A Corridor-Scale CARLA-VISSIM Co-Simulation Framework for Multi-Intersection Urban Traffic

기술 요약: 다중 교차로 도시 교통을 위한 코리더 규모(Corridor-Scale)의 CARLA–VISSIM 공동 시뮬레이션 프레임워크

문제 정의
지능형 교통 시스템은 복잡한 차량-보행자 상호작 작용, 다중 모드 교통 흐름, 신호 제어 운영을 모델링하기 위해 정확한 모델링을 필요로 한다. PTV VISSIM과 같은 미시적 교통 시뮬레이터는 교통 역학 및 신호 제어 로직을 모델링하는 데 탁월하지만, 커넥티드 및 자율주행 차량(CAV) 평가에 필요한 고정밀 3D 환경과 센서 수준의 인지 능력이 부족하다. 반면, CARLA와 같은 고정밀 주행 시뮬레이터는 사실적인 렌더링과 물리 기반 센서 시뮬레이션을 제공하지만, 전용 교통 공학 도구에서 볼 수 있는 상세한 미시적 교통 모델링 및 신호 제어를 기본적으로 지원하지 않는다. 기존의 공동 시뮬레이션 노력, 특히 CARLA–SUMO 통합 방식은 다중 교차로 코리더의 특정 구조적 및 확장성 문제를 해결하지 못하거나, 스마트 코리더 연구에 필요한 상세한 다중 모드 행동(보행자, 자전거 이용자, 신호 제어기)을 다루지 못하는 경우가 많다. 또한, 대부분의 기존 프레임워크는 Unreal Engine 4를 기반으로 작동하여, 인지 중심 연구에 필수적인 렌더링 발전 사항(Nanite 및 Lumen)을 반영하지 못하고 있다.

방법론
저자들은 CARLA 0.10.0 (Unreal Engine 5) 및 PTV VISSIM 2026을 통합하는 양방향, 단계 동기화(step-synchronized) 공동 시뮬레이션 프레임워크를 제시한다. 이 시스템은 본 연구에서 약 15개의 연결된 교차로(신호 제어 교차로 5개, 정지 제어 교차로 10개)로 구성된 테네시주 채터누가(Chattanooga)의 MLK 스마트 코리더로 정의된 "코리더 규모" 배포를 지원하도록 설계되었다.

• 데이터 및 맵 생성: 프레임워크는 공개된 USGS LiDAR 데이터와 OpenStreetMap(OSM) 토폴로지를 활용한다. 지형을 인식하는 고정밀(HD) 맵은 RoadRunner를 사용하여 생성되며, 도로 기하학 및 경사 변화를 정확하게 보장하기 위해 LiDAR 유래 고도 모델을 포함한다. 건물 자산은 OSM의 점유 면적(footprints)을 기반으로 Blender에서 모델링되어 UE5로 임포트된다. 이 통합 맵은 기하학적 정렬을 보장하기 위해 두 시뮬레이터 모두에 일관되게 배치된다.
• 시스템 아키텍처: 시스템은 분산 서버-클라이언트 아키텍처를 채택한다. VISSIM은 호스트의 Windows 가상 머신(VM)에서 실행되며, CARLA UE5는 Ubuntu에서 네이티브로 실행된다. 통신은 경량 TCP 프로토콜을 통해 처리되며, CARLA가 서버 역할을 하고 VISSIM이 클라이언트 역할을 한다. 이 설정은 플랫폼별 공유 메모리 요구 사항을 피하고 OS 경계를 넘나드는 신뢰할 수 있고 순서가 보장된 메시지 교환을 보장한다.
• 동기화 및 액터 관리: 프레임워크는 고정 시간 단계(0.05초)를 갖는 락스텝(lockstep) 실행 모드로 작동한다.
  • 액터 소유권: 하이브리드 소유 모델이 구현된다. VISSIM은 모든 교통 로직, 보행자 움직임 및 신호 제어의 권한을 가진 결정적 소스(authoritative source)이다.
    • 차량: 양방향 소유권. VISSIM에 의해 생성된 차량은 CARLA에 미러링되며 VISSIM에 의해 움직임이 결정되지만, CARLA의 외부 에이전트에 의해 제어되는 차량은 VISSIM에 미러링되면서도 CARLA의 제어를 받는다.
    • 보행자 및 신호: 단방향 소유권. VISSIM에 의해서만 제어되며, 시각화 및 인지를 위해 CARLA에 미러링된다.
  • 상태 업데이트: 시스템은 액터당 최신 상태(latest-state-per-actor) 업데이트 정책을 사용한다. 각 액터의 가장 최근 상태만을 유지하고 적용함으로써, 백로그 축적을 방방지하고 일시적인 통신 지연에 대한 민감도를 줄인다.
  • 좌표 조정: 상태 적용 전, VISSIM과 CARLA 간의 서로 다른 세계 좌표 관례(예: 횡방향 축 반전)를 조정하기 위해 명시적인 변환이 적용된다.
• 사례 연구: 프레임워크는 약 100대의 차량과 100명의 보행자가 있는 피크 부하 조건 하의 15개 교차로 MLK 코리더에서 테스트되었다. CARLA 내의 인간 운전 에이전트(ego vehicle)가 VISSIM 제어 교통 흐름과 상호작용하며 혼합 권한(mixed-authority) 작동을 테스트하였다.

