1차 운영 선택 · 2026-08-19

오고 있는 버스 보기

차량 상태 조건부 좌석 분포 · seat_distribution · A18

한 줄 결론 — 지금 오고 있는 그 버스가 목표 정류장에 도착할 때 잔여좌석이 몇 석일지를 분포로 예측하고, 만석 확률은 그 분포의 0 지점으로 읽는다. 다른 후보들이 쓰지 않는 실시간 잔여석을 쓰므로 쓰임이 다르다.

2026-08-19 팀 검토로 1차 운영 모델이 됐다. 그 전(08-17~08-19)에는 02번 「재료 다 넣기」였고, 그 모델은 폐기가 아니라 차량 상태를 쓰지 않는 레인에 남는다. 1차 운영 선택은 운영 적용을 위한 팀 선택이고 성능 입증이 아니다 — 평가는 여전히 잠정이고 일일 채점도 계속된다. 이 모델을 서빙할 v4 계약은 아직 검토 요청 상태다.

이 페이지가 쓰는 말

오늘 성적

이 페이지의 모든 숫자는 노선 2개 · 닷새(8/14~8/18) · 그중 평일 하루에서 나왔다. 그리고 정원 규칙이 연구 경로와 운영 평가기에서 다르다 — 고치면 아래 점수가 전부 움직인다. 자세한 것은 맨 아래 「다음 확인 사항」에 있다. 확정치가 아니라 현시점 산출로 읽어라.

지평은 목표 정류장 몇 개 전에서 예측하는가다. 멀리서 물을수록 어렵다.

서빙 상한은 12정류장으로 확정했다. 화면에는 12정류장 앞까지의 버스를 담는다. 다만 이 페이지의 상세 수치와 코호트 분해는 8정류장을 보고 기준으로 삼는다 — 앞선 설계 판정이 전부 8에서 이뤄졌고 다른 후보와 비교 가능한 축이 8이기 때문이다. 두 숫자는 역할이 다르므로 섞어 읽으면 안 된다.

종합 점수 0~100. 기준 50점은 기후값이다 — 평가일보다 이른 학습일의 만석률만 쓰는 예측. 100점은 완벽, 기준보다 손실이 두 배면 0점이다. 채점 표본은 이 네 지평에서 3.98~4.54만 건, 만석 686~741건(지평 2에서 45,406/741, 지평 12에서 39,840/686). 열두 지평 전체는 아래 표에 있다.

Q. 12정류장 점수가 8보다 높은데, 더 잘하는 것 아닌가?

아니다. 종합 점수 하나만 보면 안 되는 사례가 바로 이것이다. 종합 점수는 다섯 항목의 가중 평균인데, 8에서 12로 가면 네 항목이 떨어지고 한 항목만 오른다. 오른 한 항목의 가중치가 커서 합이 뒤집힌 것이다.

확률 맞춤이 뛴 이유는 모델이 나아져서가 아니다. 먼 지평에서는 차량 상태가 힘을 잃고 정류장 통계에 기대게 되는데, 그쪽은 정의상 평균이 잘 맞는다. 예측을 평평하게 깔면 보정 지표는 좋아진다. 정작 만석 버스를 골라내는 능력인 만석 구분(PR-AUC)은 0.536 → 0.419로, 점수 환산으로도 76.5 → 70.5 로 계속 떨어진다. 그래서 12를 채택한 근거는 이 종합 점수가 아니라 커버율이다(아래).

코호트로 쪼개면

합친 점수는 서로 반대인 구간을 상쇄한다. 그래서 시간대와 요일로 쪼개 본다.

종합 점수는 어떤 재료로 만들어지나

다섯 항목은 아래 원지표에서 그대로 온다. 각 항목을 기준(기후값) 50점 · 완벽 100점 · 기준보다 손실 두 배면 0점으로 환산한 뒤 가중합한다. 항목 이름은 화면용 우리말이고, 괄호 안이 실제로 계산되는 값이다.

