GIS와 조경 공간분석의 기초

1단위. 조경에서 GIS는 어떤 역할을 하는가?

검토용 초고 v0.1 · 2장 전체 여섯 단위 중 첫 번째

같은 공원을 서로 다른 질문으로 읽는다

작은 공원에 나무를 심고 벤치를 놓는다고 생각해 보자. 설계자는 그늘이 생기는 위치를 알고 싶고, 주민은 평소 다니는 길에서 편하게 앉을 곳을 원한다. 시공자는 나무를 심을 자리 아래에 관로가 있는지 확인해야 한다. 세 사람은 같은 공원을 보지만 서로 다른 질문을 한다.

이 질문에 답하려면 수목의 위치, 길의 연결, 주민의 이용 경험, 지하 시설의 정보를 함께 읽어야 한다. 자료가 서로 다른 도면과 문서에 흩어져 있다면 설계자는 필요한 내용을 찾아 옮기고 대조하는 일을 반복하게 된다. 설계가 바뀌면 그 비교도 다시 해야 한다.

GIS는 이 자료들을 위치를 기준으로 연결하고 분석하는 체계다. 조경에서 GIS를 배우는 이유는 현황을 이해하고, 설계의 근거를 만들며, 변경된 조건을 다시 검토할 수 있게 하기 위해서다.

이 단위에서는 GIS의 역할과 기술의 변화 방향을 먼저 살펴본다. 레이어·벡터·래스터의 구체적인 원리는 다음 단위에서 배운다.

기존의 공간분석은 무엇을 하려 했는가?

조경계획에서는 오래전부터 지형·물·식생·토지 이용·이동·주민 생활을 함께 살펴왔다. 경사가 급한 곳과 보전할 식생을 확인하고, 도로에서 접근하기 쉬운 곳을 찾으며, 사람들이 이용하거나 중요하게 여기는 장소를 조사한다. 이런 정보를 겹쳐 보는 목적은 설계에 적합한 위치와 조건을 판단하는 데 있다.

투명한 도면을 겹치거나 현장 조사 내용을 도면에 옮기는 방식으로도 공간 관계를 읽을 수 있다. GIS는 이런 질문을 컴퓨터가 다룰 수 있는 공간자료와 계산 절차로 옮긴다. 디지털 기술을 활용하려면 기존 분석의 목적을 이해하고, 같은 작업을 일관되게 수행할 수 있도록 기록 구조를 정리해야 한다.

예를 들어 ‘관로 가까이에 있는 나무를 확인한다’는 업무를 생각해 보자. 도면을 눈으로 대조하는 작업에서 출발하여 수목 위치와 관로 선을 같은 좌표에 놓고, 거리를 계산하고, 검토할 수목의 목록을 만들 수 있다. 이때 사용한 거리 조건과 설계 버전을 남겨 두면 다음 수정안에도 같은 절차를 적용할 수 있다.

전통적인 GIS의 기본: 위치와 속성을 연결한다

GIS는 Geographic Information System, 지리정보시스템의 약자다. 위치를 가진 자료를 수집·관리·분석·표현하는 체계로 이해할 수 있다. 공간의 형상과 속성표가 연결되므로, 지도에서 수목 하나를 선택해 수종을 읽을 수도 있고 표에서 특정 수종을 찾아 지도에 표시할 수도 있다. 프로그램뿐 아니라 자료·장비·절차·사용하는 사람이 함께 작동한다. QGIS의 GIS 소개

전통적인 데스크톱 GIS 작업은 지형도와 주제도를 디지털로 옮기고, 개별 컴퓨터에서 자료를 관리하며, 중첩·거리·면적을 계산하는 방식으로 익히기 좋다. 조경에서는 식재 가능한 범위를 찾거나, 시설 사이의 거리를 비교하거나, 특정 조건에 해당하는 장소를 추리는 일에 연결할 수 있다.

GIS를 사용한다고 도면과 현장 조사가 필요 없어지는 것은 아니다. 도면의 설계 의도와 현장에서 확인한 사실을 위치·속성·출처가 있는 자료로 정리하여 함께 사용하는 것이다. CAD·GIS·BIM은 겹치는 기능도 있으므로 프로그램 이름만으로 업무를 나누기보다 각 자료가 어떤 질문에 답할 수 있는지를 살펴보자.

최신 GIS는 수집·처리·공유·갱신의 방법을 넓힌다

최근 GIS의 변화는 더 넓은 지역과 여러 시점의 자료를 처리하고, 현장과 사무실을 연결하며, 여러 사람이 함께 정보를 사용하는 방향으로 이해할 수 있다. 기본적인 거리·면적·중첩 분석은 계속 쓰이고, 여기에 웹·모바일·클라우드·센서·AI가 연결된다.

클라우드 분석의 사례로 Google Earth Engine은 위성영상·공간자료 목록과 분산 계산을 연결한다. 조경에서는 넓은 지역의 환경 변화 자료를 살펴보는 방법으로 소개할 수 있다. 개별 수목의 시공 위치처럼 더 세밀한 질문에는 그에 맞는 자료와 검증이 필요하다. Google Earth Engine 소개

국내에서는 서울시 S-MAP이 3차원 지도와 경사·가시권·일조 등의 분석 기능을 제공한다. 도시 공간을 입체적으로 탐색할 수 있는 서비스의 예이며, 개별 사업의 측량·설계 정확도를 확인한 결과와는 구별해 활용한다. 서울시 S-MAP

이러한 서비스 사례에서 살펴볼 것은 특정 사업의 상세한 성과보다 어떤 자료를 어떤 디지털 방법으로 다룰 수 있는가다. 이 책의 계산과 도식은 공통 가상 공원으로 설명한다.

공간 AI는 어느 단계에 쓰는가?

이 책에서 공간 AI는 위치·형상·관계·시간을 가진 자료로 공간을 인식하고 추론·예측하거나 행동을 지원하는 AI를 넓게 가리킨다. GeoAI는 특히 지리공간 자료와 AI의 결합을 강조하는 용어로 소개한다. 분야마다 용어의 범위에는 차이가 있으며, OGC의 GeoAI 작업반도 AI와 지리공간 기술의 연결 및 상호운용 문제를 다룬다. OGC GeoAI 작업반

가상 공원의 수목 자료를 만드는 과정을 예로 들어 보자. 항공사진에서 나무를 찾는 단계에는 영상 인식 모델을 사용할 수 있다. 발견한 나무에 위치와 식별자를 붙이면 설계 수목과 비교할 수 있고, 관로까지의 거리는 기하 계산으로 구할 수 있다. 수목의 상태 변화를 예측하려면 여러 시점의 관측과 예측 결과의 검증이 추가로 필요하다.

이 흐름에서 AI, 공간 계산, 데이터 연결은 서로 다른 일을 맡는다. 자동으로 나무를 찾았다고 수종과 규격까지 정확하게 확인한 것은 아니며, 거리가 계산되었다고 배치 변경이 승인된 것도 아니다. 각 단계에서 무엇을 입력받고 무엇을 결과로 남기는지 구별해야 실제 업무에 연결할 수 있다.

분석 결과를 다음 업무로 연결한다

분석 결과를 그림 한 장으로 남기는 것과, 수정 설계에서 다시 계산할 수 있는 정보로 남기는 것은 활용 범위가 다르다. 대상의 식별자, 자료의 출처, 사용한 조건, 설계 버전, 검토 결과를 보존하면 분석이 다음 업무와 이어질 수 있다.

그림은 책 전체를 관통하는 정보의 흐름이다. 수목 위치를 바꾸면 관로와의 거리나 구역별 수량을 다시 계산할 수 있다. 검토한 설계 객체는 3장의 BIM·IFC와 WBS를 통해 시공 작업으로 이어진다. 시공·관리 과정에서 확인한 실제 상태는 다시 자료를 갱신하는 근거가 된다.

디지털 기술의 가치는 이런 연결 안에서 평가할 수 있다. 반복 입력과 대조를 줄였는지, 변경 사항을 빠뜨리지 않고 검토할 수 있는지, 결과의 근거를 다시 확인할 수 있는지가 기준이 된다. 좌표·단위·출처·시간을 제대로 기록하는 일은 이 연결을 만드는 첫 단계다.

다음 단위에서는 이 정보가 지도 안에 어떻게 담기는지 살펴본다. 레이어와 벡터·래스터를 먼저 이해하고, 복셀은 입체 공간표현으로 확장되는 개념만 짧게 소개한다.

2단위. 공간자료를 표현하는 기본 언어

검토용 초고 v0.1 · 레이어·벡터·래스터와 복셀의 기초

컴퓨터에 공원의 무엇을 담을 것인가?

공원의 수목 배치도를 보면 나무는 원이나 기호로 표시된다. 지형도에서는 높이가 등고선으로 나타나고, 배수계획도에서는 집수정과 관로의 위치를 읽을 수 있다. 이런 도면을 디지털 자료로 만들 때는 화면에 보이는 모양과 함께 어떤 대상을 구별하고, 어떤 값을 기록하며, 무엇을 계산할지 정해야 한다.

나무를 한 주씩 관리하려면 개체를 구별할 수 있어야 한다. 지형을 분석하려면 위치에 따른 높이를 알아야 한다. 물이 관로를 따라 어디로 이동하는지 살피려면 선의 위치뿐 아니라 연결 관계도 필요하다. 같은 공원이라도 분석의 질문에 따라 컴퓨터에 담는 내용이 달라진다.

공간자료를 배울 때는 두 층위를 구별하면 이해하기 쉽다. 하나는 현상을 무엇으로 바라볼 것인지 정하는 개념 모형이고, 다른 하나는 그것을 컴퓨터에 담는 자료구조다. 『Geographic Data Science with Python』도 이 차이를 공간자료를 이해하는 출발점으로 설명한다. 원서의 지리적 사고 설명

객체·분포·연결이라는 세 가지 관점

조경의 자료를 다음처럼 바라볼 수 있다.

여기서 ‘장’은 책의 장을 뜻하는 말이 아니라 공간에 걸쳐 값이 분포하는 현상을 가리킨다. 실제로는 모든 위치를 측정할 수 없으므로 일부 지점의 관측이나 격자 자료로 그 분포를 표현한다. 관측되지 않은 위치의 값을 추정한다면 그 방법과 가정도 함께 필요하다.

이 세 관점은 한 대상을 분류하는 고정된 상자가 아니다. 수목을 개체별로 관리할 때는 객체로 보고, 수목이 만드는 그늘을 살필 때는 공간의 분포로 볼 수 있다. 관로의 길이를 구할 때와 관망의 연결을 추적할 때도 필요한 구조가 다르다. 파일을 받았다는 이유만으로 분석 방법을 결정하기보다 질문에 맞는 표현인지 먼저 살펴보자.

그림은 각각의 질문에 사용할 수 있는 표현의 예다. 표·격자·그래프 중 하나만으로 공원 전체를 설명할 필요는 없다. 여러 자료를 같은 공간과 대상에 연결하여 함께 사용한다.

레이어: 필요한 주제를 나누어 보고 관리한다

레이어(layer)는 주제나 관리 목적에 따라 공간자료를 묶는 단위다. 투명한 도면에 수목, 포장, 관로를 따로 그린 뒤 겹쳐 보는 모습을 떠올리면 쉽다. GIS에서는 필요한 레이어를 켜거나 끄고, 표시 순서와 색을 바꾸면서 공간 관계를 읽는다. QGIS의 GIS 소개

가상 공원에서는 수목, 초본 식재 구역, 포장, 집수정, 관로를 각각의 레이어로 관리할 수 있다. 주민이 표시한 불편한 장소나 현장 조사 위치도 별도 레이어로 올릴 수 있다. 수목과 관로를 함께 보면 근접 관계를 살피고, 포장과 주민 의견을 함께 보면 이동의 불편을 검토할 수 있다.

레이어는 자료를 묶는 방식이지 점·선·면이나 격자 중 하나를 뜻하는 말은 아니다. 수목 레이어는 점으로, 포장 레이어는 면으로, 높이 레이어는 래스터로 표현할 수 있다. 저장 파일 하나에 여러 레이어가 들어가거나 하나의 자료를 여러 표현 방식으로 보여 줄 수도 있으므로 레이어 수와 파일 수가 항상 같지는 않다.

레이어를 분리할 때는 설계와 관측의 관계도 생각해야 한다. 설계 수목과 준공 조사 수목을 같은 색으로 덮어 그리면 위치가 달라졌는지 알아보기 어렵다. 두 자료의 시점과 상태를 구별하고 같은 수목 ID로 연결하면 계획과 실제를 비교할 수 있다. 이 구분은 뒤의 좌표체계·BIM·검측 설명으로 이어진다.

벡터: 점·선·면에 속성을 연결한다

벡터(vector)는 위치와 경계를 점·선·면으로 표현하는 방식이다. 점은 좌표로 위치를 나타내고, 선은 좌표들을 이어 경로나 중심선을 나타내며, 면은 경계가 둘러싼 영역을 나타낸다. 형상에 속성표를 연결하면 지도에서 선택한 대상의 정보를 읽고, 조건에 맞는 대상을 표에서 찾아 지도에 표시할 수 있다. QGIS의 벡터 자료 설명

우리 공원에서 교목은 개체별 점으로, 초본 군식은 식재 구역의 면으로 표현한다. 이때 교목의 점은 줄기나 수관의 실제 형상이 아니라 관리할 개체의 대표 위치다. 초본의 면은 식재 범위를 나타내며, 밀도와 수량은 별도 속성으로 기록한다. 이런 선택은 이 책의 관리 목적에 맞춘 예이고, 모든 수목을 반드시 점으로 표현해야 한다는 규칙은 아니다.

수목 점 하나에 TREE-001이라는 ID와 ‘느티나무’라는 속성을 연결해 두면 그 객체를 다시 찾을 수 있다. 현장 조사 결과도 동일한 ID와 연결하면 위치·규격·상태를 비교하기 쉬워진다. 형상의 좌표를 고쳐도 객체 ID를 유지할 것인지, 교체된 수목에는 새 ID를 줄 것인지는 업무 규칙으로 정한다.

한편 관로 두 선이 화면에서 닿아 보이는 것과 실제로 연결된 것은 다를 수 있다. 다른 높이에서 교차할 수도 있기 때문이다. 흐름이나 이동을 분석하려면 연결점·방향·통행 조건을 기록한 네트워크 자료가 필요하다. 벡터의 형상과 네트워크의 연결 정보를 함께 쓰는 방법은 뒤의 공간분석과 7장에서 이어간다.

래스터: 위치별 값을 격자에 담는다

래스터(raster)는 공간을 셀로 나누고 각 셀에 값을 저장한다. 행과 열이 공간의 위치를 나타내며, 셀의 값이 그곳의 정보를 담는다. 셀마다 표고를 저장할 수도 있고 식생 상태의 지수나 토지피복 분류를 저장할 수도 있다. 래스터가 항상 연속값만 저장하는 것은 아니다. QGIS의 래스터 자료 설명

벡터의 속성표에서는 한 행이 수목 한 주를 뜻할 수 있다. 래스터에서는 한 행이 공원의 한 줄에 해당하고, 그 안의 각 셀에 높이 같은 값이 들어간다. 이 차이를 이해하면 지형 자료와 수목 목록을 서로 다르게 다루는 이유를 알 수 있다.

40m × 30m인 가상 공원을 한 변이 1m인 정사각형 셀로 나누면 40열 × 30행, 총 1,200셀이 된다. 이 숫자는 격자 구조를 설명하기 위한 계산이다. 1,200곳을 실제로 측량했다거나 각 셀의 값이 모두 독립적인 관측값이라는 뜻은 아니다. 관측점 사이를 추정해 만든 래스터라면 그 생성 방법도 남겨야 한다.

셀 크기는 공간을 표현하는 간격이다. 셀이 작으면 좁은 경계나 작은 변화도 더 세밀하게 표현할 수 있지만, 저장하고 처리할 값의 수가 늘어난다. 또한 큰 셀의 자료를 작은 셀로 다시 나누었다고 새로운 현장 정보가 생기지는 않는다. 해상도와 측정 정확도는 서로 다른 정보로 관리해야 한다.

