일본산업뉴스요약

오류 메시지

Deprecated function: Array and string offset access syntax with curly braces is deprecated in include_once() (line 20 of /hjtic1/www/includes/file.phar.inc).
곰과의 조우 위험을 AI로 예측 -- 조치대학, 18개 자치체를 대상으로 지도 공개
  • 카테고리AI/ 로봇·드론/ VR
  • 기사일자 2025.11.13
  • 신문사 Nikkei X-TECH
  • 게재면 online
  • 작성자hjtic
  • 날짜2026-01-15 10:57:30
  • 조회수498

곰과의 조우 위험을 AI로 예측
조치대학, 18개 자치체를 대상으로 지도 공개

조치대학은 곰과의 조우 위험을 지도 위에 표시하는 인공지능(AI) 기술을 개발했다. 과거 출몰 기록이나 인구 분포, 기상, 표고, 곰의 식량 정보 등을 조합해 기계학습으로 예측한다. 아키타현을 대상으로 검증한 결과, 23년도에 발생한 곰 조우 사례를 약 60%의 정확도로 재현할 수 있었다. 곰 피해 방지 대책에 활용될 가능성이 있으며, 도쿄도나 삿포로시 등 전국 18개 자치체를 대상으로 지도를 공개했다.

-- JAXA의 공개 데이터 등 활용 --
조치대학 대학원 응용데이터사이언스 학위 프로그램의 후카자와(深澤) 교수 연구팀이 개발했다. 과거의 출몰 기록이나 일시, 토지 피복, 인구 분포, 기상, 도로의 유무, 표고, 곰의 식량이 되는 너도밤나무 열매의 풍흉 정보 등을 반영한 AI 모델을 개발했다. 1㎢ 단위의 메쉬 마다 예측해, 곰과의 조우 위험도를 색상으로 표시한다.

학습에 사용하는 데이터는 메쉬 단위가 되도록 처리했다. 예를 들어 토지 피복 데이터는 우주항공연구개발기구(JAXA)의 ‘고해상도 토지이용 토지 피복도’를 기반으로 했다. 곰 출몰 지점 주변 1㎢에, 삼림이나 농지, 수역, 시가지 등이 어느 정도의 비율로 존재하는지 수치화해 AI 학습에 활용했다.

연구에서는 아키타현 전역의 21년도와 22년도의 데이터를 학습시켜, 23년도의 실제 조우 사례를 얼마나 재현할 수 있는지 시험했다. 25년도는 전국에서 곰의 목격 정보나 인명 피해가 잇따르고 있지만, 가장 최근에는 23년도가 그러한 사례가 급증한 해에 해당한다. 23년도에 곰과의 조우 사례가 있던 메쉬 중, 조우 위험이 높다고 AI가 예측한 메쉬의 비율(재현율)은 약 60%였다.

곰과의 조우와 관계가 깊은 인자(특징량)도 분석했다. '과거 출몰 상황' '인공 구조물, 논, 대나무 숲 등의 토지 피복' '고령자 인구 분포' '표고'가 특히 중요한 인자라는 것을 알았다.

-- 하천 주변은 특히 주의 --
후카자와 교수에 따르면, 곰과의 조우에서 특히 주의해야 할 장소는 하천 주변이라고 한다. AI의 예측에서도 모두 조우 위험이 높아진다.

이는 산 속에 서식하는 곰이 강을 타고 이동하는 습성이 반영된 결과일 가능성이 있다. 강둑에 우거진 풀숲 등을 통해서 곰이 시가지로 들어가는 사례를 많이 볼 수 있다고 한다. 산에 가까운 장소, 산에 둘러싸여 있는 산간 도로 등도 조우 위험이 높으며, 자동차 주행 중에 곰을 목격하는 경우도 많다.

인구 분포도 곰과의 조우 위험과 관련이 있다. 후카자와 교수는 “75세 이상의 고령자 비율이 높은 지역에서, 곰과의 조우 위험이 높아진다”라고 지적한다.

이러한 지역에서는 고령화나 과소화로 인해 곰을 유인할 수 있는 “감나무 등의 유인물 관리를 제대로 못하고 있을 가능성이 있다”(후카자와 교수). 실제로 아키타현 요코테시에서는 감나무가 곰을 유인하고 있다며 감나무 베기를 권장하고 있다.

과소화로 인해 해당 지역 자체가 야생동물의 서식 지역과 겹치는 경우도 있다. 후카자와 교수는 “AI의 예측은 곰 생태학 등에 정통한 전문가와 협력해 해석해야 한다”라고 말한다.

-- 실시간 예측으로 진화 --
예측 지도 제작에서는 학습 데이터의 편향을 어떻게 처리하느냐가 중요했다. 곰과의 조우가 보고된 사례는 한정적이기 때문에 AI에 학습시키기에는 데이터 양이 충분하지 않다. 그대로 AI에 학습시키면 전지역에서 조우 위험이 낮게 예측되기 때문에 예측 정확도를 높이려면 학습 데이터의 보정이 필요했다고 한다.

앞으로는 실시간 기상 정보와의 연계를 목표로 한다. 온도나 습도 등 시시각각 변화하는 정보를 반영해, 곰과의 조우 위험이 시간대에 따라 어떻게 변화하는지 등을 가시화할 수 있도록 한다.

AI 판단 기준의 화이트 박스화도 검토한다. ‘하천에 가깝다’ ‘고령자 인구가 많다’ 등 해당 지역에서 조우 위험에 영향을 미치는 요인들을 리스트 형태로 제시하는 등의 발전을 목표한다.

 -- 끝 --

 

Copyright © 2025 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.