모든 차가 자율주행을 해도 도로는 계속 막힐까? | 서울대 김동규 교수 | 샤로잡다 시즌 2

메타데이터

• 원문 제목: No Accidents, So Why Is Traffic Jammed? | Professor Kim Dong-gyu, SNU | SNU Catch Season 2 (ENG CC)
• 영상 제목(한국어): 모든 차가 자율주행을 해도 도로는 계속 막힐까? | 서울대 김동규 교수 | 샤로잡다 시즌 2
• 채널: 서울대학교 Seoul National University
• 공개일: 2026-08-06
• 영상 길이: 26분 32초
• URL: https://www.youtube.com/watch?v=BUDRtbBZjeI
• 출연자: 김동규 서울대학교 건설환경도시공학부 교수, 진행자 최성훈
• 용어 보정: 자막의 ‘자유주행’은 문맥상 ‘자율주행’, ‘존네씨’는 존 내시(John Nash), ‘시은 캠퍼스’는 서울대 시흥캠퍼스, ‘개인 지서 서비스’는 개인 맞춤형 서비스로 보정해 기록했다.

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==모든 운전자가 각자 가장 빠른 길을 선택해도 교통 전체는 더 느려질 수 있으며, 자율주행의 핵심 효과는 ‘차가 전부 알아서 운전하는 것’보다 사람·차량·인프라가 정보를 공유해 교통 흐름을 예측 가능하게 만드는 데 있다.==

• 내비게이션이 비어 있는 도로를 ‘빠른 길’로 안내하면 차량이 몰려 그 길이 더 이상 빠르지 않게 된다.
• 기술이 이동을 효율화해도 이동 횟수와 승용차 이용이 함께 증가하면 체감 혼잡은 줄지 않을 수 있다.
• 디지털 트윈, V2X, 합성 데이터, 주차 자동화와 같은 시스템적 보완이 자율주행차 단독 성능보다 빠른 개선을 만들 수 있다.

교통공학은 차량의 움직임만 계산하는 학문이 아니라, 각자의 선택이 전체 시스템에 미치는 외부효과와 사람들이 이동하려는 마음을 함께 읽는 학문이다. 따라서 미래 교통의 목표는 ‘정체가 완전히 사라지는 도로’라기보다 출발·도착 시간과 경로를 예측할 수 있고, 정보·안전·편의의 격차가 줄어드는 교통 서비스에 가깝다.

1. 내비게이션이 안내한 최적 경로가 모두를 늦추는 이유

내비게이션의 개인별 최적화와 도로 전체의 최적화는 일치하지 않을 수 있다.

1.1. 빈 도로를 빠른 길로 만드는 순간 수요가 몰리는 역설

1. ‘빠른 길’의 조건은 차량이 적다는 데 있다.

   1. 내비게이션은 현재 통행 시간이 짧은 길을 빠른 길로 판단한다.
   2. 그러나 그 짧은 통행 시간은 차량이 아직 많이 들어오지 않았기 때문에 가능한 결과다.
   3. 여러 사람이 같은 안내를 받으면 빈 도로에 동시에 진입하고, 차량 증가로 통행 시간이 늘어난다.

2. 개인의 합리적 선택이 시스템 전체의 비효율을 만든다.

   1. 차량이 몰린 길은 원래 이용하던 길이나 다른 우회로보다 느려질 수 있다.
   2. 병목이 생긴 뒤 내비게이션이 업데이트하기 전에 사람들이 판단하고 한꺼번에 진입하는 속도가 더 빠를 수 있다.
   3. 이 상호작용 때문에 각각은 최선이라고 생각한 선택을 했지만 모두가 불행해지는 역설이 발생한다.

1.2. 고속도로와 램프의 병목이 만드는 전체 지체

1. 신호 없는 간선도로도 진입부에서 막힌다.