래스터를 받을 때는 셀 크기 외에도 좌표 기준, 시작 위치, 값의 단위, 자료가 없는 곳의 표시를 확인한다. NoData는 유효한 값이 없음을 구별하는 표식이다. 높이 0m와 높이를 모르는 곳은 의미가 다르므로 같은 값으로 처리하지 않는다. 이러한 정보는 실제 값을 해석하는 데 필요한 래스터의 메타데이터다. GDAL의 래스터 자료 모형

같은 자료를 다른 표현으로 연결할 수 있다

벡터와 래스터는 필요에 따라 변환하거나 결합할 수 있다. 초본 식재 면 안에 들어오는 셀을 분류해 격자 지도를 만들 수도 있고, 수목 위치에서 래스터 값을 읽어 수목의 속성표에 붙일 수도 있다. 다만 어떤 셀을 포함할지, 어느 위치의 값을 읽을지 정한 규칙에 따라 결과가 달라질 수 있다. 이런 구조 간 연결은 공간자료를 다루는 기본 작업이다. 원서의 공간자료 설명

예를 들어 수목 ID, 위치, 해당 위치에서 읽은 지형 높이, 높이 자료의 출처를 한 행으로 정리하면 다른 설계 정보와 연결하기 쉬워진다. 여기서 래스터에서 읽은 높이를 ‘수목 지점의 현장 측량 표고’로 바꾸어 적어서는 안 된다. 무엇을 측정했고 어떤 방법으로 값을 가져왔는지 남겨야 이후의 설계·시공 검토에서 의미가 유지된다.

프로그램은 이런 자료를 서로 다른 구조로 다룬다. GeoPandas는 형상과 속성을 가진 표, xarray는 좌표축이 붙은 배열, 그래프 도구는 대상 간 연결을 다루는 데 사용할 수 있다. 지금은 이름을 외우거나 모두 설치할 필요가 없다. 어떤 질문에 어떤 구조가 필요한지 이해하면 도구를 선택할 때 기준이 생긴다.

복셀: 평면 격자에서 입체 공간으로

래스터의 셀을 높이 방향까지 확장하면 3차원 공간을 작은 부피 단위로 나눈 복셀(voxel)을 생각할 수 있다. 가로·세로·높이가 각각 1m인 복셀은 1m³의 공간을 나타낸다. 각 칸에는 목적에 따라 관측 여부, 점유 상태, 표면까지의 거리 같은 값을 저장할 수 있다.

지표면 위치마다 높이 하나를 저장한 래스터만으로는 수관 위와 그 아래 통행 공간을 함께 충분히 설명하기 어렵다. 이런 질문에서는 입체 공간표현이 필요해진다. 다만 x·y·시간으로 쌓은 래스터 자료의 세 번째 축은 시간이므로, x·y·z의 부피 격자와는 구별해야 한다.

점군을 복셀로 바꿀 때도 점이 들어 있는 칸과 비어 있음을 확인한 칸, 관측하지 못한 칸을 구별해야 한다. Open3D의 기본 점군·메시 복셀화는 관측점이나 표면과 만나는 복셀을 만드는 방식이며, 물체 내부를 채우는 처리와는 구분된다. 따라서 그 칸의 부피를 곧바로 수목의 실제 목재량으로 읽을 수는 없다. Open3D의 복셀화 설명

복셀은 공간을 기록하는 방식이다. 그 위에 인식·예측·행동을 수행하는 AI를 연결할 수 있지만 복셀 자체가 AI나 월드모델은 아니다. 이 장에서는 이 관계까지만 이해하고, 6장에서 점군·메시·복셀과 다른 3D·4D 표현의 원리와 변환을 자세히 다룬다.

다음은 자료의 위치 기준을 맞추는 일이다

수목의 속성표, 포장의 면, 지형의 격자, 관로의 연결 정보는 서로 다른 구조로 공원을 설명한다. 이들을 함께 사용하려면 같은 대상과 공간을 가리키는지 확인할 수 있어야 한다. 객체 ID와 출처를 남기고, 설계값·관측값·추정값도 구별해 둔다.

다음 단위에서는 우리나라에서 받은 공간자료의 좌표체계를 읽는 법을 살펴본다. 국가좌표와 모델의 로컬 좌표, 단위와 축 순서, 평면 위치와 높이 기준을 구별하여 GIS·측량·BIM 자료를 연결한다.

3단위. 우리나라 좌표체계와 자료 연결

검토용 초고 v0.1 · 측량·GIS·BIM이 같은 위치를 가리키게 하기

같은 공원인데 왜 위치가 맞지 않을까?

현황 측량도에 수목 배치도와 배수계획을 겹쳤는데 집수정이 포장 밖으로 벗어나 있다고 해 보자. 먼저 설계 위치가 잘못되었는지 판단하고 싶겠지만, 그보다 앞서 세 자료의 위치 기준이 같은지 살펴야 한다. 서로 다른 기준으로 적힌 좌표를 그대로 겹쳤다면 실제로 같은 지점도 다른 곳에 표시될 수 있다. 평면에서는 맞아 보여도 높이 기준이 달라 관로의 연결을 잘못 읽는 경우도 생각할 수 있다.

도면을 사용하던 업무에서도 원점, 방위, 축척, 기준점과 기준 높이를 확인하는 일은 필요했다. 디지털 자료에서는 이 정보를 프로그램이 읽을 수 있게 남길 수 있다. 그러면 설계가 바뀔 때마다 자료를 다시 옮겨 놓는 작업을 줄이고, 같은 규칙으로 위치와 높이를 비교할 수 있다.

이 단위의 목적은 좌표계 코드를 외우는 데 있지 않다. 자료가 어떤 기준으로 만들어졌는지 읽고, 필요한 변환을 거쳐 다른 자료와 연결하며, 연결 결과를 확인하는 방법을 이해하는 데 있다.

좌표값과 좌표 기준을 함께 읽는다

좌표는 기준에 따라 위치를 수치로 나타낸 것이다. 가상 공원의 수목 좌표가 (8, 8)이라고만 적혀 있으면 실제 위치를 알 수 없다. 공원의 어느 곳이 원점인지, 두 숫자는 어느 방향인지, 단위는 미터인지가 함께 필요하다. 국토 전체에서 쓰는 자료라면 지구의 어떤 기준에 연결된 좌표인지도 알아야 한다.

좌표참조체계(CRS, Coordinate Reference System)는 이러한 위치 해석의 기준을 정의한다. 지구의 크기와 모양을 근사한 타원체, 그 타원체를 실제 지구에 연결하는 측지 기준, 좌표축과 단위 등이 관련된다. 평면 지도에서는 곡면의 위치를 평면에 나타내는 투영 방법도 포함한다. 좌표계 이름을 읽는 것은 숫자가 어느 위치를 뜻하는지 해석하는 첫 단계다. QGIS의 좌표참조체계 설명

경위도는 위도와 경도를 각도로 나타낸다. 투영좌표는 정해진 투영 방법으로 평면상의 위치를 나타내며, 국내 공간자료에서는 미터 단위의 좌표를 많이 만난다. 따라서 경위도에서 숫자 5만큼 떨어진 곳을 미터 좌표의 5m와 같은 방식으로 계산할 수 없다. 경위도에서도 지구의 곡면을 고려한 거리를 계산할 수 있지만, 어떤 계산 방법을 사용하는지 알아야 한다.

조경에서 수목과 관로 사이의 거리나 포장 면적을 계산할 때는 대상지와 분석 목적에 맞는 좌표체계·계산 방법을 선택한다. 미터 단위라는 이유만으로 모든 투영이 같은 거리와 면적을 보장하지는 않는다. 투영에 따른 변형과 자료의 적용 범위도 관계되기 때문이다.

국내 자료에서 만나는 좌표체계

EPSG 코드는 등록된 좌표참조체계 등을 식별하는 번호다. EPSG:5186처럼 번호로 정의를 조회할 수 있다. 다만 코드 하나가 자료의 정확도, 조사 시점, 모든 높이 정보를 보증하는 것은 아니다. 등록 코드가 없는 현장 로컬 좌표도 사용할 수 있으며, 그때는 기준을 직접 명확하게 기록해야 한다.

아래는 국내 업무에서 자료의 좌표체계를 구별할 때 참고할 예다. 코드 선택의 출발점은 자료 제공기관의 설명과 측량 성과다.

표의 국내 투영좌표계 이름은 PROJ가 관리하는 EPSG 기반 정의와 대조했다. KGD2002는 Korea Geodetic Datum 2002를 뜻한다. 여기서 중요한 것은 ‘우리나라 자료니까 모두 같은 코드’라고 처리하지 않는 것이다. 같은 측지 기준을 사용하더라도 투영의 원점과 좌표에 더하는 기준값 등이 다를 수 있다. PROJ의 투영좌표계 정의, 투영 매개변수 정의

‘세계측지계’, ‘중부원점’, ‘미터 좌표’라는 설명만으로는 전체 정의가 충분하지 않을 수 있다. 오래된 도면도 모두 하나의 과거 코드로 묶을 수 없다. 자료의 원래 정의를 확인한 뒤 작업에 사용할 좌표체계를 정한다. 코드와 함께 WKT처럼 좌표체계의 세부 정의를 담는 기록을 보존하면 프로그램 사이에서 해석을 확인하기 쉽다. PROJ의 좌표체계 정의와 WKT 설명

좌표계 지정과 좌표 변환은 서로 다른 작업이다

자료의 좌표 정보가 빠져 있을 때 자주 혼동하는 두 작업이 있다. 하나는 기존 숫자의 의미를 알려 주는 지정이고, 다른 하나는 같은 위치를 다른 기준의 숫자로 계산하는 변환이다.

5186 좌표로 만들어진 자료에 5179라는 이름만 붙이면 올바른 변환이 이루어지지 않는다. 같은 숫자를 다른 기준으로 읽게 되어 위치가 잘못 해석된다. GeoPandas도 set_crs는 좌표계 정보를 지정하고, to_crs는 좌표를 변환하는 기능으로 구별한다. 출발 좌표체계가 정확해야 목표 좌표를 계산할 수 있다. 좌표계 지정, 좌표 변환

GIS는 서로 다른 좌표체계의 레이어를 화면에서 맞추어 보여 주기도 한다. 이때 화면에 겹쳐 보이는 것과 저장된 원본 좌표가 같은 기준으로 바뀐 것은 구별한다. 다음 프로그램으로 전달할 때는 내보내는 자료의 좌표체계를 확인해야 한다. QGIS의 화면상 좌표 변환 설명

수목·포장 같은 벡터의 변환은 형상의 좌표를 다루지만, 래스터를 새로운 격자로 만드는 작업에는 셀값을 다시 배정하는 과정도 관련된다. 셀 크기와 값을 정하는 방식에 따라 결과가 달라질 수 있으므로 출력 좌표계만 기록하고 나머지를 생략하지 않는다. 예를 들어 토지피복의 분류값과 연속적인 표고값은 값의 성격부터 다르다. 격자를 이용하는 분석에서 이 차이를 다시 다룬다. GDAL의 래스터 재투영과 재표본화 설명

X·Y와 m·mm를 이름만 보고 판단하지 않는다

좌표계가 확인되어도 표의 열과 프로그램의 축이 일치하는지 살펴야 한다. 프로그램에서는 흔히 x를 동쪽, y를 북쪽으로 사용하지만, EPSG:5186의 등록 정의는 첫째 축을 북쪽 방향의 X, 둘째 축을 동쪽 방향의 Y로 둔다. X라는 글자만 보고 동쪽 좌표라고 옮기면 축이 뒤바뀔 수 있다. 파일 형식과 프로그램이 어떤 순서로 읽고 쓰는지 확인해야 한다. PROJ의 축 정의, 축 순서 설명

경위도도 위도·경도와 경도·위도의 입력 순서를 구별한다. 데이터 사전에는 동쪽 좌표, 북쪽 좌표 또는 경도, 위도처럼 방향을 풀어 쓰고, 각 열의 이름과 순서를 연결해 두면 좋다. 이 책의 가상 공원은 x가 동쪽, y가 북쪽이며 단위는 m다.

단위도 화면의 숫자로 짐작하지 않는다. 같은 길이 8m를 mm로 적으면 8,000mm다. CAD나 BIM과 GIS 사이에서 단위를 해석하지 않고 좌표 숫자만 옮기면 크기와 위치가 달라진다. 길이의 단위가 바뀌면 면적과 체적의 단위도 함께 바뀌므로 포장 면적이나 토공량의 전달에서도 확인이 필요하다.

평면 위치와 높이의 기준을 나누어 확인한다

집수정과 관로를 연결하려면 지도 위 위치와 함께 시설 상단과 관 바닥의 높이가 필요하다. 평면 좌표의 기준이 같더라도 ‘높이 30m’의 출발면이 다르면 배수계획을 비교할 수 없다. 2차원 수평 CRS가 같다는 사실만으로 높이 기준까지 같다고 판단하지 않는다.

높이에서는 타원체고, 정고, 모델의 상대 높이를 구별한다. 타원체고는 지구를 근사한 타원체를 기준으로 하는 높이다. 정고는 중력과 관련된 기준면인 지오이드를 기준으로 설명하는 높이다. 모델의 상대 높이는 설계자가 정한 0점을 기준으로 할 수 있다. 현장에서 ‘표고’라고 적힌 값도 실제로 어떤 높이 체계와 기준점에 연결되어 있는지 확인해야 한다.

우리나라 수준원점의 높이는 인천만 평균해수면을 기준으로 정해져 있다. 현장에서는 해당 기준과 연결된 수준점 등의 성과를 통해 높이를 이어 간다. 공원마다 주변 바다의 수면이나 임의의 지표면을 0m로 잡고 국가 표고로 취급하는 방식과는 구별된다. 「공간정보의 구축 및 관리 등에 관한 법률 시행령」 제7조

타원체고와 정고의 관계는 다음 식으로 이해할 수 있다.

H = h − N

여기서 H는 정고, h는 타원체고, N은 지오이드고이며 세 값의 단위를 맞춘다. N은 지오이드가 타원체에 대해 갖는 높이다. 식에 넣는 값들은 서로 대응하는 기준과 모델에서 얻어야 한다. 관계를 설명하기 위해 h를 50m, N을 20m라고 가정하면 H는 30m다. 이 숫자는 가상 계산이며 우리 공원의 측량 결과나 국내 특정 지역의 지오이드고가 아니다. NOAA의 높이 개념 설명, PDF 6쪽

GNSS 장비나 후처리 프로그램은 지오이드 모델을 적용한 높이를 출력할 수 있다. 이미 보정된 정고에 N을 다시 빼면 이중으로 처리하게 된다. 따라서 높이 열의 이름, 적용한 지오이드 모델과 버전, 기준점 성과와의 관계를 함께 남긴다. 특정 모델 이름을 모든 시점과 현장의 필수값으로 고정하기보다 자료를 생산한 설정과 적용 기준을 확인한다.

자료 사이에 일정한 높이 차이가 보인다면 기준면, 모델의 높이 원점, 장비 높이의 처리, 출력 단위 등을 조사할 수 있다. 차이의 크기 하나만으로 원인을 확정할 수는 없다. 관측 과정과 보정 기록을 함께 봐야 한다. 이 책의 가상 공원에서 실제 집수정 상단고와 관저고가 없는 부분은 미확정 값으로 유지한다.

모델의 로컬 좌표를 외부 자료에 연결한다

모델링에서는 공원 가까이에 원점을 두면 객체의 위치를 이해하고 작업하기 편하다. 우리 가상 공원은 남서쪽 모서리를 (0, 0)으로 둔 40m × 30m의 로컬 평면이다. 이 자체가 국내의 특정 지도 위치를 뜻하지는 않는다. 외부 공간자료에 연결하려면 그 원점이 외부 기준에서 어디에 있고, 두 좌표축의 방향·축척·높이가 어떤 관계인지 정해야 한다.

가장 단순한 경우를 살펴보자. 두 좌표틀의 축 방향이 같고 단위가 m이며 축척이 1이라고 가정한다. 공원 원점이 두 번째 가상 좌표틀에서 동쪽 1,000m, 북쪽 2,000m에 있다면, 공원 수목 TREE-001의 (8, 8)은 두 번째 좌표틀에서 (1008, 2008)로 나타난다. 같은 수목을 다른 원점에서 읽은 결과다.

이 예의 계산은 E′ = 1000 + x, N′ = 2000 + y다. 두 좌표틀은 모두 설명용이고 EPSG 코드가 없다. 국가좌표 변환을 수행한 예가 아니며, 기존 공원 자료에 실제 위치를 부여하지도 않는다. 축 방향이 다르면 회전이, 단위나 축척이 다르면 그 관계를 반영하는 계산이 추가된다. 실제 측량과 모델을 연결할 때에는 사용한 관계를 기록하고 기준점으로 확인한다.

