목차
https://gocheon-connect.vercel.app/
퇴근 후 30분씩 투자해 우리 동네 교통 민원을 줄이기 위해 Gocheon Connect AI 교통 앱을 기획·개발한 과정을 단계별로 정리합니다. 아이디어 발굴부터 데이터 수집, 프로토타입 제작, 실제 제보 운영까지 사이드프로젝트 전체 흐름을 한눈에 볼 수 있도록 설명합니다.
우리 동네에는 항상 비슷한 교통 민원이 반복되었습니다. 특정 시간대에만 막히는 교차로, 버스 배차 간격이 길어 불편한 노선, 내비게이션에는 나오지 않는 위험한 골목길처럼 주민만 아는 문제들이 꾸준히 제기되었습니다. 하지만 공식 민원 시스템을 통해 문제를 올려도 처리 과정이 어떻게 진행되는지 알기 어렵고, 어느 구간이 얼마나 불편한지 데이터로 모아 보기에도 한계가 있었습니다. 저는 이런 불편을 줄이기 위해 퇴근 후 30분씩 시간을 떼어 비공식이지만 실질적인 교통 민원 플랫폼을 만들어 보기로 했습니다. 그렇게 탄생한 것이 우리 동네 교통 불편 데이터를 모으고, AI로 분류와 우선순위를 제안하는 Gocheon Connect라는 작은 웹 앱입니다. 이 글에서는 Gocheon Connect를 만들게 된 배경과 기획 방식, 그리고 실제로 어떻게 운영하고 있는지까지 전 과정을 정리해 보겠습니다.
1. 우리 동네 교통 민원을 직접 해결해 보기로 한 배경
우리 동네 교통 문제를 가장 크게 느낀 것은 출퇴근 시간대였습니다. 회사까지 거리는 멀지 않지만 버스 배차 간격이 들쭉날쭉해 몇 분 차이로 지각을 하거나, 특정 골목에서 차가 꼬여 버스가 제 시간에 도착하지 않는 일이 반복되었습니다. 주민 커뮤니티와 동네 온라인 게시판에는 같은 내용의 불만 글이 계속 올라왔지만, 어떤 구간이 특히 문제인지, 어느 시간대에 민원이 집중되는지 한눈에 볼 수 있는 자료는 존재하지 않았습니다. 기존 민원 시스템은 공공 기관 입장에서 관리되기 때문에, 주민이 체감하는 불편 정도와 실제 처리 우선순위 사이에 간극이 있다는 느낌도 들었습니다. 제가 직접 불편을 겪는 당사자이기도 했기 때문에, 단순히 불평을 남기는 대신 데이터를 모아 문제를 구조적으로 보여 주는 도구가 있으면 좋겠다고 생각했습니다. 그러다 퇴근 후에 빈 시간 30분만 꾸준히 사용해도 작지만 의미 있는 도구를 만들 수 있을 것이라는 결론에 도달했습니다. 시간과 체력이 제한된 상황에서 현실적으로 가능한 범위를 정하고, 우리 동네 교통 민원에만 집중하는 매우 좁은 문제 정의를 선택한 것이 첫 번째 결정이었습니다. 이렇게 범위를 좁히자 어떤 데이터를 모아야 하는지, 어떤 화면이 필요할지, 그리고 AI를 어디에 활용할 수 있을지가 보다 명확하게 보이기 시작했습니다.
2. Gocheon Connect AI 앱의 핵심 기능과 기획 과정
Gocheon Connect를 처음 기획할 때 가장 중요하게 생각한 것은 복잡한 기능보다 실제 주민이 쉽게 제보할 수 있는 흐름이었습니다. 사용자가 앱에 접속하면 첫 화면에서 바로 불편 구간을 지도에서 선택하고, 시간대와 불편 유형을 빠르게 체크할 수 있도록 설계했습니다. 제보 폼에는 위치, 날짜와 시간, 불편 유형, 간단한 설명, 선택적으로 사진을 첨부하는 항목만 두어 입력 부담을 최소화했습니다. 이렇게 수집된 데이터는 저장만 하는 것이 아니라 AI가 자동으로 분류하고 점수를 매기는 구조로 설계했습니다. 예를 들어 설명 문장을 기반으로 이 문제가 신호 체계 문제인지, 불법 주정차 문제인지, 보행 안전 문제인지 분류하고, 같은 구간에서 비슷한 제보가 얼마나 반복되는지에 따라 우선순위 점수를 계산하도록 했습니다. 저는 개발 초기에는 단순 규칙 기반으로 시작하고, 이후에 제보가 쌓일수록 AI 모델이 더 정교하게 패턴을 학습하도록 단계적인 로드맵을 세웠습니다. 또한 관리자 화면에서는 지도를 기준으로 어느 교차로에 어떤 유형의 민원이 많이 쌓이는지, 요일과 시간대별로 어떤 패턴이 있는지를 시각적으로 확인할 수 있도록 기획했습니다. 이렇게 기능을 정의하는 과정에서 항상 기준으로 삼은 것은 “주민이 올리기 쉽고, 한눈에 이해되며, 향후 행정기관과 대화할 때 증거 자료로 쓰일 수 있는가”였습니다.
