어느 때는 그리고 어느 떄는 하지만 그 정체는

안녕하십니까? UNIST 컴퓨터공학과 고성안입니다.

이번 발표에서는 인공지능 기반 교통 정체 분석 모니터링 예측 시스템에 대해서 말씀드리겠습니다.

교통정체는 흔히들 아시다시피 대도시에서 겪는 흔한 현대사회의 문제점 중 하나입니다.

그렇지만 이러한 교통 데이터를 실질적으로 시민들에게 좀 더 도움이 되도록 분석을 하고 활용하는 부분들은 도로교통망의 데이터가 크고 복잡함에 따라서 쉽지 않은 문제입니다.

특히나 많은 도시들이 ITS시스템이라고 교통정보들을 생성하는 시스템들을 다 설치를 해서 공공데이터들이 올라오고 있는데 이러한 데이터들이 잘 활용되지 못하고 주기적으로 삭제되고 있습니다.

많은 공공, 교통 공공데이터들을 어떻게 하면 좀 더 시민들에게 활용할 수 있도록 할 수 있을까 고민을 해서 2016년부터 현업의 전문가 분들과 함께 많은 미팅을 협업을 해서 문제점을 파악하고 어떻게 하면 해결할 수 있을지에 대해서 논의를 하였습니다.

그래서 이제 방송국들, 방송국, 교통관리센터, 울산광역시 시청 분들, 관리센터, 도로교통공단, 방송국, 경찰청 그리고 UTIC 경찰청 정보센터까지 다 방문을 드리고 협업을 꾸준히 진행해왔고 그래서 현업의 전문가 분들은 교통정체를 좀 더 쉽고 잘 분석할 수 있는 방법 그리고 실시간으로 어디가 막히는지, 어디가 중요한 도로인지 볼 수 있는 시스템 그리고 앞으로 어디가 예측이... 어느 도로가 막힌다가 예측될 수 있다면 그런 부분까지 고려해서 선제대응을 해서 예를 들어 경찰관 분들께서는 신호제어를 선제적으로 제어를 해서 정체를 줄일 수 있는 부분들에 대해서, 교통정체를 줄일 수 있다는 부분에 대해서 많은 말씀을 나눴습니다.

그래서 저희가 이러한 여러 가지 공공데이터와 현업 전문가들의 말씀을 듣고 시스템을 만들었습니다. 기본적으로 여러 공공데이터에서 이제 데이터를 저희가 받아와서 얼마나 많은 차량들이 지나가는지 그리고 속도는 어떻게 되는지에 대해서 데이터를 모으고 그리고 딥러닝으로 학습을 시키고 그리고 그 결과를 시각화를 통해서 쉽게 볼 수 있도록 하는 시스템을 구성하였습니다.

그래서 딥러닝으로 예측을 함에 있어서 기존의 속도데이터뿐만 아니라 주변에 있는 도로까지 같이 학습을 하였고 그리고 도로망의, 사이의, 도로네트워크의 망들의 유사도를 같이 계산해서 인공지능이 학습할 수 있도록 하였습니다.

그리고 추가적으로 도시마다 도로마다 서로 다른 러시아워 시간을 가지는데 그런 부분들도 현업 전문가 분들과 협업해서 주로 막히는 지점을 인공지능에게 추가로 학습을 하였습니다.

그래서 예측결과로는 15분 후 도로 속도를 예측했을 때 평균 4km 이내의 속도로 예측할 수 있었고 서행, 정체, 원활 이 3가지 항목에 대해서 예측을 시켰을 때 78%로 교통정체가 막힌다, 안 막힌다, 광역시의 전역 도로에 대해서 예측을 할 수가 있었습니다.

그래서 마지막으로 현업 전문가 분들이 좀 더 쉽게 쓸 수 있도록 하기 위해서 시스템을 전체적으로 제작을 하였습니다. 그래서 어느 도로가 막히는지 그리고 '브이에스리버스(VSRivers)'라는 기술을, 저희가 시각화 기술을 새로 만들어서 여기서 두께는 차량의 양이고 색깔이 속도를 얘기하고 있습니다.

그래서 여기 시각화를 보시면 아시겠지만 간단하게 두껍고 빨간 도로가 현재 가장 막히는 중요한 도로입니다. 각 이러한 지점들은 울산시의 데이터를 사용하기 때문에 기본적으로 여러 가지 로터리라든지, 그리고 다운타운지역 그리고 주거지역 있는 부분 이런 데, 이런 부분들은 한 도시 내에서도 교통패턴이 다르게 나옴을 확인을 하였습니다.

