KAIST 연구진이 군중 밀집 예측 신기술을 개발하는 데 성공했다. 

대규모 인파가 모이는 축제·행사, 도심 교통 혼잡 완화뿐 아니라 감염병 확산 대응 등에도 활용될 수 있다. 

이재길 KAIST 전산학부 연구팀은 군중 밀집 상황을 정밀하게 예측할 수 있는 인공지능 기술을 개발했다고 17일 밝혔다. 

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

이재길 교수팀은 이러한 움직임을 시간에 따라 변하는 그래프라는 개념으로 표현했다. 특정 지역에 몇 명이 있는지(정점 정보)와 지역 간 인구 흐름이 어떤지(간선 정보)를 동시에 분석해야만 정확한 예측이 가능하다는 것이다. 

지금까지의 대부분 연구는 몇 명이 모여있는지, 어느 경로로 사람들이 몰려가고 있는지 가운데 한 가지 정보만 이용한 반면, 연구팀은 두 가지를 결합해야만 위험 신호를 잡을 수 있다고 강조했다. 

연구팀은 이를 위해 바이모달 학습 방식을 개발했다. 

방식은 인구수와 인구 흐름을 동시에 고려하며 공간적 관계와 시간적 변화를 학습하는 기술이다. 

연구팀은 3차원 대조 학습 기법을 도입해 2차원 공간 정보뿐만 아니라 시간 정보를 더해 3차원 관계성으로 학습하고자 했다. 

이를 통해 인공지능이 시간에 따라 어떤 패턴으로 인구 밀집이 진행하고 있는지를 읽어낼 수 있게 됐다. 

연구팀은 서울·부산·대구 지하철과 뉴욕 교통 데이터, 한국·뉴욕의 코로나 19 확진자 수 등 세계 데이터를 직접 수집·가공해 연구용 데이터셋 6종을 구축하고 공개했다. 

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

이재길 교수는 "사회적 파급력을 낼 수 있는 기술 개발이 중요하다"며 "기술이 대형 행사 인파관리, 도심 교통혼잡 완화 등 일상 속 안전을 지키는 데 기여하길 바란다"고 말했다.