관람객에게 비콘 기반으로 전시관 정보를 자동으로 제공하는 앱과, 앱을 통해서 수집되는 관람객 궤적 데이터를 빅데이 터와 인공지능 기술로 분석한 다양한 정보를 전시관 관리자가 확인할 수 있는 웹 기반 시스템을 개발한다.
휴지통에 있는 쓰레기가 눈으로 확인할 수 있는 대표적 인 흔적이다. 비 오는 날의 경우 방문객들이 관람 후 잊어 버리고 간 우산 같은 분실물들도 흔한 흔적의 예이다. 이 외에도 다양한 흔적들이 존재할 수 있다. 방문객들이 직 접 확인할 수 있는 흔적도 있지만, 컴퓨터나 스마트폰과 같은 물리적인 도구가 있어야 시각적으로 확인할 수 있는 흔적들도 있다. 스마트 과학관을 위해 반드시 필요한 흔 적이라고 생각하는 것이 방문객 움직임의 흔적들, 즉 궤 적이다.
<그림 1>은 루브르박물관에서 1,800개의 비컨을 설치
하고, ‘My Visit to the Louvre’ 스마트폰 앱을 이용하여 수
집한 궤적들의 예이다.
부산대 연구팀에서 수집하여 가시화한 궤적 데이터 및 전
시물 관리 모니터링의 화면 예시는 <그림 2>와 같다.
이외에도 다양한 장치와 방법으로 궤적 데이터를 수집할
수 있다. 예를 들어 미국의 디즈니사는 관람객들이 반드
시 가지고 있는 물건이 무엇인지 고민한 결과, ‘신발’에 집
중하였다. CCTV 영상에서 딥러닝 기법을 적용하여 신발
을 찾아내고, 이를 추적하면 궤적 수집을 할 수 있다는 아
이디어를 특허로 출원한 바 있다.
과학관을 하나의 거대한 온라인 쇼핑몰이라고 생각을 해 보자. 과학관의 ‘전시물’은 쇼핑몰의 ‘상품’이고, ‘관람객’은 상품을 주문하는 ‘고객’이 된다. 또 관람객의 궤적 데이터 는 쇼핑몰 고객들이 방문하는 제품 리스트라 볼 수 있다. 고객(관람객)의 주문 패턴(궤적) 데이터를 이용하여 고객 (관람객)을 몇 가지 그룹으로 묶을 수 있고, 그룹별로 상품 (전시물)을 추천하는 것이 아주 유용한 응용 사례 중 하나 이다. 궤적 데이터 중 체류 시간을 더 깊게 분석한다면, 전시물 별 체류 시간을 파악해낼 수 있다. 이런 정보들은 전시물 배치 레이아웃 변경이나 인기 전시물 파악에 사용될 수 있다. 궤적 데이터를 더 많이 수집(궤적 빅데이터)하고 더 효과적인 학습 방법(딥러닝 알고리즘)을 적용한다면, 신 규 전시물의 인기도 예측을 기획 단계에서 조기 예측도 가능하다.