위치 정보를 활용한 개인별 일상 패턴 기반 이상 상황 탐지 모델 연구

• 위치 데이터 전처리 및 구조화 방법론 개발
• 개인별 일상 패턴 학습 및 일탈 탐지 (AI Modeling)
• 실효성 검증 및 설명 가능한 진단 (Evaluation & XAI)

위치 데이터 전처리 및 구조화 방법론 개발

: 전자감독 대상자의 GPS 위치 정보에서 발생하는 잡음을 제거하고 행동 특성을 반영한 전처리 파이프라인을 개발한다. 좌표 점프 등 이상치를 보정함과 동시에 속력, 가속도, 직진성 등 행동 맥락을 포함하는 파생 변수를 생성하여, 단순 이동 경로 이상의 의미 있는 행동 패턴을 분석할 수 있는 데이터 구조를 설계한다.

개인화 모델 기반의 일상 변화 및 일탈 탐지 알고리즘 구축

: 대상자별 생활 반경과 이동 습관을 학습하기 위해 Anomaly Transformer 및 LSTM-VAE 기반의 개인 맞춤형 이상 탐지 모델을 구축한다. 시점 간 연관성 편차(Association Discrepancy)를 활용해 정상 패턴을 벗어나는 미세한 징후를 포착하며, 개인별 활동 특성에 맞춘 임계값을 적용한다. 이는 기존 규칙 위반 감시의 한계를 넘어 개인의 일상 흐름 변화를 확률적으로 추론하는 것을 목표로 한다.

실효성 검증 및 설명 가능한 진단 (Evaluation & XAI)

: 실제 재범 데이터를 바탕으로 모델의 탐지 성능을 검증하고 현장 실효성을 평가한다. 특정 대상자에 대해 AUROC 0.939의 높은 성능을 달성하여 기술의 유효성을 입증하고, 변수별 기여도 분석과 지도 위 궤적 시각화를 결합한 설명 가능한 AI(XAI) 기능을 구현한다. 이를 통해 관제 요원이 위험 구간을 직관적으로 해석하고 선제적 조치를 취할 수 있는 근거를 제공한다.