그래서 방송국 분들께서는 예를 들어 CCTV 데이터를 실시간으로 확인하고 이 데이터와 함께 연동시켜서 교통방송을 할 수가 있습니다.

그래서 또 한 가지 데이터 분석으로는 저희가 과거 데이터에서 어느 도로가 막히면 주로 어떤 도로가 또 다시 막히더라는 부분에 착안을 해서 저희가 알고리즘을 개발을 하여서 그런 부분들을 알고리즘을 수행하고 시각화를 했습니다. 예를 들어 고속도로 진출을 빚는 로터리에서는 한쪽이 막히고 그 다음에 이어서 다른 진출입 부분이 다시 막히게 됩니다. 그래서 각 도시마다 어떤 도로들은 같은 시간에 동시에 막히는 도로가 있는 반면에 순차적으로 정체가 전파되는 도로들도 있음을 확인하였습니다.

그래서 저희 시스템에 대해서 이제 시연영상을 보시면 좀 더 이해를 하실 수 있을 거라 생각을 합니다.

여기 여러 가지 메뉴들이 있습니다. 그래서 다양한 현업 전문가 분들에게 도움을 드리기 위해서 기본적으로 과거 데이터를 언제든지 확인할 수가 있고 현재 데이터를 모니터링 할 수 있고 이 부분들은 울산시에 과거의 정체 패턴이 어떻게 생기는지를 보여주고 있습니다. 화살표가 있는 방향으로 정체가 발생하면 진행이 된다고 생각하실 수 있습니다.

그리고 여기는 'VSRivers(Volume-Speed Rivers)'입니다. 예를 들어 실시간 모드로 이 부분은 예측 모드인데, 실시간 모드로 어느 도로의 양방향이 막히고 있는데 15분 뒤에 다른 상행선은 정체가 풀린다고 예측을 하였습니다. 그래서 실제로 해당하는 날짜의 49분에 실시간과 예측 그리고 15분 뒤에 확인을 했을 때 실제로 정체가 풀린 것을 확인할 수가 있습니다. 그래서 이러한 부분들을 교통방송에 활용할 경우에 현재에는 어디가 가다 서다 정도로 '가다 서다를 반복하였습니다.' 이런 멘트를 많이 들으셨을 겁니다.

그런데 이러한 저희가 실시간 속도 그리고 다음 속도까지 예측을 할 수 있기 때문에 차후에는 교통방송을 들으실 때 현재는 속도가 몇km인데 15분 뒤, 20분 뒤, 30분 뒤에는 몇 km라고 구체적으로 속도까지 예측한 방송을 들으실 수 있을 것으로 예상을 합니다.

그래서 이 기술의 우수성은 기본적으로 딥러닝 기반으로 기존 예측방식보다 오차를 훨씬 낮췄습니다. 그리고 광역시 전역도로를 1분 이내로 다 예측할 수가 있습니다. 그리고 5분, 10분, 15분, 20분, 30분 시간대에 구애받지 않고 설정해서 예측할 수가 있습니다. 그리고 시각화 기술로 좀 더 중요한 도로, 차량 소통량이 많은 도로, 그리고 정체되는 도로를 한눈에 알 수 있도록 하는 것이 우리 이 시스템의 장점입니다.

그래서 이러한 시스템을 활용하는 분야를 생각해보면 기본적으로 교통정체 데이터를 분석해서 도로망 개선이나 정비사업에 활용할 수 있고요. 그리고 경찰청 같은 경우에 어디가 막힌다 그러면 신호제어라든지 이런 부분을 통해서 선제적으로, 적극적으로 신호변경을 통해서 교통의 소통 정체를 줄이는 부분에 활용할 수가 있습니다.

그리고 교통정체 예보방송에서는 이전에 말씀드린 바와 같이 속도와 시간까지 구체적으로 예측을 해서 방송을 드릴 수가 있고요. 내비게이션에 활용할 경우에 현재는 내비게이션이 경로를 설정할 때 현재 상태만 반영해서 경로를 설정하고 그 결과로 우리가 운전하고 가다보면 한 번씩 업데이트가 돼서 소요시간이 늘어나는 부분들을 경험하셨을 것입니다.

