교통 분야에서 빅데이터 활용은??

안녕하세요. 아프락사쓰입니다.

 

이번 포스팅은 빅데이터가 교통분야에서 어떻게 활용 되는지 알아 보도록 하겠습니다.

 

 

1. 서울시 심야버스 노선 최적화 빅데이터 사례

 

서울시는 2013년 안정행정부가 개최한 정부 3.0 구현을 위한 각 시, 도의 정책연구 과제 바표에서 민간 이동통신사의 30억 개 통화량 분석하여 심야버스 정책에 반영한 사례로 "민, 관 융합 빅데이터를 활용한 시정 수립방안 연구"과제로 대통령상을 수상했다.

서울시가 발표한 과제는 서울시 심야버스 추진사례를 근거로 민, 관 융합 빅데이터 활용 필요성, 노선 최적지 수립과정을 발표하여 빅데이터를 활용한 도시문제 해결 방안의 가능성을 제시했다는 점에서 참여한 타 시도로부터 큰 호응과 관심을 받았으며, 민, 관의 데이터 개방과 활용을 통해 시민들이 새로운 공공편의 서비스를 창출하고, 정책결정에 도움을 줄 수 있다는 점에서 높은 평가를 받았다.

서울시는 열린 데이터 광장을 통해 공공 데이터를 오픈 API 형태로 개방하고 있고, 최근에는 서울시 현안 문제를 빅데이터로 해결하려는 시도를 민간기업과 협력하여 수행하고 있다. 그 중에 가시적인 성과를 내고 있는 것이 심야버스 노선 최적화에 빅데이터를 활용한 사례라고 할 수 있다. 심야에 대중교통이 끊어진 상태에서 택시를 잡기 위해 고군분투를 해본 사람이면, 자정부터 새벽 5시까지 운행하는 심야버스에 기대를 걸어봄직하다. 하지만 문제는 내가 승차하고자 하는 곳에 심야버스가 정차하느냐이다. 즉, 좋은 의도에서 시작했지만, 실제 시민들의 활용도가 높지 않다면 무용지물이 되는 것이다.

이것을 결정하는 것이 심야버스 노선 최적화 문제다. 밤 시간대 유동인구가 많은 구간을 묶어서 노선을 만든다면 유동인구가 많은 구간을 어떻게 정할 것인가? 서울시는 KT와 MOU를 맺고, 휴대전화 이력 데이터에서 유동인구 통계 정보를 얻을 수 있는 채널을 마련했다. KT 역시 휴대전화 이력 데이터라는 매우 가치 있지만 프라이버시 이슈 때문에 잘 활용되고 있지 못하는 데이터를 공익차원에서 분석하고, 통계정보(프라이버시를 침해하지 않는 수준)를 제공함으로써 데이터 활용 가치를 높일 수 있는 계기가 된 것이다. 결국 이런 공공과 기업의 니즈를 잘 파악하고 함께 참여할 수 있는 그림을 그리고 실행한 것이 성공의 핵심이라 할 수 있다.

 

 

2. 포드의 빅데이터 활용

 

자동차 제조사들이 빅데이터에 일찍부터 관심을 가지게 된 것은 자동차가 엄청나네 많은 데이터를 쏟아내는 센서 덩어리라는 특성과 볼보의 성공적인 빅데이터 활용사례 덕분이다. 대부분의 자동차 제조사들은 빅데이터를 접목하기 위한 프로젝트를 진행 중이며, 그 중에서도 포드 사례가 유명하다.

 

1) 사용자 경험을 개선하기 위한 빅데이터 활용

최근 전기차와 하이브리드 자동차의 중간 형태인 플러그인 하이브리드 자동차가 대안으로 떠오르고 있다. 기본적으로 외부 충분한 배터리의 전기 동력으로 주행하다가 배터리 방전시 일반 하이브리드 자동자처럼 내연기관과 배터리를 동시에 사용하는 것이다. 하지만 주동력원이 배터리이다 보니, 운전자 입장에서는 배터리 방전 여부와 충전소 위치에 대해 민감할 수 밖에 없다. 포트의 PHEV(Plug-in Hybrid Electric Vehicle) 자동차들에는 센서 데이터를 수집해서 배터리 잔량, 최저 비용 충전 알림, 인근 충전소 차직 등의 정보를 운전자의 스마트폰 앱으로 보내준다. 이를 통해 PHEV 자동차의 불안감을 해소하여 보다 나은 사용자 경험을 제공한다.

포드의 PHEV인 포드 퓨전 에너지와 C-MAX 에너지에서는 시간당 25 기가바이트의 센서 데이터가 생성되고, 이를 이동통신망을 이용해 포드의 클라우드 컴퓨팅 서비스에 모아서 데이터 처리를 한 후 다시 운전자의 스마트폰 앱인 마이포드 모바일로 필요한 정보들을 보내준다.

