동적 홍수‑보행자 상호작용을 위한 GPU 기반 에이전트 시뮬레이터

초록

본 논문은 FLAMEGPU 환경에서 홍수 수리학 모델과 보행자 사회힘 모델을 실시간으로 결합한 에이전트 기반 시뮬레이터를 제시한다. 수위·속도에 기반한 위험 등급(HR)을 이용해 보행자의 이동 속도와 행동을 조정하고, 보행자의 집합·사막백 설치가 지형 거칠기와 높이에 미치는 영향을 동적으로 반영한다. 쇼핑센터 사례를 통해 사전 경보와 비경보 상황에서의 대피·방벽 설치 전략을 평가한다.

상세 분석

이 연구는 두 개의 독립적인 에이전트 기반 모델을 하나의 GPU 가속 프레임워크인 FLAMEGPU에 통합함으로써, 기존에 물리적 흐름과 인간 행동을 별도로 다루던 한계를 극복한다. 수리학 에이전트는 2차원 깊이 평균 얕은 물 방정식(SWE)을 1차 정확도의 충격 캡처 스킴으로 비순차적으로 업데이트하며, 각 격자 셀은 물 깊이·속도·지형 고도·거칠기(n) 정보를 보유한다. 보행자 에이전트는 연속형 위치를 갖는 사회힘 모델을 기반으로 하며, 네비게이션 에이전트(이산 격자)와 메시지를 주고받아 목적지·장애물 정보를 획득한다. 핵심은 네비게이션 에이전트를 중개로 하여 수리학 에이전트가 계산한 HR 값을 보행자에게 전달하고, 보행자는 HR 구간에 따라 속도(1.8 → 0 m/s)와 위험 상태를 설정한다는 점이다. 또한, 보행자 집단이 특정 셀에 집중될 경우 해당 셀의 거칠기 파라미터 n을 Nₚ·n 만큼 증가시켜 물 흐름에 피드백을 주며, 구조대가 사막백을 배치하면 지형 고도 z를 단계적으로 상승시켜 방수 장벽을 형성한다. 이러한 양방향 coupling은 메시지 기반 동기화와 GPU 병렬 처리를 통해 실시간에 가까운 시뮬레이션을 가능하게 한다. 실험에서는 128 × 128 격자(≈1.6 ha) 쇼핑센터를 모델링하고, 12시간 사전 경보와 경보 없음 두 시나리오를 비교하였다. 결과는 사전 경보 시 보행자 대피 경로 선택이 최적화되고, 사막백 배치가 물 흐름을 효과적으로 차단해 인명 피해를 크게 감소시킴을 보여준다. 논문은 또한 모델 검증을 위해 dam‑break 테스트와 기존 연구와의 비교를 수행했으며, 소스 코드와 입력 파일을 공개해 재현성을 확보한다. 한계점으로는 인간 행동 규칙의 검증 부족, 복잡한 건물 내부 구조와 다중 층 모델링 미포함, 그리고 GPU 메모리 제한에 따른 에이전트 수 제약이 있다. 향후 연구에서는 현장 실험 데이터를 활용한 행동 모델 보정, 3차원 건축물 통합, 그리고 다중 GPU 클러스터를 이용한 대규모 도시 수준 시뮬레이션 확대가 기대된다.