Revit은 프로젝트 기준점, 측량점, 내부 원점을 구별하여 다룬다. 이들은 각각의 역할을 가진 도구의 개념이므로 화면에서 원점처럼 보인다는 이유로 동일시하지 않는다. IFC에도 IfcMapConversion처럼 로컬 좌표와 지도 좌표 사이의 관계를 기록하는 구조가 있다. 다만 이 구조가 경위도의 지도 투영이나 지오이드에 의한 높이 처리를 모두 대신하는 것은 아니다. 프로그램을 바꿔 전달할 때도 원점과 축, 단위, 높이의 의미가 유지되는지 확인해야 한다. Revit의 프로젝트 기준점과 측량점 설명, buildingSMART의 IfcMapConversion 설명

연결 결과를 확인하고 다시 사용할 수 있게 남긴다

자료가 겹쳐 보이면 눈에 띄는 위치 오류는 찾기 쉽다. 하지만 화면의 중첩만으로 시공에 필요한 정확도를 판단하기는 어렵다. 좌표 관계를 정할 때 사용한 기준점과 함께, 그 관계의 계산에 사용하지 않은 별도의 검증점에서 차이를 확인하면 결과를 더 객관적으로 살필 수 있다. 필요한 점의 수와 배치는 적용 방법, 대상지, 요구 정확도에 따라 정한다.

수목 위치, 포장 경계, 집수정 높이에 같은 허용오차를 일괄 적용하는 것도 피한다. 각각의 설계·시공 목적과 적용 기준에 따라 무엇을 얼마나 정확하게 확인할지 정해야 한다. 공통 수목 ID로 설계 위치와 관측 위치를 연결할 수 있지만, 설계 좌표를 관측 좌표로 덮어쓰면 비교할 근거가 사라진다. 시점과 버전이 다른 기록을 구별해서 보존한다.

이 과정을 자동화하려면 파일과 함께 읽을 수 있는 데이터 사전을 만든다. 다음은 조경 자료를 연결하기 위해 이 책에서 제안하는 기록 항목이다.

디지털 절차에서는 이 기록을 읽어 좌표계 누락, 축·단위 불일치, 높이 기준 미확정을 표시하고 확인된 변환을 반복 실행할 수 있다. 출발 기준을 모르는 자료는 확인 대상으로 남겨 둔다. AI로 자료 설명서에서 좌표 관련 항목을 추출하더라도 추정한 코드를 곧바로 확정값으로 사용해서는 안 된다. 자동 계산은 확인된 기준과 설정을 다시 적용하는 데서 시작한다.

좌표의 관계가 정리되면 수목과 관로 사이의 거리, 포장 구역과 식재 구역의 중첩, 주민이 표시한 장소와 보행로의 관계를 계산할 준비가 된다. 다음 단위에서는 이러한 설계 질문을 공간분석으로 바꾸는 방법을 다룬다.

4단위. 조경설계에 쓰는 공간분석

검토용 초고 v0.3 · 공간의 관계·패턴·과정을 이해하고 설계에 적용하기

공간분석은 무엇을 분석하는가?

두 공원에 같은 수종의 나무가 각각 24주 있다고 해 보자. 한 공원에서는 나무가 보행로를 따라 이어지고, 다른 공원에서는 한쪽 모서리에 모여 있다. 수목의 종류와 수량은 같지만 그늘의 연속성, 보행 중 만나는 경관, 다른 시설과의 관계는 달라질 수 있다. 수량표만으로는 이러한 차이를 충분히 설명하기 어렵다. 조경에서는 무엇이 얼마나 있는가와 함께, 어디에 어떻게 놓이고 무엇과 연결되는가를 이해해야 한다.

공간분석(spatial analysis)은 대상의 위치·형태·분포·속성·공간적 관계를 이용하여 공간현상을 기술하고, 관계를 설명하거나 예측하며, 대안을 평가하는 분석이다. 여기서 ‘공간’은 결과를 표시하는 배경을 넘어 분석의 조건과 해석에 참여한다. Esri의 GIS 사전도 위치·속성·패턴·관계를 조사하여 질문에 답하고 지식을 얻는 과정으로 공간분석을 설명한다. 위 문장은 이를 조경의 목적에 맞추어 정리한 이 책의 설명이다. Esri의 공간분석 정의

예를 들어 수목의 평균 활력을 계산하는 일은 속성값의 요약이다. 활력이 낮은 수목이 특정 배수 구역에 모이는지, 그 구역의 토양·지형과 어떤 관계가 있는지를 살피면 위치와 관계가 분석에 들어온다. 관로와 수목 사이의 거리를 계산하는 일도 공간분석이다. 이 경우에는 ‘가까움’이라는 공간 관계를 직접 측정한다.

공간분석의 질문은 다음처럼 구별할 수 있다.

이는 분석 목적을 이해하기 위한 구분이며 반드시 차례대로 수행해야 하는 단계는 아니다. 거리 계산만으로 답할 수 있는 질문도 있고, 관측과 통계·모형을 함께 사용해야 하는 질문도 있다. 설명을 목적으로 관계를 분석하더라도, 관측된 상관만으로 원인을 확정할 수 있는 것은 아니다.

GIS의 처리 기능과 공간분석의 관계

GIS는 공간자료를 저장·관리·표현하고 분석하는 체계다. **지오프로세싱(geoprocessing)**은 공간자료에 연산을 적용하여 새로운 자료나 결과를 만드는 처리 방식이다. 좌표 변환, 범위 자르기, 버퍼 생성, 중첩 등이 여기에 해당한다. 이들 가운데 일부는 자료 준비에, 일부는 분석 질문에 직접 답하는 데 사용된다. 따라서 지오프로세싱의 실행은 공간분석을 구성하는 중요한 작업이지만, 분석의 목적과 결과 해석까지 자동으로 정해 주지는 않는다. Esri의 지오프로세싱 설명

공간통계는 관측값이나 사건의 공간적 배치를 고려하여 패턴과 관계를 수치화하고, 그 결과가 어떤 가정 아래에서 의미를 갖는지 평가하는 방법이다. 공간 모형화는 대상과 관계 또는 변화 과정을 단순화하여 계산 가능한 형태로 표현하는 일이다. 이동 경로 모형, 물의 흐름 모형, 수목 생육과 환경의 관계를 추정하는 모형이 서로 다른 예가 된다.

세 용어는 서로 배타적인 도구 상자가 아니다. 공간통계에 필요한 이웃 관계를 지오프로세싱으로 만들 수 있고, 모형의 출력에 다시 통계를 적용할 수 있다. 조경가는 어떤 기능을 사용했는지와 함께 그 기능으로 무엇을 알아냈으며, 어떤 가정이 결론을 지탱하는지 설명할 수 있어야 한다.

공간을 관계로 읽는 기본 개념

거리·인접·포함·연결

거리는 두 대상 사이의 떨어진 정도를 정해진 방식으로 측정한 값이다. 직선거리, 길을 따라 이동한 거리, 이동시간은 같은 두 장소에도 서로 다른 가까움을 부여한다. 인접은 경계나 일정 범위를 기준으로 이웃이라고 정한 관계이며, 포함은 한 대상이 다른 범위 안에 들어가는 관계다. 연결성은 대상 사이에 이동이나 전달이 이어질 수 있는 관계를 뜻한다.

경계가 맞닿은 두 식재 구역은 인접할 수 있다. 그러나 담장이 가로막으면 두 구역 사이를 걸어서 통과할 수는 없다. 지도에서 관로 선 두 개가 교차해도 높이가 다르면 실제로 연결되지 않을 수 있다. 이렇게 형상의 닿음과 시설의 실제 연결을 나누어 표현해야 목적에 맞는 계산을 할 수 있다.

이웃과 공간 가중치

공간분석에서 **이웃(neighborhood)**은 관심 대상과 함께 비교하거나 영향을 고려할 주변 대상을 정한 집합이다. 인접한 구역, 일정 거리 안의 관측점, 가장 가까운 몇 개의 지점처럼 정의할 수 있다. 이웃은 프로그램이 알아서 발견하는 유일한 정답이 아니라 분석자가 현상에 맞추어 정하는 조건이다.

**공간 가중치(spatial weights)**는 어떤 대상들을 이웃으로 연결하고 그 관계를 얼마나 크게 반영할지 수치로 표현한 것이다. 두 구역이 변을 공유할 때만 이웃으로 볼 수도 있고, 꼭짓점만 닿아도 이웃으로 볼 수도 있다. 거리 기반에서는 가까운 지점에 더 큰 비중을 줄 수도 있다. 이 선택은 뒤의 통계와 모형 결과에 영향을 준다. 『Geographic Data Science with Python』의 공간 가중치 설명

조경에서는 질문에 따라 이웃이 달라진다. 수관 간 근접을 살피는 범위와 주민이 걸어서 도달하는 범위는 같은 원으로 표현하기 어렵다. 전자는 수목의 형상과 간격이, 후자는 출입구·보행로·장벽과 통행 조건이 중요하다. 또한 여기서 말하는 공간 가중치는 적합성 평가에서 ‘그늘을 70% 중시한다’고 정하는 평가 가중치와 역할이 다르다.

공간 의존성·자기상관·이질성

공간 의존성은 공간적으로 연결된 관측들이 서로 독립적이지 않을 수 있다는 성질을 말한다. 이웃한 수목이 같은 토양과 관리 조건을 공유하거나, 한곳의 물 흐름이 다른 곳과 이어지는 상황을 생각할 수 있다. 가까운 대상이 언제나 비슷하다는 법칙을 모든 자료에 강제로 적용하는 뜻은 아니다.

**공간 자기상관(spatial autocorrelation)**은 같은 변수의 값이 공간적 이웃 관계에 따라 얼마나 연관되어 나타나는지를 뜻한다. 높은 값 주변에 높은 값, 낮은 값 주변에 낮은 값이 함께 나타나는 경향은 양의 자기상관으로 설명한다. 높은 값과 낮은 값이 이웃하여 교차하는 경향은 음의 자기상관으로 설명할 수 있다. 값의 크기와 이웃의 정의를 함께 살피는 개념이다. 공간 자기상관의 개념

**공간 이질성(spatial heterogeneity)**은 분포의 수준·변동이나 변수 사이의 관계가 장소에 따라 달라지는 성질이다. 같은 수관 면적이라도 주변 포장·건물·바람 조건이 다른 곳에서는 열환경과의 관계가 다를 수 있다. 이질성을 살핀다는 것은 공원 전체에 하나의 평균이나 관계식을 적용해도 되는지 묻는 일이다.

자기상관이 관측되었다고 곧바로 이웃 사이의 직접적인 영향을 확인한 것은 아니다. 공통 환경, 지역별 차이, 자료를 측정하거나 가공한 방식도 비슷한 공간 패턴을 만들 수 있다. 관측된 패턴과 그것을 만든 과정은 구별하여 해석한다. 국지 자기상관과 패턴의 여러 발생 원인

같은 평균이라도 공간적 배치는 다를 수 있다

다음 그림은 온도의 공간적 배치를 설명하기 위해 만든 16셀의 가상 자료다. 두 그림 모두 20°C인 셀 8개와 30°C인 셀 8개를 가지며 평균은 25°C다. 그러나 왼쪽은 같은 값이 한쪽에 모여 있고, 오른쪽은 서로 다른 값이 번갈아 나타난다.

평균만 비교하면 두 자료의 차이가 사라진다. 반면 변을 공유하는 셀을 이웃으로 비교하면 서로 다른 패턴이 드러난다. 공간분석은 이 배치의 차이를 자료와 함께 설명한다. 실제 열환경이라면 연속된 고온 구역을 다룰 것인지, 작은 구역들이 섞인 환경을 다룰 것인지에 따라 조사와 설계의 관심도 달라질 수 있다. 이 그림은 개념도이며 가상 공원의 실제 온도 측정이나 열해석 결과가 아니다.

여기서 점의 배치와 속성값의 자기상관도 구별해야 한다. 나무가 등간격으로 심어져 있다는 사실은 위치 패턴에 관한 정보다. 그 나무들의 활력이나 토양 수분이 이웃끼리 유사한지는 속성값을 별도로 조사해야 알 수 있다. 규칙적인 식재라는 이유만으로 활력값에 음의 자기상관이 있다고 판단하지 않는다.

분석 단위·해상도·범위가 결과를 바꾼다

분석 단위는 값을 측정하거나 집계하고 판단하는 기본 대상을 말한다. 수목 한 주, 식재 구역, 격자 셀, 생활권 등이 될 수 있다. 해상도는 공간을 구분하거나 관측한 세밀함과 관계되며, 분석 범위는 분석에 포함한 전체 영역이다. 이 세 가지를 함께 명시해야 결과가 무엇을 대표하는지 알 수 있다.

수목 한 주의 주변 환경을 조사할 때와 공원 전체의 녹지 분포를 비교할 때는 필요한 단위와 범위가 다르다. 보행 접근성을 공원 경계 안에서만 계산하면 경계 밖의 우회로가 빠질 수 있다. 작은 셀로 표시한 결과라도 원자료가 거칠거나 오래되었다면 그만큼 정확해진 것은 아니다. 계절·시간대·조사 기간도 같은 방식으로 분석 조건에 포함된다.

**공간단위 수정 가능성 문제(MAUP)**는 같은 기초 자료라도 집계 구역의 크기나 경계를 바꾸면 통계와 해석이 달라질 수 있다는 문제다. 앞 그림의 왼쪽 자료를 세로의 두 구역으로 나누면 구역 평균이 각각 30°C와 20°C가 된다. 가로의 두 구역으로 묶으면 각각 25°C가 된다. 셀값을 바꾸지 않았는데도 구역별 차이에 대한 인상이 달라진다. UCGIS의 척도와 구역 설정 문제

따라서 행정구역, 일정한 격자, 실제 이용권역 가운데 무엇으로 집계했는지 밝혀야 한다. 구역 평균의 특성을 그 안의 모든 개인이나 수목에 그대로 적용하는 오류도 피해야 한다. 여러 구역 설정에서 결과가 어떻게 변하는지 살피는 것은 이러한 문제를 이해하는 한 방법이며, 격자를 사용했다는 사실만으로 문제가 없어지는 것은 아니다.

기하·근접·접근성 분석: 어디와 어떤 관계인가?

공간 결합과 중첩

공간 결합은 위치 관계를 기준으로 서로 다른 자료의 속성을 연결하는 작업이다. 구역 안에 있는 수목을 찾아 구역 이름을 붙이는 것이 예다. 공통 ID로 표를 연결하는 속성 결합과 구별된다. 경계의 수목이나 여러 조사 기록이 연결된 수목을 집계할 때는 한 객체가 몇 번 계산되는지 확인한다. 속성 결합과 공간 결합

중첩 분석은 여러 형상의 공간적 공통 부분이나 차이를 구하여 새로운 범위를 만드는 방법이다. 교차는 두 범위의 공통 부분, 차집합은 한 범위에서 다른 범위를 뺀 부분, 합집합은 합쳐진 전체 범위를 뜻한다. 포장 계획과 식재 계획의 교차 부분은 중복 여부를 검토할 범위가 되고, 식재 가능 범위에서 시설 점유 범위를 빼면 남는 공간을 구할 수 있다. 중첩 연산의 정의

가상 공원의 식재 기반은 600m²이고 그 안의 초본 식재 범위는 120m²다. 중복 없는 토지 면적은 합집합인 600m²다. 기반 조성과 초본 식재라는 서로 다른 작업의 물량은 각각 관리할 수 있다. 이런 구분이 있어야 공간의 분석 결과를 수량과 WBS에 맞게 전달할 수 있다.

버퍼와 거리 분석

버퍼는 형상으로부터 정한 거리 안의 범위를 나타낸다. 근접 분석은 대상 사이의 거리, 가장 가까운 대상, 거리 조건을 만족하는 대상을 찾는 분석이다. 버퍼는 근접 관계를 영역으로 표현하는 한 방법이며, 거리 자체를 계산해 목록으로 남길 수도 있다. 버퍼의 개념

우리 공원에서는 관로 중심선과 수목 대표 위치점 사이의 최단 평면거리를 계산한다. 지도에 표시한 수목 기호의 가장자리에서 재는 거리가 아니다. 버퍼는 중심선의 양쪽으로 각각 2m까지 뻗고, 관로 끝에서도 가장 가까운 끝점을 기준으로 이어진다. 직선 구간의 띠 전체 폭은 4m지만 선택 조건은 중심선에서 2m 이내다.

전체도에서는 24주 가운데 5주가 선택된다. 아래 확대도는 그 5주와 비교용 수목 1주만 표시한다. TREE-001의 위치점에서 관로 중심선까지는 정확히 2m여서 경계를 포함한 조건에 들어간다. TREE-011·012·015·019는 각각 1m, 비교용 TREE-014는 3m여서 앞의 네 주는 포함되고 마지막 한 주는 제외된다.

