과제: AI를 활용하여 실시간 승객 수를 정확히 예측하고, 사용자 이동 경로를 분석하며, 안내 표지판에 대한 반응을 평가하는 방식을 개선합니다.

해결 방안: 다양한 출처의 데이터를 활용하여 승객 수를 예측하고 사용자 이동 경로를 분석하는 AI 기반 시스템

주요 성과:

• 사용자 경험 향상
• 커뮤니케이션 개선
• 승객 안전 강화
• 노선 운영 효율화
• 직원 대응 능력 향상

LINCOLN은 유럽에서 가장 인구가 많은 도시 중 하나의 지하철 시스템이 직면한 과제를 해결하기 위해 도움을 요청받았습니다.
주요 요청 사항은 실시간으로 승객 수를 예측하고, 사용자 이동 경로와 역 내 안내 표지판에 대한 반응을 분석하는 것이었습니다.

실시간 예측 기능은 승객에게 혼잡 예상 시간을 사전에 알릴 수 있어, 행동을 조정하고 보다 쾌적하고 안전한 승차 경험을 제공할 수 있도록 해줍니다. 또한 예기치 못한 상황에 대해 현장 요원들이 보다 신속하게 대응할 수 있도록 합니다. 이러한 정확한 예측을 위해서는 무게 센서, 전자 티켓 검증 데이터, 크라우드소싱, 네트워크 토폴로지 등 다양한 출처의 데이터를 교차 분석해야 합니다.

한편, 사용자가 지하철역 공간과 어떻게 상호작용하는지를 분석하는 것 또한 사용자 경험을 개선하고 안전을 보장하는 데 필수적입니다. 이는 개인정보 보호 규정을 철저히 준수하면서 역 내 CCTV 등을 통해 수집된 사용자 이동 데이터를 분석함으로써 달성할 수 있습니다. 또한, 이용객들이 역 내 다양한 표지판에 어떻게 반응하는지를 이해하는 것도 매우 중요한 요소입니다.

이를 실현하기 위해 LINCOLN은 YoLo와 DeepSort와 같은 컴퓨터 비전 도구를 활용하여 사용자를 공간 내에서 감지하고 추적할 수 있도록 설계된 딥러닝 알고리즘을 개발했습니다. 영상 화질, 기둥과 같은 장애물의 존재, 혼잡 시간대의 대규모 승객 흐름 등 여러 요소들이 개인 추적을 어렵게 만드는 도전 과제로 작용했습니다. LINCOLN이 개발한 솔루션은 네트워크 관리자가 공간 활용을 최적화할 수 있도록 지원하며, 가장 혼잡하거나 위험 가능성이 높은 구역을 식별할 수 있게 해줍니다. 또한, 안내 표지판이 있는 역과 없는 역을 비교하고, 사용자 반응을 관찰함으로써, 표지판이 부족하거나 비효율적으로 설계된 경우에 대한 중요한 인사이트도 도출할 수 있었습니다.

이번 사례는 도시 철도 교통의 개선을 위한 데이터와 인공지능의 실질적인 효과를 입증했습니다.
운영 효율화와 승객 경험 향상은 물론, 예측 유지보수, 요금 전략, 교통 흐름 최적화까지 다양한 영역에서 AI의 이점이 드러났습니다. 데이터와 AI 기술의 결합은 미래 모빌리티 과제를 해결하고, 도시 교통망을 사용자 중심의 지능형 시스템으로 전환하기 위한 핵심 동력입니다. 고정밀 모니터링, 고급 예측 기법, 자동 감지 시스템, 정교한 딥러닝 모델 등을 개인정보 보호 규정에 따라 철저히 적용함으로써, 현대 지하철 시스템은 안전성과 효율성을 크게 향상시키고, 전반적인 승객 경험을 개선할 수 있습니다.