Research on Low-cost Autonomous Electric Kickboard System for Addressing Social Issues and Expanding Application Services

공유 전동 킥보드 사회문제 해결과 응용 서비스 확대를 위한 저가 자율주행 전동 킥보드 시스템 연구

Abstract

As shared electric kick scooters spread to cities worldwide as a result of the proliferation of personal mobility, they have emerged as a significant social issue, impacting pedestrian and user safety, as well as urban aesthetics. In this study, we propose solutions to the unique problems associated with shared electric kick scooters, such as illegal parking, charging, and redistribution. Furthermore, we present research on supplementary services utilizing electric kick scooters in urban areas to enhance citizen safety and user satisfaction through the development of an autonomous electric kick scooter system structure and operational strategies. We suggest a low-cost autonomous electric kick scooter structure and propose AI processing, sensor fusion, and system operation methods to add autonomous capabilities to affordable electric kick scooters. Additionally, we propose operational systems and related technologies for offering various supplementary services.

1. 서론

2017년 미국 샌프란시스코 지역에서 시작한 전동킥보드 공유서비스는, 도심 교통난 해소, 탄소 배출량 감소, 편리한 단거리 이동 수단으로 인기를 끌며, 교통 체계의 종단 문제(First/Last mile problem)를 해결할 유일한 수단으로 인식되어, 전 세계로 급속히 퍼져나갔고, 처음 시작한 버드(Bird), 라임(Lime)은 1년 만에 유니콘(회사 가치가 $1M 이상) 회사가 되었다.[1]

새로운 비즈니스 모델은 기존 법령에 존재하지 않아, 선 실시, 후 법령 정비/승인(Launch-first, Permit-last)으로, 정부/사업자/사용자 모두를 혼란에 빠트려, 속도 제한, 주행로, 안전모, 운전 면허 등 국가별로 달랐으며, 정부도 2021.5월에야 도로교통법을 개정했다.[2]

그러나 자유주차(dockless) 전동킥보드 공유서비스는, 이미 실패한 자전거 공유서비스 모델에, 인력 자전거를 전동킥보드로 대체한 모델로, 기존 문제점인 도난/파손, 불법주차, 도시 미관을 해치는 문제가 지속되고, 전동기기의 고속주행, 안전모 미착용, 난폭운전으로 이용자와 보행자 안전을 위협하여, 안전사고가 급증하였다.[3] 안전사고 소송이 많아지며, 결국 과다 소송비용으로 최초 서비스한 버드(Bird)는 파산보호신청을 한다.[4]

전동킥보드 공유서비스는 시장/기술 진입장벽이 낮아 시장 경쟁이 치열하고, 충전/유지보수, 불법주차에 따른 벌금으로 비용이 증가하여, 경영의 어려움이 많다. 많은 회사가 서비스 차별화 및 시장 확대를 위해, AI 기술을 융합한 자율주행과 안전 운행 보조장치 개발을 시도했으나, 시범 서비스로 끝나고 있다.[5],[6] 국내도 디어(Deer)의 자율주행 개발[7] 및 다수 기업이 불법주차 예방, 운전자 안전을 위한 보조장치를 개발하고 있다.[8],[9]

정체된 개인 이동장치(PM, Personal Mobility) 시장이 재도약하기 위해서는, 1세대 자전거, 2세대 전동킥보드를 거쳐, 3세대 스마트 개인 이동장치(Smart PM)로 발전해야 한다. 사용자 탑승은 운전자 조정(rider-driving)이지만, PM 단독으로는 자율주행(self-driving)하여, 자율 주차, 자율 충전, 자율 재배치로 운영비를 절감하고, 다양한 부가 서비스를 제공하는 스마트 PM이 필요하다.

정부는 로봇산업 활성화를 목적으로, 실외 이동로봇 보도 통행을 합법화하기 위해, 2023년 지능형로봇법[10], 도로교통법[11]을 개정하였다.

