매사추세츠 공과대학(MIT)의 컴퓨터 과학 인공 지능 연구소(CSAIL)와 카타르 컴퓨팅 리서치 연구소(QCRI)의 연구자가, 고해상도의 충돌 위험을 딥 러닝으로 예상하는 모델을 개발했다.
이 모델은, 과거의 자기 데이터 및 도로지도, 위성 이미지 등으로 교통 사고가 일어날 위험이 높은 영역을 파악하고, 미래의 사고를 예측하는 위험지도를 만들 수 있다.
교통 사고 발생 빈도가 낮은것에도 불구하고, 교통 사고에 의한 손실은 전세계 GDP의 약 3%를 차지하고, 어린이와 청소년의 사망 원인 제1위를 차지하고있다. 연구팀에 따르면, 교통 사고의 희소성(희박함)이 고해상도 지도 작성을 어렵게하고 있다라는 것.
5미터 × 5미터라고하는 정밀도로 교통 사고의 발생을 가정 한 경우, 1년 이내에 사고가 일어날 확률은 약 1000분의 1로, 같은 장소에서 사고가 일어나는 것은 거의 없는 것 같다.
연구팀은 지금까지의 사고 기록뿐만 아니라, 교통 밀도와 속도, 방향을 나타내는 GPS의 궤적 패턴, 차선 수, 길가의 유무, 보행자의 많음, 도로 구조를 나타내는 위성 영상을 이용하여, 위험성이 높은 곳을 기계 학습으로 파악하고, 2년 후까지의 사고 발생 확률을 보여주는 위험 지도를 작성했다. 연구팀에 따르면, 지금까지 사고의 기록이없는 장소에도 교통 패턴과 지형만으로 위험도가 높다고 판단 된 지역도 있다고한다.
지금까지도 교통 사고의 위험을 예측하고 지도에 기록하는 시도는 이루어져 왔지만, 수백 미터의 낮은 정확도로 예측되고 있었기 때문에 세세한 부분이 흐릿하게 보이고, 중요한 부분이 보이지 않았다고 연구팀은 지적.
이에 대해 이번 CSAIL과 카타르 인공 지능 센터가 발표 한 위험 지도는 5미터 × 5미터를 단위로 하고 있으며, 지금까지보다 훨씬 더 높은 해상도가 포인트라고한다.
이 AI 모델과 위험 지도를 평가하기위해, 과학자들은 2017년과 2018년의 데이터를 이용하여 2019년과 2020년의 충돌 사고를 예측하는 성능을 테스트했다. 그 결과, 입력 데이터에서는 사고가 기록되지 않은 지역에서 "사고 발생 위험이 높다"고 인식된 장소에서, 실제로 충돌 사고가 발생한다는 것을 알 수 있었다.
아래의 지도는, 위에서부터 로스 엔젤레스, 뉴욕, 시카고, 보스턴의 지도로, 왼쪽 3개는 "기존의 커널 밀도 추정이 과거의 사고 데이터를 기반으로 한 것", "CSAIL과 QCRI 모델이 과거 사고 데이터없이 만든 것", "CSAIL과 QCRI의 모델이 과거의 사고를 바탕으로 작성한 것"이라고되어있다. 오른쪽 2개는 "CSAIL과 QCRI 모델에 의한 사고 발생을 예측 한 것"과 "실제로 사고가 발생한 점을 요약 한 것"으로 비교해 보면, 꽤 가깝다는 것을 알 수있다.
QCRI의 주임 연구원으로 논문의 저자이기도 한 아민 사데기 씨는 "우리의 모델은 겉보기와는 무관한것과같은 데이터로부터 얻을 수있는 여러 단서를 조합하는 것으로, 미지의 영역에서의 충돌 맵을 예측하는것도 가능합니다. 이 모델은 과거의 사고 데이터가 없어도 유용한 사고 지도를 추측가능하고, 도시 계획 및 정책 수립에 적극적으로 사용할 수 있습니다"라고 주장.
또한 사데기 씨는 "만약 위험 지도를 사용해 잠재적으로 위험이 높은 도로를 표시 할 경우에는 사전에 외출의 위험을 줄일 수 있습니다. Waze 및 Apple Maps와 같은 응용 프로그램에서 발생한 사고를 실시간으로 통지 해주는 기능이 있지만, 우리는 사고가 일어나기 전에 선수를 치려하고있다"고 코멘트.
