“제2의 이태원 참사 막는다” KAIST, AI 군중밀집 예측기술 개발 작성일 09-17 73 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">- 전산학부 이재길 교수 연구팀, 군중밀집 위험 예측 정확도 76%↑</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="9qkujV2X5G"> <figure class="figure_frm origin_fig" contents-hash="17be017a056a0c4c64c8f4459f0a487731f8fd5377c53b7157a70489e1ec1942" dmcf-pid="2BE7AfVZGY" dmcf-ptype="figure"> <p class="link_figure"><img alt="남영은(왼쪽부터) KAIST 박사과정, 이재길 교수, 나지혜 박사과정, 윤수식(윗줄 왼쪽부터) 고려대 교수, 송환준 KAIST 교수 .[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/17/ned/20250917084048060sfbo.png" data-org-width="1280" dmcf-mid="b6L5J7uSZX" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/17/ned/20250917084048060sfbo.png" width="658"></p> <figcaption class="txt_caption default_figure"> 남영은(왼쪽부터) KAIST 박사과정, 이재길 교수, 나지혜 박사과정, 윤수식(윗줄 왼쪽부터) 고려대 교수, 송환준 KAIST 교수 .[KAIST 제공] </figcaption> </figure> <p contents-hash="7b252ccf55000a95bbf4b4d601686becbf3b419712e746859ae0f9b7bfabfb48" dmcf-pid="VbDzc4f5HW" dmcf-ptype="general">[헤럴드경제=구본혁 기자] 이태원 참사와 같은 다중밀집사고를 예방하려면 단순 인원수 파악을 넘어 인파의 유입·이동 경로를 실시간으로 감지하는 기술이 필요하다. 국내 연구진이 군중 밀집 예측 신기술을 개발하는 데 성공했다. 이 기술은 대규모 인파가 모이는 축제·행사, 도심 교통 혼잡 완화뿐 아니라 감염병 확산 대응 등에도 활용될 수 있다.</p> <p contents-hash="5b6152f9a39f0abd7a5ec03cf6cad03fa2db73c33259ab3aedc3d1f5478c027a" dmcf-pid="fKwqk841Zy" dmcf-ptype="general">KAIST는 전산학부 이재길 교수 연구팀이 군중 밀집 상황을 더 정확하게 예측할 수 있는 새로운 인공지능 기술을 개발했다고 17일 밝혔다.</p> <p contents-hash="60a7e1574534f7085307873a0a31cc9ec1432d6f7e7bd292d42b5f9e7b01a801" dmcf-pid="49rBE68tYT" dmcf-ptype="general">군중이 모이는 양상은 단순히 인원수 증감으로만 설명되지 않는다. 같은 인원이라도 어디서 유입되고 어느 방향으로 빠져나가는지에 따라 위험 수준이 달라진다.</p> <p contents-hash="20a2145d786bde4bd03eab32408663f0e48d35d4389bd2e051911293870937bc" dmcf-pid="83o1iz7vZv" dmcf-ptype="general">이재길 교수팀은 이러한 움직임을 ‘시간에 따라 변하는 그래프(time-varying graph)’라는 개념으로 표현했다. 즉, 특정 지역에 몇 명이 있는지(정점 정보)와 지역 간 인구 흐름이 어떤지(간선 정보)를 동시에 분석해야만 정확한 예측이 가능하다는 것이다.</p> <p contents-hash="453dceba075f74fb7b23aae787ec575271647b785b0b6ca9b59c229c31fbb39f" dmcf-pid="60gtnqzT5S" dmcf-ptype="general">반면 지금까지의 대부분 연구는 한 가지 정보만 이용했다. ‘현재 몇 명이 모여있나?’ 혹은 ‘어느 경로로 사람들이 몰려가고 있나?’에만 집중했던 것이다. 하지만 연구팀은 두 가지를 결합해야만 진짜 위험 신호를 잡아낼 수 있다고 강조했다.</p> <p contents-hash="9c58e639f719c977b8625b589137ad9cdb99ac4b4f80cb637dee9fe2be2a4bf1" dmcf-pid="PpaFLBqy5l" dmcf-ptype="general">예를 들어, 특정 골목 A의 밀집도가 급증하는 현상은 단순히 ‘현재 인원’만으로는 예측하기 어렵다. 