1. 서론
2. 방법론
1) 연구 방법
2) 에이전트 기반 모델(Agent-Based Model)
3) 시공간 커널밀도 분석
3. 분석 결과
1) 관중 밀도와 대피 시간의 관계
2) 좌석 위치와 대피 시간의 관계
3) 관중 밀도를 고려한 대피 경로의 시공간적 특징
4. 결론
1. 서론
에이전트 기반 모델(Agent-Based Model; 이하 ABM)은 도시 내의 이동(Hwang et al., 2026), 감염병의 확산(Kang and Aldstadt, 2019a; Choi and Hohl, 2023), 재해 상황에서의 대피(Vandewalle et al., 2019) 등의 다양한 공간적･사회적 현상을 분석하고 이해하기 위한 시뮬레이션 방법으로 널리 활용되고 있다(강전영 등, 2024). ABM은 개별 행위자의 특성, 행위자의 의사결정 규칙, 그리고 행위자 간의, 환경 간의 상호작용을 토대로 창발(emergence)적 과정을 분석할 수 있다(Crooks et al., 2018). 특히, 행위자 간의 행동의 다양성과 변화를 자연스럽게 모델 내에서 반영할 수 있기 때문에 보다 현실적인 시뮬레이션이 가능하다. 최근에는 디지털 트윈(Moyaux et al., 2023), 합성인구(Synthetic Population) 모델링(Jiang et al., 2022) 등의 도시의 모의 환경 구축에 ABM이 결합되면서, ABM의 활용 범위가 점차 확대되고 있다. 디지털 트윈과 스마트 시티 등을 위해 지리학에서 의미하는 지표공간이 실외공간만에서 실내로도 이동해간다는 점에서 실내공간에 대한 지리적 고려가 중요한 시점인데, 디지털 트윈이 도시를 설명하기 위해서는 단순한 3차원 도시 형상(건물 중심)의 재현을 넘어, 인간이 건물･도로 등 3차원 도시 인프라를 어떻게 이용하는지와 같은 행태 과정을 포함해야 한다(Fotheringham, 2023). 대형 스타디움은 실내공간과 실외공간의 중간적 성격으로 ABM과 결합하여 보행환경으로의 실내공간에 대한 지리학적 풀이를 제시할 수 있다.
ABM은 특히 보행자 대피 시뮬레이션을 위해 많은 관심을 받고 있다(Zhang et al., 2025). 복잡한 통로 구조, 제한된 출구 수, 시야 제약 등의 특성이 결합된 대피상황에서는 군중의 행동이 비선형적으로 나타난다(김주성 등, 2014). 또한 인구 과밀이 특정 지점에서 병목현상을 초래하기 때문에 이동 속도의 저하와 더불어 사고의 위험이 빠르게 증가하는 것으로 알려져 있다(최문기 등, 2022). 그러나 실제 대피 상황을 실험적으로 재현하기는 어렵고 군중의 이동 데이터를 대규모로 수집하는 것도 현실적으로 무리가 있다. 이러한 제약을 고려했을 때, 시뮬레이션 기반의 연구는 대피의 패턴을 이해하고 향후 정책적 함의를 도출하기에 유용하다(김동범 등, 2024).
고척스카이돔과 같은 대형 실내 스타디움은 야구 경기와 같은 이벤트 발생 이후 대피 상황에서의 복잡성과 위험성이 극명하게 나타나는 공간 유형 중 하나라고 할 수 있다. 수천에서 만 여명에 이르는 관람객이 단시간 내에 대피해야 하는 환경이기 때문에 출구 쪽에서 병목현상이 발생할 수 밖에 없으며, 관람객의 좌석 위치에 따라 출구에 대한 접근성의 차이가 있어 대피의 효율에 직접적인 영향을 받을 수 있다. 특히, 경기의 종료 직후, 혹은 화재 및 테러 발생과 같은 상황에서는 인구가 집중적으로 이동하게 된다. 이때, 관람객의 밀도에 따라서도 대피 양상이 다를 수 있으며, 군중의 분포나 이동 경로의 선택에 따라서도 대피의 소요 시간이 상이할 수 있다. 이러한 특성은 일반적인 대피 모델의 결과물인 시나리오별 대피 시간의 비교(Chen et al., 2006)와 더불어 공간적인 패턴 또한 고려해야 하는 것을 보여준다(Choi and Hohl, 2021)