3. 퇴근 후 30분으로 진행한 개발 루틴과 사용성 검증
Gocheon Connect 개발에서 가장 현실적인 제약은 시간이었습니다. 하루에 투자할 수 있는 시간은 퇴근 후 30분이 전부였기 때문에, 처음부터 완벽한 구조를 설계하기보다는 작은 기능 단위로 나누어 완성하는 방식을 선택했습니다. 첫 주에는 기본 화면 스케치를 만들고, 두 번째 주에는 제보를 저장하는 최소한의 데이터 구조를 만들었습니다. 그 다음에는 지도 위에 제보를 표시하는 기능, AI 텍스트 분류 API와 연동하는 기능처럼 한 번에 하나의 기능만 집중해서 구현했습니다. 각 기능을 완성할 때마다 실제로 제가 겪었던 교통 불편 사례를 테스트 데이터로 입력해 보면서 화면이 이해하기 쉬운지, 제보 과정이 번거롭지 않은지 점검했습니다. 주말에는 가까운 이웃이나 직장 동료 몇 명에게 링크를 공유하고, 제보를 올려 보게 한 뒤 어떤 부분이 헷갈렸는지 구체적인 피드백을 받았습니다. 사용성 측면에서는 입력 항목 수를 줄이는 것이 가장 큰 개선 포인트로 드러났고, 이에 따라 처음 구상했던 세부 옵션 일부를 과감히 삭제했습니다. 반대로 관리자 화면에서는 제보된 데이터를 가능한 한 많이 한눈에 볼 수 있어야 했기 때문에, 표와 차트, 지도 표시를 조합해 빠르게 이해할 수 있는 레이아웃을 계속 수정했습니다. 이렇게 제한된 시간 안에서도 매일 하나씩 작은 개선을 쌓다 보니 어느 순간부터는 실제로 동네 교통 민원을 정리해 보여 주는 도구로서 충분히 쓸 수 있는 수준에 도달했습니다.
4. 작은 지역 프로젝트가 가진 의미와 앞으로의 확장 가능성
Gocheon Connect는 아직 공식 서비스도 아니고, 특정 동네 주민 몇 명만 사용하는 매우 작은 프로젝트입니다. 그럼에도 불구하고 이 앱이 가지는 의미는 분명하다고 느낍니다. 첫째로, 반복적으로 제기되던 교통 민원을 감정적인 불만이 아니라 구조화된 데이터로 전환했다는 점입니다. 같은 교차로에서 어떤 요일, 어떤 시간대에 불편이 집중되는지 시각화된 화면을 보면, 문제를 처음 접하는 사람도 상황을 빠르게 이해할 수 있습니다. 둘째로, 개인이 퇴근 후 짧은 시간만으로도 로컬 문제 해결에 기여하는 실질적인 도구를 만들 수 있다는 가능성을 확인했습니다. 복잡한 인공지능 모델을 새로 만드는 대신, 이미 존재하는 AI 서비스를 적절히 조합하고, 로컬 데이터를 정리하는 데 집중한 전략이 특히 효과적이었습니다. 셋째로, 이러한 구조는 다른 동네나 다른 분야에도 쉽게 확장할 수 있습니다. 교통뿐 아니라 쓰레기 배출, 보행 환경, 소음 같은 생활 민원에도 동일한 제보 구조와 AI 분류 로직을 적용할 수 있기 때문입니다. 앞으로는 행정기관이나 지역 커뮤니티와 연계해 공식 협력 채널로 확장하는 것, 그리고 제보 데이터를 활용해 작은 정책 제안 리포트를 만드는 것을 장기적인 목표로 삼고 있습니다.
결론: 요약 및 정리
Gocheon Connect를 만들면서 느낀 점은 로컬 문제를 해결하는 데 꼭 거대한 예산이나 전업 개발팀이 필요하지는 않다는 사실입니다. 우리 동네 교통 민원이라는 매우 구체적인 문제를 선정하고, 퇴근 후 30분이라는 제한된 시간을 전제로 한 계획을 세운 것이 프로젝트를 끝까지 이어 갈 수 있었던 핵심 요인이었습니다. 주민 제보를 통해 데이터를 모으고, AI를 활용해 유형을 분류하고 우선순위를 제안하는 구조를 갖추자 감정적인 불만이 데이터 기반 대화로 바뀌기 시작했습니다. 아직은 작은 실험에 불과하지만, 이 앱을 통해 동네 교통 문제를 조금 더 명확하게 설명할 수 있게 되었고, 주민과 행정기관 사이의 간극을 줄이는 하나의 도구를 마련했다는 점에서 개인적으로 큰 의미가 있습니다. 이 글이 로컬 문제를 직접 해결해 보고 싶은 분들, 그리고 사이드프로젝트 주제를 찾고 있는 분들께 현실적인 참고 사례가 되기를 바랍니다. 작은 시간과 작은 시도로 시작하더라도, 데이터를 모으고 구조를 설계하면 생각보다 큰 변화를 만들어 낼 수 있다는 가능성을 보여 주고 싶습니다.