후보 모델

재료 다 넣기

로지스틱 + 상호작용

위치·시간이 만든 기본 위험 위에 실시간 조합의 추가분만 얹는다.

1. 왜 이 방법인가

Q. 정류장·시간만으로 AUC가 .9613인데 무엇을 더 보나?

검증 범위는 20일 코퍼스 보조 원천의 평일 고정창이다. validation 10,040건 중 만석은 583건이다. 직접 수집 validation은 443건, 만석은 14건이다. 다만 수집 날짜가 하루뿐이라 날짜 간 변동은 아직 못 본다.

정류장×30분 셀은 833개다. 이 중 281개, 33.73%는 학습 표본이 10건 이하다. 719개, 86.31%는 만석을 한 번도 못 봤다. 셀 비율을 그대로 쓰면 얇은 셀을 위험 0으로 외우기 쉽다.

그렇다고 위치를 버리면 안 된다. 아무것도 안 본 기준선은 AUC .5000이다. 앞 통과 버스 한 대만 보면 .7187이다. 정류장·시간을 보면 .9613이다. 원자료에서 커 보였던 2차 만석 효과도 정류장×30분으로 나누자 사라졌다. 위치와 시간이 먼저다.

이 모델은 그 위에서 묻는다. 같은 정류장, 같은 시간이라도 직전 버스가 만석이었는지, 상류 버스에 몇 석이 남았는지, 노선 전체에 만석 버스가 몇 대인지가 위험을 더 바꾸는가. 정류장×시간대 기준선이 이미 맞힌 몫은 새 모델의 공으로 세지 않는다.

순위와 확률 손실은 좋아졌다. ECE는 기준선보다 좋아졌다고 말할 근거가 없다. 다만 운영 후보의 보정 변형 가운데 ECE .0065는 2위다. 실제 만석인데 p_full<.5로 본 비율도 .6003에서 .3019로 줄었다.

2. 어떻게 작동하나

Q. 위치·시간의 시작점은 어떻게 만드나?

먼저 노선×정류장×30분의 만석률을 만든다. 셀 표본에 노선 만석률 한 건어치를 섞는다.

학습 행은 자기 라벨을 뺀 LOO 값만 본다. 자기 정답을 자기 입력에 넣는 누수를 막는다. 예측 때는 학습 전체로 만든 값을 쓴다. 처음 보는 셀은 노선×정류장, 노선×30분, 노선, 전체 순서로 물러난다.

Q. 상호작용은 무엇을 더하나?

실제 코퍼스 학습에서 기초 입력은 37열이다. 결측 중앙값과 결측 표시 11열을 붙이면 48열이 된다. 이를 표준화한 뒤 원래 항 48개와 두 항씩 짝지은 항 1,128개를 만든다. 합계 1,176개다.

짝은 직전 버스 만석×상류 버스 잔여석, 셀 위험×노선 평균 잔여석, 시각×배차간격처럼 생긴다. 기본요금에 옵션 요금을 붙이는 계산과 닮았다. 위치·시간이 기본요금이고, 특정 재료가 함께 나타날 때만 붙는 조정값이 상호작용이다.

1,176개 계수는 모든 행에서 같은 고정값이다. 계수들이 공통 분포에서 서로 힘을 빌리지는 않는다. 대신 L2 규제로 전부 0 쪽으로 누른다. 날짜 순방향 교차검증이 고른 세기는 C=.003이다.

Q. 점수는 어떻게 확률이 되나?

작은 식 하나면 끝난다.

βx는 원래 항, γxx는 두 재료의 상호작용이다. 계수 부호는 인과효과가 아니다. 같은 데이터 안에서 다른 입력을 고정했을 때 점수가 움직인 방향이다.

원점수는 시간순 OOF 10,236건, 만석 572건으로 학습한 isotonic 보정기를 지난다. validation 라벨은 보정기에 들어가지 않았다. 마지막 출력은 p_full이고, 사용자에게 보일 값은 보수적으로 매핑한 p_board=1-p_full이다.

3. 실제 한 건은 어떻게 나왔나

Q. 2026년 8월 3일 아침 범계역에서는 어떤 숫자가 들어갔나?

질의 시각은 07:24:01 KST다. 노선은 3330, 목표는 55번 롯데백화점.범계역이다.

셀 시작값부터 계산한다.

37개 입력과 상호작용을 모두 더한 로짓은 z=-.101958이었다. 따라서 원 만석확률은 sigmoid(z)=.474533이다. isotonic 보정 뒤에는 .530631이 됐다. 화면용 탈 확률은 1-.530631=.469369다.

이 버스의 정답은 출발 후 0석, label_full=1이었다. 이 한 건에서는 .5 기준의 만석 쪽에 섰다. 셀 시작값 .585526이 원점수 .474533으로 내려간 이유를 앞차 한 항의 공으로 떼어 말하지는 않는다. 1,176개 고정계수의 합이 만든 값이다.

