도시철도 승강장 혼잡도 추정을 위한 CCTV 데이터의 신흥 데이터 소스
Closed-Circuit Television Data as an Emergent Data Source for Urban Rail Platform Crowding Estimation
도시철도 승강장 점유율을 정확히 추정하면 교통 당국이 보다 정보에 기반한 운영 의사결정을 내리는 데 도움이 될 수 있으며, 특히 혼잡 기간에 그렇다. 그러나 승강장 점유율을 실시간으로 감지하는 것은 여전히 어렵고, 자동 요금 징수 데이터나 직원 관찰과 같은 간접적 대리 지표에 의존하는 경우가 많다. 최근 폐쇄회로 텔레비전(CCTV) 영상이 정확한 실시간 점유율 추정을 위한 유망한 데이터 소스로 부상했다. 본 연구는 승강장 CCTV 영상에서 군중 관련 특징을 추출하기 위한 세 가지 최신 컴퓨터 비전 접근법을 비교하여 이 방법을 조사한다: (a) YOLOv11, RT-DETRv2, APGCC를 이용한 객체 검출 및 계수; (b) 맞춤 학습된 비전 트랜스포머(Vision Transformer, Crowd-ViT)를 통한 군중 수준 분류; (c) DeepLabV3를 이용한 의미 분할(semantic segmentation). 또한 평균 풀링(mean-pooled)된 분할 특징에 대한 새롭고 효율적인 볼록 릿지 회귀(convex ridge regression)를 제안하여, 생성된 분할 맵에서 계수를 추출하며 이미지 깊이와 승강장을 따른 승객 분산을 고려한다. Washington Metropolitan Area Transit Authority(WMATA)와 협력하여 구축하고 600시간 이상의 영상 자료를 포함하는 프라이버시 보호 데이터셋에서 검증한 결과, 컴퓨터 비전 접근법이 군중 추정에 실질적인 가치를 제공할 수 있음을 보여준다. 본 연구는 교통 당국이 이용할 수 있는 다른 데이터 소스와 독립적으로 CCTV 영상 데이터가 실시간 혼잡도 추정을 가능하게 하고, 궁극적으로 승강장 혼잡을 완화하기 위한 시의적절한 운영 대응을 가능하게 할 수 있음을 보여준다.