대중교통, 인공지능 딥러닝으로 정체 막는다

인공지능 딥러닝 기술이 대중교통 수요예측에도 활용된다. 교통 수요예측의 정확도를 높이면 수요예측 오차를 줄여 대중교통 혼잡도 등을 개선할 수 있을 것으로 전망된다.
한국철도기술연구원은 인공지능 딥러닝을 이용한 대중교통 정류장 간 수요예측 실험을 진행한 결과 50% 정도의 정확성을 확보했다고 밝혔다. 철도연은 향후 정확도를 90%까지 높일 계획이다.
철도연은 교통카드 자료를 분석해 배차간격, 환승 가능한 노선 수, 인근 도시철도 노선 수, 정류장 간 거리 등 100여개의 변수를 도출했다. 교통카드자료 기반의 대중교통 운영계획 지원시스템인 트립스(TRIPS) 개발을 통해 철도연이 보유하고 있는 교통카드 자료의 상세분석기술을 응용했다.
정류장 주변의 건물연상면적 자료 등을 통해 50여개의 변수를 더해 총 150여개의 입력 변수를 구성했다. 출력값 학습을 위해서 약 45만여개의 정류장 간 통행량 자료를 사용했다. 이 중 5000여개는 학습 후 예측을 위해 활용했다.
실험결과 정류장 간 실제 통행량의 50% 정도를 정확하게 예측하는 것으로 드러났다. 철도연은 향후 여러 지역의 자료와 추가적인 입력변수를 개발해 인공지능을 학습시켜 90%수준까지 정확도를 높일 수 있을 것으로 내다보고 있다.
인공지능을 통해 교통 수요예측의 정확도를 높일 경우 의정부, 용인, 김해 경전철 등 수요예측 오차로 인한 잘못된 대중교통 사업의 시행을 예방할 수 있다. 도시철도, 버스 등 돌아가는 굴곡 노선도 바로잡아 대중교통 통행시간을 줄일 수 있고 차내 혼잡도 개선 등 효율적인 대중교통 운영 계획 수립이 가능하다.
특정 시간대 특정 구간을 이용하는 사람들의 특성을 분류 예측한다면 다양한 부가가치를 창출할 수도 있다.
철도연 김기환 원장은 “교통카드, 교통량, 내비게이션, 이동통신, IoT 기반 센싱 자료 등 교통분야 빅데이터를 구축하고 다양한 실험을 통한 효율적인 학습방법을 개발하면 교통계획과 운영계획 등 목적에 맞는 교통수요 예측이 가능할 것”이라며 “향후 인공지능을 활용한 교통과학기술 확립을 위해 꾸준히 노력할 것”이라고 밝혔다.
[이영욱 기자]