R&D최종보고서
| 과제고유번호 | 202020CTAP-C152030-02 | |||||
|---|---|---|---|---|---|---|
| 연구사업명 | 국토교통기술촉진연구사업 | |||||
| 연구과제명 | 스마트시티 연계 시민참여형 시지각·인지기반 근린경관 평가 딥러닝 모델구축 및 크라우드소싱 플랫폼 개발 | |||||
| 총 연구기간 | 2019-04-15 ~ 2020-12-31 | |||||
| 연구책임자 | 박진아 | |||||
| 당해년도 참여 연구원수 |
5명 | 총 연구기간 참여 연구원수 |
8명 | |||
| 당해년도 연구비 |
정부 : 97,000,000 원 기업 : 0 원 계 : 97,000,000 원 |
총연구비 | 정부 : 195,000,000 원 기업 : 0 원 계 : 195,000,000 원 |
|||
| 연구기관명 | 한양대학교산학협력단 | |||||
| 등록 발간번호 | - | |||||
| ISBN | - | |||||
| 주요 내용 |
무선 통신과 모바일 네트워크의 확산으로 인하여 물리적 공간을 넘어 소셜네트워크서비스(SNS)를 통한 시공간에 구애받지 않는 정보 공유가 가능해지면서 시민의 생활패턴은 변화되기 시작함. 이러한 온라인상의 커뮤니티를 통한 정보 공유의 활성화는 다양한 분야에 걸쳐 새로운 정보에 대한 수요를 증가시켰고 공공의 행정에 직접 참여하고자 하는 시민의식의 증가를 가지고 왔음. 기본적인 근린환경에 대한 정보와 함께 사람들이 지각·인지하고 느끼는 근린경관과 같은 물리적 환경에 대한 정서적인 정보가 객관화·일반화되어 제공되고 습득이 가능하다면, 도시민들에게 있어서는 향후 근린 선택에 있어 매우 주요한 길잡이가 될 수 있을 것임. 또한, 근린환경에 대한 정서적 정보가 쌓여 빅데이터 분석을 통한 정보의 객관화가 가능해진다면, 이것이야말로 양적인 시설공급에 치우쳐진 도시계획체계를 보완해 근린환경의 지속적인 질적 관리를 가능하게 해줄 것임. 민간 및 공공에서 장소를 기반으로 제공하는 각종 근린정보서비스 시장의 확대를 고려할 때, 공공에서의 경관관리시장 역시 수요가 지속적으로 증가할 것으로 예상되며 공공에서도 많은 비용을 소요하고 있으나 이 분야에 대한 시민들의 이해도 및 만족도가 낮은 것은 시민 참여 수단의 부족과 체계적인 경관정보 및 관리체계의 부재에 있음. 최근 인공지능을 활용하여 대용량 시각적 데이터를 일괄적으로 분석할 수 있는 딥러닝 기술이 발달하고 동시다발적인 다양한 형태로 의견과 정보를 공유할 수 있는 플랫폼 기술이 발달함에 따라 스마트시티에서 기존 노동집약적인 경관조사와 공급중심 경관관리체계의 한계를 극복할 수 있는 가능성을 제시할 수 있음. 시민들은 장소에 대한 정보를 온라인을 통해서 얻고 있으나, 많은 정보가 무분별하게 공유되고 있어 사람들은 체계적이고 신뢰할 수 있는 정보를 얻기를 원함. 정확한 자료를 수집하기에는 시간과 노력이 필요할 뿐만 아니라 특정한 시점과 대상으로 수집된 정보만으로 특정 장소에 대한 정보와 이미지를 파악하기에는 어려움이 있음. 이러한 문제점을 해결하고 정보수집을 간소화시키기 위해서는 다수의 시민이 참여하여 정보를 수집하고 축적함으로써 정보의 객관성과 신뢰도를 높이는 크라우드소싱(Crowd sourcing) 플랫폼이 필요함. 현재 우리나라의 스마트시티에서 공공이 데이터를 크라우딩 소싱으로 구축한 사례는 전무함. 이는 기존에 구축된 데이터의 구조가 복잡하여 시민들이 자발적으로 참여하기 어렵기 때문임. 따라서 기존 데이터보다 직관적인 구조를 가져 참여하기 쉬운 시지각 데이터를 활용한 크라우드 소싱 플랫폼을 개발하여 지속가능한 관리 및 정보 전달 창구를 조성하는 기술을 개발하고자 함 [최종목표] 최근 4차산업혁명의 가속화에 따라 도시민들의 정보의 수요와 공공행정에 대한 참여 의식 증가하고 있음. 