본 연구는 지하철역을 대상으로 AI가 강화된 보행자 시뮬레이션 모델을 제시한다. 이 모델은 사회적 힘 모델(Social Force Model, SFM)을 서울 삼성역의 LiDAR 궤적 데이터와 결합한다. 시간에 따라 달라지는 행동 특성을 반영하기 위해, RMSProp 기반 최적화를 오전 피크, 여가 시간, 오후 피크로 나누어 각각 수행함으로써 시간대별 매개변수 집합을 도출한다. 고정 매개변수를 사용하는 기존 기준 모델에 비해 제안 방법은 예측 오차(MSE)를 50.1%에서 84.7%까지 감소시킨다. 이 모델은 적응형 학습률, 미니배치 학습, L2 정규화를 통합하여 다양한 보행자 밀도에서 견고한 수렴과 일반화를 가능하게 한다. 또한 모델의 정확성과 모듈형 설계는 시공 전 설계 시험, 개장 후 모니터링, 수용력 계획 등 실제 적용을 뒷받침한다. 나아가 이 프레임워크는 복잡한 역 환경에서 보행자 흐름 역학을 예측하고 데이터 기반으로 평가할 수 있게 함으로써 지속가능한 도시교통계획(Sustainable Urban Mobility Plans, SUMPs)에 기여한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.