡으며, 물리적 이동 수단과 디지털 플랫폼이 완전하게 통합되는 방향으로 나아가고 있다.

==== 초기 교통 제어 시스템 ====

지능형 교통 체계의 전신인 초기 교통 제어 시스템은 20세기 초반 도시화와 자동차 보급 확대로 인한 교통 혼잡을 해결하기 위해 등장하였다. 초기 단계는 주로 기계적·전기적 수단을 활용하여 교차로의 [[교통 흐름]]을 물리적으로 분리하거나 통제하는 데 집중하였다. 최초의 현대적 신호등은 1914년 미국 클리블랜드에 설치된 전기식 신호등으로 평가받으며, 이는 경찰관이 수동으로 조작하던 기존의 방식을 전기적 신호 체계로 전환한 중요한 분기점이었다.

이후 시스템은 사전에 설정된 시간 간격에 따라 신호를 주기적으로 전환하는 [[고정 시간 제어]](Fixed-time Control) 방식으로 발전하였다. 고정 시간 제어는 과거의 교통량 통계를 바탕으로 신호 주기를 산출하며, 이는 교통량의 실시간 변동을 반영하지 못한다는 근본적인 한계가 있었다. 그러나 이 시기에 정립된 [[연동 시스템]](Green Wave)의 개념은 인접한 교차로 간의 신호 주기를 조정하여 차량의 정지 횟수를 최소화하려는 초기 [[교통 공학]]적 시도로서 큰 의미를 갖는다.

1920년대 후반부터는 차량의 존재를 감지하여 신호를 조절하는 [[교통 감응 제어]](Traffic Actuated Control)가 시도되었다. 초기에는 압력판 식 검지기가 사용되었으나, 내구성 문제로 인해 이후 전자기 유도 원리를 이용한 [[루프 검지기]](Inductive Loop Detector)로 대체되었다. 루프 검지기는 도로 아래 매설된 코일에 흐르는 전류의 변화를 통해 차량의 통과와 점유를 파악하며, 이는 오늘날까지도 가장 신뢰성 높은 [[교통량]] 측정 수단 중 하나로 활용되고 있다. 이러한 검지 기술의 도입은 교통 제어 시스템이 단순한 ‘시간 분할’ 장치에서 ’데이터 기반’의 반응형 시스템으로 진화하는 계기가 되었다.

1960년대와 1970년대에 이르러 [[디지털 컴퓨터]]가 교통 제어에 본격적으로 도입되면서 체계적인 [[도시 교통 제어 시스템]](Urban Traffic Control System, UTCS)이 구축되기 시작하였다. 이 시기의 시스템은 개별 교차로의 독립적인 제어를 넘어 광역적인 네트워크 최적화를 목표로 하였다. 특히 영국의 [[교통 노선 연구 도구]](Traffic Network Study Tool, TRANSYT)와 같은 오프라인 최적화 모델이 개발되어 신호 주기와 오프셋(Offset)을 계산하는 데 활용되었다. 이후 1980년대 초에는 실시간 교통 상황에 맞춰 신호 매개변수를 능동적으로 조정하는 [[SCOOT]](Split Cycle Offset Optimisation Technique)와 같은 온라인 최적화 시스템이 등장하며 기술적 완성도를 높였다((Hamilton, A., Waterson, B., Cherrett, T. J., Robinson, A., & Snell, I., The evolution of urban traffic control: changing policy and technology, https://eprints.soton.ac.uk/348413/
))((Hunt, P. B., Robertson, D. I., Bretherton, R. D., & Winton, R. I., SCOOT - a traffic responsive method of coordinating signals, https://scispace.com/papers/the-scoot-on-line-traffic-signal-optimisation-technique-4tai6eco6w
)).

초기 교통 제어 시스템은 주로 운영자 중심의 하향식 구조를 가졌으며, 정보의 흐름이 도로 시설물에서 제어 센터로, 혹은 센터에서 신호기로 향하는 단방향성에 머물렀다. 운전자에게 실시간 정보를 제공하거나 차량과 인프라가 유기적으로 상호작용하는 현대적 [[지능형 교통 체계]]의 수준에는 미치지 못하였으나, 교통 데이터를 수집하고 수치적으로 분석하여 운영 효율을 극대화하려는 이러한 시도들은 현대 ITS의 물리적 인프라와 논리적 알고리즘을 형성하는 결정적인 토대가 되었다.

==== 정보 통신 기술의 융합 ====

지능형 교통 체계의 발전 과정에서 정보 통신 기술(Information and Communication Technology, ICT)의 융합은 단순한 기술적 결합을 넘어 교통 패러다임의 근본적인 변화를 야기하였다. 초기 시스템이 루프 검지기와 같은 물리적 센서를 통한 단방향 정보 수집에 의존했다면, ICT 융합 단계에서는 인터넷과 무선 통신망을 매개로 실시간 데이터 공유와 양방향 소통이 가능해졌다. 특히 [[월드 와이드 웹]](World Wide Web)의 대중화는 교통 운영 기관이 수집한 정보를 일반 사용자에게 신속하게 전달하는 [[첨단 교통 정보 체계]](Advanced Traveler Information Systems, ATIS)의 비약적인 발전을 이끌었다. 운전자는 정적인 지도 정보에서 벗어나 동적인 교통 상황을 실시간으로 파악하게 되었으며, 이는 [[경로 최적화]]와 교통량 분산이라는 정책적 목표 달성에 결정적인 기여를 하였다.

무선 통신 기술의 고도화는 차량을 독립적인 이동 수단에서 네트워크의 한 노드(Node)로 변모시켰다. [[근거리 전용 통신]](Dedicated Short Range Communications, DSRC) 기술의 도입은 하이패스와 같은 [[전자 요금 징수]](Electronic Toll Collection, ETC) 시스템을 가능하게 하여 톨게이트에서의 병목 현상을 획기적으로 개선하였다. 또한, [[위성 항법 시스템]](Global Positioning System, GPS)의 민간 개방과 오차 보정 기술의 발전은 차량의 정밀한 위치 추적을 가능케 함으로써 [[지리 정보 시스템]](Geographic Information System, GIS)과 연계된 다양한 부가 서비스를 창출하였다. 이러한 기술적 토대는 차량과 인프라 간 통신(Vehicle-to-Infrastructure, V2I)의 초기 형태를 구축하였으며, 도로변 기지국(Road Side Unit, RSU)과 차량 단말기(On-Board Unit, OBU) 사이의 데이터 교환을 통해 돌발 상황이나 기상 정보를 실시간으로 공유하는 체계로 진화하였다.

교통 데이터의 폭발적인 증가와 유통은 이를 효율적으로 관리하기 위한 표준화와 체계적인 아키텍처 수립을 요구하였다. [[국제 표준화 기구]](International Organization for Standardization, ISO)의 TC 204 위원회는 지능형 교통 체계의 참조 모델을 정의하고, 서로 다른 제조사와 운영 주체 간의 호환성을 보장하기 위한 국제 표준을 제정하였다. 이는 [[시스템 공학]](Systems Engineering)적 관점에서 교통망을 하나의 거대한 통합 시스템으로 인식하게 된 계기가 되었다. 데이터의 수집, 가공, 전달 과정에 [[패킷 교환]](Packet Switching) 방식의 네트워크 프로토콜이 적용되면서 교통 데이터는 디지털 자산으로서의 가치를 지니게 되었으며, 이는 향후 [[빅데이터]] 분석과 [[인공지능]] 기반의 교통 예측 모델로 이어지는 기술적 교두보가 되었다.

결과적으로 정보 통신 기술과의 융합은 교통 체계를 구성하는 인간, 차량, 도로 시설물이 유기적으로 연결되는 [[유비쿼터스]] 환경을 조성하였다. 이는 과거의 단순한 교통 관제를 넘어, 실시간 데이터를 바탕으로 교통 수요를 능동적으로 제어하는 [[첨단 교통 관리 체계]](Advanced Traffic Management Systems, ATMS)의 핵심 동력이 되었다. 이러한 기술적 통합기는 개별 기술의 점진적 발전을 넘어 교통 시스템 전체의 지능화를 가속화하였으며, 현대의 협력형 지능형 교통 체계(Cooperative Intelligent Transport Systems, C-ITS)와 [[자율 주행]] 기술이 등장할 수 있는 토양을 마련하였다는 점에서 역사적 의의가 크다.

==== 국가별 발전 단계 ====

지능형 교통 체계의 발전은 국가별 교통 환경과 정책적 지향점에 따라 차별화된 경로를 걸어왔다. 초기에는 [[교통 혼잡]] 해소와 [[교통 안전]] 확보라는 공통의 목표 아래 출발하였으나, 기술적 성숙도가 높아짐에 따라 각국은 자국의 강점인 정보 통신 기술 역량을 바탕으로 독자적인 시스템 모델을 구축하였다. 특히 [[미국]], [[일본]], [[유럽 연합]], 그리고 [[대한민국]]은 세계적인 기술 표준을 주도하며 지능형 교통 체계의 발전을 견인해 온 주요 거점으로 평가받는다.

미국은 지능형 교통 체계의 개념을 정립하고 제도적 기틀을 마련한 선구적인 국가이다. 1991년 제정된 [[지표교통효율화법]](Intermodal Surface Transportation Efficiency Act, ISTEA)을 기점으로 [[미국 교통부]](U.S. Department of Transportation, USDOT) 주도의 범국가적 연구가 시작되었다. 초기에는 [[지능형 차량 도로 체계]](Intelligent Vehicle Highway Systems, IVHS)라는 명칭으로 도로 인프라의 효율성 극대화에 집중하였으나, 이후 시스템의 범위를 차량과 사용자 중심으로 확장하며 현재의 명칭인 지능형 교통 체계로 개칭하였다. 미국의 발전 단계는 단순한 교통 관리를 넘어, 차량 간 통신(V2V) 및 차량과 인프라 간 통신(V2I)을 포괄하는 [[연결형 차량]](Connected Vehicle) 기술의 표준화와 안전성 검증에 역점을 두고 있다.((U.S. Department of Transportation, https://www.its.dot.gov/history/pdf/HistoryofITS_book.pdf
))

일본은 지능형 교통 체계를 국가 전략 산업으로 육성하며 실용화 측면에서 괄목할만한 성과를 거두었다. 1990년대 중반, 세계 최초로 실시간 교통 정보 제공 시스템인 [[차량 정보 통신 시스템]](Vehicle Information and Communication System, VICS)을 상용화하였으며, 이를 [[카 내비게이션]]과 연동하여 운전자에게 최적의 경로 정보를 제공하는 체계를 안착시켰다. 또한 [[전자 요금 징수]](Electronic Toll Collection, ETC) 시스템의 보급률을 세계 최고 수준으로 끌어올려 고속도로 정체 해소에 기여하였다. 최근 일본은 ’ETC 2.0’으로의 전환을 통해 양방향 통신 기능을 강화하고, 수집된 [[빅데이터]]를 민간 서비스와 결합하는 [[소사이어티 5.0]](Society 5.0) 전략의 일환으로 지능형 교통 체계를 재편하고 있다.((Ministry of Land, Infrastructure, Transport and Tourism, Japan, https://www.mlit.go.jp/road/road_e/p1_its.html
))

