버스 내릴때 태그 안해도… AI로 하차지점 99% 추정

행안부, 부산시와 분석모델 개발
신설노선 수요 등에 데이터 활용

버스노선 정류장별 하차 인원을 99%까지 추정 가능한 데이터 분석 모델 개발이 완료돼 대중교통 잠재수요까지 파악할 수 있게 된다.

버스 단일요금제를 시행하는 지자체에서는 버스를 탑승할 때 교통카드를 태그 하는 방식으로 요금을 지불하고 있어 승차정보에 대한 데이터는 있지만, 하차 시에는 태그를 건너뛰는 경우가 많아 하차정보 데이터를 수집하는 데 어려움을 겪었다. 부산시(40.6%)를 포함해 전북·울산 등 12개 시도의 평균 하차 태그율이 32% 수준에 불과한 실정이다.

행정안전부와 부산광역시는 21일 합리적 대중교통 노선개편 지원을 위한 이런 내용의 'AI기반 승객하차정보 추정 분석 모델' 개발을 완료했다고 밝혔다.

이번에 개발된 모델은 승객 하차지점과 하차인원 추정을 통해 실제와 가까운 교통 수요량을 산출하고, 대중교통 잠재수요를 찾아내는 것을 주요 기능으로 설계했다.

실질적 교통수요를 파악할 수 있는 분석모델을 통해, 고령화와 인구감소로 대중교통 노선운영 효율화 조치가 필요한 지자체의 대중교통 노선개편에 활용도가 높아질 것이란 기대다.

모델개발 과정에는 교통카드 사용이력 데이터, 통신사 유동인구 데이터, 신용카드 사용데이터 등 약 3억 건의 공공·민간 데이터를 활용했다.

먼저 1단계로 하차정보가 존재하는 승객 데이터(승차시간, 장소, 환승지점 등)를 AI가 학습해 예측 알고리즘(심층신경망:DNN)을 통해 하차정보가 없는 승객의 하차지점을 예측한다.

1단계 과정에서 하차지점 예측이 어려운 경우에는 2단계로 거주지 추정 방식, 3단계로 동승자 이력 추적 방식을 순차적으로 적용해 하차정보를 99%까지 추정할 수 있었다는게 행안부의 설명이다.

이같은 단계별 분석 결과를 토대로 정류장별, 교통유형별 실제 이용자 규모를 산출하고, 통신사 유동인구 데이터, 신용카드 사용데이터 등을 활용해 교통 잠재수요까지 도출했다.

이는 기존 운영노선의 합리성 평가와 심야 버스 노선개설 등에 활용할 수 있다

김준희 공공데이터국장은 "그동안 파악이 어려웠던 승객규모를 데이터 분석을 통해 찾아냄으로써 과학적 교통정책의 토대를 마련했다는 측면에서 의미가 크다"라고 강조했다.

[e-mail] 김태경 기자