축제, 스포츠경기, 출퇴근 지하철 등은 많은 사람들이 불규칙하게 움직이는 상황에서 각각의 이동을 이해하고 예측할 수 있으면 압사 등 군중밀집 안전사고를 예방할 수 있다.
KAIST 전산학부 이재길 교수팀이 많은 사람들이 교차하는 상황을 인공지능(AI)으로 정밀하게 예측해 이태원 참사 같은 다중밀집사고를 방지하는 기술을 개발했다.
이 기술은 대규모 인파가 모이는 축제나 행사, 교통혼잡 예측은 물론 감염병 확산 대응에도 유용할 것으로 기대된다.
군중이 모이는 양상은 단순 인원수 증감을 넘어 유입과 유출방향에 따라 위험 수준이 현격히 달라진다.
그러나 지금까지 관련 기술은 특정 지역 또는 지역 간 이동 중 하나만 활용해 혼잡을 예측했다. 단일 정보만으로는 급격한 인구 집중이나 점진적 이동 축적을 모두 설명하기 어렵다.
따라서 군중의 이동을 정확히 예측하려면 지역별 인구특성과 지역 간 이동흐름을 동시에 분석할 수 있는 기술이 필요하다.
연구팀은 이런 움직임을 ‘시간에 따라 변하는 그래프(time-varying graph)’개념으로 표현, 이를 통해 특정 지역의 정점 정보와 지역 간 흐름인 간선 정보를 동시에 분석해 정확한 예측을 실현했다.
실제 A골목의 밀집도가 급증하는 현상은 단순히 현재 인원만으로는 예측하기 어렵다.
여기에 인근 지역에서 A골목 방향으로 인파가 몰려오는 간선 정보를 조합하면 ‘A골목이 위험하다’는 신호를 미리 알 수 있다.
이를 위해 연구팀은 ‘바이모달 학습’을 개발했다.
이는 인구 정점 정보와 인구흐름 간선 정보를 동시에 고려하면서 공간적 연결관계와 시간적 변화를 함께 학습한다.
특히 연구팀은 3차원 대조학습 기법을 도입, 2차원의 지리 정보뿐 아니라 시간 정보를 더해 모두 3차원 관계성을 파악했다.
이를 통해 AI가 단순히 현재 인구수뿐 아니라 어떤 패턴으로 밀집이 진행되는지를 읽어냈다.
그 결과 기존보다 훨씬 더 정확하게 혼잡 장소와 시점을 예측했다.
연구팀은 서울·부산·대구 지하철과 뉴욕 교통데이터, 한국·뉴욕의 코로나19 확진자 등 실제 데이터를 수집해 연구용 데이터셋 6종을 구축했다.
이를 검증한 결과 기존 최신 예측법보다 최대 76.1% 높은 정확도를 기록하며 세계 최고 성능을 입증했다.
이 교수는 “대규모 인구이동과 군중 밀집상황을 정밀 예측하는 것은 도시 안전 관리와 공공서비스 신뢰도 향상에 꼭 필요하다”며 “이번 연구는 궁극적으로는 군중안전, 도시교통, 감염병 확산 등 사회 전반의 안전과 편의성을 향상하는 데 기여할 수 있을 것”이라고 설명했다.
한편, 이번 연구는 KAIST 전산학부 남영은 박사과정이 제1저자로, 나지혜 박사과정이 공저자로 참여했고, 연구성과는 지난달 국제학술대회 ‘지식발견및데이터마이닝학회(KDD) 2025’에서 발표했다.
(논문명: Bi-Modal Learning for Networked Time Series / DOI: https://doi.org/10.1145/3711896.3736856)
