디지털 조경설계: 공간분석·대안 생성·AI 검토

1단위. 분석 결과를 설계 변수로 바꾸기

10.1 지도에서 대안을 선택하는 문제로

그늘이 부족한 곳을 찾았다고 수목의 위치가 저절로 정해지지는 않는다. 보행 흐름, 지하 관로, 생육 공간, 비용과 경관 경험이 함께 영향을 준다. 2장의 공간분석은 조건을 드러내고, 이 장의 설계는 그 조건 속에서 무엇을 바꿀지 결정한다. 디지털 설계의 핵심은 대안을 많이 만드는 것과 함께 바꾼 이유와 결과를 비교 가능하게 남기는 것이다.

설계 변수는 설계자가 조정할 수 있는 값이나 선택이다. 수목 위치, 수종, 포장 범위, 지형 높이, 시설 배치 등이 해당한다. 목적은 개선하려는 성과이고 제약조건은 대안이 만족해야 하는 조건이다. 예를 들어 그늘을 늘리는 것이 목적일 때, 기존 수목 보존과 통행 공간 확보는 제약으로 다룰 수 있다. 무엇을 목적과 제약으로 정했는지에 이미 가치 판단이 들어간다.

기존 설계에서는 스케치·모형·도면을 반복 수정하며 대안을 검토했다. 디지털 기술은 변수와 관계를 명시하고 바뀐 부분의 수량·공정·성능을 다시 계산하도록 한다. 설계자의 관찰과 구성 능력을 배제하는 과정이 아니라, 반복 계산과 변경 추적을 더 분명하게 만드는 과정이다.

사회분석 결과도 이 단계에 들어온다. ‘노인이 오래 쉬기 어렵다’는 의견을 단순히 벤치 수를 늘리는 조건으로 축소하지 않는다. 접근 거리, 그늘의 시간, 등받이와 주변 소음, 이용 경험 중 무엇이 문제인지 검토하고 적절한 지표와 정성적 판단을 함께 둔다. 주민 의견에서 계산 가능한 지표로 바꾼 과정을 남겨야 원래 필요가 사라지지 않는다.

10.2 매개변수로 대안을 생성하기

**매개변수 설계(parametric design)**는 설계 요소를 값과 관계로 정의하여 일부 값을 바꾸면 관련 요소가 함께 갱신되도록 하는 방식이다. 나무의 개수만 숫자로 바꾸는 것보다, 식재 가능한 구역·최소 필요 공간·관로와의 관계·배치 방향을 함께 정의하는 것이 중요하다. 매개변수 모델의 품질은 관계가 설계 의도를 얼마나 적절히 표현하는지에 달려 있다.

생성 절차에는 입력 자료 버전과 수정 가능한 범위를 둔다. D03의 판석포장 PAVE-002는 기준 설계에서 60 m²다. 대안에서 포장 경계를 바꾼다면 기준 자료를 덮어쓰지 않고 대안 ID와 변경 객체를 만든다. 새 수량은 해당 대안에서 계산하고 3장의 WBS 분류에 전달한다. 기준안과 대안의 결과가 섞이면 비교가 무의미해진다.

조건을 만족하지 않는 대안은 생성 단계에서 제외하거나 검토 상태로 남긴다. 단위 오류나 닫히지 않은 경계처럼 계산 자체를 불가능하게 하는 문제와, 목표가 충분히 개선되지 않은 문제는 구별한다. 전자는 입력을 고쳐야 하고 후자는 설계 판단의 대상이다.

2단위. 대안의 장단점을 함께 비교하기

10.3 최적화와 파레토 대안

**최적화(optimization)**는 정한 변수 범위와 제약 안에서 목적함수의 값을 개선하는 해를 찾는 과정이다. 목적함수는 대안의 성과를 계산하는 규칙이다. 무엇을 함수로 만들었는지가 결과를 결정하므로, ‘최적’이라는 말은 항상 해당 목적과 가정에 한정된다.

여러 목적이 충돌하면 단일한 최선이 없을 수 있다. 비용을 줄이면 그늘 확보가 어려워지고, 그늘을 늘리면 관리 부담이 커질 수 있다. 파레토 지배는 어떤 대안이 다른 대안보다 모든 목적에서 나쁘지 않으면서 적어도 하나에서 더 좋은 관계다. 지배되지 않는 대안들을 모으면 절충 관계를 볼 수 있다. 유한하게 생성한 후보 중 비지배인 대안이 전체 설계 공간에서도 파레토 최적이라는 보장은 없으므로 탐색 범위를 함께 보고한다. pymoo의 공식 설명도 제약을 가진 다목적 문제와 파레토 전선을 함께 다룬다. pymoo: 다목적 최적화의 문제 정의

아래 값은 파레토 관계를 설명하기 위해 직접 정한 점수다. 실제 공원의 비용·그늘 계산이나 설계 추천이 아니다.

B는 C보다 비용 지수가 낮고 그늘 지수도 높으므로 C를 지배한다. A와 B 사이에서는 어느 한쪽이 두 목적 모두 좋지 않다. 비용을 더 부담할 때 얻는 그늘의 가치를 판단해야 한다. 이 표의 지수는 무차원이며 60을 실제 그늘 비율 60%로 해석하지 않는다.

