Episode 8. 짜릿한 성공의 맛

Episode 8   |   짜릿한 성공의 맛

 

 

 

국방로봇 경진대회가 마무리될 무렵 추가적인 도전의 필요성을 느꼈다. 나 자신의 실력을 높이기 위해서는 팀원과 함께 하는 공모전도 좋지만 보다 소규모로 진행하는 프로젝트를 수행해보아야 할 것 같았다. 2가지 타입의 공모전 진행 방식을 비교해 보았을 때 아래와 같은 차이점을 느낄 수 있었다. 많은 인원이 참가하는 공모전은 각자의 특기를 살려 효율성을 높이고 수상 가능성이 높아진다는 장점이 있었다. 반면 나 자신이 부족하거나 새롭게 알아가고 싶은 분야에 도전하려는 관점에서는 다른 팀원에게까지 손해를 끼칠 가능성이 있어 주저하게 된다는 단점이 있었다.

 

취업의 과정에서 공모전을 단순 수상의 목적이 아닌 부족한 점의 보완이라고 생각했다. 그러기에 국방로봇 경진대회 이후 도전한 모든 공모전은 정말 소규모 인원으로 진행했다. 적게는 나 혼자 많게는 2명의 인원으로 공모전을 수행했다. 돌이켜보면 맡은 업무의 책임감이 막중해지고 일이 늘어난 것과 비교해 나의 부족한 점을 보완하기에는 충분했다. 그리고 여러 도전 경험을 통해 시장분석 역량, 데이터 분석 역량, 아이디어 제시와 같은 세부 스킬을 갈고닦을 수 있었다.

 

 

 

1.  인천공항 빅데이터 서비스 아이디어 공모전 참여

 

첫 홀로서기를 시도한 공모전은 바로 인천공항 빅데이터 서비스 아이디어 공모전이었다. 해당 공모전을 참여하게 된 계기는 크게 2가지였다. 첫째, 내가 이전에 시도했던 졸업과제를 응용할 수 있었다. 졸업과제에서 사람을 추종주행하는 쇼핑카트 아이디어를 제시했는데 이를 조금만 변형하면 인천공항의 고객 편의성을 높이는 서비스로 재활용할 수 있을 것이라 생각했다. 둘째, 로봇 인공지능 과정을 수강하며 쌓은 기술적 베이스를 활용해 보다 실현가능성이 높은 서비스를 기획할 수 있을 것이라 생각했기 때문이다.

 

2021 인천공항 빅데이터 서비스 공모전 참여 아이디어 제시 상세

 

아이디어를 통해 크게 3가지의 효과를 얻고자 했다. 첫째, 로봇을 활용한 수하물 서비스를 고도화하고자 했다. 스위스의 제네바 공항에서 제공되는 "레오"의 사례를 예시로 들었다. 레오는 탑승권을 스캔하면 수하물 태그를 인쇄하는 것은 물론 자체 디스플레이를 통해 탑승구와 출발시간을 표시해 주는 기능이 있다는 것을 경쟁사 동향 분석을 통해 파악할 수 있었다. 이를 더욱 고도화해 Covid-19 시기 민감한 주제로 떠올랐던 방역 기능(체온측정 등)이나 다층 카트리지 기능을 통해 많은 짐을 실는 것을 목표로 했다. 여기에 더해 하단 바퀴를 옴니휠 혹은 메카넘휠로 구성해 협소한 공간에서의 이동성을 높이는 방안을 제시했었다.

 

둘째, 음성인식과 서버 동기화를 통해 기존 공항에서 제공되는 로봇 서비스 Air-Star를 개선하고자 했다. 로봇이 엘리베이터를 타고 이동하는 것이 기술적 어려움이 있었기에 이를 개선하고자 했던 것이다. 고객이 로봇에게 특정 언어로 요청을 하면 해당 문장에서 목적어, 주어와 같은 핵심 Keyword를 도출 후 이를 서버에 공유하는 것이다. 이후 고객의 이동 목적에 따라 다른 층에 있는 로봇에 해당 메시지를 전달해 인천공항 내 식당 혹은 편의시설으로의 다국적 방문객의 안내를 더욱 용이하게 하고자 했다.

 

마지막으로 비행기의 타임테이블에 따른 U.X 화면의 언어 자동 변경 기능을 통한 개인화 서비스 제공으로 고객 만족도를 높이고자 했다. 예를 들어 12시 30분에 베이징에서 비행기가 도착할 경우 화면 내 언어를 중국어로 자동으로 변환시켜 주는 것이다. 해당 기능을 도입함으로써 다국적 방문객의 불편함을 줄이는 것을 목표했다. 안내기능뿐만 아니라 택시/호텔의 예약 기능 및 빅데이터를 활용한 관광지 트렌드를 제공함으로써 공항에서부터 여행의 만족도를 더욱 높이는 기대효과를 제시했다.