가중합하면 67.6×0.35 + 60.6×0.20 + 76.5×0.15 + 77.1×0.15 + 69.6×0.15 = 69.26 이고 게시값 69.3 과 맞는다. 같은 이름이 두 눈금으로 나오는 자리가 있다 — 성적 카드의 "만석 구분 0.536"은 원값(PR-AUC)이고, 위 표의 76.5는 그것을 환산한 점수다. 같은 항목이니 헷갈리지 마라.

규약 출처는 score_policy.json(composite-score-v1)이며 기준 예측은 각 평가일보다 이른 학습일의 만석률만 쓰는 값이다. 종합 점수는 규약 자신이 "설명과 비교를 돕는 보조값이며 자료·재현성 관문을 대신하지 않는다"고 적어 둔 값이다.

8정류장 지평(중앙 15.3분) · 원지표 — 보고 기준

기준의 ROC-AUC 가 0.5 아래인 것은 기후값이 날짜별 상수라 날짜 사이 순서가 뒤집혔기 때문이다. 같은 날 안에서는 모든 예측이 같은 값이므로 순위를 매길 수 없다.

지평을 어디서 끊나

몇 정류장 전까지 예보할지는 얼마나 많은 정류장을 덮느냐와 만석 버스를 골라내는 능력이 얼마나 남느냐의 교환이다. 덮는 범위는 실제 운행 기록에서, 골라내는 능력은 채점에서 나온 값이다.

8에서 12로 늘리면 커버율이 7.1%p 오른다. 12에서 16으로 더 늘리면 1.1%p 뿐인데 골라내는 능력은 24배에서 17배로 떨어진다. 12에서 끊는다. 무작위 대비는 만석 구분(PR-AUC)을 기저 만석률로 나눈 값이고, 기저 만석률은 지평별 1.68~1.86%다.

이 판정에 종합 점수는 쓰지 않았다. 여기서 교환하는 것은 덮는 범위와 골라내는 능력이다.

커버율은 실제 운행 기록으로 쟀다 — 어느 순간을 잡아 노선의 모든 정류장을 보고, 그 뒤 지평 안에 같은 운행의 버스가 있는 정류장의 비율이다. 표는 하루 전체(심야 포함) 기준이고, 운행 시간대(06~23시)로 좁히면 지평 12에서 90.4%(1650)·91.1%(3330)다.

커버율의 상한은 순번 구조가 정한다

지평 12 로는 순번 12 이하 정류장에서 뒤로 볼 수 있는 칸이 순번−1 개뿐이다. 그런 정류장이 두 노선 각각 12개, 전체 174개 중 13.8% 다. 실제로 그 구간의 커버율은 37~44% 로 떨어지고, 나머지 구간은 98.7~98.9% 다. 커버율을 더 올리는 길은 지평을 늘리는 것이 아니라 이 구간을 따로 푸는 것이다.

한 바퀴 돌아 오는 차량은 담지 않는다

순번 12 이하에서 빈칸을 메우려면 이미 종점 쪽에 있는 차량이 한 바퀴 돌아 오는 것을 세면 된다. 커버율이 +5.6%p 오른다. 그런데 재보니 그 차량이 실제로 그 정류장에 다음으로 도착하는 차량인 경우가 5.1%(1650)·15.6%(3330) 뿐이었다. 그 앞에 중앙 4~7대가 먼저 지나간다.

진짜 이유는 이렇다 — 그 정류장에 실제로 다음 오는 버스는 중앙 8.3~12.0분 뒤에 도착하는데, 그 차는 96.2~96.8%의 경우 차고지에서 대기 중이라 차량위치 API 에 아직 없다. 버스는 마지막 정류장을 한 번도 보고하지 않고 그 직전에서 피드에서 사라지며, 다시 나타나기까지 중앙 65분(1650)·92분(3330)이 걸린다.

