빅데이터와 AI로 시내버스 배차·운행관리 효율화



👉 배경소개

기다리던 버스가 오지 않던 경험, 드디어 도착한 버스가 배차 시간을 맞추기 위해 천천히 서행하느라 속이 탔던 경험이 있으신가요? 버스업체의 전통적, 경험적 배차방식은 버스 몰림, 불규칙한 회차지 도착 시간 등 버스 이용객 불편을 일으키는 원인이 되고 있었습니다.



💡 문제해결

ㅣ 버스 운행 빅데이터 활용 버스 운행현황 분석

울산시는 2019년 시내버스 운행 관련 빅데이터 122,496,620건을 분석해 버스의 운행 현황을 분석했습니다. 분석결과 평균 배차간격의 60% 수준으로 몰려 도착하는 차량은 전체의 11%, 요일별 시간대별 주행 시간 변화에 맞춰 운행속도를 조정할 필요가 발견되었습니다. 이를 토대로 배차계획 표준화 프로그램을 개발해 관내 3,975개 정류소 구간 대상 시간대별 표준운행 시간 DB를 구축할 수 있었습니다. 뿐만 아니라 딥러닝기술을 활용해 운행 시간 예측을 하여 도로 상황 등의 변화 발생 시 신속하게 업데이트가 가능하게 하였습니다.


ㅣ '조정 필요'노선의 배차계획 조정으로 버스 운행횟수, 예산 절감

프로그램이 도출한 데이터를 바탕으로 버스 운행에 조정이 필요한 40개 노선을 확인하고 이를 조정하여 신규차량의 증차 없이도 1일 운행횟수가 58회 횟수 증가 되었고, 버스업체 적자노선 재정지원 예산을 연간 31억 원 절감 할 수 있었습니다. 시민들이 체감할 수 있는 버스 몰림도 75% 이상 개선되었습니다.



📌 혁신 Point

  • 혁신 실험을 통한 문제 해결 능력 확인 및 확장
  • 기술과 사회문제의 접목



 #ICT   #교통   #시민친화정책