MIT 컴퓨터과학인공지능연구소 CSAIL과 카타르컴퓨팅리서치연구소 QCRI 연구팀이 고해상도 충돌 위험을 딥러닝으로 예상하는 모델을 개발했다. 이 모델은 과거 자기 데이터와 도로 지도, 위성 이미지 등으로 교통사고가 일어날 위험이 높은 영역을 파악하고 미래 사고를 예측하는 위험 지도를 만들 수 있다.
교통사고 발생 빈도가 낮음에도 불구하고 교통사고로 인한 손실은 전 세계 GDP 3%를 차지하고 어린이와 청소년 사망 원인 1위를 차지하고 있다. 연구팀에 따르면 교통사고 희소성이 고해상도 지도 작성을 어렵게 하고 있다고 한다. 5×5m 정밀도로 교통사고 발생을 가정한 경우 1년 이내 사고가 일어날 확률은 1,000분의 1에 같은 장소에서 사고가 일어나는 건 거의 없다고 할 수 있다.
연구팀은 지금까지 사고 기록 뿐 아니라 교통 밀도와 속도, 방향을 나타내는 GPS 궤적 패턴, 차선 수, 길가 유무, 보행자 많음, 도로 구조를 나타내는 위성 영상을 이용해 위험성 높은 곳을 기계학습에 파악하고 2년 뒤까지 사고 발생 확률을 보이는 위험 지도를 작성했다. 연구팀에 따르면 지금까지 사고 기록이 없는 장소에도 교통 패턴과 지형만으로 위험도가 높다고 판단된 지역도 있다고 한다.
연구팀은 지금까지도 교통사고 위험을 예측하고 지도에 거듭하는 시도는 이뤄져 왔지만 수백m 낮은 정확도로 예측되고 있었기 때문에 세세한 부분이 흐릿하게 되고 중요한 부분은 보이지 않았다고 지적했다. 이에 대비해 연구팀이 발표한 위험지도는 5×5m 단위로 하고 있으며 지금까지보다 훨씬 더 높은 해상도라는 게 포인트다.
이 AI 모델과 위험 지도를 평가하기 위해 과학자는 2017년과 2018년 데이터를 이용해 2019년과 2020년 충돌 사고 예측 성능을 테스트했다. 그 결과 입력 데이터는 사고가 기록되지 않은 지역에서 사고 발생 위험이 높다고 인식된 장소에서 실제로 충돌 사고가 발생하는 걸 알 수 있었다.
연구팀은 이 모델은 데이터로부터 얻을 수 있는 여러 단서를 조합하는 것으로 미지 영역에서 충돌 지도를 예측할 수 있다며 이 모델은 과거 사고 데이터가 없어도 유용한 사고 지도를 추측해 도시 계획과 정책 수립에 적극적으로 사용할 수 있다고 밝히고 있다. 또 만일 위험 지도를 이용해 잠재적으로 위험이 높은 도로를 표시할 경우에는 사전에 외출 위험을 줄일 수 있다며 웨이즈와 애플 맵 같은 앱에서 발생한 사고를 실시간 통지해주는 기능이 있지만 이 기능은 사고가 일어나기 전에 위험 가능성을 알려준다고 밝혔다. 관련 내용은 이곳에서 확인할 수 있다.