;)
댓글 0
기사입력 : 2021.12.31 10:48
기상‧계절 등에 큰 영향을 받는 대중교통의 효율적 운영을 위해 수요 예측이 가능한 인공지능(AI) 기술 ‘머신 러닝’을 도입하자는 의견이 나왔다.
경기연구원은 경기도 광역버스 이용 현황을 분석하고, 효율적인 운영을 위한 ‘대중교통 이용 예측도 인공지능 기술이 필요한 시대’를 발간했다고 31일 밝혔다.
연구원은 우선 2019년 1월부터 2021년 5월까지 경기도 광역버스 이용실적과 기상청 자료를 비교해 기상, 대기, 계절에 따른 광역버스 이용수요를 분석했다. 그 결과, 기상 상황 발생 시 평시 대비 평균 14.4% 이용수요가 감소하는 것으로 나타났다. 구체적으로는 인구 1,000명당 일평균 이용수요가 17.6인에서 한파 경보 발령 시 12.6인으로 28.7% 감소했다. 이외 호우‧대설‧태풍 주의보 이상 발령 시는 평균 14.5%, 폭염 경보 발생 시 3.6%, 대기특보 발령 시는 1.4% 등 각각 감소했다.
계절별로는 겨울, 요일별로는 주말에 광역버스 이용수요가 크게 줄었다. 여름(6~8월) 대중교통 이용수요는 인구 1,000명당 일평균 18.4인 반면, 겨울(12~2월)은 16.6인으로 나타났다. 주중 일평균 이용수요 19.6인 대비 주말 일평균 이용수요는 12.6인으로 큰 차이를 보였다.
코로나19도 큰 영향을 미친 것으로 분석됐다. 주중 평균 이용수요는 2019년 53만명에서 2020년 41만명, 2021년(1~5월) 42만명으로 평균 22.7% 감소했다. 주말 평균 이용수요는 2019년 35만명에서 2020년 23만명, 2021년 24만명으로 평균 32.6% 감소했다. 통근･통학과 같은 일상 통행을 주로 하는 주중보다 여가 통행을 주로 하는 주말 이용수요에 더 큰 영향을 미친 것으로 분석된다.
이처럼 기상악화, 코로나19 등으로 인한 대중교통 이용 수요가 급변할 경우 서비스 질 저하, 버스업체 경영난 등으로 이어질 수 있는 만큼 이용수요를 사전 예측해 탄력적으로 대중교통을 운영할 필요가 있다고 연구원은 설명했다.
김병관 경기연구원 연구위원은 “다양한 환경요인이 대중교통 이용에 수시로 영향을 미치고 있어 효율적인 대중교통 운영을 위해 통행자들의 수요와 행태변화를 예측하는 것이 무엇보다 중요하다”면서 “머신 러닝 기술은 다양한 대중교통의 맞춤형 운영 및 정책 수립을 위한 예측기법으로 활용될 수 있고 머신 러닝 기반의 예측정보를 결합해 대중교통 모니터링 시스템을 고도화할 필요가 있다”고 말했다.
머신 러닝(Machine learning)은 기계학습이란 뜻으로 컴퓨터에 충분히 많은 데이터를 주고, 거기에서 일반적인 패턴을 찾아내게 하는 방법을 말한다. 인공지능 컴퓨터 알파고로 유명해진 딥러닝(Deep learning)이 머신 러닝의 대표적 알고리즘이다.
경기연구원은 경기도 광역버스 이용 현황을 분석하고, 효율적인 운영을 위한 ‘대중교통 이용 예측도 인공지능 기술이 필요한 시대’를 발간했다고 31일 밝혔다.
연구원은 우선 2019년 1월부터 2021년 5월까지 경기도 광역버스 이용실적과 기상청 자료를 비교해 기상, 대기, 계절에 따른 광역버스 이용수요를 분석했다. 그 결과, 기상 상황 발생 시 평시 대비 평균 14.4% 이용수요가 감소하는 것으로 나타났다. 구체적으로는 인구 1,000명당 일평균 이용수요가 17.6인에서 한파 경보 발령 시 12.6인으로 28.7% 감소했다. 이외 호우‧대설‧태풍 주의보 이상 발령 시는 평균 14.5%, 폭염 경보 발생 시 3.6%, 대기특보 발령 시는 1.4% 등 각각 감소했다.
계절별로는 겨울, 요일별로는 주말에 광역버스 이용수요가 크게 줄었다. 여름(6~8월) 대중교통 이용수요는 인구 1,000명당 일평균 18.4인 반면, 겨울(12~2월)은 16.6인으로 나타났다. 주중 일평균 이용수요 19.6인 대비 주말 일평균 이용수요는 12.6인으로 큰 차이를 보였다.
코로나19도 큰 영향을 미친 것으로 분석됐다. 주중 평균 이용수요는 2019년 53만명에서 2020년 41만명, 2021년(1~5월) 42만명으로 평균 22.7% 감소했다. 주말 평균 이용수요는 2019년 35만명에서 2020년 23만명, 2021년 24만명으로 평균 32.6% 감소했다. 통근･통학과 같은 일상 통행을 주로 하는 주중보다 여가 통행을 주로 하는 주말 이용수요에 더 큰 영향을 미친 것으로 분석된다.
이처럼 기상악화, 코로나19 등으로 인한 대중교통 이용 수요가 급변할 경우 서비스 질 저하, 버스업체 경영난 등으로 이어질 수 있는 만큼 이용수요를 사전 예측해 탄력적으로 대중교통을 운영할 필요가 있다고 연구원은 설명했다.
김병관 경기연구원 연구위원은 “다양한 환경요인이 대중교통 이용에 수시로 영향을 미치고 있어 효율적인 대중교통 운영을 위해 통행자들의 수요와 행태변화를 예측하는 것이 무엇보다 중요하다”면서 “머신 러닝 기술은 다양한 대중교통의 맞춤형 운영 및 정책 수립을 위한 예측기법으로 활용될 수 있고 머신 러닝 기반의 예측정보를 결합해 대중교통 모니터링 시스템을 고도화할 필요가 있다”고 말했다.
머신 러닝(Machine learning)은 기계학습이란 뜻으로 컴퓨터에 충분히 많은 데이터를 주고, 거기에서 일반적인 패턴을 찾아내게 하는 방법을 말한다. 인공지능 컴퓨터 알파고로 유명해진 딥러닝(Deep learning)이 머신 러닝의 대표적 알고리즘이다.