 

이렇게 3가지 아이디어를 핵심 축으로 삼아 공모전을 최종적으로 제출했다. 그리고 최종 결과는 탈락이었다. 아무래도 빅데이터라는 관점에서 보았을 때 항공기의 이착륙 혹은 고객의 주요 방문지와 연동 짓는 것에 비해 로봇이라는 상세 서비스에 집중했던 것이 패착의 원인이라 생각되었다. 하지만 첫 술에 배부를 수는 없기 때문에 다른 공모전에 도전을 계속 이어나갔다.

 

 

반응형

 

 

2. 서울시 모빌리티 허브 아이디어 공모전

 

두 번째로 도전한 공모전은 서울시 모빌리티 허브 아이디어 공모전이었다. 모빌리티 허브라는 주제가 UAM, PBV와 같은 구성 요소에 대한 지식을 활용할 수 있을 것이라는 생각에 도전했다. 그리고 내가 가고자 하는 '모빌리티'라는 주제를 가진 공모전이었기 때문에 더욱 열정을 다해 도전한 공모전이었다.

 

여의도를 허브 목적지로 설정한 이유에 대한 전표

 

공모전은 서울시 모빌리티 허브에 대한 아이디어를 제시하는 과제로 허브의 위치를 선정한 이후 해당 지역에서 제시할 수 있는 서비스를 기획하는 문제를 해결해야 했다. 나는 여의도에서의 모빌리티 허브 활용도가 가장 높을 것이라 생각해 여의 허브라는 아이디어를 제시하게 되었다. 그 이유는 크게 3가지였다. 첫째 서울의 3 도심 중 하나로 많은 유동인구가 있기 때문에 서비스를 체감할 수 있는 인구가 다수였기 때문이다. 둘째, 강남과 강북이라는 서울의 2가지 지역을 연결하는 핵심 지대로서 작용할 수 있기 때문이었다. 마지막으로 주거지역과 상업지역, 업무지역이 혼합된 지역이 바로 여의도인만큼 다양한 모빌리티 서비스를 실험할 수 있는 장점이 있을 것이라 생각했기 때문이다.

 

여의 모빌리티 허브 서비스 기획 상세안 전표

 

모빌리티 이용을 위한 서비스로는 PBV와 UAM을 위주로 활용하는 방안을 제시했다. PBV의 경우 버스 이용객 수요를 분산하는 것을 주요 목적으로 했습니다. 이런 이유로 마포에서 영등포까지의 권역을 운영 노선으로 설정했다. 그 이유는 실제로 여의도에 몇 번 방문했을 때에도 많은 승객들이 마포역 혹은 영등포역에서 하차하기 위해 버스를 이용한다는 것을 느꼈기 때문이다. 그래서 이를 활용해 버스의 혼잡도를 줄여 PBV와 버스를 이용하는 모든 고객의 편의성과 쾌적함을 높이고자 했다.

 

UAM을 활용하여 광역교통망과의 연계성을 높이는 방안 역시 함께 구상해 보았다. UAM을 활용해 김포공항, 강남버스터미널, 서울역, 수원, 판교라는 5개 교통 허브와의 연결성을 높이고자 했다. 해당 권역은 UAM의 짧은 항속거리로 커버할 수 있을 뿐만 아니라 다른 교통수단과의 연계성을 높임으로써 UAM의 활용 빈도를 높일 수 있을 것이라 생각했기 때문이다. 그리고 비즈니스 목적의 이용을 고려해 IT의 중심지 판교와 반도체의 핵심 역할을 하는 수원을 포함시키게 되었다. 이를 통해 비즈니스 목적 이용객의 이동 시간 감소 효과를 줄이는 것을 목적으로 했다.

 

이 대회 역시 대회 수상작에 선정되지 못했다. 대회 이후 이를 피드백해 보았을 때 2가지 문제점을 발견할 수 있었다. 첫째, 실현가능성이 낮았다. 여의도에 대규모의 모빌리티 허브로 활용된 공간을 찾을 수 없어 여의도공원을 그 대상지로 선정했다. 하지만 공원이 사람들에게 휴식의 공간으로 여겨진다는 점을 고려한다면 역효과가 클 수밖에 없었다. 그리고 제시한 서비스 역시 즉시 실행할 수 없으며 구체적인 데이터가 없이 제시한 아이디어였기 때문에 근거가 부족했을 것이라 생각한다. 둘째, 디자인적으로 부족했다. Autodesk Inventor을 활용해 최대한 설계를 진행해 보았는데 전문적인 건물 렌더링에 비해서는 결과가 매우 아쉬웠기 때문에 수상하지 못했던 것이라 생각한다.