최근 ABM 기반 시뮬레이션은 실시간 군중 예측 및 군중 관리로 응용 범위를 넓혀가고 있다. Makinoshima and Oishi(2022)는 관찰된 군중 밀도 데이터를 실시간으로 통합하여 수천 명 규모의 대규모 군중 흐름을 예측하는 프레임워크를 제시하였다. 해당 연구는 시계열적으로 군중의 상태와 잠재 행동 파라미터를 추정함으로써 실시간 군중 시뮬레이션의 가능성을 보여주었으며, 스마트시티 환경에서의 군중 재난 방지 및 군중 흐름 관리에 기여하였다. 더불어 최근에는 군중의 정서 상태를 시뮬레이션에 반영하는 시도가 나타나고 있으며, van Haeringen et al.(2023)은 감정 전염(emotion contagion)을 반영한 비상 대피 시뮬레이션을 통해 공포 상태의 확산이 전체 대피 경로에 미치는 영향을 분석하였다. 이처럼 비선형적 행동 패턴을 포착하기 위해 머신러닝이나 거대언어모델(LLM)을 결합하는 연구도 확대되고 있다(Zhang et al., 2025). 이러한 접근은 기존의 규칙 기반 모델링에서 더 나아가, 보다 복잡하고 실제적인 군중 행동 예측을 가능케 하고 있다. 이러한 흐름 속에서 실내 공간을 대상으로 한 ABM 시뮬레이션 연구들도 활발히 이루어지고 있다. Choi et al.(2023)은 복잡한 실내 구조에서의 호흡기 질환 전파 양상을 ABM으로 모의하여, 공간구조와 인구밀도가 확산 경로에 미치는 영향을 분석하였다. 경기장을 대상으로 한 Cotfas et al.(2022)의 연구에서는 출구의 수가 대피 효율에 가장 큰 영향을 미치는 반면, 계단이나 복도 폭은 병목 구간의 상호작용에 따라 효과가 제한된다는 점을 지적하였다. 이외에도, 최근 연구에서는 대피 중 발생 가능한 사고, 방향 상실, 공황 등 비정형적 반응을 모델에 반영하고 사회력 기반의 행동 규칙을 보완함으로써, 실내 군중 이동 시뮬레이션의 정밀성과 실용성을 함께 향상시키려는 시도가 이어지고 있다(Islas-Toski et al., 2024).
대피 모델과 관련하여 대부분의 연구들은 개별 보행 속도(최문기 등, 2022) 혹은 경로의 선택 규칙에 대한 분석(김민준･강전영, 2022; 조장원 등 2025)과 같은 개별적인 요인에 초점을 맞춰왔다. 하지만, 관중의 밀도 변화에 따라 스타디움에서의 대피 패턴이 어떻게 다르게 나타나는지, 또한 좌석의 위치에 따라서 어떻게 대피 시간에 영향을 미치는지에 대한 연구는 상대적으로 부족하였다. 즉, 동일한 건물 구조 안에서도 관중 수와 좌석의 위치가 만들어내는 대피에 대한 시공간적 취약성을 정량적으로 파악하는 연구는 제한적이었다고 할 수 있다.
이에 본 연구는 실제 고척스카이돔의 도면을 기반으로 ABM을 활용한 대피 시뮬레이션 모델을 구축하고, 관중 수용 인원의 변화 및 좌석의 위치에 따른 대피 속도와 시공간적 패턴을 정량적으로 분석하고자 한다. 특히, 20%-100%의 다양한 관중 밀도 상황에서의 반복적인 모의실험을 수행하여 대피 시간의 변화 양상을 비교하였으며, 좌석별 대피 소요시간을 공간적으로 분석하여 스타디움 내부의 구조적 취약 구역을 식별하였다. 이러한 접근을 통하여 본 연구는 대규모 실내 건물에서의 대피과정에서 관중의 밀도와 좌석의 위치가 어떠한 시공간적 패턴을 만들어내는지를 밝히고, 향후 대피 시나리오 및 관중 관리 전략의 수립과 관련한 정책적 함의를 제시하고자 한다.
2. 방법론
1) 연구 방법
국내 최초의 돔형 야구장인 고척스카이돔은 수천 명 이상의 관람객을 동시에 수용이 가능한 대형 실내 스타디움이다. 실내 스타디움의 특성상 복잡한 건축 구조를 띠고 있으며, 제한된 출구 수를 가지고 있어서 실외에서의 대피 상황과 다른 시뮬레이션 모델과 대피 시나리오가 필수적이라고 할 수 있다. 대형 스타디움은 군중의 밀집으로 인한 인명 피해 가능성이 있으며, 관람객은 실제보다 대피 시간을 과소평가하는 경향이 있어(조성진, 2014), 사전 시나리오의 필요성과 안전 관리의 중요성이 강조된다고 할 수 있다. 특히, 보행자 대피 행동에 대해서는 개인의 보행 속도가 시뮬레이션 결과에 영향을 미치는 영향을 확인하였지만(이재영, 2020), 보행자 밀도 변화에 따른 공간적인 대피의 패턴에 대한 연구는 미비하였다. 이에 본 연구는 고척돔의 실제 도면을 기반으로 하여 대피 시뮬레이션 모델을 구축하고, 다양한 관중 밀도 조건에서의 대피 시공간 패턴을 정량적으로 분석하여 최적의 대피 시나리오 설계에 필요한 근거자료를 제시하고자 한다.