전동킥보드 자율주행은 인도(sidewalk), 저속(<5 Km/h), 단거리(<1 Km) 주행으로, 배달 로봇자율주행과 기술적 특성이 비슷하나, 배달 로봇(<$10,000) 대비 저가의 킥보드(<$1,000)에 자율주행을 구현하기 위해서는 저가 자율주행 시스템이 필요하다.

본 연구는 미래 스마트 PM 사회 구축을 위한 자율주행 전동킥보드 시스템 구조와 새로운 서비스모델을 제시한다. 2장에서는 전동킥보드 공유서비스 문제점을 분석하고, 3장에서는 저가 자율주행 구현을 위한 시스템 구조를 제안한다. 4장에서는 테스트 시스템 개발과 시험 운행 방안을 제시하고, 5장에서는 향후 통합 시스템 구성 방안과 결론을 제시한다.

2. 전동킥보드 공유서비스 문제점 분석

2.1 전동킥보드 공유서비스 문제점

전동킥보드 공유 시스템은 자유주차(dockless), 공유(shared), 전동기기(electric) 특징에 따라, 편리한 단거리 이동 수단을 제공하나, 반대급부로 다양한 문제를 발생시킨다.

자유주차 운영은 사용자 도착지에 주차해서 편리하나, 불법주차, 재배치의 문제가 존재하고, 도난/파손의 위험이 있다. 전동킥보드는 충전, 유지보수가 필요하고, 법률적으로 속도 제한, 안전모 착용, 운전 면허, 주행 금지구역, 주차 금지구역 등 규정 사항을 준수해야 한다. 사회적으로 아직 공유사용에 대한 예절이 정착되지 않아, 불법 주차하고, 쓰러트리고, 험하게 사용하는 문제가 있다.

특히 불법주차는 어린이, 노인, 장애인의 안전한 통행을 보호받을 권리(Right of way)를 침해하고, 도시 미관을 해쳐 사회적 이슈가 되어, 법적으로 제재를 받는다.

2.2 문제점 해결과 Smart PM

최근 AI 기술의 발전으로 자동차, 배달 로봇, 드론의 자율주행/비행, 자율 주차/회귀, 자율 충전, 군집 이동이 가능해졌다.[12],[13]

단순한 전동킥보드에 AI 기술을 채용하면, 기존 문제들을 해결하고, 사용자 안전 운행을 안내하고, 새로운 서비스가 가능하여, 다른 교통수단과 통합된 스마트 PM 서비스를 제공할 수 있다. (MaaS, Mobility as a Service)

스마트 PM으로서 전동킥보드는 자율주행 기술을 기반으로, 자율 주차, 자율 충전, 자율 재배치로 기존 공유서비스의 핵심 문제를 해결하고, 호출 서비스(Call-service)로 이용률을 높이고, 부가 서비스(배달, 카트, 안내, 등)를 개발하여 활용도를 높여야 한다.

AI 프로세서와 센서를 이용해, 사용자/보행자 안전과 법적 의무를 지키는 지능화된 전동킥보드가 요구된다. 2인 탑승 인지, 사용자 면허증 인지, 난폭운전 인지, 주행로 상태에 따른 최고속도 조정, 전방 장애물 경보 등 지능화된 전동킥보드가 요구되며, 깨끗하고 위생적인 공용 안전모 제공, 분실/도난 방지, 착용 판단이 가능한 수단이 필요하다.

스마트 PM은 보행자의 일원으로, 보행자 친화적인 UI(User Interface)로 자율주행 때, 사회적 거부감을 없애야 한다. 보행자와 인사하고, 통행에 양해를 구하고, 특히 쓰러진 전동킥보드는 일으켜 달라고 부탁하는 2~3세 정도의 지능이 필요하다.

