자율주행차 모니터링 시스템 아키텍처
자율주행차 모니터링 시스템(AVMS)은 도로 안전, 차량 관리 및 지능형 교통 서비스의 핵심 요소임에도 불구하고, 그 아키텍처는 파편화되어 있으며 공통 구조의 사례로 분석되는 경우가 드뭅니다. 본 연구는 2018년부터 2026년까지의 대표적인 AVMS 분류와 기술 동향을 PRISMA-ScR 지침에 따라 체계적으로 분석했습니다. IEEE Xplore, Scopus, Web of Science 등 주요 데이터베이스와 회색 문헌, 특허까지 포괄하여 문헌을 검토했습니다. 연구는 온보드, 엣지, 클라우드 계층으로 구성된 3계층 참조 아키텍처를 제안합니다. 기존의 계층 제안과 달리, 이 아키텍처의 계층 수는 가정된 것이 아니라 물리적 제약 조건으로부터 도출되었습니다. 네트워크 왕복 시간 하한과 인간 반응 시간이라는 두 가지 물리적 제약 조건 하에 모니터링 결정을 마감 시간대별로 분할한 결과, 정확히 세 개의 비어있지 않은 계층이 도출되었습니다. 지연 시간, 가용성, 대역폭에 대한 분석 모델은 모든 현실적인 왕복 시간에서 로컬 추론이 클라우드 경로보다 빠르며, 엣지 배치가 산악 지형에서 흔히 발생하는 15%의 네트워크 중단 상황에서 감지 가용성을 85%에서 100%로 높임을 보여줍니다. 또한, 엣지 필터링이 업링크 수요를 약 720배 감소시키는 것으로 나타났습니다. 결과적으로, 8000개 창으로 구성된 관성 사고 감지 데이터셋은 속도만으로 클래스를 완벽하게 구별하여 모든 분류기가 100% 정확도를 달성하는 것으로 나타났습니다. 이는 이 분야의 합성 벤치마크가 퇴보적인 결과를 초래하고 감지 주장을 입증할 수 없음을 시사합니다. 따라서 AVMS 발전의 주요 장벽은 알고리즘적이라기보다는 증거적이며, 이를 해결하기 위한 데이터 인프라의 필요성을 강조합니다.