- 단일 CCTV 영상 프레임으로 승객의 위험 탑승 행동을 97.58% 정확도로 사전 예측
- KAIST, 텍사스 테크 대학 등과의 국제 공동연구 성과, 안전한 승차 타이밍 가이드 제공
본교 전자전기공학부 정조운 교수 연구팀이 KAIST, 미국 텍사스 테크 대학교(Texas Tech University) 연구진과의 국제 공동연구를 통해, 승강장 CCTV 영상을 기반으로 승객의 움직임을 미리 내다보고 지하철 출입문 끼임 사고를 사전에 방지하는 인공지능(AI) 기반 '승객 이동 예측 시스템(PMES)'을 개발했다.
▲ (왼쪽부터) 성균관대학교 전자전기공학부 조희 (Hee Jo) 박사과정학생, 성균관대학교 전자전기공학부 정조운 (Jo Woon Chong) 교수
이번 연구는 승객이 출입문에 다가가 센서가 반응한 뒤에야 문이 열리는 기존의 사후 대처 방식에서 벗어나, 승객이 위험 구역에 도달하기도 전에 선제적으로 위험을 감지했다는 점에서 학계와 산업계의 큰 주목을 받고 있다. 해당 연구 성과는 교통 시스템 분야 세계 최고 권위의 국제 학술지인 ‘IEEE Transactions on Intelligent Transportation Systems’에 3일 게재되었다.
본교에서 인간 중심 AI와 인공지능 임베디드 시스템 등을 연구해온 정조운 교수는 이번 연구를 총괄하였으며, 제1저자인 조희 박사과정 학생은 데이터 분석과 인공지능 모델 설계를 주도했다. 연구팀은 지하철이 승강장에 멈춰 있거나 들어올 때, 계단을 내려오는 승객의 97.85%가 열차 출입문을 향해 곧바로 뛰어간다는 '승객 궤적 모델(PTM)'을 실제 데이터로 증명했다.
연구팀은 “이러한 승객의 행동 패턴을 바탕으로, 단 한 장의 CCTV 영상 프레임만으로도 승객의 움직임을 파악하는 시스템을 구축했다”며 “이 덕분에 승객이 열차 출입문에 도달하기 전부터 미리 끼임 위험을 감지하고 경고할 수 있게 되었다”고 연구의 의의를 설명했다.
특히 연구팀은 실제 지하철 계단에서 이동하는 승객의 움직임을 계단을 올라가는 사람(상행), 내려가는 사람(하행), 그냥 지나치는 사람(통과) 등 세 가지 유형으로 나누어 인공지능에게 학습시켰다. 그 결과, 화면 속 사람을 찾아내는 객체 탐지 기술을 통해 97.58%라는 매우 높은 정확도로 실시간 분류에 성공했다. 또한, 지하철역처럼 컴퓨터 연산 환경이 제한된 곳에서도 부드럽게 작동할 수 있도록 크기를 대폭 줄인 초경량 맞춤형 인공지능 모델 'SD-Net(Subway Door Network)'을 함께 제안해 실제 지하철역에 바로 적용할 수 있는 실용성까지 갖췄다. 연구팀은 이 분석 데이터를 기반으로 기관사에게 출입문을 언제 닫는 것이 가장 안전한지 알려주는 의사결정 지원 시스템(DSS)과 승객용 위험 경고 안내판까지 함께 개발해 시스템의 완성도를 높였다.
이번 연구는 건설·환경공학(KAIST 임리사 교수), 전기전자공학(텍사스 테크 대학교 이판 리 연구원) 등 서로 다른 학문 분야의 글로벌 연구진이 힘을 합친 융합 연구의 결실이라는 점에서 더욱 의미가 깊다. 연구진은 기존의 단순 감시용 CCTV를 넘어, 승객의 안전을 먼저 챙기고 열차 지연까지 줄일 수 있는 능동적인 안전 인프라의 과학적 기준을 제시했다. 이는 향후 스크린도어(PSD)가 설치된 현대식 지하철 환경에서도 끊이지 않고 발생하는 출입문 끼임 사고를 획기적으로 예방하는 데 있어 새로운 이정표가 될 것으로 기대된다.
※ 논문명: Passenger Trajectory Model and Passenger Movement Estimation System for Preventing Passenger Subway Door Accidents
※ 저널명: IEEE Transactions on Intelligent Transportation Systems
※ 저자명: Jo Woon Chong (교신저자), Lisa Lim (교신저자), Hee Jo (제1저자), Yifan Li (공동저자)
※ 논문링크: https://ieeexplore.ieee.org/document/11595309
▲ 연구 흐름도. 승객의 이동 경로를 예측하는 PTM (Passenger Trajectory Model)과 PMES (Passenger Movement Estimation System)을 통한 위험 승객 예측 및 시스템 활용
출처 : 에스프레스(S-PRESS)(https://www.spressnews.com)
 
|
