1.문제점
- 기존 지하철 역사 내 혼잡도 도출 방식으로는 수동 집계 또는 교통카드 데이터에 의존하여 실시간 대응이 어려웠습니다.
- 출퇴근 시간대 승강장, 환승통로 등 특정 구역의 과밀화로 인한 안전사고 위험이 상존했습니다.
- 역사 내 각 공간(승강장, 계단, 대합실, 요금게이트 등)별 세분화된 혼잡도 파악이 불가능했습니다.
- 열차 칸별 혼잡도 정보 부재로 승객 분산 유도가 어려웠습니다.

2. 프로젝트 목표
-CCTV 영상을 활용한 AI 기반 실시간 인원 검지 시스템 구축
- 역사 내 11개 구역(승강장, 요금게이트, 환승통로, 계단, 대합실 등)별 혼잡도 실시간 모니터링
- LOS(Level of Service) 기반 혼잡 단계 자동 산출 및 위험도 경보 시스템 개발
- 3D 역사 모델링을 통한 직관적인 모니터링 대시보드 및 통계 리포팅 시스템 제공

3. 주안점
- 15초 단위 실시간 데이터 수집 및 처리로 즉각적인 상황 인지 가능하도록 설계
- 공간 유형별(보행로, 계단, 대기공간) 차별화된 LOS 산출 알고리즘 적용
- 혼잡 지속시간에 따른 4단계 위험도(양호→주의→경계→위험) 자동 에스컬레이션 로직 구현
- 40개 이상 CCTV 연동 및 대용량 영상 데이터 실시간 처리 아키텍처 설계

본 프로젝트는 서울교통공사 지하철 역사 내 실시간 혼잡도를 AI 기반으로 분석하고 모니터링하는 통합 운영관리시스템입니다.

[주요 기능 및 구현 내용]

1. AI 기반 실시간 인원 검지
- CCTV 영상에서 딥러닝(YOLO) 기반 객체 탐지로 실시간 인원 카운팅
- 15초 단위 데이터 수집 및 분석

2. LOS 기반 혼잡도 산출 엔진
- 공간 유형별 차별화된 서비스 수준(LOS) 계산
· 보행로(대합실, 요금게이트, 환승통로): 보행교통류율
· 계단(출구계단, 내부계단): 보행교통류율
· 대기공간(승강장): 최대 밀도
- 혼잡 단계(보통/혼잡/심각) 및 위험도(양호/주의/경계/위험) 자동 산출

3. 3D 통합 모니터링 대시보드
- 역사 전체 3D 모델링 기반 직관적 혼잡도 시각화
- 구역별 실시간 혼잡도 게이지 표시
- CCTV 영상 및 환경 정보(온도, 습도, CO2) 통합 표시

4. 다차원 통계 분석 리포팅
- 5분 단위 / 시간대별 / 요일별 혼잡도 통계 분석
- 열차 노선별, 칸별 혼잡도 분석
- CSV 다운로드 기능 제공

5. 관리자 설정 기능
- 혼잡도 판단 기준 커스터마이징
- CCTV/공간 ID 관리
- 계정 권한 관리

[사용 기술 스택]

- Frontend: React, 3D Visualization Library
- Backend: Python, FastAPI
- AI/ML: YOLO, OpenCV
- Database: PostgreSQL/TimescaleDB
- Infra: Docker, RTSP 스트리밍