유럽 연합은 국가 간 국경이 인접한 지리적 특성을 고려하여 시스템의 [[상호운용성]](Interoperability)과 표준화에 주력해 왔다. 1991년 설립된 유럽 지능형 교통 체계 협력 기구인 [[ERTICO]]를 중심으로 범유럽 차원의 기술 개발과 정책 조율이 이루어졌다. 유럽의 발전 단계에서 주목할 만한 지점은 2010년 채택된 ’ITS 지침(Directive 2010/40/EU)’이다. 이는 유럽 전역의 교통 데이터를 공유하고 다수 국가를 횡단하는 이동 서비스의 연속성을 보장하기 위한 법적 근거가 되었다. 특히 사고 발생 시 차량이 자동으로 구조 센터에 신호를 보내는 [[이콜]](eCall) 시스템의 의무화와 같이, 인간의 생명 보호와 [[지속 가능한 교통]]을 위한 공공 서비스 성격이 강한 기술 도입에 적극적이다.((ERTICO - ITS Europe, https://erticonetwork.com/council-adopts-new-its-directive/
))

대한민국은 정보 통신 기술의 비약적인 발전을 바탕으로 지능형 교통 체계를 가장 빠르게 보급한 국가 중 하나이다. 1990년대 후반부터 본격적인 도입이 시작되었으며, 2000년 수립된 ’국가 ITS 기본계획’을 바탕으로 체계적인 구축이 진행되었다. 한국의 발전 모델은 특히 대중교통 운영 효율화에서 세계적인 경쟁력을 보유하고 있다. [[버스 정보 시스템]](Bus Information System, BIS)과 [[버스 관리 시스템]](Bus Management System, BMS)은 실시간 도착 정보를 제공하여 대중교통 이용 편의를 획기적으로 개선하였다. 현재 한국은 2027년 [[완전 자율 주행]] 상용화를 목표로, 차량과 주변 사물이 실시간으로 정보를 주고받는 [[차세대 지능형 교통 체계]](Cooperative Intelligent Transport Systems, C-ITS) 인프라를 전국 주요 도로에 구축하는 단계에 진입하였다.((국토교통부, https://smartcity.go.kr/2021/10/19/%EA%B5%AD%ED%86%A0%EB%B6%80-%EC%A7%80%EB%8A%A5%ED%98%95%EA%B5%90%ED%86%B5%EC%B2%B4%EA%B3%84-%EA%B8%B0%EB%B3%B8%EA%B3%84%ED%9A%8D-20302130-%EC%88%98%EB%A6%BD/
))

===== 핵심 구성 기술 =====

지능형 교통 체계(Intelligent Transport Systems, ITS)를 구현하기 위한 기술적 토대는 도로 인프라, 차량, 사용자 사이의 유기적인 정보 환류 체계를 구축하는 데 있다. 이는 물리적 장치인 하드웨어 요소와 이를 운용하기 위한 논리적 알고리즘 및 소프트웨어 요소의 결합으로 완성된다. 전체적인 시스템 아키텍처는 데이터의 흐름에 따라 정보 수집, 정보 통신, 데이터 처리 및 분석, 정보 제공 및 제어의 네 가지 핵심 계층으로 분류할 수 있다.

정보 수집 기술은 시스템의 입력 단계로서 도로상의 동적 상태를 실시간으로 파악하는 물리적 센서 기술을 포함한다. 전통적인 [[루프 검지기]](Loop Detector)는 도로 하부에 매설된 코일의 자기장 변화를 감지하여 차량의 통과 대수와 점유율을 측정한다. 그러나 최근에는 유지보수의 용이성과 정보의 풍부함을 확보하기 위해 비접촉식 센서인 [[레이더]](Radio Detection and Ranging, RADAR)와 [[라이더]](Light Detection and Ranging, LiDAR) 기술이 널리 도입되고 있다. 특히 [[폐쇄회로 텔레비전]](Closed-circuit Television, CCTV) 기반의 영상 처리 기술은 [[딥러닝]](Deep Learning) 알고리즘과 결합하여 차량의 종류, 속도, 번호판 인식뿐만 아니라 낙하물이나 사고 발생과 같은 돌발 상황을 실시간으로 감지하는 수준에 이르렀다.

수집된 데이터의 전송과 공유를 담당하는 정보 통신 기술은 ITS의 신경망 역할을 수행한다. [[차량 통신]](Vehicle-to-Everything, V2X) 기술은 차량과 차량(V2V), 차량과 인프라(V2I), 차량과 보행자(V2P) 간의 상호작용을 가능하게 한다. 과거에는 [[전용 단거리 통신]](Dedicated Short Range Communications, DSRC) 기술이 하이패스와 같은 전자 요금 징수 시스템에 주로 활용되었으나, 현재는 초저지연과 고신뢰성을 보장하는 [[이동통신]] 기반의 셀룰러 V2X(Cellular V2X, C-V2X) 기술이 표준으로 부상하고 있다. 이러한 통신 기술은 차량이 운전자의 시계(視界)를 벗어난 사각지대의 위험 정보를 사전에 수신할 수 있도록 지원하여 안전성을 극대화한다.

데이터 처리 및 분석 기술은 수집된 원시 데이터(Raw Data)를 유의미한 교통 정보로 변환하는 논리적 핵심이다. 교통 공학의 기본 변수인 교통량($q$), 밀도($k$), 속도($u$) 사이의 기본 관계식인 $q = ku$를 바탕으로, 시스템은 도로의 서비스 수준을 평가하고 혼잡 상태를 진단한다. [[빅데이터]](Big Data) 분석 기술은 과거의 이력 데이터와 실시간 데이터를 결합하여 단기 교통 상태를 예측하며, 이는 최적 경로 안내의 신뢰도를 높이는 데 기여한다. 또한, 데이터 센터에 집중되는 부하를 줄이고 실시간 응답성을 높이기 위해 현장 기지국에서 데이터를 직접 처리하는 [[엣지 컴퓨팅]](Edge Computing) 기술이 [[자율 주행]] 지원 인프라의 핵심 요소로 활용되고 있다.

마지막으로 정보 제공 및 제어 기술은 분석된 결과를 바탕으로 실제 교통 흐름에 개입하거나 사용자에게 의사결정 정보를 전달하는 단계이다. [[가변 정보 표지판]](Variable Message Sign, VMS)과 스마트폰 애플리케이션은 운전자에게 우회 경로와 예상 도착 시간을 제공한다. 운영 측면에서는 [[첨단 교통 관리 체계]](Advanced Traffic Management Systems, ATMS)를 통해 실시간 교통량에 대응하는 [[감응식 신호 제어]]를 시행한다. 이는 교차로의 대기 시간을 최소화하고 도로망 전체의 통행 효율을 최적화하는 것을 목적으로 한다. 이러한 기술적 요소들은 상호 보완적인 관계 속에서 지능형 교통 체계의 완성도를 결정짓는다.

==== 정보 수집 기술 ====

정보 수집 기술은 지능형 교통 체계의 최하위 물리 계층에서 실시간으로 발생하는 교통 현상을 디지털 데이터로 변환하여 상위 시스템으로 전달하는 핵심적인 역할을 수행한다. 이는 인간의 감각 기관에 비유될 수 있으며, 여기서 수집된 [[교통량]](Traffic Volume), [[속도]](Speed), [[점유율]](Occupancy) 등의 자료는 교통 제어 알고리즘의 입력값이나 사용자 정보 제공의 기초 자료로 활용된다. 정보 수집 기술은 검지 장치의 설치 위치와 방식에 따라 크게 도로 면에 직접 설치하는 매설형(Intrusive)과 도로 외부에서 물리량을 측정하는 비매설형(Non-intrusive)으로 구분된다.

매설형 검지기의 가장 대표적인 형태인 인덕티브 루프 검지기(Inductive Loop Detector)는 도로 포장면 아래에 전선을 루프 형태로 매설하여 형성된 [[자기장]]의 변화를 이용한다. 금속체인 차량이 루프 위를 통과할 때 발생하는 [[인덕턴스]](Inductance)의 변화를 감지하여 차량의 존재 유무와 통과 시간을 파악하는 원리이다. 이 방식은 기술적 성숙도가 높고 기상 조건에 관계없이 일관된 검지 성능을 보장한다는 장점이 있어 오랜 기간 표준적인 검지 수단으로 활용되어 왔다. 그러나 설치와 유지보수 과정에서 도로 포장을 파손해야 하며, [[노면]] 온도 변화나 중차량의 하중에 의한 물리적 손상에 취약하다는 한계가 존재한다.

비매설형 검지 기술 중 레이더(Radar) 검지기는 [[마이크로파]]를 발사하여 차량에서 반사되어 돌아오는 신호의 주파수 변화를 측정하는 [[도플러 효과]](Doppler Effect)를 이용한다. 발사된 주파수 $ f_0 $와 반사된 주파수 $ f_r $ 사이의 차이인 도플러 주파수 $ f $는 차량의 이동 속도 $ v $와 다음과 같은 관계를 갖는다. $$ \Delta f = \frac{2v f_0}{c} \cos \theta $$ 여기서 $ c $는 전파의 속도이며, $ $는 레이더의 조사 각도이다. 레이더 방식은 단일 장비로 다차로를 동시에 검지할 수 있고 설치가 간편하며 환경 변화에 강인하지만, 정지 상태의 차량을 정밀하게 검지하는 데에는 상대적으로 기술적 난도가 높다.

영상 처리 검지 기술은 도로에 설치된 [[폐쇄회로 텔레비전]](CCTV) 영상을 [[컴퓨터 비전]](Computer Vision) 및 [[인공지능]] 알고리즘으로 분석하여 정보를 추출한다. 이는 단순한 교통량 측정을 넘어 정지 차량, 역주행, 낙하물 발생 등 돌발 상황을 실시간으로 감지하는 돌발 상황 검지 시스템(Incident Detection System, IDS)의 핵심 기술이다. 최근에는 [[합성곱 신경망]](Convolutional Neural Network, CNN) 등 [[딥러닝]] 기술이 도입되면서 야간이나 악천후 상황에서도 개별 차량의 궤적을 정확히 추적하고 차종을 분류하는 수준까지 발전하였다.