   1. 경부고속도로, 올림픽대로, 강변북로처럼 신호 없이 오래 달릴 수 있는 도로가 내비게이션의 선호 경로가 되기 쉽다.
   2. 하지만 이런 도로에 들어가는 램프와 합류부는 병목 구간이 된다.

2. 교통량의 작은 증가가 큰 지연으로 증폭된다.

   1. 병목에서는 차량이 조금만 늘어도 대기 시간이 크게 증가한다.
   2. 개인에게는 빠른 도로라도 시스템 전체의 총 통행 시간은 오히려 늘어날 수 있다.
   3. 교통공학은 이 결과를 개인의 선택만이 아니라 전체 네트워크의 비용으로 평가해야 한다.

1.3. 내시 균형과 교통 인프라의 역할

1. 내시 균형(Nash equilibrium)이 설명하는 교통 역설

   1. 김동규 교수는 자막에 ‘존네씨’로 잡힌 존 내시가 개별적으로 최선인 선택이 시스템 전체에서는 나빠지거나 최악의 상황을 유도할 수 있음을 수학적으로 증명했다고 설명한다.
   2. 교통에서 각 운전자는 자신의 시간과 편의를 최적화하지만, 자신이 도로에 추가하는 지체 비용까지 충분히 고려하지는 않는다.

2. 외부 개입으로 개인 선택을 전체 최적에 가깝게 조정한다.

   1. 신호는 차량·보행자가 충돌하지 않도록 통행권을 배분하는 장치다.
   2. 신호 운영을 조정해 한꺼번에 쏠리는 흐름을 분산하거나 혼잡 구간으로의 진입을 유도·억제할 수 있다.
   3. 통행료와 같은 요금 전략, 경로 안내, 인프라 배치도 다른 경로로 수요를 분산하는 수단이다.
   4. 따라서 교통공학은 사람들의 경제적 선택을 분석하고 신호·요금·경로 전략으로 전체 시스템을 개선하는 분야다.

2. 내비게이션 정보의 한계와 혼잡이 줄지 않는 이유

2.1. ‘덜 최적인 길’을 선택해야 할 때가 생기는 이유

1. 내비게이션은 모든 구간을 완전한 실시간으로 관측하지 못한다.

   1. 현재 내비게이션 회사들은 자동차에서 수집한 정보와 모바일 데이터를 바탕으로 구간별 통행 시간을 추정한다.
   2. 차량이 거의 다니지 않는 새 도로는 정보가 부족할 수 있다.
   3. 차량이 잠시 정차한 특별한 이유를 시스템이 알지 못하면 정상적인 통행 속도와 다른 잘못된 안내가 나올 수 있다.

2. 경험 많은 운전자의 판단이 더 나을 수 있다.

   1. 택시 기사는 내비게이션이 추천하는 길을 보면서도 자신의 경험상 그 길이 틀렸다고 판단하는 경우가 있다.
   2. 이런 상황에서 안내를 맹신하기보다 신호 운영, 경로 재분배, 요금 정책 등 외부 전략으로 차량을 분산하는 편이 전체 혼잡을 완화할 수 있다.

2.2. 기술이 좋아져도 체감 혼잡이 유지되는 수요의 반작용

1. 효율이 이동 수요를 다시 늘린다.

   1. 예전에는 회사나 학교에 갔다가 집으로 돌아오는 이동이 중심이었다.
   2. 지금은 미디어를 통해 매력적인 행사와 방문지가 계속 노출되면서 하루 통행 횟수가 늘어난다.
   3. 사람들이 도로와 대중교통을 차지하는 시간·비율이 증가하면 기술로 얻은 효율이 추가 수요에 흡수된다.

2. 소득 상승은 승용차 이용 증가로 이어질 수 있다.

   1. 한 대의 차량만 있을 때는 대중교통을 이용하던 가구가 소득이 높아지면 두 대, 세 대를 보유하고 더 자주 이용할 수 있다.
   2. 따라서 교통 기술이 발전해도 이동량과 승용차 이용률이 함께 증가하면 ‘예전보다 덜 막힌다’는 체감이 나타나지 않을 수 있다.

