정보의 통합도 어려운 일이지만 그 결과를 이동 서비스의 사용자들에게 정제하여 보여주는 과정도 쉽지만은 않을 것이다. 

플랫폼이 커버하는 교통수단이 많아질수록, 그리고 이동하는 거리가 멀어질수록 수많은 종류의 경로가 가능하다. 

만일 그 많은 경로들을 모두 사용자에게 보여준다면 오히려 극심한 혼란에 빠질 수 있다.

특히 사람들마다 선호하는 이동방법이 서로 다르기 때문에 모든 사람들에게 동일하게 경로를 안내할 수도 없다. 

경로 선택에 있어 가장 중요한 것은 역시 교통에 얼마나 비용을 지출할 의사가 있느냐이다. 

다소 소요시간이 길고 걷는 거리가 조금 있더라도 저렴한 경로를 원하는 사람이 있는 반면, 돈을 더 지불하더라도 빠르고 편하게 가는 것을 선호하는 사람도 있다. 

비슷한 시간과 비용이 소요된다고 하더라도 시간적으로 정확하게 운행되는 지하철을 원하는 사람이 있고, 창 밖 풍경을 보면서 갈 수 있는 버스를 좋아하는 사람도 있다. 

운동을 좋아하는 사람에게는 걷거나 자전거를 탈 수 있는 경로를 상위에 보여줄 수도 있을 것이다.

이러한 개인의 선호는 연령, 성별, 소득, 직업 등 몇 가지 특성을 변수로 사용자들을 분류해 예측할 수도 있다. 

그러나 현실적으로 선호를 나타내는 모든 속성들을 일일이 다 찾아낼 수는 없을 것이다. 

그래서 필요한 것이 인공지능의 한 방법인 머신러닝을 활용하는 것이다. 

개인의 과거 이동 정보를 학습하여 그 사람의 상황별 이동 선호를 파악하고 이를 바탕으로 경로계획을 제시해 주는 것이다. 

소비자들이 원하는 수준이 어느 정도인지에 따라 구현이 쉬울 수도 있고 아주 어려울 수도 있다. 

그리고 이 시스템은 사용자별로 어느 정도 과거 이동 데이터가 쌓여야 효과를 발휘한다.

때문에 초기에는 엉뚱한 선택지를 제시할 가능성도 있다.***

/ 도움말씀= 디지털경제연구소