KAIST, 군중 밀집 예측 AI 개발…예측 정확도 76% 향상 작성일 09-17 53 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">대형 행사 인파 관리·교통 혼잡 완화 기대<br>코로나19 등 감염병 확산 대응에도 활용 전망</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="QLrmXkc6GK"> <figure class="figure_frm origin_fig" contents-hash="da8f9dc4490a90a0fad7eb27e7265562c55b86fd97a6beafa630f658de156a77" dmcf-pid="xCZ59YWAYb" dmcf-ptype="figure"> <p class="link_figure"><img alt="연구팀에서 개발한 바이모달 학습 기반 군중 밀집위험 예측 작동 흐름도. ⓒ한국과학기술원" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/17/dailian/20250917094614108sbue.jpg" data-org-width="700" dmcf-mid="PAwrHcA8t9" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/17/dailian/20250917094614108sbue.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 연구팀에서 개발한 바이모달 학습 기반 군중 밀집위험 예측 작동 흐름도. ⓒ한국과학기술원 </figcaption> </figure> <p contents-hash="28ee29d9a682e7bfffc53d2462c0dd45c337993fc029fa82f435d03d5dcceab7" dmcf-pid="yfinsRMUZB" dmcf-ptype="general">한국과학기술원(KAIST) 연구진이 군중 밀집 상황을 정밀하게 예측할 수 있는 인공지능(AI) 기술을 개발했다고 17일 밝혔다.</p> <p contents-hash="65d49da4ae1351c12f33c3175f96d06853a7644376ad6d553bfcf5811c00f7e9" dmcf-pid="W4nLOeRu5q" dmcf-ptype="general">연구팀은 이번 성과를 통해 기존 대비 예측 정확도를 최대 76.1% 높이며 세계 최고 수준으로 평가받았다. 대형 행사 안전 관리, 도심 교통 혼잡 완화, 감염병 확산 억제 등 다양한 분야에서 활용이 기대하고 있다.</p> <p contents-hash="4d82d20aa021bee39cbb7279ec2aead94641d1f11cc7565cdd6da91219648902" dmcf-pid="Y8LoIde7tz" dmcf-ptype="general">이재길 KAIST 전산학부 교수 연구팀은 군중 밀집 상황을 더 정확히 예측할 수 있는 새로운 AI 기술을 개발했다.</p> <p contents-hash="a0124073945cb15d6429a23fb7beb41cca590e7b6de264313cc0b42f718ad658" dmcf-pid="G6ogCJdzG7" dmcf-ptype="general">군중이 모이는 양상은 단순 인원수 증감만으로 설명되지 않는다. 같은 인원이라도 어디서 유입되고 어느 방향으로 빠져나가는지에 따라 위험 수준이 달라진다. 연구팀은 이러한 움직임을 ‘시간에 따라 변하는 그래프(time-varying graph)’ 개념으로 표현했다. 특정 지역 인구수(정점 정보)와 지역 간 인구 흐름(간선 정보)을 동시에 분석해야 정확한 예측이 가능하다는 설명이다.</p> <p contents-hash="9fe08f39ee5c94a2e090b3697a1426aa47cd520dc2072b19ff49208e71d24e86" dmcf-pid="HPgahiJq5u" dmcf-ptype="general">기존 연구는 대체로 한 가지 정보만 이용했다. ‘현재 몇 명이 모였는가’ 또는 ‘어느 경로로 이동하는가’에 집중한 것이다. 연구팀은 두 가지를 결합해야만 실제 위험 신호를 포착할 수 있다고 강조했다.</p> <p contents-hash="ae38771960488c3e2d1fdda924f3d7d285ac0ec5a7d20a958fe23b564d972605" dmcf-pid="XQaNlniBtU" dmcf-ptype="general">예를 들어 특정 골목 A의 밀집도가 급증하는 현상은 단순히 현재 인원만으로는 예측하기 어렵다. 그러나 인근 지역 B에서 A 방향으로 인파가 몰려오는 흐름(간선 정보)을 함께 보면 곧 A 지역이 위험해질 수 있음을 미리 알 수 있다.</p> <p contents-hash="6a640ecfb57d89a639f738adf35025c6bcbefd71b2f2e3245ac5b8e7d69369fe" dmcf-pid="ZxNjSLnbHp" dmcf-ptype="general">연구팀은 이를 위해 ‘바이모달 학습(bi-modal learning)’ 방식을 개발했다. 인구수(정점 정보)와 인구 흐름(간선 정보)을 동시에 고려하면서, 공간적 관계(지역 간 연결)와 시간적 변화(이동 시점)를 함께 학습하는 방식이다. 여기에 3차원 대조 학습(3D contrastive learning) 기법을 도입해 지리적 정보와 시간 정보를 함께 학습하도록 했다. 인공지능이 단순히 인구 증감 여부를 넘어 시간에 따른 밀집 패턴까지 읽어낼 수 있도록 한 것이다.</p> <p contents-hash="963123e10647a885da41f6b018027fb45ec0068234f9653d383e8a31261e471b" dmcf-pid="50VfobBWt0" dmcf-ptype="general">연구팀은 서울·부산·대구 지하철과 뉴욕 교통 데이터, 한국·뉴욕 코로나19 확진자 수 등 실세계 데이터를 직접 수집·가공해 연구용 데이터셋 6종을 구축하고 공개했다.</p> <p contents-hash="51067a8730c8ac434c66269a3ab47b3968a85e4136e44b403f023c0be0603d89" dmcf-pid="tU48a9KG5F" dmcf-ptype="general">검증 결과, 제안 기술은 기존 최신 방법 대비 최대 76.1% 높은 예측 정확도를 기록하며 세계 최고 수준 성능을 입증했다.</p> <p contents-hash="944c7ed15137bff543cda91210283c170ac86aab680aec3b0deb8e46ab9bfcdd" dmcf-pid="Fu86N29H5t" 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 기여하길 바란다”고 말했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 데일리안. 무단전재 및 재배포 금지.</p> 관련자료 이전 “헤라클래스 못잖은 괴력 발휘” 사람보다 30배↑…강철같은 ‘인공근육’ 등장 09-17 다음 제네시스 레이싱팀, ELMS 5차전 LMP2 클래스 우승 09-17 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
