이번 글에서는 ABM이라는 모델에 대해 간략히 소개해 드리려고 합니다. 탐색 이론에서 ABM을 적용한 연구가 주류는 아니지만 앞으로 점차 ABM을 이용한 사례들이 늘어나 각 분야에서도 비중 있게 다뤄지지 않을까 생각합니다.
자동차 정체 원인 - ABM에서 간단히 확인할 수 있습니다.
ABM(Agent Based Model), 행위자 기반 모델이라고 불리는 이 모델은 인간의 인지의 영역에서 벗어난 무질서(엔트로피, Entropy) 속에서의 양상에 대한 인사이트(Insight)를 주기 위해 사용된다고 해도 과언이 아닙니다.
행위자라고 불리는 에이전트들에게 동일한 규칙을 부여하고 시간을 무한대로 늘려 실행할 경우 그 무질서 속에서 어떤 양상(또는 모습)이 나타나는지 시각적으로 보여주는 모델이라고 할 수 있습니다.
가장 친숙한 예로 고속도로에서 차량 정체가 발생했다가 그 구간을 벗어나자 차량 정체가 없는 것을 경험했을 때 '도대체 왜 정체가 있었던 거지?'라는 질문을 하는 경우가 많았을 것입니다. 그리고 이제는 그 원인이 최초로 브레이크를 밟은 차량이 1초간 정차했을 뿐이지만, 연쇄 작용이 일어나 그 뒤의 차량들은 더 많은 시간을 정차하게 된다는 것을 많은 사람들이 알게 되었습니다.
이를 ABM에서 구현한다면 각 차량에게는 앞의 차량과 1m의 간격을 유지하도록 규칙을 부여하고, 맨 앞의 차량에게 일정 속도를 주어 차들이 뒤따르게 만듭니다. 그러다 맨 앞의 차량을 1초간 정지시킨 후 다시 출발시키면 뒤 따라오던 차량들은 앞의 차량과 1m를 유지하기 위해 속도를 늦춰 정차하게 되고 점점 뒤의 차량으로 갈수록 정차 시간이 길어진다는 것을 시각적으로 확인할 수 있습니다.
각 행위자들에게 간단한 규칙을 부여했을 뿐이지만, 그 속에서 어떤 양상이 나타나는지 확인할 수 있는 좋은 방법인 것입니다. 이를 확장해서 우주의 별들이 혹은 세포들의 움직임이 어떠한 간단한 규칙을 가지고 계속 활동하고 있는 것이라면, 그 개체들이 모여 처음에는 무질서하게 보이는 모습들이겠지만 시간이 증가할수록 점차 어떠한 양상을 보이는지도 확인할 수 있을 것입니다.
제가 생각하는 ABM의 핵심은 바로 이것, 무질서한 모습에서 찾아내는 규칙성과 양상이라고 생각합니다.
ABM 산불 모형 - 대형 산불의 원인으로 밀도를 확인한 사례
최근 경상북도 지역의 대형 산불로 인해 가슴 아픈 일들이 많이 발생했습니다. 이후에도 건조한 날씨가 이어지면서 산불이 지속되고 있는 상황입니다. 과거 미국에서도 대형 산불 문제로 큰 어려움을 겪었을 때 ABM의 시뮬레이션을 통해 산불의 양상을 밝힌 경우가 있어 간단히 소개해 드리려고 합니다.
위의 ABM 모델에서 초록색 나무는 불이 붙지 않은 나무, 빨간색은 불타고 있는 나무, 검은색은 완전히 타 버린 나무를 뜻합니다. 이 모델은 순수하게 나무들의 밀도(나무들이 얼마나 빽빽하게 자라느냐)의 영향이 대형 산불로 어떻게 이어지는지를 나타내고 있습니다.
불타고 있는 나무는 일정한 확률로 주변의 나무에 불을 전달하게 되는데, 밀도가 낮을 때부터 점차 높이면서 산불이 반대편까지 번지게 되는 밀도가 어느 정도인지를 확인하는 것이 이 모델의 목적입니다.
결론적으로 0.6 정도 이상의 밀도를 가질 경우 전체 구역으로 산불이 번질 수 있다는 것을 확인할 수 있습니다. 이를 바탕으로 미국에서는 나무들의 밀도를 과도하게 높이는 것이 오히려 대형 산불로 이어질 수 있다는 것을 인식하게 되었다고 합니다.
이 영향으로 작은 산불도 인력을 투입해 화재를 진화하던 행정에서 벗어나, 번개 등으로 인한 자연 발화와 같이 인위적인 개입이 없어도 자동 소화될 수 있는 경우는 상황을 모니터링하는 것으로 정책이 수립되었다는 후문이 있습니다. 자연스럽게 나무들의 밀도를 줄이는 방향을 선택한 것입니다.
물론 최근의 대형 산불은 그 경우가 다르지만, 순수한 학문적인 의도로 위의 ABM을 소개해 드린 점을 양해해 주시기 바랍니다.
앞으로 탐색 이론에 대한 설명을 드릴 때 이 ABM에 대해서도 중요하게 다루게 될 텐데 기회가 있을 때마다 조금 더 쉽게 접근할 수 있는 사례들을 소개해 드리도록 하겠습니다.