제2회 원주시 공공데이터·AI 활용 아이디어 공모전
원주형 AI 의료이동 운영 플랫폼
「의료택시 2.0」
병원 없는 농촌 어르신의 통원을, 낮에 노는 택시로 연결하는 AI 운영 시스템입니다. 단순한 '싼 택시 지원'이 아니라, 병원 추천부터 배차·회송·정산까지 AI가 돌립니다.
1. 왜 필요한가 — 데이터가 말하는 사각지대
원주는 도시만 커지고, 농촌 면은 의료에서 소외됩니다. 공공데이터를 겹쳐 보면 문제가 또렷합니다.
97 vs 1,010농촌 5면 병상 합 vs 도심 일산동 한 곳(세브란스 901). 병상이 도심에 초집중
8,195명가까이 통원할 병원이 없는 농촌 5면의 65세 이상(호저·귀래는 병상 0)
67.3%택시 공차율 — 공급은 노는데 수요와 연결이 안 됨
노인은 통원이 잦습니다(1인당 연 외래 33.6회, 청년의 3.3배). 갈 방법이 없어 진료를 미루다 병을 키웁니다. 그런데 바로 그 낮 시간, 택시의 3분의 2가 빈 차로 돕니다. "노인이 병원 가고 싶은 시간"과 "택시가 노는 시간"이 정확히 겹칩니다.
2. 무엇을 하나 — 전화 한 통이 들어오면
전화 접수 → AI 병원 추천 → AI 배차·회송 → 완료 버튼 호출 귀가 → 자동 정산
거동 불편한 어르신이 진료과와 사는 면만 말하면(대리접수 가능), 나머지는 시스템이 처리합니다. 어르신은 100~2,000원만 내고, 차액은 시가 택시회사에 정산합니다. 검증된 '100원 택시' 방식 위에 데이터와 AI를 얹은 것입니다.
3. 핵심 — 3개의 AI가 운영한다
① 병원 추천 AI 추천
상담원이 진료과·거주 면만 입력하면, 그 진료과가 있는 병원 중 가장 가깝고(최단경로) 그날 예약이 덜 몰린 곳을 점수로 매겨 자동 추천합니다. 특정 큰 병원 쏠림도 자연히 분산됩니다.
② 수요예측·사전배치 AI 예측
버스 실측 수요곡선·요일·계절·시간대로 "몇 시에 어느 면에 택시 몇 대를 미리 대기"시킬지 계산합니다. 블랙박스가 아니라 설명 가능한 식(지역수요 × 시간강도 × 시즌)이라 근거를 댈 수 있습니다.
③ 배차·회송 최적화 실행 · OR-Tools
하루 예약 전체를 Google OR-Tools로 최적 배차합니다. 택시 정원=1로 합승은 없고, "총 이동거리 최소 = 공차(빈차) 최소"를 계산합니다. 핵심은 회송 체이닝 — A를 병원에 내려준 택시가 빈 차로 돌아가지 않고, 그 병원에서 진료 끝난 B를 태워 귀가시켜 빈 주행을 회수합니다.
▷ 실제 OR-Tools 구동 결과 (원주 데이터, 통원 예약 14건=편도 28건)
[택시 4대] 공차 311km · 무체이닝 554km → 절감 243km (44%)
[택시 8대] 공차 221km · 무체이닝 554km → 절감 333km (60%)
Google OR-Tools 9.15 — 실제 구동 확인(그리디 폴백 아님)
위 수치는 실제 OR-Tools가 계산한 예시 시나리오입니다. 절감률은 예약 밀도·택시 대수에 따라 달라지며, 실제 규모는 운영 후 실측으로 확정합니다.
4. 귀가는 '예측'이 아니라 '호출'로
진료가 언제 끝날지는 검사·대기 때문에 정확히 예측하기 어렵습니다. 그래서 귀가는 호출형입니다 — 진료가 끝나면 어르신·보호자가 완료 버튼(또는 콜센터 전화)을 누르고, 그 순간 가장 가까운 회송 택시가 즉시 배차됩니다(카카오T와 같은 원리). 병원 진료시스템(EMR) 연동이 필요 없어 현실적입니다. 예측 AI는 회송 택시를 근처에 미리 준비해 대기시간을 줄이는 보조일 뿐, 틀려도 서비스는 정상 작동합니다.
5. 기존 '100원 택시·DRT'와 무엇이 다른가
- 기존은 장보기·행정 만능형 — 이건 병원 통원 특화.
- 기존은 이용자가 병원을 알아서 — 이건 AI가 진료과·거리·혼잡도로 추천.
- 기존은 사람이 수동 배차 — 이건 OR-Tools 최적화 + 회송 체이닝으로 공차 최소.
- 기존은 교통 서비스 — 이건 예약·추천·배차·귀가·정산을 잇는 AI 운영 플랫폼.
6. 기대효과와 예산
어르신은 문 앞에서 병원까지 발이 생겨 진료를 미루지 않게 되고(중증화·응급 예방), 기사는 노는 낮 시간이 안정적 소득이 되며, 원주시는 새 차·새 조직 없이 복지 사각을 메웁니다. 급하지 않은 통원이 119·자녀 차량을 대신 점유하던 것도 풀립니다.
예산(가정 시나리오): 연 예산 = 왕복 보조(이용자 × 연 이용횟수 × 왕복당 보조) + 콜센터·운영비.
이용률 10% → 왕복보조 2.4억 + 운영비 0.5억 = 약 2.9억 / 이용률 15% → 3.5억 + 0.5억 = 약 4.0억.
콜센터·운영비는 기존 교통약자 이동지원센터에 통합하면 증분만 부담. 1회·연간 이용 상한으로 누수 방지.
KPI: 공차거리·통원 도달률(취약면 노인 중 이용%)·평균 대기시간·월 운행건수·재이용률(목표는 가정, 운영 후 실측).
7. 정직성 (과장하지 않습니다)
- 딥러닝·자율주행 미사용. AI는 추천·예측(통계/머신러닝) + 최적화(OR-Tools)뿐입니다.
- 귀가 배차는 병원 시스템 연동 없이 버튼 한 번으로 확정(병원 협조 불필요).
- 개인정보 최소수집, 학습·통계는 가명·집계(비식별), 건강상태 추론·감시 없음.
- 병상·노인수·공차율 등 문제 근거는 공공데이터 실측. 절감률·예산은 가정/목표이며 운영 후 실측.