마이포드 모바일앱 소개 동영상을 보면 배터리 관련 정보 이외에도 운전 스타일, 운전 기록, 줄인 이산화탄소 배출량 등 운전과 관련된 다양한 정보를 제공하고 있다. 이런 정보들이 차량에서 수집된 센서 데이터를 정제하여 제공되는 것인데, 앞으로 센서 데이터 패턴을 분석하여 고장진단이나 정비 시점 추천등의 안전성 향상 기능이 추가될 수 있고, 여러 운전자들의 센서 데이터를 함께 분석하여 소셜 드라이빙 서비스로 발전할 가능성도 점쳐 볼수 있다.

 

2) 자동차 설계와 개발에 대한 데이터 기반 의사 결정

자동차를 설계할때 고객 니즈를 정확히 판단하여 반영하는 것이 중요하다. 지금까지는 고객 니즈를 파악하기 위해 설문조사가 포커스그룹 인터뷰 등의 제한된 샘플 대상의 조사가 일반적이다. 포드의 SUV 차량인 이스케이프 개발에서 트렁크 오픈 방법에 대해 수동으로 할지, 자동으로 할지 결정할 필요가  있었는데, 포드 개발팀은 소셜 미디어의 데이터를 분석하여, 뒷 범퍼 아래 부착된 센서에 발을 가져다 대면 자동으로 트렁크를 열 수 있도록 설계하였다. 이러한 핸즈프로 파워 트렁크는 소셜 미디어에서 짐을 들고 트렁크를 열어야 하는 경우 불편함을 호소하는 목소리를 캐치한 결과이다. 설계와 개발에 전문가의 정성적인 판단보다 데이터 기반 의사결정을 내린 좋은 사례라 할 수 있다.

 

3) 빅데이터 활용을 위한 포드의 노력

위의 두 가지 사례는 사용자가 직접 체감할 수 있는 결과를 도출한 경우이다 하지만 포드의 빅데이터 활용은 이뿐만이 아니라, 차량 성능 개선을 위해 4백만 대 이상 차량의 센서 데이터를 수집하고 실시간으로 분석하여, 운전 패턴과 외부 환경에 따라 차량이 어떻게 반응하는지 탐구하고 있다. 또한 차량 동작 감시를 위한 74개 이상의 센서를 탑재하여, 차량 동작 모니터링을 하고 있다. 테스트 차량의 경우 한 대가 시간당 무려 250기가바이트 데이터, 즉 하루 6테라바이트의 엄청난 양을 쏟아내고 있다. 이와 같이 자동차 동작과 운전 등에 대한 정확한 분석은 새로운 자동차를 설계하고 개발할 때 객관적인 정보를 제공하고, 데이터 기반 의사결정을 할 수 있도록 도울 것이다.

이외에도 공급망 최적화를 통해 운영 효율을 극대화하기 위해 부품 입고부터 고객 납품까지 공급망의 전 과정에 빅데이터를 수집, 분석하고 이를 통해 공급망 전 과정의 완전하고 상세한 뷰를 제공한다. 소셜 미디어 데이터는 고객 니즈 분석에도 활용되지만, 어떤 상품이나 서비스를 고객과 매치해야 하는지 결정하는 데도 활용될 전망이다.

포드는 이러한 빅데이터 활용을 전담하기 위해 실리콘밸리에 빅데이터 연구소를 오픈하고, 다양한 빅데이터 도구들을 검토하고 활용하고 있다. 특히 빅데이터 플랫폼으로 하둡ㅇ르 중심으로 이용하고 있고, 분석 도구로써 R을 사용하고 있다. 이외에도 데이터 마이닝, 텍스트 마이닝을 위한 오픈소스도 다수 활용하고  있다.

 

 

3. 일본의 교통분야 빅데이터 활용 사례

 

일본의 경우 지진이나 해일 피해지역의 도로 교통상황을 안내할 수 있도록 일본 전역의 택시 약 11,000여 대와 데이터 제공에 동의한 사용자로부터 실시간으로 교통정보를 수집하여 분석하고 있다. 지진이나 해일 상황에서 교통 통제나 교통체증 해결 및 차량 구조를 위해 GPS 데이터에서 자동차의 주행 스피드를 계산할 수 있도록 교통정보를 예측한 후 사용자의 스마트폰으로 송신함으로써 가장 빠른 길을 탐색하여 안내한다. 일본의 경우 자연재해가 끊임없이 발생하기 때문에 인명피해나 차량 피해를 최소화 할 수 있는 방안으로 빅데이터 분석에 큰 기대를 갖고 있다.

 

 

빅데이터느 산업/의료 뿐만 아니라, 교통분야에도 크게 영향을 미치고 있다.

이로 인하여, 소비자들은 좀 더 편리한 서비스를 받을수 있게 되었고, 기업입장에서도 불필요한 비용을 절감할수 있게 되어 빅데이터 활용은 Win-Win 전략의 핵심으로 사용될 것이다.