[더테크 이지영 기자]  이태원 참사와 같은 다중밀집사고를 예방하기 위해서는 인파의 유입·이동 경로까지 실시간으로 감지할 수 있어야 한다. KAIST 연구진이 이러한 문제를 해결할 수 있는 차세대 인공지능 기반 군중 밀집 예측 기술을 개발하는 데 성공했다.

KAIST 전산학부 이재길 교수 연구팀은 17일 군중 밀집 상황을 더욱 정밀하게 예측할 수 있는 새로운 AI 모델을 공개했다. 이번 성과는 데이터마이닝 분야 세계 최고 권위 학술대회 ‘KDD 2025’에서 발표됐다.

연구팀은 군중 밀집 현상을 단순 인원수 증감으로만 설명하기 어렵다고 지적했다. 같은 수의 사람이 있어도 어디에서 유입되고 어떤 방향으로 빠져나가는지에 따라 위험도가 달라지기 때문이다.

이를 표현하기 위해 연구팀은 ‘시간에 따라 변하는 그래프(time-varying graph)’ 개념을 도입했다. 특정 지역의 인구수(정점 정보)와 지역 간 인구 흐름(간선 정보)을 동시에 분석하는 방식이다. 기존 연구가 한쪽 정보만 활용했던 한계를 넘어선 것이다.

예컨대 특정 골목 A의 현재 인구수만 보면 위험 신호를 감지하기 어렵지만, 인접 지역 B에서 인파가 계속 A로 몰려드는 흐름까지 함께 분석하면 곧 A가 위험해질 수 있다는 예측이 가능하다.

연구팀은 이러한 분석을 위해 인구수와 인구 흐름을 동시에 고려하는 ‘바이모달 학습(bi-modal learning)’ 방식을 개발하고, 공간적 관계와 시간적 변화를 함께 학습하는 ‘3차원 대조 학습(3D contrastive learning)’ 기법을 도입했다. 이를 통해 인공지능이 단순 현황이 아닌 시간에 따른 패턴까지 읽어낼 수 있도록 했다.

연구팀은 서울·부산·대구 지하철과 뉴욕 교통 데이터, 코로나19 확진자 통계 등 실세계 데이터를 직접 수집·가공해 연구용 데이터셋 6종을 구축하고 성능을 검증했다. 그 결과 제안 기술은 기존 최신 기법 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 연구가 대규모 행사 인파 관리, 도심 교통 혼잡 완화, 감염병 확산 억제 등 다양한 사회 문제 해결에 기여하길 바란다”고 밝혔다.

이번 연구에는 KAIST 전산학부 남영은 박사과정 학생이 제1저자로, 나지혜 박사과정 학생이 공저자로 참여했다. 연구는 중견연구 과제와 사람중심 인공지능 핵심원천기술개발 과제의 지원을 받아 수행됐다.