우리나라는 도시화의 증가에 따라 교통 인프라의 공급을 지속적으로 확대해 왔으나 이를 통해 모든 시민에게 균일한 접근성 및 이동성을 제공하는 데에는 한계가 있다. 이에 최근 MaaS의 개념이 도입되어 공유 및 첨단교통 수단들의 통합 이용을 통해 개인의 이동성과 접근성을 향상시키고자 하는 노력이 진행되고 있다. MaaS는 대중교통을 포함한 다양한 이동 수단으로 구성되어 있으며 이 중에는 모바일 플랫폼 기반의 승차공유 서비스가 포함되어 있다. 그러나 승차공유 서비스는 일반적으로 수익성에 기반을 둔 민간의 영역이기 때문에 고수요 지역에 공급이 집중되는 현상이 발생하며, 주로 외곽에 위치한 저수요 지역의 이용자들은 승차공유 서비스가 확대되더라도 차량의 공급이 원활하지 못해 대기시간이 길어지는 등 서비스의 형평성 문제에 직면할 것으로 예상된다. 특히 심야시간의 경우 이용 가능 수단이 한정적이기 때문에 수요 · 공급의 불균형이 더욱 더 심화될 것으로 예상되어 해결책을 모색할 필요가 있다. 본 연구의 목표는 서울시의 모빌리티 형평성 문제를 진단하고 강화학습 알고리즘 기반의 Dynamic Pricing 기법을 활용해 이동성 취약지역의 승차공유 서비스 형평성을 개선하는데 있다.
서울시 택시 데이터를 기반으로 모빌리티 취약지역을 분석한 결과 외곽 및 주거중심지역에서 서비스 수준이 낮게 나타났으며, 반대로 도심이나 부도심 등 탑승 수요가 많은 중심지역에서 서비스 수준이 높은 것으로 분석되었다. 모빌리티 형평성이 취약한 지역의 문제를 개선하기 위해 서울시 25개구를 권역 구분의 기준으로 삼아 강화학습 기반의 Dynamic Pricing 시뮬레이션을 수행하여 권역별 택시기본요금을 최소단위로 한 최적 요금할증률(Surge)을 도출하였다. 구별 OD Matrix의 이동량을 기준으로 중심성 분석을 수행한 결과를 토대로 운행에 대한 운전자의 선택확률 모형에 가중치를 적용하였다. 또한 OD간 통행비용과 매칭여부를 기준으로 보상 함수를 구성하였으며 비 매칭 시 승객 대기시간에 대한 음의 보상 값을 적용하였다. 음의 보상을 고려한 분석결과에서 권역별 최적 Surge는 심야할증이 고려되지 않은 택시기본가격 기준 평균 1.6배 수준으로 도출되었다. 권역별로는 강동구, 동작구, 은평구, 강서구 등 외곽 및 주거중심지역에서 상대적으로 높은 Surge을 보이고 강남구, 종로구, 중구 등 중심지에서 낮은 할증을 보이는 것으로 도출되었다. Surge 요금 결과를 반영해 OD Matrix의 통행량을 재산정하고 도착지 권역의 내향중심성 상대비교를 통해 형평성 개선의 정도를 파악하였다. Surge가 높은 지역에서 내향중심성이 높아지는 것으로 나타났으며 이는 공급 개선으로 인해 이용자들의 대기시간 감소라는 승차공유의 형평성 개선의 가능성을 시사한다고 볼 수 있다. 해당 결과에 따라 모빌리티 취약지역에서 요금부담이 커지는 가격의 역차별 문제가 제기될 수 있으나 최소한의 요금 Surge로 운전자의 간접 승차거부의 문제를 해소하고 승객의 대기시간을 감소할 수 있다는 점에서 서비스 공급의 형평성이 개선될 수 있다고 판단된다.
본 연구의 한계는 다음과 같다. 우선 지역별 형평성을 분석하기 위해 서울시의 택시 데이터를 활용하였으나 해당 데이터는 승차거부에 대한 정보를 갖지 않기 때문에 정확한 수요 파악에 한계가 있다. 그리고 운전자와 승객의 선택모형을 누적 정규분포를 기반으로 설정하여 개개인의 사회경제적 특성 및 요금민감도를 충분하게 고려하지 못한 한계가 있다. 또한 Q-learning을 활용하여 세분화된 지역 간 이동 및 수요 · 공급을 모두 고려할 경우 Q-table이 기하급수적으로 증가하기 때문에 이를 모두 고려하지 못한 한계를 가지며 향후 DQN(Deep Q-Network)을 통한 분석을 검토할 필요가 있다.