고정식 인프라의 공간적 제약을 극복하기 위한 수단으로는 [[범지구 위성 항법 시스템]](Global Navigation Satellite System, GNSS)을 장착한 차량으로부터 직접 정보를 수집하는 유동 차량 데이터(Floating Car Data, FCD) 기술이 활용된다. 이는 개별 차량을 하나의 이동식 센서로 활용하는 기법으로, 별도의 도로 노변 장치 없이도 광범위한 도로 네트워크의 소통 정보를 수집할 수 있다는 경제적 이점이 있다. 최근에는 [[라이다]](Light Detection and Ranging, LiDAR) 센서를 도로 인프라에 통합하여 주변 환경의 3차원 점구름(Point Cloud) 데이터를 확보함으로써, 자율 주행 차량과의 협력적 인지 능력을 강화하는 방향으로 기술적 확장이 이루어지고 있다. 이러한 다양한 수집 기술은 국가별 기술 표준에 따라 체계적으로 관리되며, 대한민국에서는 국토교통부의 고시를 통해 교통정보의 정밀도와 교환 형식을 규정하고 있다((국토교통부, ITS 국내표준, https://www.its.go.kr/knowledge/introKnowledgeInfoCenter?service=domesticStandardITS
)).

=== 차량 검지 시스템 ===

차량 검지 시스템(Vehicle Detection System, VDS)은 도로의 특정 지점이나 구간을 통과하는 차량의 동태적 특성을 파악하여 [[교통류]]를 정량화하는 지능형 교통 체계의 가장 기초적인 정보 수집 인프라이다. 이 시스템은 개별 차량의 존재 여부, 통과 속도, 차량의 길이 및 점유 시간 등을 실시간으로 측정하며, 수집된 원시 데이터는 [[교통 관제 센터]]로 전송되어 [[교통량]](Traffic Volume), [[속도]](Speed), [[점유율]](Occupancy) 등 핵심 교통 지표를 산출하는 데 활용된다. 검지 방식은 센서의 설치 위치와 물리적 작동 원리에 따라 크게 도로 하부에 매설하는 매설형(In-pavement)과 도로 상부나 측면에 설치하는 비매설형(Over-pavement)으로 구분된다.

매설형 검지기의 대표적인 형태인 루프 검지기(Inductive Loop Detector)는 도로 포장면 아래에 사각형 형태의 코일을 매설하여 전자기장 변화를 감지하는 방식이다. 루프 코일에 일정한 주파수의 교류 전류를 흘리면 주변에 [[자기장]]이 형성되는데, 금속체인 차량이 이 영역에 진입하면 [[전자기 유도]] 현상에 의해 코일의 [[인덕턴스]](Inductance)가 감소하게 된다. 시스템은 이러한 인덕턴스의 변화를 주파수 변화로 치환하여 차량의 통과를 인식한다. 특히 두 개의 루프를 일정 간격($d$)으로 배치한 이중 루프(Dual Loop) 방식은 차량이 첫 번째 루프를 밟은 시점($t_1$)과 두 번째 루프를 밟은 시점($t_2$)의 차이를 이용하여 다음과 같이 지점 속도($v$)를 계산한다.

$$v = \frac{d}{t_2 - t_1}$$

루프 검지기는 기술적 성숙도가 높고 기상 조건의 영향을 거의 받지 않아 높은 신뢰성을 확보할 수 있으나, 도로 굴착에 따른 포장 파손과 유지보수 시 교통 차단이 불가피하다는 단점이 존재한다. ((루프검지기와 피에조 센서를 이용한 차량정보수집 시스템 설계, https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE00700228
))

비매설형 검지 기술 중 핵심적인 위치를 차지하는 레이더 센서(Radar Sensor)는 마이크로파를 도로상에 방사하고 차량으로부터 반사되어 돌아오는 신호를 분석하는 방식이다. 주로 [[도플러 효과]](Doppler Effect)를 응용하여 차량의 속도를 직접 측정한다. 이동하는 차량에 의해 반사된 전파는 송신 주파수($f_0$)와 다른 수신 주파수($f_r$)를 가지게 되며, 이때 발생하는 주파수 편이($\Delta f$)는 차량의 속도($v$)에 비례한다. 주파수 변화량과 속도의 관계식은 다음과 같다.

$$\Delta f = f_r - f_0 = \frac{2v f_0}{c} \cos \theta$$

여기서 $c$는 전파의 속도이며, $\theta$는 전파 조사 방향과 차량 진행 방향 사이의 각도이다. 레이더 방식은 도로를 파손하지 않고 설치가 간편하며, 안개나 강우 등 시거 확보가 어려운 환경에서도 안정적인 검지 성능을 유지한다는 강점이 있다. 최근에는 [[변조]] 기술을 결합한 연속파 레이더(FMCW Radar)를 활용하여 정지해 있는 차량의 위치와 거리까지 정밀하게 측정하는 기술이 널리 도입되고 있다.

이러한 차량 검지 시스템을 통해 수집된 데이터는 [[거시적 교통 흐름]] 모델의 입력 변수로 사용되어 도로의 서비스 수준(Level of Service, LOS)을 판정하는 근거가 된다. 또한, 수집된 지점 속도 데이터는 산술 평균인 시간 평균 속도(Time Mean Speed)와 조화 평균인 공간 평균 속도(Space Mean Speed)로 가공되어, 도로 네트워크 전체의 혼잡 상태를 진단하고 [[가변 정보 표지판]](VMS)을 통해 운전자에게 최적 경로 정보를 제공하는 정책적 의사결정의 핵심 자료로 기능한다.

=== 영상 처리 및 센서 기술 ===

지능형 교통 체계에서 영상 처리 및 센서 기술은 도로 위에서 발생하는 각종 정보를 시각적 데이터 형태로 수집하고 이를 지능적으로 해석하는 핵심적인 [[정보 수집 기술]]의 한 축을 담당한다. 과거의 교통 정보 수집이 주로 도로 아래에 매립된 [[루프 검지기]]와 같은 점 단위(Point) 센서에 의존했다면, 현대의 시스템은 [[폐쇄회로 텔레비전]](Closed-Circuit Television, CCTV)과 고성능 [[광학 센서]]를 활용한 면 단위(Area) 검지 방식으로 진화하였다. 이러한 비매립형(Non-intrusive) 방식은 도로 파손 없이 설치 및 유지보수가 가능하며, 단순한 차량 통과 여부를 넘어 차량의 종류, 속도, 주행 궤적 등 풍부한 정보를 제공한다는 장점을 지닌다.

영상 기반 정보 수집의 핵심은 [[디지털 영상 처리]](Digital Image Processing)와 [[컴퓨터 비전]](Computer Vision) 기술에 있다. 도로변에 설치된 카메라를 통해 획득된 실시간 영상 신호는 먼저 노이즈 제거와 대비 향상 등의 전처리 과정을 거친다. 이후 [[배경 차분]](Background Subtraction)이나 [[광류]](Optical Flow) 추정 알고리즘을 통해 움직이는 객체를 배경으로부터 분리해낸다. 최근에는 [[인공지능]](Artificial Intelligence)의 하위 분야인 [[딥러닝]](Deep Learning) 기술이 비약적으로 발전함에 따라, [[합성곱 신경망]](Convolutional Neural Networks, CNN) 기반의 [[객체 탐지]](Object Detection) 모델이 널리 도입되고 있다. 이를 통해 차량, 보행자, 이륜차 등을 높은 정확도로 식별하고 분류하는 것이 가능해졌다.

[[돌발 상황 검지 시스템]](Automatic Incident Detection, AID)은 영상 처리 기술이 가장 활발하게 적용되는 분야이다. 이 시스템은 수집된 영상 데이터를 실시간으로 분석하여 교통 흐름에 장애를 초래하는 비정상적인 상황을 자동으로 감지한다. 대표적인 감지 대상으로는 주행 중인 도로 위의 정지 차량, 역주행 차량, 낙하물, 그리고 보행자의 무단 침입 등이 있다. 시스템은 [[객체 추적]](Object Tracking) 기술을 활용하여 개별 차량의 이동 경로를 연속적으로 감시하며, 특정 차량의 속도가 급격히 저하되거나 궤적이 차로를 이탈하는 등의 이상 징후가 포착될 경우 즉시 [[교통 관제 센터]]에 경보를 전송한다. 이러한 자동화된 검지는 관리자의 육안 감시에 의존하던 과거 방식에 비해 대응 시간을 획기적으로 단축하여 [[2차 사고]] 예방에 기여한다((객체 인식과 객체 추적을 활용한 고속도로 주행 영상에서의 돌발 상황 인식 방법, https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002844491
)).

그러나 영상 처리 기술은 조도 변화, 기상 악화(안개, 강우, 강설), 그리고 차량 간의 [[폐색]](Occlusion) 현상과 같은 외부 환경 요인에 취약하다는 한계를 지닌다. 이러한 제약을 극복하기 위해 최근의 지능형 교통 체계는 단일 카메라에 의존하지 않고 [[레이더]](Radar)나 [[라이다]](Lidar)와 같은 이종 센서를 결합하는 [[센서 퓨전]](Sensor Fusion) 기술을 지향하고 있다. 또한, 중앙 서버에 모든 데이터를 전송하여 처리하는 방식에서 벗어나 카메라 단말 자체에서 인공지능 연산을 수행하는 [[엣지 컴퓨팅]](Edge Computing) 기술이 도입됨으로써 데이터 전송 부하를 줄이고 실시간성을 강화하는 추세이다((A Self-Adaptive Automatic Incident Detection System for Road Surveillance Based on Deep Learning, https://doi.org/10.3390/s24061822
)). 이러한 기술적 진보는 도로 운영의 지능화를 가속화하여 더욱 안전하고 효율적인 교통 환경을 조성하는 밑거름이 된다.

==== 정보 통신 및 네트워크 기술 ====

지능형 교통 체계의 신경망 역할을 수행하는 정보 통신 및 네트워크 기술은 수집된 교통 데이터를 [[교통 관제 센터]]와 개별 사용자 사이에서 실시간으로 교환하기 위한 핵심 인프라이다. 이 기술 체계는 크게 유선 통신망과 무선 통신망으로 구분되며, 도로변 기지국(Road Side Unit, RSU)과 중앙 센터를 연결하는 [[백홀]] 망과 차량 및 보행자 등 이동 객체를 연결하는 [[액세스 네트워크]]로 구성된다. 유선 인프라는 주로 [[광섬유]]를 기반으로 구축되어 대용량 데이터를 손실 없이 전송하는 역할을 하며, 무선 인프라는 이동 중인 차량의 연결성을 보장하기 위해 [[전자기파]]를 매개로 정보를 전달한다.