그림 1은 본 연구의 전체 수행 절차를 보여주는 연구의 모식도이다. 연구는 크게 2단계로 구성된다. 첫 번째 단계에서는 고척돔의 실제 구조를 반영한 보행자 대피 시뮬레이션 모델을 구축한다. 이를 위해서 좌석, 통로 및 출구 구조를 반영한 시뮬레이션 모델을 구축하고, 관중의 입장 조건을 373명에서 1,873명까지 변화시키며, 확률적 모델의 특성을 반영하여 각 조건을 30회 반복 실행하였다. 두 번째 단계에서는 완성된 모델을 활용하여 개별 에이전트의 경로, 대피 소요시간, 시공간 밀도 패턴을 분석하였다. 이를 위해서 시공간 커널밀도(Space-Time Kernel Density Estimation, STKDE) 분석(Delmelle et al., 2014)과 좌표 기반의 정량적 공간분석을 적용하여 대피 과정에서 발생하는 병목, 지연 구간 등을 파악하였다. 이러한 분석 결과는 궁극적으로 고척돔의 구조적인 특성과 관중의 밀도를 고려한 최적의 대피 시나리오 설계에 도움이 될 수 있다.
2) 에이전트 기반 모델(Agent-Based Model)
본 연구에서 활용한 에이전트 기반 모델(ABM)은 서론에서 설명했듯이 각 에이전트가 갖는 속성, 이동 규칙, 상호작용 등을 기반으로 다양한 지리적 현상을 표현하는 시뮬레이션 기법 중 하나이다. 특히, 본 연구에서는 개별 보행자를 에이전트(agent)로 정의하면서 실내 공간에서의 군중 이동을 모의하였다. 방법론적 관점에서 ABM의 가장 큰 장점은 개별 보행 단위의 이동을 연속적인 공간에서 미시적으로 재현할 수 있으며, 이를 통해서 시간에 따라 변화하는 군집의 형태나 병목의 발생 과정 등을 직접 관찰할 수 있는 것이다(Crooks et al., 2018)
고척 스카이돔의 실제 도면을 바탕으로 좌석 배열, 통로･출구 구조 등을 모델에 반영하였다. 이 중 연구의 분석 대상은 3루 측 원정응원단석(버건디석) 으로, 108-114구역과 206-210 구역을 포함한다(그림 2). 해당 구역은 복층의 입체 구조로 공간이 분리돼 6개의 출구와 복도로 복잡한 배치를 가졌으며 좌석 규모가 커 대피 시 발생하는 혼잡과 패턴을 관찰하기 용이하여 채택하였다. 붉은 원으로 표시된 지역은 경기장 출입구로 본 연구에서는 대피 목적지로 설정되었다. 시뮬레이션 구현을 위해서는 AnyLogic을 활용하여 모델을 구축하였다. AnyLogic은 AnyLogic Company에서 서비스하는 범용 시뮬레이션 소프트웨어로 GUI(Graphic User Interface)와 Java를 기반으로 작동한다. AnyLogic의 보행자(Pedestrian) 라이브러리에서 에이전트는 설정된 목적지를 향해 최소거리 경로 방향으로 이동하며 동시에 장애물이나 타 보행자에 저항하는 방향의 합으로 움직인다. 이를 통해 보행자와 환경 간 상호작용을 반영할 수 있어 이번 연구에서 요구되는 보행자 모델 수준으로 적절하였다. 본 연구에 있어서 AnyLogic은 실내 이동, 목표 지점 최적화 등에 대해서 GUI를 기반으로 손쉽게 설정할 수 있어서 복잡한 스타디움의 좌석, 복도, 출구와 같은 구조를 도면과 일치하도록 정교하게 재현하는데 적합하였다. 또한 AnyLogic은 시간 단위 연속 좌표를 시간 단위로 출력할 수 있어서, 시공간 커널밀도 분석 등의 공간분석 기법과 연계가 매우 용이하다.
모델 내에서 각 좌석은 에이전트가 대피를 시작하는 장소로 설정하였으며, 출구는 총 6개이며, 좌석과 출구 간의 거리와 구조적인 제약에 따라서 자연스럽게 병목이 발생하도록 설계하였다. 대피 과정에서 에이전트의 이동 좌표는 1초 단위로 기록이 되며, 이는 개별 에이전트의 대피 시간 및 이동 경로 분석에 활용될 수 있다(그림 3). 그림 3에서 확인되는 것처럼 1회 시행 시 에이전트끼리의 상호작용 등 무작위성 요소가 발생해 완전히 균일하지는 않은 패턴을 그리고 있다. ABM은 확률적 특성을 가지므로, 시행별 결과가 조금씩 다를 수 있으며(Kang and Aldstadt, 2020), 이를 고려하여 동일 조건에서 30회 반복 시행을 수행하였다. 이를 통해 구조적 요인에 의해 발생되는 일관된 패턴만을 추출하였다.