이 2m는 근접 분석을 설명하기 위한 교육용 가정이다. 결과가 뜻하는 것은 ‘중심선과 대표 위치점이 가까운 수목’이다. 실제 간섭을 판단하려면 관경·깊이·뿌리·굴착 범위와 좌표의 오차를 추가로 확인해야 한다.

네트워크와 접근성

네트워크 분석은 대상들을 노드와 연결선으로 표현하고, 그 연결을 따라 이동·흐름·도달 가능성을 계산하는 방법이다. 접근성은 정해진 이용자와 이동 조건에서 목적지나 기회에 도달할 수 있는 정도를 뜻한다. 최단거리는 접근성을 설명하는 한 지표이고, 통행 가능 여부·시간·시설의 이용 조건도 함께 관련된다.

가상 보행망에서 출입구 G부터 벤치 B2까지 직선거리는 약 26.93m지만, 길을 따라가면 33m다. N3–N2 구간을 닫으면 이 연결망에는 대체 경로가 없다. 가까운 위치와 실제 도달 가능성의 차이가 드러나는 예다. 수치는 공원 로컬 평면에서 계산했으며, 보행망은 확정 포장 설계와 별도로 만든 설명용 자료다.

경사·계단·출입 시간·공사 폐쇄 조건을 반영하면 이용자에 따라 도달 범위가 달라질 수 있다. 디지털 네트워크 도구는 이런 조건을 길이·시간·통행 제약으로 표현하여 계산한다. 현장에 존재하는 우회로가 자료에서 빠졌다면 계산 결과도 달라질 수 있다. QGIS의 경로와 도달 범위 분석

패턴 분석: 분포의 모양을 어떻게 읽고 검증하는가?

먼저 무엇의 패턴인지 구별한다

**공간 패턴(spatial pattern)**은 대상이나 값이 공간에 배열되어 나타나는 모양과 규칙성을 뜻한다. 조경에서는 수목이 모이거나 일정한 간격으로 놓이는 배치, 고온 구역이 이어지는 분포, 이용자가 특정 장소에 머무는 양상 등을 생각할 수 있다. 패턴 분석은 이를 눈으로 관찰하고 수치로 기술한 뒤, 정한 비교 조건에서 그 특징이 얼마나 뚜렷한지 살피는 일이다.

여기서는 위치의 패턴과 속성값의 패턴을 먼저 나눈다. 수목의 좌표만으로 나무가 어디에 몰리는지 조사하면 점 패턴 분석이다. 같은 수목에 활력값을 붙여 낮은 활력의 수목끼리 이웃하는지 살피면 속성의 공간적 관계를 분석한다. 두 분석은 함께 사용할 수 있지만 입력과 질문이 다르다. 점 패턴과 위치·속성의 구분

우리 가상 공원의 수목 24주를 모두 지도에 놓는 경우와, 그중 고사했다고 가정한 수목만 표시하는 경우도 다르다. 전자는 식재 위치의 분포이고 후자는 전체 식재 위치 가운데 특정 상태가 발생한 분포다. 두 번째 질문에서는 원래 수목이 어디에 얼마나 있었는지가 비교의 바탕이 된다. 현재 공원 자료에는 실제 고사 조사값이 없으므로 고사 여부를 관측 사실처럼 부여하지 않는다.

군집·규칙·무작위는 어떻게 다른가?

군집된 배치는 비교 기준보다 가까운 점들이 모이고 상대적으로 빈 공간이 나타나는 양상이다. 규칙적인 배치 또는 억제된 배치는 점들이 서로 너무 가까워지지 않거나 간격이 비교적 고르게 유지되는 양상이다. 계획된 열식이나 일정 간격의 조사점이 규칙적 배치의 쉬운 예가 된다. 다만 군집과 규칙성은 분석하는 거리 범위에 따라 함께 나타날 수도 있다.

무작위 배치는 점을 생성하는 확률적 조건으로 정의한다. ‘눈에 띄는 모양이 없어 보인다’거나 ‘모든 곳에 고르게 놓였다’는 뜻으로 정의하지 않는다. 대표적인 비교 모형인 **완전 공간 무작위성(CSR)**은 서로 떨어진 영역의 발생이 독립이고 단위 면적당 기대 발생량이 일정한 모형이다. 이를 균질 포아송 점 과정이라고 한다. 여기서 단위 면적당 기대 발생량을 발생 강도라고 부른다. 관측 점의 수를 고정하여 비교할 때는 같은 분석 영역 안에서 각 점을 독립적으로 균일하게 배치하는 모의 자료를 사용할 수 있다. 무작위로 생성한 한 장의 지도에도 가까운 점과 빈 공간은 생긴다. 점 패턴의 무작위성과 비교 모형

세 그림은 같은 면적에 점 16개를 가지므로 전체 평균 밀도는 같다. 그러나 점끼리의 간격과 빈 공간은 다르다. 평균 밀도만으로는 배치의 구조를 설명할 수 없다. 가운데 그림을 여러 번 새로 생성하면 모양도 달라진다. 따라서 실제 자료 한 장과 무작위 예 한 장만 비교하여 군집을 확정하지 않는다.

비교 모형은 현상에 맞아야 한다. 식재가 불가능한 포장·건물까지 포함해 공원 전체에 나무가 똑같이 생길 수 있다고 가정하면, 식재 구역에 나무가 모이는 당연한 조건을 군집의 증거로 읽을 수 있다. 식재 가능한 범위, 기존 식재 위치, 조사한 구역을 먼저 정해야 한다. 고사 분포를 조사할 때는 수목 위치를 유지한 채 고사 표지를 재배치하는 비교를 생각할 수 있지만, 수종·규격·관리 조건 때문에 발생 가능성이 다르다면 그 차이를 반영한 비교가 필요하다.

밀도 분석은 어디에 얼마나 많은지를 보여준다

밀도는 정한 면적당 대상이나 사건의 양이다. 격자로 구역을 나누고 각 셀의 점 수를 면적으로 나누면 구역별 밀도를 구할 수 있다. 다만 셀을 작게 하면 세부 차이와 빈 셀이 늘어나고, 크게 하면 국지적인 집중이 평균에 섞인다. 격자의 위치를 옮기는 것만으로 경계 부근의 점이 다른 셀에 집계될 수도 있다.

**커널 밀도 추정(KDE)**은 각 점 주변에 기여값을 펼친 뒤 이를 합쳐 연속적인 밀도면을 추정하는 방법이다. 각 점이 주변에 기여하는 모양을 커널, 공간적으로 퍼지는 정도를 조절하는 값을 대역폭이라고 한다. QGIS의 히트맵 도구에서는 반경으로 이 범위를 정한다. 작은 반경은 국지적인 집중을 드러내고 큰 반경은 여러 집중을 넓게 묶는 방향으로 작용한다. QGIS의 커널 밀도와 반경

대역폭과 출력 셀 크기는 다른 조건이다. 대역폭은 어느 범위의 점들이 밀도 추정에 함께 참여하는지와 관계되고, 출력 셀 크기는 그 결과를 얼마나 촘촘한 래스터로 저장하는지와 관계된다. 셀만 작게 만든다고 입력 자료의 위치 정확도나 조사 품질이 좋아지지는 않는다. 또한 기록 한 건을 1로 셀지, 체류시간 등 속성으로 가중할지에 따라 밀도면의 의미도 바뀐다. 출력값이 건수·가중량·확률밀도 중 무엇을 나타내도록 정규화되었는지도 확인해야 한다.

고사 수목의 밀도가 높은 곳은 원래 수목이 많이 심긴 곳일 수 있다. 고사 건수, 면적당 고사 건수, 전체 수목 중 고사 비율은 각각 다른 질문에 답한다. 비율을 비교할 때도 분모가 작은 구역은 한 주의 상태 변화만으로 값이 크게 달라질 수 있다. 주민 의견 역시 응답이 많이 수집된 장소와 불편을 겪을 가능성이 높은 장소를 곧바로 동일시해서는 안 된다.

점 사이의 거리는 배치의 구조를 보여준다

최근접 거리는 각 점에서 가장 가까운 다른 점까지의 거리다. 이 거리들을 평균하면 평균 최근접 거리가 된다. 전체 면적과 점 수가 같더라도 가까운 점끼리 모이면 이 값이 작아질 수 있다. 앞 개념도의 평균 최근접 거리는 규칙적 배치에서 2.00, 무작위 생성의 한 예에서 약 1.29, 네 묶음으로 모은 배치에서 0.50좌표단위다. 이는 표시한 점에서 계산한 기술통계이며 실제 수목의 권장 식재 간격이 아니다.

최근접 이웃 지수는 관측한 평균 최근접 거리를 정해진 무작위 모형의 기대 거리와 비교한 비율이다. 기준보다 짧거나 긴 경향을 수치로 표현하지만, 지수의 크기만으로 통계적 판정을 마치지는 않는다. 분석 영역의 크기를 바꾸면 기대 거리와 판정도 달라질 수 있다. 도구가 자동으로 정한 외곽 범위를 그대로 사용할지 판단해야 하는 이유다. 최근접 거리와 분석 영역의 영향

최근접 거리만으로는 여러 거리 규모의 구조를 충분히 알기 어렵다. 예를 들어 작은 수목 묶음끼리는 서로 떨어져 있어도 각 묶음 내부의 최근접 거리는 짧다. Ripley의 K 함수는 거리 반경을 늘리면서 한 점 주변에 다른 점이 얼마나 나타나는지를 발생 강도로 보정하여 살피는 방법이다. 가까운 범위의 집중과 더 넓은 범위의 구조를 함께 조사할 때 사용할 수 있다. 가장자리의 점은 관측 범위 밖의 이웃을 볼 수 없으므로 경계 보정을 고려한다. 기본 추정은 공간적으로 균질한 과정을 가정하므로, 장소별 발생 강도가 다른 자료에는 그 차이를 고려하는 방법이 필요하다. K 함수의 정의·경계 보정·가정

속성값의 패턴은 공간 자기상관으로 살핀다

수목 위치를 고정하고 활력이나 토양 수분을 분석할 때는 어떤 값이 어떤 값 옆에 나타나는지가 관심이다. 앞의 16셀 온도 그림처럼 값의 목록이 같아도 위치에 배분한 방식에 따라 공간 관계는 달라진다.

전역 Moran’s I는 전체 자료에서 같은 변수의 이웃한 값들이 함께 변하는 경향을 요약하는 대표적인 지표다. 계산의 핵심은 각 값이 전체 평균보다 높은지 낮은지를 이웃끼리 비교하는 데 있다. 평균에서 뺀 값들을 서로 곱하면, 높은 값끼리와 낮은 값끼리는 양수, 높은 값과 낮은 값의 조합은 음수가 된다. Moran’s I는 이러한 이웃 간 곱을 공간 가중치와 전체 변동을 고려하여 종합한다. 전역 Moran’s I의 계산 원리

이웃을 변을 공유하는 셀로 정할지, 일정 거리 안의 수목으로 정할지에 따라 비교 대상이 달라진다. 따라서 지표값을 제시할 때는 변수·이웃·가중치도 함께 제시한다. 전역 지표가 뚜렷하지 않더라도 일부 구역에 나타난 서로 다른 국지 패턴이 가려져 있을 수 있다.

국지 Moran 분석은 개별 위치의 값과 그 이웃의 값을 비교하여 유사한 값의 군집과 주변에서 두드러진 위치를 찾는다. 높은지 낮은지는 정한 자료와 기준에 대한 상대적인 구분이다.

이 표의 조합만으로 유의한 군집이나 이상치를 확정하는 것은 아니다. 실제 국지 분석에서는 이웃 조건과 통계적 비교를 함께 적용한다. ‘높음’은 ‘좋음’과 같은 말도 아니다. 활력이 높을 때와 고사율·지표면 온도가 높을 때는 조경에서의 의미가 다르다. 국지 Moran 분석과 군집·이상치의 해석

통계적 군집과 알고리즘이 묶은 군집을 구별한다

귀무모형은 관측한 패턴을 비교할 기준 상황이다. 속성값과 위치 사이에 특별한 대응이 없다고 가정한다면, 위치를 유지하면서 값을 여러 번 재배치한 결과와 관측 결과를 비교하는 방법을 사용할 수 있다. 이 재배치가 타당하려면 자료가 그 방식으로 서로 교환 가능하다는 가정도 검토해야 한다. 지역마다 기본 조건이 크게 다른 자료를 아무 제약 없이 섞는 것은 적절한 비교가 아닐 수 있다.

**유의확률(p값)**은 귀무모형과 검정 조건 아래에서 관측한 통계량만큼 또는 더 극단적인 결과가 나올 가능성을 나타낸다. 작다는 것은 그 기준 모형으로 관측 결과를 설명하기 어렵다는 뜻이다. ‘군집이 실제일 확률’이나 ‘배수 불량이 원인일 확률’로 읽지 않는다. 여러 위치를 동시에 검정하면 우연한 판정 문제도 커질 수 있으므로 다중 검정과 공간 의존성을 고려한다. 또한 유의한 차이인지와 설계에서 중요한 크기의 차이인지는 별도로 판단한다. 미국통계학회의 p값 해석 원칙

**Getis–Ord Gi***는 주변을 포함한 값의 집중을 비교하여 높은 값 또는 낮은 값의 국지적 군집을 찾는 통계적 방법이다. 히트맵에서 붉게 칠해진 고밀도 구역과 Gi*에서 유의하게 판정한 핫스팟은 같은 결과가 아니다. 국지 Moran의 군집·이상치 분류와 Gi*의 고값·저값 집중도 질문에 맞추어 선택한다. 핫스팟의 해석과 다중 검정

한편 DBSCAN은 정한 이웃 거리와 최소 점 수를 이용해 밀집한 점들을 군집으로 묶는 알고리즘이다. 주변 점이 충분한 핵심점을 찾고 연결된 핵심점과 그 주변 점들을 묶는다. 미리 군집 수를 정하지 않아도 되지만, 거리와 최소 점 수를 바꾸면 묶이는 범위와 군집 밖에 남는 점이 달라진다. 군집 밖의 점은 알고리즘의 조건에 맞지 않는 점이며, 곧바로 조사 오류라는 뜻은 아니다. DBSCAN의 원리와 매개변수

DBSCAN은 정한 규칙에 따라 점들을 묶고, 통계적 핫스팟 분석은 정한 귀무모형 아래에서 집중을 비교한다. DBSCAN의 군집 표시만으로 통계적 유의성이 증명되지는 않는다. 두 결과를 모두 ‘AI가 발견한 문제 구역’이라고 표현하면 분석이 실제로 한 일을 알기 어렵다.

디지털 기술로 반복하고 조경의 판단으로 연결한다

가상 공원의 고사 분포를 조사한다고 가정하면, 디지털 분석은 수목 ID·위치와 같은 시점의 조사 상태를 연결하는 일부터 시작한다. 중복 기록, 미조사 수목, 조사 시점의 차이를 확인한 뒤 전체 수목과 고사 발생을 함께 표현한다. 이어서 면적당 발생량을 볼지, 수목 중 발생 비율을 볼지, 이웃한 상태의 연관을 볼지에 맞추어 방법을 고른다. 거리·격자·대역폭을 바꾸었을 때 결과가 얼마나 유지되는지도 살핀다.

GIS와 공간통계 도구는 이 계산을 같은 조건으로 반복하고 이전 조사와 비교할 수 있게 한다. 영상 AI로 수목이나 이용자의 위치를 얻었다면 탐지 누락과 중복이 패턴에도 영향을 준다. 수관이 겹치는 곳에서 수목을 덜 탐지하면 실제 식재 분포와 다른 밀도면이 만들어질 수 있다. 분석 전에 입력 자료의 오류를 확인해야 하는 이유다.

결과가 낮은 활력의 군집을 가리키면 그 구역의 토양·배수·시공·관리 기록을 추가 조사할 근거가 된다. 그 자체로 원인이 확정되거나 식재 변경이 자동 결정되는 것은 아니다. 패턴 분석이 남길 결과는 색칠한 지도에 더해 무엇이, 어떤 범위와 조건에서, 어떤 기준보다 집중되었으며, 설계 판단을 위해 무엇을 더 확인해야 하는지를 설명하는 기록이다.

관계·과정·예측 분석: 무엇이 함께 변하고 어떻게 달라지는가?