그래서 랩어라운드를 담으면 커버율은 오르지만 가리키는 대상이 틀린다. 중앙 86~97분 뒤에 오는 엉뚱한 차량을 "다음 버스"로 보여주게 되고, 지평 12의 시간 규모(24~28분)를 3.5~4배 넘는다. 담지 않는다. 그 구간은 차고지 발차 시각이 있어야 풀리는 별개 문제로 남긴다.

지평은 시간이 아니라 정류장 수다

둘은 서로 환산되지 않는다. 표에 적은 "중앙 소요"는 사후에 잰 중앙값일 뿐 변환식이 아니다. 같은 8정류장이 10%분위 9.1분에서 90%분위 23.0분까지 2.5배로 흩어지고 (25%분위 12.0분 · 75%분위 19.0분), 거꾸로 5~10분 구간에는 2·3·4·6·8정류장이 모두 섞여 있다 (4정류장 38%, 3정류장 26%, 6정류장 23%). 정체 여부에 따라 달라지기 때문이다.

그런데도 정류장 수로 정의하는 이유는, 걸린 시간은 도착한 뒤에만 알 수 있는 값이라 예측에 쓰면 미래를 훔쳐보게 되기 때문이다. 모델은 이 시간 차이를 입력으로 받지 않는다. 화면에 "몇 분 후"를 띄우려면 도착정보 API를 따로 불러야 하는데 그것은 지금 수집 대상이 아니다. 그래서 API 도 horizonStops(몇 정류장 남았나)만 주고 도착 예정 시각은 주지 않는다.

지평 1~12 전부의 성적

클라이언트 계약이 1정류장부터 12정류장까지 예보를 약속하므로, 그 열두 지평을 모두 적합하고 같은 규약으로 채점했다. 처음에는 1·2·3·4·6·8 만 있었고 5·7·9·10·11 은 표본조차 없었다 — 계약이 근거 없는 약속을 하고 있던 셈이라, 자료를 다시 만들어 메웠다.

브라이어·로그 손실·만석 구분은 열두 지평 모두에서 단조다 — 멀수록 나빠진다. 꺾이는 것은 종합 점수뿐이고 그 원인은 보정 항목이다. 표본이 지평마다 줄어드는 것은 목표 정류장 뒤로 그만큼의 관측 이력이 필요하기 때문이다. 서빙 상한 12 의 근거는 위 「지평을 어디서 끊나」에 있다.

Q. 언제 실패하나?

• 학습 기간에 없던 상황. 코퍼스는 8/14~8/18 닷새인데, 8/14 금요일은 16시부터라 아침이 없고 8/15 토 · 8/16 일 · 8/17 대체공휴일은 전부 휴일이다. 즉 학습에 쓸 수 있는 날 가운데 평일 아침이 있는 날이 하나도 없어 평일 아침 만석 사건이 0건이다. 자료 문제이지 모델 문제가 아니라는 것은 대조 실험으로 확인했다 — 휴일 아침을 세 배로 늘려도 판별력(ROC-AUC)이 0.518 그대로인데, 평일 아침 반나절이 들어오면 0.958 로 뛴다.
• 만석이 새로 발생하는 순간. 8정류장 예보에서 만석 도착의 88%는 그 시점에 아직 만석이 아니었다. 즉 "만석이 될 것"을 맞혀야 하는데, 그 사건이 코퍼스 전체에 119건뿐이다.
• 이력이 없는 정류장·노선. 노선별로 배우므로 새 노선은 자기 이력이 쌓이기 전까지 쓸 수 없다. 그래서 신규 노선은 수집만 하고 예보를 내지 않는다.
• 시간대가 크게 바뀔 때. 시간표 변경이나 계절 변화는 아직 겪어 보지 않았다.

Q. 어떻게 검증했나?

채택 규칙을 결과를 보기 전에 문서로 고정하고 그대로 적용했다.

여기에 네 가지 반증 시험을 더 걸었다.