시뮬레이션의 반복 횟수의 결정은 시뮬레이션 결과의 안정성에 따라 다르며 매개변수나 에이전트 행태 등 구성요소에 영향을 받는다. 모델 반복 횟수를 결정하기 위해 시뮬레이션 결과의 안정성을 정량화하는 데 일반적으로 사용할 수 있는 방법으로 변동계수(Coefficient of Variance; CV)가 있다. 시뮬레이션의 시행 횟수를 증가시키며 더 이상 CV가 변화하지 않는 지점이 발생한다면, 시뮬레이션이 필요한 반복 횟수를 충분히 달성하였다고 판단한다(Kang and Aldstadt, 2021). CV는 다음과 같이 수식(1)로 계산된다.
시뮬레이션의 시행 횟수를 증가시키며 CV의 변화를 관찰한 결과(그림 4), 30번의 시뮬레이션 시행 횟수는 CV가 안정되어 충분한 시뮬레이션 횟수임을 확인하였다. 시뮬레이션 시행횟수를 증가시킴에 따라 불안정했던 CV가 20회 반복 수준에서 대부분 안정되었으며, 30회까지 안정이 유지되었다. 따라서 확보된 30회의 시뮬레이션 결과를 모두 분석에 사용하였다.
3) 시공간 커널밀도 분석
시공간 커널밀도 분석은 관측 이벤트에 대한 발생 밀도를 시공간 차원에서 동시에 추정하는 방법이다. 특히, 질병의 발생에 대한 패턴을 확인하기 위해서 활용되어 왔으나, 대피와 같이 시간에 따라 군중의 분포가 변화하는 현상을 분석하는데 활용되기도 한다(최문기 등, 2022). 기존의 공간 커널밀도(Kernel Density Estimation)가 특정 시점의 공간적 분포 묘사에 활용되는 점에 반해, 시공간 커널밀도 분석은 시간의 축을 추가하여 시간별 밀집･지연 구간의 변화 패턴을 파악할 수 있다는 장점이 있다.
ST-KDE는 다음과 같이 수식 (2)으로 계산이 된다(Chris et al., 2007).
여기에서(x, y, t)는 분석하고자 하는 공간과 시간 지점이며, dsi는 에이전트 I의 공간 거리, dti는 에이전트 i와의 시간적 거리, hs, ht는 공간과 시간의 대역폭, Ks, Kt는 공간 시간에 대한 커널 함수를 의미한다. 본 연구에서는 시뮬레이션의 결과로부터 기록된 1초 단위의 에이전트 좌표를 활용하여 시공간 커널밀도 분석을 실시하였다. 이를 통해 대피 초반, 중반, 후반에서 발생하는 밀집정도를 확인할 수 있다. 이는 단순히 대피 시간만을 비교하는 방식으로 포착하기 어려운 정량적인 근거를 제공할 수 있다.
3. 분석 결과
1) 관중 밀도와 대피 시간의 관계
본 연구에서 수행한 시뮬레이션 결과 관중 밀도는 대피시간을 선형적으로 증가시키며 동시에 대피 과정에서 분명한 구조적 패턴의 차이를 발생시켰다. 먼저 총인원의 대피 완료 시간과 관중 수를 비교한 결과 관중 수용률이 1% 마다 전체 대피 시간이 약 7.25초 증가하는 선형적 관계가 나타났다. 이처럼 전체 인원 대피는 관중 밀도에 직접적으로 큰 영향을 받는 점을 확인할 수 있었다(그림 5).
그러나 대피 양상에는 보다 특징적인 차이가 존재했다. 본 모델은 각 에이전트가 가장 가까운 출구로 이동하는 방식을 따르고 있기 때문에, 출구별 수요가 균등하게 분포하지 않고 특정한 출구에 집중되는 현상이 재현되었다. 실제 모델에서 확인된 바와 같이 상단 출입구와 좌측 출입구는 비교적 적은 인원이 이용하는 반면, 중앙 출입구와 우측 출입구는 전체 관중의 상당 부분이 집중되는 것을 확인할 수 있다(그림 6). 이는 실제 고척스카이돔의 대피유도선 또한 가장 가까운 출구를 안내하고 있는 것과 동일하다(그림 7). 특히, 우측 출입구는 단일 출구임에도 불구하고 전체 대피 인원의 절반에 가깝게 담당하는 구조를 띠고 있어서, 모든 관중 수 조건에서 가장 강한 병목현상이 발생하는 구간으로 나타났다. 이러한 출구별 이용량의 불균형은 전체 대피 양상의 차이를 만들어내는 핵심 요인으로 판단된다.
