Surtrac — AI가 신호등을 바꾸자 출퇴근이 25% 빨라졌다
카네기멜론 대학이 개발한 Surtrac은 교차로마다 설치된 AI가 실시간 차량 흐름을 분석해 신호 타이밍을 초 단위로 최적화하는 시스템이다.
성공 팩트
카네기멜론 대학이 개발한 Surtrac은 교차로마다 설치된 AI가 실시간 차량 흐름을 분석해 신호 타이밍을 초 단위로 최적화하는 시스템이다. 피츠버그 이스트 리버티 지역에 처음 배치된 뒤, 통행 시간 25% 감소, 정차 횟수 30~40% 감소, 공회전 시간 40% 감소, 배기가스 21% 감소가 측정됐다. 기존 교통 신호 시스템은 교통 엔지니어가 수개월에 한 번 타이밍을 수동 조정하는 반면, Surtrac은 매 초마다 실시간으로 최적화한다. 각 교차로의 AI가 독립적으로 판단하되 인접 교차로와 정보를 교환하는 분산형 구조이므로, 교차로가 추가될수록 전체 시스템이 확장된다.
시너지의 본질
자율주행차는 아직 완전히 도달하지 못한 미래이지만, AI 교통 신호는 이미 작동하고 있는 현재다. 차량 자체를 바꾸지 않고도, 도로의 인프라를 똑똑하게 만드는 것만으로 교통 효율이 극적으로 향상된다. 가장 비용 효과적인 교통 혁신은 새 차가 아니라 새 신호등일 수 있다.
모듈 시너지
모듈 D(논쟁적 주제/의사결정): AI 신호 최적화는 전체 교통 흐름을 개선하지만, 특정 방향의 차량에게 불이익이 갈 수 있다. "전체 최적"과 "개별 공정"의 균형은 도시 교통 정책의 고전적 딜레마이며, AI가 어떤 기준으로 최적화하는지를 시민이 알 수 있어야 한다.
모듈 A(정보 검증): 25% 통행 시간 감소라는 수치는 특정 지역·시간대·교통 조건에서의 결과다. 모든 도시, 모든 교차로에서 동일한 효과를 기대하기는 어렵다. AI 성과 지표를 다른 환경에 무비판적으로 적용하지 마라.
방패 연결
방패 편 S-30(자전거를 끌고 걷는 사람을 분류하지 못한 자율주행차) — 교통 AI는 차량 흐름을 최적화하지만, 보행자·자전거·응급차량 등 예외 상황을 처리하는 능력은 별도로 설계해야 한다. "평균적 흐름의 최적화"가 "모든 상황의 안전"을 보장하지는 않는다.
→ 본편: 2부 4장 (모듈 D — 논쟁적 주제), 2부 4장 (모듈 A — 정보 검증)