WiFi 한 쌍으로 인접 구역 군중 속도 추정

본 논문은 “Passive Crowd Speed Estimation in Adjacent Regions With Minimal WiFi Sensing”이라는 제목으로, Wi‑Fi 신호만을 이용해 사람들에게 어떠한 장치를 부착하지 않고도 인접한 두 영역에 존재하는 보행자 군집의 평균 속도를 추정하는 새로운 프레임워크를 제시한다. 연구 동기는 소매점, 박물관, 역·역사 등 다양한 공공·상업 공간에서 사람들의 이동 속도가 해당 구역의 인기, 혼잡도, 안전성 등을 판단하는 중요한 지표가 되지만, 기존 방법들은 카메라 기반의 고비용·프라이버시 문제, 혹은 스마트폰 등 개인 디바이스에 의존하는 한계가 있다. 이에 저자들은 하나의 영역에 두 개의 Wi‑Fi 링크(송신기‑수신기 쌍)만 설치하고, 이 링크들의 RSSI(time‑series) 데이터를 활용해 두 영역 모두의 속도를 비침투적으로 추정하는 방법을 고안하였다. **1. 문제 정의 및 설정** 두 개의 인접 영역(Region 1, Region 2)이 존재하고, 사람들은 각 영역에서 서로 다른 평균 속도(v₁, v₂)를 가진다. Wi‑Fi 링크는 Region 1 내부에 두 개 배치되며, 사람들의 움직임에 따라 RSSI가 변동한다. 목표는 오직 이 두 링크의 RSSI만을 이용해 v₁과 v₂를 추정하는 것이다. 연구는 (a) 인구가 거의 정적인 폐쇄형 환경(예: 전시관)과 (b) 인구 흐름이 지속적으로 들어오고 나가는 개방형 환경(예: 역) 두 시나리오를 모두 고려한다. **2. 이론적 모델링** 보행자를 1‑차원 마코프 체인으로 모델링하고, 각 상태는 “링크 앞/뒤/중간” 등으로 정의한다. 사람 하나가 특정 링크를 통과할 확률 P_cross는 속도와 영역 길이(L₁, L₂) 및 사람 수 N에 의해 결정된다. 저자는 통계적 데이터 분석 이론을 차용해 P_cross를 다음과 같이 유도한다: P_cross = f(v₁, v₂, L₁, L₂, N) 또한 두 링크 사이의 교차 상관 C_xy(t)는 두 링크를 연속적으로 통과하는 사람들의 흐름을 반영한다. C_xy는 속도와 전이율(Region 1↔Region 2) 사이의 곱 형태로 표현되며, 이를 통해 v₁과 v₂를 동시에 풀어낼 수 있다. 수식 전개 과정에서 가정한 바는 (i) 사람들의 움직임은 독립적이며 (ii) 속도는 시간 구간 내에서 평균적으로 일정하다는 점이다. **3. 추정 알고리즘** 실제 RSSI 시계열에서 먼저 전처리(노이즈 필터링, 평균 제거)를 수행하고, 각 링크에 대한 “통과 이벤트”를 검출한다. 이벤트 간 간격을 이용해 P_cross를 경험적으로 계산하고, 두 링크 간의 교차 상관을 FFT 기반으로 추정한다. 이후 앞서 도출한 수식에 역대입해 v̂₁, v̂₂를 얻는다. 이 과정은 실시간으로 수행 가능하도록 설계되었으며, 별도의 학습 단계가 필요하지 않다. **4. 실험 및 검증** 총 108회의 실험을 진행했으며, 실내(14 m × 4.5 m)와 실외(공원 길)에서 각각 최대 10명의 참가자를 두 영역에 배치하였다. 속도는 사전에 설정된 0.3 ~ 1.5 m/s 범위에서 무작위로 지정했고, 실제 속도는 레이저 거리계와 비디오 트래킹으로 별도 측정하였다. 주요 성능 지표는 정규화 평균 제곱 오차(NMSE)와 속도 구분 정확도이다. 전체 실험에서 NMSE는 0.18, 속도 구분(느림/보통/빠름) 정확도는 85%에 달했다. 특히 Region 2가 Wi‑Fi 신호가 거의 도달하지 않는 ‘Wi‑Fi‑free’ 구역인 경우에도, 두 링크만으로 v₂를 0.2 m/s 이하의 오차로 추정했다. **5. 응용 사례** - **박물관 전시**: 두 전시 구역에 각각 다른 전시물을 배치하고, 방문객들의 평균 속도를 추정해 어느 전시가 더 인기가 있는지 판단하였다. - **대형 소매점 복도**: Costco 복도에서 실험을 수행해, 특정 제품 코너를 지날 때 속도가 감소하는 현상을 포착, 이를 통해 제품 인기와 구매 의도를 추정하였다. **6. 논의 및 한계** 제안 방법은 최소한의 인프라(2개의 링크)로 넓은 영역을 커버할 수 있다는 장점이 있다. 그러나 (a) 사람들의 속도가 급격히 변하거나 비정상적인 움직임(달리기, 급정거)이 발생하면 모델 가정이 깨져 추정 정확도가 떨어질 수 있다. (b) 두 링크가 동일 영역에 있어야 한다는 제약으로, 매우 큰 공간을 커버하려면 링크 수를 늘리거나 영역을 세분화해야 한다. (c) 현재 모델은 평균 속도만을 제공하므로, 속도 분포나 개별 보행자 행동을 파악하려면 추가적인 센서나 알고리즘이 필요하다. **7. 결론 및 향후 연구** 본 연구는 Wi‑Fi RSSI 기반의 패시브 센싱으로 인접 구역의 군중 속도를 동시에 추정할 수 있음을 증명하였다. 실험 결과는 실내·실외, 폐쇄·개방 환경 모두에서 높은 정확도를 보여, 스마트 시티, 리테일 애널리틱스, 공공 안전 등 다양한 분야에 적용 가능함을 시사한다. 향후 연구에서는 (i) 다중 링크를 활용한 공간 해상도 향상, (ii) 비정상 행동 탐지를 위한 이상치 검출, (iii) 실시간 클라우드 기반 서비스와의 연동 등을 목표로 할 예정이다.