위기 상황 의사결정을 위한 다중에이전트 기반 정보 표현 시스템

본 논문은 위기 상황에서 의사결정자를 지원하기 위한 정보 표현 메커니즘을 다중에이전트 시스템(MAS)으로 구현한 Decision Support System(DSS)의 설계와 구현을 다룬다. 서론에서는 위기 상황의 불확실성, 시간·자원 제약, 그리고 기존 시스템의 한계점을 지적하며, 실시간으로 상황을 파악하고 과거 시나리오와 비교해 의사결정을 돕는 동적·지능형 시스템의 필요성을 강조한다. 이를 위해 저자들은 “정보·통신 시스템(ICS)”과 “예방 감시 시스템(PVS)” 개념을 도입하고, 기존 시스템에 시맨틱 피처와 온톨로지를 결합한 새로운 아키텍처를 제시한다. 시스템 전체 구조는 크게 네 부분으로 나뉜다. (1) 사용자·컴퓨터 인터페이스와 지능형 인터페이스를 통해 외부 사용자가 시스템에 접근하고 결과를 수신한다. (2) 내부 질의 MAS는 핵심 코어와 시나리오 베이스, 도메인 온톨로지, 근접도 함수를 연결해 핵심이 필요한 지식을 제공한다. (3) 외부 질의 MAS는 분산된 네트워크 정보원을 활용해 실시간 데이터를 수집한다. (4) 핵심 코어는 세 계층의 다중에이전트로 구성된 MAS를 포함한다. 가장 낮은 계층은 “사실 에이전트(Factual Agent)”이며, 이들은 환경으로부터 추출된 시맨틱 피처를 보유한다. 중간 계층은 “합성 에이전트(Synthesis Agent)”로, 사실 에이전트들의 클러스터를 동적으로 형성해 시나리오 단위로 재구성한다. 최상위 계층은 “예측 에이전트(Prediction Agent)”로, 현재 상황과 과거 시나리오 간 유사성을 지속적으로 평가하고, 그 결과를 의사결정 지원 정보로 제공한다. 시맨틱 피처는 (키, (속성, 값)+) 형태의 원자적 데이터 구조이며, 객체‑속성 패러다임에 기반한다. 예를 들어, (phenomenon#1, type, fire, location, #4510, time, 9:33)와 같이 사건의 종류·위치·시간을 동시에 기술한다. 이러한 통일된 표현은 온톨로지에 정의된 개념과 관계를 활용해 의미적 근접도(semantic proximity)를 계산하게 한다. 근접도는 시간 근접도, 공간 근접도, 의미 근접도의 세 요소를 각각 0~1 사이의 값으로 정량화하고, 세 값을 곱해 최종 근접도를 산출한다. 양수는 의미적 유사성을, 음수는 반대 관계를 나타낸다. 사실 에이전트는 “하이브리드 에이전트”로서 인지적·반응적 특성을 동시에 갖는다. 내부 자동화는 Augmented Transition Network(ATN) 형태로 네 개의 상태(초기화, deliberation, decision, action)와 전이 조건으로 구성된다. 전이 조건은 다섯 가지 내부 지표(PP, PS, PA, SI, CI)로 정의되며, PP는 현재 위치, PS와 PA는 위치 변화율, SI는 목표 달성도, CI는 상태 전이의 안정성을 나타낸다. 에이전트는 자신과 의미적으로 가까운 다른 에이전트를 “친구”, 반대 관계인 경우 “적”으로 분류하고, 친구 네트워크를 확장해 클러스터를 형성한다. 클러스터가 충분히 강하고 안정적이면, 이는 현재 상황의 하나의 시나리오로 인식된다. 합성 에이전트는 이러한 클러스터를 동적으로 집계해 시나리오 단위로 재구성한다. 각 시나리오는 과거에 저장된 시나리오 베이스와 비교되며, 유사도에 따라 잠재적 결과가 추정된다. 예측 에이전트는 연속적인 비교 과정을 통해 현재 상황과 가장 유사한 과거 시나리오를 찾아, 해당 시나리오의 결과를 의사결정자에게 제공한다. 이렇게 계층적 구조와 근접도 기반 클러스터링을 결합함으로써, 시스템은 불완전하고 불확실한 실시간 데이터를 의미 있는 상황 인식으로 전환한다. 시스템 검증을 위해 저자들은 보드게임 “Risk”를 테스트베드로 선택하였다. 게임 보드의 영토, 플레이어, 군대, 대륙 등을 객체로 모델링하고, 게임 진행 중 발생하는 변화들을 시맨틱 피처로 변환해 사실 에이전트를 생성한다. 예를 들어, (Quebec, player, green, nbArmies, 4, time, 4)와 같은 피처는 퀘벡 영토가 녹색 플레이어에 의해 4개의 군대를 보유하고 있음을 의미한다. 새로운 피처가 시스템에 입력될 때마다 사실 에이전트 간 근접도 계산과 클러스터 형성이 이루어지고, 합성 에이전트는 현재 전장의 전략적 상황을 시나리오로 요약한다. 실험 결과, 에이전트들의 동적 상호작용이 게임 상태를 효과적으로 요약했으며, 시나리오 매칭을 통해 향후 전개를 예측하는 데 유용함을 확인했다. 결론에서는 제안된 다중에이전트 기반 정보 표현 프레임워크가 위기 상황에서 실시간 상황 인식과 의사결정 지원에 적합함을 강조한다. 주요 기여는 (1) 시맨틱 피처 기반 통일 데이터 모델, (2) 시간·공간·의미 근접도에 기반한 정량적 비교 메커니즘, (3) 계층적 다중에이전트 구조를 통한 상황 클러스터링 및 시나리오 매칭, (4) 실제 도메인 적용을 통한 검증이다. 향후 연구 과제로는 온톨로지 자동 생성, 대규모 실시간 재난 데이터에 대한 확장성 테스트, 그리고 RoboCup Rescue와 같은 복합 도메인에의 적용이 제시된다.