이러한 본 시뮬레이션의 출구 수요 분포에 따라 대피 인원 추이는 특징적인 모습을 띠게 되는데, 대피 속도 및 양상으로 3단계로 분류할 수 있다. 1단계는 각 좌석에서 출입구까지 관중이 도달하는 시간이다. 에이전트들은 대피를 시작할 때 좌석에 위치해 있으므로 출구에 가까운 위치의 좌석에 존재하는 에이전트가 먼저 도착하게 된다. 거리상 모든 에이전트가 도달하지 못해 출구 용량이 일부만 활용되는 시간이 1단계이다. 따라서 에이전트들이 도착함에 따라 급격히 대피 속도가 가속된다. 이는 그림 8에서 검은 점선 이전 구간에 나타난다.
2단계는 주 출입구가 최대 용량으로 활용되는 시간으로 가장 활발히 대피가 진행되는 구간이다. 또한 2단계는 인원에 비례하여 가장 긴 시간을 차지하며 수용 인원 변수에 가장 민감하게 반응하는 구간이다. 2단계는 출구 근처에 충분한 에이전트들이 도달했으나, 출구 처리 가능 인원의 한계로 모두 한번에 빠져나가지 못하고 출구 주변에 멈추는 대신, 대기하고 있는 에이전트가 즉시 대피하며 출구를 최대한으로 활용해 처리 용량이 최대치로 고정된다. 각 출구는 최대로 활용된 후 배정된 에이전트가 모두 대피하면 더 이상 이용되지 않아 전체 대피 속도가 감소한다. 본 연구에서는 그림 2에서 나타나는 바와 같이 상단의 보조 출입구 2개, 좌측, 중앙, 우측의 주 출입구 3개가 존재하므로, 모든 출입구에 강한 밀집이 발생할 경우 대피속도가 단계적으로 감소하게 된다. 그림 8의 검은 가로선은 이용이 종료된 출구를 나타내며 노란 구간은 남은 출구가 최대한으로 이용되는 구간을 의미한다. 2개의 보조 출입구가 먼저 대피가 끝나고, 차례대로 좌측, 중앙, 우측 주 출입구가 완료된다. 이는 충분히 출구 앞이 밀집되지 않는 저밀도에서는 잘 구분되지 않으며 고밀도에서 뚜렷한 계단 형상을 띈다. 2단계는 그림 8에서 검은 점선과 각 범례 색상의 점선 사이의 구간이다.
마지막으로 3단계는 출구 주변의 관중 밀도가 충분히 감소하여 병목 현상이 해소된 시점 이후의 종말 구간을 의미한다. 이 시기에는 출구 효율이 충분하므로 관중은 지체 없이 빠져나오지만, 출구 근처에 에이전트가 빽빽이 분포해있지 않아 전체적인 대피 속도는 다시 감소한다. 대피 속도의 감소는 출구별로 일부 2단계에서도 나타나지만, 3단계는 우측 주 출입구의 종말 단계가 단독으로 관찰돼 형태가 뚜렷하고 모든 관중 수에서 나타나는 것이 특징이다. 1단계와 3단계는 관중 수의 영향을 적게 받으며, 시나리오 간의 차이도 크지 않은 것으로 나타났다. 그림 8에서 색상 점선 이후의 구간인 3단계는 관중 수와 관계없이 동일한 형상과 길이를 가졌다. 즉, 대피 시간의 주요 차이는 2단계의 길이에서 발생하며, 관중 수 증가가 2단계를 얼마나 연장시키는 지가 전체 대피 시간을 결정하는 중요한 요인임을 확인할 수 있다.
그림 8에서는 이런 대피 단계 전체의 구조적 패턴을 확인할 수 있다. 그림 8은 시간에 따른 관중 대피 속도를 나타내 대피 진행 상황에 따라 대피 속도가 어떻게 변화하는 지 알 수 있다. 그림에서 볼 수 있듯이, 모든 시나리오에서 3단계 구조가 동일하게 나타나며, 관중이 많을수록 긴 계단형의 2단계를 그리며 오랜 시간이 필요하게 된다. 이는 공간적 행태적 제약에서 비롯되었다. 단일 출입구에서 동시에 대피할 수 있는 인원이 제한되어 대기열이 생성되며, 모든 출입구를 고르게 이용하지 않고 특정 출입구로 집중되며 병목을 강화시킨다. 결과적으로 제한된 출구 용량에 비균형적 이용이 결합되어 계단형의 대피 단계가 발생하고, 대피 속도가 감소하는 구조적 패턴이 나타난다. 120명의 참가자로 병목 현상에 대해 연구한 Wu et al.(2025)에 따르면, 실제 실험에서도 동일한 세 가지 단계를 관찰하였다. 밀도가 증가하며 속도가 느려지는 1단계, 밀도와 속도가 안정되며 최대 효율이 발생하는 2단계, 밀도가 낮아지며 속도가 빨라지는 3단계로 본 연구와 동일한 구분을 사용하였다.
