"AI로 만든 이 기술 있었다면, 3년전 이태원 참사는 없었을 것"

KAIST, AI 군중밀집 예측 기술 개발…기존대비 정확도 76% 향상

만약, 이 기술이 있었다면, 지난 2022년 사상자만 354명(사망 158명)을 낸 이태원 참사 같은 비극은 안일어나지 않았을까?

가정법에, 소잃고 외양간 고치는 식의 얘기지만 국내 연구진이 인공지능(AI)를 이용한 군중밀집 예측 기술을 개발했다. 기존 기술 대비 예측 정확도가 76.1%나 우수하다.

KAIST는 전산학부 이재길 교수 연구팀이 군중 밀집 상황을 현재보다 더 정확하게 예측할 수 있는 새로운 AI 기술을 개발했다고 17일 밝혔다.

AI 군중밀집 예측 기술을 개발한 KAIST 연구진. 왼쪽부터 KAIST 남영은 박사과정, 이재길 교수, 나지혜 박사과정. 우측 상단 왼쪽은 고려대 윤수식 교수와 KAIST 송환준 교수.(사진=KAIST)

이 기술은 군중 움직임을 ‘시간에 따라 변하는 그래프(time-varying graph)’라는 개념으로 표현했다. 특정 지역에 몇 명이 있는지(정점 정보)와 지역 간 인구 흐름이 어떤지(간선 정보)를 동시에 분석한 것이 특징이다.

기존에는 대부분 한 가지 정보만 이용했다. ‘현재 몇 명이 모여있나?’ 혹은 ‘어느 경로로 사람들이 몰려가고 있나?’에만 집중했다.

이길재 교수는 "두 가지를 결합해야만 진짜 위험 신호를 잡아낼 수 있다"고 강조했다.

예를 들어, 특정 골목 A의 밀집도가 급증하는 현상은 단순히 ‘현재 인원’만으로는 예측하기 어렵다. 그러나 인근 지역 B에서 계속해서 A 방향으로 인파가 몰려오는 흐름(간선 정보)을 함께 보면, ‘곧 A 지역이 위험하다’는 신호를 미리 포착할 수 있다.

이를 위해 연구팀은 ‘바이모달 학습(bi-modal learning)’ 방식을 개발했다. 이는 인구수(정점 정보)와 인구 흐름(간선 정보)을 동시에 고려하면서, 공간적 관계(어느 지역끼리 연결돼 있는지)와 시간적 변화(언제, 어떻게 이동이 발생하는지)를 함께 학습하는 기술이다.

연구팀은 3차원 대조 학습(3D contrastive learning) 기법도 도입했다. 2차원 공간(지리) 정보뿐만 아니라 시간 정보를 더해 모두 3차원 관계성을 학습하기 위해서다. 이를 통해 인공지능이 단순히 ‘지금 인구가 많은지, 적은지’가 아니라 ‘시간에 따라 어떤 패턴으로 밀집이 진행하고 있는지’를 읽어낼 수 있다.

연구팀은 서울·부산·대구 지하철과 뉴욕 교통 데이터, 한국·뉴욕의 코로나19 확진자 수 등 실세계 데이터를 직접 수집·가공해 연구용 데이터셋 6종을 구축한 뒤 이를 공개했다.

이길재 교수는 "제안 기술을 검증한 결과, 기존 최신 방법 대비 최대 76.1% 높은 예측 정확도를 기록했다"고 설명했다.

KAIST 연구팀이 개발한 바이모달 학습 기반 군중 밀집 위험 예측 작동 흐름도. 정점 기반 시계열은 특정 지역에서의 지표 변화(예: 밀집도 증감)를 나타내고, 간선 기반 시계열은 시간에 따라 변하는 지역 간 인구 이동 흐름을 나타낸다.(그림=KAIST)

이 교수는 “공익성에 목적을 둔 기술 개발이어서 소스코드까지 논문에 모두 공개했다"며 "기업에서도 이 기술이 필요하면 특허 등에 구애없이 가져다 쓰면 된다"고 언급했다.

이 교수는 또 “이 기술이 대형 행사 인파 관리, 도심 교통 혼잡 완화, 감염병 확산 억제 등 일상 속 안전을 지키는 데 크게 기여할 것"으로 기대했다,.

연구는 KAIST 전산학부 남영은 박사과정 연구생이 제1 저자, 나지혜 박사과정 연구생이 공저자로 참여했다. 연구 성과는 데이터마이닝 분야 최고 권위 국제학술대회인 ‘지식발견및데이터마이닝학회(KDD) 2025’에 지난 8월 발표됐다.