자율주행 리서치 - Eclipse SUMO (DLR, 2001–): '도시 전체를 1초 단위로' — 3,302회 인용, CARLA의 공식 co-simulation 짝이 된 오픈소스 미시 교통 시뮬레이터 (⭐4.2k · 🍴1.8k)

주제 정보

핵심 내용

이 블로그에서는 지금까지 CARLA(센서 시뮬레이터), nuScenes·Waymo Open(데이터셋), UniAD·VAD(인식·계획), HighwayEnv(RL 환경)를 다뤘다. 그런데 자율주행차 한 대가 도시를 달릴 때 실제로 마주치는 것은 카메라 픽셀이 아니라 다른 차 2,000대, 신호등 40개, 그리고 갑자기 횡단보도로 뛰어드는 보행자다. 이 '교통류(traffic flow)' 세계를 25년째 시뮬레이션해 온 소프트웨어가 Eclipse SUMO — Simulation of Urban MObility — 이다. 독일항공우주센터(DLR)가 만들고 2001년에 오픈소스로 공개한 이 패키지는, 자율주행 스택에서 인식·계획 모듈이 아니라 '검증용 세계' 쪽에 위치한다는 점이 CARLA와 결정적으로 다르다.

• 미시적(microscopic) + 연속(continuous) 모델: 거시 모델이 도로를 '유체의 흐름'으로 근사하는 것과 달리, SUMO는 차량 한 대 한 대를 개별 객체로 시뮬레이션한다. 각 차량은 차량추종(car-following)·차선변경(lane-changing) 모델로 움직이고, 신호등·정지선·우선권(right-of-way) 규칙이 개별 차량 단위로 적용된다. 그래서 "이 정책이 이 특정 교차로에서 교착을 만드는가" 같은 질문에 답할 수 있다.
• 도구 체인 — 시뮬레이터가 아니라 '제품군': netconvert는 외부 디지털 도로망(예: OpenStreetMap)을 가져와 SUMO가 쓰는 도로망으로 변환하고, netedit는 GUI로 망을 편집하며, 나머지 도구들이 경로 배정·수요 생성·시각화를 담당한다. 대규모 네트워크(도시·국가 규모)를 다루는 것이 설계 목표다.
• TraCI = Traffic Control Interface (핵심 무기): 실행 중인 시뮬레이션에 붙어(online) 객체의 값을 읽고 행동을 조작할 수 있는 인터페이스다. 이것 하나가 SUMO를 '분석 도구'에서 강화학습·신호제어·V2X 연구의 표준 환경으로 바꿔 놓았다 — 매 스텝 상태를 관측하고 행동을 주입할 수 있으니 폐루프(closed-loop) 실험이 가능하다. 성능이 병목이면 libsumo(같은 프로세스 내 라이브러리 형태)로 우회한다.
• 다중 모드(intermodal) — 보행자도 1등 시민: 보행자 시뮬레이션을 지원하며, 차량-보행자 상호작용을 다루기 위해 망의 각 엣지/차로에 모드별 권한(permission)을 부여한다(보행자 전용 엣지 = 'footpath'). 자율주행의 가장 어려운 문제 중 하나인 비보호 횡단·혼잡 보도 시나리오가 여기서 만들어진다.
• 출력 = 궤적 데이터 제너레이터: --fcd-output(floating car data)은 모든 차량의 매 타임스텝 위치·속도를 내보낸다. 문서 표현대로 "각 차량을 위한 초정밀 고주파 GPS"이며, TraceExporter로 주기·정밀도·포맷을 바꿔 학습·평가용 데이터셋으로 변환할 수 있다.
• 배출가스 모델 내장(HBEFA·PHEMlight): HBEFA v2.1/v3.1/v4.2 기반 모델과 PHEMlight/PHEMlight5를 포함한다. 즉 SUMO는 안전·처리량뿐 아니라 CO₂·NOx까지 수치로 내는 도구이며, 이것이 자율주행 정책 평가(예: 신호 최적화가 실제로 배출을 줄이는가)에 쓰이는 이유다.
• V2X는 '결합'으로 푼다: SUMO 문서는 V2X를 위해 통신망 시뮬레이터와 미들웨어로 결합하는 경로를 명시한다 — Veins(OMNeT++ 기반), iCS(iTETRIS 컨트롤 시스템, SUMO+ns-3+V2X 앱), MOSAIC(ns-3 등). 차량 세계는 SUMO, 통신 세계는 별도 시뮬레이터가 담당하는 분업 구조다.
• CARLA와의 공식 co-simulation: CARLA 문서에는 SUMO co-simulation 기능이 정식 페이지로 문서화되어 있다(CARLA Ecosystem 항목에도 SUMO가 등재). 고충실도 센서(카메라·라이다)를 CARLA가, 대규모 교통류·신호·NPC 주행을 SUMO가 맡는 조합 — 자율주행 검증에서 사실상의 표준 구성이다.
• 25년의 지속성 자체가 특징: 2001년 오픈소스 공개 → 2017년 Eclipse Foundation 이관 → 2026년 v1.27.1. 기여자 약 168명, 연 3회 릴리스, 어제(2026-09-17)까지 커밋. 동시에 열린 이슈 2,980건은 이 규모의 소프트웨어가 안고 있는 관리 부담과 복잡도를 그대로 보여준다.

