원주시 공공데이터·AI 활용 · 의료택시 2.0

📞 콜센터 콘솔 병원 자동추천 · 택시 배정 · 귀가(회송) 관리

상담원이 어르신 전화를 받아 진료과목·거주 면만 입력하면 — AI가 ① 해당 진료과가 있고 ② 예약이 가장 적으며 ③ 최단경로인 병원을 추천·예약하고, 예약시각에 택시를 배정합니다. 진료가 끝나면 귀가(회송)까지 이어붙여 빈차 주행을 줄입니다.
🎛️ 하루치 일괄 배차 시뮬레이션 슬라이더를 바꾸면 배차·공차가 실제로 재계산됩니다

1 전화 접수

🗺️ 배차 지도

①②③ 예약번호(아래 표와 동일)▶ 이동방향🟧 병원— 등원┅ 귀가
●의원●약국●한의원●치과●보건(동단위 700곳 배경)

3 예약 대장 · 귀가 관리

#어르신(면)진료과예약병원등원예상귀가등원택시상태조치
귀가(올때) 처리 = 예측 + 진료완료 호출 + 회송 체이닝.
① 귀가시각 예측: 진료과별 평균 소요시간으로 예상 종료시각을 미리 계산해 회송 후보 택시를 준비합니다.
② 진료완료 호출: 예측은 오차가 있으므로, 진료가 끝나면 상담원이 [진료완료]를 눌러 실제 귀가 배차를 확정합니다(어르신·병원 접수처 신호).
③ 회송 체이닝(핵심 AI): 귀가 손님을 위해 빈 택시를 병원까지 보내면 공차 낭비 → 대신 다른 마을에서 그 병원으로 막 등원 손님을 내려준 택시가 곧바로 이 어르신을 태우고 귀가시킵니다. "누군가의 등원 종료 = 다른 이의 귀가 시작"으로 이어 붙여 빈차 주행을 회수합니다.
⚙️ 병원 추천 점수(설명가능) = 0.6 × (거리/최대거리) + 0.4 × (현재예약수/최대예약수) — 낮을수록 우선(가깝고 덜 붐빔). 표의 우선점수는 100점 환산(높을수록 추천). 거리=직선×1.35(도로보정), 지도 경로는 인터넷 연결 시 실제 도로망(OSRM) 반영.
※ 실측 데이터: 병원 33곳(진료과·병상·좌표)·읍면 25곳(좌표·노인수)은 공공데이터 실측. 가정치: 진료과별 평균 소요시간·현재예약수는 데모용 예시이며 운영 후 실측으로 대체됩니다. 자율주행·딥러닝 미사용(규칙기반 + 통계 + OR-Tools 원리).