3. 교통 데이터를 모으고 디지털 트윈으로 실험하는 방법

3.1. 서로 다른 출처를 결합하는 교통 데이터

1. 데이터 수집 경로

   1. 연구 과제를 직접 수행해 필요한 데이터를 얻는다.
   2. 정부 데이터는 신청·승인 절차를 거쳐 학술 연구 목적으로 제공받는다.
   3. 개인정보를 제거한 CCTV 데이터, 교통카드 데이터, 민간 업체와 협업한 내비게이션 데이터, GPS 데이터를 활용한다.

2. 불완전한 관측을 합성해 모델을 만든다.

   1. 서로 다른 데이터셋을 함께 합성한다.
   2. 관측이 비어 있는 구간은 다른 정보로 추정해 보완한다.
   3. 이렇게 만든 더 완결된 데이터로 통행·대기·혼잡 모델을 구축한다.

3.2. 현실에서 바꿀 수 없는 교통을 가상 공간에서 시험하기

1. 교통은 사람과 시스템의 상호작용이라 축소 모형만으로 시험하기 어렵다.

   1. 건축물은 축소 모형으로 만들 수 있고 약품은 실험실에서 시험할 수 있지만 사람을 작게 만들어 교통 실험을 할 수는 없다.
   2. 현실의 신호를 마음대로 바꿔 보는 것도 시민 안전과 실제 운영 때문에 불가능하다.
   3. 그래서 컴퓨터 가상 공간에 실험실을 만들고 신호·경로·차량 흐름을 모델링해 분석한다.

2. 디지털 트윈(Digital Twin)은 현실과 계속 평행하게 간다.

   1. 일반 시뮬레이션은 특정 시점의 현실을 맞추면 그 순간에는 비슷하지만 시간이 흐를수록 현실과 따로 놀 수 있다.
   2. 디지털 트윈은 시작 시점을 맞춘 뒤 현실에서 들어오는 정보를 계속 받아들인다.
   3. 현실과 가상 모델이 시간에 따라 평행하게 움직이므로 운영 전략의 효과를 지속적으로 확인할 수 있다.

3.3. 서울대 시흥캠퍼스 앞 도로 실증

1. 연구 목적과 방법

   1. 경찰청 발주의 자율주행 기술개발 혁신사업에서 서울대 시흥캠퍼스 앞 도로를 대상으로 연구했다.
   2. 자율주행 차량이 다닐 때 혼잡을 어떻게 완화할지 전략을 만들고, 센서가 설치되지 않은 구간의 교통 정보도 추정했다.

2. 확인된 효과

   1. 센서가 없는 구간에서도 교통 정보를 만들어 냈을 때 약 85%의 정확도를 확인했다.
   2. 경로와 차로 선택을 잘 안내해 차량 대기 시간과 대기 행렬 길이를 최대 약 15% 줄인 실증 결과가 있었다.
   3. 이는 디지털 모델이 단순한 가상 실험에 그치지 않고 실제 경로 안내와 혼잡 완화로 이어질 수 있음을 보여준다.

4. 자율주행은 운전자를 없애는가, 의사결정 구조를 바꾸는가

4.1. 사람의 선택을 차량이 완전히 대체하지 않는 전환

1. 의사결정 주체의 변화는 교통공학의 패러다임 변화다.

   1. 인간 운전자가 내리는 선택의 가지수가 줄어들면 교통 흐름의 결과는 달라진다.
   2. 하지만 그 결과를 감당하는 주체는 여전히 사람과 사회이므로 기술의 의사결정을 전체 시스템 안에서 봐야 한다.

