도이치반(Deutsche Bahn)의 철도 네트워크는 5,700개의 역과 33,000km의 선로로 구성돼 있으며, 서유럽에서 가장 큰 규모를 자랑합니다.
독일의 국영 철도 회사인 도이치반 소속의 독일 디지털 철도(Digitale Schiene Deutschland, DSD)는 선로를 새로 건설하지 않으면서 네트워크의 수용력을 늘릴 방안을 모색하고 있습니다. 열차를 자동화하고, 발차 시간의 간격을 줄이면서도 안전하게 운행하며, 네트워크로 조종을 최적화하는 강력한 철도 시스템을 구축하려 애쓰는 중이죠.
DSD가 NVIDIA와 손잡고 최초로 구축하기 시작한 전국 차원의 디지털 트윈은 네트워크 전반에서 자동화 열차의 운행을 완벽히 시뮬레이션하게 됩니다. 이를 위해서는 전체 철도 시스템의 극사실적이고 물리적으로도 정확한 에뮬레이션이 필요하죠. 여기에는 도시와 시골을 통과하는 선로들을 비롯해 역내 승강장의 치수, 차량 센서 수집 정보 등 다양한 세부 사항들이 포함됩니다.
NVIDIA Omniverse로 AI 기반 디지털 트윈을 구축하면 고도로 기능적인 인식과 사고 예방/관리 시스템의 개발이 가능해져 철도의 상시 운영 중에 발생하는 변칙적인 상황들의 감지와 대응을 최적화할 수 있습니다.
도이체반 산하 DB 넷츠(DB Netz)의 루벤 실링(Ruben Schilling)은 “NVIDIA의 테크놀로지 덕분에 완전 자동화 열차 네트워크의 이상을 실현하기 시작했습니다”고 말합니다. 현재 구상 중인 미래형 철도 시스템은 네트워크의 수용력과 품질, 효율성 개선에 중점을 둡니다.
이는 승객과 화물 서비스 이용 고객의 만족도를 높여 철도 교통량의 증가로 이어지고, 궁극적으로는 모빌리티 부문의 탄소 발자국 절감에 기여할 것입니다.
방대한 데이터 처리
이처럼 대규모의 디지털 트윈을 만드는 건 엄청난 일입니다. 지멘스(Siemens) JT 생태계에서 구축한 컴퓨터 보조 디자인 데이터세트를 DSD의 고화질 3D 지도 같은 여러 시뮬레이션 툴과 연결해주는 맞춤형 3D 파이프라인 등이 필요하죠. 이때 USD(Universal Scene Description) 3D 프레임워크를 활용하면 데이터 소스를 서로 연결하고 결합해 단일한 공유 가상 모델로 만들 수 있습니다.
네트워크가 실제 세계와 완벽하게 동기화됨에 따라 DSD는 최적화 테스트와 ‘만약에’ 시나리오를 실행해 예측 밖의 상황에 대처하는 방법 등 철도 시스템상의 변화 내용을 검증하고 인증할 수 있습니다.
Omniverse 시뮬레이션 실행용 컴퓨팅 시스템인 NVIDIA OVX가 DSD의 지속적인 시뮬레이션을 담당할 텐데요. 물리 세계의 데이터 스트림이 업데이트됨에 따라 시뮬레이션 또한 정기적으로 개선됩니다.
디지털 트윈의 작동 모습을 담은 데모 영상을 시청하세요.
미래의 컴퓨터 비전 기반 시스템은 경로 감시와 사고 인식 작업을 지속적으로 수행해 잠재적 위험을 자동으로 경고하고 적절한 대응책을 강구합니다.
AI 센서 모델은 실세계 데이터와 합성 데이터를 조합해 훈련/최적화하며, 합성 데이터의 일부는 Omniverse Replicator 소프트웨어 개발 키트 프레임워크로 생성할 예정입니다. 이를 통해 모델들은 일상적 운행 상황 혹은 예기치 못한 시나리오에 직면했을 때 적절히 인지, 계획, 행동할 수 있게 됩니다.
철도의 미래
DSD는 철도 네트워크 최적화에 혁신적 접근법을 취함으로써 유럽 철도 시스템의 미래와 산업 발전에 기여하고 있습니다. 자체 데이터 풀을 타국과 교류하면 미래형 차량 전반의 지속적인 개선과 배포를 꾀하는 한편, 품질을 최고 수준으로 끌어올리면서 비용은 절감할 수 있습니다.
GTC 키노트 영상을 온디맨드로 시청하고, NVIDIA의 최신 소식을 확인하세요. GTC에서 디지털 트윈이 산업을 혁신하는 방법을 알아보세요.