사회적 힘 보행자 모델의 진화적 파라미터 최적화

초록

본 논문은 실제 보행 영상 데이터를 이용해 사회적 힘 모델의 파라미터를 진화 알고리즘으로 자동 보정한다. 최적화된 모델을 대규모 대피, 순례, 도시 환경 시뮬레이션에 적용해 현실적인 보행 흐름을 재현한다.

상세 분석

이 연구는 보행자 상호작용을 물리학적 ‘사회적 힘’ 개념으로 수학화한 모델에 초점을 맞춘다. 기존 모델은 가속도와 방향을 결정하는 힘을 개인 간 거리, 시야, 목표 지점 등으로 정의했지만, 파라미터 값이 실험적으로 설정돼 실제 상황에 대한 적합도가 낮았다. 저자들은 고해상도 영상 촬영과 최신 트래킹 소프트웨어를 결합해 개별 보행자의 위치·속도·가속도 데이터를 정밀하게 추출하였다. 이후 유전 알고리즘 기반의 진화 최적화 절차를 설계했는데, 여기서는 적합도 함수를 ‘시뮬레이션 결과와 실측 데이터 간 평균 제곱 오차(MSE)’로 정의하였다. 초기 개체군은 넓은 파라미터 구간을 무작위로 채워 넣고, 교배·돌연변이 연산을 통해 세대마다 적합도가 향상되는지를 평가한다. 중요한 점은 힘 함수의 형태(예: 지수 감쇠, 선형 감쇠)와 상호작용 반경, 목표 지향 힘의 강도 등을 동시에 최적화한다는 점이다. 실험 결과, 진화 과정은 약 5070세대에서 수렴했으며, 최적 파라미터는 기존 문헌값보다 1530% 정도 오차를 감소시켰다. 특히 보행자 밀도가 높은 상황에서 충돌 회피와 군집 형성 현상이 실제와 거의 일치했다. 최적화된 모델을 대규모 시뮬레이션에 적용했을 때, 대피 시간, 병목 현상, 흐름 속도 등의 매크로 지표가 현장 조사와 높은 상관관계를 보였다. 이는 파라미터 보정이 모델의 일반화 능력을 크게 향상시켰음을 의미한다. 또한, 진화 알고리즘의 병렬 구현을 통해 수천 명 규모의 시뮬레이션도 실시간에 가까운 계산 속도로 수행할 수 있음을 시연했다. 이와 같은 접근법은 보행자 모델링뿐 아니라 차량 흐름, 군중 행동 등 복합 시스템의 파라미터 추정에도 확장 가능하다.