그래서 경로를 설정할 때 내가 해당하는 지점에 대해서 속도가 어떻게 될지 예측할 수 있다면 그런 부분들이 반영이 되면 '운전을 해서 할수록 소요시간이 늘어나는 부분들을 줄일 수 있지 않을까.' 생각을 합니다. 그리고 광역시 전역에 대해서 예측이 가능, 실시간 및 예측이 가능하기 때문에 차후에 자율주행차량 시대가 올 때 기초데이터로 활용할 수 있는 부분이 있지 않을까 생각을 합니다.

그래서 교통방송에서 울산교통방송에서 TBN에서 지난 1월부터 방송을 우리 시스템을 사용을 해서 하루에 2차례 활용을 하였습니다. 해당하는 방송 내용을 한번 들어보도록 하겠습니다.

<동영상 시청>

이상입니다. 이 시스템은 저희가 방송국의 리포터 분들을 위해서 약식버전으로 제공하고 있고, 저희가 현재도 그분들이 활용을 하고 계신 버전입니다.

많은 분들이 이 연구를 하는데 도움을 주셨습니다. 과기정통부, 정보화진흥원의 '빅데이터 플레그십 시범사업'의 지원을 받았고요. 그리고 도로교통공단의 권기영 차장님 그리고 방송국의 장현준, 조원아 PD님 그리고 울산광역시의 교통정책과와 교통관리센터의 여러 사무관님, 주무관님들 많은, 그 외의 많은 분들의 도움을 받아서 진행이 되었습니다.

이상 발표를 마치도록 하겠습니다.

[질문·답변]
※마이크 미사용으로 확인되지 않는 내용은 별표(***)로 표기하였으니 양해 바랍니다.

<질문> 논문명을 보니까 시각화 관련된 논문인 것 같은데요. 그러니까 지금 2가지 기술을 한꺼번에 소개하셨는데... 그러니까 시각화 기술이 더 중요한, 이번에 개발한 기술인가요? 아니면 예측하는 딥러닝 기술이 더 중요한 기술인가요?

<답변> 저희... 저희 쪽 도메인은, 저희 쪽 연구 분야는 현장에 계신 분들이 활용하는 분야에 이제 초점을 두고 있습니다. 그래서 저희가 처음에 ***를 뽑을 때 예측하는 기술뿐만 아니라 시각화까지도 같이 필요한 것으로 나왔습니다. 그래서 딱히 뭐가 하나하나 더 중요하다고 하기에는 쉽지 않을 것 같은데 일단은 딥러닝 기반으로 학습해서 도심 쪽에 한 부분도 최초로 한 부분들이 있기 때문에 국내에서 그런 부분들도 의미가 있다, 라고 생각을 합니다.

<질문> 학습한 데이터가 울산시 중심으로 했잖아요. 그러면 이거를 다른 지방에 적용할 때 그 지역의 맵이나 교통상황이나 이런 것 다시 재학습을 새로 시켜야 되는 건가요, 아니면?

<답변> 네, 맞습니다. 데이터가 바뀌면 도시가 바뀌면 당연히 그 데이터, 그 도시의 데이터를 따로 이제 받아서 학습을 해야 됩니다.

<질문> 그게 얼마나 걸리나요?

<답변> 저희가 한 6시간 정도 걸리고요. 3개월 정도 데이터를 학습을 했습니다.

<질문> 3개월 정도.

<답변> 예, 그래서 교통흐름 같은 경우에... 예를 들어 한번 학습했다고 끝나는 게 아니고 교통은, 도로상황은 언제든지 변할 수 있으니까 공사도 진행하고, 신호제어도 바꾸기도 하기 때문에 한 번씩 재학습을 시켜줘야지 정확도를 유지할 수 있을 것으로 생각을 하고 있습니다.

<질문> 이렇게 3개월 정도만 학습하면 충분히 다른 도시에서도 바로 적용이 가능하다?

<답변> 네, 일단은 그렇게 생각하고 있습니다.

<질문> 이게 수집하는 데이터set이 그러니까 지금 현재 도시교통시스템에서 수집하는 데이터가... 그러니까 어떤 지역 그리고 현재 속도, 그 정도인 거죠? 아까 보니까 CCTV 화면도 있던데.

<답변> 네, CCTV도 있습니다. CCTV도.

<질문> 영상... 영상 이미지도 수집해서 바로 분석을 하는 건가요?

<답변> 영상은 저희가 다음 연구단계입니다. 지금 저기에 CCTV가 들어간 이유는 교통방송 리포터하시는 분들이 막힌다, 라고 떴는데 실제 막히는지 확인해보고 방송하기 위해서 들어간 기능입니다.

