LDM(Local Dynamic Map): 자율주행이 참조하는 4계층 공간 데이터베이스

HD Map을 한 장의 정적 지도로 생각하면 자율주행의 절반만 본 것이다. 나머지 절반은 그 지도 위에서 초 단위로 바뀌는 신호·차량·보행자 정보를 어떻게 붙이고 언제 버릴지의 문제이고, 이걸 계층화해서 관리하는 게 LDM(Local Dynamic Map)이다. 지정된 공간 범위 안의 정적·동적 도로 환경 정보를 시간 민감도에 따라 계층화해 관리하는 로컬 공간 데이터 저장소로, 차량 탑재형(온보드)이든 노변(RSU) 배치든 지도·센서·V2X 데이터를 융합해 통합 참조 상태 공간을 제공한다는 목적은 같다. 인식범위 확장, 신뢰도 향상, 지연 최소화, 외부 서비스 연계, 자율주행 의사결정의 일관성 확보가 LDM이 존재하는 이유다.

4개 계층, 4개의 갱신 주기

LDM은 데이터의 변동 속도에 따라 네 계층으로 나뉜다. Layer 1(영구 정적 데이터, 갱신 주기 월 단위 미만)은 차선·차로중심선·규제선·도로경계·노면표지 같은 정밀전자지도 정보를 담는다. Layer 2(일시적 정적 데이터, 시간 단위 미만)는 공사 구간 표지나 임시 표지판·랜드마크처럼 단시간 정적 변화를 반영한다. Layer 3(일시적 동적 데이터, 분 단위 미만)은 신호등 상태(SPaT), 교통혼잡, 노면 미끄러움 같은 저주기 동적 현황을 관리한다. Layer 4(고동적 데이터, 초 단위 미만)는 주변 차량·보행자·자전거와 자차(Ego) 상태처럼 가장 빠르게 바뀌는 객체를 추적한다. 계층별 보존 기간과 갱신 주기를 TTL로 명시해두는 덕분에 데이터가 만료되면 자동으로 정리되고 정합이 유지된다.

객체 하나하나에 출처와 신뢰도를 붙인다

LDM 객체 모델은 주변차량, 보행자, 이륜차, 도로 링크/노드, 차선/차로중심선, 교통표지, 시설물, 포장 상태를 관리 대상으로 삼는다. 각 객체에는 위치(지도 좌표계), 시공간 스탬프, 속도/가속, 차선 귀속, 신뢰도, 출처(센서/V2X/지도), TTL 같은 메타데이터가 붙는다. 외부 애플리케이션은 LDM 서비스를 통해 등록·해제·철회하고 구독형 알림(영향 구간 위험 경보, SPaT 변경)을 받을 수 있으며, 권한·정책 기반 접근 제어와 QoS(지연/신뢰도) 계약으로 데이터 제공 수준을 조정한다.

객체 관리 자체는 LDM 인터페이스가 담당한다. 생성·업데이트·무효화(소프트 삭제)·만료를 일괄 배치와 실시간 스트림 양쪽으로 지원하고, 외부 앱 쪽에서는 등록·키 발급·스코프 제어·관측 피드 관리·SLA 모니터링이 이뤄진다.

여러 출처가 부딪히면 무엇을 믿을 것인가

센서·V2X·지도라는 서로 다른 출처의 데이터가 같은 대상을 다르게 보고하는 상황은 피할 수 없다. 이때 가중치 기반 신뢰도 산정과 충돌 해결 규칙, 시간대·GPS 시각 기준의 시간 정합 강제가 LDM 품질 관리의 핵심이다. 원천별로 버전을 추적해 롤백·재처리가 가능하게 하고, 레이어 간 참조 무결성도 함께 보장한다.

입력→처리→출력 파이프라인으로 보면, 카메라·라이다·레이더는 타임스탬프를 정규화하고 좌표 변환을 준비한 뒤 들어오고, SPaT·MAP·CAM/BSM·DENM 같은 V2X 메시지는 서명 검증과 무결성 확인을 거친다. HD Map은 타일·버전 동기화와 ROI(관심 구역) 동적 로딩으로 합류한다. 처리 단계에서는 로컬라이제이션·맵 매칭, 객체 추출·연관, 융합, 신뢰도 산정·충돌 해결, 레이어 할당, TTL/만료 예약, 트랜잭션 커밋이 이어지고, 출력은 질의 API·공간/시계열 구독·이벤트 알림·외부 앱 피드로 나간다. 지연·유실은 재시도·지연 보정·격리 큐로, 서명 검증 실패는 폐기와 감사 로그로, 불일치 감지는 낮은 신뢰도 마킹과 보류 업데이트로 처리한다.

