티머니가 인공지능 기술 기반 택시 수요 예측 서비스 ‘예측택시’를 출시했다고 14일 밝혔다. 예측택시는 티머니가 서울특별시택시운송사업조합, 서울개인택시운송사업조합과 손잡고 지난해 11월 28일 시작한 택시 호출앱 ‘티머니온다’ 모든 택시기사가 활용할 수 있는 기능이다. 티머니온다의 출시 당시 이름은 ‘온다택시’인데 티머니 브랜드 강화 목적으로 4월 27일 ‘티머니온다’로 변경했다. 티머니온다는 현재 8000명의 택시기사가 등록, 활동하고 있으며 앱다운로드수는 지난달 기준 60만건을 돌파했다.

티머니온다의 경쟁력?

티머니온다가 내세우는 경쟁력은 ‘승차거부 없는 택시’다. 호출 반경 1km 이내 직선거리 기준으로 가장 가까운 차 ‘한 대’에만 ‘목적지가 보이지 않는’ 주문을 배차하는 방법을 사용한다. 통상의 택시앱에서 활용하는 누구에게나 주문을 노출하고 먼저 잡는 사람이 수행하는 ‘전투(경쟁) 배차’ 방식과는 다르다.

통상의 승차 거부 없는 택시앱들이 사용하는 주문이 들어오면 강제로 택시와 연결시키는 ‘강제 배차’도 온다택시는 사용하지 않는다. 티머니온다로 들어온 주문을 수행하는 것은 택시기사의 자유인데, 만약 주문을 잡지 않는다면 차순위로 가까운 택시기사에게 해당 주문이 전달되는 방식이다.

티머니 관계자는 “티머니온다는 목적지 표출이 안 되는 주문이 노출된다. 손님이 탑승하고 나서야 노출이 되는 개념”이라며 “티머니온다 택시기사 입장에선 어찌 보면 자기가 가기 싫은 곳을 갈 수 있는 위험을 감내하고 주문을 받는 것”이라 말했다. 그래서 티머니는 티머니온다 등록 택시기사를 ‘착한 기사’라 표현한다. 택시기사에게 규정을 강요하는 강제 배차 방식을 사용하지 않는 이유도 여기에서 찾을 수 있다. 나름 티머니가 티머니온다에서 강조하는 또 다른 포인트가 택시업계 상생앱인 점을 기억하자.





수급 불균형을 해결하는 또 다른 방법

이번에 티머니온다에 붙은 예측택시 기능은 택시 업계의 고질적 문제인 ‘수급 불균형’ 해소를 목적으로 한다. 코로나19가 확산되기 이전에는 누구나 마포, 홍대, 강남 등지에서 심야에 택시를 잡지 못한 경험을 한 적이 있을 것이다. 많은 택시기사들이 돈이 되지 않는 ‘단거리’ 이동 승객 승차 거부를 하는 것이 첫 번째 이유다. 이건 티머니온다가 탄생한 이유와 맞물린다. 티머니온다는 ‘목적지 없는 주문 노출’로 승차거부 문제를 풀고자 했다.

또 다른 이유는 ‘택시 공급’ 자체가 부족하기 때문이다. 승차 거부 문제를 풀었던 기존 티머니온다의 방법으로 이 문제까지 해소할 수는 없다. 만약 이런 상황에서 일거리를 찾고 있는 한산한 택시기사를 수요 집중 지역에 유도할 수 있다면 어떨까. 예컨대 BTS 콘서트가 끝나는 어떤 날, 어떤 시간, 어떤 장소 정보를 택시기사에게 예측해서 전달할 수 있다면 어떨까.

예측택시는 승객이 많이 몰리는 장소를 인공지능 기술로 예측해서 택시기사에게 길 안내를 해주는 기능이다. 당연히 예측을 위해선 기반 데이터가 필요하다. 티머니는 ‘택시정보시스템(STIS)’을 통해 얻어지는 택시 승하차 이력 데이터에 더해 기상, 인구통계, 상권, 대중교통 정보 등 택시 수요에 영향을 미치는 변수를 추가해서 분석한다.

예측택시 사용화면. 이렇게 모바일로 노출되는 화면을 확인한 택시기사가 결제단말기에 붙어있는 버튼을 누르면 자동으로 안내되는 구조다. 가기 싫으면 안누르면 그만이다. 택시기사에게는 선택의 문제다.(자료: 티머니)

사람이 더 정확한 건 아닌가요?

