dRIPPLE — AI 기반 KTX 연쇄 지연 예측 관제 시스템

· machine-learning · decision-support · transportation · 예측·What-if 분석·관제 UI·테스트 구현

OUTPUT
연쇄 영향과 대응안을 함께 보는 관제 화면
INPUT
KTX 지연과 운행 조건
PIN
연쇄 지연 예측 · XAI 원인 Top-3 · What-if 대안 비교 · 안전 제약·출처 표시 · 116개 테스트
RESULT
오프라인 RandomForest MVP의 계산, 상태 변화, 사용 흐름을 116개 테스트로 점검했습니다.

PROCESS

풀이과정

  1. 01
    KTX 지연과 운행 조건
  2. 02
    연쇄 지연 예측
  3. 03
    XAI 원인 Top-3
  4. 04
    What-if 대안 비교
  5. 05
    안전 제약·출처 표시
  6. 06
    116개 테스트
  7. 07
    연쇄 영향과 대응안을 함께 보는 관제 화면
연쇄 영향과 대응안 함께 비교
작은 지연도 후속 열차로 퍼지면 관제 판단이 달라집니다. 지연이 몇 분일지 맞히는 예측에 더해, 어떤 열차가 영향을 받고 어떤 조치가 가능한지를 같은 화면에서 비교하도록 했습니다.
조치 전에 바꿔 보는 What-if
RandomForest 기반 연쇄 지연 예측에 경보 대기열, XAI 원인 Top-3와 What-if A/B 비교를 연결했습니다. 각 대안에는 안전 제약과 자료 출처를 붙여, 관제사가 추천의 근거를 다시 확인할 수 있게 했습니다.
확인한 범위
제출용 MVP는 Streamlit과 오프라인 데이터로 구성했고, 계산과 상태 변화, 사용 흐름을 116개 테스트로 점검했습니다. 실제 KTX 관제 연동과 STGCN 학습은 범위에 넣지 않았고, 운영 성과도 검증하지 않았습니다.