또한 그림 9은 30회 반복 시행을 기반으로 각 시나리오의 대피 시간 변동성을 보여준다. 30회 시행의 평균값을 사용한 그림 5와 그림 8과 달리 개별 시행의 분산을 확인할 수 있는 그림9에서는 최종 대피 시간이 관중 수 뿐 아니라 기타 원인으로도 변동될 수 있음이 나타나고 있다. 이번 연구에서 시뮬레이션 입력 변수는 관중 수가 유일했으나, 에이전트 속도, 에이전트 시작 좌석 위치, 에이전트 경로 및 상호작용 등의 변수가 변동을 발생시켰다. 대부분의 변동은 출구가 최대한으로 활용되는 2단계가 아닌 1단계 일부와 3단계 과정 전반에서 나타났다. 에이전트의 배치와 동선, 경로에 혼선이 생기며 전체 대피까지의 시간이 지연되었다. 이 중 이상치로 나타난 일부 시행은 소수의 에이전트가 대피 과정에서 비효율적인 경로나 우회 동선을 선택하면서 전체 대피 종료 시점을 지연시킨 사례임을 확인하였다. 또한 대피 시간 변동 폭은 변수를 일으킬 에이전트가 너무 적은 저밀도나, 변수를 일으킬 공간이 부족하게 빽빽한 고밀도보다 그 사이 623명-1373명 구간에서 가장 높음을 확인하였다. 변동 폭의 확대는 에이전트에게 높은 자유도가 주어진 상황에서 개별 에이전트가 병목 구간에서 선택하는 세부 경로나 충돌 회피 행동이 전체 대피 시간에 오류적 영향을 줄 수 있음을 의미한다. 그 변동량은 관중수의 두 급간을 넘을 정도로 유의미하게 큰 값을 지녔다. 그 예시로, 623명이 대피하는 경우의 가장 지연된 시나리오는 시뮬레이션 시간 단위로 461초 소요되었는데, 약 180% 많은 1123명이 가장 신속하게 대피하는 경우인 457초보다도 긴 시간이었다.
2) 좌석 위치와 대피 시간의 관계
좌석 위치와 대피 시간의 관계를 나타낸 결과는 그림 10과 같다. 관중 밀도가 각각 20%, 45%, 75%, 100% 일 때의 좌석별 대피 소요시간을 분석하였다. 단일 시행에서는 모델의 무작위성으로 인하여 좌석별 대피 시간이 불규칙하게 나타나기 때문에 공간적 경향성을 확인하기가 어려웠다. 그러나 동일 조건에서 30회 반복 시행한 이후 평균 대피 시간을 산출하면, 좌석별 대피 소요시간은 매우 연속적이고 구조적인 공간적 패턴을 보이고 있다. 이는 좌석과 출구 간의 거리와 통로 구조와 같은 물리적 요인이 시뮬레이션의 무작위성을 압도하는 강력한 결정 요인임을 의미한다고 할 수 있다.
이러한 분석의 결과는 대피 시간의 공간적 구조는 좌석과 출구 간의 거리와 병목 발생 지점에 의해 규정되는 것을 나타낸다. 출구 인근 좌석들은 장애 요소가 적어 비교적 빠르게 대피를 완료했지만, 통로를 거쳐야 하는 우측 하단 좌석은 반복 시행에서도 일관되게 높은 대피 시간을 보였다. 이 지역은 많은 인원이 도달해야 하는 통로이며 구조적으로 병목이 형성될 수밖에 없기 때문에 가장 취약한 구역으로 나타났다.
흥미로운 점은, 관중 밀도 변화(20%-100%)에도 좌석별 대피 시간의 취약성 등 공간 패턴은 유지되었다는 점이다. 관중 수가 적을 경우 개별 시행에서 경향성이 불명확하게 나타났으나, 이는 단순히 해당 좌석에서 출발하는 에이전트 수가 적어 평균값의 안정성이 낮았기 때문으로 반복 시행 수를 충분히 확보하면, 모든 관중 밀도 조건에서 100% 수용 조건과 동일한 공간적 패턴이 재현되었다. 즉, 좌석별 대피 취약성은 관중 밀도와 무관하게 구조적으로 정해져 있으며, 밀도 변화는 대피 시간의 절대 값만 변화시킬 뿐 공간적 구조는 변하지 않는다는 점이 확인되었다.