근린에 관한 자료들 중 시설적인 근린환경 자료는 비교적 구득이 용이하나 정서적인 환경에 대한 경험적 정보 습득이 어려우며, 온라인상의 자료들은 지나치게 주관적이거나 신뢰도가 부족함. 사람들은 사물을 지각·인지하는데 대부분 시각을 사용하는데 근린환경에서는 시각적인 요소는 바로 근린의 경관임. 따라서 근린 경관에 대한 정서적 정보를 객관화·일반화된 자료로 구축할 수 있다면 근린환경의 지속적인 질적 관리가 가능할 것임. 따라서 본 연구에서는 시민들이 시지각·인지를 바탕으로 인공지능을 활용한 딥러닝 경관 평가 모델을 개발하여 기존 경관 연구를 확장하고자 함. 또 국내 경관관리는 시민참여 수단이 족하여 시민들의 이해도와 만족도가 낮음. 따라서 경관관리의 시민참여 확대수단으로서 인공지능과 빅데이터를 활용한 플랫폼인 스마트시티에 주목하고 시민들이 직접 참여하여 경관을 평가할 수 있는 크라우드 소싱 플랫폼을 개발하고자 함 [연구내용 및 범위] 근린(Neighborhood)은 도시민이 생활하는 최소 공적 공간 단위로, 도시민의 일상생활에 직·간접적으로 영향을 미치고 있으며 근린 환경의 중요성을 언급해온 연구는 다수 있었음. 근린을 구성하는 요소 중 가로는 가장 많은 부분을 차지하는 공공공간으로, 단순히 근린 내 이동통로 역할을 넘어서 주민의 커뮤니티 장소, 장소성 고취, 지역의 안전, 심지어 일자리까지 제공하여 삶의 질에 높게 관여하고 있음. 근린의 주민과 방문자는 가로를 보행하면서 나타나는 연속적인 가로 경관을 바탕으로 근린의 특성을 인지하게 됨. 본 연구에서는 근린 내 존재하는 주거지가로인 주택가로와 상업가로인 근린생활가로의 가로경관을 분석하여 근린 전체를 인식하는 시지각적 특성을 도출하고자 하며, 이를 근린경관으로 정의하고 본 연구의 대상으로 함. 본 연구의 최종 성과물은 시민참여형 시지각·인지기반 근린경관 평가 플랫폼 개발과 딥러닝 기법을 활용한 가로뷰 이미지 기반 경관 평가 모델 구축임. 시민참여형 시지각·인지기반 근린경관 평가 플랫폼 개발은 소프트웨어로 특정 근린경관유형별 요소에 대한 사람들의 시각패턴과 전반적인 인지패턴을 분석하여 근린경관 평가에 있어 고려해야할 중요한 특성을 도출 뒤 대상지 전역에 대한 시민참여형 평가 플랫폼을 개발하는 것임. 이를 달성하기 위해 1차년도에는 대상지선정, 가로뷰 이미지 자료수집, 경관 형용사 인지 분석, 아이트래킹 시지각 분석 등을 수행하며, 2차년도에는 크라우드 소싱 플랫폼 구축 및 플랫폼 가동 테스트를 진행함. 딥러닝 기법을 활용한 가로뷰 이미지 기반 경관 평가 모델 구축은 가로뷰 데이터 DB 구축 후 이를 학습시키기 위해 전처리하여 근린 경관에 대한 시지각인지 특성을 바탕으로 구축한 딥러닝 모델에 학습시킨 뒤 테스트 대상지에 추론하여 경관 평가를 예측하는 것임. 이를 달성하기 위해 1차년도에는 이미지 내 구성 요소 분할 기술을 통한 전처리 알고리즘을 개발하고 2차년도에는 본 연구에서 수행한 시지각, 인지특성을 바탕으로 가중치를 부여한 CNN 기반 경관평가 추론 알고리즘을 개발하고, 알고리즘을 사용하여 경관평가 딥러닝 추론 실험을 진행하여 성능평가를 실시함. 또, 테스트 대상지 설문조사 결과와 최종적으로 비교함으로써 모델의 타당성을 검증하는 과정을 거침. 본 연구에서는 서울시 내 16개의 근린을 대상으로 자료를 수집하며 이를 바탕으로 4개의 추론 대상지를 대상으로 모델을 검증할 것임 |
|||||
| 색인어 | 한글 | 스마트시티 | 딥러닝 | 경관 평가 | 시민참여 | 크라우드소싱 |
| 영문 | Smart City | Deep Learning | Landscape Evaluation | Citizen Participation | Crowd Sourcing | |
| 최종보고서 | 2_최종보고서(보완본).pdf | |||||