최근 발표된 연구에 따르면, 새로운 인공지능(AI) 모델인 템페스트(TEMPEST)가 운전자 식별 기술의 한계를 극복하며 주목받고 있습니다. 기존 운전자 식별 모델들은 운전자 풀(pool)이 커질수록 성능이 급격히 떨어지고 특정 주행 세션에 과적합(overfit)되는 문제가 있었지만, 템페스트는 이러한 문제를 해결하여 대규모 환경에서도 높은 식별 정확도를 유지합니다.
템페스트는 시계열 합성곱 신경망(Temporal Convolutional Network) 기반의 임베딩(embedding) 모델로, 앵귤러 마진 학습(Angular Margin Learning) 방식인 ArcFace 손실 함수를 사용하여 학습됩니다. 이 방식은 정규화된 각도 공간에서 전역적인 클래스(운전자) 간 분리를 강화하여, 60초 분량의 다양한 주행 데이터를 96차원의 압축된 임베딩으로 변환합니다. 특히, 새로운 운전자가 추가되어도 모델을 재학습하거나 분류기를 재조정할 필요 없이 동적으로 등록할 수 있는 것이 큰 장점입니다.
45명의 운전자 데이터셋을 활용한 엄격한 시간 기반 평가에서 템페스트는 91.71%의 랭크-1(Rank-1) 정확도를 달성했습니다. 이는 기존 최고 성능 모델보다 17.9%포인트(pp), 가장 강력한 트립렛 손실(triplet-loss) 기반 모델보다 58.4%포인트 높은 수치입니다. 또한, 운전자 수를 10명에서 45명으로 늘렸을 때 정확도 하락 폭이 4.3%포인트에 불과해, 기존 모델들의 22%포인트, 32.5%포인트 하락과 비교하면 월등히 안정적인 성능을 보여줍니다. 72만 개의 파라미터와 2.80MB의 작은 용량, 50 에포크(epoch) 만에 수렴하는 효율성도 강점입니다.
이러한 템페스트의 등장은 차량 공유 서비스, 운전자 보험, 개인화된 차량 설정 등 다양한 분야에서 혁신적인 변화를 가져올 잠재력을 가집니다. 운전자 행동 기반 생체 인식 기술의 정확도와 확장성을 크게 높여, 차량 보안 강화는 물론, 운전 습관 분석을 통한 맞춤형 서비스 제공이 더욱 용이해질 것입니다. 특히, 대규모 운전자 관리가 필요한 모빌리티 플랫폼에 필수적인 기술이 될 것으로 예상됩니다.