Mando’s Dual Infrastructure for New Mobility
뉴 모빌리티 위한 만도의 ‘듀얼’ 인프라
2021년 01월호 지면기사  /  글|한상민 기자_han@autoelectronics.co.kr



만일 탁월한 고객 대응에 양질의 하드웨어 품질과 이를 위한 클라우드 기반 서비스까지 갖춘 기업이 모빌리티 서비스를 한다면 어떨까? 이것이 바로 만도가 추구하는 신사업 방향이다. 만도가 AWS와 함께 길을 열어가고 있다.
 
글|한상민 기자_han@autoelectronics.co.kr
 
 


모빌리티 서비스를 이미 시행하고 있거나, 하고자 하는 기업들이 많다. 대부분은 카카오, 네이버 등과 같은 서비스 기반 회사들이고 이들은 고객 서비스 대응을 잘한다. 또 다른 유형은 기기에 기반을 둔 회사다. 만일 탁월한 고객 대응에 양질의 하드웨어 품질과 이를 위한 클라우드 기반 서비스까지 갖춘 기업이 모빌리티 서비스를 한다면 어떨까? 이것이 바로 만도가 추구하는 신사업 방향이다. 만도가 AWS와 함께 길을 열어가고 있다.
 
 
만도의 새 인프라
 
만도는 제동, 조향, 현가 및 첨단 운전자 지원 시스템(ADAS)을 주력으로 한다. 제동 시스템은 국내는 물론 GM, BMW, VW, PSA, FIAT 등에 납품하며 세계적인 품질을 인정받고 있다. EPS(Electric Power Steering)는 전 세계로 수출되고 있다. 현가 시스템에서는 예를 들어 High Performance Valve와 같은 첨단기술을 개발한다. ADAS는 이미 수많은 차종에 장착돼 차선이탈 방지, 충돌방지, 자동주차 등을 지원한다.



이런 만도가 지난 2년간 고젝(GOJEK), SOSLAB, 스프링클라우드, 뉴빌리티(NEUBILITY), 쓰리세컨즈(3SECONDZ), 카본스튜디오(The Carbon Studio), 립하이(Leap High), 맥스트(MAXST), 스파르타(SPARTA) 등과 같은 다양한 스타트업에 투자하기 시작했다. 이 회사들의 면면을 보면, 만도와 직접 관계되는 자동차 섀시, 센서 스타트업 뿐 아니라, 바이크 셰어링, 자율주행 셔틀과 같은 모빌리티 서비스 업체도 있다. 전통적인 자동차 부품업체 만도가 CASE(Connected, Autonomous, Sharing, Electrification) 트렌드와 함께 변화하고 있다.

만도는 원래 자동차 부품 전문 업체입니다. 하지만 자동차 부품 외에 CASE 트렌드에 따라 신사업의 개발이 요구되고 있습니다. 기존 메인 사업 외 새로운 분야, 이종기기, 새로운 서비스와 솔루션에 도전하기로 했고, 이것을 기존 사업본부로는 힘들기 때문에 새로운 전담조직 운곡 캠퍼스(WG Campus)’를 설립하게 됐습니다. 2019년 10월부터 이곳에서 전기차, 전기자전거, 로봇 등의 이종기기를 대상으로, 여기서 생성되는 데이터를 활용하는 서비스를 만들기 위해 다양한 분석 작업을 진행하고 있습니다.

만도 WG 캠퍼스 내 서비스 플랫폼팀의 손병국 박사가 말했다.


만도 WG 캠퍼스


손 박사 팀은 모빌리티 서비스를 위한 중추 인프라인 만도 모빌리티 서비스 플랫폼(Mando Mobility Service Platform, MMSP)을 구축하고 있다.

데이터가 자동차, 전기자전거, 로봇 등 여러 기기들로부터 실시간으로 클라우드로 올려지면, 이를 모니터링, 분석, 제어 서비스하기 위한 백엔드 플랫폼이 필요해 올해 MMSP를 구축했습니다라고 말했다.

