【11.rau336.top】

알라딘게임다운 ≒ 52.rau336.top ≒ 무료야마토릴게임

알라딘게임다운 ≒ 49.rau336.top ≒ 무료야마토릴게임

알라딘게임다운 ≒ 97.rau336.top ≒ 무료야마토릴게임

알라딘게임다운 ≒ 98.rau336.top ≒ 무료야마토릴게임

바로가기 go !! 바로가기 go !!

오리지날게임 오션슬롯주소 신천지 무료게임 파칭코게임 야마토5게임방법 강원랜드 잭팟 확률 무료인터넷게임 무료 슬롯 머신 카지노 게임 손오공게임온라인 뽀빠이놀이터릴게임 야마토무료게임 신천지 게임 우주전함 야마토 먹튀 바다이야기규칙 바다이야기모바일 알라딘릴 보물섬릴게임 오션파라다이스게임하는법 릴게임갓 오징어릴게임 오락실게임 파라다이스 다빈치다운로드 슬롯머신 무료 오션파라다이스게임 알라딘게임잭팟 야마토사이트 무료슬롯머신777 릴게임사이트 인터넷신천지 오션파다라이스 다운로드 카카오야마토먹튀 바다신게임 릴게임예시 무료슬롯 손오공게임다운 강원랜드 슬롯머신 가격 없습니다. 사이다쿨게임 야마토2게임하기 릴게임황금성오션바다 빠칭코 슬롯머신 강원랜드이기는법 무료머니릴게임 릴게임횡금성 일본 야마토 게임 오리 지날황금성 알라딘 게임 다운 온라인오션파라다이스 슬롯 게시판 야마토5게임 기 황금성오락실게임 모바일파칭코 슬롯머신추천 슬롯커뮤니티 슬롯 릴 게임 슬롯무료체험 바다이야기 디시 바다이야기5 모바일야마토게임 황금성게임장 우주전함야마토먹튀 황금성 릴게임먹튀검증 방법 게임몰 야마토빠칭코 우주전함 야마토 2199 무료슬롯머신777 슬롯머신 777 릴게임손오공하는법 황금성3게임연타 pc야마토게임 부산야마토 알라딘설명 야마토 빠칭코 바다이야기 pc 버전 유희왕 황금성 다모아릴게임 골드몽 무료 바다이야기 온라인릴게임 손오공릴게임예시 바다이야기 무료머니 바다이야기환전 동영상황금성 바다신2 다운로드 야마토게임장 잘터지는 슬롯 바다이야기코드 바다이야기오리지널 적토마게임 져스트릴게임 사다리게임주소 야마토하는법 놀이터 릴박스 10원바다이야기 백경게임다운로드 온라인슬롯 전략 일본경륜 릴황 금성 릴게임 다운로드 알라딘 릴게임 릴게임골드몽릴게임 최신야마토게임 슬롯게임 무료 오션슬롯 주소 신천지예시 황금성 게임랜드 릴게임이벤트 바다시즌7게임 피망로우바둑이 신규릴게임 야마토게임하기 황금성pc버전 슬롯머신 종류 백경 슬롯머신 잭팟 종류 슬롯머신 판매 중고 야마토3게임 알라딘릴게임 릴게임오션파라다이스 황금성온라인 릴게임 무료충전게임 알라딘게임잭팟 사이트추천 바다이야기파칭코 (지디넷코리아=박희범 기자)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.제약주
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 키움증권계좌개설은행
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 인오션
원’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 고려하면삼성생명 주식
서, 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 ‘지현대그린푸드 주식
금 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.
박희범 기자(hbpark@zdnet.co.kr)