차량 사물 통신(Vehicle-to-Everything, V2X)은 지능형 교통 체계의 통신 핵심으로서, 차량과 인프라(V2I), 차량과 차량(V2V), 차량과 보행자(V2P), 차량과 네트워크(V2N) 간의 상호작용을 포괄한다. 초기 기술 표준으로 자리 잡은 [[단거리 전용 통신]](Dedicated Short Range Communications, DSRC)은 주로 하이패스와 같은 [[전자 요금 징수]] 시스템에 활용되었으나, 이후 고속 주행 환경에 최적화된 [[차량 환경용 무선 접속]](Wireless Access in Vehicular Environments, WAVE) 기술로 발전하였다. WAVE는 [[미국 전기 전자 기술자 협회]](Institute of Electrical and Electronics Engineers, IEEE)의 802.11p 표준을 기반으로 하며, 통신 지연 시간을 최소화하여 사고 예방과 같은 안전 서비스에 적합한 특성을 지닌다((IEEE Standard for Information technology– Local and metropolitan area networks– Specific requirements– Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications Amendment 6: Wireless Access in Vehicular Environments, https://standards.ieee.org/ieee/802.11p/3933/
)).

최근에는 이동통신 기술의 발전에 힘입어 [[셀룰러 차량 사물 통신]](Cellular Vehicle-to-Everything, C-V2X)이 강력한 대안으로 부상하고 있다. C-V2X는 [[3세대 파트너십 프로젝트]](3rd Generation Partnership Project, 3GPP)에서 제정한 표준으로, 기존의 [[LTE]] 및 [[5G]] 망을 활용하여 통신 거리를 확장하고 데이터 전송 효율을 극대화한다((3GPP, V2X Services in 3GPP, https://www.3gpp.org/technologies/v2x
)). 특히 5G 기반의 통신 기술은 [[초저지연]]과 [[초연결]]을 특징으로 하여, 자율 주행 차량이 방대한 양의 센서 데이터를 실시간으로 공유하는 [[군집 주행]]이나 원격 운전 시스템을 구현하는 데 필수적인 요소로 평가받는다. 5G-V2X는 기존 WAVE 기술이 가진 대역폭의 한계를 극복하고, 고정밀 지도를 실시간으로 업데이트하거나 차량 주변의 고해상도 영상을 공유하는 기능을 지원한다.

네트워크 아키텍처는 효율적인 데이터 처리를 위해 계층적 구조를 띠며, 말단 노드에서 수집된 정보가 [[에지 컴퓨팅]] 기술을 통해 1차적으로 처리된 후 중앙 서버로 전송됨으로써 전체 시스템의 통신 부하를 분산한다. 이러한 통신 인프라의 구축에 있어 가장 중요한 고려 사항은 신뢰성과 보안성이다. 교통 정보의 오염이나 해킹은 인명 사고와 직결될 수 있는 중대한 위협이므로, 메시지의 무결성과 송신자의 신원을 보장하기 위한 [[공개키 기반 구조]](Public Key Infrastructure, PKI)와 [[인증서]] 관리 체계가 네트워크 설계 단계에서부터 통합되어야 한다. 결국 정보 통신 기술은 분산된 교통 주체들을 하나의 유기적인 네트워크로 연결함으로써 지능형 교통 체계의 지능화를 완성하는 물리적 토대가 된다.

=== 차량 간 통신 ===

차량 간 통신(Vehicle-to-Vehicle communication, V2V)은 주행 중인 차량들이 무선 통신망을 통해 위치, 속도, 가속도, 조향 상태 등의 동적 데이터를 실시간으로 교환하는 기술을 의미한다. 이는 [[지능형 교통 체계]]의 핵심적인 하부 기술로서, 개별 차량이 장착한 [[레이더]](RADAR), [[라이다]](LiDAR), 카메라 등 시각적 센서의 한계를 극복하기 위해 고안되었다. 물리적 센서는 가시거리(Line-of-Sight, LOS) 내의 객체만을 탐지할 수 있다는 제약이 있으나, 차량 간 통신은 전파를 매개로 정보를 전달하므로 대형 차량에 가려진 전방 상황이나 교차로 사각지대와 같은 비가시 영역(Non-Line-of-Sight, NLOS)의 위험 요소를 사전에 인지할 수 있게 한다.

기술적 구현 방식은 크게 [[전용 단거리 통신]](Dedicated Short Range Communications, DSRC) 기술과 [[셀룰러 차량 사물 통신]](Cellular Vehicle-to-Everything, C-V2X) 기술로 구분된다. DSRC는 [[미국 전기 전자 학회]](IEEE)의 802.11p 표준을 기반으로 하며, 차량 환경에 최적화된 무선 접속 규격인 [[WAVE]](Wireless Access in Vehicular Environments)를 통해 구현된다. 반면 C-V2X는 [[3GPP]](3rd Generation Partnership Project)를 중심으로 개발된 기술로, 기존의 [[LTE]]나 [[5G]] 이동통신 인프라를 활용하거나 차량 간 직접 통신 모드를 사용한다. 두 기술 모두 극히 짧은 지연 시간(Low Latency)과 높은 신뢰성을 확보하는 것을 최우선 과제로 삼는다.

차량 간 통신에서 교환되는 핵심 정보는 [[기본 안전 메시지]](Basic Safety Message, BSM)라 불리는 데이터 패킷이다. BSM은 일반적으로 초당 10회(10Hz)의 주기로 주변 차량에 방송(Broadcasting)되며, 여기에는 차량의 위도·경도 좌표, 속도, 주행 방향, 브레이크 작동 여부 등이 포함된다. 수신측 차량은 전달받은 데이터를 바탕으로 주변 차량과의 상대적 위치 관계를 계산하며, 충돌 위험이 감지될 경우 운전자에게 경고를 보내거나 제동 장치를 자동 제어한다. 이때 자유 공간에서의 수신 신호 강도 $P_r$은 송신 전력 $P_t$와 송·수신 안테나 사이의 거리 $d$에 대하여 다음과 같은 관계를 갖는다.

$$P_r = P_t G_t G_r \left( \frac{\lambda}{4\pi d} \right)^n$$

위 식에서 $G_t$와 $G_r$은 각각 송신 및 수신 안테나의 이득이며, $\lambda$는 파장, $n$은 경로 손실 지수를 나타낸다. 차량 간 통신은 이러한 전파 전파 특성을 고려하여 도심의 고층 빌딩이나 다리 아래와 같은 복잡한 지형에서도 통신 안정성을 유지하기 위한 [[채널 부호화]] 및 다중 접속 기술을 적용한다.

차량 간 통신을 통해 실현되는 대표적인 안전 서비스로는 전방 추돌 경고(Forward Collision Warning, FCW), 긴급 제동 경고(Emergency Electronic Brake Light, EEBL), 교차로 이동 보조(Intersection Movement Assist, IMA) 등이 있다. 예를 들어, 전방의 차량이 급제동했을 때 그 뒤를 따르는 차량뿐만 아니라 시야가 가려진 서너 대 뒤의 차량까지 즉각적으로 경고를 전달함으로써 연쇄 추돌 사고를 방지할 수 있다. 또한 [[군집 주행]](Platooning) 기술과 결합할 경우, 선두 차량의 가감속 정보를 후행 차량들이 즉각 공유하여 차량 간 간격을 최소화함으로써 도로 용량을 증대시키고 연비를 개선하는 효과를 거둘 수 있다.

보안과 신뢰성 확보는 차량 간 통신의 확산을 위한 필수 전제 조건이다. 악의적인 사용자가 위조된 위치 정보를 송신할 경우 대규모 교통 혼란이나 사고가 발생할 수 있기 때문이다. 이를 방지하기 위해 차량 간 통신 체계는 [[공개키 기반구조]](Public Key Infrastructure, PKI)를 활용한 인증 시스템을 도입한다. 각 차량은 신뢰할 수 있는 기관으로부터 발급받은 디지털 인증서를 사용하여 메시지에 서명하며, 수신 차량은 이를 검증함으로써 정보의 무결성을 확인한다. 이러한 보안 체계는 사용자 프라이버시 보호를 위해 차량 식별자가 주기적으로 변경되는 익명성 보장 기술과 병행하여 설계된다.

결과적으로 차량 간 통신은 개별 차량의 지능화를 넘어 교통 참여자 전체가 하나의 유기체처럼 정보를 공유하는 [[협력형 지능형 교통 체계]](Cooperative Intelligent Transport Systems, C-ITS)의 근간이 된다. 이는 인간 운전자의 인지적 한계를 보완할 뿐만 아니라, 향후 [[자율 주행 자동차]]가 도로 위의 불확실성을 제거하고 완전한 안전성을 확보하기 위한 필수적인 기술적 인프라로 기능한다. 차량 간 통신의 고도화는 교통사고 사망률 감소라는 사회적 가치 실현과 더불어 효율적인 교통 자원 배분을 가능하게 하는 기술적 토대가 된다.

=== 차량과 인프라 간 통신 ===

차량과 인프라 간 통신(Vehicle-to-Infrastructure, V2I)은 주행 중인 차량이 도로변에 설치된 [[노변 기지국]](Road Side Unit, RSU)과 무선망을 통해 양방향으로 정보를 교환하는 기술을 의미한다. 이는 [[차량 사물 통신]](Vehicle-to-Everything, V2X)의 핵심적인 하위 범주로서, 개별 차량이 장착한 센서의 탐지 범위를 넘어선 광역적 도로 정보를 제공함으로써 [[협력형 지능형 교통 체계]](Cooperative Intelligent Transport Systems, C-ITS)를 실현하는 중추적 역할을 수행한다. V2I 통신 체계에서 도로 인프라는 단순히 물리적인 이동 통로에 그치지 않고, 실시간으로 교통 상황을 수집·가공하여 차량에 전달하는 능동적인 정보 거점의 기능을 담당한다.

V2I 시스템의 기술적 구성은 크게 차량에 탑재되는 [[차량 단말기]](On-Board Unit, OBU)와 도로변에 일정 간격으로 배치되는 RSU로 구분된다. 두 장치는 고속 주행 환경에서도 안정적인 연결성을 보장하기 위해 [[전용 단거리 통신]](Dedicated Short Range Communications, DSRC) 기술인 [[WAVE]](Wireless Access in Vehicular Environments) 또는 이동통신 기술 기반의 [[셀룰러 차량 사물 통신]](Cellular Vehicle-to-Everything, C-V2X) 프로토콜을 사용한다. 특히 신호 교차로에 설치된 RSU는 [[교통 신호 제어기]]와 직접 연동되어 현재의 신호 상태와 다음 신호의 잔여 시간 정보를 담은 신호 위상 및 타이밍(Signal Phase and Timing, SPaT) 메시지와 교차로의 정밀한 기하학적 구조를 나타내는 지도(Map Data, MAP) 메시지를 차량에 전송한다((SPaT/MAP V2X communication between traffic light and vehicles and a realization with digital twin, https://www.sciencedirect.com/science/article/pii/S0045790622007753
)).

