MaaS개념의 핵심이 되는 것이 이동에 필요한 다양한 기능의 통합으로 스웨덴의 찰마스공과대학의 연구자들은 MaaS를 통합단계에 따라 레벨0~4까지 5단계(레벨0은 통합되지 않은 상태)로 분류하고 있다(<표1>).
표1•MaaS레벨의 분류
단계
분류명
개요
예
4
Integration of policy
(정책의 통합)
도시 계획과 인프라 정비, 인센티브 등의 시책이 교통정책과 하나되어 입안된다.
없음
3
Integration of the service offer
(서비스제공의 통합)
Maas 오퍼레이터가 사업자의 경계를 넘어 각 이동수단이 일원화된 패키지를 이용자에게 대리로 제공한다.
기간정책제(서브스크립션)를 채용하고 있다.
Whim
(핀란드·MaasGlobal사)
2
Integration of booking & payment
(예약, 결제의 통합)
일원화된 정보 하에 선택된 교통수단 등의 예약·발권·결제를 앱 등에서 일괄적으로 해결할 수 있다.
Moovel(독일 Daimler사)
my route(서일본철도, 도요타 자동차 등)
1
Integration of Information
(정보의 통합)
각 교통수단(모드)의 이용요금·경로 등의 정보가 일원화되어 제공되기 때문에 최적의 이동수단의 선택이 용이하게 된다.
NAVITIME, GoogleMap 등
MaaS에 활용되는 기술
MaaS가 주목 받고 있는 배경에는 디지털 기술의 발전과 침투가 있다. 예를 들면 지난 몇 년 동안 스마트폰 앱이 보급되면서 MaaS의 기능들이 스마트폰 앱을 통해서 통합이 이루어지는 경우가 많다. 또한 이동수단의 빅데이터를 활용한 분석·개선을 위해서 각 교통기관의 운행 정보와 이용자의 결제·행동데이터의 연계가 필요하기 때문에 다양한 디지털 기술의 조합과 기반의 정비가 필수적이다.
이러한 앱의 편리성을 높여 나가기 위해서는 향후 API(Application Programming Interface)의 정비도 중요한 경쟁 요인이 될 것이다. API를 이용함으로써 일정한 규칙에 따라 기업이 보유하고 있는 시각표 등의 데이터와 서비스기능의 일부를 공개·공유할 수 있다. 외부 기업은 이러한 API를 융합하여 보다 편리성이 높은 앱 개발(매쉬업)을 진행할 수 있다. API를 공개한 교통사업자에게는 지금까지 없었던 서비스를 외부사업자에게 제공함으로써 보유하고 있는 서비스의 편리성을 향상시킬 수 있는 에코시스템을 구축할 수 있게 된다(<그림7>).
그림8•MaaS와 인센티브 설계
금전적 인센티브(외발적 보수)
+
비금전적 인센티브(내발적 보수)
운임 및 요금 등을 데이터에 근거하여 상황과 개개인에 따라 동적으로 설정함으로 행동 변용을 유발
*일본에서는 운임, 요금을 사람에따라 유연하게 변경하는 것은 어려움이 있다.
금전과 평가에 의한 유도가 아니라 심리적인 동기를 부여함으로써 행동의 변용을 유발(행동경제학적 시점) 게미피케이션 등과 같이 '재미', '즐거움', '성취감' 등 행동 자체의 매력을 높이는 설계수법이 주목받고 있다.
그러나 교통사업자는 데이터와 기능의 어느 부분을 오픈화하면 자사에 장기적인 이익으로 연결되는지를 검토해야 한다. 또한 다양한 기능이 통합된 MaaS 앱을 이용자들이 계속해서 이용하게 함으로써 교통데이터 및 결제데이터 등이 축적되어 간다.
표2•MaaS의 분류
분류명
개요
예
광의의
MaaS
서비스
통합형
(협의의 MaaS)
복수의 이동서비스에 일원적으로 액세스할 수 있는 플랫폼을 구축하여 대중교통의 편리성을 강화하고 효율화를 도모.
Whim(핀란드)
my route(서일본철도,
도요타자동차 등)
서비스
고도화형
통합만을 전제로 하고 있지 않지만, 각 교통수단의 편리성을 높이려고 노력.
자율주행 등의 기술이 발전하고, 데이터 연계가 진행됨으로써 기존의 설계·개발·제조 등의 영역뿐만 아니라 서비스의 영역에서 어떤 가치를 제공하느냐가 중요.
자율주행 등 e-Palette
(도요타자동차)
카쉐어, 라이드쉐어
기타
관련
비즈니스형
새로운 기술의 보급에 따라 고도화가 진행된 서비스에서 이동과 관련된 것이나 MaaS를 추진하는 데 필요한 것들을 MaaS라고 부름.
프라이스워터하우스쿠퍼스(PwC)에 따르면 전세계 MaaS 시장은 연평균 25% 성 장해 2030년 1600조원 시장을 형성할 것으로 전망
인공지능 기반 통합 모빌리티 플랫폼
‘패턴태그엔진’을 개발하고 있다. 휴대폰 진동센서를 기반으로 이동패턴을 학습해 경로를 예측하는 딥러닝 기술이다. “앱 사용자가 데이터 제공에 동의하면 자동으로 GPS와 이동경로 데이터가 확보됩니다. 이용자의 이동 방향, 속도, 걸음 수 등 신체활동 데이터에 공공 데이터와 파트너사 데이터를 융합하면 딥러닝 알고리즘을 통해 사용자의 이동패턴을 예측할 수 있어요. 사용자별 맞춤형 길 찾기와 교통수단 연동 서비스를 제공할 수 있는 거죠. 이후 금융사와 모빌리티 파트너사를 확보해 교통비 결제 및 대여 서비스까지 제공할 계획입니다.”