도심에 퍼져있는 자율주행 전동킥보드를 이동로봇으로 활용하면, 소형/단거리 배달, 시각 장애인 가이드, 위험지역 순찰, 전동카트 등 다양한 스마트 서비스에 활용할 수 있다. 향후 다양한 기능의 이동로봇이 도심에 과다하게 퍼지면, 사회적 문제가 발생할 수 있으니, 기존에 퍼진 전동킥보드를 활용할 필요가 있다.

[Figure 1] Shared e-kickboard problems and requirements

스마트 PM은 도로교통법상, 사용자 운전(rider–driving)은‘개인형이동장치’로 정의되며, 단독 자율주행(self-driving)은‘지능형이동로봇’으로 정의되어, 표 1과 같이 2종의 법 규정을 지켜야 할 의무가 있다.

<Table 1> Electric scooter-related road traffic laws

3. 자율주행 전동킥보드 시스템 구조

전동킥보드 자율주행은, 자동차 보다 저속주행으로 실시간 신호처리는 유리하나, 인도는 도로보다 환경이 다양하고, 보행자/자전거와 같이 사용하는 어려움이 있다.

인도 자율주행 기술은 이동로봇[14],[15], 배달로봇[16] 등에서 먼저 연구되고, 2륜 전동킥보드에 적용하고 있으나[17],[18], 크기/가격 제한으로, 한정된 영역에서 핵심 기능만 검증할 뿐, 실제 운영 시나리오에 필요한 모든 기능을, 실시간으로 검증하지는 못하고 있다.

3.1 서비스 시나리오

전동킥보드 자율주행을 기반으로 한, 호출 서비스, 자율 충전, 자율 주차를 기본기능으로 하고, 향후 소형 단거리 배달(delivery), 시각 장애인 안내, 전동카트, 이동 CCTV, 순찰 서비스를 추가할 수 있는 확장형 시스템으로 구성한다.

[Figure 2] Basic operation scenario

사용자가 킥보드를 콜(call) 하면, 사용 가능한 킥보드가 자율주행으로 예약자 위치까지 이동한다. 사용자 운행 중에는 안전 운행을 위한 정보를 제공하고, 목적지에 도착하면 합법 주차 지역에 주차한다. 자율주행 목적지는 제공하는 서비스에 따라 결정되며, 서비스 목적에 따라, 접이식 짐받이(카트), 이동체 검출(CCTV), 원격제어(순찰) 기능을 한다.

[Figure 3] Hardware system blocks

자율주행은 보행자 안전이 최우선으로, 보행자에게 자율주행임을 경고등/음성으로 알리고, 전/후방 장애물 접근을 회피하며 주행한다. 상황판단이 불가능하면, 정지→통과대기→통과확인→재출발을 원칙으로 한다.

3.2 저가 자율주행 전동킥보드 시스템 구조

3.2.1 바퀴 구조(Balancing)

전동킥보드가 자율 주행하기 위해서는 스스로 서 있어야 한다. 2륜은 Stablizer[19] 또는 보조 바퀴(JUMPWatts, UoMaryland)가 필요하고, 3륜(T60, 디어)은 안정적이나, 2륜 이동장치에 익숙한 이용자가 주행 조정에 거부감을 느낀다.

사용자 친화적인 2륜 구조로, 사용자 주행은 2바퀴로 하나, 보조 바퀴를 킥 스탠드로 사용하여 3바퀴로 주차하고, 자율주행하며, 전륜 모터 주행(FW driving), 전륜 조향(FW steering)한다.

3.2.2 센서(Sensors)

장애물을 검출하고 회피하기 위한 센서로는, 레이저(LiDAR), 카메라(Stereo, RGB-D, Mono)를 사용한다.[20] 카메라는 가격이 싸고, 많은 정보를 얻을 수 있어, 모바일 로봇에서 이미지 기반(visual-based) AI를 이용한 학습(learning), 검출(detection), 경로 이동(navigation) 연구가 활발하다.

