루브르 박물관 방문자 이동 패턴의 랜덤 워크 분석

초록

본 논문은 루브르 박물관을 찾은 관람객들의 체류 시간 차이에 따라 나타나는 이동 양식을 랜덤 워크 모델로 재현하고, 실제 관람 데이터와 비교한다. 시뮬레이션 결과, 짧은 체류 시간을 가진 방문자는 경로 선택이 더 일관된 패턴을 보이며, 장시간 체류 방문자는 보다 무작위에 가까운 이동을 보인다. 이는 짧은 체류 관람객이 전시 선택에 있어 더 선택적임을 의미한다.

상세 분석

본 연구는 대규모 복합문화시설인 루브르 박물관을 사례로, 방문객들의 이동 행동을 확률적 과정인 랜덤 워크(random walk)로 모델링하였다. 먼저, 관람객들의 실제 이동 데이터를 RFID 태그와 Wi‑Fi 로그를 통해 수집하고, 체류 시간을 기준으로 ‘짧은 체류형(≤2시간)’과 ‘긴 체류형(>2시간)’ 두 그룹으로 분류하였다. 각 전시실을 네트워크의 노드로, 인접 전시실 간 이동 가능성을 엣지의 가중치로 설정하고, 방문객이 현재 위치에서 다음 위치로 이동할 확률을 해당 엣지 가중치에 비례하도록 정의하였다. 시뮬레이션에서는 초기 위치를 입구로 고정하고, 각 방문객의 체류 시간에 맞춰 랜덤 워크를 진행시켜 방문 순서와 방문 횟수를 기록하였다. 모델의 유효성을 검증하기 위해 실제 데이터와 시뮬레이션 결과 간의 전시실 방문 빈도 분포, 전이 행렬, 경로 길이 분포 등을 비교하였다. 통계적 검증으로는 Kullback‑Leibler divergence와 Kolmogorov‑Smirnov 검정을 활용해 두 분포의 차이를 정량화하였다. 결과는 짧은 체류형 방문객의 경우 시뮬레이션과 실제 데이터 간 KL divergence가 0.12로 낮게 나타나, 모델이 실제 행동을 잘 포착함을 보여준다. 반면 긴 체류형은 0.35로 차이가 커, 이동이 보다 자유롭고 개인적 선호가 크게 반영된다는 점을 시사한다. 또한, 전이 행렬 분석에서 짧은 체류형은 특정 핵심 전시실(예: 모나리자, 비너스 등) 간 전이가 집중되는 반면, 긴 체류형은 전시실 간 전이가 고르게 분포한다. 이러한 차이는 방문객의 선택적 행동과 탐색적 행동을 구분하는 데 유용한 정량적 지표를 제공한다. 연구는 또한 모델의 한계로, 방문객의 사전 지식, 그룹 동행 여부, 실시간 혼잡도 등 외생 변수는 현재 가중치에 반영되지 않았으며, 향후 다중 에이전트 기반 시뮬레이션과 강화학습을 결합해 보다 정교한 행동 모델을 구축할 필요성을 제시한다.