UBS는 2030년까지 자율주행차 관련 SW 매출 규모는 1조8,850억달러, 로보택시 비즈니스는 1조1,161억달러를 차지할 정도로 가파른 성장세를 보일 것으로 예상한다. 이는 연간 애플스토어 결제금액(6,430억달러)의 3배에 달하는 거대한 시장이다.
자율주행 기술을 가장 먼저 광범위한 지역에서 구현 가능한 업체가 모바일 생태계의 애플 또는 구글과 같은 시장 지위를 차지할 것으로 기대된다.
<2030년 차량용 SW시장 규모 1조 8,850(왼쪽) 현재 모빌리티 서비스 고려, $3,500 잠재시장 형성(오른쪽)>
테슬라를 제외한 대부분의 자율주행차 개발업체들은 ‘라이다(Lidar), 레이더(Radar), 카메라(Camera)’를 이용해 주변 환경을 인식하는 방법으로 자율주행을 개발해왔는데, 이런 방법에는 막대한 ‘센싱 장비 비용’과 ‘서비스 지역 확장 비용’이 들기 때문에 로보택시 서비스 상용화가 지연되고 있다.
이들 기업의 자율주행 SW가 임무를 수행하는 과정을 보면 아래와 같이 4단계로 구성된다.
(1) 정밀지도 구축(HDMap Building) 자율주행을 위한 지역의 HDMap(정밀지도)을 미리 구축하였으며, 이는 도로 정보·횡단보도·보도·차로·신호등·정지신호 등 주행에 필요한 세부 정보를 포함한다.
(2) 인지(Perception) 센서(라이더, 레이더, 카메라)를 이용해 실시간으로 인지한 정보를 HDMap과 크로스 체크해 센티미터(cm) 수준의 정확도로 현재 위치 파악. 동시에 감지한 주변 환경에서 객체를 분류(보행자, 자전거, 차량, 공사 상황, 장애물, 신호등, 철도 등 도로의 수많은 물체와 상황 감지)
(3) 예측(Behavior Prediction) 실제 주행 데이터를 기반으로 객체 움직임 예측 모델에 따라 경로 예측
(4) 계획 및 제어(Planner) 주행 가능한 경로 예측, 차량 제어 및 이동
현재 라이다를 이용한 자율주행 개발업체 중 가장 앞선 기업으로 평가받는 웨이모가 2020년 공개한 5세대 자율주행차 센싱장비(Sensor Suite)는 총 5대의 라이다, 6대의 레이더, 29대의 카메라를 포함하는데 2020년 기준 대당 비용이 $50,000~$100,000에 달한다.
센싱 장비만 해도 보통 자동차 가격을 훨씬 웃돈다. 현재 운행되고 있는 일반 택시의 경우 연간 발생하는 매출액이 평균 $16,000으로 추정되는데, 센싱 장비 비용 회수에만 약 3년이 걸린다는 것이다.
시장에서는 이 같은 기업의 센싱장비 제조비용이 $3,000대로 내려가는 시점을 2030년 이후로 전망한다.
<라이더 이용 자율주행 과정(왼쪽) 자율주행을 위한 센서 개수와 비용 증가(오른쪽)>
비싼 라이더의 비용 외에도 해결해야 할 문제는 바로 ‘지역적 확장성’에 대한 문제다. 현재까지 웨이모를 포함해 라이다를 이용해 자율주행을 개발하는 기업의 서비스 지역은 예외 없이 지오펜스에 갇혀 있다.
지오펜스는 가상의 지역적 경계를 의미하는데 자율주행에서 이는 ‘모빌리티 서비스 제공 가능 영역’으로 해석된다.
전술한 자율주행 구현 과정에서 ‘1) HDMap Building’은 선결조건이며, 다음 단계인 ‘2) Perception’을 정확하게 수행하기 위해서는 센티미터(cm) 수준의 정확도가 필수적이다.
또 건설이나 공사 등에서 정보 변화가 자주 발생하기 때문에 HDMap도 지속 업데이트가 필요하다.
따라서 한 번 HDMap 구축 후 이를 자율주행이 가능한 최신 상태로 유지하는 데 필요한 비용과 시간이 고려돼야 한다.