 

 

반응형

 

 

3. 항공영상 데이터 활용 아이디어 경진대회 1등 수상

 

2021년 마지막으로 도전한 공모전은 서울디지털재단에서 주최하는 항공영상 데이터 활용 아이디어 경진대회였다. 이전의 대회 결과를 피드백한 결과 공모전의 실현가능성을 높이는 것이 좋을 것이라 생각했다. 그리고 현실적으로 체감 가능한 문제를 해결하기 위한 솔루션을 제시하는 것을 목표했다. 그 결과 과거 나의 아르바이트 경험과 항공사진을 활용해 편의성이 높은 서비스를 제시할 수 있을 것 같았다.

 

바로 도로실태조사와 항공영상을 같이 활용하는 것이었다. 과거 아르바이트를 경험했을 때 도로조사실태 과정에서 많은 불편함이 있다는 것을 느낄 수 있었다. 사람이 직접 모든 도로를 조사하며 주차 공간을 파악하기 때문에 조사에 오랜 시간이 소요된다는 문제점이 있었다. 예를 들어 좁은 도면 구역임에도 불구하고 주간/야간이라는 2회 조사에 따른 시간은 약 6~7시간 정도가 걸렸다. 만약 여기에 항공영상을 활용해 차량을 쉽게 파악할 수만 있어도 사람의 노동력이 줄어들 수 있을 것이라는 기대가 있었다.

 

항공 영상에 대해 Yolov5 모델을 적용 차량과 장애인주차구역을 식별하기 위해 학습을 진행시켰다

 

조금 더 방식을 구체화해 Canny-Edge 알고리즘을 활용해 항공사진에서 주차라인의 외곽선을 검출하고자 했다. 그리고 항공사진에서 구분할 수 있는 택시, 화물차, 일반 차량에 대해 학습을 시켜 이를 판별하는 것을 목표했다. 이례적으로 장애인전용 주차구역의 경우 파란색으로 화면상에서 구별이 가능했기 때문에 함께 학습시켰다.

 

운이 좋게도 해당 아이디어가 1차 통과를 받아 평가단 앞에서 발표를 하게 되었다. 아이디어를 보충해 세부 프로세스를 고민했다. 항공영상만으로 주차 실태를 조사하는 것은 정확도를 보장할 수 없을 것이라 생각했다. 그래서 블랙박스 주행 데이터를 활용해 정밀도를 높이는 방안을 고민했다. 모든 지역을 블랙박스 주행 데이터로 처리하는 것은 항공영상을 활용하는 의의가 없다고 생각했다. 그렇기 때문에 항공영상을 활용한 데이터 분석 결과와 바로 전 데이터 차이가 너무 심하게 날 경우에만 블랙박스를 활용하는 방안을 제시했다.

 

항공 영상 데이터와 블랙박스 주행을 함께 연동해 조사 효율성을 높이기 위한 방안 구상

 

대회 평가 당시 항공영상을 활용하는 것이 기존 방안과 어떤 차이점이 있는지에 대한 질문이 들어왔다. 이에 대해 항공사진은 6개월 단위로 수집되기 때문에 2년 주기의 주차실태조사 대비 고객의 니즈를 잘 반영할 수 있을 것이라는 답변을 했다. 그리고 보완해야 할 점으로 도로와 평행한 주차 구역에서 정차 및 주차 상태의 구별을 보완해야 해야 한다는 보충안도 함께 제시했다.

 

그리고 며칠 뒤 대회 최종 평가에서 1등이라는 짜릿한 성공을 할 수 있었다. 예상치 못했지만 일부 인터넷 신문을 통해 내 이름을 찾아볼 수 있다는 것이 신기했다. 기대보다 높은 성적과 나 스스로 홀로서기하며 첫 성과를 낸 것이 더 큰 기쁨으로 다가왔다. 하지만 한편으로는 이보다 더 높은 수준의 솔루션을 제시할 수 있음에도 불구하고 그런 시도를 미처 하지 못한 것에 대한 아쉬움을 함께 느끼기도 했다. 하지만 이렇게 첫 술에 큰 성과를 거둔만큼 앞으로 더 많은 성공을 거둘 수 있을 것이라는 기대를 품으며 22년에도 공모전 참여를 이어나가게 되었다.

 

 

반응형

 

 

 

- Episode 8 끝 -