본 연구는 기존 Dynamic Pricing 전략이 수익성을 목표로 하는 것과 달리 승차공유서비스의 지역적인 형평성을 개선하기 위한 방안으로 활용하였다는 점에서 의의가 있다. 특히 공급의 관점에서 선호도가 낮을 것으로 예상되는 지역에 할증을 통해 공급을 증가시켜 간접 승차거부나 승객대기시간의 증가문제를 개선할 수 있을 것으로 판단된다. 가격의 역차별 문제에 대해서는 향후 플랫폼 기반의 승차공유 서비스 확대 시 비첨두시 할인, 모빌리티 제약지역 운행 시 보조금의 지급, 플랫폼 운송사업에 대한 기여금의 면제 등의 정책적 해결방안의 모색이 필요할 것으로 사료된다.

With expanded urbanization in Korea, transportation infrastructure is provided for citizens. However, It faced the limit that does not provide citizens with identical access and movement. In response, MaaS(Mobility-as-a-Service) rises as an essential concept for Korea’s disruptive mobility innovation. MaaS consist of ride-sharing, personal mobility, multi-modal service, and they are utilized for increasing the access and movement. Among them, the mobile platform-based ride-sharing service is expanding overseas. However, since ride-sharing services are concentrated in areas of private business based on profitability, it is deemed that in areas where mobility equity is vulnerable, the improvement in equity will be insufficient due to the indirect refusal of passengers(Digital Observer) to ride. Especially, the research is needed to solve that the limited transportation in late-night makes mobility supply imbalance get worse. Therefore, this study depicts mobility equity and proposes reinforced learning-based Dynamic Pricing for improving equity issues of ride-sharing platform service in Seoul
As a result of analysis to vulnerable mobility areas based on the taxi data, the outer & residential area which has a low level of service of public transportation is vulnerable. On the contrary, the downtown & subcenter area which has more demands has a high level of service.
We simulate reinforced learning-based Dynamic Pricing to consider mobility equity and draw out the optimal surge value in each region for the improving vulnerable area’s service. Based on a result of each area degree centrality, we apply weight to the driver’s probabilistic choice model and set up the negative reward value of waiting time to reward function. According to the simulation result, the regional average surge is about 1.6, and a high surge is shown at Gangdong-gu, Dongjak-gu, Eunpyeon-gu, Gangseo-gu. Also, the low surge is identified from Gangnam-gu, Jongno-gu, and Jung-gu. To verify improving, we compared in-degree centrality by redefining the traffic volume of the OD Matrix. It shows that the in-degree centrality increase in high surge area, suggesting a possible supply improvement. Although reverse discrimination of regional prices can be raised according to the results, the equity of the service supply can be improved in that the application of regional differential surges can solve the problem of indirect refusal of passengers(Digital Observer) and reduce waiting time.
The disregards of the study have data and model application. In the first, we utilized the existing taxi data for analysis of regional equity, but since no data has information about rejection, it is difficult to clarify the demand. In the second, there are limits to the failure to consider individual characteristics and price sensitivity(Willingness To Pay, WTP), since we set up driver’s and passenger’s probabilistic choice model based cumulative distribution function. Last, the method failed because where all of the Q-table increases exponentially when both regional and demand and supply movements are applied using Q-learning. So, in the next step, we need to review the application methodology through DQN(Deep Q-Networks).
The study investigation advances the idea that the existing Dynamic Pricing strategy to spatial equity, not profitability. Notably, at the side of supply, the problems of indirect refusal and increased waiting time can be addressed, given that the supply is improved through Surge, especially in areas where preference is expected to be low from the supply. As for the issue of price reverse discrimination, it is deemed that policy solutions such as the fare rebate at a non-peak time, the provision of subsidies for the operation of a vulnerable mobility area or exemption of contributions for mobility business of platform will be needed when the actual platform-based ride-sharing service is introduced.