<질문> 오차범위가... 왜 그러냐면 데이터가 구간, 구간의 이제 범위가 보통 한 단위가 몇 m 정도 됩니까?

<답변> 저희가 한 부분은 한 2km에서 3km 정도로 하고 있습니다.

<질문> 한 구간이 3km?

<답변> 네, 그래서 올해 같은 경우는 그 부분이 이제 좀 짧기 때문에 나타나는 오차부분들, 길기 때문에 나타나는 오차부분도 있기 때문에 올해는 경찰청과 협조를 해서 좀 더 좁은 구간의 데이터, 전국구 데이터를 받아서 학습할 예정입니다. UTIC 데이터라고 이제 부르고 있습니다.

<질문> 도시 내에서 2~3km 너무 먼 거, 너무 긴 거 아닌가요?

<답변> 네, 맞습니다. 그 부분이 저희가 공공데이터를 활용을 했는데 울산시에서는 울산시에서 공공데이터 적용하는 부분은 일단 긴 데이터입니다. 그렇지만 도심 안의 부분들은 평균이 2~3km지만 실제 도심 안에서는 1km 이내 500~600m 정도 이런 구간들도 많이 들어있습니다.

그러니까 저희가 시청에서, 시청교통과에서 ITS시스템이라고 그렇게 깔아놓은 이유가 긴 구간들은 차량통행이 그렇게 많지 않기 때문에 이 정도 길게 해서 된다, 라고 20년 동안 깔아두셨고 도심의 중요한 부분들에 대해서는 촘촘하게 깔아두셨습니다. 그래서 평균 내면 길기는 하지만 도심에 대해서는 조금 더 좁은 좁다, 라고 보실 수가 있습니다.

<질문> 특정한 구간에 데이터의 15분 뒤 상황을 예측하기 위해서 활용해야 되는 데이터의 범위가, 넓이가 어느 정도까지입니까?

<답변> 그 부분도 저희가 계속 실험을 하고 있습니다마는 현재 저희가 논문에 쓰인 부분들은 한 460개 도로를 다 같이 학습을 했습니다. 그런데 데이터set 자체는 430개의 도로지만 보통 한 도로에 대해서 주변의 4개 도로에 대해서 속도를 같이 학습을 합니다. 어느 도로에 대해서 예측을 하기 위해서는 연결된 도로가 있지 않습니까? 예를 들어 사거리 정도까지를 맥스로 해서 저희가 학습을 했습니다. 그래서 4개 정도는 미니멈으로 본다고 보시면 될 것 같습니다.

<질문> 아까 전에 공공데이터가 주기적으로 삭제돼서 활용방법에 대해서 고심하다가 이렇게 개발하게 되셨다 그러셨잖아요? 이 가공된 데이터는 관리를 누가 하는지 주체가 누구인지와 그리고 보관기간이 어느 정도 되는지 궁금하고요. 그다음에 지금 현업에 계신 분들이 실제로 활용하고 계시다고 들었어요. 그 현업이 구체적으로 어느 분들인지 설명 부탁드립니다.

<답변> 공공데이터 같은 경우는 제가 듣기로 울산시의 경우에는 한 달 정도 보관을 하고 폐기하는 것으로 알고 있습니다. 왜 그러냐하면 교통데이터는 굉장히 빅데이터라서 그거를 저장할 예산이 없습니다. 그래서 그런 것 때문에 각 지자체에서는 경찰청 안에 있는 큰 서버가 있습니다. 그쪽으로 전달해서 데이터를 따로 모으고 있는데 그 데이터가 이제 UTIC데이터라고 부르고 있습니다.

그리고 현업에 대해서는 일단 두 교통관리센터와 그리고 방송국 분들 리포터 분들, PD분들하고 이렇게 크게 두 부분으로 보실 수 있습니다. 그래서 방송국 같은 경우는 교통방송 같은 경우는 저희 영상에서도 보여드렸다시피, 영상에서도 저희 약식버전을 쓰시고 교통방송을 하는데 직접 예측을 하시고 있고요. 교통관리센터에서 교통모니터링 하시는 분들 같은 경우는 어느 구간이 주로 막히는지 그리고 교통관리센터에 경찰관 분들도 같이 있습니다. 어느 구간이 막힌다, 이런 부분들에 대해서 신호제어를 하시는데 참고해서 제어를 할 수 있다. 이제 그렇게 활용되는 것으로 알고 있습니다.

