초록
지난 수십 년간 인간의 경로 예측은 대피 상황 분석, 지능형 교통 시스템 도입, 교통 운영 등 다양한 실-world 응용 분야에서 중요한 역할을 하며 활발한 연구 대상이 되어왔다. 초기 연구들은 도메인 지식에 기반하여 수작업으로 이러한 표현을 설계하였다. 그러나 붐비는 환경에서의 사회적 상호작용은 다양할 뿐만 아니라 종종 미묘한 특성을 지닌다. 최근에는 딥러닝 기법이 수작업 기반의 방법들을 능가하며, 보다 일반화된 데이터 기반 방식으로 인간 간 상호작용을 학습할 수 있다는 점에서 두드러진 성과를 보이고 있다. 본 연구에서는 기존의 딥러닝 기반 사회적 상호작용 모델링 방법에 대해 심층적인 분석을 수행한다. 또한 사회적 상호작용을 효과적으로 포착할 수 있도록 지식 기반의 데이터 기반 방법 두 가지를 제안한다. 이러한 상호작용 기반 예측 모델의 성능을 객관적으로 비교하기 위해, 인간 경로 예측 분야에서 중요한 역할을 하지만 여전히 부족한 대규모 상호작용 중심 기준 데이터셋인 TrajNet++을 개발한다. 본 연구에서는 사회적으로 타당한 경로를 출력할 수 있는 모델의 능력을 평가할 수 있는 새로운 성능 지표를 제안한다. TrajNet++을 기반으로 수행된 실험을 통해 제안된 지표의 필요성을 검증하였으며, 실제 데이터셋과 합성 데이터셋 모두에서 제안한 방법이 경쟁적인 기준 모델들을 상회하는 성능을 보였다.