ⓒ데일리포스트=이미지 제공/flickr

[데일리포스트=김정은 기자] 매사추세츠 공과대학(MIT) 컴퓨터과학인공지능연구소(CSAIL)와 카타르 컴퓨팅리서치연구소(QCRI) 공동 연구팀이 충돌 위험을 딥러닝으로 예상하는 고해상도 모델을 개발했다.

이 모델은 과거 데이터·도로지도·위성 이미지 등으로 교통 사고가 일어날 위험이 높은 지점을 파악하고 미래 사고를 예측하는 '리스크 맵(risk map)'를 만들 수 있다.

교통사고로 인한 피해액은 전세계 GDP의 약 3%를 차지하고, 어린이와 청소년 사망원인 1위를 차지한다. 

연구팀에 따르면 교통사고는 구간별 발생 빈도가 낮아 고해상도 지도 작성이 어렵다. 5m×5m 정밀도로 교통사고 발생을 가정한 경우 1년 이내에 사고가 일어날 확률은 약 1000분의 1이며, 같은 장소에서 사고가 일어나는 일은 매우 드물다. 

이에 연구팀은 ▲기존 사고 기록 ▲교통 밀도 및 속도 ▲GPS 궤적 패턴 ▲차선 수 ▲보행자 수 ▲위성 영상 등 다양한 자료를 활용했다. 이들 정보를 바탕으로 위험도가 높은 곳을 머신러닝으로 특정해 2년 후까지의 사고 발생 확률을 제시하는 리스크 맵을 제작했다.

연구팀에 따르면 사고 기록이 없더라도 교통 패턴과 지형만으로 위험도가 높게 나타난 지역도 확인됐다. 

ⓒ데일리포스트=이미지 제공/CSAIL-QCRI연구팀

기존에도 교통사고 위험을 예측해 지도 상에 표시하기 위한 시도는 있었지만, 범위가 수백 미터에 달해 정확도가 떨어졌다고 연구팀은 지적했다. 이번에 개발한 리스크 맵은 5m×5m 단위로 사고 예측 범위가 대폭 줄고 해상도도 우수하다는 특징이 있다. 

AI 모델과 리스크 맵을 평가하기 위해 연구팀은 2017년~2018년 데이터를 이용해 2019년~2020년의 충돌 사고를 예측하는 성능 테스트를 진행했다. 그 결과, 입력 데이터에는 사고가 기록되지 않았지만 "사고 발생 위험이 높다"고 인식된 장소에서 실제로 충돌 사고가 발생한 것을 확인했다.

아래 지도는 위에서부터 로스앤젤레스·뉴욕·시카고·보스턴 순이다. 왼쪽 파란색 지도 3개는 ▲기존 커널 밀도 추정(Kernel Density Estimation)으로 과거 사고 데이터를 기반으로 제작한 지도 ▲CSAIL-QCRI 모델이 과거 사고 데이터 없이 제작한 지도 ▲CSAIL-QCRI 모델이 과거 사고를 바탕으로 제작한 지도다. 

ⓒ데일리포스트=이미지 제공/CSAIL-QCRI연구팀

오른쪽 흰색 지도 2개 중 왼쪽은 CSAIL-QCRI 모델이 사고 발생을 예측한 지도이며, 오른쪽은 실제 사고가 발생한 포인트를 정리한 지도로 비교해 보면 매우 유사한 것을 알 수 있다. 

QCRI의 주임 연구원이자 논문 저자인 아민 사데기(Amin Sadeghi) 박사는 "우리의 모델은 겉보기엔 무관해 보이는 데이터로부터 얻을 수 있는 여러 단서를 조합해 미지의 영역에서 충돌 리스크를 예측할 수 있다. 과거의 사고 데이터가 없어도 사고 가능성을 판단할 수 있어 도시 계획 및 정책 수립에 활용이 가능하다"고 언급했다. 

이어 "만약 리스크 맵을 통해 잠재적으로 위험이 높은 도로를 표시할 수 있다면 사전에 사고 위험을 줄일 수 있다 .일부 지도앱들이 발생한 사고를 실시간으로 알려주는 단순 기능을 제공하고 있지만, 우리는 사고가 일어나기 전에 이를 알려 충돌 가능성을 낮춘다"고 언급했다. 

저작권자 © 데일리포스트 무단전재 및 재배포 금지