⤢✕

실제로는 이렇게 쓰인다

신호교차로 안전 지원은 RSU가 수신한 SPaT·MAP을 Layer 3에 반영해 적색 신호 위반 가능성을 예측하고 경고 이벤트를 발행한다. 시야 밖 위험 인식 보강은 곡률 큰 코너나 사각지대의 보행자·이륜차를 V2X/CAM으로 수신해 Layer 4에 융합하고 경로 계획에 제약을 건다. 공사·돌발 상황 안내는 DENM 기반 임시 규제·우회 정보를 Layer 2에 반영해 차로 폐쇄·규제선 변경을 주행 전략에 즉시 적용한다. 도로 상태 기반 속도 조정은 노면 온도·마찰 추정으로 미끄럼 구간을 Layer 3에 반영해 곡선부 감속 프로파일을 자동 적용한다.

수치로 보는 효과와 대가

V2X·RSU를 연계하면 시야 밖 이벤트를 인지할 확률이 오르고, 접근 속도 50km/h 기준으로 탐지 거리가 25배까지 확장될 가능성이 있다. 교차로 근접 저신호 상황을 미리 경보하면 급정지·충돌 위험이 줄어 근접 사고율이 1030% 감소할 것으로 기대되는데, 이 수치는 현장 여건에 따라 달라진다. 온보드 LDM 캐시를 쓰면 질의 지연을 20ms 미만으로, 신호 상태 전파 지연을 100300ms 수준으로 설계할 수 있고, 지도와 객체를 분리해서 갱신하는 구조 덕분에 OTA 지도 패치량을 3060% 줄일 수 있다.

수치지형도와 무엇이 다른가

수치지형도는 대축척 정적 지도 중심이고, LDM은 정밀전자지도에 DM 객체(MMS 수집)를 융합한 실시간 공간 상태 레이어라는 게 핵심 차이다. LDM은 자율주행 의사결정과 C-ITS 상호운용, V2X 실시간 상태 융합에 초점을 맞추고 로컬 캐시와 클라우드 동기화로 영역·밀도를 확장한다.

지표	LDM	수치지형도
성능	정적+동적, 레이어별 갱신 주기 초~월, 캐시 기반 저지연 질의	정적 위주, 장기 갱신, 실시간 질의 미지원
확장성	로컬 슬라이딩 윈도우 + RSU/클라우드 동기화	타일 단위 배포, 대량 스트림 비적합
일관성	TTL·버전·신뢰도 기반 충돌 해결	단일 출처 정적 일관성, 동적 일관성 부재
안정성	오프라인 캐시 운용, 장애 시 최근 상태 유지	오프라인 뷰는 가능하나 동적 정보 상실
운영 편의	지도·객체 분리 갱신, OTA·SLA·접근 제어 내장	지도 갱신 중심, 운영 정책 연계 제한

설계할 때 챙길 것들

레이어별 TTL 정책은 유효 기간·갱신 주기·만료 처리를 일관되게 정의해야 하고, 센서·V2X·지도의 가중 조합 규칙과 충돌 해결 우선순위도 미리 모델링해야 한다. 레코드 수준 락, 레이어별 파티셔닝, 벡터 타임스탬프 기반 순서성 확보 같은 트랜잭션·잠금 전략도 필요하다. 좌표계는 하나로 통일하고 RMSE·재투영 오차 같은 맵 매칭 품질 지표를 운영하며, 안전 경보와 정보 알림의 우선순위를 분리한 구독 스트림, 사고 분석·재현을 위한 감사 로그·리플레이 파이프라인을 갖추는 게 모범사례다.

트레이드오프도 분명하다. 로컬 캐시 크기를 키우면 데이터가 신선해지지만 메모리·지연 최적화와 범위 커버리지 사이에서 균형을 잡아야 한다. 융합 모델을 고도화할수록 지연이 늘 수 있어 임계 경로를 최소화하는 설계가 필요하고, V2X 서명 검증 강도를 높이면 처리량이 줄어들 수 있어 하드웨어 오프로딩을 고려해야 한다.