재난·위기 상황에서 사람들의 이동 패턴과 온라인 감성 표현은 함께 변화하지만 기존 연구는 두 신호를 각각 따로 분석하는 데 그쳤다. 연구진은 이 두 데이터 흐름을 통합해 위기 상황 행동 패턴을 해석하고 정책 실행 지침으로 변환하는 단일 파이프라인을 제안했다. 검증은 두 실제 사례를 통해 이뤄졌다. 하나는 2025년 1월 미국 로스앤젤레스(LA) 산불 33일 단기 분석이고, 다른 하나는 2020년 3월부터 2021년 12월까지 671일간 아랍에미리트(UAE) 코로나19 장기 분석이다.
파이프라인은 이기종 일별 신호를 정렬하고 이진 행동 상태로 변환한 뒤, 형식 개념 분석(FCA, Formal Concept Analysis)으로 동시 발생 구조를 추출하고 연관 규칙을 도출한다. 시계열 보류 테스트로 규칙의 안정성을 검증하며, 견고한 규칙은 발동 조건·선행 시간·행동 지침을 명시한 정책 브리핑으로 변환된다. LA 산불 사례에서는 교통 혼잡, 공포·분노 감성, 거버넌스 담론이 33일 창 안에서 긴밀하게 연동됐으며 주요 규칙은 신뢰도 100%와 최대 2.5의 리프트 점수를 기록했다.
UAE 코로나 사례에서는 반복적 이동 적응과 감성 변동성 패턴에서 88%의 보류 통과율을 보인 8개 동일일 안정 규칙과 2~7일 선행 예측 구조를 갖춘 40개 예측 규칙이 도출됐다. 연구진은 이 프레임워크가 과학적 신뢰성과 정책 실행 가능성을 동시에 갖춘 위기 정보 체계를 만들어 낼 수 있음을 보여 준다고 밝혔다. 재난·공중보건 분야에서 실시간 다중 신호를 연결해 신속한 대응 결정을 지원하는 해석 가능한 AI 도구 개발로 이어질 가능성이 주목된다.