교통 신호 정보의 공유는 교통 운영의 효율성과 안전성을 획기적으로 개선한다. 대표적인 응용 서비스인 [[녹색 신호 최적 속도 안내]](Green Light Optimal Speed Advisory, GLOSA)는 차량이 전방 교차로의 신호 정보를 수신하여, 정지하지 않고 통과할 수 있는 최적의 주행 속도를 운전자에게 제안하거나 [[자율 주행 자동차]]의 속도를 직접 제어하는 방식이다. 이를 통해 급가속과 급제동을 줄여 [[연비]] 효율을 높이고 탄소 배출량을 저감할 수 있다. 또한, 적색 신호가 점등된 상황에서 차량이 정지선을 통과할 가능성이 높다고 판단될 경우 시각적·청각적 경고를 제공하는 [[신호 위반 경고]](Red Light Violation Warning, RLVW) 시스템은 교차로 내 [[교통 사고]]를 예방하는 데 결정적인 기여를 한다.

V2I 통신을 통한 정보 교환 과정에서는 통신 지연 시간(Latency)의 최소화와 높은 신뢰성 확보가 필수적이다. 고속으로 이동하는 차량의 특성상 신호 정보가 실제 상황보다 늦게 도달할 경우 심각한 안전 문제를 야기할 수 있기 때문이다. 이를 해결하기 위해 [[국제표준화기구]](ISO)와 [[미국자동차공학회]](SAE) 등은 SPaT 및 MAP 메시지의 데이터 규격과 전송 주기를 엄격히 규정하고 있다((ISO/TS 19091:2019 - Intelligent transport systems — Cooperative ITS — Using V2I and I2V communications for applications related to signalized intersections, http://iso.org/standard/73781.html?browse=ics
)). 최근에는 [[5G]] 네트워크의 초저지연 특성을 활용하여 V2I 인프라를 [[스마트 시티]]의 지능형 노드로 확장하려는 연구가 활발히 진행되고 있으며, 이는 도로 인프라가 차량의 주변 환경 인식을 보조하는 [[인프라 기반 자율 주행]](Infrastructure-to-Vehicle, I2V) 시대로의 진입을 가속화하고 있다.

==== 데이터 처리 및 분석 기술 ====

정보 수집 기술을 통해 획득된 방대한 양의 원시 데이터(Raw data)는 그 자체로는 직접적인 정책 결정이나 운영 제어에 활용되기 어렵다. 지능형 교통 체계의 데이터 처리 및 분석 단계는 수집된 파편적 정보를 [[빅데이터]](Big Data) 기술과 [[인공지능]](Artificial Intelligence) 알고리즘을 통해 교통 운영에 필수적인 지식으로 변환하는 핵심적인 역할을 수행한다. 이 과정은 데이터의 정제 및 가공, 분석 모델의 적용, 그리고 최종적인 의사결정 지원의 흐름으로 구성된다.

교통 데이터는 전형적인 빅데이터의 특성인 대용량성(Volume), 고속성(Velocity), 다양성(Variety)을 지닌다. 도로변 기지국(RSU)과 차량 단말기(OBU)에서 발생하는 시계열 데이터뿐만 아니라, [[폐쇄회로 텔레비전]](CCTV)의 영상 정보, [[프로브 차량]](Probe Vehicle)의 궤적 정보 등 정형과 비정형 데이터가 혼재되어 나타난다. 이를 처리하기 위해 [[분산 컴퓨팅]](Distributed Computing) 기술이 활용되며, 특히 실시간 스트림 데이터 처리를 위해 데이터의 유입과 동시에 분석을 수행하는 아키텍처가 요구된다. 데이터 전처리 단계에서는 센서 오류로 인한 이상치(Outlier)를 제거하고, [[결측치]](Missing value)를 보간(Interpolation)하여 분석의 신뢰도를 확보한다.

분석의 핵심 기술로는 [[기계학습]](Machine Learning)과 [[딥러닝]](Deep Learning)이 사용된다. 교통 흐름은 시간적 종속성과 공간적 상관관계를 동시에 가지는 복잡한 비선형 체계이므로, 이를 모델링하기 위해 [[순환 신경망]](Recurrent Neural Network, RNN)의 변형인 [[장단기 메모리]](Long Short-Term Memory, LSTM) 모델이 널리 채택된다. LSTM은 과거의 교통 상태가 미래에 미치는 영향을 효과적으로 학습하여 단기 교통량 및 여행 시간을 예측하는 데 탁월한 성능을 보인다. 최근에는 도로망의 기하학적 구조를 그래프 형태로 표현하고, 교차로 간의 상호작용을 분석하기 위해 [[그래프 신경망]](Graph Neural Network, GNN)을 적용하는 연구가 활발히 진행되고 있다.

데이터 분석의 정확도를 높이기 위해 서로 다른 출처의 정보를 결합하는 [[데이터 융합]](Data Fusion) 기술이 필수적이다. 예를 들어, 고정식 검지기에서 측정된 지점 교통량 데이터와 협력형 지능형 교통 체계(C-ITS)를 통해 수집된 개별 차량의 위치 정보(Location Intelligence)를 결합하면, 검지기가 설치되지 않은 음영 구간의 교통 상태까지 정밀하게 추정할 수 있다((C-ITS 및 Location Intelligence 데이터 융합을 통한 음영구간 교통량 추정 연구, https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART003107054
)). 이러한 융합 분석은 교통 상태의 가시성을 높여 돌발 상황 감지 및 신호 제어 최적화의 기초 자료가 된다. 교통 예측 모델의 성능은 주로 [[평균 제곱근 오차]](Root Mean Square Error, RMSE)나 [[평균 절대 백분율 오차]](Mean Absolute Percentage Error, MAPE) 등의 지표를 통해 검증된다. 예측 오차를 최소화하기 위한 목적 함수는 다음과 같이 정의될 수 있다.

$$E = \sqrt{\frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2}$$

여기서 $y_i$는 실제 교통량이며, $\hat{y}_i$는 모델에 의해 예측된 교통량이다. 이러한 수치적 최적화를 통해 시스템은 실제 교통 상황에 근접한 예측치를 도출한다.

최근에는 분석의 효율성과 실시간성을 극대화하기 위해 [[에지 컴퓨팅]](Edge Computing)과 [[클라우드 컴퓨팅]](Cloud Computing)이 결합된 계층적 분석 구조가 도입되고 있다. 자율 주행 지원이나 긴급 사고 대응과 같이 초저지연 처리가 필요한 분석은 현장의 에지 노드에서 즉시 수행하고, 도시 전체의 교통 수요 관리나 장기적 정책 수립을 위한 대규모 분석은 클라우드 센터에서 수행하는 방식이다((교통빅데이터와 머신러닝기반의 실시간 예측형 교통신호제어시스템 개발, https://scienceon.kisti.re.kr/srch/selectPORSrchReport.do?cn=TRKO202100006680
)). 이러한 지능형 데이터 처리 체계는 교통 혼잡을 사전에 예측하고 능동적으로 대응함으로써 전체 교통망의 효율성을 극대화하는 지렛대 역할을 한다.

===== 주요 서비스 분야 =====

지능형 교통 체계는 기술적 구성 요소들이 유기적으로 결합하여 사용자에게 특정한 가치를 제공하는 서비스의 집합체이다. 이러한 서비스는 제공 대상, 목적, 그리고 운영 주체에 따라 체계적으로 분류된다. [[국제표준화기구]](ISO)의 지능형 교통 체계 기술위원회(TC 204)는 [[ISO 14813]] 표준을 통해 서비스 도메인(Service Domain)과 서비스 그룹을 정의하고 있으며, 각 국가는 이를 자국의 교통 여건에 맞추어 변형하거나 확장하여 적용하고 있다.((ISO 14813-1:2024 - Intelligent transport systems — Reference model architecture(s) for the ITS sector — Part 1: ITS service domains, service groups and services, https://www.iso.org/standard/85840.html
)) 대한민국은 [[지능형교통체계 기본계획]]을 통해 교통관리, 대중교통, 전자지불, 교통정보유통, 화물운송, 첨단차량 및 도로 등 주요 분야를 설정하여 관리하고 있다.((ITS 소개 | ITS 국가교통정보센터, https://www.its.go.kr/knowledge/introKnowledgeInfoCenter?service=introITS
))

첨단 교통 관리 체계(Advanced Traffic Management Systems, ATMS)는 도로 운영자 측면에서 교통 흐름을 최적화하고 안전을 도모하는 서비스 분야이다. 실시간으로 수집되는 [[교통량]], 속도, 점유율 등의 데이터를 분석하여 [[교통 신호 제어]]를 최적화하거나, 도로 전광 표지(VMS)를 통해 돌발 상황 정보를 전파한다. 특히 [[자동 돌발 상황 감지]](Automatic Incident Detection, AID) 기술은 사고나 고장 차량을 즉각적으로 파악하여 2차 사고를 예방하고 정체 구간을 신속히 해소하는 데 기여한다. 이는 도로 용량의 효율적 이용을 극대화하는 것을 목적으로 한다.

첨단 교통 정보 체계(Advanced Traveler Information Systems, ATIS)는 운전자를 포함한 교통 이용자에게 의사결정에 필요한 정보를 실시간으로 제공하는 사용자 중심 서비스이다. 출발 전(Pre-trip) 단계에서는 최적 경로와 예상 소요 시간을 제공하고, 주행 중(On-trip) 단계에서는 실시간 도로 상황과 주변 시설물 정보를 전달한다. 과거에는 단방향 방송 형태가 주를 이루었으나, 현재는 [[지피에스]](GPS)와 스마트 기기의 보급으로 양방향 통신 기반의 개인화된 경로 안내 서비스가 보편화되었다. 이는 이용자의 통행 편의를 증진하고 교통 수요를 시공간적으로 분산시키는 효과를 거둔다.

첨단 대중교통 체계(Advanced Public Transportation Systems, APTS)는 대중교통의 정시성과 이용 편의성을 높여 승용차 수요를 대중교통으로 유도하는 서비스이다. [[버스 정보 시스템]](Bus Information System, BIS)은 차량의 현재 위치와 도착 예정 시간을 정류장과 모바일 앱으로 제공하며, [[버스 관리 시스템]](Bus Management System, BMS)은 배차 간격 유지와 노선 효율화를 지원한다. 또한 [[수요 응답형 교통]](Demand Responsive Transport, DRT)과 같은 유연한 운행 체계도 이 분야의 중요한 서비스로 자리 잡고 있다.