주요 기여

1. 코리더 규모 프레임워크: CARLA (UE5)와 VISSIM 2026을 통합하여, 이전의 CARLA–VISSIM 문헌에서는 다루지 않았던 규모인 다중 교차로 도시 코리더 전반에 걸쳐 양방향, 단계 동기화 상호작용을 지원하는 재사용 가능한 아키텍처를 제공한다.
2. 명시적 액터 소유권 및 라이프사이클 관리: 행동 권한(로직은 VISSIM, 렌더링/인지는 CARLA)이 명확하게 할당되어 혼합 권한 시나리오에서의 제어 모호성을 방지하는 견고한 액터 관리 방식을 구현한다.
3. 동기화 아키텍처: 중앙 집중식 시간 조정 없이도 높은 교통 밀도 하에서 안정적인 작동을 보장하는 "액터당 최신 상태" 업데이트 정책, 좌표 조정 및 배치 제어 메커니즘을 구현한다.
4. 지형 정확도가 높은 HD 맵: LiDAR 유래 고도 모델과 RoadRunner 기반 HD 맵을 두 시뮬레이터에 일관되게 배치하여, 코리더 수준의 평가를 위한 현실적인 기하학적 충실도를 제공한다.

결과
사례 연구는 현실적인 도시 조건 하에서 안정적인 동기화 작동을 유지하는 프레임워크의 능력을 입증했다:

• 안정성: 시스템은 평균 동기화 처리 오버헤드가 25ms 미만인 락스텝 공동 시뮬레이션을 유지하였으며, 이는 0.05초의 시간 단계 내에 충분히 들어오는 수치이다. 정상 상태 작동 중 고스팅(ghosting), 중복 또는 비동기화 현상이 관찰되지 않았다.
• 신호 미러링: VISSIM에서 생성된 교통 신호 상태가 CARLA에 정확하게 미러링되어, 차량 정지, 보행자 횡단 및 위상 전환이 두 환경 모두에서 일관되게 나타났다.
• 차량-보행자 상호작용: VISSIM의 미시적 로직에 의해 제어되는 보행자 움직임이 CARLA에 올바르게 렌더링되었으며, 차량(시뮬레이션 차량 및 인간 운전 차량 모두)은 보행자 우선권 및 신호 위상을 준수하였다.
• 혼합 권한 작동: CARLA의 인간 운전 에이전트는 빨간불에 멈추고 보행자에게 양보하는 등 VISSIM 제어 교통 흐름과 성공적으로 상호작용하였으며, 주변의 VISSIM 교통량 또한 해당 에이전트를 인지하고 반응하였다.

의의 및 주장
본 논문은 코리더 규모의 공동 시뮬레이션을 위한 실제적인 구현 수준의 아키텍처를 제공함으로써 스마트 코리더 연구의 중요한 격차를 해소한다고 주장한다. 저자들은 다음과 같이 단언한다:

• MLK 중심의 코리더는 교차 시뮬레이터 간의 일관성을 검증하기 위한 효과적인 테스트베드 역할을 하며, 의미 있는 스마트 코리더 평가를 위해 전체 도시 규모의 모델링이 필수적인 것은 아님을 보여준다.
• 제안된 아키텍처는 미시적 교통 제어 로직과 고정밀 시각화를 분리하여 각 시뮬레이터가 자신의 강점 영역 내에서 작동할 수 있도록 함으로써, 신뢰할 수 있는 인지 준비형 공동 시뮬레이션을 지원한다.
• 이 프레임워크는 단일 교차로 테스트나 단일 시뮬레이터 환경에서는 포착하기 어려운 복잡한 다중 교차로 동기화 과제 및 혼합 차량-보행자 상호작용 연구를 가능하게 한다.
• UE5를 활용하고 LiDAR 유래 지형 데이터를 통합함으로써, 기존 UE4 기반 시스템에 비해 인지 중심 연구를 위한 개선된 현실성을 제공한다.

저자들은 이 프레임워크가 향후 인간 참여형(human-in-the-loop) 주행, 신호 일관성 및 코리더 수준의 혼합 교통 상호작용 연구를 위한 견고한 토대를 제공한다고 결론짓는다.