만도는 AWS 클라우드를 기반으로 MMSP을 구축했다. 서버를 따로 구축하지 않고, AWSS3(Amazon Simple Storage Service)와 같은 자산들 위에 플랫폼을 구축하고 데이터를 쌓고 있다. MMSP는 만도의 새로운 서비스인 H2Care, SPM(Smart Personal Mobility), 자율주행로봇, PdM(Predictive Maintenance)의 기본 백엔드이면서, 만도가 외부와의 개방형 혁신을 촉진케 하는 촉매제 역할을 담당한다.

MMSP는 다양한 기기들로부터 데이터를 수집, 모니터링, 제어하는 Device Management Server, Device/App/Web/ 외부 서버로부터 수집된 데이터를 가공하고 관리하는 Database, Image/Video/Voice Recognition, Big Data Analysis, Machine Learning 등의 AI 서비스, 고객에게 App/Web/Dashboard API를 제공할 수 있는 통합 플랫폼으로 설계됐다.

손 박사는 MMSPAWS에서 제공하는 다양한 상용화 솔루션을 기반으로 올 3월부터 6월까지 단기간에 구축할 수 있었고, 상용 수준의 인프라를 갖추게 됐습니다. MMSP 아키텍처는 이종기기와 사용자, 서비스 데이터를 수집해 모니터링하고 분석해 AI 모델 개선과 기기 제어를 실행하기 위해 AWSEC2, S3, QuickSight 등을 활용하고 있습니다. 특히, IoT CoreIoT GreenGrass를 활용해 다양한 기기를 지원하는 IoT 서비스 인프라를 구축했습니다라고 설명했다.
 
 

H2Care


첫 경험 H2Care
 
H2Care는 만도와 WG 캠퍼스 차원에서 상당한 의미를 갖는 서비스다. 이는 만도가 B2C를 대상으로 하는 앱과 같은 서비스를 처음 시도한 것일 뿐만 아니라, 이 프로젝트를 진행하면서 웹 서버, 앱 등 시스템, 인공지능 서비스를 처음으로 시도했기 때문이다.

신사업에 대한 다양한 아이디어들이 제시됐었습니다. 헬스케어나 레스토랑 예약과 같은 아이디어도 있었지만, 우리는 이런 부분에 대해 대부분 지식이 없었습니다. 반면 자동차 기업 만도에게 수소전기차 충전소는 상대적으로 익숙한 주제였고, 아직 시장에는 사용자 측면에서 관련 정보, 서비스를 제대로 제공해줄 수 있는 채널이 존재하지 않았습니다. 사용자들은 주로 카카오톡이나 네이버 커뮤니티에서 정보를 교환하고 있었습니다.손 박사는 배경을 설명했다.

H2Care는 수소충전소 위치, 운영시간, 가격 정보 등 기본적인 정보와 방문하려는 수소충전소의 고장 여부, 대기 차량대수, 요일 및 시간대별 혼잡도 등 정보를 운전자에게 제공하는 서비스다. 이것은 수소전기차 사용자의 편의성을 높이는데 도움이 되는 것은 물론, 특히 향후 수소차 보급에 매우 중요한 요소다.

예를 들어, 서울에서 금요일 저녁이나 토요일 아침에 수소차를 충전하려면 1시간 이상 대기하는 상황이 자주 발생한다. 대기 차량이 많거나, 수소 가스 잔량이 충분하지 않은 상황이 빈번하기 때문이다. 현재 판매된 수소전기차 대수에 비해서 수소 충전소 인프라가 너무 부족하다. 서울만 보면 충전소는 여의도 국회충전소, 강동충전소, 상암충전소 3곳에 불과하다(양재충전소는 211월에 재오픈할 예정이고, 정부는 22년까지 수소충전소 310기를 보급할 계획이다). 게다가 충전소에는 항상 수소연료가 충분하게 차 있는 것이 아니고, 충전소당 하루 최대 충전량도 제약돼 있다.

