도시의 보행량 측정 시스템은 상권 분석, 교통 흐름 관리, 재난 시 대피 경로 계획 등 다양한 도시 운영의 핵심 기반이 됩니다. 하지만 이 시스템이 수집하는 센서 데이터가 외부 공격에 의해 은밀하게 위변조될 경우, 잘못된 의사결정으로 이어져 막대한 경제적, 사회적 손실을 초래할 수 있습니다. 최근 발표된 한 연구는 이러한 문제에 주목하여, 물리적 제약(Physics-Constrained)을 적용한 디지털 트윈 기술을 통해 도시 보행량 센서 데이터의 무결성을 확보하는 새로운 방법을 제안했습니다.
이 연구팀은 보행자 거리 그래프(Pedestrian Street Graph) 상에서 보행 흐름을 추정하고, 학습된 그래프 기반 이득(Graph-Localized Gain)을 통해 보행량 데이터를 통합하는 디지털 트윈을 개발했습니다. 특히, 이 트윈은 측정된 구간과 측정되지 않은 구간을 연결하는 '흐름 보존 잔차(Flow Conservation Residual)'를 활용하여 훈련됩니다. 이는 전력망이나 수도망과 같은 기존 인프라에서 은밀한 데이터 위변조를 탐지하는 방식과는 달리, 보행 흐름의 물리적 제약, 즉 특정 지점으로 들어오고 나가는 사람의 수가 보존되어야 한다는 원리를 적극 활용합니다. 탐지 과정에서는 이러한 잔차와 데이터의 '혁신(Innovation)'을 결합하며, 경보 임계값은 수동 설정 대신 적응형 등각 보정(Adaptive Conformal Calibration) 방식으로 자동 조정됩니다.
연구팀은 멜버른의 6년간 보행량 데이터를 사용하여 이 기술의 효과를 검증했습니다. 그 결과, 단 하나의 센서가 손상되었을 때 추정된 흐름 필드의 최악의 부패(Worst-Case Corruption)를 54%까지 줄일 수 있었으며, 전체 센서의 3분의 1이 손상되었을 때도 19%의 감소 효과를 보였습니다. 이는 전체 보행 가능 구간 중 1.18%만이 측정되는 네트워크 환경에서 얻은 결과입니다. 특히, 거리 그래프 대신 단순히 거리 기반 그래프를 사용했을 때는 효과가 9%로 급감했는데, 이는 데이터의 지역성(Locality)보다는 '흐름 보존 법칙'이라는 물리적 제약이 데이터 무결성 확보에 결정적인 역할을 함을 시사합니다. 이 기술은 도시 인프라의 신뢰성을 높이고, 데이터 기반 의사결정의 정확성을 보장하는 데 중요한 기여를 할 것으로 기대됩니다.