첨단 화물 운송 체계(Commercial Vehicle Operations, CVO)는 물류 효율성을 높이기 위해 화물차의 운행 상태와 적재물 정보를 관리하는 서비스이다. [[차량 위치 추적]] 기술을 통해 화물의 이동 경로를 실시간으로 모니터링하며, 위험물 적재 차량의 경우 사고 발생 시 신속한 대응 체계를 구축한다. 또한 무정차 검문 시스템이나 자동 배차 시스템을 통해 물류 비용을 절감하고 유통 과정의 투명성을 확보하는 데 중점을 둔다.

첨단 차량 및 도로 체계(Advanced Vehicle Control and Safety Systems, AVCS)는 차량 지능화와 도로 인프라의 협력을 통해 주행 안전을 직접적으로 지원하는 서비스이다. [[차량 간 통신]](V2V) 및 [[차량과 인프라 간 통신]](V2I)을 포괄하는 [[협력형 지능형 교통 체계]](C-ITS)가 이 분야의 핵심이다. 전방 충돌 경고, 교차로 충돌 방지 보조 등 사고를 사전에 예방하는 기술부터, 궁극적으로는 운전자의 개입 없이 주행이 가능한 [[자율 주행]] 시스템으로 발전하고 있다. 이는 교통 체계의 패러다임을 사후 관리에서 사전 예방으로 전환하는 핵심적인 역할을 수행한다.

마지막으로 전자 지불 체계(Electronic Payment Systems, EPS)는 교통 관련 요금 수납 과정을 자동화하여 이용자의 불편을 최소화하는 서비스이다. [[하이패스]](Hi-pass)와 같은 자동 통행료 징수 시스템(Electronic Toll Collection, ETC)이 대표적이며, 최근에는 하나의 카드로 전국의 모든 대중교통을 이용할 수 있는 통합 지불 체계로 진화하였다. 이러한 서비스들은 각기 독립적으로 운영되는 것이 아니라, 통합된 [[시스템 아키텍처]] 내에서 상호 데이터를 교환하며 시너지를 창출하는 복합적인 구조를 형성한다.

==== 첨단 교통 관리 체계 ====

첨단 교통 관리 체계(Advanced Traffic Management Systems, ATMS)는 [[지능형 교통 체계]]의 핵심적인 하부 시스템으로서, 도로 운영 주체가 교통 상황을 실시간으로 파악하고 이를 능동적으로 제어함으로써 도로망의 운영 효율성을 극대화하는 것을 목적으로 한다. 이는 과거의 정적인 교통 관리 방식에서 벗어나, [[정보 통신 기술]]을 활용하여 도로상의 각종 정보를 수집하고 가공하여 최적의 제어 전략을 수립하는 운영자 중심의 서비스 체계이다. 첨단 교통 관리 체계의 주된 역할은 실시간 교통 흐름의 최적화, 돌발 상황의 신속한 탐지 및 대응, 그리고 교통 수요의 효율적 분산으로 요약된다.

[[교통 신호 제어]]는 첨단 교통 관리 체계의 가장 대표적인 구성 요소이다. 기존의 고정식 신호 제어 방식은 과거의 통계 데이터를 기반으로 신호 주기(Cycle), 녹색 시간(Split), 옵셋(Offset)을 설정하므로 급격한 [[교통량]] 변동에 유연하게 대응하기 어렵다는 한계가 있다. 반면, 첨단 교통 관리 체계에서는 [[차량 검지기]]를 통해 수집된 실시간 소통 정보를 바탕으로 신호 시퀀스를 매 주기마다 최적화한다. 이러한 실시간 감응식 신호 제어 알고리즘은 교차로에서의 평균 지체 시간을 최소화하며, 연동된 교차로 간의 흐름을 원활하게 하여 전체적인 [[도로용량]]을 증대시킨다.

고속도로와 같은 연속류 도로 환경에서는 [[램프 미터링]](Ramp Metering)과 [[가변 속도 제한]](Variable Speed Limit, VSL) 기술이 중추적인 역할을 수행한다. 램프 미터링은 고속도로 진입 램프에 신호기를 설치하여 본선의 교통 밀도에 따라 진입 차량 수를 조절하는 기법이다. 이는 본선 흐름의 붕괴를 방지하고 [[교통류 이론]]에서 다루는 [[충격파]] 발생을 억제함으로써 전체 통행 시간을 단축시킨다. 가변 속도 제한은 기상 악화나 전방의 정체 상황에 맞춰 제한 속도를 실시간으로 조정하여 급제동으로 인한 추돌 사고를 예방하고 교통 흐름의 안정성을 확보한다.

[[돌발 상황 관리]](Incident Management)는 도로상에서 발생하는 사고, 고장, 낙하물 등 예기치 못한 사건을 신속하게 처리하기 위한 시스템적 접근이다. 시스템은 [[폐쇄회로 텔레비전]](CCTV)의 영상 분석 알고리즘이나 차량 검지기의 데이터 패턴 변화를 통해 돌발 상황을 자동으로 감지한다. 감지된 정보는 즉시 [[교통 제어 센터]]로 전송되며, 운영자는 이를 확인한 후 긴급 구조 및 견인 조치를 취함과 동시에 [[가변 정보 표지판]](Variable Message Sign, VMS)이나 스마트폰 앱을 통해 후속 차량에 우회 정보를 제공한다. 이러한 신속한 대응 프로세스는 2차 사고의 위험을 획기적으로 낮추며, 돌발 상황으로 인한 추가적인 지체 비용을 최소화한다.

첨단 교통 관리 체계의 운영 효율성은 수집된 데이터의 정확성과 분석 모델의 고도화에 의존한다. 교통 상태를 진단하기 위해 기본적으로 교통량($q$), 속도($u$), 밀도($k$) 사이의 기본적인 관계식인 $q = ku$를 활용하며, 이를 통해 도로의 서비스 수준을 실시간으로 평가한다. 최근에는 [[빅데이터]] 분석과 [[인공지능]] 기법이 도입되어 미래 교통 상황을 예측하고 선제적으로 신호를 제어하는 수준으로 진화하고 있다. 결과적으로 첨단 교통 관리 체계는 도시 전체의 [[도시교통]] 네트워크를 유기적으로 연결하여 사회적 물류 비용을 절감하고 탄소 배출량을 줄이는 데 기여한다.((국토교통부, 지능형교통체계(ITS) 기본계획 2030, https://www.molit.go.kr/USR/policyData/m_34681/dtl.jsp?id=4532
))

==== 첨단 교통 정보 체계 ====

첨단 교통 정보 체계(Advanced Traveler Information Systems, ATIS)는 [[지능형 교통 체계]]의 하위 구성 요소 중 하나로, 교통 이용자에게 실시간 도로 상황, 최적 주행 경로, 돌발 상황 정보 등을 제공함으로써 이용자의 합리적인 의사결정을 지원하는 사용자 중심의 서비스 체계를 의미한다. 이는 도로 운영자가 교통류를 직접 제어하는 [[첨단 교통 관리 체계]]와 달리, 정보의 비대칭성을 해소하여 이용자가 스스로 혼잡 구간을 회피하거나 통행 수단 및 경로를 변경하도록 유도하는 데 목적이 있다. 따라서 첨단 교통 정보 체계는 교통 수요의 시공간적 분산을 유도하여 전체 교통망의 효율성을 극대화하는 기제로 작용한다.

이 체계의 작동 원리는 데이터 수집, 정보 가공, 정보 제공의 단계적 환류 과정으로 요약된다. 초기에는 도로에 설치된 루프 검지기나 폐쇄회로 텔레비전(CCTV) 등 고정식 검지기 중심의 데이터 수집이 주를 이루었으나, 점차 [[위치 정보 시스템]](Global Positioning System, GPS)을 탑재한 차량 자체가 센서 역할을 수행하는 [[프로브 차량]](Probe Vehicle) 데이터 수집 방식으로 진화하였다. 수집된 원시 데이터는 교통 정보 센터에서 [[빅데이터]] 분석 기술을 통해 가공되며, 이 과정에서 링크별 통행 시간 산출 및 미래 교통 상태 예측이 이루어진다.

첨단 교통 정보 체계에서 가장 핵심적인 기술은 최적 경로 탐색을 위한 [[알고리즘]]의 구현이다. 개별 운전자에게 제공되는 경로 안내는 [[그래프 이론]]에 기반하며, 주로 [[데이크스트라 알고리즘]](Dijkstra’s algorithm)이나 이를 최적화한 [[A* 알고리즘]]이 활용된다. 실시간으로 변동하는 교통 상황을 반영하기 위해 각 도로 링크(link)의 비용을 통행 시간으로 설정하며, 이를 수학적으로 모형화하면 다음과 같이 표현할 수 있다. 특정 경로 $ P $의 총 비용 $ C_P $는 경로를 구성하는 개별 링크 $ i $의 통행 시간 $ t_i $의 합으로 정의된다.

$$ C_P = \sum_{i \in P} t_i(v_i, q_i) $$

여기서 $ v_i $는 링크의 설계 속도, $ q_i $는 해당 링크의 교통량을 의미한다. 첨단 교통 정보 체계는 이러한 비용 함수를 실시간으로 갱신하여 이용자에게 최소 비용 경로를 제시한다. 이는 [[미시경제학]]적 관점에서 이용자의 [[효용 함수]]를 극대화하는 선택을 돕는 것이며, 결과적으로 교통망 전체의 [[이용자 평형]](User Equilibrium) 상태를 달성하는 데 기여한다.

정보 제공 매체의 발전은 첨단 교통 정보 체계의 사용자 중심성을 더욱 강화하고 있다. 과거에는 [[도로 전광 표지]](Variable Message Sign, VMS)나 교통 방송과 같은 단방향·불특정 다수 대상의 정보 제공이 주를 이루었으나, 현재는 스마트폰 애플리케이션과 차량 내 단말기(In-Vehicle Unit, IVU)를 통한 양방향·개인 맞춤형 정보 제공이 보편화되었다. 특히 [[커넥티드 카]](Connected Car) 기술의 도입은 차량과 인프라 간 통신(Vehicle-to-Infrastructure, V2I)을 가능하게 하여, 운전자에게 전방의 잠재적 위험 요소나 신호 잔여 시간 등의 고정밀 정보를 실시간으로 전달한다.

이러한 첨단 교통 정보 체계의 확산은 교통 이용자의 통행 행태에 근본적인 변화를 야기한다. 운전자는 정보에 기반한 경로 선택을 통해 통행 시간의 불확실성을 줄이고 심리적 안정을 얻으며, 이는 교통사고 예방과 같은 [[교통 안전]] 측면에서도 긍정적인 효과를 나타낸다. 또한, 대중교통 정보 시스템(Bus Information System, BIS)과 연계된 통합 정보 서비스는 이용자가 승용차 대신 [[대중교통]]을 선택하도록 유도함으로써 탄소 배출 저감과 같은 환경적 지속가능성 제고에도 중요한 역할을 수행한다. 결과적으로 첨단 교통 정보 체계는 정보 통신 기술과 교통공학의 결합을 통해 지능형 교통 체계가 지향하는 사용자 편의성과 시스템 효율성을 동시에 달성하는 핵심 축이라 할 수 있다.