• 미래를 훔쳐보는가 — 시험일 정오 이후에 도착한 사건의 정답을 전부 뒤집어도, 정오 이전 시점의 예측이 정확히 0 변했다. 대조로 과거 정답을 뒤집으면 0.788 변하므로 시험 자체는 민감하다.
• 여러 번 재서 운 좋은 것을 고른 것인가 — 검정 96개에 다중비교 보정을 걸어도 분포 정확도가 23/24 살아남는다. 순수한 우연에서 기대되는 겉보기 이득이 0.21석인데 관측된 것은 2.07석으로 열 배다.
• 자료가 적어서 잘 보이는 것인가 — 학습을 하루에서 나흘로 늘려도 격차가 좁아지지 않는다. 오히려 정류장 이력 층은 이득이 커진다.
• 서빙 시점에 알 수 없는 값을 쓰고 있는가 — 학습에 쓴 시간대 꼬리표가 도착 시각 기준임을 확인했다(실측 100%). 그런데 예보를 낼 때는 도착 시각을 모른다. 알 수 있는 것은 예측 시각의 시간대뿐이고, 둘은 12정류장 지평에서 10.11% 어긋난다 (2정류장 1.00% · 4정류장 2.72% · 8정류장 6.35%). 그래서 예측 시각 기준으로 바꿔 처음부터 다시 적합하고 다시 채점했다.

  지평	도착 시각 기준(현행 보고값)	예측 시각 기준(서빙 가능)	차이
  2정류장	83.2	83.1	−0.1
  4정류장	77.5	77.3	−0.2
  8정류장	69.3	69.0	−0.3
  12정류장	71.6	71.7	+0.1

  가장 큰 손실이 0.3점이다. 우려는 실재했으나 크기가 무시할 만하다 — 시간대 꼬리표는 셀 통계의 묶음 키일 뿐이고, 경계를 넘는 3.65%가 이웃 셀로 옮겨가도 그 셀들의 통계가 크게 다르지 않기 때문이다. 12정류장에서 오히려 오른 것은 경계 부근 표본이 예측 시각 쪽에서 더 고르게 나뉘어서다. 보고하는 점수는 도착 시각 기준 그대로 둔다. 기존 7개 모델과 같은 라벨 정의를 써야 같은 표에서 비교할 수 있기 때문이다. 서빙 시 실제 성적은 위 오른쪽 칸에 가깝다.

이번에 확정한 것

• 서빙 지평은 12정류장. 커버율 86.3%(운행 시간대 90.4~91.1%) 대 만석 구분 24배의 교환으로 끊었다. 16은 기각.
• 한 바퀴 돌아 오는 차량은 도착 예정에 담지 않는다. 커버율 +5.6%p 를 포기한다 — 그 차량이 실제 다음 도착 차량인 경우가 5.1~15.6% 뿐이기 때문이다.
• 회차 순번은 1650=44 · 3330=43, 회차 정류장은 두 노선 모두 안양역(208000069). 상류를 직접 조회해 확정했고, 이전 문서의 turnSequence: 31 은 틀린 값이었다.
• 회차 너머 버스도 예보에 담는다. 운행이 회차에서 끊기지 않고 0.3분 만에 지나간다는 것을 실측으로 확인했다.
• 노선별 학습, 계수 공유 없음. 36칸 전부에서 기존 기준선을 이겼다.
• 정원은 그 차량이 보여 준 최대 잔여석 그대로. 연구 자료와 운영 평가기가 같은 규칙을 쓴다. 지평 1~12 말뭉치 569,260행을 교정 전 lowPlate 규칙으로 가르면 45석 499,256행 · 68석 49,303행 · 40석 20,701행 세 갈래였다. 관측 최대로 가른 지금의 구성은 일곱 갈래이고 최빈값이 44다 — 위 특징 표에 적었다.

다음 확인 사항

• 연구 경로와 평가기가 보는 사건 수가 다르다. 정원 규칙은 2026-08-19 에 양쪽을 관측 최대로 맞췄고, 그 뒤 재채점해도 열두 지평 모두 최대 0.1점밖에 안 움직였다 — 정원은 점유율의 분모일 뿐 라벨(잔여석 0)과 무관하기 때문이다.
  
