머신 러닝을 활용한 지속 가능한 교통 장려

머신 러닝은 데이터에서 패턴을 찾고 예측에 필요한 정보를 제공할 수 있습니다. 교통 계획에서는 이동 수요와 접근성, 투자 대안을 분석하는 데 활용할 수 있습니다. 다만 신뢰할 만한 데이터와 지역에 대한 이해, 정책적 판단을 대신하지는 않습니다.

머신 러닝 알고리즘

머신 러닝에는 인공 신경망, 의사결정나무, 서포트 벡터 머신 등 여러 방법이 있습니다. 문제와 이용 가능한 데이터에 맞춰 적절한 방법을 선택해야 합니다.

Netflix (NFLX )의 추천 기능이나 일부 챗봇, 자율주행 시스템의 일부 기능에도 머신 러닝이 쓰입니다. 이러한 시스템이 항상 저렴하거나 정확한 것은 아닙니다. 교통 계획에 사용할 때는 예측을 실제 결과와 비교해 검증해야 합니다.

지속 가능한 교통의 목표

지속 가능한 교통은 환경 부담을 줄이면서 사람들이 직장과 서비스, 여가 활동에 접근하도록 돕는 것입니다. 걷기와 자전거, 대중교통, 전동화는 각각 다른 방식으로 기여할 수 있습니다. 전기차의 전체 환경 영향도 제조와 발전 방식, 실제 이용에 따라 달라집니다.

출처: MarketWatch — 미국의 지속 가능한 교통 이용 현황

서로 연결되는 교통 체계의 필요성

많은 도시에서 혼잡과 배출량이 중요한 과제입니다. 머신 러닝은 이를 분석하는 데 도움이 되지만, 실제 성과는 계획과 실행에 달려 있습니다.

지속 가능한 교통 계획은 자율주행차만의 문제가 아닙니다. 걷기와 자전거, 대중교통 등 여러 수단을 연결해 실용적인 대안을 제공해야 합니다.

지속 가능한 선택을 돕는 인프라

자전거 도로의 효과는 위치와 연결성, 안전성, 접근성에 따라 달라집니다. 서로 연결된 도로망은 고립된 구간보다 더 많은 이동을 지원할 수 있습니다. 토론토는 연구진이 확장 방식을 분석한 사례이지만, 도로망 모델 연구만으로 모든 실제 확장이 사고 감소를 가져왔다고 단정할 수는 없습니다.

데이터 분석이 도울 수 있는 부분

도시 계획자는 목적지와 교통량, 도로 구조, 기존 시설 등에 관한 정보가 필요합니다. 안전한 이동 경로에 접근하기 어려운 집단도 파악해야 합니다.

머신 러닝과 최적화는 대안을 비교하는 데 도움을 줄 수 있습니다. 다만 계산상 최적이라는 결과는 선택한 목표와 가정에 따른 것이며, 모든 주민의 필요를 충족한다는 뜻은 아닙니다.

전체 편익과 접근성의 형평성

한 연구는 토론토 자전거 도로망에서 전체 편익을 중시하는 방식과 형평성을 중시하는 확장 전략을 비교했습니다. 총접근성의 극대화는 이미 연결성이 좋은 지역에 투자를 집중시킬 수 있습니다. 시설을 넓게 분산하면 더 많은 지역에 기본적인 접근을 제공할 수 있지만 평균 접근성의 증가 폭은 작아질 수 있습니다. 연구는 목표 사이의 상충 관계를 보여주며, 알고리즘이 사회를 대신해 공정성을 결정한다는 뜻은 아닙니다.

실제로 작동하는 유인책

교통수단 선택에는 가격과 이동 시간, 안전성, 편의성, 대안의 유무가 영향을 줍니다. 전기차는 구매 가격과 충전 여건도 중요합니다. 연료 가격은 여러 요인 가운데 하나입니다.

교통 계획에는 오래전부터 정량적 방법이 사용돼 왔습니다. 새로운 머신 러닝은 분석을 발전시킬 수 있습니다. 디지털 보상과 블록체인도 검토할 수 있는 도구지만, 지속 가능한 교통의 필수 조건은 아닙니다.

블록체인은 거래와 보상을 기록할 수 있지만, 이동 데이터의 정확성이나 빠르고 저렴한 처리를 자동으로 보장하지는 않습니다. 걷기와 자전거 이용에 보상하는 앱은 개인정보와 부정 이용, 재원, 보상의 가치를 고려해야 합니다. 토큰 지급 자체가 자동차 이동의 감소를 입증하지도 않습니다.

