현재 1만 4000대에 이르는 뉴욕시의 택시를 3000대로 줄여도 택시 수송에 전혀 문제가 없다는 연구결과가 나왔다.

로봇전문매체인 ‘로보틱스트렌즈’에 따르면 MIT의 컴퓨터과학 및 인공지능 연구소(CSAIL)에서 개발한 알고리즘은 최적화된 승차 공유 시스템을 이용해 기존 뉴욕 택시의 25%만으로도 충분히 잘 돌아간다는 연구결과를 나타낸 것으로 알려진다. 물론 실제 도로에 적용된 연구는 아니지만 이 알고리즘 가설의 일부만이라도 현실에 접목할 수 있다면 파급력이 상당할 것으로 예상된다. 다만 기술적인 문제보다는 동승에 대한 거부감과 같은 인간의 심리적, 관행적 요소가 현실적인 장애물로 언급되고 있다.

3000대가 택시 승차 수요의 98% 충당

이 알고리즘에 따르면 모든 사람이 승차 공유 서비스에서 카풀 옵션을 사용한다고 가정했을 때 현행 택시 수를 4분의 1로 줄여도 원활하게 작동한다. 뉴욕시에는 약 1만4000개의 택시 라이센스가 있지만 CSAIL의 이번 연구는 뉴욕에 있는 4인승 택시 3000대가 수요의 98%를 담당할 수 있다고 예측했다. 평균 대기 시간은 2.7분에 불과하다. 또 2인승 자동차 3000대는 수요의 94%를 충당할 수 있으며 10인승 차량 2000대는 95%를 커버하는 게 가능하다고 밝혔다.

알고리즘은 300만 개의 뉴욕시 택시타기 데이터를 사용해 들어오는 요구를 바탕으로 차량 경로를 실시간으로 변경하고, 수요가 많은 지역에 유휴 차량을 재빨리 보낼 수 있다. MIT CSAIL 소장 겸 프로젝트 리더인 다니엘라 루스(Daniela Rus)는 “택시에서 밴 및 셔틀에 이르기까지 차량의 크기, 용량, 대기시간, 이동 지연 및 운영 비용 간의 균형을 실험적으로 정량화한 것은 이번이 처음일 것”이라고 강조했다. “특히 실시간 요청을 기반으로 차량 경로를 변경할 수 있기 때문에 자율 주행차에 매우 적합하다”고 덧붙였다.

교통정체, 대기오염, 연료소비 등에 긍정적 역할

CSAIL은 지난 2년간 우버와 리프트와 같은 서비스 정도만이 카풀 노선을 최적화하고 있지만 기존 접근은 여전히 ​​비효율적이라고 보고 있다. 예를 들어 일부 승차 공유 시스템에서는 사용자 B가 사용자 A에게 방해되지 않아야 하고, 실제 경로를 생성하기 전에 모든 요구를 수용하도록 돼있다.

이에 반해 CSAIL 알고리즘을 사용하면 다른 차량과 매칭해 다시 요청할 수 있다. 또 10인 밴이 언제 어디서 가장 큰 이익을 얻는지를 결정할 수 있어 차량 종류에 따른 최적화도 가능하다. 루스는 이 접근법을 ‘항상적인 최적 알고리즘’이라고 부른다. “승차 공유 서비스는 교통 정체, 대기 오염 및 연료 소비와 관련해 사회에 긍정적인 역할을 할 수 있다”며 “효율적이고 신뢰할 수 있는 운송 시스템을 만드는 방법을 모색하기 위해 최선을 다할 것”이라고 말했다.