대규모 인파가 몰리는 지역에서 단순한 인원수 파악을 넘어 인파 유입과 이동경로를 실시간 감지하는 기술을 국내 연구진이 개발했다. 대규모 인파가 몰리는 축제·행사에서 다중밀집사고를 방지하고 교통 혼잡 완화와 감염병 확산 대응에도 기여할 것으로 전망된다.

카이스트(KAIST)는 전산학부 이재길 교수 연구팀이 군중 밀집 상황을 더 정확하게 예측할 수 있는 새로운 인공지능(AI) 기술을 개발했다고 17일 밝혔다. 

군중이 모이는 양상은 단순히 인원수 증감으로만 설명되지 않고 동일 인원이라도 어디서 유입되고 어느 방향으로 빠져나가는지에 따라 위험 수준이 달라진다.

이재길 교수팀은 이러한 움직임을 ‘시간에 따라 변하는 그래프(time-varying graph)’라는 개념으로 정의했다. 특정 지역에 몇 명이 있는지(정점 정보)와 지역 간 인구 흐름이 어떤지(간선 정보)를 동시에 분석해야만 정확한 예측이 가능하다는 것이다.

그간의 대부분 연구는 한 가지 정보만 이용했다. ‘몇 명이 모여있는지’ 혹은 ‘어느 경로로 사람들이 몰리는 지’에만 집중하는 형태로 진행돼 왔다.

가령 특정 골목 A의 밀집도가 급증하는 현상은 단순히 ‘현재 인원’만으로는 예측하기 어렵다. 인근 지역 B에서 계속해서 A 방향으로 인파가 몰려오는 흐름(간선 정보)을 함께 고려하면 ‘곧 A 지역이 위험하다’는 신호를 미리 포착할 수 있다는 의미다.

연구팀은 이를 위해 ‘바이모달 학습(bi-modal learning)’ 방식을 개발했다. 인구수(정점 정보)와 인구 흐름(간선 정보)을 동시에 고려하며 공간적 관계(지역 간 연결성)와 시간적 변화(이동 시간과 방법)를 함께 학습하는 기술이다.

연구팀은 여기에 3차원 대조 학습(3D contrastive learning) 기법을 도입했다. 2차원 공간(지리) 정보뿐만 아니라 시간 정보를 더해 모두 3차원 관계성을 학습시켜 기존보다 훨씬 더 정확하게 혼잡 발생 장소와 시점을 예측할 수 있다는 것이 연구팀의 설명이다.

연구팀은 서울·부산·대구 지하철과 뉴욕 교통 데이터, 한국·뉴욕의 코로나19 확진자 수 등 실세계 데이터를 직접 수집·가공해 연구용 데이터셋 6종을 구축했다. 제안 기술을 검증한 결과, 기존 최신 방법 대비 최대 76.1% 높은 예측 정확도를 기록하며 세계 최고 수준의 성능을 입증했다.

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 기여할 것으로 기대한다”고 말했다.

KAIST 전산학부 남영은 박사과정 학생이 제1 저자로, 나지혜 박사과정 학생이 공저자로 참여한 이번 연구성과는 데이터마이닝 분야 최고 권위 국제학술대회인 ‘지식발견및데이터마이닝학회(KDD) 2025’에서 지난 8월 발표됐다.