모노 카메라는 거리 정보가 없어, 주행로 전방 장애물 거리는 레이저(LRF, 원거리/수평, ~12m), 초음파 센서(Ultrasonic, 단거리/지면 1~2m)로 인지하며, 적외선(IR) 센서로 직하 장애물(negative obstacle)을 검출한다. 카메라는 지평선 위 정보(건물, 신호등 검출 영역)가 1/4되고, 지상 정보(주행로, 장애물 검출 영역)가 3/4이 되도록 지면으로 카메라를 기울인다.

후륜에는 초음파 센서, 적외선 센서를 부착하여, 후방 접근 장애물을 인지하고, 방향 전환을 위한 후진 시 단거리, 직하 장애물을 검출한다. 후방에 접근하는 장애물(자동차, 오토바이, 자전거) 경고음의 방향/거리는 마이크로폰으로 추정한다.

카메라 위치가 높으면 이미지 정보가 많으나, 주행 중 흔들림(roll, pitch)이 많이 발생한다. 카메라 높이는 지상 60cm이며, 킥보드 자세 확인을 위한 자세 센서(IMU), 위치 센서(GPS), 보행자 대화와 자율주행 경고음을 위한 스피커, 현 상태 표시를 위한 LED를 설치 한다. 오차가 큰 저가 GPS는 보조 정보로 이용한다.

[Figure 4] Kickboard camera and sensors

LRF, 초음파 센서는 주행로 전방 장애물 거리만 측정하며, 카메라 이미지로 장애물을 검출할 때, 거리센서 영역 외 장애물 거리는 카메라 이미지의 간접거리 추정으로 장애물 위치를 인지 한다.

[Figure 5] Relative distance on camera image

3.2.3 지도와 위치 확인(Map and Localization)

자율주행 이동을 위해선 지도, 경로 계획(path planing), 현 위치 확인(localization)이 필요하며, 자동차는 주로 LiDAR를 사용한 SLAM 기술을 사용한다.[21] 그러나 3D 지도는 대용량의 지도 데이터와 광대역 통신이 필요하며, 모든 지역의 3D 지도 제작이 어렵다. 모바일 로봇은 2D 지도와 카메라 이미지를 이용한 현 위치 확인(visual-localization)[22] 기술이 경제적이다.

기존의 인터넷 지도를 이용한 경로 설계, 이를 이용한 위상지도(topological map)[23] 제작, 상징물(landmark)로 위치를 검증한다.

◾ 경로 계획: 공개된 인터넷 지도(Naver, Kakao)의 보행자 길 찾기. (인도가 있는 도로 우선)

◾ 위상지도 제작: 경로의 각 분기점을 노드(Node)로 하고, 노드와 노드 사이 에지(Edge)는 직진 구간으로만 구성한다. 각 노드는 다음 에지 주행 정보를 갖는다.

◾ 시작 에지(Edge_P)는 임의로 주차된 상태에서 시작 노드로 가서 출발을 준비하는 단계다.

◾ 마지막 에지(Edge_D)는 최종 도착 지점을 확인하고, 다음 행동(주차, 충전 도킹, 통보)을 한다.

[Figure 6] Path planning and topological map

각 노드는 에지 직선 주행에 필요한 정보를 갖는다: 번호, 거리, 방향, 주행로, 도착 후 행동, 도착 확인 상징물(landmark)

위치 확인용 상징물은 건물, 간판, 횡단보도 위치, 도로 분기 형태를 선택한다. 인터넷 지도의 거리 뷰(street-view)에서 건물이나 간판의 주요 특징(key feature)으로 하고, 없으면 횡단보도 위치, 도로 분기 형태로 한다.