3) 관중 밀도를 고려한 대피 경로의 시공간적 특징
그림 11은 3차원 시공간 커널밀도 지도를 여러 각도에서 관찰한 장면과 이해하기 쉽게 스타디움 도면을 겹쳐 표시한 것이다. 시공간 커널밀도의 X, Y축은 실제 시뮬레이션 공간에서 에이전트의 밀도를 의미한다. 해당 공간에 많은 에이전트가 밀집해 있으면 더 높은 값을 가진다. t(time)축은 시뮬레이션 시간을 의미한다. t는 모든 관중이 자리에 착석하여 대기하는 0초에서 모든 관중이 대피해 시뮬레이션이 종료될 때까지의 값을 가질 수 있다. 이를 통해 에이전트가 어디에서 얼마나 밀집하여 혼잡 구역 혹은 통로를 형성하고, 시간의 경과에 따라 어떻게 변화하여 관중 밀도마다 다른 양상으로 나타나는지 확인할 수 있다. 시공간 커널밀도 지도는 3개의 축을 활용해 3차원 값을 갖지만, 그 형태의 특징이 가장 잘 나타나는 두 개의 각도를 선정하였고, 가장 차이가 극명하게 보이는 20% 관중(373)과 100% 관중(1873)를 선정하였다. 먼저 두 지도 모두 좌석에서 시작되어 출입구로 인원이 집중되고, 밀집해 혼잡구역이 형성되는 것이 확인되었다. 그림 11에서 확인되는 20% 관중 시나리오의 경우 출구 앞에서 정체가 발생함에 따라, 출구로 이동하는 복도 구간에서도 흐름이 원활하지 않았음이 나타난다. 또한 우하단 외곽 구역의 경우 구역 전체가 출입구에서 거리가 멀어 이동이 어렵고, 우측 출입구에서 가장 많은 혼잡이 마지막까지 남아있는 것을 확인할 수 있었다. 이에 따라 중앙복도로 밀려나는 이동이 관찰되었다.
100% 관중 시나리오의 경우 많은 관중 수로 인해 더 많은 혼잡이 오래 발생했을 뿐 아니라 새로운 패턴이 나타났다(그림 12). 단순히 혼잡 구역의 범위가 확장되는 것이 아닌 이동의 결절점을 중심으로 혼잡이 나타났으며 이는 시간에 따라 다른 계층적 구조를 형성하였다. 대피 명령이 떨어지는 즉시 모든 에이전트는 최단거리에 있는 출구를 이용하기 위해 이동하므로, 출구와 출구로의 최단경로를 연결하는 복도에 큰 혼잡이 발생하였다. 그러나 그 다음 단계에서 너무 많은 에이전트가 밀집되자 출구로 다른 경로를 이용하는 에이전트가 발생하여 혼잡이 분산되었다. 그림 13의 녹색 원 구역은 시간 전체 대피의 특정 구간에서만 밀집을 보이고 흩어지는 모습을 보인다. 이후 중앙 구역의 혼잡이 해소되자 우회 경로를 선택하는 에이전트가 사라져 다시 중앙으로 집중되는 형태를 보였다. 이는 그림12에서 드러나는데, 시간 축이 진행함에 따라 모든 곳에서 단순히 밀도가 감소하지 않고 혼잡을 회피하기 위해 우회 경로를 선택하는 모습이 드러난다. 이는 그림 13의 청색 원 구역에서 관측된다. 이러한 우회 현상은 적은 관중 수 시뮬레이션에서는 발생하지 않았고, 경기장에 관중 수가 많고 혼잡해질수록 이러한 우회 경향은 더욱 크게 나타났다. 흥미로운 점은, 오히려 우회 시도가 많이 발생할수록 전체 대피 속도에 악영향을 미쳤다는 것이다. 우회 전략은 관중밀도와 대피 시간과의 관계(그림 8)에서 나타난 탈출 3단계 구간에서 출구 근처의 밀도가 감소해 대피 속도가 떨어지는 점을 낮출 수 있을 것으로 기대된다. 그러나 최적으로 실행되지 않은 우회는 오히려 전체 흐름의 방향을 교란하고 이동거리가 길어져 결과적으로 대피 시간이 더 늦어지는 경향을 보였다.
4. 결론
본 연구는 비상상황 시에 고척스타디움에서의 군중의 대피 양상을 관찰하고 최적화된 대피 시나리오의 요건을 확인하기 위해서 에이전트 기반 모델을 구축하였다. 고척스타디움의 실제 도면을 기반으로 하여 대피 시뮬레이션 모델을 구축하고, 대피 시뮬레이션을 수행하였으며, 관중 수용 인원의 변화에 따라서 대피 소요시간과 경로의 특성을 분석하였다. 설정된 시뮬레이션의 결과, 관중의 수용 인원은 대피 시간에 직접적인 영향을 미치며, 대피 인원이 많을수록 총 대피 시간은 증가하는 경향을 보였다. 그러나 동시에 같은 관중 밀도 조건에서도 변동이 발생해 최대 85%의 수용 인원 차이도 동일한 대피 시간을 보일 수 있음을 확인하였다.