왜 유명한가 / 활용 가치

• 3,302회 인용 — '소프트웨어가 표준이 된' 드문 사례: ITSC 2018 논문 한 편이 3,302회 인용된다는 것은, 연구자들이 SUMO를 인용해야 하는 도구로 취급한다는 뜻이다. 게다가 원 계보(2002, 578회)와 2012 리뷰(1,977회)까지 포함하면 교통공학·자율주행 양쪽에서 세대를 넘어 누적된 인용이다. 인식 논문이 SOTA 경쟁으로 대체되는 것과 정반대의 수명 곡선이다.
• CARLA가 담당하지 못하는 층을 담당: CARLA는 차 한 대가 세상을 어떻게 보는가를 정확히 시뮬레이션하지만, 도시 규모의 교통 수요·신호 주기·버스 노선·보행자 흐름을 대규모로 돌리는 데는 적합하지 않다. SUMO는 그 반대다. CARLA 에코시스템 문서가 SUMO를 별도 항목으로 두고 co-simulation 페이지를 운영한다는 사실 자체가 "둘은 대체재가 아니라 한 쌍"이라는 업계 합의의 증거다.
• RL·신호제어 연구의 표준 무대: TraCI/libsumo로 매 스텝 개입이 가능하기 때문에, 교차로 신호 최적화부터 차량 제어·군집 주행까지 강화학습 에이전트를 학습·평가하는 환경으로 광범위하게 쓰인다. 이 블로그에서 다룬 HighwayEnv가 '고속도로 의사결정'의 축소판이라면, SUMO는 도시 전체를 무대로 한 확장판이다.
• 시나리오 기반 검증(scenario-based validation)의 기반 인프라: 자율주행 안전 검증은 주행 거리를 늘리는 방식에서 위험 시나리오를 대량 생성해 반복 실행하는 방식으로 이동했다. 미시 시뮬레이터는 그 시나리오를 재현 가능하게 실행하는 엔진이며, SUMO는 DLR이라는 공공 연구기관이 유지한다는 점에서 특정 기업 이해관계에 종속되지 않은 검증 도구로 선택된다.
• 라이선스가 실무를 열어준다: EPL-2.0은 약한 카피레프트로 상용 제품·서비스 안에서 사용 가능하고, 조건 충족 시 GPL-2.0+를 선택할 수도 있다. 연구 도구가 산업 파이프라인에 들어가려면 이 조건이 결정적이며, CARLA(MIT)·SUMO(EPL-2.0) 조합은 실제로 상용 검증 파이프라인에 널리 쓰인다.
• 활용 가치 — 무엇에 쓰는가: ① 폐루프 정책 평가: planner/ML 정책을 TraCI로 연결해 도시 교통 속에서 주행시킨다. ② 신호·교통관리 최적화: RL 또는 규칙 기반 제어를 도로망 규모로 비교. ③ 데이터 증강: FCD 출력으로 궤적 데이터셋을 대량 생성. ④ 정책·환경 평가: HBEFA/PHEMlight로 배출량까지 산출. ⑤ V2X 연구: Veins/iCS/MOSAIC로 통신 지연·패킷 손실을 주입한 협력주행 실험. ⑥ CARLA co-simulation: 센서 충실도와 교통 규모를 동시에 확보.
• 한계도 분명하다: 미시 모델의 결과는 차량추종·차선변경 모델의 파라미터와 교통 수요(OD) 입력에 민감하다 — 모델이 현실과 어긋나면 결과 전체가 어긋난다. 또 카메라·라이다 같은 지각 센서는 다루지 않으므로 지각 모듈 검증에는 co-simulation이 사실상 필수다. 열린 이슈 2,980건은 활발함의 지표인 동시에, 이 소프트웨어가 결코 '완성된' 상태가 아니라는 뜻이기도 하다.

시사점 및 결론

Eclipse SUMO가 25년 동안 살아남은 이유는 기능이 화려해서가 아니라 위치를 정확히 잡았기 때문이다. 자율주행 검증에는 두 개의 세계가 필요하다 — 카메라에 무엇이 보이는지를 다루는 센서의 세계(CARLA, 2026-09-09)와, 도시 전체가 어떻게 흘러가는지를 다루는 교통의 세계(SUMO). 최근 자율주행 연구가 '차 한 대의 성능'에서 '시스템 전체의 안전 보증'으로 무게중심을 옮기면서(RSS, 2026-09-18), 이 두 번째 세계의 가치가 오히려 커지고 있다. SUMO의 TraCI는 그 변화에 대응하는 최소한의 인터페이스다 — 실행 중인 세계를 들여다보고, 개입하고, 다시 관측한다. 인식 모델은 매년 갈아치워지지만, 검증의 무대는 쉽게 바뀌지 않는다. 3,302회 인용이라는 숫자는 그래서 '이 소프트웨어를 썼다'가 아니라 '이 소프트웨어 없이는 주장할 수 없었다'는 인용일 가능성이 높다. 2026년에도 어제 커밋이 올라오고 연 3회 릴리스가 나오는 1.5GB짜리 코드베이스 — 자율주행 생태계에서 이만큼 조용하고 이만큼 결정적인 인프라는 드물다.

원문: https://github.com/eclipse-sumo/sumo

목록으로 돌아가기