“제2의 이태원 참사 예방”…AI로 76% 정확도로 ‘군중밀집 예측’ 작성일 09-17 65 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">KAIST, 인구 수·인구 흐름 동시에 분석하는 AI기법<br>시간에 따른 밀집패턴 파악..인파 관리, 도심혼잡 완화</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="VNg45Aj4vW"> <figure class="figure_frm origin_fig" contents-hash="f27413c779e1da8255a3a8e9c38bd451a5f3c3a15eeb860883031d334c24bfa6" dmcf-pid="fja81cA8Ty" dmcf-ptype="figure"> <p class="link_figure"><img alt="KAIST가 개발한 바이모달 학습 기반 군중 밀집 예측기술 개념도. KAIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/17/dt/20250917141430211fgia.jpg" data-org-width="640" dmcf-mid="9YN6tkc6yG" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/17/dt/20250917141430211fgia.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> KAIST가 개발한 바이모달 학습 기반 군중 밀집 예측기술 개념도. KAIST 제공 </figcaption> </figure> <p contents-hash="6b811ef4b2ebf7d7cd73e37612a6a081177a17708030a2054af5a847bd2435f7" dmcf-pid="4AN6tkc6lT" dmcf-ptype="general"><br> 인공지능(AI)을 활용해 대규모 인구이동과 군중 밀집 상황을 정밀하게 예측할 수 있는 기술이 나왔다. 대규모 인파가 모이는 축제, 행사, 도심 등에서 군중 안전 확보와 감염병 확산 방지 등에 기여할 것으로 기대된다.<br><br> KAIST는 이재길 전산학부 교수 연구팀이 군중 이동 경로와 밀집도를 분석·예측할 수 있는 AI 기반 군중 밀집 예측 기술을 개발했다고 17일 밝혔다.<br><br> 이태원 참사와 같은 다중밀집 사고를 예방하려면 단순히 인원수를 파악하는 수준을 넘어 인파의 유입·이동 경로를 실시간으로 감지하는 기술이 필요하다.<br><br> 연구팀은 특정 지역에 몇 명이 있는지(정점 정보)와 지역 간 인구 흐름이 어떤지(간선 정보)를 동시에 분석할 수 있는 ‘시간에 따라 변하는 그래프’(time-varying graph) 개념을 도입했다.<br><br> 지금까지 대부분의 연구는 ‘현재 몇 명이 모여있나’, 혹은 ‘어느 경로로 사람들이 몰려가고 있나’에만 집중했으나 연구팀은 두 정보를 결합해야만 위험 신호를 잡아낼 수 있다고 판단했다.<br><br> 가령, 특정 A 골목의 밀집도가 급증하는 현상은 단순히 현재 인원만으로 예측하기 어렵다. 하지만 인근 지역 B에서 계속해서 A 방향으로 인파가 몰려오는 흐름(간선 정보)을 동시에 보면 ‘곧 A지역이 위험하다’는 신호를 미리 포착할 수 있다.<br><br> 연구팀은 이를 위해 인구수와 흐름 정보를 동시에 고려하면서 어느 지역끼리 연결돼 있는지(공간적 관계)와 언제, 어떻게 이동하는지(시간적 변화)를 함께 학습할 수 있는 ‘바이모달 학습’ 방식을 개발했다. 여기에 2차원 공간 정보뿐 아니라 시간 정보를 더해 3차원 관계성을 확인하기 위해 ‘3차원 대조학습’ 기법을 도입했다.<br><br> 이를 기반으로 AI가 시간에 따라 어떤 패턴으로 밀집이 진행하고 있는지를 알아낼 수 있게 함으로써 보다 정확한 혼잡 발생 장소와 시점을 예측할 수 있게 구현했다.<br><br> 연구팀은 서울·부산·대구 지하철과 뉴욕 교통 데이터, 한국·뉴욕의 코로나19 확진자 수 등 데이터를 직접 수집·가공해 연구용 데이터셋 6종을 구축, 공개했다.<br><br> 제안 기술을 검증한 결과, 최신 방법과 비교해 최대 76.1%의 높은 예측 정확도를 보여 세계 최고 수준의 성능을 입증했다.<br><br> 이재길 KAIST 교수는 “대형 행사 인파 관리, 도심 교통 혼잡 완화, 감염병 확산 억제 등에 활용할 수 있을 것”이라고 말했다.<br><br> 이 연구결과는 국제 학술대회 ‘지식발견 및 데이터마이닝학회(KDD) 2025’에서 지난달 발표됐다.<br><br> </p> <figure class="figure_frm origin_fig" contents-hash="d0ae0b99854d9c40b24af822f04eecc3d813d86c96f8023062e7a79dd236c4ef" dmcf-pid="8cjPFEkPyv" dmcf-ptype="figure"> <p class="link_figure"><img alt="이재길(가운데) 교수와 남영은(왼쪽) 박사과정, 나지혜 박사과정 . KAIST 제공." class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/17/dt/20250917141431565byvr.png" data-org-width="640" dmcf-mid="2CsnBhCnSY" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/17/dt/20250917141431565byvr.png" width="658"></p> <figcaption class="txt_caption default_figure"> 이재길(가운데) 교수와 남영은(왼쪽) 박사과정, 나지혜 박사과정 . KAIST 제공. </figcaption> </figure> <p contents-hash="9cfa2706e68d02e7209024b93cb9490f4edbf2b3e2020a741ac9fdd19a63e194" dmcf-pid="6kAQ3DEQCS" dmcf-ptype="general"><br> 이준기 기자 bongchu@dt.co.kr</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털타임스. 무단전재 및 재배포 금지.</p> 관련자료 이전 새신랑 김종민, 2세 준비 척척 “박수홍 부러워, 딸 원합니다” 솔직(우아기)[결정적장면] 09-17 다음 티아포 전패, 데이비스컵 최다 우승 미국.. 올해 파이널스 출전 불발 09-17 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
