‘혼잡률 200% 육박’ 서울지하철…AI가 ‘심각’ 판단하면 진입 통제

김포시민들이 서울로 출퇴근할 때 주로 이용하는 교통수단, 김포 골드라인.

출근 시간 혼잡률이 한때 285%까지 치솟으며, 열차에서 숨 쉬기조차 어렵다는 하소연이 이어졌습니다.

열차 추가편성은 물론, 대체 버스편 투입, 수륙양용버스, 리버버스까지….

김포시와 서울시, 국토부까지 나서 혼잡도를 떨어트리기 위한 각종 대책과 아이디어들을 쏟아냈습니다.

■ 김골라 이어 서울지하철도…일부 노선 200% 육박

출근길 혼잡률이 높은 건 서울지하철도 마찬가지입니다.

올해 3분기 서울지하철 4호선의 최고 혼잡률이 193.4%로 200%에 육박하는 것으로 나타났습니다.

사람이 몰리면 안전 문제에 대한 우려가 커질수밖에 없는 상황.

행정안전부는 서울교통공사와 김포골드라인의 데이터를 분석해 '승강장 혼잡도 예측 모델'을 만들었습니다. AI (인공지능) 기반 시스템으로 승강장에 얼마나 사람이 몰리는지 분석하는 겁니다.

통상 지하철을 타고 내릴때 개찰구에 교통카드 '태그'를 하죠. 이 '개찰구 태그 데이터'와 '열차 출발·도착 데이터'가 매우 중요한 기준이 됩니다.

승객이 역에 도착하면 개찰구로 나가게 되는데, 이때 카드를 태그한 시간과 직전 열차 도착시각을 비교해 승객이 하차 시 승강장에 머문 시간을 알 수 있습니다.

승차 시 승강장에 머문 시간도 역추적을 통해 확인 가능합니다. 도착 역에서 카드를 태그한 시간과 직전 도착한 '열차 출도착 데이터'를 바탕으로 해당 승객이 어떤 열차를 타고 왔는지 알 수 있게 되죠.

거슬러 올라가면, 카드를 태그하고 들어온 승객이 그 열차를 타기까지 승차역 승강장에 머문 시간도 알 수 있습니다.

■ AI 모델로 4단계 구분…'심각'해지면 열차 못 탈 수도

이렇게 측정된 데이터를 기반으로 승강장 혼잡도가 심각해지면 열차를 못 탈 수도 있습니다.

예를 들어보겠습니다. 실시간으로 승강장에 300명의 시민이 50㎡ 면적의 승강장에서 열차를 기다리고 있습니다. 이를 국토부 기준인 면적당(㎡) 기준인원 4.3명으로 다시 나누게 됩니다.

이 4.3명을 기준(100%)으로, 초과 비율에 따라 혼잡률이 산출되는 방식입니다.

(300÷50) ÷ 4.3 = 1.395 → 혼잡률 : 139.5 %

이렇게 나온 139.5%는 아래 단계 중 '주의' 혼잡도 단계에 해당합니다.

이 주의 단계부터 모니터링을 강화하게 되는데, 사람이 더 많아져 심각 단계로 접어들면 통제인력이 배치돼 열차 탑승이 제한될 수도 있습니다. 각 단계에 맞춰 안전요원 배치나 안내방송 등의 조치가 이뤄질 수도 있습니다.

두 차례 성능검증을 거쳤는데, 분석 모델의 정확도는 90.1%로 확인됐습니다.

행정안전부는 연내 시범운영을 거칩니다. 이후 이 모델을 표준화해 수도권과 부산, 대구, 광주, 대전 등 4개 도시에도 적용할 계획입니다.

이와함께 서울교통공사는 어제(1일) 서울지하철 4,7호선에 '의자 없는 칸'을 시범도입해 혼잡도를 낮추겠다고 밝히기도 했는데요, 시민들이 대책들의 효과를 체감할 수 있을지는 두고봐야 할 것 같습니다.