최선의 정보제공은 차량 대기수와 충전소의 고장 여부를 알려주는 것입니다. 아직 고장 여부는 충전소 시스템 연동을 통해 자동으로 제공될 수 없지만(운영사 개발 중), 대기 차량에 대한 정보를 제공함으로써 고객에게 상당한 편의를 제공해줄 수 있습니다.

H2Care 앱에서는 CCTV 영상 정보를 AI로 판별해 자동으로 계산된 대기 차량 대수와, 누적 주행거리, 최근 주행거리, 주행 가능 거리를 확인할 수 있다. 사용자는 충전에 소비된 월 지출내역을 관리할 수 있으며, 자주 가는 충전소나 최근 방문한 충전소 정보를 쉽게 확인할 수 있다.

H2Care 앱의 최초 버전에서는, 정보, 사용자 제보들을 모아 대시보드 형태로 제공하는 정도였는데, 이 경우 사용자들이 정보를 업로드하지 않으면 기존 정보가 계속 남아 있었습니다. 이를 개선하기 위해 CCTV 영상 정보나 GPS 센서 기반으로 사람이나 차량을 감지하고 이를 자동으로 카운팅하는 방식을 AWS와 함께 개발했습니다.

만도는 고객들의 요구사항을 적극적으로 반영해 대기 차량 정보를 시스템화했고 현재 8곳의 수소충전소를 대상으로 이 서비스를 제공하고 있다. 향후 이 서비스를 국내 전체 수소충전소로 확대하기 위해 협력 업체들과 협의 중에 있다.
 
 



하드웨어와 통신
 
만도는 현재 H2Care에 이어 전기자전거에 대한 IoT, AI 서비스 제공을 위한 MMSP 코어 확장 플랫폼 개발을 위해 AWSSA 및 프로서브팀(AWS Professional Services, ProServe)과 협력하고 있다.

만도는 2011년부터 차세대 전기자전거용 무체인 구동 시스템을 개발해 2013년부터는 직접 만도 풋루스(Footloose)란 자전거 브랜드를 만들고 제조, 판매했다.

만도는 자동차 부품 전문 회사입니다. 따라서 전기자전거에서도 우리가 잘할 수 있는 부품 모듈 사업을 준비 중입니다. SPM(Smart Personal Mobility) 모듈은 모터, 얼터네이터, 배터리, HMI, 하네스, 그리고 통신 동글로 이뤄집니다. 그리고 자동차에도 최근 운전자의 편의를 위해 AI와 같은 다양한 IT 기술들이 접목되는 것과 같이, 전기자전거에도 AI기술을 접목해 편의성, 안전성을 향상시키는 모델을 추진 중입니다. 손 박사가 말했다.

무체인 구조 이외에도 만도 SPM의 큰 차별화 요소는 부품 간 실시간 통신이 이루어지는 것이다. 모터, 배터리, 알터네이터 등의 다양한 데이터가 통신 동글을 통해 LTE, WiFi, BLEMMSP와 연결되면, AWSIOT Core, IOT GreenGrass를 활용해 각종 데이터가 분석되고 활용되게 된다. OTA를 통해 SPM 모듈의 주요 기능들이 업데이트된다.

자전거든 오토바이든 차량이든 간에 데이터를 통신 동글로 클라우드로 올리고 모니터링 및 OTA 하는 등 기본 로직은 같습니다. 만도가 잘하는 하드웨어의 강점에 더하여, 기기 데이터 활용성, 인사이트, AI 등 모빌리티 서비스에 대한 인프라를 제공하는 것입니다.

앞서 언급한 바와 같이 만도는 MMSP를 기반으로 한 코어 확장 플랫폼을 AWS와 개발 중에 있다. 확장 플랫폼의 기능을 활용한 첫 번째 서비스는 SPM 모듈이 탑재된 무체인 자전거에서 제공될 예정이다. 만도의 SPM 모듈이 적용된 차세대 전기자전거 사용자들은 단순한 이동수단으로서 뿐 아니라, AI기술이 접목되어 운전습관, 운행목적에 맞게 전기자전거를 활용할 수 있게 된다. 만도는 이를 통해 자동차 부품회사에서 데이터를 기반으로 한 모빌리티 플랫폼 기업으로 발돋움하고자 한다.