공간 회귀는 위치별 결과와 설명 변수의 관계를 추정하면서 공간 의존성이나 지역별 차이를 고려하는 방법이다. 예를 들어 수목 활력과 토양 수분·포장 비율의 관계를 검토할 수 있다. 다른 조건과 조사 설계를 확인해야 하므로, 관계식이 얻어졌다는 이유만으로 특정 요인의 인과 효과가 증명되는 것은 아니다. 공간 회귀와 지역별 관계의 차이

공간 보간은 관측한 위치의 값을 이용하여 관측하지 않은 위치의 값을 추정하는 방법이다. 거리와 값의 변화 구조 등에 대한 가정이 들어간다. 몇 개 지점에서 조사한 토양 수분을 연속적인 지도처럼 나타내더라도, 중간의 값은 관측값과 구별하여 보관해야 한다. 보간된 분포는 관측점의 배치와 추정 방법에 따라 달라진다. QGIS의 공간 보간 설명

과정 모형은 물의 이동, 일사, 열의 교환처럼 현상을 만드는 관계를 수학적으로 표현한다. 지형의 높이 변화에서 경사를 계산하고 흐름 방향과 집수 범위를 구하는 분석은 배수 검토의 일부가 될 수 있다. 강우·침투·관로·유출 경계를 포함한 모형은 다른 조건에서의 반응을 살피는 데 필요하다. 지형의 집수량 지도와 침수 깊이 예측은 구별한다. GRASS의 지형 흐름 분석

빛의 경우에는 위치·날짜·표면과 대기 조건을 입력하여 일사의 분포를 계산하는 방법이 있다. 조경에서는 사용하는 모형이 지형, 건물, 수관과 그 차폐를 어떻게 표현하는지 확인해야 한다. 이름이 같은 ‘그늘 분석’이라도 입력 모형과 시간 조건이 다르면 답하는 질문이 달라진다. GRASS의 일사 모형

시나리오 분석은 특정 조건이나 설계안을 바꾸었을 때 모형의 결과가 어떻게 달라지는지 비교하는 방법이다. 수목 배치를 바꾸어 비교한다면 기상 조건·평가 시간·다른 입력을 어떻게 유지했는지 남겨야 한다. 결과 차이는 해당 모형과 가정 아래의 차이이며, 실제 변화는 관측과 검증을 통해 확인한다. 자세한 지형·공간표현과 환경 해석은 6장과 11장에서 이어간다.

적합성과 최적화: 어떤 설계안을 선택할 것인가?

적합성 분석은 특정 목적에 대해 장소나 대안이 조건을 얼마나 충족하는지 평가하는 방법이다. 목적은 휴게 시설의 배치, 수목 생육, 물의 저류처럼 구체적이어야 한다. 같은 장소라도 목적에 따라 평가가 달라질 수 있다.

먼저 설치할 수 없는 구역이나 반드시 충족해야 하는 조건을 제약 조건으로 분리한다. 그늘·접근성·시공 편의처럼 후보 사이의 선호를 비교할 항목은 평가 기준으로 정한다. 값을 모르는 곳은 자료 부족으로 남기고, 금지된 곳을 다른 장점의 높은 점수로 상쇄하지 않도록 한다.

표준화 또는 점수화는 서로 다른 단위의 지표를 비교 가능한 평가 척도로 바꾸는 일이다. 평가 가중치는 각 기준을 중요하게 반영할 정도다. 가중합은 점수에 가중치를 곱하여 더하는 방법이다. 거리의 m와 일사량을 직접 더하는 대신, 각 값이 목적에 얼마나 유리한지를 정의한 뒤 결합한다. Esri의 가중 중첩 원리

그늘을 70%, 접근성을 30% 반영하는 안과 그 비중을 바꾼 안을 비교하면 어떤 기준이 순위를 바꾸는지 알 수 있다. 이것이 민감도 분석의 한 예다. 민감도 분석은 입력·가정·매개변수의 변화에 결과가 얼마나 반응하는지 살핀다. 점수의 차이를 실제 편익이나 생태 효과의 차이로 그대로 해석하지는 않는다.

공간 최적화는 선택할 위치·배치·경로 등의 변수를 정하고, 제약 아래에서 명시한 목표를 가장 잘 만족하는 해를 찾는 방법이다. 후보지 점수를 계산한 뒤 가장 높은 곳을 표시하는 일만으로 모든 배치 문제가 해결되지는 않는다. 여러 시설 사이의 간격이나 전체 도달 범위를 함께 고려하면 한 곳씩 고를 때와 다른 조합이 필요할 수 있다. 서로 충돌하는 목표가 있다면 그 상충관계를 드러내고 대안들을 비교한다. 시설 위치와 수요의 연결을 함께 다루는 입지·배분 분석이 이러한 방법의 한 예다. 입지·배분 분석의 목적과 제약

디지털 기술과 AI는 이 분석을 어떻게 확장하는가?

지도 중첩·거리 측정·현장 관찰에서도 공간적 사고는 이루어져 왔다. 디지털 GIS는 관계를 수치와 자료구조로 명시하고, 여러 레이어와 넓은 영역에 같은 계산을 반복하며, 결과와 조건을 함께 보존할 수 있게 한다. 처리 순서를 묶는 도구로 분석 절차를 만들면 다른 설계 버전에서도 재사용할 수 있다. QGIS의 분석 절차 모형화

AI는 영상에서 수관이나 포장 경계를 인식하는 입력 자료 작성, 환경과 수목 상태의 복잡한 관계를 학습하는 예측, 분석 절차 작성의 보조 등에 연결할 수 있다. 이때는 학습에 사용한 자료, 예측하려는 대상, 공간 관계를 반영하는 방법, 검증할 장소와 시점을 명시해야 한다. AI가 공간자료를 다루었다는 사실만으로 모든 공간 관계를 이해했다고 볼 수는 없다.

예측을 검증할 때는 공간 의존성이 중요해진다. 매우 가까운 관측을 학습용과 평가용으로 무작위 분리하면, 평가 자료가 학습 자료와 유사하여 새로운 장소에서의 성능을 과대평가할 수 있다. 실제 적용 목적에 맞게 장소·구역이나 시점을 구분하여 검증하는 설계를 검토한다. 공간 교차검증 연구도 이러한 문제를 다룬다. 특정 분할 방식이 모든 목적에 가장 적합한 것은 아니다. 공간 교차검증 연구

분석 결과에는 지도와 숫자에 더해 분석 단위, 이웃·거리의 정의, 시점, 입력 자료의 품질, 비교 조건과 해석 범위를 함께 남긴다. 이런 기록이 있어야 설계자가 결과를 근거로 사용하고 다음 변경에서 다시 검토할 수 있다. 주민이 어떤 장소를 필요로 하며 왜 불편하게 느끼는지를 이해하는 일도 이 공간적 맥락과 연결된다. 다음 단위에서는 사회분석의 목적과 조사 방법, 디지털 기술과 AI의 활용을 다룬다.

5단위. 사회분석의 목적·기존 방법·디지털 기술과 AI

검토용 초고 v0.2 · 문헌·주민 의견·관찰 자료를 수집하고, 개념과 출처로 연결하기 · 기술 자료 확인: 2026-09-13

조경설계에서 왜 사회분석을 하는가?

공원의 보행로와 벤치가 도면에 정확히 놓여 있어도, 사람들이 그 공간을 편하게 이용하는지는 별개의 질문이다. 어떤 사람에게는 짧은 계단이 지나갈 수 없는 장벽이 되고, 어떤 사람에게는 한낮의 햇볕이나 저녁의 어두움이 방문을 망설이게 한다. 같은 장소가 산책하는 사람에게는 조용한 휴식처이면서 인근 주민에게는 야간 소음의 발생 장소일 수도 있다.

이 책에서 조경의 사회분석은 공간과 관계를 맺는 사람들의 구성·활동·경험·필요·가치와 참여 조건을 조사하고 해석하여, 설계와 관리의 판단 근거로 만드는 일을 뜻한다. 인구 통계, 이용 관찰, 주민 의견, 장소에 부여한 의미를 함께 다룬다.

목적은 선호도가 가장 높은 시설 하나를 찾는 데 그치지 않는다. 누가 공간의 혜택을 받고, 누가 접근하거나 머무는 데 어려움을 겪으며, 어떤 요구들이 서로 충돌하는지 이해해야 한다. 현재 공원에 오지 않는 사람도 분석 대상이 될 수 있다. 출입구에서 이용자만 조사하면 오기 어려워 이용하지 않는 사람의 경험은 빠질 수 있기 때문이다.

디지털 기술은 이런 정보를 위치·시간과 연결하고 반복해서 비교하도록 돕는다. 다만 많은 기록을 모았다는 사실과 사람들을 충분히 이해했다는 판단은 구별한다. 조사 대상과 질문이 편중되어 있다면 자동 집계나 AI 요약도 그 편중을 이어받을 수 있다.

기존 사회조사는 무엇을 알아내려 했는가?

사회분석을 디지털 기술로 수행하려면 먼저 자료의 의미를 구별해야 한다. 필요는 활동을 가능하게 하는 조건, 선호는 더 좋아하는 방향, 경험은 장소를 이용하며 느끼고 해석한 내용, 이용 행태는 실제 수행한 활동이다. ‘분수가 좋다’는 선호와 ‘오래 걷기 어려워 앉을 곳이 필요하다’는 요구는 다르다. 벤치 이용 장면만으로 만족도를 알 수도 없다.

장소 가치는 추억·관계·경관·일상 활동 등 사람들이 공간을 중요하게 여기는 이유다. 이해관계자는 공간의 조성·이용·관리로 영향을 받거나 결정에 관여하는 사람과 집단이다. 주민·방문자·상인·관리자의 관심이 서로 다를 수 있다.

정량 분석은 수·비율·시간 등의 분포와 관계를, 정성 분석은 말과 행동의 맥락·의미·차이를 해석한다. 자유 의견을 읽고 주제별로 세는 작업처럼 함께 사용할 수 있다. 설문은 만족·빈도·개선 요구를 한 문항에 섞지 않고, 사전 조사로 질문의 해석을 확인한다. 응답하지 않음과 ‘없다’는 의견도 구별한다. AAPOR의 설문 설계 원칙

공간에 활동을 표시한 행동 지도에서도 무엇을 셌는지가 중요하다. 한 사람이 여러 번 지나간 통과 횟수, 한 시점의 체류 인원, 하루의 서로 다른 방문자 수는 다르다. Public Life Data Protocol은 이런 이동·체류 관찰을 공통 형식으로 정리하는 방법의 사례다. 공공공간 관찰 자료의 구조화

디지털 사회분석에서 남기는 것은 무엇인가?

디지털 기술의 가치는 흩어진 문장을 자동 요약하는 데 더해, 어떤 질문에 어떤 자료로 답했는지 다시 확인할 수 있는 구조를 만드는 데 있다. 예를 들어 공원의 휴식 공간을 검토한다면 다음 세 종류의 근거가 필요하다.

이들을 공통 개념과 위치·시간으로 연결하면 ‘휴게시설 부족 의견이 있는 구역 중, 그늘과 접근성의 확인이 필요한 곳’을 찾을 수 있다. 문헌의 설명을 현장의 사실로 옮겨 적거나 주민의 불편을 측정값으로 바꾸지는 않는다. 서로 다른 근거가 어디서 일치하고 어디서 다른지 비교하는 것이 분석이다.

문헌을 데이터로 수집하여 조사 틀을 만든다

검색 질문과 수집 기록부터 정한다

문헌 조사는 현장에 가기 전에 무엇을 관찰하고 질문할지 정하는 데 도움이 된다. 기존 연구에서 사용한 개념·측정 방법·참여 방식과 연구가 놓친 대상을 찾아 조사 틀에 반영한다. 조사 이후에도 새로운 의견을 설명할 근거를 보완할 수 있다.

가상 공원에서는 ‘그늘과 앉을 곳이 공원의 휴식 경험에 어떻게 연결되는가’를 문헌 질문으로 삼아볼 수 있다. 검색어는 장소(공원·도시녹지), 조건(그늘·좌석·접근성), 경험(휴식·체류·열쾌적감)처럼 묶는다. 예를 들어 (urban park OR public green space) AND (shade OR seating) AND (experience OR use)는 검색식을 구상한 예다. 데이터베이스별 문법과 한국어 표현으로 조정하고, 이 검색식 하나로 관련 문헌 전체를 찾았다고 판단하지 않는다.

서지 메타데이터는 제목·저자·발행연도·DOI처럼 문헌을 식별하고 설명하는 자료다. API는 프로그램이 정해진 요청으로 다른 시스템의 데이터를 받는 통로다. OpenAlex의 문헌 검색 API처럼 검색 조건에 맞는 서지 기록을 받아 목록으로 관리할 수 있다. 검색원·검색식·검색일·기간·필터·가져온 ID를 저장하고, DOI와 제목·저자·연도를 대조하여 중복 후보를 확인한다. 서로 다른 논문이 같은 연구를 보고했는지도 나중에 구별한다. OpenAlex 문헌 검색

키워드 검색에 의미 검색을 보완하면 다른 표현을 쓴 관련 문헌을 찾는 데 도움이 된다. OpenAlex도 제목·초록의 임베딩, 즉 텍스트의 특징을 숫자의 묶음으로 표현한 값을 이용하여 의미 검색을 제공한다. 다만 유사도 순서는 연구의 질이나 포함 여부의 순서가 아니다. 의미 검색과 인용 추적으로 추가한 후보는 최초 검색 결과와 유입 경로를 나누어 남긴다. 국내 학술문헌·지자체 보고서처럼 국제 색인에서 빠지기 쉬운 자료도 조사 범위에 맞게 보완한다. OpenAlex 의미 검색의 원리

서지 검색 결과와 이용 가능한 원문은 별개다. 초록이 없는 기록은 비관련 문헌으로 자동 제외하지 않고 원문 확인 대기로 둔다. 원문에서 정보를 추출할 때는 확인한 페이지·절을 남기고, 접근할 수 있는 범위에서 처리한다.

AI로 읽을 순서를 정하고, 사람이 선별 기준을 적용한다

문헌을 모으기 전에 대상·장소·경험·연구 방법 등 포함·제외 기준을 정한다. 그다음 제목·초록, 필요한 원문의 순서로 검토하고 제외 사유를 기록한다. **능동학습(active learning)**은 모델이 학습에 사용할 다음 자료의 선택에 관여하고, 사람이 제공한 판정을 반영해 학습을 이어가는 방식이다. 문헌 선별에서는 관련성이 높은 후보를 먼저 읽도록 순서를 조정하는 데 활용할 수 있다.

2025년 발표된 ASReview LAB v.2는 전문가의 선별과 모델을 연결하고 판정·설정을 기록하는 기술 사례다. 관련/비관련 판정이 쌓이면 이후 후보의 우선순위를 갱신한다. 조경 문헌에도 이런 원리를 적용할 수 있지만, 순위가 낮은 문헌을 읽지 않고 모두 제외하거나 일정 수의 비관련 문헌이 이어졌다는 이유만으로 누락이 없다고 보장하지 않는다. 종료 기준과 남은 자료의 확인 방법을 정해야 한다. ASReview LAB v.2의 선별 구조

체계적 문헌고찰은 질문·검색·선별·평가·종합의 방법을 사전에 정하고 기록하는 연구다. 단순한 검색 목록이나 AI 요약과는 요구되는 절차가 다르다. PRISMA는 체계적 문헌고찰 등의 과정을 투명하게 보고하도록 돕는 지침이며, 검색 도구나 연구의 질을 자동 판정하는 점수표는 아니다. 방법의 종류와 범위를 넓게 파악하려는 검토는 범위 문헌고찰의 목적·보고 방식도 검토한다. PRISMA의 목적과 적용 범위

문헌별 근거표에서 개념 후보를 얻는다

원문을 읽거나 AI에 정보 추출을 요청할 때는 문헌마다 같은 항목을 남긴다. 이때 AI가 채운 값은 원문과 대조할 후보이며, 보고되지 않은 수치를 추정해 넣지 않는다.

문헌에서 반복되는 ‘열쾌적감’, ‘휴식 기회’, ‘접근 장벽’을 개념 후보로 모을 수 있다. 하지만 ‘그늘’이라는 단어가 같이 나왔다고 모든 연구가 같은 현상을 측정한 것은 아니다. 측정된 그늘과 그늘에 대한 만족을 구별하고, 주민의 일상 표현도 비교한다. 이 과정에서 만든 개념 사전이 뒤에서 설명할 온톨로지의 출발점이다.

그림의 화살표는 문헌 내용을 그대로 옮기는 과정이 아니라, 다음 단계에서 사용할 기록을 만드는 순서다. 이 절은 절차를 설명하며 가상 공원 주제의 체계적 문헌고찰을 완료했다는 뜻은 아니다.

디지털 기술은 조사와 기록을 어떻게 바꾸는가?