같은 관중 밀도 조건에서도 발생하는 대피 시간의 차이는 좌석의 위치와 대피 경로의 효율성에 기인하는 것으로 확인할 수 있었다. 좌석별 대피 시간은 좌석의 위치와 밀접한 관련이 존재하였으며, 출구에서 먼 지역은 관중 밀도와 관계없이 일관되게 늦은 대피 시간 패턴을 보였다. 반면 대피 경로는 인원 증가에 따라 복잡성이 높아지며, 에이전트가 우회를 하면서 다양한 시공간 패턴이 나타났다. 이는 동일한 관중 인원이 존재하더라도 좌석 위치와 대피 경로의 관리 방식에 따라 총 대피 시간을 단축시킬 수 있으며, 대피 시나리오 설계에서 이러한 요소들이 핵심적으로 작용할 수 있음을 시사하고 있다. 본 연구는 실측 도면을 기반으로 하여 시공간 패턴 분석을 통해 정량적으로 가이드라인을 도출하고, 이를 토대로 대피 시나리오의 평가 시 요구되는 핵심 변수를 제안한다.
한편, 이러한 결과는 대형 실내 스타디움과 같은 복합 시설의 관중 관리 및 비상대응 계획 수립에 중요한 실무적 시사점을 제공하고 있다. 단순히 관중만을 제한하는 방식만으로는 대피 효율을 충분히 개선하기 어렵고, 통로 구조와 출구의 접근성 등 물리적 요소가 좌석인원 배치와 상황별 분산 대피 전략과 같은 공간적 관리 요소와 결합되어 대피 성능을 구조적으로 결정하는 것을 확인할 수 있었다. 특히, 반복 시뮬레이션을 통하여 일관적으로 나타나는 좌석별 취약 구역과 병목 발생의 위치, 그리고 관중 밀도에 따라 발생하는 패턴이 고척 스카이돔에서 현행으로 사용되는 대피 시나리오를 개선하고 이동자 위험성을 사전에 방지할 수 있는 관리 운영에 도움이 될 것이다. 또한 고척 스카이돔을 제외하더라도 향후 스타디움의 설계 개선, 관중 동선 관리 등에 활용될 수 있을 것이다.
현재 에이전트 특성으로는 보행자 속도만 반영하였지만, 나이와 신체능력, 상황 인지에 따른 행위자 특성의 다양화와 화재, 테러 등 여러 대피 상황을 세분화하여 시뮬레이션한다면 시뮬레이션 방법론의 강점을 살려 보다 다양한 상황에 대한 대비가 가능하다. 보다 다양한 시뮬레이션 적용에는 신뢰할 수 있는 보행자 모델이 필요하다. 본 연구에 사용된 AnyLogic의 보행자 라이브러리의 경우에는 AnyLogic의 GUI를 통해 제작한 벽과 좌석 및 출입구 등과 호환이 되는 것이 장점이지만, 정확한 작동 원리를 밝히지 않아 에이전트의 행동을 해석하는 데 한계가 있었다. 또한 친숙하지 않은 건축물에서 패닉 현상이 발생할 경우에 사람들은 단순히 주변 사람들이 이동하는 방향을 따라서 이동하는 경향이 있는 것으로 알려져 있다(이재영, 2020). 본 연구에서는 모든 에이전트가 출구의 위치를 인지하고 동시에 가장 안전한 출구 방향으로 이동하는 이상적인 시나리오를 가정하였다. 그러나 현실 상황에서 모든 관람객이 건물 구조를 충분히 파악하고 있을 것으로 기대하기는 어렵다. 따라서 향후 연구에서는 출구 인지 수준의 이질성, 사회적 추종 행동, 안내 요원의 개입 등을 반영한 모델을 구축하여, 해당 특성이 대피 시간에 어떠한 영향을 미치는지 파악할 필요가 있다.
또한 시뮬레이션 결과는 행위자 기반 모델에 내재된 다양한 가정과 매개변수 설정에 따라 불확실성이 발생할 수 있으므로, 실제 관측 데이터와의 비교를 통해 시공간 패턴의 타당성을 검증(Validation)하는 과정이 신뢰성 확보를 위해 필수적이다(Kang and Aldstadt, 2019b). 특히 공간적 시뮬레이션 모델은 축척에 따라 결과가 달라지는 특성이 있어 다중 시공간 축척의 전역 민감도 분석(GSA)을 활용한 패턴 비교등이 요구된다. 본 연구의 경우, 실제 관측 데이터의 부재로 인해 이러한 시뮬레이션 검증과 매개변수 조절(Calibration)을 정밀하게 수행하지 못했다는 한계를 지닌다. Kang et al.(2022)가 제안한 민감도 분석과 매개변수 조절 통합 프레임워크를 도입하면 실제 관측 자료를 기반으로 모델 결과의 변동 및 불일치에 결정적인 영향을 미치는 핵심 매개변수를 식별할 수 있다. 향후 연구에서는 이러한 체계적인 검증 및 보정 절차를 통해 본 연구에서 제시한 시뮬레이션 틀을 보다 객관적이고 신뢰성 높은 군중 대피 분석 체계로 발전시킬 계획이다.
