붐비는 도심에서 주차 공간을 찾는 일은 실제 주행 시간보다 더 오래 걸리는 경우가 많으며, 이는 기존 내비게이션 앱들이 간과해 온 고질적인 문제다. 이에 MIT 연구진은 이러한 불확실성을 제거하기 위해 설계된 '확률 인지(probability-aware)' 내비게이션 시스템을 선보였다. 이 시스템은 단순히 사용자를 최종 목적지로 안내하는 것을 넘어, 물리적 거리와 주차 공간을 찾을 수학적 확률 사이의 최적의 균형을 제공하는 주차 구역을 직접 제안한다.

시스템의 핵심 로직은 '동적 계획법(Dynamic Programming)'을 활용한다. 이는 복잡한 문제를 작은 단계로 나누어 목표 지점부터 역순으로 계산해 나가는 방식으로, 주행과 주차 및 도보 이동에 소요되는 총 시간을 정교하게 산출한다. 특히 다른 운전자들의 실시간 행동 패턴을 반영하여, 특정 주차장이 가득 찼을 때 주변 지역으로 차량이 몰리는 파급 효과까지 예측해낸다. 실제로 시애틀 교통 데이터를 활용한 시뮬레이션에서 이 시스템은 극심한 혼잡 구간의 총 이동 시간을 최대 66%까지 단축했다.

이러한 접근 방식은 운전자의 편의를 넘어 환경 보호 측면에서도 중요한 의미를 갖는다. 주차 자리를 찾기 위해 도로를 배회하는 시간을 줄임으로써 도심의 탄소 배출량을 효과적으로 낮출 수 있기 때문이다. 또한 총 이동 비용에 대한 투명한 정보를 제공하여, 통근자들이 대중교통과 자차 이용 중 더 합리적인 선택을 내리도록 돕는다. 향후 캐시 우(Cathy Wu, MIT 교수)와 연구팀은 위성 이미지와 자율주행 차량 데이터를 통합해 실시간 주차 예측 시스템의 완성도를 더욱 높일 계획이다.

복잡한 도시에서 주차할 곳을 찾는 건 실제 운전하는 시간보다 더 오래 걸릴 때가 많아요. 지금까지의 길찾기 앱들은 이런 문제를 해결하지 못했죠. 그래서 MIT 연구원들은 주차에 대한 불안함을 없애주는 '주차 가능성을 미리 생각하는 기술(확률 인지 내비게이션)'을 만들었어요. 이 시스템은 단순히 목적지까지 가는 길만 알려주는 게 아니라, 목적지와의 거리와 주차 자리를 찾을 수 있는 확률을 계산해 가장 좋은 주차 구역을 직접 추천해 줍니다.

이 시스템의 비결은 '복잡한 문제를 작은 단계로 나누어 끝에서부터 거꾸로 계산하는 방법(동적 계획법)'을 사용하는 거예요. 마치 미로 찾기를 할 때 도착 지점에서 거꾸로 길을 찾아가는 것과 비슷하죠. 이를 통해 운전, 주차, 걷기에 걸리는 전체 시간을 아주 정확하게 계산해 냅니다. 특히 다른 운전자들이 어디로 몰리는지도 예측할 수 있어서, 미국의 시애틀에서 실험했을 때 복잡한 길에서 이동 시간을 최대 66%나 줄일 수 있었어요.

이런 기술은 운전자가 편해지는 것뿐만 아니라 지구를 지키는 데도 큰 도움이 돼요. 주차 자리를 찾으려고 도로를 뱅뱅 도는 시간이 줄어들면 차에서 나오는 '나쁜 공기(탄소 배출량)'도 줄어들기 때문이에요. 또한 전체 이동 시간을 정확히 알려주어 사람들이 대중교통을 이용할지 차를 탈지 더 똑똑하게 결정하도록 돕습니다. 앞으로 연구팀은 인공위성 사진과 '스스로 운전하는 자동차(자율주행 차량)'의 데이터까지 합쳐서 더 완벽한 주차 예측 시스템을 만들 계획입니다.