2. 완전 자율주행과 FSD의 차이

   1. 전통적인 ‘autonomous vehicle’ 개념은 차량이 모든 의사결정을 스스로 하는 구상에서 출발했다.
   2. 테슬라가 발표한 FSD(Full Self-Driving)는 차량이 운전을 중심적으로 수행하되 운전자가 옆에서 계속 감독하고 필요하면 개입하는 구조다.
   3. 교수는 사람의 판단을 차량이 완전히 대체하기보다 사람과 차량이 함께 의사결정하는 구조로 바뀔 것이라고 본다.
   4. 연구의 핵심은 자율주행 모듈과 사람을 어떻게 하나의 시스템으로 묶고, 인프라가 그 결합을 어떻게 보완할지에 있다.

4.2. CV·CAV·V2X가 만드는 협력형 교통

1. 차량과 인프라가 정보를 주고받는 단계

   1. CV(Connected Vehicle)는 연결된 차량을 뜻한다.
   2. CAV(Connected Automated/Autonomous Vehicle)는 연결성과 자율주행을 함께 갖춘 차량이다.
   3. V2X는 차량과 차량, 차량과 인프라 등 주변 시스템 전체가 정보를 주고받는 개념이다.

2. 좌회전 차로 사례

   1. 운전자가 좌회전을 위해 중앙선에 가까운 1차로를 달리는데 앞이 막히고 옆 차로는 뚫려 있다고 가정한다.
   2. 현재 정체가 좌회전 대기열 때문인지 다른 차량 때문인지는 앞쪽 정보를 받지 못하면 알 수 없다.
   3. 먼저 지나간 차량이 ‘이 차로는 이번 교차로 좌회전 대기열이므로 빠져나가도 된다’고 알려 주면 불필요한 대기를 피할 수 있다.
   4. 앞 차량이 ‘여기서 좌회전하지 말고 다음 교차로에서 유턴하는 편이 빠르다’고 알려 주면 차량 흐름을 분산할 수 있다.

3. 서울-부산 귀성길에서의 한계와 가능성

   1. 부산에 도착한 차량의 경험을 서울에서 지금 출발하는 차량에 그대로 적용할 수는 없다.
   2. 시간 차이가 있으므로 현재 상황을 얼마나 잘 예측하는지, 몇 대가 함께 출발하려는지에 대한 정보가 필요하다.
   3. 정보가 충분히 모여 차량들이 소통하면 차량이 기차처럼 한 몸으로 움직일 수 있다.
   4. 앞차의 늦은 제동과 재가속이 뒤로 퍼지는 유령 정체가 사라지고, 차량이 컨베이어 벨트처럼 이동하는 흐름도 가능하다.
   5. 다만 정부가 직접 운전을 금지하지 않는 한 연결·자율주행 기능을 믿지 않고 직접 운전하려는 사람이 남기 때문에 100% 보급은 어렵다.

5. 자율주행 보급률에 따른 교통·도로·주차의 변화

5.1. 10%, 30%, 50% 보급률이 만드는 서로 다른 효과

1. 초기 10%는 효과가 작거나 역효과가 날 수 있다.

   1. 자율주행차 10%는 나머지 90% 사람 운전자의 흐름에 맞춰야 한다.
   2. 자율주행차가 더 보수적이고 안전하게 운전하면 오히려 혼잡이 늘어날 가능성도 있다.

2. 비율이 높아질수록 협력 효과가 커진다.

   1. 차량끼리 정보를 주고받고 함께 이동하면 효율적인 경로 안내와 신호 회피가 가능해진다.
   2. 연구의 핵심은 100% 또는 50% 보급의 이상적 효과가 아니라, 10% 보급으로 20%의 효과를 내고 30% 보급으로 50%의 효과를 내는 방법이다.
   3. 그 목표를 위해 필요한 인프라, 시스템, 신호, 정보 제공 방식을 디지털 트윈과 시뮬레이션으로 찾고 있다.

3. 도로 공간은 장기적으로 재설계될 수 있다.

   1. 보급률이 낮을 때는 사람 운전자에 맞춰야 하므로 도로 형태가 크게 달라지지 않는다.
   2. 비율이 높아지고 흐름 효율이 올라가면 지금 네 차로가 필요한 곳이 두 차로만으로 운영될 가능성이 있다.
   3. 혼합 운전 단계에서는 사람과 차량이 함께 운전하므로 물리적 인프라 변화는 법·문화 변화와 함께 천천히 진행될 수 있다.