혹자는 이런 생각을 할 수도 있겠다. 경험이 많은 택시기사는 예측택시 출시 이전에도 알아서 돈을 많이 벌 수 있는 장소를 잘 찾아다니지 않았냐고. 이들 입장에선 예측택시는 별로 큰 도움이 되지 않는 건 아니냐고. 충분히 생각할 수 있는 이야기고, 예측 택시를 출시한 티머니도 이를 알고 있다.

더군다나 택시기사들이 찾아가는 장소는 꼭 예측택시가 추천해주는 것처럼 ‘승객이 많은’ 곳도 아니다. 승객의 절대적인 숫자는 적지만 장거리 이동 손님이 많은, 그러니까 택시기사 입장에서 승객의 ‘질’이 좋은 장소도 있다. 예를 들어서 최근 기자가 만난 한 인천 택시기사는 심야 시간이면 빈 차로 서울 청담동으로 이동하는데, 그 이유는 서울에서 인천으로 퇴근하는 유흥업소 종사자들이 그 시간에 많이 나오기 때문이다. 요컨대 경우에 따라서 택시기사의 ‘감’이 인공지능보다 정확할 수 있다.

그럼에도 불구하고 예측택시에 대한 기사들의 반응은 나쁘지 않다는 게 티머니측 설명이다. 경험이 많은 택시기사라고 하더라도 모든 지역에 대한 경험을 갖추기는 어렵기 때문이다. 이들에게 예측택시는 참고 데이터로 의미가 있다. 예측택시를 통해 기존 택시기사가 몰랐던 수요 밀집 지역을 알 수도 있는 것이고, 혹여 자신이 알고 있는 경험이 더 정확하다고 느낀다면 안 가면 그만이다. 예측택시는 데이터를 기반으로 승객이 많이 나올 것으로 예상되는 장소를 택시기사에게 알려주는 기능이지, 그 장소로 택시기사가 이동하도록 강제하는 기능은 아니기 때문이다.

특히나 경험이 전무하거나 거의 없는 ‘초보 택시기사’들에게 예측택시 기능은 유용하다는 티머니측 설명이다. 이들이 예측택시 기능을 통해 굳이 실패 비용을 들이지 않고 빠른 시간 안에 수요 밀집 지역을 발견하고 더 많은 돈을 벌 수 있기 때문이다.

티머니 관계자는 “택시를 막 시작한 기사님들이 예측택시 기능을 특히 좋아한다. 경험이나 감이 많은 택시기사님도 의외로 이런 곳에서 주문이 많이 나올지는 몰랐다며 좋아하는 분들이 있다”며 “소비자들 입장에선 예측택시를 통해 수급불균형이 심한 상황에서 택시를 기다리는 대기시간이 줄어들 것이라 예측하고 있다”고 설명했다.

실시간 예측까지 한 걸음

마지막으로 예측택시는 아직 개선의 여지가 남아 있다. 대표적인 것이 ‘다이나믹 추천 서비스’의 부재다. 수요와 공급이란 시간과 장소에 따라 실시간으로 변하는 것이 맞다. 수요가 터지는 지역에 공급을 유도한다면 반대로 다른 지역의 수요가 터질 수도 있는 것이 맞다.

예컨대 예측택시가 100대의 티머니온다 택시기사에게 1km 이내 가장 많은 승객이 있는 장소로 ‘롯데마트 서울역점 앞’을 추천해줬다고 하자. 그곳에 50명 이상의 승객이 기다릴 것으로 예측됐기 때문이었는데, 만약 100대가 그 장소로 모두 이동을 한다면? 오히려 수요보다 공급이 초과해버리는 아이러니한 상황이 생길 수 있다. 이런 상황에서 실시간으로 수요와 공급의 변화를 파악해서 택시기사들에게 추천해주는 기능까지 예측택시는 한 단계 더 나아가려고 한다.

티머니 관계자는 “현재 예측택시가 실시간으로 수요를 반영해서 안내를 하는 것은 아니다. 그래서 추천을 받고 먼저 해당 장소에 도착한 택시기사가 승객을 태울 확률이 높다”며 “이를 앞으로 실시간으로도 변경 상황을 반영하여 안내할 수 있게끔 개선할 계획”이라 설명했다.

글. 바이라인네트워크

<엄지용 기자> drake@byline.network