데이터 기반 교통 계획 및 운영.

지하 케이블 설치 작업이 완료되어 거리가 깨끗해졌습니다. 사진: 탄 란 — 도시 내 인프라와 제도가 조화를 이룰 때, 도시는 물리적 투자에만 의존하지 않고도 다양한 환경 개선 방안을 통해 교통 흐름을 지속적으로 향상시킬 수 있다. (사진: 도시의 교차로. 사진: 탄 란)

인간의 모든 움직임, 차량의 모든 이동, 도시에서 일어나는 모든 사건은 도시의 리듬과 역동적인 구조를 반영하는 데이터 흐름을 생성합니다.

데이터를 바라보는 관점을 바꿔보세요.

도시 지역의 성장 속도가 물리적 기반 시설 확장 속도보다 빠르고, 모든 병목 현상이 사회적 비용으로 이어지는 상황에서 효과적인 계획 및 운영을 위한 유일한 접근 방식은 교통을 두 개의 평행한 층위, 즉 우리가 눈으로 볼 수 있는 물리적 층위와 우리가 이해해야 하는 데이터 층위로 바라보는 것입니다. 이는 새로운 원칙으로 이어지는데, 모든 물리적 교통 계획은 데이터 흐름에 대한 심층적인 이해를 바탕으로 해야 하며, 모든 물리적 병목 현상은 확장이나 신규 건설을 고려하기 전에 데이터를 통해 완화되어야 한다는 것입니다.

데이터를 무시하고 육안으로만 관찰한다면 교통은 언제나 혼란스럽고 예측 불가능한 연속처럼 보일 것입니다. 하지만 카메라, IoT, GPS, 디지털 지도, 대중교통, 도시 기반 시설에서 나오는 데이터 스트림을 통합하면 전혀 다른 그림을 볼 수 있습니다. 실제 교통 흐름은 누가 어디로, 언제, 어떤 경로로, 어떤 이유로 가는지에 대한 행동 데이터, 평소 교통량과 계절적 변동, 실제 병목 현상과 지역적 현상 등 다양한 데이터에 기반하여 형성됩니다.

데이터는 원인과 결과를 구분하는 데 도움을 줍니다. 그렇지 않으면 근본적인 문제를 간과한 채 표면적인 계획만 세우게 될 가능성이 높습니다. 따라서 현대 교통 계획은 정적인 조사나 선형 모델에 의존해서는 안 되며, 실시간으로 장기적인 관점에서 동적 데이터 분석을 기반으로 해야 합니다.

데이터 수집 및 표준화가 완료되면 다음 단계는 이동 행태를 모델링하고 계획 시나리오를 시뮬레이션하는 것입니다. 마이크로 시뮬레이션 및 다중 에이전트 모델링 기술을 통해 수십만 대의 차량이 매초 어떻게 상호 작용하는지 재현할 수 있습니다. 이러한 모델은 새로운 노선, 수정된 인터체인지 또는 전용 버스 차선이 어떤 파급 효과를 가져올지 검증합니다. 다시 말해, 데이터는 계획을 추측 단계에서 검증된 단계로 전환시켜 줍니다. 도시가 디지털 환경에서 다양한 옵션을 시뮬레이션하고 검증해야만 물리적 투자에 대한 확신을 갖고 수십 년 동안 지속될 수 있는 실수를 피할 수 있습니다.

하지만 아무리 철저한 계획을 세운다 해도 물리적 인프라에는 한계가 있습니다. 도로를 즉시 확장할 수는 없고, 다리를 단 몇 달 만에 건설할 수도 없으며, 공공 예산이 모든 병목 현상을 해결할 만큼 충분하지 않습니다. 이러한 상황에서 데이터는 물리적 인프라를 보완하고 강화하는 무형 인프라의 역할을 계속해서 수행하고 있습니다.