4. 무엇을 쓰고 무엇을 빼나

Q. 모델에 들어가는 재료는 어디까지인가?

remainSeatCnt=-1은 0으로 바꾸지 않는다. 결측으로 둔 뒤 학습 중앙값과 결측 표시를 함께 넣는다. 좌석 변화율과 속도의 시간축은 로컬 응답 수신시각이다.

Q. 왜 정원·점유율·혼잡도는 빼나?

5. 언제 실패하나

Q. 점수가 좋은데 바로 운영하면 왜 안 되나?

• 정답 자체가 개인 승차 성공은 아니다. 하차한 만큼 승차한 뒤 0석으로 출발해도 실제 승차자는 있다. 모델은 개인이 못 탄 사건이 아니라 좌석이 소진된 사건을 배운다. p_board도 그 라벨을 뒤집은 보수적 값이다.
• 얇은 셀에 맞춘 적응형 부분 풀링이 없다. 셀 prior는 노선 평균 한 건어치만 섞고, 1,176개 계수에는 같은 L2 규제를 건다. 표본 10건 이하 셀이 33.73%다. 새 셀 validation은 2건, 만석 0건뿐이라 외삽 성능은 아직 모른다.
• 고위험 구간이 낙관적이다. p_full∈[.7,.8) 177건의 평균 예측은 .7268, 실제 만석률은 .8701이다. 14.33%p 낮게 잡았다.
• isotonic의 ECE는 raw .0098에서 .0065로 내려갔지만 짝지은 개선 구간 [-.0059, +.0009]가 0을 지난다. 단조 계단이 원점수 여러 개를 같은 값으로 묶어 AUC도 .9792에서 .9775로 내려갔다.
• 직접 수집분 표본이 아직 얇다. 1회차 재대결의 train은 1,081건·만석 40건, validation은 443건·만석 14건이고 수집 날짜가 하루뿐이다. 이 모형의 직접분 AUC는 0.9650이지만 AUC 비교 21쌍 중 16쌍을 못 가려 승자를 정하지 않았다.
• 학습 범위는 두 노선의 평일 07:00~08:30·18:00~19:30이다. 주말, 새 노선, 새 정류장 조합, 마스터 개편 뒤 성능은 아직 없다.
• 상류 버스가 실제 바로 다음 버스라는 보장이 없다. 90초 이하 관측에서도 숨은 제3차량 하한은 3330 17.24%, 1650 12.01%였다. 잘못 고른 앞차의 잔여석과 상태가 상호작용 전체를 흔든다.

6. 프로토타입과 무엇이 다른가

Q. 예전 화면의 탑승 확률을 회귀식으로 바꾼 것뿐인가?

아니다. 목표와 계산 경계가 달라졌다.

이 모델도 채택된 운영 모델은 아니다. 직접 수집분에서 만석과 비만석이 함께 모인 뒤 같은 계산을 다시 검증해야 한다.

재료 한눈에

아직 못 써본 것과 그 이유

• 정원·점유율 — 코퍼스 가명 차량키와 정원 사전 원 vehId의 교집합이 0/77이다. 라벨에 정원이 필요 없고, 관측 최대를 정원으로 대신한 점유율은 안정된 새 관측이 아니다.
• crowded — 대상 노선유형 11은 공식 제공 유형 밖이다. 180초 이하 인접 81,147쌍에서 혼잡도만 바뀐 쌍도 0건이다.
• API queryTime — 재호출 38쌍 중 7쌍에서 되감겼고 직접 호출 92/92에서 로컬 수신보다 미래였다. 나이·속도·헤드웨이에 쓰지 않는다.
• 목표 차량 ID·validation 라벨 — 차량 암기와 미래 누수를 막기 위해 입력에서 뺀다. 학습 셀 prior에서도 자기 라벨을 제외한다.

직접 수집분으로 다시 잰 성적 1회차

우리 수집기가 직접 쌓은 데이터만 쓰고 코퍼스는 뺐다. 검증분 443행·만석 14건, 정류소×날짜 125군집 부트스트랩 5,000회.

