AI 감시 시스템 DETECTOR, 뉴욕 지하철 요금 탈루 근절 목표

뉴욕시 대도시 교통국(M.T.A.)은 지하철 시스템의 요금 탈루를 퇴치하기 위해 최첨단 AI 감시 기술을 채택했습니다. 스페인 소프트웨어 회사 AWAAIT가 개발한 'DETECTOR'라는 이름의 이 AI 시스템은 이미 도시 전체의 7개 역에 구현되었습니다. M.T.A.는 올해 말까지 이를 24개 이상의 추가 역으로 확장할 계획입니다. 이 조치는 해당 기관이 전년도에 무려 6억 9천만 달러의 요금 탈루 손실을 입은 후, 이 성장하는 문제에 대해 결단력 있는 조치를 취하게 된 배경에서 이루어졌습니다.

AI 감시 시스템의 목적

DETECTOR는 원래 바르셀로나 지하철 네트워크를 위해 설계되었으며, 운임 회피 방법을 감지하는 데 효과적인 것으로 입증되었습니다. 뉴욕시에서는 AI 시스템이 기존 카메라 인프라와 통합되어 실시간으로 비디오 피드를 모니터링하며, 개인 범인을 식별하거나 법 집행 기관을 지원하지 않고도 운임 회피 패턴에 대한 24/7 데이터를 제공합니다.

M.T.A.는 DETECTOR가 주로 보고서를 생성하고 운임 회피의 규모를 정량화하는 데 사용되며, 탈세자 식별이나 법 집행 기관에 대한 실시간 경보 발동을 위한 것이 아니라고 강조합니다. 이 기술은 M.T.A.가 운임 회피의 빈도와 방법을 측정하여 문제의 규모를 더 잘 이해할 수 있도록 돕는 것을 목표로 합니다.

운임 회피 방법 이해하기

AI의 분석은 지하철 승객들이 사용하는 운임 회피 방법에 대한 흥미로운 통찰력을 밝혀냈습니다. 데이터에 따르면, 운임 회피의 약 50%는 비상구 게이트를 통해 걸어가는 행위이며, 20%는 개찰구를 넘어뛰거나 오르는 행위, 12%는 개찰구 아래로 몸을 낮추는 행위, 그리고 16%는 '백코킹(back-cocking)'으로 알려진 방법을 사용하는 것으로 나타났습니다. 백코킹은 개찰구를 뒤로 당겨 틈새로 빠져나가는 행위를 의미합니다.

DETECTOR를 통해 M.T.A.는 하루 중 특정 시간대에 발생하는 운임 회피 급증을 모니터링할 수 있습니다. 가장 큰 급증은 오후 3~4시경, 즉 학교 하교 시간대와 일치하며, 아침 출근 시간대에도 작은 급증이 발생합니다. 이러한 데이터를 바탕으로 M.T.A.는 이러한 피크 시간대를 해결하기 위한 표적 전략을 효과적으로 수립할 수 있습니다.

운임 회피 과제 해결

M.T.A.는 운임 회피가 복잡한 과제임을 인정하며 이 문제를 해결하기 위한 다양한 해결책을 제안했습니다. 이러한 해결책은 학생들에게 운임 지불의 중요성에 대한 홍보를 개선하는 것부터, 지불 없이 우회하기 어려운 새로운 운임 게이트를 구현하여 비상구 게이트의 필요성을 없애는 것까지 다양합니다.

AWAAIT의 AI 시스템은 바르셀로나에서 스마트폰 앱을 통해 티켓 검사관에게 운임 회피 경고를 제공하는 데 사용되었지만, M.T.A.의 접근 방식은 데이터 보고서 생성에만 중점을 둡니다. 뉴욕시의 시스템은 검사관이나 법 집행 요원의 실시간 직접 개입을 포함하지 않습니다.

운임 회피 대응을 위한 MTA의 노력

M.T.A.는 운임 회피가 대중교통 시스템에 미치는 상당한 재정적 영향을 인식하며 이를 심각하게 받아들이고 있습니다. AI 기술을 활용하여 M.T.A.는 문제의 규모에 대한 더 나은 통찰력을 얻어 궁극적으로 더 표적화되고 효과적인 해결책을 도출하고자 합니다.

AI 기반 감시 시스템인 'DETECTOR'를 통해 M.T.A.는 뉴욕시 지하철 시스템의 운임 회피 문제를 해결하기 위한 중요한 한 걸음을 내딛고 있습니다. 이 기술은 운임 회피 패턴에 대한 가치 있는 데이터를 제공하여 기관이 이 문제에 대응하기 위한 표적 전략을 수립할 수 있게 합니다. 시스템이 추가 역으로 확장됨에 따라 M.T.A.는 운임 회피를 억제하고 지하철 시스템의 전반적인 효율성과 지속 가능성을 개선하기를 희망합니다.