KAIST 군중 밀집 예측 기술 개발···대형 사고 막는다 작성일 09-17 27 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">AI 기반 군중 밀집 예측 신기술로 위험 예측 76% 향상</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="70caBhCnsY"> <p contents-hash="81e551857b4b073c31e9e2894437bc3097bab9f75c1e0cdb066c4b928efa8c93" dmcf-pid="zWdx1cA8mW" dmcf-ptype="general"> [이데일리 강민구 기자] 한국과학기술원(KAIST) 연구진이 이태원 참사와 같은 다중밀집사고를 예방하기 위해 군중 밀집 예측 기술을 선보였다.</p> <p contents-hash="1514bb40fc431636caf4f779cb6ed8f03b0eec73ab2b345f00110054399ef82f" dmcf-pid="qYJMtkc6Oy" dmcf-ptype="general">KAIST는 이재길 전산학부 교수 연구팀이 군중 밀집 상황을 더 정확하게 예측할 수 있는 새로운 인공지능(AI) 기술을 개발했다고 17일 밝혔다.</p> <figure class="figure_frm origin_fig" contents-hash="8a337d26b8e31fc72012fb5db42f9867df6d572e3cb5f415e0685905b5ed442e" dmcf-pid="BGiRFEkPOT" dmcf-ptype="figure"> <p class="link_figure"><img alt="이재길 교수(아래에서 가운데)와 윤수식 고려대 교수(이에서 첫번째)를 비롯한 주요 연구진.(사진=KAIST)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/17/Edaily/20250917142652919koxi.jpg" data-org-width="670" dmcf-mid="ue01k29HwG" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/17/Edaily/20250917142652919koxi.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 이재길 교수(아래에서 가운데)와 윤수식 고려대 교수(이에서 첫번째)를 비롯한 주요 연구진.(사진=KAIST) </figcaption> </figure> <div contents-hash="d6fa031b2e90ab12fb3820c5f244af699504c856579b5cb5eeaf84d44fef130f" dmcf-pid="bHne3DEQmv" dmcf-ptype="general"> 군중이 모이는 양상은 단순히 인원수 증감으로만 설명되지 않는다. 같은 인원이라도 어디서 유입되고 어느 방향으로 빠져나가는지에 따라 위험 수준이 달라진다. </div> <p contents-hash="1bf95e6ea9989faff0b70d0b3fe2919496890182fd4c37f9290db4f4a6284f01" dmcf-pid="KXLd0wDxmS" dmcf-ptype="general">이재길 교수팀은 이러한 움직임을 ‘시간에 따라 변하는 그래프’라는 개념으로 표현했다. 특정 지역에 몇 명이 있는지(정점 정보)와 지역 간 인구 흐름이 어떤지(간선 정보)를 동시에 분석해야만 정확한 예측이 가능하다는 이유에서다.</p> <p contents-hash="c59f9b5f2fc794237db0e444b7812481fb96a6956c5b219592da06150d711963" dmcf-pid="9ZoJprwMsl" dmcf-ptype="general">연구팀은 ‘바이모달 학습(bi-modal learning)’ 방식을 개발했다. 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 학습시켰다.</p> <p contents-hash="b3a85c938079f9d602cf6ed86f0a90b267643fc3fb12794549de838e4a24bd20" dmcf-pid="25giUmrRmh" dmcf-ptype="general">연구팀은 3차원 대조 학습(3D contrastive learning) 기법도 도입했다. 2차원 공간(지리) 정보뿐만 아니라 시간 정보를 더해 모두 3차원 관계성을 학습하고자 했다. 이를 통해 AI가 단순히 ‘지금 인구가 많은지, 적은지’가 아니라 ‘시간에 따라 어떤 패턴으로 밀집이 진행하고 있는지’를 읽어낼 수 있게 됐다.</p> <p contents-hash="f3cc55b3bdc85d3445cbe1fd7937d832337af37c656a0f4b69b53836146a0109" dmcf-pid="V1anusmeDC" dmcf-ptype="general">또 서울·부산·대구 지하철과 뉴욕 교통 데이터, 한국·뉴욕의 코로나19 확진자 수 등 실세계 데이터도 수집·가공해 연구용 데이터셋 6종을 구축하고 공개했다. 검증 결과, 기존 방법 대비 최대 76.1% 높은 예측 정확도를 나타냈다.</p> <p contents-hash="db770ff64ba40129de3347ab272b2a92da8a313bad3c9d62f2f0e92f4a7f2647" dmcf-pid="fbOw8GYcOI" 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> <p contents-hash="703e663eda476a4b3eec1f4d310a37a9f7887b177d4139b24020b4deac4e1aff" dmcf-pid="4KIr6HGkOO" dmcf-ptype="general">연구 결과는 데이터마이닝 분야 국제학술대회 ‘지식발견및데이터마이닝학회(KDD) 2025’에서 지난 8월 발표됐다.</p> <p contents-hash="64002dc1a356e69dbed6241e9d61fd6ee8a3ae8d1b5b12859ffb246588906cd1" dmcf-pid="89CmPXHEms" dmcf-ptype="general">강민구 (science1@edaily.co.kr) </p> </section> </div> <p class="" data-translation="true">Copyright © 이데일리. 무단전재 및 재배포 금지.</p> 관련자료 이전 이병헌, ♥이민정 직장 동료 상상만 해도 끔찍 “부부 사이 이미 너덜너덜” (MJ) 09-17 다음 임재범 "데뷔 40주년, '이젠 꺾였구나'라고..갈수록 어려워"[Oh!쎈 현장] 09-17 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
