대규모 인파 군중 유동성 분석

Problem

"여기가 위험하다"는 판단이 사람마다 달라서, 위험 구역을 특정할 수 없었습니다.

Cause

밀집도를 눈대중과 경험으로만 이야기하다 보니 기준이 없었고, 구역 간 비교도 불가능했습니다.

Solution

50m×50m 격자당 인원수를 기준으로 여유 · 관심 · 주의 · 경고 4단계 임계값을 세웠습니다. 실제 축제 구간에 적용하니 18:30 시점 밀집도가 5.08명/m²로 경고 수준이라는 게 숫자로 나왔고, 같은 구간 평균 보행 속도가 0.6km/h로 사실상 정체 상태임이 함께 확인됐습니다.

Problem

유동인구 데이터로는 사람이 몇 명 있었는지만 알 수 있고, 어느 길로 움직였는지는 알 수 없었습니다.

Cause

원본 데이터가 특정 좌표의 체류 인원만 담은 이산형 점 데이터라, 이동 경로 정보가 아예 빠져 있었습니다.

Solution

OSRM으로 좌표 간 이동을 실제 도로망 경로로 분해해 선형 데이터로 변환하고, 여러 경로가 겹치는 구간의 유동인구를 합산해 경로 단위 밀집도를 만들었습니다. 점이던 데이터가 흐름이 됐습니다.

Problem

핫스팟 안에 경로가 너무 많이 나와서 어디가 주요 동선인지 가려낼 수 없었습니다.

Cause

분해된 경로가 전부 개별 선으로 남아 있어, 몇 개의 큰 흐름으로 요약되지 않았습니다.

Solution

K-means와 DBSCAN으로 경로를 클러스터링해 메인 경로만 추출했습니다. 이 경로들의 속도를 추적한 결과, 밀집도가 2~3명/m²를 넘는 순간 이동 속도가 급격히 떨어지는 임계 구간이 드러났습니다.

Problem

분석을 마쳐도 결과가 보고서 안에만 남아 현장에서 쓸 수 없는 형태였습니다.

Cause

분석 단위와 서비스가 필요로 하는 데이터 단위가 달라서, 결과를 그대로 지도에 얹을 수 없었습니다.

Solution

결과를 구역 단위 위험도 데이터 구조로 재정리하고, 향후 실시간 데이터가 붙어도 그대로 쓸 수 있는 분석 프레임으로 정리했습니다. 이 구조가 FESTIMAP의 혼잡도 시각화와 경로 추천에 그대로 들어갔습니다.