본 논문은 대중교통 서비스 최적화에 필수적인 승객의 출발지-목적지(OD) 데이터 수집을 위한 새로운 프레임워크인 TransitReID를 제시한다. 기존의 설문조사, 블루투스/와이파이 추적, 자동 승객 계수기 등의 방법은 비용이 많이 들거나 장치 의존적이거나 개별 승객 매칭이 어렵다는 한계가 있다. TransitReID는 대부분의 대중교통 차량에 이미 설치되어 있는 차내 감시 카메라를 활용하여 자동으로 OD 데이터를 수집한다. 세 가지 핵심 혁신 기술을 도입하는데, 첫째는 심각한 가림과 시점 변화에도 불구하고 가시적이고 차별적인 신체 부위를 역동적으로 강조하는 변분 오토인코더 기반의 영역-어텐션 메커니즘과 선택적 품질 특징 평균화를 통합한 가림에 강인한 ReID 알고리즘, 둘째는 실제 버스 운행에서 강인성, 정확성 및 속도를 높이기 위해 정적 갤러리 매칭을 동적 프로세스로 변환하는 계층적 저장 및 동적 매칭(HSDM) 메커니즘, 셋째는 모든 데이터를 로컬에서 처리하여 개인 정보를 보호하면서 실시간에 가까운 OD 추정을 가능하게 하는 다중 스레드 에지 구현이다. 또한 다양한 가림 및 시점 조건에서 버스 앞뒤 카메라로 촬영한 17,000개 이상의 이미지로 구성된 새로운 TransitReID 데이터셋을 구축하였다. 실험 결과, TransitReID는 최첨단 성능(R-1 정확도 88.3%, mAP 92.5%)을 달성했으며, NVIDIA Jetson 에지 장치에서 버스 노선 시뮬레이션에서 90%의 OD 추정 정확도를 유지했다.
