2025-09-17 | 서지혜 기자

“防止第二次梨泰院惨案”…开发AI实时监测人群技术

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

要预防如2022年10月发生的“梨泰院踩踏事故”那样的人群密集事故,仅掌握某一地点聚集的人数并不够,还需要能实时感知人流涌入及移动路径的技术。韩国国内研究团队成功开发出可应用于大规模人群聚集的庆典、活动以及缓解城市交通拥堵的人群密集预测新技术。

KAIST17日表示,计算机学院李在吉教授研究团队开发出能更准确预测人群密集状况的新型人工智能技术。人群聚集的形态无法仅用人数增减来解释,因为即便人数相同,随着涌入路径和移动形态不同,危险程度也会不同。此前大多数研究只关注“当前有多少人聚集”或“人们正沿哪条路径涌入”,难以掌握此类实况。某条小巷密集度骤增的现象,仅凭当前人数难以判断,若同时观察邻近地区持续涌来的人流(边信息),则能捕捉到危险信号。李在吉教授团队将这种移动以“随时间变化的图(time-varying graph)”概念加以表达。也就是说,只有同时分析特定地区有多少人(顶点信息)以及地区间的人口流动情况(边信息),才能实现准确预测。

为此,研究团队开发出“双模态学习(bi-modal learning)”方式。该技术在同时考虑人口数量(顶点信息)与人口流动(边信息)的同时,一并学习空间关系(哪些地区相互连接)与时间变化(何时、如何发生移动)。研究团队特别引入了三维对比学习(3D contrastive learning)方法,即不仅使用二维空间(地理)信息,还加入时间信息,从而学习全部三维关系性。由此,人工智能不再只是判断“现在人口多还是少”,而能读出“随时间以何种模式发生密集”。其结果是,能比以往更准确地预测拥堵发生的地点与时点。

研究团队应用该技术,直接采集并加工首尔、釜山、大邱地铁与纽约交通数据、韩国和纽约的新冠确诊人数等真实世界数据,构建并公开了6种研究用数据集。对所提技术的验证结果显示,其预测准确度比现有最新方法最高提升76.1%,证明达到世界最高水平的性能。李在吉教授表示:“开发具有社会影响力的技术很重要”,“希望该技术能为大型活动人流管理、缓解城市交通拥堵、抑制传染病扩散等守护日常安全作出重大贡献。”

本次研究由KAIST计算机学院博士生南英恩担任第一作者,博士生罗智慧作为共同作者参与。研究成果于今年8月在数据挖掘领域最权威的国际学术会议“知识发现与数据挖掘大会(KDD)2025”上发表。

阅读韩文原文