자율주행차는 기존 기계, 교통 중심의 기술에서 첨단센서, 정보통신 등의 신기술을 융합하여 자동차가 스스로 주변환경을 인지, 위험상황을 판단, 차량거동을 제어할 수 있어야 한다. 자율주행차는 교통체증의 해소, 교통사고의 절감, 산업융합의 촉진과 같이 그 효과가 클 것으로 기대되고 미래시장은 자율주행차 시대로 패러다임이 전환되고 있다. 우리나라는 정산학연이 힘을 모아서 자율주행자동차의 산업경쟁력을 확보하여 글로벌시장을 선점할 필요가 있다.

구글의 셀프 드라이빙 카(SDC, Self-Driving Car) 프로젝트인 반자율차(Self-Autonomous Car) 및 자율차(Autonomous Car)와 관련하여 2009년부터 2015년 12월 31일까지의 구글 특허 250개 중 110개의 중요한 특허 분석을 통해 여러 카테고리 분야로 정리하여 시사점을 제공한다. 대부분의 구글 특허가 자율차의 핵심인 센서 시스템(Sensor System)과 자율주행컴퓨터시스템(Autonomous Driving Computer System), 상용화되었을 때(Level 4) 사용자와 자율차 간의 인증 시스템으로 이루어져 있다. 또한 자율차의 핵심인 인공지능(AI)-기계학습(ML)-딥러닝(DL)과 관련된 소프트웨어 설계능력과 이를 바탕으로 실제 도로주행 테스트를 하면서 일어난 상황과 대처, 학습에 관한 것들로, 이에 대한 인사이트를 제공하고 우리의 기회를 모색한다.

구글을 비롯해 테슬라, 애플과 같은 첨단 기업은 물론이고 벤츠나 포드와 같은 기존 글로벌 자동차 OEM까지 자율주행차에 대해 주도권을 잡기 위한 전쟁이 벌어지고 있다. 자율주행차에 탑재된 다양한 센서가 눈과 귀라면, CPU와 소프트웨어는 정보를 처리하고 판단하고 행동을 지시하는 두뇌라고 볼 수 있다. 특히 기계학습의 최첨단 형태인 딥 러닝이 자율주행차의 핵심 기술로 자리잡음에 따라, 딥 러닝 관련 하드웨어와 소프트웨어에 대한 관심이 그 어느 때보다 높아진 상황이다. 차량이라는 맥락에서 딥 러닝이 추구하는 목표와 함께 기존 전통적인 알고리즘과 대비해 차이점을 소개하며 구체적인 응용 분야를 소개한다.

자율주행차(autonomous car, driverless car, self-driving car, robotic car )는 주변환경을 인지하여 인간의 명령 없이 주행할 수 있는 차량을 말한다. 이를 좀더 확대한다면, 스스로 주행 계획을 세우고(Path planning), 스스로 유지보수(Maintenance)도 할 수 있어야 한다. 본 강의에서는 path planning과 maintenance에서 빅데이터가 어떻게 활용될 수 있는지 소개한다.

- 자동차의 하드웨어와 소프트웨어의 보안 취약점
- 해킹 사례와 시사점
- 자율주행차 시대의 잠재적 보안 이슈와 대응
- 자동차 제조사의 대응 방안
- ICT 기업의 기회와 협력 모델