==== 첨단 대중교통 체계 ====

첨단 대중교통 체계(Advanced Public Transportation Systems, APTS)는 [[정보 통신 기술]]을 대중교통 수단 및 운영 인프라에 접목하여 서비스의 신뢰성을 높이고 이용자의 편의를 극대화하는 시스템을 의미한다. 이는 대중교통 운영 효율화를 통해 [[교통 혼잡]]을 완화하고, 승용차 이용 수요를 대중교통으로 전환함으로써 도시 교통의 지속 가능성을 확보하는 데 목적이 있다. APTS의 핵심은 실시간 데이터의 수집, 가공, 배포에 있으며, 이를 위해 차량 위치 추적 기술, 무선 통신망, 그리고 대규모 데이터 처리 알고리즘이 유기적으로 결합된다.

첨단 대중교통 체계의 가장 대표적인 서비스는 [[버스 정보 시스템]](Bus Information System, BIS)이다. BIS는 [[글로벌 위치 결정 시스템]](Global Positioning System, GPS)을 장착한 단말기를 통해 버스의 실시간 위치와 속도를 파악하고, 이를 교통 정보 센터로 전송한다. 센터에서는 수집된 데이터를 바탕으로 노선별 소통 상태와 정류장별 도착 예정 시간을 산출하며, 이 정보는 정류장에 설치된 버스 정보 안내기(Bus Information Terminal, BIT)나 [[스마트폰]] 애플리케이션, 웹사이트를 통해 사용자에게 제공된다. 도착 시간 예측의 정확도를 높이기 위해 과거의 운행 기록과 실시간 도로 상황을 결합한 [[칼만 필터]](Kalman Filter)나 [[인공 신경망]](Artificial Neural Network) 기반의 예측 모델이 활용되기도 한다((Real-Time Bus Arrival Prediction: A Deep Learning Approach for Enhanced Urban Mobility, https://arxiv.org/html/2303.15495v3
)).

이와 병행하여 운영되는 [[버스 관리 시스템]](Bus Management System, BMS)은 운수 업체와 관리 당국이 차량의 운행 상태를 실시간으로 모니터링하고 제어할 수 있게 한다. BMS는 버스의 운행 경로 준수 여부, 정류장 무정차 통과, 배차 간격 유지 상태 등을 관리하며, 운전자의 급가속이나 급제동 등 안전 운행과 직결된 주행 데이터를 수집한다. 이러한 기능은 대중교통 서비스의 정시성과 안전성을 확보하는 핵심 기제로 작용하며, 축적된 데이터는 향후 노선 최적화 및 배차 계획 수립을 위한 [[빅데이터]] 분석의 기초 자료가 된다.

전자 지불 시스템(Electronic Payment System, EPS)은 대중교통 이용의 편의성과 운영 투명성을 높이는 또 다른 축이다. [[비접촉식 스마트카드]] 기술을 기반으로 하는 이 시스템은 승객이 카드를 단말기에 접촉하는 것만으로 요금을 결제하게 하며, 이는 승하차 시간을 단축하여 전체적인 운행 효율을 향상시킨다. 기술적으로는 [[ISO/IEC 14443]] 표준을 따르는 무선 주파수 식별(Radio Frequency Identification, RFID) 기술이 주로 사용된다((ISO/IEC TS 24192-1:2021 - Cards and security devices for personal identification — Communication between contactless readers and fare media used in public transport, https://www.iso.org/standard/78063.html
)). 전자 지불 시스템의 도입은 단순한 결제 수단의 변화를 넘어, 여러 교통수단 간의 [[통합 환승 할인 제도]]를 가능하게 함으로써 대중교통 체계 전반의 경쟁력을 강화하였다.

최근에는 고정된 노선과 시간표에 따라 운행하는 전통적인 방식에서 벗어나, 이용자의 수요에 실시간으로 반응하는 [[수요 응답형 교통 체계]](Demand Responsive Transport, DRT)가 APTS의 새로운 영역으로 주목받고 있다. DRT는 예약 시스템과 최적 경로 알고리즘을 결합하여 승객이 원하는 시간과 장소에서 서비스를 이용할 수 있게 한다. 이는 인구 밀도가 낮은 지역의 교통 사각지대를 해소하는 대안으로 활용되며, 향후 [[모빌리티 서비스]](Mobility as a Service, MaaS) 플랫폼 내에서 핵심적인 역할을 수행할 것으로 전망된다.

==== 첨단 화물 운송 체계 ====

첨단 화물 운송 체계(Commercial Vehicle Operations, CVO)는 [[물류]] 산업의 효율성, 안전성 및 생산성을 극대화하기 위해 [[지능형 교통 체계]]의 기술적 요소를 화물 운송 분야에 특화하여 적용한 시스템이다. 이는 화물차의 운행 상태를 실시간으로 파악하고 운송 경로를 최적화함으로써, [[공급망 관리]](Supply Chain Management, SCM)의 전체적인 가시성을 확보하는 것을 목적으로 한다. 현대 물류 체계에서 CVO는 단순한 차량 위치 추적을 넘어, 화물의 상태 관리, 행정 절차의 자동화, 그리고 위험물 수송의 안전 관리까지 포괄하는 지능형 물류 네트워크의 핵심 축을 담당한다.

첨단 화물 운송 체계의 기술적 토대는 [[위성 항법 시스템]](Global Navigation Satellite System, GNSS)과 [[지리 정보 시스템]](Geographic Information System, GIS)의 결합에 있다. 차량에 탑재된 단말기는 GNSS 위성으로부터 위치 신호를 수신하여 차량의 좌표, 속도, 방향 등을 산출하며, 이를 [[무선 통신]]망을 통해 물류 관제 센터로 전송한다. 관제 센터는 수집된 데이터를 GIS 기반의 수치 지도 위에 시각화하여 배차 관리 및 경로 안내에 활용한다. 특히 [[전자 데이터 교환]](Electronic Data Interchange, EDI) 기술을 통해 화주, 운송사, 차량 운전자 간의 서류 작업이 디지털화됨으로써 물류 처리 속도가 비약적으로 향상되었다.

CVO의 핵심 서비스는 크게 화물차 관제 서비스, 화물 및 차량 관리 서비스, 그리고 위험물 수송 관리 서비스로 구분된다. 화물차 관제 서비스는 실시간 도로 소통 정보와 연계하여 최적의 운송 경로를 배정함으로써 [[공차율]]을 최소화하고 유류비를 절감한다. 화물 및 차량 관리 서비스는 차량 내부에 설치된 [[디지털 타코그래프]](Digital Tachograph, DTG)와 센서를 통해 운전자의 주행 습관, 엔진 상태, 적재함의 온도 및 습도 등을 모니터링한다. 이는 차량의 고장을 사전에 예방하고 신선 식품과 같은 민감한 화물의 품질을 유지하는 데 필수적이다.

위험물 수송 관리 시스템은 [[유해 화학 물질]]이나 폭발물 등을 운반하는 차량을 집중적으로 관리하는 특화 서비스이다. 차량에 사고나 누출 등의 돌발 상황이 발생할 경우, 센서가 이를 감지하여 즉시 소방청이나 경찰청 등 유관 기관에 정보를 전송한다. 이 과정에서 사고 지점 인근의 교통 통제와 최단 구조 경로 확보가 동시에 이루어지며, 이는 대형 2차 사고를 방지하고 환경 피해를 최소화하는 데 기여한다.

경제적 관점에서 첨단 화물 운송 체계의 도입은 물류 프로세스의 투명성을 높여 불필요한 대기 시간을 줄이고 창고 및 재고 관리의 효율성을 높인다. 또한, 최적 경로 주행에 따른 연료 소모 감소는 물류 부문의 [[탄소 배출]] 저감으로 이어져 지속 가능한 발전을 가능케 한다. 아래 표는 첨단 화물 운송 체계의 주요 구성 요소와 그에 따른 기능을 정리한 것이다.

^ 구분 ^ 주요 구성 요소 ^ 주요 기능 ^
| **정보 수집** | GNSS, DTG, 각종 센서 | 위치 추적, 운행 기록 저장, 화물 상태 감지 |
| **정보 전송** | V2I 통신, 이동 통신망(LTE/5G) | 차량-인프라 간 데이터 교환, 실시간 관제 정보 송수신 |
| **정보 처리** | [[운송 관리 시스템]](TMS) | 배차 최적화, 운송 경로 산출, 실적 분석 |
| **정보 제공** | 차량 단말기, 모바일 앱 | 운전자 경로 안내, 화주 실시간 위치 공유 |

최근에는 [[사물인터넷]](Internet of Things, IoT)과 [[빅데이터]] 분석 기술이 접목되면서 CVO는 더욱 고도화되고 있다. 수집된 방대한 운행 데이터를 분석하여 사고 다발 지점을 예측하거나, 차량의 소모품 교체 주기를 정확히 판별하는 예방 정비 시스템이 도입되고 있다. 향후 [[자율 주행]] 기술과 결합된 화물차 군집 주행(Platooning) 시스템은 공기 저항을 줄여 연비를 개선하고 운전자의 피로도를 획기적으로 낮추는 등 첨단 화물 운송 체계의 새로운 패러다임을 제시할 것으로 전망된다.

===== 사회적 영향과 미래 전망 =====

지능형 교통 체계의 구축은 단순한 기술적 진보를 넘어 사회 전반의 구조적 변화를 견인하는 핵심 동력으로 작용한다. 지능형 교통 체계가 초래하는 가장 직접적인 사회적 영향은 [[경제학]]적 관점에서의 효율성 극대화이다. 도로 혼잡으로 인해 발생하는 [[기회비용]]인 교통 혼잡 비용을 획기적으로 절감함으로써 국가 경쟁력을 제고한다. 실시간 교통 최적화는 차량의 공회전 시간을 줄이고 주행 효율을 높여 [[에너지]] 소비를 최적화하며, 이는 국제적인 [[탄소 중립]] 목표 달성에 기여하는 환경적 지속가능성을 보장한다. 실제로 차세대 지능형 교통 체계의 도입은 기존 시스템 대비 교통 사고 발생률을 낮추고 통행 속도를 향상시키는 등 가시적인 사회적 편익을 창출하는 것으로 분석된다((차세대 지능형교통체계의 효과분석체계 연구: 기대효과 및 효과척도를 중심으로, https://www.krihs.re.kr/issue/excellentView.do?seq=30627
)).

