긴급 상황에서 환경 인식을 위한 에이전트 기반 모델

본 논문은 불확실하고 부분적으로만 관측 가능한 재난 환경에서 위험을 탐지하고 긴급 대응을 지원하기 위한 다중 에이전트 기반 의사결정 지원 시스템(DSS)을 설계·구현한다. 시스템은 세 단계(표현, 특성화, 예측)로 구성된 3계층 구조를 갖으며, 각 단계는 서로 다른 역할을 수행한다. 첫 번째 단계인 표현 레이어는 ‘사실 에이전트(factual agents)’를 통해 환경 정보를 실시간으로 모델링한다. 환경에서 관측된 객체와 사건은 사전에 정의된 택소노미에 따라 키가 부여되고, 도메인 온톨로지에서 정의된 qualifier‑value 쌍으로 세맨틱 피처를 만든다. 예를 들어, 건물#14에 화재가 발생하면 ‘Phenomenon#14, type=fire, intensity=starting, location=20|25, time=7’과 같은 피처가 생성된다. 이러한 피처는 Memento 디자인 패턴을 차용해 과거 상태를 보존하면서도 현재 상황을 빠르게 재구성한다. 두 번째 단계인 특성화 레이어는 표현 레이어에서 생성된 사실 에이전트를 클러스터링한다. 클러스터링은 공간적 근접성, 시간적 근접성, 의미적 근접성(semantic proximity)이라는 세 가지 메트릭을 사용한다. 의미적 근접성은 온톨로지 상의 관계를 기반으로 하며, -1에서 1 사이의 값으로 정량화한다. 예를 들어, 건물 붕괴와 인접 도로 차단은 의미적으로 가까운 관계이므로 높은 근접성을 가진다. 클러스터는 ‘특성화 에이전트(characterisation agent)’에 의해 관리되며, 클러스터 내 에이전트들의 상태와 상호작용을 종합해 상황의 전반적인 특성을 추출한다. 세 번째 단계인 예측 레이어는 과거 사례 기반 추론(case‑based reasoning)을 적용한다. 예측 에이전트는 현재 클러스터와 가장 유사한 과거 시나리오를 매칭하고, 해당 시나리오의 전개 결과를 바탕으로 향후 위험 확산 경로나 필요한 대응 조치를 예측한다. 사례 베이스는 RoboCupRescue 시뮬레이션에서 수집된 다양한 재난 상황 데이터를 포함하고 있어, 시스템이 새로운 상황에 대해 점진적으로 학습하고 적응할 수 있다. 논문은 이 구조를 RoboCupRescue Simulation System(RCRSS)에 적용하였다. RCRSS는 지진 재난을 모델링한 시뮬레이터로, 건물, 도로, 인물, 화재, 구조 활동 등 다양한 객체와 사건을 포함한다. 연구팀은 RCRSS 환경에 맞춰 택소노미와 온톨로지를 정의하였다. 구체 객체는 Person, Passive(건물·도로), Mean(임시 객체)로 구분하고, 사건은 Phenomenon(화재·붕괴·차단 등)과 Activity(구조·소방·이동 등)로 구분하였다. 각 객체와 사건은 속성(예: 화재 강도, 부상 정도, 위치, 시간)으로 상세히 기술되었으며, 이는 사실 에이전트가 생성하는 세맨틱 피처와 직접 매핑된다. 시스템 구현에서는 사실 에이전트가 Augmented Transition Network(ATN) 기반의 내부 자동화 상태 기계(초기화, deliberation, decision, action)를 사용해 반응성과 주도성을 동시에 확보한다. 에이전트 간 상호작용은 ‘aggression’과 ‘mutual aid’ 메커니즘으로 모델링되어, 중요한 사건에 대한 에이전트의 강조와 약화가 동적으로 조정된다. 실험 결과, 시스템은 화재 발생, 도로 차단, 구조 활동 등 복합적인 재난 상황을 실시간으로 파악하고, 과거 유사 시나리오와 비교해 향후 전개를 예측함으로써 의사결정자에게 유용한 정보를 제공하였다. 특히, 의미적 근접성을 활용한 클러스터링이 사건 간 인과 관계를 효과적으로 드러내어, 예측 레이어의 정확도를 높이는 데 기여하였다. 결론적으로, 본 연구는 재난 관리 분야에서 다중 에이전트와 의미 기반 지식 표현을 결합한 새로운 접근법을 제시한다. 택소노미와 온톨로지를 명시적으로 분리함으로써 도메인 지식의 재사용성을 높이고, 3계층 구조를 통해 모듈화·확장성을 확보하였다. 향후 연구에서는 실제 재난 현장 데이터 적용과 사례 베이스의 자동 확장, 그리고 에이전트 간 협업 전략의 정교화 등을 통해 시스템의 실용성을 더욱 강화할 계획이다.