쓰는 재료 33개 — 출처 필드까지

지금은 안 쓰는 재료 4개

• 차량 정원·점유율 — TBBMSVEHINFOM.SEAT_RDNG_PSN_CNT; 점유율 후보식 1-msgBody.busLocationList[].remainSeatCnt/TBBMSVEHINFOM.SEAT_RDNG_PSN_CNT20일 코퍼스 차량키가 plateNo 우선 HMAC이라 외부 정원과 조인된 차량이 0/77이다. 기존 231,048행의 capacity_exact도 모두 0이다. 관측 최대 잔여석은 정원의 하한일 뿐 고정 정원이 아니다. 라벨은 출발 후 좌석이 0인지에 정원이 필요 없다. 프로토타입의 defaultSeatCapacity=80은 분포 배열 상한이며 점유율 분모가 아니다.
• 혼잡도 — GBIS getBusLocationListv2 msgBody.busLocationList[].crowded공식 제공 노선유형은 13·15·23이고 대상 노선은 11이다. 직접 수집분에서 같은 잔여석 값에 다른 코드가 붙은 값이 26개 나와 잔여석만의 전역 함수라는 해석은 반증됐다. 다만 같은 (vehId, remainSeatCnt)에서는 충돌이 0셀이고 crowded만 바뀐 연속쌍도 0건이라 차량별 임계화일 가능성이 남는다. 산식은 미확정이고 아직 특징으로 써 보지 않았다.
• API queryTime 파생 시간 — GBIS getBusLocationListv2 msgHeader.queryTime; HTTP 응답 헤더 Date같은 노선 연속 38쌍 중 7쌍에서 queryTime이 뒤로 갔다. 직접 수집 92/92건에서는 응답 수신시각보다 미래였고 중앙 +17.265초였다. HTTP Date는 queryTime의 초 절삭과 92/92 일치해 독립 시계가 아니다. 감사 원문만 보존하고 나이·속도·헤드웨이·분할에 쓰지 않는다.
• 목표 차량 ID와 미래 출발 후 좌석·라벨 — msgBody.busLocationList[].remainSeatCnt; S1 label_remain_seats, label_full, target_vehicle_hashtarget_vehicle_hash는 차량 암기를 막기 위해 감사키로만 둔다. 출발 후 좌석과 label_full은 목표 통과 뒤 생기는 미래 정답이라 학습의 y로만 쓰고 예측 행렬에는 넣지 않는다.

언제 실패하나

• 정답 자체가 개인 승차 성공은 아니다. 하차한 만큼 승차한 뒤 0석으로 출발해도 실제 승차자는 있다. 모델은 개인이 못 탄 사건이 아니라 좌석이 소진된 사건을 배운다. p_board도 그 라벨을 뒤집은 보수적 값이다.
• 얇은 셀에 맞춘 적응형 부분 풀링이 없다. 셀 prior는 노선 평균 한 건어치만 섞고, 1,176개 계수에는 같은 L2 규제를 건다. 표본 10건 이하 셀이 33.73%다. 새 셀 validation은 2건, 만석 0건뿐이라 외삽 성능은 아직 모른다.
• 고위험 구간이 낙관적이다. p_full∈[.7,.8) 177건의 평균 예측은 .7268, 실제 만석률은 .8701이다. 14.33%p 낮게 잡았다.
• isotonic의 ECE는 raw .0098에서 .0065로 내려갔지만 짝지은 개선 구간 [-.0059, +.0009]가 0을 지난다. 단조 계단이 원점수 여러 개를 같은 값으로 묶어 AUC도 .9792에서 .9775로 내려갔다.
• 직접 수집분 표본이 아직 얇다. 1회차 재대결의 train은 1,081건·만석 40건, validation은 443건·만석 14건이고 수집 날짜가 하루뿐이다. 이 모형의 직접분 AUC는 0.9650이지만 AUC 비교 21쌍 중 16쌍을 못 가려 승자를 정하지 않았다.
• 학습 범위는 두 노선의 평일 07:00~08:30·18:00~19:30이다. 주말, 새 노선, 새 정류장 조합, 마스터 개편 뒤 성능은 아직 없다.
• 상류 버스가 실제 바로 다음 버스라는 보장이 없다. 90초 이하 관측에서도 숨은 제3차량 하한은 3330 17.24%, 1650 12.01%였다. 잘못 고른 앞차의 잔여석과 상태가 상호작용 전체를 흔든다.

기존 프로토타입과 다른 점

• 프로토타입은 화면의 셀 비만석률과 차량 좌석 예보가 별도 계산이었다. 이 모델은 출발 후 만석확률 하나만 학습하고 보수적 탈 확률을 1-p_full로 낸다.
• 프로토타입은 도착 전·출발 후 좌석 의미가 경로마다 섞였다. 이 모델은 목표 정류장 도착값을 빼고 출발 이후 0석만 만석으로 센다.
• 프로토타입은 셀 비율을 그대로 썼다. 이 모델은 train-only 셀 prior, 자기 라벨 제외 LOO, C=.003 규제를 쓴다.
• 프로토타입은 정류장당 2분·정규 수요·10석 여유폭·만석 연속 임계 규칙을 썼다. 이 모델은 관측 헤드웨이·잔여석·상태·배차·노선 스냅샷의 계수를 학습한다.
• 프로토타입에는 확률 보정층이 없었다. 이 모델은 시간순 OOF로 raw·Platt·isotonic을 맞추고 같은 label_full로 비교한다.
• 프로토타입은 좌석 상태를 0~80으로 잘랐다. 이 모델은 정원·점유율·혼잡도를 입력에서 빼고 절대 잔여석만 쓴다.