사회적 안전망 강화 측면에서 지능형 교통 체계는 교통 사고의 패러다임을 사후 대응에서 사전 예방으로 전환한다. [[사물인터넷]](Internet of Things, IoT)과 센서 기술을 통해 수집된 데이터는 돌발 상황을 실시간으로 감지하여 후행 차량에 전달함으로써 연쇄 추돌 사고를 방지한다. 또한, 이러한 체계는 노인, 장애인 등 [[교통 약자]]를 위한 맞춤형 이동 정보를 제공하고 저상버스의 실시간 위치 확인 및 예약 시스템과 연계되어 사회적 형평성을 제고하는 [[공공재]]적 성격을 띤다. 교통 운영의 디지털화는 응급 차량의 우선 신호 확보를 가능하게 하여 골든타임을 사수하는 등 시민의 생명권 보호에도 직결된다.

미래의 지능형 교통 체계는 자율 협력 주행 체계(Cooperative Intelligent Transport Systems, C-ITS)를 중심으로 진화할 전망이다. C-ITS는 차량과 차량(Vehicle-to-Vehicle, V2V), 차량과 인프라(Vehicle-to-Infrastructure, V2I) 간의 양방향 통신을 통해 주행 환경의 불확실성을 제거한다((차세대 지능형 교통시스템 기술에 관한 연구, https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002850947
)). 이는 [[자율 주행 자동차]]의 완전한 실현을 위한 필수 인프라로 기능하며, 차량 스스로가 도로 상황을 인지하는 단계를 넘어 도로 시스템 전체가 유기적으로 소통하는 지능형 네트워크를 형성한다. 이러한 기술적 토대 위에서 개인의 이동 수단 소유보다는 서비스로서의 이동을 강조하는 [[공유 경제]] 기반의 서비스형 모빌리티(Mobility as a Service, MaaS)가 보편화될 것으로 예상된다.

궁극적으로 지능형 교통 체계는 [[스마트 시티]]의 중추적인 신경망으로 통합된다. [[인공지능]](Artificial Intelligence, AI)과 [[빅데이터]] 분석 기술은 도시 전체의 교통 수요를 예측하고 제어하는 수준으로 발전하며, 이는 물리적 도로 증설 없이도 도시의 수용 능력을 극대화하는 결과를 낳는다. 미래 도시에서 교통은 더 이상 독립적인 부문이 아니라 에너지, 환경, 주거와 결합된 통합 플랫폼의 일부로 기능하게 된다. 이러한 변화 과정에서 개인정보 보호와 사이버 보안 문제는 기술적·윤리적 측면에서 해결해야 할 핵심 과제로 부상할 것이며, 기술 표준화와 법적 제도 정비가 지능형 교통 체계의 지속 가능한 발전을 뒷받침해야 한다.

==== 교통 효율성 및 안전성 향상 ====

지능형 교통 체계의 도입은 교통 운영의 효율성을 극대화하고 도로 안전성을 획기적으로 개선함으로써 사회적 편익을 창출하는 데 핵심적인 목적이 있다. 교통 효율성 측면에서 해당 체계는 도로 네트워크의 수용 용량을 물리적 확장 없이 최적화하는 방안을 제시한다. [[첨단 교통 관리 체계]](Advanced Traffic Management Systems, ATMS)의 핵심 요소인 실시간 신호 제어 시스템은 교차로에 설치된 영상 검지기와 레이더 센서를 통해 수집된 [[교통량]] 데이터를 분석하여 최적의 신호 주기를 산출한다. 이를 통해 교차로에서의 대기 시간이 감소하며, 주요 간선도로의 평균 통행 속도가 향상되는 결과를 얻는다. 특히 [[차세대 지능형 교통 체계]](Cooperative Intelligent Transport Systems, C-ITS)는 차량과 도로 인프라가 실시간으로 정보를 교환하는 [[차량과 인프라 간 통신]](Vehicle-to-Infrastructure, V2I) 기술을 활용하여, 운전자가 전방의 신호 잔여 시간이나 정체 구간 정보를 사전에 인지하고 주행 속도를 조절할 수 있도록 돕는다. 이러한 정보의 환류는 급가속과 급제동을 줄여 [[교통 흐름]]의 안정성을 높이고, 궁극적으로 전체 [[통행 시간]]을 단축하는 효과를 가져온다.

교통 안전성 향상은 지능형 교통 체계가 추구하는 가장 직접적인 공익적 가치 중 하나이다. 기존의 교통 안전 대책이 사고 발생 후의 신속한 대응에 초점을 맞추었다면, 지능형 교통 체계는 [[차량 간 통신]](Vehicle-to-Vehicle, V2V) 및 V2I를 기반으로 사고 발생 가능성을 사전에 차단하는 예방적 기능을 수행한다. 예를 들어, 전방의 돌발 상황이나 결빙 도로 등 시거(視距) 밖의 위험 요소를 실시간으로 차량에 전달함으로써 운전자의 반응 시간을 확보하게 한다. 연구에 따르면 이러한 시스템의 도입은 교차로 충돌 사고와 추돌 사고를 유의미하게 감소시키는 것으로 나타났다. 특히 [[돌발 상황 관리 시스템]](Incident Management System, IMS)은 인공지능 기반의 영상 분석을 통해 사고나 고장 차량을 즉각 감지하고, 후행 차량에 위험 정보를 전파함으로써 2차 사고를 방지하고 교통 사고 사망률을 낮추는 데 기여한다.((윤태관, 차세대 지능형교통체계의 효과분석체계 연구: 기대효과 및 효과척도를 중심으로, https://www.krihs.re.kr/issue/excellentView.do?seq=30627
)) 국내에서 수행된 실증 사업의 결과에 따르면, C-ITS 도입 시 교통 사고 발생 건수가 약 19%에서 28%까지 감소하는 정량적 효과가 확인된 바 있다.((국내 C-ITS 사업의 종합적 효과 분석: 시범사업, 지자체 및 고속도로 실증사업 사례를 중심으로, https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART003153467
))

이러한 효율성과 안전성의 향상은 거시적인 [[경제적 편익]]으로 이어진다. 통행 시간의 단축은 물류 수송 비용을 절감시키고 인적 자원의 이동 효율을 높여 국가 경쟁력을 강화한다. 또한 교통 사고로 인해 발생하는 사회적 비용, 즉 의료비, 차량 파손 복구비, 그리고 생산성 손실 등을 획기적으로 줄여준다. 지능형 교통 체계는 단순히 편리한 교통 환경을 조성하는 기술적 수단을 넘어, 도로 위에서 발생하는 인명 피해를 최소화하고 한정된 도로 자원을 가장 효율적으로 배분하는 사회 시스템의 중추적인 역할을 담당한다. 결과적으로 지능형 교통 체계의 고도화는 교통 혼잡 비용의 절감과 안전한 이동권 보장이라는 두 가지 목표를 동시에 달성하며 [[스마트 시티]]의 지속 가능한 발전을 뒷받침한다.

==== 자율 주행 및 스마트 시티와의 연계 ====

지능형 교통 체계의 진화는 [[자율 주행 자동차]](Autonomous Vehicle)의 기술적 완성도를 높이는 동시에, 도시 구성 요소들이 유기적으로 연결된 [[스마트 시티]](Smart City) 환경 내에서 최적의 효율성을 달성하는 방향으로 전개되고 있다. 초기 지능형 교통 체계가 개별 차량에 정보를 전달하거나 교통 흐름을 수동적으로 관리하는 데 그쳤다면, 미래의 체계는 차량과 도로 인프라가 실시간으로 데이터를 주고받으며 능동적으로 판단을 내리는 [[협력형 지능형 교통 체계]](Cooperative Intelligent Transport Systems, C-ITS)를 지향한다. 이러한 변화는 자율 주행의 기술적 한계를 극복하기 위한 필수적인 과정이다. 자율 주행 차량이 탑재한 [[라이다]](LiDAR), [[레이더]](Radar), 카메라 등의 센서는 가시거리 밖의 돌발 상황이나 기상 악화 시의 인지 능력에 물리적 한계가 존재한다. 이때 [[차량 통신]](Vehicle-to-Everything, V2X) 기술을 통해 교차로 사각지대에서 접근하는 차량의 정보나 전방의 사고 발생 정보를 사전에 수신함으로써, 자율 주행 시스템의 안전성과 신뢰성을 획기적으로 향상할 수 있다.

스마트 시티의 관점에서 지능형 교통 체계는 도시 전체의 에너지 효율을 높이고 탄소 배출을 저감하는 핵심적인 기반 시설로 작동한다. 자율 주행 기반의 공공 모빌리티 서비스는 개인 소유 차량의 필요성을 줄이며, 이는 도시 공간 설계에서 주차장 부지를 녹지나 주거 공간으로 전환할 수 있는 가능성을 제시한다. 또한, [[인공지능]]을 활용한 중앙 집중식 교통 제어 시스템은 도시 전역의 교통 수요를 실시간으로 분석하여 신호 체계를 최적화한다. 이는 차량의 불필요한 공회전과 가감속을 최소화함으로써 에너지 소비를 줄이는 결과를 낳는다. 특히 [[디지털 트윈]](Digital Twin) 기술과의 결합은 실제 도시와 동일한 가상 세계에서 교통 흐름을 시뮬레이션하고, 정책 변화나 사고 발생 시의 파급 효과를 사전에 예측하여 도시 운영의 회복력(Resilience)을 극대화하는 데 기여한다.

이러한 통합 체계의 구현을 위해서는 [[사물인터넷]](Internet of Things, IoT) 기기들로부터 생성되는 방대한 양의 데이터를 지연 없이 처리할 수 있는 고성능 네트워크와 [[엣지 컴퓨팅]](Edge Computing) 인프라가 필수적이다. 스마트 시티 내의 자율 주행은 단순한 이동 수단의 자동화를 넘어, 도로 위의 모든 개체가 거대한 데이터 네트워크의 노드로 참여하는 것을 의미한다. 이 과정에서 수집된 [[빅데이터]]는 교통 정책 수립뿐만 아니라 도시 계획, 환경 감시, 방범 등 다양한 공공 서비스와 연계되어 시너지 효과를 창출한다. 결국 자율 주행과 스마트 시티의 연계는 이동의 편의성을 넘어 도시 거주자의 삶의 질을 근본적으로 개선하고, 지속 가능한 도시 모델을 구축하는 데 그 궁극적인 목적이 있다. 이는 기존의 파편화된 교통 수단들이 [[통합 이동 서비스]](Mobility as a Service, MaaS) 체계 안에서 하나의 유기적인 생태계로 통합되는 과정이라 할 수 있다.