시민 불편, 인공지능으로 똑똑하게 살핀다
시민 불편, 인공지능으로 똑똑하게 살핀다
  • 정한영 기자
  • 승인 2018.10.08 06:35
  • 댓글 0
이 기사를 공유합니다

랜덤 포레스트(Random Forest) 머신러닝 알고리즘과 이미지 및 텍스트 분류에 특화된 CNN 방식의 모델을 개발하였으며, 이를 통해 기존에 수작업에 의존했던 민원 사진의 분류나 처리부서 지정의 자동화가 가능
민원 발생 가능성이 높은 민원 취약 지점을 예측하는 머신러닝 모델 개발을 통해 효율적인 시민 불편 대응이 가능해졌다.(사진:pixabay)
민원 발생 가능성이 높은 민원 취약 지점을 예측하는 머신러닝 모델 개발을 통해 효율적인 시민 불편 대응이 가능해졌다.(이미지:pixabay)

민원처리에 관한 법률(제2조 제1호)에 따르면, ‘민원’이란 ‘민원인이 행정기관에 대하여 처분 등 특정한 행위를 요구하는 것’이다. 이와 같이 간단히 정의되는 ‘민원’과 이에 대응하는 ‘민원행정’은 행정에서 가장 기본적이지만 가장 해결하기 어려운 영역이다. 민원인에 불편을 준 공무원이 문책을 당하는가 하면, 민원인이 휘두른 흉기에 사회복지 공무원이 크게 다치는 등 민원처리 부서가 공직사회 내 기피부서라는 것은 공공연한 사실이다.

국민권익위원회 통계(민원 건수 : ‘10년 약 80만 건 → ’17년 약 310만 건으로 연평균 21.4%↑) 에 따르면, 2010년 이후 민원접수 건수가 매년 21% 이상 증가하고 있으며, 그 내용 또한 복잡 다양하게 진화하고 있어 양질의 민원서비스 제공을 위한 방안 마련이 절실한 상황이다.

행정안전부 책임운영기관인 국가정보자원관리원(원장 김명희, 이하 ‘관리원’)과 대구광역시(시장 권영진, 이하 ‘대구시’)는 인공지능 및 빅데이터 기반의 민원행정 프로세스 혁신을 위해 손을 잡았다. 대구시에서는 ‘04년부터 공무원이 시민 불편사항을 먼저 찾아 처리하는 사전 예방 중심의 시정견문정보시스템(공무원이 출·퇴근 및 출장 시 곳곳을 두루 살펴 시민불편 사항 입력·처리, 이하 ‘살피소’)을 구축·운영하는 등 선제적 민원 대응에 노력을 기울이고 있다.

하지만 의지만으로는 충분치 않은 것이 사실이다. 살피소 처리 건수(살피소 접수 건수 : ‘14년 16.6만건 → ’17년 37만건으로 연평균 30% ↑)가 2017년 기준 37만 건에 달하는 등 ’14년 이후 매년 30% 이상 증가하는 등 양적 성장을 보이고 있지만, 시민의 삶과 더욱 밀착돼 실질적으로 체감할 수 있는지 등 질적 성장에 대한 확인도 필요한 상황이다. 이에 관리원과 대구시는 민원행정 프로세스 혁신을 위한 빅데이터 분석을 실시하였고 과거 2년(‘16~’17년)간의 살피소 데이터(약110만건), 시민이 직접 신청한 민원 현황(3.2만건), 유동인구 데이터(59억건) 등을 활용하였다.

분석내용은 크게 ▶시민불편 선제대응 지수 개발 ▶민원 빈발지점 예측 ▶처리부서 자동지정을 위한 인공지능 모델 개발 등 3가지다. 먼저 시민 불편 사항을 효과적으로 선제 대응하기 위해 시민불편해소지수를 개발해 적용하였다. 살피소 민원과 시민이 직접 신청한 민원을 비교하여 시민 불편의 선제 대응 수준을 판단한 것으로, 지수 측정 결과, 환경·안전 분야는 우수한 반면 교통·보건 분야는 개선이 필요한 것으로 나타났다.

또한 민원 발생 가능성이 높은 민원 취약 지점을 예측하는 머신러닝 모델 개발을 통해 효율적인 시민 불편 대응이 가능해졌다.

유동인구 및 업종 분포 등 외부 데이터와 지도학습 기반 앙상블 학습 방법으로 다수의 의사 결정트리로부터 예측치를 모아 평균 또는 예측하는 랜덤 포레스트(Random Forest) 머신러닝 알고리즘을 활용하여, 민원 취약지점을 96.2%의 높은 정확도로 예측하는 ‘취약지점 예측모델’을 개발하였고, 모델 적용 결과, 동구 안심공업단지 주변 등 27곳이 향후 민원이 빈번히 발생할 지역으로 예측되어, 해당 지역의 순찰 강화 등 효과적인 선제 대응이 가능해졌다. 한편 이번 분석에는 ‘알파고’를 통해 화제가 되었던 최신 딥러닝 기술도 적극 활용되었다.

이미지 및 텍스트 분류에 특화된 CNN(Convolutional Neural Network) 방식의 모델을 개발하였으며, 이를 통해 기존에 수작업에 의존했던 민원 사진의 분류나 처리부서 지정의 자동화가 가능해졌다. 모델 적용시, 처리부서 지정에 90%의 정확도(사람의 경우 86%)를 보이고, 살피소 처리시간을 약 14% 단축(평균 7일→6일)하는 등 사람보다 정확하면서도 신속한 처리부서 지정이 가능해졌다.

대구시는 이와 같은 분석 결과를 살피소 시스템에 시범 적용 후 다른 민원 분야에도 확대 적용한다는 계획으로 먼저 시민불편해소지수를 활용하여 선제 대응 수준을 사전에 파악하여 대응하고, 민원 예측 지점에 대해 사전 순찰 강화, 현수막 게시대 설치 및 쓰레기 수거 간격 단축 등 관련 정책을 마련해 나가기로 했다. 또한 인공지능 기반의 처리부서 자동 지정 및 민원 분류 기능을 살피소 시스템에 반영하여 활용할 계획이다.

한편 김명희 국가정보자원관리원장은 “이번 분석은 우리원의 뛰어난 인공지능 및 빅데이터 기술이 현장에 접목되어 민원 행정 프로세스를 혁신하고 행정의 신뢰성을 제고할 수 있는 의미 있는 사례이며, 앞으로도 우리원은 공공혁신 및 사회적 가치 창출을 위해 시민 체감도가 높은 분석과제를 지속적으로 발굴·추진하겠다.”라고 밝혔다.


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.