통계와 생활권을 지도에서 연결한다

디지털 GIS에서는 인구·시설 통계를 행정구역뿐 아니라 목적에 맞는 분석 범위와 연결할 수 있다. 우리나라 SGIS의 생활권역 통계지도는 관심 시설 주변의 도달 범위와 인구·사업체 통계를 연결하는 방법으로 소개되었다. 2021년 서비스 안내는 차량 도달 범위를 중심으로 설명하므로, 이 범위를 공원 이용자의 보행권으로 그대로 해석해서는 안 된다. 조경가는 조사 목적에 맞는 이동 방식과 범위를 별도로 정한다. SGIS 생활권역 통계지도 소개

등록 인구와 특정 장소·시점에 존재하는 것으로 추정한 인구도 구별한다. 서울 생활인구는 공공자료와 통신자료를 결합하여 특정 지역·시점에 존재하는 인구를 추계하는 사례다. 이러한 자료는 주거 인구만으로 설명하기 어려운 시간대별 공간 이용의 배경을 살피는 데 참고할 수 있다. 다만 구역의 추계 인구를 특정 벤치나 공원의 실제 이용자 수로 간주하지 않는다. 집계 범위, 추계 방법, 기준 시점과 자료의 제외 범위를 함께 확인한다. 서울 생활인구의 정의와 자료

온라인 설문과 현장 모바일 조사를 연결한다

온라인 설문은 응답을 표로 저장하고 질문의 분기, 누락 확인, 수집 현황 정리를 지원할 수 있다. ODK의 설문 논리는 앞선 답에 따라 문항을 표시하고, 필수 응답과 값의 조건을 구별하여 설정하는 예다. ODK의 설문 분기와 응답 조건

QR코드는 조사에 접속하는 경로이며 표본을 선정하는 방법 자체는 아니다. 주민 주소를 바탕으로 뽑은 대상에게 온라인 설문을 보낼 수도 있고, 누구나 접속할 수 있는 링크를 공개할 수도 있다. 조사 매체가 같아도 참여자를 모집한 방식은 다르다.

현장 모바일 조사는 조사표에 사진·위치·시간 등의 기록을 연결하는 데 사용할 수 있다. ODK의 위치 문항처럼 기기의 현재 위치를 기록하는 방식과 사용자가 지도에서 장소를 지정하는 방식은 구별해야 한다. 집에서 답한 주민이 공원의 불편한 장소를 표시했다면, 필요한 것은 그 공원 내 장소의 위치다. 응답 당시 기기의 위치를 불편 장소로 저장하면 질문과 자료가 어긋난다. ODK의 현재 위치와 지도 지정 위치

종이·대면·온라인 조사를 함께 사용할 때는 같은 의미의 문항을 유지하고 수집 경로를 기록한다. 온라인으로 참여하기 어려운 사람에게 다른 경로를 제공하되, 대면 설명이 응답을 유도하지 않도록 조사 기준을 맞춘다. 디지털화의 효과는 입력 속도뿐 아니라 서로 다른 방식의 기록을 비교 가능한 구조로 남기는 데 있다.

참여형 GIS로 경험을 장소에 연결한다

**공공참여 GIS(PPGIS)**는 주민과 이해관계자의 지식·경험·가치를 공간정보와 연결하여 계획과 의사결정에 활용하는 접근이다. 점 하나로 불편한 장소를 표시하고, 선으로 이용하거나 피하는 길을 그리며, 면으로 소중한 경관이나 개선이 필요한 구역을 표시할 수 있다. 위치에 이유와 시간 조건을 함께 남겨야 설계 질문으로 연결하기 쉽다. PPGIS와 장소에 관한 경험 지식

핀을 찍을 수 있는 웹페이지를 만들었다는 사실만으로 참여 과정이 완성되는 것은 아니다. 어떤 사람에게 참여 기회를 제공했는지, 수집한 의견을 누가 해석하는지, 결정에 어떻게 반영했는지까지 연결해야 한다. 참여자는 전문적인 시설 용어나 정확한 지번을 몰라도 경험을 표현할 수 있어야 한다.

핀란드 에스포는 2024년 지도 설문에서 주민들이 중요하게 여기는 장소, 개선을 바라는 장소, 안전하거나 불안하게 느끼는 장소를 표시하도록 했다. 2025년 시의 결과 소개는 이런 경험 자료를 계획의 기초자료와 연결하는 방식을 설명한다. 경험의 내용과 위치를 함께 수집하여 보전·개선할 장소를 검토하는 방법의 사례다. 에스포의 지도 설문 활용

센서·영상·온라인 기록은 무엇을 더 보여주는가?

통행 계수기, 활동을 기록한 영상, 이동 관련 집계자료는 특정 장소와 시간의 이용 변화를 살피는 자료가 될 수 있다. 이때 통과·체류·방문을 구별하고 관측 구간과 중복 집계 규칙을 명시한다. 영상 AI에서는 화면의 사람을 탐지하고 연속된 장면의 같은 대상을 연결하여 이동 궤적을 구성할 수 있다. ByteTrack은 이런 다중 객체 추적을 다룬 방법이며, 원 연구는 가려진 대상의 누락과 궤적의 끊김을 문제로 제시했다. 영상 탐지 결과를 연결하는 추적 방법

조경 현장에 적용할 때는 나무나 시설물에 가려지는 구간, 밝기가 달라지는 시간대, 혼잡한 장면에서 누락과 추적 오류가 생기는지 확인한다. 화면에서 같은 대상을 연결한 추적 ID는 그 사람의 이름이나 개인 신원을 뜻하지 않는다. 사람이 탐지되지 않았다는 결과만으로 그 공간이 이용되지 않았다고 단정하지 않는다.

영상에서 탐지한 위치는 우선 화면 안의 위치다. 이를 공원 지도의 보행 동선으로 사용하려면 영상과 현장의 위치 관계를 별도로 확인해야 한다. 탐지 상자나 화면상의 이동량을 곧바로 미터 단위의 거리와 속도로 읽지 않는 것이다. 3단위의 자료 정합 원리가 관찰 자료에도 적용된다.

온라인 후기와 공개 게시물에서는 장소에 대한 표현과 반복되는 쟁점을 찾을 수 있다. 그러나 게시물 작성자는 전체 이용자를 대표하지 않을 수 있고, 자주 게시한 사람이나 홍보성 내용이 크게 반영될 수 있다. 기기의 기록은 행위를, 게시물은 표현된 경험을 부분적으로 보여준다. 이용 이유를 확인하려면 설문·면담·현장 관찰과 함께 해석해야 한다.

서로 다른 자료를 위치·시간·단위로 연결한다

자료를 하나의 큰 표에 무조건 합치기보다 응답자, 지도 표시, 발언의 의미 단위, 관측 사건, 문헌 근거를 별도 기록으로 관리한다. 한 응답자는 여러 표시를, 한 문헌은 여러 근거를 가질 수 있기 때문이다. 원본 ID를 유지하고, 장소가 확인된 기록만 GIS의 구역·시설 ID와 연결한다. 불명확한 장소 표현은 확인 대기로 남긴다.

시간도 응답을 제출한 시점과 경험한 시점을 나누어 저장한다. 오전에 작성한 ‘어젯밤 입구가 어두웠다’는 의견을 오전의 조명 조건과 비교하면 분석 질문이 어긋난다. 변경된 개념 사전으로 다시 분류할 때는 이전 분류와 버전을 함께 보존한다. 이 구조가 있으면 수집 경로별 누락 확인, 구역별 집계, 새 자료 추가 시 재계산을 자동화하기 쉽다.

2025년 Alamo Square 공원 연구는 위치가 있는 소셜미디어 자료, 미기후 모의, 공간통계 분석을 함께 사용하는 방법을 소개했다. 여기서 참고할 점은 이용 관련 흔적과 환경 조건을 공간에서 대조하는 방식이다. 게시물의 분포는 직접 센 방문자 수와 구별해야 하며, 연구의 상세 설계나 결과를 우리 공원의 효과로 옮기지 않는다. 소셜미디어·미기후·공간분석을 연결한 공원 연구

누구의 자료이며, 무엇을 하나로 셀 것인가?

모집단·표본·참여 경로

모집단은 조사 결과로 이해하려는 전체 대상이고, 표본은 그중 실제 조사에 포함한 일부다. 공원 주변 주민 전체, 일정 기간 공원을 방문한 사람, 인근 학교 학생은 서로 다른 모집단이다. 먼저 대상의 범위와 기간을 정해야 참여자가 누구를 얼마나 보여주는지 판단할 수 있다.

확률표집은 대상이 선정될 확률을 알 수 있도록 정한 무작위 절차로 뽑는 방식이다. 자발적 참여 조사에서는 관심이나 참여 여건에 따라 응답 여부가 달라질 수 있다. 온라인·대면이라는 수집 매체만으로 표집 방식이 결정되지는 않는다. AAPOR의 조사 공개 기준도 모집 대상, 선정·접촉 방식, 기간, 표본 크기와 처리 방법을 구별하여 설명하도록 한다. 조사 대상과 모집 방법의 기록

자료에서 빠지는 문제는 여러 단계에서 생긴다. 모집 경로에 접근하지 못한 사람은 처음부터 참여 기회가 부족하고, 초대를 받아도 답하지 않은 사람은 응답한 사람과 다른 경험을 가질 수 있다. 조사 대상자 자체의 미참여와 특정 문항의 무응답도 나누어 기록한다. 응답 수가 많아져도 이 문제가 자동으로 해결되는 것은 아니다.

응답자의 구성 차이를 조정하기 위해 가중치를 사용할 수 있다. 이는 각 응답이 전체 집계에 기여하는 정도를 조절하는 값이다. 다만 기준 인구자료와 조정 방법을 정해야 하며, 연령 구성 등을 맞추었다고 관측하지 못한 모든 차이가 사라지지는 않는다. 자발적 참여 결과를 지역 전체의 비율로 일반화할 때는 적용한 모형과 가정을 따로 설명해야 한다.

가상 공원: 20명과 지도 표시 30개

이 차이는 우리가 준비한 합성 지도 설문으로 설명할 수 있다. 이 자료는 실제 주민에게 받은 응답이 아니라 집계 단위를 배우기 위해 만든 자료다. 가상 응답자 20명이 지도에 총 30개의 표시를 남겼고, 그중 그늘 주제로 표시한 기록은 24개다. 그늘을 한 번 이상 표시한 서로 다른 응답자는 14명이다.

두 값은 각각 다른 질문에 답한다. 14/20인 70%는 이 합성 자료의 응답자 중 그늘을 표시한 비율이고, 24/30인 80%는 저장된 지도 표시 중 그늘 주제의 비중이다. 이를 지역 주민 전체의 요구 비율로 표현하지 않는다.

특히 합성 자료의 S01은 같은 위치에 그늘 표시를 여러 번 남기도록 구성했다. 원시 기록에서는 각각 별도 표시지만, 이것이 반복 입력 오류인지, 여러 차례 경험한 사건인지, 한 의견을 강조한 것인지는 집계 전에 정해야 한다. 기록을 보존하면서 응답자·장소·주제·시점별 중복 처리 규칙을 정하고 처리 전후의 수를 남긴다. ‘지도에 점이 많다’는 인상을 곧바로 많은 사람이 같은 의견을 냈다는 결론으로 바꾸지 않는 이유다.

같은 장소의 의견이 포개질 수 있으므로 화면에서 보이는 점 수와 저장된 기록 수도 다를 수 있다. 디지털 지도에서는 겹친 기록을 조회하고, 응답자 기준과 기록 기준의 집계를 선택할 수 있어야 한다. 원자료 표를 연결하는 ID가 이때 필요해진다.

공간분석과 사회분석을 함께 해석한다

그늘 관련 표시가 한곳에 모이면 4단위의 밀도·접근성 분석과 연결할 수 있다. 그러나 의견 밀도는 조사 참여가 활발한 곳을 나타낼 수도 있다. 관측한 그늘, 체감 더위, 머물고 싶은 장소, 그늘을 요청한 위치는 각각 다른 자료다. 같은 좌표계로 맞추어 겹쳐 보더라도 그 차이를 유지해야 한다.

이용자 집단과 시간대를 비교할 때도 해당 집단의 응답 수와 미응답을 함께 본다. 응답자가 아주 적은 집단의 높은 비율은 추가 조사의 단서가 될 수 있지만, 집단 전체의 특성으로 쉽게 일반화하지 않는다. 지도에서 비어 있는 곳은 의견이 없었던 것인지, 조사하지 못한 곳인지 구별한다.

AI는 사람의 의견을 어떻게 분석하는가?

먼저 코딩과 분석 단위를 정한다

**코딩(coding)**은 문장이나 기록의 의미를 분석 목적에 맞는 범주로 표시하는 일이다. 여기서 코딩은 프로그램 작성이 아니라 자료의 분류를 뜻한다. 코드북은 각 범주의 정의, 포함·제외 조건과 예를 정리한 기준이다. 그늘·휴게시설·보행·야간 이용처럼 무엇을 구별할지 사람이 먼저 정하거나 자료를 읽으며 보완할 수 있다.

한 응답 전체를 하나로 분류할지, 서로 다른 의미를 담은 문장으로 나눌지도 정해야 한다. 한 의견에 그늘에 대한 만족과 벤치 부족이 함께 있으면 두 주제를 남기는 편이 설계에 유용할 수 있다. 사람이 코딩하든 AI를 사용하든 원문과 분류 결과를 연결하여 되돌아가 읽을 수 있어야 한다.

다음은 분류 원리를 설명하기 위해 별도로 만든 문장이다. 앞의 합성 응답자 20명에게 새 발언을 부여한 자료나 실제 모델의 출력이 아니다.

분류·주제 탐색·감성·요약의 역할

텍스트 분류는 문장을 정한 범주에 배정하는 작업이다. 지도학습에서는 사람이 분류한 예를 학습 자료로 사용한다. **대규모 언어모델(LLM)**은 많은 언어 자료로 학습하여 문맥에 맞는 텍스트를 처리·생성하는 모델이며, 범주 정의와 예를 지시문으로 제공하여 분류를 요청할 수도 있다. 어느 방식이든 범주를 잘못 정하거나 학습 예가 편중되면 결과도 영향을 받는다.

문장 임베딩은 문장의 특징을 숫자의 묶음으로 표현하여 유사성을 비교하는 방식이다. 같은 단어를 쓰지 않은 의견도 모델이 비슷하게 표현하면 함께 검색하거나 묶을 수 있다. 주제 모형화는 문서 집합에서 반복되는 내용의 묶음을 탐색하는 방법이다. BERTopic은 문서 임베딩과 군집화 등을 연결하는 방법의 한 예다. BERTopic의 구성 원리

이때 문장이 비슷하게 묶였다는 사실과 같은 설계 요구라는 해석은 구별한다. ‘나무를 더 심자’와 ‘나무 때문에 통로가 좁다’는 나무와 보행이라는 표현을 공유하면서도 제안 방향은 다를 수 있다. 자동으로 붙인 주제 이름을 검토하고, 빈도가 낮은 의견이나 어느 묶음에도 잘 들어가지 않는 의견도 읽어야 한다. 질적 분석의 주제는 빈도가 높은 단어 목록만으로 결정되지 않는다.

감성 분석은 표현의 긍정·부정 등 평가 방향을 추정하는 작업이다. 무엇에 대한 평가인지 함께 보지 않으면 ‘그늘은 좋지만 앉을 곳이 없다’는 의견을 단일한 긍정 또는 부정으로 축소할 수 있다. 감성 점수는 시설의 실제 안전도나 공간의 품질을 측정한 값이 아니다.

요약은 여러 기록에서 중요한 내용을 줄여 표현하는 작업이다. 설계용 요약에는 공통 요구뿐 아니라 상반된 의견, 소수의 이용 장벽, 위치를 알 수 없는 기록과 추가 조사 사항도 남겨야 한다. 원문에 없는 요구나 빈도를 만들어 넣지 않도록 원문 ID를 연결한다.

자유로운 요약에서 구조화된 추출로 나아간다

설계에 활용할 때는 ‘주민 의견을 요약해 달라’보다 원문 ID·근거 구절·주제·평가 방향·장소 표현·시간 조건·확인 필요 사항을 나누어 추출하는 요청이 유용하다. 이를 구조화된 정보 추출이라 한다. 정한 표나 데이터 형식으로 받으면 누락을 검사하고 GIS 및 개념 사전과 연결할 수 있다. 형식이 맞는다는 것과 의미가 정확하다는 것은 별도로 확인한다.

자체 설명 문장 TXT-01은 ‘그늘에 대한 긍정’과 ‘휴게시설이 적다는 진술’ 두 의미로 나눌 수 있다. 두 기록 모두 원문을 가리키되, ‘북쪽 길’이라는 표현을 특정 보행로 ID로 확정하지 않는다. TXT-02의 ‘저녁’은 시간 조건으로 남기고, TXT-03의 ‘이쪽’은 위치 확인 대상으로 둔다. 문장 하나를 한 개의 감성 점수로 압축할 때 잃는 정보를 이렇게 보존한다.