만도의 자율주행 순찰 로봇 골리 역시 같은 방향으로 추진되고 있다. 골리는 지난 7월부터 시흥시 배곧신도시 생명공원에서 시범 운영되고 있는데, 생명공원 산책로를 다니면서 CCTV의 사각지대나 보안 취약 지점을 집중적으로 감시한다. 자율주행 로봇의 운행 관련 데이터 역시 로봇의 통신 모듈을 통해 MMSP와 연결되어, 골리의 위치, 주요 부품 상태에 대한 모니터링을 가능하게 하고 있다. 만도는 순찰 로봇 시범 운영을 통해 로보틱스와 자율주행 기술을 융복합해 사회 여러 곳에서 기여할 수 있는 다양한 사업을 추진할 예정이다.
 



 
든든한 지원군 AWS 
 
만도에게 필요했던 IoT 등의 분야에서 AWS는 전 세계적으로 클라우드 기반으로 가장 많은 서비스를 제공하는 업체입니다. AWS는 클라우드에서 가장 오랜 경험을 갖고 있는, 만도가 필요한 서비스와 기능을 그때그때 가져다 쓸 수 있는 파트너입니다. 손 박사가 말했다.

AWS의 지원은 이처럼 만도의 모빌리티 서비스 추진에 커다란 역할을 했다. 이런 서비스 인프라를 갖추려면, 만도 자체적으로 할 경우 PC, 소프트웨어 설치, 운영관리를 모두 해야만 한다. 하지만 AWS와 같은 외부 클라우드 인프라를 활용하면 모든 것을 빠르고 효율적으로 할 수 있다. 또 인프라를 사용하면서 쌓인 데이터를 활용해 서비스화할 때 AI, IoT 등에 대한 솔루션도 필요한데, AWS는 이 모든 서비스를 제공할 수 있다.

AWS는 기본인 IaaS(Infrastructure as a Service), 애플리케이션에 대한 솔루션과 서비스들 뿐 아니라, 이런 솔루션을 자세히 설명해 주고 가이드해 실제로 적용하는 것을 돕는 솔루션즈 아키텍트(SA) 팀도 운영한다. 이들이 직접 만도의 개발 팀을 방문해, 예를 들어 H2CareAI 개발, 데이터베이스 구성 등과 같은 필요한 기술지원을 한다. 모빌리티란 특수성을 염두에 두면, Greengrass는 엣지 디바이스까지 원활하게 확장할 수 있기 때문에 중요했다.

손 박사는 모빌리티 서비스는 위치 정보, 부품 정보가 잘 수집되어야 사람 없이 모든 것이 순조롭게 운영되는데, GPS, LTE 등은 운영 지역에 따라 문제가 있는 경우가 많습니다. , 생성된 데이터를 잘 받고 올리는 것이 어렵습니다. Greengrass, AWS IoT 코어 등의 AWS 서비스를 사용하면 매우 효과적으로 해낼 수 있습니다라고 말했다.

AI의 경우엔, 아마존 세이지메이커(Amazon SageMaker), AI 학습 배포 툴이 지원한다. AI 모델을 만드는 것도 시간이 걸리지만, 이를 학습, 배포하는 것도 매우 고되다.

AWS의 좋은 툴이 있기에 가져다 쓰면 됩니다. 전기자전거 학습, H2Care 등 모델 학습, 개발, 배포에서 AWS 서비스를 사용했습니다. 우리는 AWS의 인프라와 AWS의 애플리케이션 솔루션을 활용하는 것이 맞다고 봤고, 향후에도 그렇게 하고자 합니다.

<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>

PDF 원문보기

본 기사의 전문은 PDF문서로 제공합니다. (로그인필요)
다운로드한 PDF문서를 웹사이트, 카페, 블로그등을 통해 재배포하는 것을 금합니다. (비상업적 용도 포함)

  • 100자평 쓰기
  • 로그인


 

Ansys Resources


TOP