도시 계획을 지원하는 머신 러닝

과거 데이터와 최신 관측을 결합하면 교통량과 수요를 추정하는 데 도움이 됩니다. 계획자는 시행 전에 여러 조치의 효과를 비교할 수 있습니다.

예측은 검증해야 하며, 데이터에서 중요한 집단이나 이동이 누락될 수도 있습니다. 따라서 분석을 지역의 경험과 주민 의견에 결합해야 합니다.

더 유용한 경로가 이용을 늘릴 수 있을까?

안전하고 접근하기 쉬우며 서로 연결된 경로는 지속 가능한 교통수단의 매력을 높일 수 있습니다. 실제 이용 증가와 자동차 이동 대체 효과는 지역 여건에 달려 있습니다. 이동 시간과 주요 목적지 접근성도 비용 및 다른 필요와 함께 고려해야 합니다.

충전 인프라

머신 러닝은 충전소 입지를 검토하는 데 도움을 줄 수 있습니다. 수요와 전력망 용량, 비용, 접근성을 함께 분석해야 합니다.

데이터 분석은 충전 일정과 배터리 관리도 지원할 수 있습니다. 다만 배터리의 기술적 한계와 안전 기준 안에서 개선해야 합니다. 어떤 상황에서나 가장 짧은 충전 시간과 가장 긴 수명을 동시에 보장할 수는 없습니다.

대기 오염 감소

교통 관련 대기 오염은 건강에 영향을 줄 수 있습니다. 노출 수준은 교통량과 도로와의 거리, 날씨, 주변 건물 등에 따라 달라집니다. 큰 도로 근처에 사는 모든 사람이 폐 질환을 앓는다고 단정할 수는 없습니다.

배터리 전기차는 주행 중 배기가스를 배출하지 않습니다. 그러나 타이어와 도로 마모에서 입자가 발생하며, 차량 제조와 발전 과정에서도 배출이 생길 수 있습니다. 전기차 비율과 대기질 개선이 항상 정확히 비례하는 것은 아닙니다.

전기차 이용자 지원

디지털 서비스는 질문에 답하고 유지보수를 지원하며 이용자 간 경험 공유를 도울 수 있습니다. 머신 러닝은 일부 기능에 활용될 수 있지만 모든 기능에 필요한 것은 아닙니다. 이용자와 이동에 관한 정보를 적절히 관리해야 합니다.

전기 자전거와 관련된 기업 사례

전기 자전거는 교통 전동화 시장의 일부입니다. 다음 기업은 2024년 기사 작성 당시 이 시장과 관련이 있었습니다. 해당 연구를 활용했다거나 머신 러닝으로 확실한 매출 증가를 얻는다는 뜻은 아닙니다.

Vista Outdoor

Vista Outdoor는 2015년 독립 기업으로 출범해 여러 아웃도어 및 스포츠 브랜드를 보유했습니다. 전기 자전거 제조사 QuietKat도 당시 포트폴리오에 포함됐습니다.

QuietKat 은 산악 및 비포장도로 이용 등을 위한 전기 자전거를 제공합니다. 모터 출력과 방식은 모델마다 다릅니다. VPO는 Variable Power Output의 약자로 출력과 주행 모드를 조정하는 기능입니다. 그 자체가 머신 러닝 기능은 아니며, 선택한 모드가 해당 지역의 이용 규정을 자동으로 충족하는 것도 아닙니다.

전기 자전거 수요와 기업 실적은 여러 요인의 영향을 받습니다. QuietKat의 팬데믹 기간 수익 변화와 Vista Outdoor 전체 실적 사이의 직접적인 인과관계를 여기서 단정할 근거는 충분하지 않습니다.

Vista Outdoor는 2024년 10월 Revelyst를 SVP에 기업가치 11억 2,500만 달러, The Kinetic Group을 CSG에 22억 2,500만 달러로 매각하는 계약을 발표했습니다. 합계는 33억 5,000만 달러입니다. 당시에는 조건이 붙은 계약 단계였으며 이미 완료된 거래가 아니었습니다. 이러한 소식만으로 해당 주식을 매수해야 한다고 판단할 수는 없습니다.

더 지속 가능한 교통을 위한 계획

머신 러닝은 도시와 기업의 교통 계획에 유용한 도구가 될 수 있습니다. 그 효과는 데이터와 분명한 목표, 실제 결과의 평가에 달려 있습니다. 기술을 적절한 인프라와 이용자에 대한 고려에 결합해야 합니다.

다른 AI 프로젝트도 살펴보세요.