세종은 다른 도시와 다르다. 공무원 5만 명이 대전·청주에서 매일 출퇴근한다. 국무회의 하루에만 광역버스 수요가 30% 뛴다. 이 도시 고유의 교통 패턴을 AI로 예측하면 배차 낭비를 구조적으로 끊을 수 있다.
세종 공무원의 29%는 대전에서, 15%는 청주·오송에서 매일 광역 통근한다. 국무회의·국정감사·예산 심의·장관 국회 출석 같은 정부 일정이 있는 날은 수요가 20~40% 급변한다. 그런데 BRT·광역버스·KTX는 각각 독립적으로 운영돼, 통합 수요 예측이 없다. 특정 날 배차가 터무니없이 모자라거나 텅 빈 버스가 달린다.
국무조정실 공공 캘린더 API + 국회 의사일정 + 뉴스 크롤링을 매일 자동 수집. 국무회의·국정감사·예산 심의·장관 국회 출석 등 교통 수요에 영향을 주는 일정을 NLP로 분류한다.
과거 교통카드 탑승 데이터 + 날씨 + 공휴일 + 정부 일정 변수를 결합한 Transformer 시계열 모델로 다음날 노선별 수요를 예측한다. 정부 일정 feature가 핵심 차별점.
예측 결과가 담당자 대시보드에 전달되면 운행사가 전날 밤 증차·감차를 결정할 수 있다. BRT·광역버스·KTX를 통합해 중복 운행 조정도 가능.
운행 후 실제 탑승 수와 예측치를 비교해 오차 원인을 분석한다. 새로운 정부 일정 유형이 추가될수록 예측 정확도가 높아지는 자기학습 구조.
공공 캘린더 + 뉴스에서 교통 수요 영향 일정 자동 분류. 세종 고유 feature 생성.
Transformer 기반 모델 + 정부 일정 feature. 정기 패턴 + 비정기 이벤트 동시 학습.
BIS(버스정보시스템) + 한국철도공사 + 광역버스 운영사 API 통합 수집. 기존 인프라 활용.
예측 결과 시각화 + 증차·감차 권고 알림. 담당자가 하루 전 의사결정 가능한 인터페이스.