배달과 이동 / 차량 호출
Uber: 공항 대기시간과 기사 수입 예측
- 기업
- Uber
- 국가
- 미국
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
공항은 Uber 이동 사업에서 비중이 크다. 전 세계 모빌리티 총예약의 15%가 공항에서 나온다. 기사는 공항의 선착순 대기열에서 호출을 받기까지 오래 기다리는 일이 잦았다. 대기열 맨 앞에 선 기사가 계속 호출을 거절하는 문제도 있었다. 승객 쪽에서는 배차 대기 화면을 보는 시간이 길어지고 취소율이 올라갔다.
적용한 기술과 데이터
Uber는 공항용 예측 모델을 여러 개 만들었다. ETR은 선착순 대기열에 있는 기사가 호출을 받기까지 걸리는 시간을 앞으로 한 시간 구간으로 예측한다. EPH는 공항 운행의 시간당 수입 잠재력을 도심 운행과 견주어 실시간으로 알려준다. EPH에는 평균과 분산을 함께 예측하는 Deep GMM을 쓴다. 입력은 대기열 데이터, 앱 접속과 과거 호출 같은 수요 데이터, 기온과 강수 같은 날씨 데이터, 준실시간 항공편 도착과 출발 정보다. 예측값은 기사 앱 화면에 공항별로 표시한다. 공항으로 갈지 말지는 기사가 정한다.
성과
Uber는 새 ETR 모델이 짧은 대기 시간을 맞히는 정밀도를 30% 절대값만큼 높였다고 밝혔다. 여기서 짧은 대기 시간은 공항 대기열에 들어선 뒤 0-15분을 뜻한다. EPH 모델이 예측한 평균값은 공항마다 기사 앱에 표시된다. 기사는 공항 이동을 결정하기 전에 대기 시간과 수입 전망을 함께 볼 수 있게 됐다.
한계와 남은 과제
기사 부족을 예측해 기사를 공항으로 부르는 기능은 아직 개발과 실험 단계다. Uber는 완전 운영 배포 전에 추가 개선을 계획하고 있다고 밝혔다.
출처
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.