<질문> ***

<답변> 경찰청 산하의 UTIC라는 따로 하부 조직이 있는 것으로 알고 있습니다. 그쪽에서 전국의 지자체에서 ITS로 우리나라가 많이들 깔아놨기 때문에 그 인프라를, 거기서 올라오는 데이터를 다 모으는 것으로 알고 있습니다.

<질문> 이 기술로 가공된 데이터도요?

<답변> 아닙니다. 아직 그거는 아니고요. 시에서 그동안 깔아놓은 데이터, 로우데이터들이 그냥 올라가고 있습니다.

<질문> 그러니까 이 가공된 데이터를, 이 기술로 가공된 데이터를 앞으로 누가 관리를 하시고 활용을 하실 건지 ***

<답변> 그 부분은 UTIC의, 경찰청 산하의 UTIC에서 계속 관리를 하실 예정입니다.

<질문> 경찰?

<답변> 네, 경찰청.

<질문> 이게 이제 사적인 부분, 기업에 이거 다른 맵들에게 적용이 된다면 어떤 혜택이 있을까 말씀 좀 해주세요.

<답변> 네, 저희가 이제 예를 들어 기업 쪽에서 활용할 수 있는 부분은 한 2가지 정도로 예측할 수가 있습니다.

첫 번째는 내비게이션 시스템에서 저희가 아까 말씀드렸다시피 분명히 출발할 때는 20분 걸렸다고 했는데 가다 보니까 도착시간이 30분 이상 넘어가는 경우도 있을 수가 있습니다. 그런 부분들은 출발할 때 20분이면 통과한다고 했지만 중간에 정체가 발생함으로써 그 부분들에 대해서 통과시간이 더 늘어나서 결과적으로는 통과시간이 차라리 다른 길로 가는 게 빠를 것 같다. 이런 부분들을 줄일 수 있을 것 같습니다.

그러니까 처음에 경로를 설정할 때 어느 도로가 예측이 될 수 있다면, 속도가 예측이 된다면 구간, 구간별로 좀 더 최적화 시켜서 경로를 제공한다면 그런 부분들에 있어서 회사 내비게이션 시스템에 탑재가 된다면 활용도가 있을 것으로 생각을 하고 있습니다.

그리고 두 번째 같은 경우는 저희가 나중에 자율주행차량들이 나오고 있는데 지금 현재 저희도 승차공유라든지 이런 부분들이 있고 나중에 자율주행으로 갈 예정으로 알고 있는데 전체 차량들이 무인차량으로 이제 이동을 하게 된다면 이런 자동화된 전역에 대한 데이터 수집이 필요하게 됩니다.

그래서 전역으로 실시간 수집 플러스 현재의 흐름으로 갈 경우에 앞으로 흐름에 어디가 막힐 것인지 예측할 수 있다면 자율주행차량 알고리즘에서 경로를 설정할 때 자율적으로 좀 더 빠른 경로로 설정을 해서 가는데 도움이 되지 않을까 생각하고 있습니다. 이상입니다.

<질문> 자료에 보면 기대효과라고 해서 몇 가지가 나와 있는데요. 보통 이런 시스템을 활용하면 또 다른 사회경제적 가치 이런 것도 보통 기대효과에 나오던데 혹시 수치화 할 수 있는 부분이 있는지 있으시면 그것 좀 확인 부탁드립니다.

<답변> 제가 그쪽은 전문가가 아니라서 부가가치를 계산하는 부분은 제가 잘 모르겠습니다.

<질문> 발표하신 내용을 보면 그러니까 현재 이게 현재 활용이 교통방송에서 활용되고 있는데, 사실 교통방송의 활용이라는 것은 사실 방송할 곳을 미리 정해놓고, 어디 어디가 어디를 주로 사람들이 관심 갖는 부분이 울산시만 해도 몇 군데, 손가락에 꼽을 만한 정도의 지점만 정해놓고 거기를 집중적으로 분석하면 방송은 가능할 것 같은데 실제로 이게 개인 내비게이션까지 적용되려면 모든 지점에 대해서, 모든 데이터가 실시간으로 공유가 되어야 되지 않습니까, 그렇죠? 거기까지 가려면 시간이 걸릴 것 같은데 어떻게 생각하세요?

