매일 등교하거나 목적지까지 이동할 때 기존 지도 서비스는 최단거리나 평균 이동시간을 기준으로 경로를 추천합니다. 하지만 실제 이동시간은 개인의 보행속도, 신호등 대기시간, 시간대 등에 따라 크게 달라집니다. 같은 거리라도 신호등을 여러 번 기다리면 더 늦게 도착하는 경우가 많았습니다. 이러한 문제를 해결하기 위해 개인별 보행속도를 AI가 학습하고, 공공데이터와 결합하여 실제 도착시간을 최소화하는 경로를 추천하는 서비스를 기획했습니다.

Codex와 Claude code를 활용하여 앱을 개발했고 학습 측면에서는 Nvidia NIM에서 제공해 주는 디퓨전 젬마를 활용했습니다.
사용자의 이동 기록을 바탕으로 평균 보행속도를 학습하고, 시간대나 이동 환경에 따른 속도 변화를 반영합니다. 이후 공공데이터에서 제공하는 신호등, 횡단보도, 버스 정보 등과 결합하여 특정 신호를 초록불에 통과할 수 있는지 예측하고, 신호 대기시간을 포함한 실제 이동시간을 계산합니다. 기존의 단순한 최단거리 탐색이 아니라, AI가 예상 이동시간을 분석하여 가장 빠르게 도착할 수 있는 경로를 추천하도록 설계했습니다.

AI를 활용하면 사용자에게 획일적인 경로를 제공하는 것이 아니라 개인에게 최적화된 경로를 추천할 수 있습니다. 신호등 대기시간이 적은 길을 선택하여 실제 이동시간을 줄일 수 있으며, 버스 환승 시간까지 고려한 경로 추천도 가능합니다. 또한 사용자가 서비스를 계속 이용할수록 AI가 보행 패턴을 학습하여 이동시간 예측의 정확도가 향상됩니다. 결과적으로 단순히 가장 가까운 길이 아니라, 실제로 가장 빨리 도착할 수 있는 길을 안내하는 것이 가능합니다.

기존 지도 서비스는 대부분 모든 사용자에게 동일한 평균 보행속도를 적용합니다. 하지만 사람마다 걷는 속도는 다르고, 같은 사람도 시간이나 환경에 따라 이동 속도가 달라집니다. 이 아이디어는 AI가 사용자 개인의 보행속도를 지속적으로 학습하여 경로 추천에 반영한다는 점이 가장 큰 차별점입니다. 또한 공공데이터와 AI를 결합하여 단순 거리보다 실제 도착시간을 기준으로 경로를 최적화하도록 설계했습니다. 서비스를 사용할수록 AI가 사용자 특성을 더 정확하게 학습하여 추천 성능이 지속적으로 향상되는 구조라는 점도 기존 서비스와의 차별 요소입니다.

스마트폰의 위치 정보와 보행 기록, 그리고 공공기관에서 제공하는 신호등, 횡단보도, 버스 등의 공공데이터를 활용하면 누구나 같은 방식의 서비스를 구현할 수 있습니다. 단, AI가 지속적으로 학습하기 위해선 비용적 측면만 감안하면 충분히 누구나 제작 가능합니다.