카메라 기반 위치 확인은 상징물의 주요 특징 서술(descriptor)과 검출(detector)이 필요하며, 많은 기법이 연구되었다.[24] 거리 뷰 이미지 촬영 위치/높이는 전동킥보드 카메라 위치/높이와 차이가 난다. 각도/크기 변화에 강하고, 서술 데이터가 적은 SIFT[25]를 사용한다. ORB[26]는 특징(key point)당 4바이트(byte) 정보로 데이터는 제일 작으나, 이 구조 환경 시뮬레이션에서는 불일치율이 높았다(일치하는 key point 수가 적음).

에지 거리 중, 90%는 장애물 검출/회피(5fps)에 집중하고, 나머지 10% 지점부터 장애물 검출/회피(3fps)+특징물 검출(2fps)로 신호처리 부담을 줄인다.

[Figure 7] Landmark extraction and detection

3.2.4 인도 주행과 횡단보도 건너기

도로는 관리 주체가 있어 노면, 도로 경계석, 노면 표시 등으로 구성이 단순하며, 전국적 지도가 있다. 인도는 노면 재질, 색, 패턴이 다양하고, 보행자 통행에 규정이 없고, 전국적 지도가 없다. 최근에야 아마존(Amazon)이 미국에서 지도 제작을 시작하고[27], OpenStreetMap에 휠체어 인도 정보 제공을 위한 지도를 제작 중이다.[28]

2D 인터넷 지도를 이용한 위상지도를 사용하면, 에지는 분기점 없는 직진 구간이나, 주행할 수 있는 인도 영역을 찾아야 한다. 노면 이미지 분할(segmentation)은 도로/인도/자전거도로 구분이 명확하지 않아, 인도 구분이 힘들다.

명확한 인도 영역을 찾기 위해서는 주변 정보(경계석, 시각 장애인 블록)를 이용하고, 주행 전방 ROI(Region of Interest) 영역과 같은 색/패턴 영역을 찾아 주행이 가능한 영역을 구분한다.

안전한 횡단보도 통행은 모바일 로봇의 마지막 난제이다. 우버의 자회사(Serve Robotics) 배달 로봇도 Level-4 자율주행을 주장하나, 안전한 횡단 보도 통행은 원격조정이 필요하다.[29]

횡단보도 통행은 진출입 경사로(ramp), 차량 진입 방지(bollard), 횡단보도 표시(zebra), 및 보행자 신호등을 인지해야 하나, 표준이 없이 다양한 형태가 존재한다.

횡단보도 검출[30], 진출입 경사로 검출[31], 보행자 신호등 검출[32] 등 특수한 환경에서 연구는 존재하나, 종합적인 연구/시험 결과는 아직 없어, 더 많은 연구가 필요한 부분이다.

[Figure 8] Detection factors for road crossing

3.2.5 자율주행 절차(Process)

위상지도(topological map)로 자율주행은 그림 9와 같이 진행한다.

[Figure 9] Topological map driving process

자율주행 목적에 따라, 목적지(호출자, 충전소, 주차장, 등)가 결정되면, 반경 1 Km 이내 사용이 가능한 킥보드 중, 안전한 자율주행이 가능한 킥보드를 선택한다. 킥보드 위치(start)에서 목적지(destination)까지 위상지도를 제작하여 킥보드에 전송(downlink)한다.

선택된 킥보드는 주차 상태(자세, 위치, 방향)를 인지하고, 첫 Node_0까지 이동하여, Edge_0 정보(주행로,방향)와 일치하게, 알려진 상태(known state)가 되어야 한다.

카메라, LRF, 초음파 센서가 부착된 앞바퀴를 회전하여 전방을 스캔하며, 거리 정보와 카메라 이미지를 얻어, RADAR와 파노라마(panorama)로 탈출로를 찾는다. 탈출로가 없으면, 넓은 영역으로 전진/후진 회전하여 다시 찾는다. 탈출로 방향으로 Node_0를 찾아 이동하며, Edge_0 정보를 확인하여, 자율주행을 준비한다.

