韓国科学技術院（KAIST）の李在吉教授らの研究チームが、群衆の密集事故を予測・防止するための新AI技術を開発した。この技術は、単に人数を数えるのではなく、人々の動きのパターンや流入経路をリアルタイムで分析することで、危険な状況を早期に察知できる。特に2022年のイタウォン事故のような群衆圧死事故の防止に有効と期待されている。 従来の手法は、特定エリアの人数（ノード情報）や移動経路（エッジ情報）のいずれかに注目するにとどまっていたが、研究チームは両方を同時に解析する「バイモーダル学習」を採用。時間とともに変化する群衆の流れを「時間変化グラフ」としてモデル化し、空間的関係（エリア間の接続）と時間的変化（移動のタイミング）を3次元的に学習する「3D対照学習」を実装。これにより、ある通路（例：エリアA）に人が急増する前に、隣接エリア（エリアB）からの流入を検知し、危険な状態を予測することが可能になった。 実際のデータとして、ソウル・釜山・大邱の地下鉄データ、ニューヨーク市交通データ、韓国・ニューヨークの新型コロナ感染データを活用した6つの実世界データセットを構築・公開。評価結果では、従来の最先端手法に比べて最大76.1％の精度向上を達成した。 李教授は「公共安全に大きな影響を与える技術の開発が重要だ。このAIは大規模イベントの管理や都市部の交通混雑緩和、感染症の拡散抑制にも役立つ」と述べ、社会実装の可能性を強調している。本研究は、第31回ACM SIGKDDデータマイニング会議で発表された。