그러나 인근 지역 B에서 계속해서 A 방향으로 인파가 몰려오는 흐름(간선 정보)을 함께 보면, ‘곧 A 지역이 위험하다’는 신호를 미리 포착할 수 있다.</p> <p contents-hash="b5c7a5d72e4d418c95afd727bb70551ec5af40fb46737845d0c2f165ee902c8e" dmcf-pid="QUN3obBWHh" dmcf-ptype="general">연구팀은 이를 위해 ‘바이모달 학습(bi-modal learning)’ 방식을 개발했다. 이는 인구수(정점 정보)와 인구 흐름(간선 정보)을 동시에 고려하면서, 공간적 관계(어느 지역끼리 연결돼 있는지)와 시간적 변화(언제, 어떻게 이동이 발생하는지)를 함께 학습하는 기술이다.</p> <figure class="figure_frm origin_fig" contents-hash="9266b786c4631b36db90ca0eaed9e89acdbcdfabd5cfc9f0f61bb839226b8598" dmcf-pid="xuj0gKbY5C" dmcf-ptype="figure"> <p class="link_figure"><img alt="개발한 바이모달 학습 기반 군중 밀집위험 예측 작동 흐름도.[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/17/ned/20250917084048356fzkj.jpg" data-org-width="1200" dmcf-mid="KAcUN29H1H" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/17/ned/20250917084048356fzkj.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 개발한 바이모달 학습 기반 군중 밀집위험 예측 작동 흐름도.[KAIST 제공] </figcaption> </figure> <p contents-hash="e797cf2c8f50b2f01fe57434c58a828eea9280c56d1aa85ddb6c7af301d125d5" dmcf-pid="ycpNFmrRXI" dmcf-ptype="general">특히 연구팀은 3차원 대조 학습 기법을 도입했다. 즉 2차원 공간(지리) 정보뿐만 아니라 시간 정보를 더해 모두 3차원 관계성을 학습하고자 했다. 이를 통해 인공지능이 단순히 ‘지금 인구가 많은지, 적은지’가 아니라 ‘시간에 따라 어떤 패턴으로 밀집이 진행하고 있는지’를 읽어낼 수 있게 됐다. 그 결과, 기존보다 훨씬 더 정확하게 혼잡 발생 장소와 시점을 예측할 수 있다.</p> <p contents-hash="0292e23010d278885655add28fde1e783d637dc1309fb28b1c840a69e3d5d7ab" dmcf-pid="WkUj3smeGO" dmcf-ptype="general">연구팀은 서울·부산·대구 지하철과 뉴욕 교통 데이터, 한국·뉴욕의 코로나19 확진자 수 등 실세계 데이터를 직접 수집·가공해 연구용 데이터셋 6종을 구축하고 공개했다.</p> <p contents-hash="ea1f4bfcf094d0935ffe5a270be52c9673081da3febf715d25afe81d8212b585" dmcf-pid="YEuA0OsdYs" dmcf-ptype="general">제안 기술을 검증한 결과, 기존 최신 방법 대비 최대 76.1% 높은 예측 정확도를 기록하며 세계 최고 수준의 성능을 입증했다.</p> <p contents-hash="2edca7b8d67a708875d0d87cef9e1d7299726cd5f3557da91fd11bebd5fafbd4" dmcf-pid="GD7cpIOJXm" dmcf-ptype="general">이재길 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.</p> </section> </div> <p class="" data-translation="true">Copyright © 헤럴드경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 '이혼 후 동거' 윤민수, '40억' 상암동 건물 3년만에 매각[핫피플] 09-17 다음 '높이뛰기' 우상혁, 도쿄 세계선수권 은메달… 개인 통산 두 번째 메달 [뉴시스Pic] 09-17 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