Talk to the City는 언어모델로 응답의 유사한 주장을 주제·하위 주제로 정리하는 공개 구현 사례다. 조경에서는 주민 의견을 펼쳐 읽고 상반된 요구를 찾는 방식에 참고할 수 있다. 자동으로 만든 주제 구조가 참여자의 합의나 분야의 온톨로지로 확정되는 것은 아니다. Talk to the City의 의견 정리 방식

어떤 활용이 연구되었으며 무엇을 검증해야 하는가?

Gilardi 등의 연구는 대규모 언어모델을 텍스트의 관련성·입장·주제 등의 주석 작업에 활용할 가능성을 비교했다. 이 연구는 문장에 분석 범주를 붙이는 일을 AI가 보조할 수 있는 방법의 사례로 참고한다. 해당 연구의 자료·언어·과제에서 얻은 결과를 한국어 공원 의견이나 모든 최신 모델의 성능으로 일반화하지 않는다. 언어모델을 활용한 텍스트 주석 연구

실제 조사에 적용한다면 먼저 일부 자료를 사람이 읽고 분류 기준을 정리한다. 그중 모델과 지시문을 조정하는 데 사용한 자료와, 결과를 평가할 자료를 구별한다. 평가에서는 사람이 검토하여 정한 참조 분류와 모델의 결과를 대조하며, 사람 사이에 해석이 갈린 기록도 따로 살핀다. 정밀도는 특정 주제로 분류한 것 중 맞게 분류한 비율이고, 재현율은 해당 주제에 속하는 자료 중 찾아낸 비율이다. 빈도가 적지만 중요한 접근 장벽을 놓치는지 살피려면 전체 정답 비율만 확인해서는 부족하다. 분류 결과의 정밀도와 재현율

모델 이름·버전, 지시문, 코드북과 수정 이력을 남기고, 불확실한 결과는 검토 대기로 둔다. 모델이 스스로 제시한 확신의 숫자를 검증된 확률로 취급하지 않는다. 분류의 오류와 원문을 잘못 읽은 사례를 확인하고, 방법을 바꾸면 영향을 받은 자료를 다시 처리한다. AI가 가상의 주민 역할로 만든 응답은 조사 문항을 시험하는 데 참고할 수 있어도 실제 주민의 의견을 대신하는 증거가 되지는 않는다.

온톨로지로 경험·장소·근거의 관계를 정한다

분류표·온톨로지·지식그래프는 어떻게 다른가?

‘그늘, 벤치, 보행’이라는 목록은 주제를 분류하는 데 쓸 수 있지만 누가 어느 장소에 대해 무엇을 말했다는 관계까지 설명하지는 않는다. 온톨로지는 분야에서 사용할 개념과 그 의미, 속성, 관계를 명시하여 사람과 시스템이 같은 기준으로 해석하도록 만든 표현 체계다. ‘의견’, ‘장소’, ‘주제’, ‘문헌 근거’의 유형을 정의하고 ‘의견은 어떤 주제를 다루는가’, ‘어떤 출처에서 얻었는가’ 같은 관계를 정한다. OWL 2의 개념·관계·개별 대상

지식그래프는 개별 대상과 관계를 노드와 연결로 표현한 자료다. 온톨로지가 정의한 틀에 TXT-01에서 나눈 의미 기록, 주제 ID, 출처를 연결하면 작은 지식그래프가 된다. 관계를 표의 ID 열로 저장할 수도 있다. 그래프 그림을 그렸다는 사실만으로 엄밀한 온톨로지를 구축한 것은 아니다.

통제 어휘는 같은 개념을 일정한 명칭과 ID로 부르도록 정리한 어휘다. SKOS는 대표 명칭·대체 명칭·상하위·관련 개념을 표현하는 표준적인 방법을 제공한다. 예를 들어 ‘앉아서 쉴 기회’와 ‘휴식 기회’를 같은 개념으로 연결할지 검토할 수 있다. 반면 물리적 ‘벤치’와 이용 조건인 ‘휴식 기회’는 관련되지만 동의어는 아니다. SKOS의 명칭과 개념 관계

조경 질문에서 시작하여 작은 체계를 반복해서 다듬는다

가상 공원에서 필요한 질문부터 정한다. ‘어느 주제의 불편이 제기되었는가’, ‘원문은 무엇인가’, ‘지도에 연결할 수 없는 의견은 무엇인가’를 답할 수 있으면 첫 범위로 충분하다. 문헌의 개념을 출발점으로 삼되 현장에서 나온 새 표현을 반영하는 방식으로 다듬는다. 목적과 질문을 정하고 기존 체계를 검토하며 반복해서 수정하는 접근은 온톨로지 구축의 기본 원리다. 온톨로지 구축의 범위와 반복 과정

먼저 문헌 근거표와 주민 표현에서 후보 용어를 모아 정의·포함 예·제외 예·출처·검토 상태를 붙인다. AI는 비슷한 용어를 제안하거나 정의 초안을 만들 수 있고, 조경가와 조사 참여자·관리자는 뜻이 같은지 검토한다. 자주 나타나는 단어만 채택하면 드문 접근 장벽이나 소수 집단의 표현을 놓칠 수 있다.

다음으로 유형과 관계를 정한다. 이 단위의 작은 예에서는 ‘의미 기록’, ‘주제’, ‘원문’을 먼저 연결한다. 장소는 원문의 표현과 확인된 GIS 위치를 구별한다. 이어서 실제 설명 기록을 넣어 질문에 답해 보고, 관계가 모호하거나 필요한 값이 빠졌으면 정의를 수정한다. 체계의 크기보다 서로 다른 사람이 같은 기준으로 기록하고 필요한 질문에 답할 수 있는지가 중요하다.

그림에서 화살표의 글자는 관계 이름이다. 시간 순서나 원인·결과를 뜻하지 않는다. ‘휴게시설 부족이라는 의견이 있다’는 기록을 ‘그 장소의 시설은 객관적으로 부족하다’는 사실로 바꾸지 않은 점을 읽어야 한다.

연결 규칙과 근거를 검사한다

출처가 없는 의미 기록, 정의하지 않은 주제 ID, 확인되지 않은 장소를 확정 좌표로 바꾼 기록을 검토 대상으로 찾는다. RDF 자료를 사용하는 경우 SHACL 같은 방식으로 필수 항목·자료형·연결 조건을 검사할 수 있다. OWL의 의미 추론과 데이터의 누락 검사는 역할이 다르다. SHACL의 데이터 조건 검사

또한 어떤 원문에서 어떤 처리로 기록을 만들었고 누가 검토했는지 남긴다. PROV-O는 자료·생성 활동·책임 주체와 그 관계를 표현하는 방법이다. 본문에서는 원리를 익히고, 온톨로지 언어·질의·정보 검증의 구조는 8장에서 더 자세히 다룬다. 8장의 설명도 실제 프로젝트의 온톨로지 검증을 완료했다는 뜻은 아니다. PROV-O의 출처와 생성 이력

검색증강생성과 그래프 검색은 언제 유용한가?

**검색증강생성(RAG)**은 질문과 관련된 자료를 먼저 찾고, 그 자료를 언어모델에 함께 제공해 답을 작성하는 방식이다. 공원 기록에서 ‘휴식 공간을 검토할 때 어떤 근거를 확인해야 하는가’를 묻는다면 검토한 개념 사전과 관련 원문·문헌 근거를 찾아 답변의 근거로 제공할 수 있다. 이때 문헌과 주민 의견의 자료 종류, 실제 열람 범위, 원문 ID를 답에도 유지한다.

GraphRAG는 그래프의 관계를 검색·답변 구성에 활용하는 접근이다. Microsoft의 2024년 연구는 문서에서 그래프와 집단별 요약을 만들고, 자료 전체에 걸친 질문에 답하는 방법을 제시했다. 현재 공개 문서는 특정 대상 주변의 관계를 찾는 검색과 전체 주제를 종합하는 검색 등을 구별한다. GraphRAG 원 연구, 공개 구현의 검색 방식

예를 들어 ‘휴게시설 부족 의견과 관련 문헌, 확인이 필요한 장소를 함께 찾아라’는 질문은 관계를 따라가는 검색에 적합하다. 반면 ‘그늘 표시를 남긴 응답자가 몇 명인가’는 원자료의 ID를 세는 계산으로 답해야 한다. 언어모델이 읽은 일부 문장이나 주제 요약에서 전체 인원을 추정하지 않는다.

작은 자료에서는 필터·표 결합·키워드 검색만으로 충분할 수 있다. 긴 문서에서 관련 구절을 찾기 어려우면 의미 검색과 RAG를, 여러 문서의 대상·관계를 반복해서 추적해야 하면 GraphRAG를 시험한다. 자동 추출 그래프에는 틀린 관계가 섞일 수 있으므로 사람이 정한 온톨로지와 AI가 추출한 후보 그래프를 구별한다. 관계가 있다고 해서 답의 사실성이 보장되는 것은 아니다.

어떤 방법을 먼저 선택하는 것이 좋은가?

이 책의 공통 공원과 입문 독자에게는 기본 표와 GIS를 중심에 두고, 공통 개념 사전·작은 온톨로지에 필요한 AI를 더하는 구성을 권한다. 이는 특정 모델의 우월성을 검증한 결과가 아니라, 자료 규모·설명 가능성·유지관리 부담을 고려한 이 책의 선택이다.

새 방법을 선택할 때는 우리 자료에서 같은 질문으로 비교한다. 관련 근거를 놓치지 않는지, 다른 주제·장소를 잘못 연결하지 않는지, 원문으로 돌아갈 수 있는지, 사람이 수정하는 시간과 운영 비용이 감당되는지를 본다. 한국어의 부정 표현, 위치가 불명확한 의견, 소수의 요구도 평가 자료에 포함한다. 자료가 없어 답할 수 없는 질문을 구별하는지도 확인한다. 이 기준으로 효과가 있는 부분부터 자동화한다.

조사 결과를 설계 판단과 후속 관찰에 연결한다

사회분석의 결과는 설계 검토 항목으로 바꾸어 기록한다. 원문이나 집계에서 바로 시설을 확정하기보다, 경험을 확인할 질문과 비교할 대안을 만든다. 가령 ‘저녁 입구가 어둡다’는 의견에서는 위치와 시간 조건을 확인하고 현장 관찰·조명 자료·통행 동선을 대조한다. 불편을 느꼈다는 진술은 중요한 경험 자료이며, 실제 조도나 사고 발생 기록과는 구별하여 보관한다.

가상 공원의 그늘 주제를 다룬다면 ‘그늘 표시를 남긴 응답자’, ‘의견이 가리킨 장소’, ‘현장·모형에서 확인한 그늘’, ‘앉거나 걸을 수 있는 조건’을 함께 비교한다. 수목을 추가하는 안, 기존 그늘과 휴게시설의 위치를 조정하는 안, 다른 시간대의 이용을 고려하는 안 등이 검토 후보가 될 수 있다. 어떤 안이 맞는지는 생육·동선·시공·관리 조건과 함께 평가해야 한다.

그림의 실선은 설명 자료에 이미 남긴 기록, 점선 상자는 앞으로 확인·검토할 일이다. ‘위치 확인’ 단계를 건너뛰어 임의의 구역에 시설을 자동 배치하지 않는다.

기록에는 의견 ID, 대상 장소·구역, 관련 조건, 검토한 안, 채택·수정·보류 상태와 이유를 연결한다. 서로 충돌하는 요구는 별도로 남기고, 여러 사람이 같은 말을 했다는 이유만으로 더 큰 불편을 겪는 소수의 요구를 지우지 않는다. 설계자가 채택한 이유와 채택하지 못한 이유를 주민에게 설명하는 것도 참여 과정의 일부다.

개선 후에는 가능한 한 비슷한 계절·요일·시간·관찰 방법으로 이용과 경험을 다시 조사한다. 이용 증가가 관측되더라도 날씨나 행사, 주변 시설 변화의 영향일 수 있으므로 설계의 효과라고 단정하기 전에 비교 조건을 살핀다. 반복 조사의 목적은 새 지도를 계속 만드는 데 더해 설계 판단을 검토하고 수정할 근거를 축적하는 데 있다.

사람에 관한 자료를 남기는 방식

응답자 ID는 중복 집계와 자료 연결에 유용하지만, 이름·연락처와 분석 표는 필요한 경우에도 별도로 관리한다. 조사 목적과 사용 범위를 알리고, 불필요한 정확한 집 주소나 이동 이력을 수집하지 않는다. 익명 ID를 붙였더라도 상세 위치·시간·속성을 결합하면 사람이 드러날 수 있으므로 공개할 때는 목적에 맞는 집계 범위를 정한다.

외부 AI 서비스로 의견을 처리할 때도 원문 전체와 개인 식별정보를 함께 보내는 방식을 기본으로 삼지 않는다. 분석에 필요한 내용과 사용할 수 있는 환경을 먼저 정하고, 접근 권한과 보관 범위를 관리한다. 여기서의 가상 공원 예는 전부 만든 자료이며 실제 주민의 위치나 발언을 사용하지 않았다.

사회분석으로 남길 핵심은 누구의 어떤 경험을 어떤 방법으로 파악했고, 공간과 어떻게 연결했으며, 설계 판단에 무엇을 반영했는가다. 다음 단위에서는 이런 분석의 근거·조건·검토 상태를 설계와 시공, 유지관리의 정보로 전달하는 구조를 다룬다.

6단위. 분석을 다음 업무로 전달하는 구조

검토용 초고 v0.1 · 분석 근거와 설계 변경을 객체·작업·관측 기록으로 연결하기 · 기술 자료 확인: 2026-09-13

분석 지도를 만든 다음에는 무엇을 전달하는가?

관로 가까이에 있는 수목을 지도에서 찾았다. 설계자가 그 가운데 한 수목을 옮겼다면, 시공 담당자는 어느 위치에 심어야 할까? 지난 회의에서 출력한 지도, 새 설계 도면, 수목 수량표가 서로 다른 상태를 보여주면 정확한 분석을 했더라도 현장에서 잘못된 정보가 쓰일 수 있다. 분석이 설계에 기여하려면 분석한 대상, 사용한 조건, 선택한 대안, 현재 적용할 버전을 함께 전달해야 한다.

기존 업무에서도 이를 도면 번호와 개정일, 변경 구름 표시, 검토 의견서, 회의록으로 관리했다. 담당자가 변경 내용을 찾아 관련 도면과 수량표를 고치고, 배포 대장을 통해 전달 여부를 확인했다. 이 방식의 목적은 분명하다. 같은 대상을 같은 기준으로 이해하고, 이전 자료가 현재 자료로 오인되지 않게 하는 것이다.

디지털 기술은 그 연결을 컴퓨터가 읽을 수 있는 기록으로 만든다. 지도에 표시된 수목을 수량표의 행과 연결하고, 위치가 바뀌면 관련 거리 계산을 다시 실행하며, 변경 전후 결과를 나란히 보여줄 수 있다. 이를 위해서는 화면에 잘 보이는 지도와 함께 데이터의 식별 방법과 갱신 규칙이 필요하다. 이 단위에서는 앞선 공간분석을 공통 공원의 작은 변경 예로 이어 본다.

같은 대상을 알아보는 ID와 버전

**식별자(ID)**는 자료 안에서 대상을 구별하고 다른 기록과 연결하는 이름이다. TREE-001은 수목의 수종이나 좌표를 뜻하는 말이 아니라, 이 예제에서 특정 설계 수목을 가리키는 식별자다. 설계자가 그 수목의 위치를 수정하더라도 같은 설계 대상을 수정한 것이라면 ID를 유지한다. 좌표를 ID처럼 사용하면 위치가 바뀌는 순간 이전 검토와의 연결을 잃기 쉽다.

버전 또는 개정 번호는 그 대상의 어느 상태를 말하는지 구별한다. TREE-001만 적으면 대상은 찾을 수 있지만 어느 설계 위치인지는 확정하기 어렵다. 따라서 대상 ID와 설계 버전을 함께 사용한다. 수목이 여러 버전에 나타나는 것은 중복 식재 수량을 뜻하지 않는다. 한 버전에서의 수량 집계와 여러 버전의 변경 이력 조회를 구별해야 한다.

대상을 나누거나 합치는 경우에는 관계도 남긴다. 하나의 초본 식재구역이 두 구역으로 분할되었다면, 새 ID 두 개와 기존 ID의 분할 관계를 기록한다. 유지관리 중 실제 나무를 교체할 때에도 식재 위치의 ID를 계속 쓸지, 개체 ID를 새로 부여할지 정해야 한다. 위치의 연속성과 생물 개체의 연속성은 다른 관리 목적이기 때문이다.

