Development of City Bus Passenger Prediction System Using Function Optimization

본 연구는 하차 태깅이 이뤄지지 않는 지방 도시의 교통 데이터 한계를 극복하고자, 교통카드 빅데이터와 재차인원 정보를 활용하여 정류소 단위의 승차 수요를 예측하는 시스템을 제안하였다. 전주시 주요 노선 3개(101, 165, 970번)를 대상으로 Random Forest, XGBoost, LightGBM 알고리즘을 비교 적용하고, 요일 및 시간대별 성능을 분석하였다. 실험에는 2025년 4월 데이터를 학습용으로, 5월 데이터를 시험용으로 활용하였다. 전처리 과정에서 요일, 주말 여부 등 파생 변수를 생성하고 Label Encoding을 통해 범주형 데이터를 정수값으로 변환하였다. 모델 성능 평가는 RMSE 지표를 사용하였으며, 전반적으로 LightGBM이 가장 낮은 예측 오차를 기록하여 안정적인 성능을 보였다. 특히 주중(월~금)에는 모든 모델이 안정적 성능을 보였으나, 주말과 퇴근 시간대(17~19시)에는 예측 오차가 급격히 증가하였다. 본 연구는 하차 정보 없이도 수요 예측이 가능하다는 실용성과, 데이터 전처리 및 학습 효율성 측면에서 높은 활용 가능성을 제시하며, 향후 탄력 배차, 노선 재설계, 예산 배분 등 정책적 활용에 기여할 수 있다.