모바일 센서를 활용한 군중 행동 인식: 패턴 분석 및 그래프 클러스터링

초록

본 논문은 스마트폰 등 착용형 모바일 센서를 이용해 개인의 움직임을 실시간으로 분석하고, 개인 간 유사성을 쌍별로 측정한 뒤 그래프 클러스터링으로 동일 군중 행동에 참여하는 집단을 자동으로 식별하는 프레임워크를 제시한다. 실험은 10명의 피험자를 대상으로 걷기 그룹 형성을 인식했으며, 데이터 전처리, 행동 원시 요소 추출, 쌍별 유사도 계산, 그래프 기반 군집화 순으로 구성된 “군중 행동 인식 체인”을 구현하였다.

상세 분석

이 연구는 모바일 온바디 센서, 특히 힙에 부착한 3축 가속도계를 핵심 데이터 소스로 삼아, 개인 행동을 ‘행동 원시 요소(behavioral primitives)’로 분해한다. 각 원시 요소는 보행 주기, 가속도 패턴, 속도 등 연속적인 특성값으로 정량화되며, 이를 위해 신호 전처리(노이즈 필터링, 윈도우 분할)와 지도학습 기반 분류기가 사용된다. 이후 두 사람 사이의 행동 유사성을 ‘쌍별 차이 측정(pairwise disparity)’으로 정의한다. 여기서는 시간 동기화된 보행 단계 일치도, 공간적 근접도, 속도 차이 등을 결합한 복합 유사도 함수를 설계했으며, 베이지안 프레임워크를 차용해 특정 군중 행동(예: 그룹 보행)이 가정될 때 관측 데이터의 조건부 확률을 계산한다. 이렇게 얻어진 유사도 행렬은 무방향 가중 그래프로 표현되고, 그래프 클러스터링(예: 모듈러리티 최적화 기반 Louvain 알고리즘)으로 군집을 추출한다. 클러스터는 동일 행동을 공유하는 사용자 집단을 의미하며, 이후 네트워크 분석(중심성, 커뮤니티 구조)으로 군중 행동의 전반적 특성을 파악한다. 실험 결과는 10명 피험자 중 2~4인 소규모 그룹을 정확히 식별했으며, 정밀도·재현율 모두 85% 이상을 달성했다. 논문은 또한 데이터 노이즈, 센서 배치 다양성, 실시간 처리 요구 등 실제 적용 시 직면하는 수학적·공학적 난제를 제시하고, 확률 그래프 모델, 고차원 임베딩, 온라인 클러스터링 등 향후 연구 방향을 제안한다.