데이터 기반 예측 시스템이 병목 현상이 발생하기 10~30분 전에 이를 파악할 수 있다면, 도시는 신호등 주기 조정, 차선 반전, 녹색 신호 도입, 디지털 지도를 통한 원격 교통 흐름 분산, 시민들의 휴대전화로 대체 경로 제안 등과 같은 간접적인 교통 개선 조치를 시행할 수 있습니다. 이러한 조치들은 교통 흐름 패턴을 결정하는 두 가지 요소인 행동과 수요에 영향을 미치기 때문에 효과적입니다. 실제로 연구에 따르면 통근자의 10~15%만 통근 시간이나 경로를 변경해도 도로를 한 미터도 확장하지 않고 병목 현상을 해결할 수 있습니다.

우리는 유연한 해결책 에 집중해야 합니다 .

핵심은 데이터가 당장의 운영에 도움이 될 뿐만 아니라 장기적인 수요 관리의 기반을 형성한다는 점입니다. 도쿄(일본)는 새로운 도로를 건설하는 대신, 시간별 열차표 데이터를 분석하고 수요를 분산시키기 위해 운행 스케줄을 조정함으로써 교통 혼잡을 줄입니다. 싱가포르는 ERP 시스템을 활용하여 가격 기반으로 수요를 분배합니다. 서울(대한민국)은 AI를 사용하여 교차로 확장 없이 신호등 주기를 최적화함으로써 교통 체증을 완화합니다. 로스앤젤레스(미국)는 단일 데이터 센터에서 4,500개의 교차로를 관리합니다. 코펜하겐(덴마크)은 자전거 및 기상 데이터를 활용하여 혼잡 시간대에 교통 흐름이 느린 차량의 흐름을 우선시합니다. 이 도시들은 모두 데이터를 활용하여 병목 현상을 완화하는 것이 물리적 인프라를 구축하는 것보다 훨씬 효과적이고 경제적이라는 것을 보여줍니다.

데이터가 진정한 소프트웨어 인프라로 자리매김하려면 도시에는 통합 데이터 아키텍처가 필요합니다. 중심 허브 역할을 하는 도시 이동성 데이터 허브, 교통 시뮬레이션 및 테스트를 위한 디지털 트윈, 실시간 최적화를 위한 AI 교통 엔진, 그리고 지속적인 데이터 수집을 위한 지능형 교통 시스템(ITS)이 여기에 포함됩니다. 또한, 관련 기관들은 변화에 적응해야 합니다. 계획 수립에 데이터와 시뮬레이션 활용을 의무화하고, 기관과 교통 관련 기업 간의 데이터 공유를 요구하며, API를 표준화하고, 새로운 교통 조직 모델을 시범 운영할 샌드박스를 구축해야 합니다.

소프트 인프라와 제도가 조화를 이룰 때, 도시는 하드 인프라 투자에만 의존하지 않고도 소프트 솔루션을 통해 교통 흐름을 지속적으로 개선할 수 있습니다. 데이터를 활용하여 스마트 신호등, 유연한 차선 배정, 조기 경보 시스템, 경로 추천 등을 제어하면 교통 혼잡을 줄일 뿐만 아니라 악천후 상황에서의 안전성도 향상시킬 수 있습니다. 이는 하드 인프라만으로는 해결할 수 없는 부분입니다.

위에서 언급한 모든 내용을 종합해 보면, 교통은 더 이상 도로 건설 경쟁이 아니라 데이터 흐름을 포착하고 조직화하는 경쟁이라는 결론에 도달합니다. 물리적 인프라는 기반이지만, 데이터 인프라는 그 기반을 구현하는 역량입니다. 데이터를 능숙하게 다루는 도시는 사람들의 이동 방식을 통제하고, 교통 체증으로 인한 사회적 비용을 줄이며, 경제적 효율성을 높이고, 삶의 질을 향상시킬 수 있습니다. 따라서 현대 도시의 교통 계획은 데이터 흐름에 대한 깊이 있는 이해를 바탕으로 수립되어야 하며, 모든 물리적 병목 현상은 확장을 고려하기 전에 데이터를 통해 해결되어야 합니다.

출처: https://baodanang.vn/quy-hoach-van-hanh-giao-thong-bang-du-lieu-3314724.html