스마트 도시 긴급 출동을 위한 AI-IoT 교통 시스템

혼잡한 도시 교차로에서 구급차 지연은 응급 환자의 생존율을 심각하게 저하시킵니다. 심정지 환자의 경우, 1분 지연될 때마다 생존 확률이 7~10% 감소하므로, 신속한 응급 차량 통행 확보는 생명과 직결된 필수 조건입니다. 기존 접근 방식은 단일 모드 차량 감지, 파편화된 기관 간 통신, 또는 고비용의 차량 탑재 하드웨어에 의존하여 도시 규모 배포에 상당한 한계를 가집니다. 본 연구는 스마트 도시에서 구급차 우선 통행 및 응급 상황 조정을 위한 AI-IoT 기반 지능형 교통 프레임워크를 제안합니다. 이 프레임워크는 네 가지 통합 하위 시스템으로 구성됩니다. YOLOv11-Small 시각 감지기와 CNN 사이렌 분류기를 결합한 다중 모드 딥러닝 파이프라인은 신뢰도 기반 적응형 가중치 융합 알고리즘을 통해 98.4%의 전반적인 감지 정확도, 97.8%의 F1-점수, 21ms의 추론 지연 시간을 달성하여, 재훈련된 YOLOv8 기준선 및 이전 다중 모드 시스템을 능가하는 성능을 보였습니다. 감지 확인 시, 라즈베리 파이 IoT 엣지 장치가 물리적 교통 신호 릴레이 하드웨어를 작동시킵니다. 감지 파이프라인에서 MQTT 전송까지의 지연 시간은 55~90ms이며, MQTT에서 릴레이 작동까지 추가로 120~180ms가 소요되어 총 물리적 신호 작동 지연 시간은 175~270ms입니다. 이는 표준 적응형 교통 제어기의 200~500ms 위상 전환 시간 범위 내에 충분히 들어옵니다. 또한, 교차 플랫폼 3가지 역할의 모바일 응급 의료 서비스(MEMS) 애플리케이션은 구급대원, 경찰관, 병원 직원을 JWT 보안 역할 기반 접근 제어 및 수동 신호 제어 기능으로 연결합니다. 본 프레임워크는 응급 상황 대응 시간을 획기적으로 단축하고, 도시 교통 시스템의 효율성을 증대하여 환자 생존율 향상에 크게 기여할 수 있습니다. 제안된 시스템은 스마트 도시의 긴급 서비스 인프라를 혁신할 잠재력을 가지고 있습니다.