  남은 차이는 말뭉치 구성이다. 이 페이지의 숫자는 계약 라벨(direct_rows)을 결합해 만든 연구 자료에서 나오고, 운영 평가기는 레코드에서 통과 사건을 직접 만든다. 평가기가 더 적게 보고 지평이 멀수록 벌어진다 — 2정류장 −65행 · 4정류장 −185 · 8정류장 −409 · 12정류장 −630(만석 −11). 점수도 갈린다 — 4정류장 77.5 대 77.9 · 8정류장 69.3 대 69.7 · 12정류장 71.6 대 71.9.
  
  두 경로가 통과 사건을 어디서 다르게 세는지 아직 짚지 못했다. 매일 게시될 값은 평가기 쪽이므로 그쪽에 맞추는 것이 맞고, 원인을 찾은 뒤 정해야 한다.
• 노선 앞머리 12개 정류장을 어떻게 할 것인가. 전체 정류장의 13.8% 이고 그 구간 커버율이 37~44% 다. 실제 다음 버스는 중앙 8.3~12.0분 뒤에 오는데 차고지 대기 중이라 차량위치 API 에 안 보인다(96.2~96.8%). 지평을 늘려도 안 풀리고 한 바퀴 돌아 오는 차량을 세도 틀린 차를 가리킨다. 차고지 발차 시각이 있어야 풀린다. 지금은 그 정류장에서 빈 답을 낸다.
• 3330 의 일부 차량이 차고지가 아니라 회차지 부근(순번 42~43)에서 밤을 넘긴다. 30분 초과 공백 106건 중 56건이 300분 초과이고 직전 순번이 전부 거기다. 운행 시작 판정에 영향을 주는지 확인해야 한다.
• 회차 대기 시간이 시간대에 따라 변한다 — 1650 기준 07시 106.7분에서 21시 46.0분까지 줄어든다. 지금 모델은 이것을 쓰지 않는다.
• 60초 수집 주기에서의 성적 재산출. 지금 점수는 15초·60초·600초가 섞인 코퍼스에서 나왔다. 주간 구획만 떼어 채점하면 라벨 검열이 커지는 만큼 떨어질 것으로 보이는데, 재 본 적이 없다. 관측 밀도별 성적을 분해하는 것이 다음 순서다.
• 평일 자료. 평일 코호트 점수 75.6은 8월 18일 화요일 하루(17,674건)에서만 나왔다. "새로운 평일에도 이럴 것"은 아직 보증되지 않는다. 평일이 며칠 쌓이면 그때 확정으로 옮긴다.
• 계수 번들이 없다. 지금 숫자는 매번 학습해 다시 채점한 것이고, 서빙에 실을 고정된 계수 묶음이 아직 만들어지지 않았다. 그것이 없으면 배포도 재현도 성립하지 않는다.
• 회차 너머 예보의 코호트별 성적. 지평 12에서 회차 너머 표본의 실제 만석률이 0.617%인데 예측 평균은 0.238%다. 이 구간을 아침·저녁·노선별로 쪼개 채점한 적이 없어, 과소예측이 특정 시간대에 몰려 있는지 고르게 퍼져 있는지 모른다.
• j12 를 평가기에 편입한 뒤의 실측. 지금 숫자는 오프라인 산출이다. 평가기에 들어가면 다른 후보들과 같은 원장을 쓰고, 그때 값이 여기 실린 값과 같은지 대조해야 한다.
• 층 두 개의 재판정. 노선별로 나눈 뒤 기준점 조절 층과 상대 구간 층의 기여가 거의 사라졌다. 빼도 성능이 유지되면 구조가 여섯 층에서 네 층으로 줄어든다.
• 대기열 정보. 만석이 새로 발생하는 순간을 결정하는 것은 정류장에 서 있는 사람 수인데, 그 값이 재료에 없다. 구간 수요 열이 그 자리이며, 장기 평균 대신 실시간 추정치를 끼우면 구조를 바꾸지 않고 승격된다.