킥보드는 주행 안전을 위해 조향각이 45도로 제한된다. 광범위 정보 획득을 위해서, 자율주행은 90도, 보행자 주행은 45도로 제한한다.

[Figure 10] Front wheel scanning for RADAR and panorama image

에지는 직진 구간으로, 카메라 입력 이미지로부터, 소거점(vanishing point)으로 진행 방향을 정하고, 의미적 분할(semantic segmentation)으로 진행로를 확인하고, 장애물을 검출하여 자율주행한다. 주행영역(driving zone) 내 장애물은 LRF, 초음파 센서 거리를 측정하여 회피하고, 영역 외 장애물은 카메라 이미지의 간접거리를 추정하여 대응한다.

3.2.6 자율 주차와 자율 충전

불법주차는 보행자와 휠체어 안전을 방해해서, 신고 후, 사업자가 일정 시간 이내에 처리하지 않으면 벌금을 내야 한다. 불법주차 시 근처 합법 주차지로 자율 이동하고, 자율주행 시 최종 목적지 주차 가능 지역에 자율 주차해야 한다.

‘개인형이동장치주차’표지를 찾아 병렬 주차하며, 주차장이 없으면, 보행자/휠체어와 자전거 통행에 방해되지 않는 합법적 주차 지역(furniture zone)을 찾아 사선 주차한다.

[Figure 11] Legal parking lot

전동장치는 충전이 필요하며, 사업자가 수집/충전/배치한다. 무선 충전 기술로, 주차와 충전을 해결하기 위해, 전면 또는 바닥에서 무선 충전하는 충전대(charging-dock) 설치가 활발하나, 인도 점용과 고정 충전대 형태로 경제성/효율성이 떨어진다.

사용자 이용이 많은 편의점, 가게 등의 유휴 공간에, 확장이 가능한 모듈형 충전 패드로 충전소를 운영한다. 이용량에 따라 숫자를 조정할 수 있고, 충전소 설치/운영자 모두가 만족하는 새로운 운영 모델을 만든다.

[Figure 12] Wireless charging pad

3.2.7 부가 서비스

인구 고령화와 공유경제 확산으로, 배달, 보안, 안내 등 많은 분야에 실외 이동로봇이 등장하며, 시장 규모는 2032년 $700M 이상이 예상된다.[33]

주위에 산재한 자율주행 전동킥보드를 단순한 이동 수단 외 배달, 보안, 안내 등 복합 용도로 사용할 필요가 있다.

◾ 모빌리티: 호출 서비스, 자율 주차, 자율 충전, 재배치, 그룹 이동

◾ 서비스: 배달(소형/단거리), 카트, 안내

◾ 보안: 순찰, 이동 CCTV, 인도 점검, 불법 감시

◾ 셔틀: 대규모 공장/운동장/대학교

주요 기능과 서비스 소프트웨어의 구성은 그림 13과 같이 구성되며, 자체진단(BITS, Built-In Self Test), 보행자 UI(인사, 양보/도움 요청) 및 제어센터 통신 모듈로 구성된다.

[Figure 13] Software blocks for self-driving and services

4. 자율주행 전동킥보드와 시험주행

3륜 전동킥보드를 이용하여, 전륜 센서 박스와 후륜 센서 박스로 구성하고, 전륜 핸들 축에 스마트 헬멧 바스켓을 설치하였다.

전륜구동, 전륜조향 구조로, 전방 신호처리는 모바일 AI 모듈(NVIDIA Jetson Nano), 후방은 아두이노(Nano)로 하며, 전체 신호처리는 5fps이다.

자율주행, 자율주차 시험을 위한 테스트 조건은 인도, 보행자/자전거 겸용 도로, 보행자/자동차 겸용 도로 환경에, 횡단보도 (노면형, 돌출형), 진출입로(driveway), 경사로(약 15도)이다. (보행자 신호등 제외)

[Figure 14] Self-driving e-Kickboard

네이버 지도로 시험 목적에 맞게 경로를 지정하였으며, 노드/에지를 설정하고, 지도 정보에서 각 에지의 거리, 방향 정보를 얻고, 각 에지 끝에서 상징물을 선정하였다.