<답변> 실시간 데이터는 현재도 많은 내비 회사들에서 다 그 정도는 다 처리를 하고 있습니다. 그래서 어려운 부분들은 만약에 어려운 부분이 있다면, 만약에 100만 명이 사용을 한다 했을 때 그분들에게 전부다 예측을 해서 제공한다는 부분들은 말씀하신 대로 어려운 부분이 있을 수 있습니다. 그렇지만 요즘 프로세싱 성능들이 많이들 좋아지고 있으니까 그런 부분들은 시간이 지나면 해결되지 않을까 생각하고 있습니다.

<질문> *** 딥러닝이 가능한 건가요? 아니면 서버에서 딥러닝을 해서 예를 들어 제가 어디 A구간에서 B구간을 갈 때 A구간에서 B구간 간다고 서버에 전송을 하고 서버에서 받아서 다시 이제 저에게 최적화된 길을 안내해 주는 건가요? 아니면 여기 내비게이션 안에 들어가서 그게 실시간으로 그게 딥러닝이 가능한가요?

<답변> 저희가 이제 이 부분에서 많이들 오해하실 수 있는 부분들이 저희 시스템은 내비게이션 시스템은 아닙니다. 그러니까 어디, 어디가 막힌다는 예측이 되지만 어디, 어디로 가는... 이제 실제로 그래서 이렇게 가라고 하는 부분들은 해주지 않습니다.

그러니까 내비게이션, 내비게이션 경로는 저희 알고리즘에 없기 때문에 어디가 막힌다는 정보를 가지고 막힌다는 정보를 저희가 서버에서 제공을 하면 개인 단말에서 또는 해당하는 SK나 T-map 내비게이션 업체에서 속도를... 그 예측된 속도를 가지고 회사만의 알고리즘으로 다시 경로를 생성해내야 됩니다.

그래서 사람들이 '단말에서 되느냐, 서버에서 되느냐.'라는 질문에 대해서는 일단은 저희는 다 서버에서 진행이 되고 있고요. 만약에 내비게이션에서 활용이 되더라도 그러한 처리하는 부분들은 서버에서 다 진행이 돼야 되고요. 계산이 끝나서 개인 단말에게 보내지 않을까 생각을 하고 있습니다.

<질문> 여기 LSTM... 이거 좀 더 설명을 해주시죠. 그리고 이제 딥러닝이 보통 블랙박스라 그러잖아요. 그러니까 실제로 데이터... 어떤 데이터가 입력되는지는 사람이 알아도 그거를 어떻게 처리해서, 어떻게 결과가 이렇게 나오는지는 모른다는 건데 여기서는 어느 정도, 그 정도가 어느 정도 심한지?

<답변> 네, 좋은 질문입니다. 첫 번째로 LSTM 같은 경우는 보통 이제 언어처리라든지 시퀀스로 오는 데이터들을 처리 학습을 해서 예측을 하는 알고리즘으로 생각을 하시면 될 것 같습니다.

그래서 두 번째 질문으로는 블랙박스인 부분들이 지금 저희가 다음 연구로 해결하고자 하는 부분들입니다. 그래서 '어디어디가 막힌다.'라고 했는데 사용자가 보기에 왜 여기가 막힌다, 라고 하지 마치 알파고의 몇 수, 이세돌의 몇 수 같은 것처럼, 현재로서는 어디가 막힌다, 라고 했는데 여기가 왜 막히지, 라는 부분에 대해서는 저희가 지금 알 길이 없습니다.

그래서 관련 저희 인공지능 기술들이 그런 부분들을 이제 해결하기 위해서 논문들이 많이 연구가 되고 있습니다. 그래서 저희가 다음 연구로 교통 부분에 있어서 알고리즘 안에 내가 어디에 대해서 예측을 할 경우에 내가 왜 이런 예측을 냈는지 학습하는 부분들에... 학습하는 모델을 개발 중에 있습니다.

그래서 예를 들어 내가 어떤 도로를 예측할 때 이 도로가 막히면 막히기 전에 다른 20분 전에 이 도로가 막히더라, 나는 이 패턴 학습했어, 그러면 사용자에게 이 도로는 15분 뒤에 막힐 겁니다. 왜냐하면 '내가 그동안 쭉 봐왔는데, 이 도로가 막힐 때는 여기가 막히는데 지금 여기가 막히고 있습니다.' 이런 식으로 쉽게 전달할 수 있는 부분들에 대해서 지금 연구를 하고 있습니다.

감사합니다.

<끝>