제2의 ‘이태원 참사’ 막는다…군중 이동·밀집도 분석 기술 개발

바이모달 학습 기반 군중 밀집위험 예측 작동 흐름도. KAIST 제공

한국과학기술원(KAIST)은 전산학부 이재길 교수 연구팀이 군중 밀집 상황을 더 정확하게 예측할 수 있는 새로운 인공지능 기술을 개발했다고 17일 밝혔다.

군중이 모이는 양상은 단순히 인원수 증감으로만 설명되지 않는다. 같은 인원이라도 어디서 유입되고 어느 방향으로 빠져나가는지에 따라 위험 수준이 달라진다.

지금까지의 연구는 대부분 밀집도나 경로 등 한 가지 정보만 이용하는 경향이 강했다. 반면 이 교수팀은 두 가지를 ‘시간에 따라 변하는 그래프’ 개념으로 통합해 진짜 위험신호를 포착할 수 있도록 했다.

이를 위해 연구팀은 인구수(정점 정보)와 인구 흐름(간선 정보)을 동시에 고려하면서 공간적 관계와 시간적 변화를 함께 학습하는 ‘바이모달 학습’ 방식의 기술을 개발했다.

또 3차원 대조 학습 기법을 도입해 인공지능이 단순한 밀집도뿐 아니라 시간에 따른 패턴을 읽어내고 기존보다 훨씬 정확하게 혼잡 발생 장소와 시점을 예측하도록 했다.

연구팀은 서울·부산·대구 지하철과 뉴욕 교통 데이터, 한국·뉴욕의 코로나19 확진자 수 등 실세계 데이터를 직접 수집·가공해 연구용 데이터셋 6종을 구축하고 공개했다.

제안 기술을 검증한 결과, 기존 최신 방법 대비 최대 76.1% 높은 예측 정확도를 기록하며 세계 최고 수준의 성능을 입증했다.

이 교수는 “사회적 파급력을 낼 수 있는 기술 개발이 중요하다”며 “이번 기술이 대형 행사 인파 관리·도심 교통 혼잡 완화·감염병 확산 억제 등 일상 속 안전을 지키는 데 크게 기여하길 바란다”고 말했다.

이번 연구에는 KAIST 전산학부 남영은 박사과정 학생이 제1 저자로, 나지혜 박사과정 학생이 공저자로 참여했다. 연구 성과는 데이터마이닝 분야 국제학술대회 ‘지식발견및데이터마이닝학회(KDD) 2025’에서 발표됐다.

(대전=뉴스1)