시험용 주행로와 2D 인터넷 지도로 만든 위상지도는 그림 15와 같다.

[Figure 15] Test driving path and topological map

시작점(S)에서 출발해서, 목적지(D)에 도달하면, 합법적 주차지(furniture zone)에 사선 주차한다.

단지 내 시험 지도에서, 주요 시험 항목은 다음과 같다.

◾ 출발 준비: 임의 주차 상태(unknown state)에서, 시작점(known state, Node_0)으로 이동

◾ 직선로(Edge) 주행: 주행로(인도, 자전거도로, 도로) 인지, 정지/이동 장애물 인지 및 회피, 에지 도착 상징물(landmark) 검출.

◾ 도로 횡단: 횡단보도(노면/돌출형)검출, 진출입 경사로 인지 및 정렬, 장애물 인지/회피(신호등 검출/인지 제외)

◾ 도착 및 주차: 도착지 인지. 합법 주차지 인지 및 사선 주차

◾ 기타: 노면 요철 통과(바퀴 토그 조절), 경사로(roll, pitch) 인지 및 안전 운행

5. 결론

공유용 전동킥보드 문제점을 해결하고, 서비스 확대를 통해, Smart PM으로 운영하기 위한 자율주행 시스템을 제안하였다.

기존 시스템은 기능 검증용으로, 제작 원가 개념이 없으나, 모바일 AI 보드와 Open HW 모듈을 이용하여, $600 이하 시스템을 개발하였으며, 전자부 단일 보드화(one-board)로 재설계하여, $400 이하로 개발할 수 있다.

자율주행 제어기 추가로 발생한, 공유 킥보드 원가 상승은 불법주차에 따른 파손, 벌금을 줄이고, 호출 서비스로 사용률을 높이고, 충전 비용을 절감하면, 상쇄가 가능하다. 또한 향후 부가 서비스 SW 추가로 재배치, 배달, 전동 카트, 가이드, 순찰, CCTV 등 신규 서비스를 구현하면, 새로운 사업자 수익모델을 만들 수 있다.

구조가 일정한 실내(structured indoor)에서는, 주행로 상태가 안정적이고, 단일 색/패턴이라, 주행로 인지, 장애물 검출/회피, 에지 신호처리, 카메라 기반 위치 확인 등이 안정적이다.

불규칙한 구조의 실외(unstructured outdoor)에서는 다양한 문제점을 찾았으며, 문제 해결을 위한 연구가 더 필요하다. 주행 중 흔들림(Roll, Pitch)이 주행로 재질에 따라 변동이 심하며, 낮은 카메라 높이로 도로 분기 형태 인식률이 낮다. (흔들림과 정보량은 카메라 높이에 비례). 기존 전동킥보드 BLDC(Brushless DC) 모터의 PWM(Pulse Width Modulation) 속도제어가 정밀하지 않고, 킥 스타트(안전을 위해 발로 굴러야만 가속기 동작) 전압 레벨이 일정하지 않아, 정지 후 재출발 전압이 주행로면 요철 상태에 따라 다르다.

향후 안전한 횡단보도 통과를 위해, 다양한 진출입로(ramp) 구조/위치 검출을 위한 연구가 필요하며, 특히 진입로 경사와 카메라, 초음파 센서 경사가 비슷해서 진입로 경사 검출이 어려워, 새로운 센서 부착이 필요할 수 있다. 단순한 보행자 신호등 검출/인지는 가능하나, 다양한 잔여 시간(down-counter) 표시 인지를 위한 연구가 더 필요하다. 많은 데이터 셋(data set)을 구축하고, 신경망 기계학습(transfer learning)이 필요하다.