5.2. 도로보다 먼저 체감될 주차 자동화

1. 차가 사람을 주차장으로부터 분리한다.

   1. 사람은 집 앞에 세우고 싶지만 주차장이 부족해 불법 주차와 이중 주차가 발생한다.
   2. 자율주행차가 집과 가까운 주차장 사이를 반복 운행하는 경로를 학습하면 차량을 멀리 주차하고 필요할 때 불러올 수 있다.
   3. 주차 공간을 더 넓게 분산하고 도로 주변의 주차 혼잡과 공간 낭비를 줄일 수 있다.

2. 호출과 예측이 일상을 바꾼다.

   1. 차가 집에서 10분 떨어진 곳에 있어도 양치하고 물을 마시는 동안 호출해 문을 나설 때 대기시킬 수 있다.
   2. 시스템이 특정 구간의 혼잡을 학습해 ‘30분 일찍 일어나야 한다’거나 ‘10분 먼저 준비하라’고 알려 주면 생활이 더 예측 가능해진다.
   3. 교수는 도로 전체를 뜯어고치는 변화보다 이런 주차·개인 맞춤형 서비스가 먼저 크게 체감될 것으로 예상한다.

6. 차량 단독 성능보다 중요한 안전·프라이버시·사람 이해

6.1. 웨이모 사례와 다중 시스템 안전성

1. 기술은 상당히 개발됐지만 실제 안전도가 관건이다.

   1. 진행자는 샌프란시스코에서 웨이모를 타며 갑자기 멈춘 차량을 인간보다 빠르게 우회하는 판단을 봤다고 말했다.
   2. 한국에서 실용화되는 기준은 기술 시연이 아니라 실생활에서 얼마만큼의 안전도와 도움을 보장하는지다.

2. 차량 하나를 99%로 만드는 것보다 여러 시스템을 결합한다.

   1. 하나의 기술을 95%에서 96%, 98%에서 99%로 높이는 데는 큰 비용이 든다.
   2. 차량 센서·인프라·통신·주변 정보 시스템을 각각 약 90% 수준으로 개발해 결합하면 전체 안전도를 더 높일 수 있다.
   3. 자율주행차만 주변을 완벽히 살피기를 기다리기보다 인프라와 데이터 학습을 함께 설계해야 실용화 시기를 앞당길 수 있다.

6.2. 데이터 공유의 효용과 개인정보 보호

1. 프라이버시를 무시한 데이터 활용은 사회적 수용을 얻지 못한다.

   1. 교통 데이터가 모여야 시스템이 좋아지지만 그 안에는 개인의 이동·생활 정보가 들어갈 수 있다.
   2. 기술 발전만을 위해 개인정보를 무시하면 시민 반대가 커지고 참여자도 줄어든다.

2. 합성 데이터로 현실성과 안전성을 함께 확보한다.

   1. 실제 개인의 데이터를 그대로 쓰지 않고, 개인 데이터와 유사한 가상의 데이터를 만들어 훈련할 수 있다.
   2. 합성 데이터(Synthetic Data)를 이용하면 현실적인 교통 시스템을 학습하면서 개인정보 노출 위험을 낮출 수 있다.

6.3. 교통공학은 사람의 마음을 읽는 학문이다

1. 이동 행동 뒤의 의도를 이해해야 서비스가 좋아진다.

   1. 어떤 사람이 횡단보도를 건너려는지, 얼마나 빨리 가려는지, 대중교통으로 도착한 사람이 왜 그곳에 왔는지를 읽어야 한다.
   2. 교통공학의 본질은 사람의 움직임에 앞선 마음과 목적을 파악하는 것이라고 교수는 설명한다.

2. 혼잡은 출퇴근 시간에만 고정되지 않는다.