로보택시 서비스를 제공하고자 하는 지역의 모든 도로(미국의 경우 418만 마일)를 매핑해 필요할 때마다 데이터 손실 없이 저비용으로 지속 업데이트가 요구되는 것이다.
이를 위한 관련 업체들의 전통적인 접근법은 맵핑을 위한 센서를 장착한 차량을 필요한 지역에 배치해 정밀 지도를 구축해 나가는 방법이다.
글로벌 1위 HDMapping 기업인 Here Technologies의 대당 센서 하드웨어 가격만 최소 20만달러에 달하기 때문에 이 같은 고성능 센서를 가진 차량을 주요국 전역에 배치해 실시간으로 데이터를 수집하는 것은 불가능에 가깝다.
이에 전통적인 HDMapping 접근 도로를 주행하는 완성차 업체의 차량에 센서를 장착해 도로 및 주변 상황 정보를 HDMap 클라우드로 전송하는 방식의 ‘크라우드소싱(Crowdsourcing)’을 활용하는 효율적인 방법이 제기됐다.
인텔의 자회사인 ADAS/자율주행 기업 모빌아이(Mobileye)는 효율적인 맵핑을 위해 다른 시각의 접근을 시도한다.
현재 AI 수준에서는 자율주행에 필요한 정보(도로정보·횡단보도·보도·차로·신호등·정지신호 등)를 주행 중 수집·분류할 수 없기 때문에 HDMap이 필요하지만 실질적으로 필요한 것은 HDMap 자체가 아니라 해당 정보다.
따라서 HDMap 전체를 구축하는 것보다 필수 정보만 Mapping하고 이를 위한 차량은 완성차 소비자가 운행하는 차량에 ADAS 센싱 장비를 이용하면 지역적 확장성과 실시간 업데이트를 모두 충족할 수 있다.
모빌리는 ADAS 시장점유율 1위임을 이용해 현재 보급된 ADAS 센서로 자율주행에 필요한 정보를 수집한 뒤 이를 모빌리예 로드북이라는 클라우드에 업로드해 데이터베이스를 구축하고 라이다를 이용해 자율주행을 개발하는 기업에 제공한다는 비즈니스 모델이다.
현재 모빌리는 자사 제품을 사용하는 27개 OEM 차량에서 매일 800만km 주행에 해당하는 데이터가 수집되고 있으며 75억km 주행에 해당하는 데이터를 확보했다고 밝혔다.
또 “2024년까지 매일 10억km 주행에 해당하는 데이터 수집을 목표로 설정했다. 콘셉트만 따지면 테슬라처럼 최종 사용자가 데이터 공급자가 되는 선순환 구조로 라이다 자율주행 상용화에도 희망이 있어 보이지만 아래와 같은 이유로 쉽지 않을 것으로 전망한다.
현재 ADAS 장비만으로 수집할 수 있는 정보에는 한계가 있어 실제 모빌아이가 공개한 데이터에 따르면 km당 수집하는 데이터의 용량은 10kb에 불과하다.
캘리포니아 교통국(DMV)이 최근 발표한 자료에 따르면 HDMap을 이용해 시험 주행한 웨이모 차량조차 마일스/Disengagement(운전자 개입 없이 자율주행차가 갈 수 있는 거리)는 30,000mile에 불과하다.
이는 시속 10마일스의 속도로 3000대의 로보택시를 운행할 경우 1시간에 1회 사고가 발생할 수 있다는 의미로 로보택시 비즈니스를 운영하기에는 어려움을 보여준다.
이처럼 제한된 지역에서 정밀한 HDMap을 이용한 환경조차 충분한 안정성을 보이지 못하고 있고 광역 HDMapping이 현실적으로 어렵기 때문에 지역적인 서비스 확장 역시 어려운 상황이다.
따라서 이들 기업의 자율주행 개발 과정에서는 센싱 장비(라이다, 레이더, 카메라) 비용 절감과 함께 HD맵핑 비용과 지역적 확장성까지 고려해 로보택시 비즈니스 가능성에 대한 올바른 진단이 될 것으로 판단한다.
현재로서는 이들 업체가 1~2년 내 세계 어디서나 자율주행이 가능한 로보택시 서비스를 출시하는 것보다 점차 서비스 가능 지역을 확대해 나가는 방향이 예상된다.
[참고자료] 라이다 자율주행 회색 전망 메리츠증권 2021.8