자료 형식이 바뀔 때는 대응표가 이 역할을 맡는다. GIS의 TREE-001, BIM 모델의 객체 식별자, 현장 점검 앱의 자산 번호를 한 줄에 연결하는 표다. 수신한 모델에서 ID가 누락되거나 새로 생성되면 연결을 확인해야 한다. 위치와 수종이 비슷하다는 이유만으로 두 기록을 같은 나무로 확정하지 않고, 일치 후보와 확인된 대응을 구별한다. 관측자료와 설계 객체를 대응시키는 문제는 이후 장에서 더 다룬다.

결과값에 조건과 출처를 붙인다

“거리 2m”라는 결과만으로는 다음 담당자가 분석을 재사용하기 어렵다. 수목의 어디에서 관로의 어디까지 잰 거리인지, 평면 거리인지 입체 거리인지 알아야 한다. 메타데이터는 이처럼 자료의 의미와 사용 조건을 설명하는 정보다. 출처·처리 이력은 어떤 입력을 어떤 방법으로 처리하여 결과가 나왔는지 추적할 수 있게 한 기록이다.

공통 공원의 거리 분석을 전달할 때 필요한 내용은 다음과 같다. 아래 항목은 이 책의 설명용 구성이고 모든 사업에 그대로 적용하는 표준 서식은 아니다.

여기에는 서로 다른 세 가지가 있다. 요구조건은 무엇을 만족해야 하는지 정한 내용이고, 검사 규칙은 그것을 어떻게 판별할지 정한 절차이며, 분석 결과는 특정 입력에 규칙을 적용해 얻은 값이다. “관로 유지관리를 고려해 식재 위치를 검토한다”는 목적을 실제 사업의 검사 규칙으로 만들려면 관로 종류, 뿌리분과 굴착 범위, 필요한 이격 기준 등을 정해야 한다. 이 책의 2m 조건은 거리 선택을 설명하기 위한 가정이므로 실제 시방의 합격 기준을 대신하지 않는다.

시간도 구별해 기록한다. 드론을 촬영한 날은 관측 시점, 자료를 시스템에 넣은 날은 등록 시점, 계산 프로그램을 실행한 때는 분석 시점이다. 오늘 다시 계산한 결과라도 입력이 오래된 관측자료라면 오늘의 현장을 보여주는 것은 아니다. 이러한 시점을 함께 남겨야 “최신 파일”과 “최신 현황”을 구별할 수 있다.

파일의 해시는 내용이 같은지 비교하는 데 사용할 수 있다. 해시가 달라지면 입력 파일이 변경되었음을 알아낼 수 있지만, 어느 수목의 무엇이 달라졌는지는 ID별 속성과 형상을 비교해야 한다. 또한 내용이 동일하다는 확인은 그 자료가 정확하다는 검증과 구별된다.

한 그루를 옮겼을 때 다시 계산되는 것

4단위에서 관로 중심선의 2m 이내에 해당하는 수목은 5주였다. 그중 TREE-001의 좌표는 (8, 8)m이고 가장 가까운 관로는 UNDERDRAIN-001이다. 이 유공 암거에는 x=10m인 남북 방향 구간이 있어, 수목 대표점에서 중심선까지의 최단 평면거리가 정확히 2m다. 경계를 포함하는 조건이므로 선택된다.

이제 **위치 변경 후보 U06-CAND-01**을 별도로 만든다. TREE-001의 x좌표만 8m에서 7m로 옮기고 y좌표는 8m로 유지한다. 원래 설계 D03은 보존한다. 이 후보는 변경 영향을 설명하기 위한 대안이며, 새로운 승인 설계나 현장 작업 지시가 아니다.

위치 변경과 거리 재계산. 자체 가상 공원의 일부를 같은 축척으로 그렸다. 파란 선은 유공 암거 중심선, 옅은 띠는 그 중심선의 2m 이내 범위다. 수목 기호는 대표점이며 수관·뿌리분 크기를 나타내지 않는다. 2m는 교육용 선택 조건이다.

후보에서도 전체 수목 24주의 거리를 같은 방법으로 다시 계산했다. TREE-001의 최단거리는 3m가 되어 선택 목록에서 빠지고, 전체 선택 수목은 5주에서 4주로 바뀌었다. 다른 수목의 위치와 관로 형상은 그대로이므로 다른 수목의 거리 결과는 유지된다.

마지막 행은 다음 업무와 연결된다. 후보는 같은 A구역 안에서 같은 유형의 수목 한 그루를 옮긴 것이다. 구역·객체 종류·유형·수량이 유지되어 이 예제의 WBS 분류와 집계 수량은 바뀌지 않는다. 거리 분석이 바뀌었다고 식재 수량까지 바뀌는 것은 아니다. 반대로 수목을 다른 작업 구역으로 옮기거나 규격·수량을 변경했다면 해당 분류와 물량도 다시 확인해야 한다.

이 계산으로 판단할 수 있는 범위는 명확하다. 후보는 선택한 거리 조건의 대상에서 벗어났다. 다만 이 한 가지 결과만으로 그늘, 식재 기반, 경관, 시공 접근성까지 좋은 위치라고 결정할 수는 없다. 이 단위에서는 거리와 WBS 분류·수량만 계산했으며 공사기간과 작업동선은 재계산하지 않았다.

변경의 영향을 따라가는 자동화

의존관계는 어떤 결과가 어떤 입력과 처리 조건에 기대고 있는지를 뜻한다. 수목–관로 거리는 두 대상의 위치와 형상, 좌표 기준, 계산 방법에 의존한다. “2m 이내 수목 목록”은 그 거리 결과와 2m라는 선택 조건에 의존한다. WBS 수량표는 분류 속성·분류 규칙·수량에 의존한다. 이 관계를 구별하면 변경 때 실행할 작업을 정할 수 있다.

예를 들어 수목 위치가 바뀌면 거리를 다시 계산한다. 거리 자료는 그대로 두고 선택 한계만 2m에서 다른 값으로 바꾸었다면 저장된 거리에서 목록을 다시 만들 수 있다. 이름 표시만 수정했다면 지도 표기는 바꾸되, 계산에 그 이름을 사용하지 않는 거리 결과까지 다시 계산할 필요는 없다. 단, 프로그램이 실제로 사용하는 입력을 빠짐없이 파악한 경우에만 이런 선택적 갱신이 성립한다.

디지털 처리에서는 이 관계를 **처리 흐름(workflow)**으로 구성한다. 입력 확인 → 분석 → 결과표 → 지도·검토 목록의 순서를 저장해 두고, 다음 설계에서도 같은 절차를 실행한다. QGIS의 모델 디자이너는 여러 처리 단계를 하나의 모델로 연결하고 다른 입력으로 다시 실행할 수 있도록 제공한다. 이 기능을 이용하면 반복 분석을 매번 메뉴에서 조합하는 수고를 줄일 수 있다. QGIS 모델 디자이너

여기서 재실행할 수 있는 모델과 변경을 감지해 스스로 실행되는 시스템은 구현 범위가 다르다. 후자에는 새 파일 등록이나 데이터베이스 변경을 감지하는 계기, 실행할 모델을 정하는 규칙, 실패를 기록하는 절차가 더 필요하다. 작은 공원에서는 사용자가 후보 버전을 선택해 실행하는 방식만으로도 변경 전후 비교를 충분히 설명할 수 있다. 이번 예 역시 저장된 입력을 읽어 거리와 수량을 재계산한 것이며, 상시 감시 서비스를 구축한 것은 아니다.

갱신 과정에서는 예전 결과를 지워 버리기보다 적용 대상을 구별한다. D03을 입력으로 만든 결과는 D03의 기록으로 보존하고, 후보에 대해서는 새 결과를 만든다. 새 계산이 실패했을 때 D03의 결과를 후보의 최신 결과로 표시하지 않는다. 프로그램은 “후보 결과 없음”과 실패 원인을 남길 수 있어야 한다. 동일한 입력·규칙·처리 환경으로 결과를 다시 얻을 수 있도록 저장하는 것이 재현성의 기초다.

GIS에서 BIM·WBS로 넘길 정보

BIM은 시설을 구성하는 객체의 형상과 속성, 관계를 함께 다루어 설계·시공·관리 정보를 연결하는 방법이다. **WBS(작업분류체계)**는 공사 범위를 관리할 수 있는 작업 묶음으로 나눈 체계이고, **OBS(조직분류체계)**는 수행 조직과 담당 역할을 나눈 체계다. 여기서는 각각 대상의 정보, 수행할 일, 담당 주체를 연결하는 역할에 주목한다. 개념과 공정 계산의 자세한 전개는 3장에서 다룬다.

공통 공원에서는 TREE-001이 A구역 느티나무 Z1 식재 묶음 A.20.10에 포함된다. 기존 D03의 연결표에서는 이 묶음이 식재 작업 T06, 담당 식재조 O-T로 이어진다. GIS에서 수목의 위치 변경 후보를 전달할 때 이 연결이 있으면, 관련 설계 객체와 작업 묶음을 함께 찾아볼 수 있다. 수목 한 그루가 항상 작업 하나와만 대응하는 것은 아니다. 반입·식재·관수·검측처럼 동일 대상을 다루는 여러 작업이 있을 수 있다.

객체·분석·검토·작업을 연결하는 자체 개념도. 실선은 이 예제에서 만든 기록의 연결이고 점선은 아직 수행하지 않은 후속 업무다. 아래 WBS·작업·담당 연결은 기존 D03에서 가져온 참조이며, 후보의 시공 지시가 발행되었다는 뜻이 아니다.

모든 정보를 같은 파일에 넣을 필요는 없다. GIS의 공간자료, BIM 모델, 검토 목록, 수량표를 각 목적에 맞게 저장하고 ID와 버전으로 연결할 수 있다. OGC의 GeoPackage는 공간 피처와 속성 자료 등을 담는 형식으로 사용할 수 있다. 다만 파일을 하나로 묶는 것만으로 각 테이블의 업무상 의미와 갱신 규칙이 정해지는 것은 아니다. OGC GeoPackage 안내

IFC를 사용하는 업무에서는 정보를 전달하는 형식, 필요한 정보를 검사하는 명세, 검토 의견을 교환하는 형식의 역할을 나누어 이해하면 좋다.

IDS는 IFC 모델의 정보 요구사항을 컴퓨터가 해석할 수 있도록 표현하는 buildingSMART 표준이다. 적용할 대상과 그 대상에 요구하는 정보를 구분하여 작성한다. 따라서 “이 유형의 객체에는 정해진 규격 속성이 있어야 한다”와 같은 검사를 구성하는 데 연결할 수 있다. 이번 예의 최단거리 계산은 별도 공간 연산으로 수행했다. IDS 검사를 사용했다는 사실만으로 거리 계산과 현장 조건 검토까지 수행했다고 볼 수 없다. buildingSMART IDS 사용자 안내

BCF는 이미 공유한 BIM 모델의 객체와 뷰를 참조하면서 검토할 문제와 의견을 교환하는 데 쓰인다. 예컨대 TREE-001의 거리 검토를 모델의 해당 객체에 연결하여 다른 담당자가 같은 문제를 확인하도록 구성할 수 있다. 이때 분석에서 “조건에 해당함”으로 분류한 결과와, 담당자가 “위치 변경 후보를 채택함”으로 결정한 기록을 구별해 둔다. 이번 단위에서는 이 관계를 설명하는 표와 도식을 만들었으며 실제 BCF 파일이나 서버를 구성하지 않았다. buildingSMART BCF 소개

수신자가 사용할 수 있게 만드는 전달 규칙

서로 다른 도구를 연결하려면 데이터의 형식뿐 아니라 의미도 약속해야 한다. 이 약속을 **데이터 계약(data contract)**이라고 부를 수 있다. 여기서 계약은 법률 문서라는 의미보다, 보내는 쪽과 받는 쪽이 지킬 필드·단위·식별자·허용값·갱신 방식의 합의를 뜻한다.

수목 위치를 전달하는 작은 업무라면 object_id, source_revision, x_m, y_m, coordinate_frame을 필수로 정할 수 있다. 좌표가 없으면 0으로 채우지 않고 누락으로 보고한다. 같은 버전 안에서 객체 ID가 중복되면 임의로 한 행을 택하지 않고 중복 대상을 확인한다. 좌표 기준을 해석할 수 없다면 지도에 억지로 올리지 않고 변환에 필요한 정보를 요청한다. 이런 입력 검사는 뒤의 자동 계산이 잘못된 자료 위에서 계속되는 것을 막는다.

전달 묶음에는 기계가 읽는 표와 사람이 이해하는 짧은 설명을 함께 둔다. 이 예에서는 다음 구성이면 변경 내용을 검토할 수 있다.

받는 사람은 이 묶음으로 변경 대상과 영향을 확인하고, 받는 프로그램은 ID와 필드를 이용해 관련 기록을 찾는다. 이때 검토 기록의 판단·담당·일자가 아직 없다면 빈 상태를 그대로 전달한다. 계산이 끝났다는 이유로 누군가 검토하거나 승인한 것으로 채우지 않는다.

규칙이 분명한 거리·수량 계산에는 정해진 연산을 먼저 사용한다. AI를 더한다면 자유로운 검토 의견을 분류하거나 변경 내용을 설명하는 초안을 만드는 역할을 생각할 수 있다. AI가 작성한 설명도 대상 ID와 실제 결과표를 참조하게 구성해야 한다. “문제가 해결되었다”는 요약 한 문장보다, 어떤 조건의 결과가 어떻게 달라졌는지 확인할 수 있는 기록이 다음 업무에 유용하다.

설계 기록을 현장의 관측과 다시 연결한다

시공 이후에는 계획한 상태와 관측한 상태를 비교한다. 작업자가 “식재 완료”를 입력한 기록, 측량으로 얻은 위치, 검사 담당자의 확인은 서로 다른 정보를 담는다. 작업 보고는 무엇을 했다고 보고했는지, 관측은 무엇을 측정했는지, 검측은 정해진 기준과 증거를 바탕으로 무엇을 확인했는지를 남긴다.

현장 앱은 대상 ID를 선택한 뒤 사진·관측 시각·측정값·담당자를 하나의 기록으로 연결하도록 만들 수 있다. 모델의 계획 좌표를 실측 좌표로 덮어쓰기보다 두 값을 각각 보존하면 계획과 실제 차이를 나중에도 설명할 수 있다. 위치가 다를 때에는 시공 편차인지, 설계 변경이 누락된 것인지, 서로 다른 좌표 기준이나 다른 개체를 비교한 것인지 확인한다.

3장의 작은 좌표 예에서 설계 위치 (8, 8)m와 관측 위치로 가정한 (8.03, 8.04)m 사이의 평면거리는 0.05m다. 이 값은 D03 위치와 비교한 합성 예이며, 이번 위치 변경 후보 (7, 8)m의 시공 결과가 아니다. 허용오차와 측정의 불확실성, 적용할 설계 버전을 함께 알아야 적합 여부를 판단할 수 있다. 기록을 버전과 연결하는 이유가 여기에도 있다.

유지관리에서는 같은 구조에 시간이 더해진다. 수목의 활력 관찰, 보식, 관수, 시설 파손, 주민의 이용 경험을 대상 또는 구역과 관측 시점에 연결하면 변화 이력을 조회할 수 있다. 확정된 위치를 모르는 주민 의견은 조사 범위나 미확인 위치 상태를 유지한다. 근처에 있는 시설 하나에 임의로 붙이면 조사 기록이 실제로 말한 범위를 넘어선다. 사회분석에서 다룬 출처와 의미의 구분도 이렇게 다음 업무에 이어진다.

2장에서 익힌 좌표·단위·표현 방식·분석 방법은 이러한 연결의 기반이다. 위치를 같은 기준으로 맞추고, 질문에 맞는 분석을 수행하며, 대상과 조건을 기록해야 다른 사람이 결과를 다시 사용할 수 있다. 이어지는 3장에서는 이 정보를 Landscape BIM의 객체와 속성으로 다루고, WBS에 따른 분류·수량·공사기간·검측으로 연결한다.

이 단위의 자체 자료: 변경 후보와 재계산 결과, 전달 기록 예. D03 원본을 보존한 별도 가상 예다. 수목 24주의 거리와 39개 설계 객체의 WBS 분류·수량을 계산했으며, 후보의 IFC 생성·현장 시공·상시 자동 갱신은 수행하지 않았다. 외부 도표를 재수록하지 않고 표준과 도구의 역할을 짧게 소개했다.