   1. 최근에는 특정 시간대가 아니라 여러 장소에서 혼잡이 갑자기 나타났다가 사라지는 현상이 늘고 있다.
   2. 진행자는 동남아시아의 스콜처럼 비가 확 쏟아졌다가 그치는 현상에 비유했다.
   3. 한국에서도 어떤 지역에 2~3개월 동안 사람이 몰렸다가 이후에는 방문자가 급격히 줄어드는 현상이 나타난다.
   4. 연구자는 사람들이 왜 그곳에 갔고 왜 떠났는지를 읽어 이런 변동의 원인을 찾으려 한다.

3. 자연주의적 운전 연구(Naturalistic Driving Study)

   1. 운전 중 사람은 평소와 다르게 행동할 수 있으며, 진행자는 이성 친구를 사귀려면 운전하는 모습을 보라는 농담을 소개했다.
   2. 다른 운전자의 자극에 어떻게 반응하는지, 차로 변경 때 어떤 각도로 들어가는지, 어떤 상황에서 끼워 주거나 양보하지 않는지를 보면 운전자의 성향을 추정할 수 있다.
   3. 드론이나 위성에서 차량 움직임을 관찰해 이런 패턴을 분석하면 공격적·충동적 운전자를 구분하고 자율주행차의 안전·효율적 대응을 설계할 수 있다.

7. 10년 뒤의 교통과 ‘인간은 이기적인가’라는 질문

7.1. 교수의 전망: 정체 제로가 아니라 예측 가능한 서비스

1. 서울은 인프라를 바탕으로 자율주행이 빨리 정착할 가능성이 높다.

   1. 서울은 다른 도시보다 인프라가 잘 갖춰져 있어 더 많은 자율주행 서비스가 먼저 이용될 것으로 전망한다.
   2. 도로가 아예 막히지 않게 되지는 않겠지만, 언제 출발해 어디를 거쳐 언제 도착할지 계획할 수 있는 서비스가 될 수 있다.
   3. 가장 큰 체감 변화는 평균 시간이 극적으로 줄어드는 것보다 도착 시간의 편차가 줄어드는 예측 가능성이다.

2. 물리적 변화와 서비스 변화의 속도는 다르다.

   1. 도로 구조, 제도, 법규, 운전 문화는 기술 변화만큼 빠르게 바뀌지 않을 수 있다.
   2. 반면 물리적 도로를 크게 바꾸지 않아도 되는 개인 맞춤형 서비스는 빠르게 도입될 가능성이 있다.
   3. 서울 내부와 서울·지방 사이의 정보 격차와 서비스 불균형이 커질 수 있으므로 이를 줄이는 정책이 중요하다.

7.2. 개인의 이익과 공동체 목표를 조정하기

1. ‘이기적’이라는 말은 자신의 목적을 달성하려는 행동으로 이해할 수 있다.

   1. 운전자는 자신이 원하는 장소에 빨리 가려 하지만, 자신이 도로를 이용해 다른 사람에게 만드는 지체까지 충분히 계산하지는 않는다.
   2. 이 의미에서는 교통 이용자가 자기 이익을 우선한다고 볼 수 있다.

2. 사람이 항상 이기적이라는 결론은 아니다.

   1. 공동체 지향의 목표를 설득하고, 정부가 정책을 추진하며, 필요한 보상을 함께 제공하면 사람들은 선의를 통해 공동 목표를 지향할 수 있다.
   2. 미래 교통은 기술로 사람을 통제하는 것뿐 아니라, 정보·정책·보상을 통해 개인의 선택과 사회 전체의 이익을 조정해야 한다.

주요 발언 모음

“각자가 최선을 선택했는데 전체 시스템에서는 안 좋아질 수도 있고, 심지어는 최악의 상황을 유도할 수도 있습니다.”

“디지털 트윈은 처음을 맞춰 놓고 계속 현실의 정보를 받아들여 현실과 같이 평행하게 갈 수 있도록 만들어 주는 도구입니다.”

