KAIST, AI로 군중 밀집 예측…혼잡 사고 예방 정확도 76% 향상

ㅣ데일리포스트=김정은 기자ㅣ대규모 인파가 몰리는 장소에서 안전을 지키는 일은 단순히 사람이 몇 명 모였는지를 확인하는 것만으로는 어렵다. 어디서 사람들이 들어오고, 어떤 경로로 이동하는지까지 파악해야야 진짜 위험을 예측할 수 있다. KAIST 연구팀이 군중 밀집 상황을 더 정밀하게 예측할 수 있는 인공지능 기술 개발에 성공했다.

KAIST 전산학부 이재길 교수 연구팀은 17일, 기존보다 훨씬 정교하게 혼잡을 감지할 수 있는 AI 기반 군중 밀집 예측 기술을 공개했다. 이번 기술은 단순 인원 수나 이동 경로 한 가지 정보만으로는 포착하기 어려운 위험 상황까지 감지할 수 있다는 점에서 의미가 크다.

연구팀은 군중의 움직임을 ‘시간에 따라 변하는 그래프(time-varying graph)’로 모델링했다. 특정 지역의 인원 수(정점 정보)와 주변 지역에서의 유입·유출 흐름(간선 정보)을 동시에 분석해야만 실제 위험 신호를 포착할 수 있다. 예컨대, 좁은 골목 A의 혼잡도가 급증할 가능성은 단순 인원 수만으로는 예측하기 어렵지만, 인근 지역 B에서 계속 A 방향으로 인파가 몰리는 흐름까지 보면 위험 신호를 사전에 확인할 수 있다.

이를 위해 연구팀은 ‘바이모달 학습(bi-modal learning)’ 방식을 개발했다. 공간적 연결성과 시간적 변화까지 함께 학습하면서 인구 수와 이동 흐름 정보를 동시에 반영한다. 여기에 3차원 대조 학습(3D contrastive learning)을 적용해, 단순히 ‘현재 얼마나 많은 사람이 있는지’뿐 아니라 ‘밀집이 어떤 패턴으로 진행되는지’까지 분석 가능하도록 했다.

연구팀은 서울·부산·대구 지하철과 뉴욕 교통 데이터, 한국과 뉴욕의 코로나19 확진자 수 등 실세계 데이터를 기반으로 연구용 데이터셋 6종을 구축하고 공개했다. 검증 결과, 기존 최신 방법보다 최대 76.1% 높은 예측 정확도를 달성하며 세계 최고 수준 성능을 입증했다.

이재길 교수는 “사회적 파급력이 큰 기술 개발이 중요하다”며 “이번 기술이 대형 행사 인파 관리, 도심 교통 혼잡 완화, 감염병 확산 대응 등 일상 속 안전을 지키는 데 기여하길 바란다”고 말했다.

이번 연구에는 KAIST 전산학부 남영은 박사과정 학생이 제1 저자로, 나지혜 박사과정 학생이 공동 저자로 참여했다. 연구 성과는 데이터마이닝 분야 최고 권위 학술대회인 ‘지식발견및데이터마이닝학회(KDD) 2025’에서 지난 8월 발표됐다.