카셰어링 운영의 어려움은 전체 차량 수보다 수요가 발생하는 시간과 장소에 차량이 준비돼 있는지에서 시작된다. 이용자가 많은 거점에 차량이 부족하면 예약 기회를 놓치고 수요가 적은 곳에 차량이 몰리면 가동률과 수익성이 떨어진다. 차량을 다시 옮기는 과정에도 인력과 시간, 연료비가 필요해 무조건적인 재배치가 해답이 되기는 어렵다. 휴맥스모빌리티 관계사 카일이삼제스퍼가 차량별 손익과 지역별 수요를 분석해 배치와 가격 결정을 지원하는 AI 시스템을 개발한다.
카일이삼제스퍼는 카셰어링 차량과 거점 운영 데이터를 통합 분석하는 ‘AI 기반 카셰어링 차량·거점 운영 최적화 및 지능형 리밸런싱 추천 시스템’을 구축한다.
카일이삼제스퍼는 AI를 활용해 카셰어링 차량과 거점 운영 데이터를 통합 분석하고, 운영 의사결정을 지원하는 리밸런싱 추천 시스템을 구축할 계획이다. (자료 제공: 휴맥스모빌리티)
개발 목적은 휴맥스모빌리티 그룹의 카셰어링 사업을 담당하는 피플카와 외부 제휴채널에 공급한 공유차량의 운영 효율을 높이는 것이다. 카일이삼제스퍼가 차량을 공급·관리하면 피플카가 이를 ‘투루카’ 서비스의 상품으로 구성해 운영한다.
현재 운영자는 차량의 매출과 유지비, 거점별 예약량, 시간대별 차량 부족 현황 등을 각각 확인한 뒤 배치와 가격을 결정해야 한다. 새로운 시스템은 분산된 데이터를 연결해 어떤 차량을 어느 거점에 배치하고 언제 이동시킬지 추천한다.
손익·수요·재배치·가격을 한 화면에서 연결
AI 분석은 다섯 단계로 구성된다. 첫 단계에서는 대여 매출과 가동률, 관리비 등 차량별 데이터를 결합해 수익성을 진단한다. 차량을 보유하거나 운영하는 것만으로 발생하는 비용까지 반영해 계속 운용할 차량과 배치 변경이 필요한 차량을 구분하는 과정이다.
두 번째 단계에서는 거점별 이용 특성과 과거 예약을 분석해 적합한 차종과 차량 대수를 산정한다. 업무 지역에는 출퇴근과 단거리 이용 수요가, 주거·관광 지역에는 주말과 장시간 이용 수요가 집중될 수 있어 모든 거점에 같은 차종과 대수를 배치하면 효율이 낮아질 수 있다.
세 번째 단계에서는 시간대와 지역에 따른 이용 수요를 예측한다. 요일과 시간, 지역별 예약 패턴을 분석해 차량이 부족해질 거점과 유휴 차량이 발생할 거점을 미리 찾는다.
네 번째 단계는 예측 결과를 바탕으로 차량 재배치안을 추천하는 리밸런싱이다. 단순히 차량이 많은 곳에서 부족한 곳으로 옮기는 방식보다 이동 거리와 비용, 예상 예약 증가분을 함께 계산해 재배치의 경제성을 판단해야 한다.
마지막 단계에서는 수요 변화에 따른 탄력 요금을 적용한다. 예약 수요와 차량 공급이 불균형한 시간대의 가격을 조정해 이용을 분산하고 거점별 차량 가동률과 수익성을 개선하는 방식이다.
분석 결과는 통합 운영 대시보드에서 확인할 수 있다. 운영자는 차량과 거점별 손익, 예상 수요, 재배치 필요성, 가격 적합성을 한 화면에서 비교하고 주간 운영보고와 신규 거점 검토에 활용할 수 있다.
운영 시나리오를 적용하기 전에 결과를 예측하는 기능도 개발한다. 특정 거점에 차량을 추가하거나 차종을 바꾸고 가격을 조정했을 때 예약량과 수익성이 어떻게 변하는지 비교해 실제 운영에 반영할 대안을 선택하도록 지원한다.
이번 프로젝트는 과학기술정보통신부와 정보통신산업진흥원의 2026년 AI 통합 바우처 지원사업을 통해 추진된다. AI 바우처는 AI 솔루션을 도입하려는 수요기업과 기술을 공급하는 AI 기업이 컨소시엄을 구성해 산업 현장에 적용하도록 지원하는 사업이다.
카일이삼제스퍼가 수요기업을 맡고 AI 기반 물류 최적화 기업 위밋모빌리티가 공급기업으로 참여한다. 위밋모빌리티의 이동·배차 최적화 기술을 카셰어링 차량과 거점 운영 문제에 적용하는 구조다.
송윤화 카일이삼제스퍼 대표는 “차량의 손익부터 재배치와 가격까지 5단계 AI 분석으로 운영 판단의 정확도와 속도를 높이겠다”며 “축적한 역량을 대규모 플릿과 자율주행, 로보택시처럼 높은 수준의 차량 관리가 필요한 영역으로 확장하겠다”고 말했다.
휴맥스모빌리티는 주차와 충전, 카셰어링, 택시, 대리운전을 물리적 거점과 연결해 운영하고 있다. 회사 자료에 따르면 전국에서 주차장 1400곳과 충전소 3300곳을 직접 운영하고 있으며 주차 인프라를 통해 월 2500만대의 차량 데이터를 처리한다. 카셰어링 운영 데이터에 주차·충전 거점 정보를 결합하면 차량의 이용 수요뿐 아니라 주차 가능 여부와 충전 상태까지 반영한 플릿 관리로 확장할 수 있다.
AI 운영 시스템의 성과는 예측 정확도와 함께 실제 운영 지표로 확인해야 한다. 차량 가동률과 예약 실패율, 유휴시간, 재배치 거리와 비용, 차량당 공헌이익이 도입 전후로 어떻게 달라졌는지가 핵심이다. 탄력 요금 역시 수익 개선뿐 아니라 이용자의 가격 수용성과 거점별 서비스 접근성을 함께 살펴야 한다.
자율주행차와 로보택시는 운전자가 차량을 관리하지 않기 때문에 배치와 충전, 세차, 정비, 장애 대응을 실시간으로 조정하는 운영체제가 필요하다. 이번 시스템이 카셰어링 현장에서 차량 부족과 불필요한 이동을 동시에 줄이고 수익성을 입증한다면 현재의 운영 데이터는 대규모 무인 플릿을 관리하는 기반 자산으로 이어질 수 있다.
The post 어디에 몇 대 둘지 AI가 계산한다…카일이삼제스퍼, 카셰어링 운영 최적화 appeared first on 벤처스퀘어.