“사람의 의사 결정을 차량이 대체한다기보다는 사람과 차가 같이 의사 결정을 하는 구조로 바뀌게 될 것입니다.”

“교통공학의 본질은 사람의 마음을 읽는 학문이라고 생각합니다.”

“아예 차가 막히지 않는 것은 아니겠지만, 언제 출발해서 어디를 들렀다 어디로 갈 수 있는지 계획할 수 있는 예측 가능한 서비스가 가장 큰 체감의 변화일 것입니다.”

“사람들이 항상 다 이기적이라고 생각하지는 않습니다. 설득과 정책, 필요한 보상이 함께 이루어지면 공동 목표를 지향할 수 있습니다.”

핵심 데이터 & 수치

• 26분 32초: 영상 전체 길이다.
• 약 85%: 센서가 없는 서울대 시흥캠퍼스 앞 도로 구간의 교통 정보를 추정했을 때 확인한 정확도다.
• 최대 약 15%: 경로·차로 안내를 통해 차량 대기 시간과 대기 행렬 길이를 줄인 실증 효과다.
• 10% 자율주행 보급: 90%의 사람 운전자 흐름에 맞춰야 하므로 효과가 작거나 보수적 운전으로 혼잡이 늘 수도 있는 단계다.
• 10%→20%, 30%→50%: 연구가 지향하는 보급률 대비 효과 증폭의 예시다.
• 4차로→2차로: 자율주행차 비율이 충분히 높아 흐름 효율이 올라갈 경우 필요한 차로 수가 줄어들 수 있다는 예시다.
• 2~3개월: 특정 지역에 사람이 몰렸다가 방문이 사라지는 최근 혼잡·이동 패턴의 사례 기간이다.
• 10분: 자율주행차가 집에서 10분 거리의 주차장에서 호출될 수 있다는 주차 자동화 예시다.

결론 및 시사점

1. 개인 최적화의 한계를 인정해야 한다. 내비게이션의 ‘빠른 길’은 수요가 몰리는 순간 느린 길이 되므로, 개인별 최단시간과 네트워크 전체 최적을 구분해야 한다.
2. 교통 정책은 외부효과를 다뤄야 한다. 신호 운영, 요금, 경로 안내, 인프라 배치로 한꺼번에 몰리는 수요를 분산해야 한다.
3. 혼잡 개선은 수요 증가와 함께 평가해야 한다. 기술이 이동 비용을 낮추면 이동 횟수와 승용차 이용이 늘어 효율 향상이 체감되지 않을 수 있다.
4. 디지털 트윈은 현실을 계속 업데이트하는 교통 실험실이다. 실제 도로에서 위험한 실험을 하기 전에 신호·경로·자율주행 보급률의 효과를 검증할 수 있다.
5. 자율주행의 현실적 목표는 인간 대체가 아니라 협업이다. 사람, 차량, 인프라, 통신이 함께 의사결정하도록 설계해야 한다.
6. 초기 보급률의 효과를 키우는 시스템 설계가 핵심이다. 100% 자율주행을 기다리기보다 10%·30% 보급에서도 더 큰 효과를 내는 정보·신호·인프라를 만들어야 한다.
7. 주차 자동화가 가장 먼저 체감될 수 있다. 차량을 사람과 주차공간에서 분리하면 불법·이중 주차와 도심 공간 낭비를 줄일 수 있다.
8. 다중 시스템과 합성 데이터가 안전성과 프라이버시를 함께 보완한다. 차량 하나의 성능을 극한으로 높이는 것보다 주변 인프라·통신을 결합하고 개인정보는 합성 데이터로 대체하는 접근이 실용적이다.
9. 미래 교통의 성공 기준은 정체 제로가 아니다. 도착 시간의 편차가 줄고 이동 계획이 가능해지는 예측 가능성, 그리고 지역·계층 간 정보 격차를 줄이는 공공성이 더 중요하다.