철도연, 딥러닝으로 대중교통 수요예측 50% 이상 정확도 확보
인공지능이 대중교통 수요예측 분야에 적용되고 있다. 한국철도기술연구원(이하 철도연, 원장 김기환)은 인공지능 딥러닝을 이용한 대중교통의 정류장 간 수요예측을 진행했다. 실험 결과 50% 정도의 정확도를 확보했다.
인공지능을 대중교통 수요예측에 적용하는 연구는 아직 초기 단계로 90% 이상의 정확도를 위해 연구 중이다.
딥러닝은 인공지능이 마치 사람의 두뇌처럼 수많은 데이터 가운데 패턴을 찾아내서 인지하고 추론, 판단할 수 있도록 하는 인공신경망 기술을 뜻한다.
대중교통 수요예측에 적용하는 딥러닝 기술은 신뢰성 있는 다양한 데이터 구축과 효율적인 알고리즘 구성을 통해 컴퓨터가 스스로 인지·추론·판단할 수 있는 인공지능 시스템을 만들 수 있다.
이번 실험에서 철도연은 교통카드 자료를 분석하여 배차간격, 환승 가능한 노선수, 인근 도시철도 노선수, 정류장 간 거리 등으로 100여개 변수를 도출했다.
여기에는 교통카드자료 기반의 대중교통운영계획 지원시스템인 트립스(TRIPS; Travel Record based Integrated Public transport operation planning System) 개발을 통해 철도연이 보유하고 있는 교통카드 자료의 상세분석기술을 응용했다.
또한, 정류장 주변의 용도별 건물연상면적 자료 등을 통해 50여개 변수를 추가, 총 150여개의 입력 변수를 구성했다. 출력값 학습을 위해서는 약 45만여개의 정류장 간 통행량 자료를 사용했다. 이 중 5천여개는 학습 후 예측을 위해 활용했다.
실험결과 정류장 간 실제 통행량의 50%(100회 시행 시 50회) 정도를 정확하게 예측하여 인공지능의 수요예측 적용 가능성을 확인했다. 앞으로 여러 지역의 자료와 추가적인 입력변수를 개발하여 학습할 경우, 90% 수준까지 정확도를 높일 수 있을 것으로 예상된다.
※ 2007년 기준 우리나라 164개 재정사업(고속도로+국도)과 7개 민자도로 사업 교통량 분석 결과, 재정사업 평균 21%의 교통수요가 과다 추정, 민자사업 평균 50%가 교통량 과다 추정(2007, 한국개발연구원)
인공지능을 활용하여 교통 수요예측의 정확도를 높이면 의정부, 용인, 김해 경전철 등 수요예측 오차로 인한 잘못된 대중교통 사업 시행을 예방할 수 있다.
도시철도, 버스 등 돌아가는 굴곡 노선을 바로잡아 대중교통 통행시간을 줄일 수 있고, 차내 혼잡도 개선 등 효율적인 대중교통 운영 계획 수립이 가능하다. 그리고 현재 많은 사람들이 사용 중인 내비게이션보다 더 정확하게 통행 시간을 예측할 수 있다.
또한, 특정시간대 특정구간을 이동하는 사람들의 특성을 분류, 예측할 수 있어 이를 활용한 다양한 부가가치를 창출할 수 있다.
철도연 김기환 원장은 “교통카드, 교통량, 내비게이션, 이동통신, IoT기반 센싱 자료 등 교통분야 빅데이터를 구축하고, 다양한 실험을 통한 효율적인 학습방법을 개발하면 교통계획과 운영계획 등 목적에 맞는 교통수요 예측이 가능할 것”이라며, 앞으로 “인공지능을 활용한 교통과학기술 확립을 위해 꾸준히 노력할 것”이라고 밝혔다.
인공지능 딥러닝을 이용한 대중교통 수요예측 기법
<정류장 간 승하차 수요 수준 예측을 위한 입력노드와 출력노드>
<정류장-정류장 간 수요 추정 러닝 모형의 구조>