가중합은 여러 지표에 중요도를 곱해 하나의 점수로 합치는 방식이다. 사용하기 쉽지만 단위·정규화 범위·가중치에 따라 순위가 달라진다. 가중치를 바꾸었을 때 선택이 유지되는지 확인하면, 특정 선호에 민감한 대안을 찾을 수 있다. 최소 통행 조건 같은 필수 요구를 좋은 경관 점수로 상쇄할지 여부도 명확히 정해야 한다.

10.4 생성형 AI의 이미지와 계산 가능한 설계

생성형 AI는 재료 조합이나 경관 분위기의 탐색, 대안 설명문 초안에 활용할 수 있다. 생성 이미지의 수목 개수·시설 위치·경계가 지정한 설계 조건과 일치하는지는 별도로 확인한다. 보기 좋은 장면을 얻었다고 좌표·수량·배수·시공 조건을 가진 설계가 완성되는 것은 아니다.

이미지를 아이디어 자료로 쓰려면 어떤 요소를 채택할지 사람이 해석하고, 그 요소를 실제 객체·규격·좌표로 다시 구성한다. 계산 가능한 기하를 직접 생성하는 도구도 같은 기준으로 검토한다. 결과 파일을 열 수 있는지, 객체가 잘못 겹치지 않는지, 실제 변수 범위와 제약을 만족하는지 확인해야 한다.

설계 생성과 평가를 자동 반복할 때는 실행 횟수보다 기록의 일관성이 중요하다. 대안마다 변수, 제약 검사, 계산 결과, 사용한 모형과 실패 상태를 남긴다. 실패한 수리 계산을 점수 0으로 넣으면 ‘유출이 가장 작은 대안’처럼 선택될 수 있으므로 계산 실패는 별도 상태로 처리한다.

최적화 알고리즘은 탐색한 범위와 평가 모형 밖의 가치를 알지 못한다. 장소의 기억, 식재의 계절적 경험, 관리자의 실제 부담처럼 지표에 넣지 못한 내용을 설계 검토에 함께 제시한다. 여러 대안을 보여주는 디지털 도구의 목적은 최종 판단의 근거를 넓히는 것이다.

3단위. AI 검토를 근거와 계산에 연결하기

10.5 규칙·검색·생성을 나누어 사용한다

설계 검토에는 종류가 다른 질문이 섞인다. 필수 속성이 있는지, 두 객체가 정한 간격을 만족하는지, 어떤 시방이 적용되는지, 설계 의도가 자료에 드러나는지는 각각 다른 도구가 필요하다. 하나의 언어모델에 전체 파일을 주고 ‘문제를 찾아라’고 요청하면 결과를 재현하거나 누락 범위를 확인하기 어렵다.

규칙 검사는 명시한 조건을 자료에 적용한다. 검색은 질문에 관련된 근거를 찾는다. 생성은 근거와 계산 결과를 읽기 쉬운 설명으로 구성한다. 8장의 의미 모델은 객체와 규칙의 뜻을 연결하고, 기하 엔진은 거리를 계산하며, 언어모델은 결과 설명과 추가 확인 항목의 초안을 만들 수 있다.

**RAG(retrieval-augmented generation)**는 검색한 외부 자료를 생성 모델의 입력으로 결합하는 접근이다. 원 연구는 검색 가능한 문서와 생성 모델을 함께 사용하여 지식이 필요한 언어 과제를 다루었다. 조경에서는 프로젝트 문서의 관련 절을 찾고 그 근거를 붙인 설명을 작성하는 구성으로 검토할 수 있다. Lewis 외: RAG

검색에는 버전·지역·적용 대상 필터가 필요하다. 의미가 비슷한 문장을 찾았다고 현재 공사에 적용할 수 있는 시방이라는 뜻은 아니다. 표와 본문을 잘라 저장하는 과정에서 단위·각주·예외 조건이 떨어지지 않도록 한다. 모델이 답을 생성하기 전에 검색된 근거가 질문에 충분한지 확인하는 단계가 필요하다.

10.6 검토 결과를 객체별 기록으로 만든다

검토 기록은 결론만 남기지 않는다. 어떤 객체의 어느 버전에서 어떤 규칙을 적용했는지, 사용한 값과 단위가 무엇인지, 계산 결과와 출처가 무엇인지 묶는다. 결과 상태는 적합·불일치·입력 부족·적용 대상 아님처럼 구별할 수 있다. 이 상태의 이름과 판정 조건도 자료 계약에 둔다.

예를 들어 D03 집수정의 관저 표고가 없으면 관로 경사 검토는 입력 부족이다. 언어모델이 주변 지형을 보고 그럴듯한 표고를 제안하더라도 그 값을 확정 입력으로 사용할 수 없다. 담당자가 측정·설계 판단으로 값을 정하고 변경 버전을 만든 뒤 다시 계산한다.

자체 설계 검토 절차도. 생성 모델의 설명과 설계 변경 승인·시공 검측은 구별한다.

VLM은 도면·현장영상의 이상한 부분을 검토 후보로 제안할 수 있다. 치수를 읽거나 손상처럼 보이는 영역을 찾았더라도 실제 치수·재료 상태의 확정에는 원 자료와 적절한 확인이 필요하다. 4장의 불확실성 개념을 여기서는 ‘근거가 부족하면 어떤 입력을 다시 요청할지’라는 검토 절차로 구현한다.

자동 검토가 유용하려면 잘못 경고하는 비율뿐 아니라 놓치는 오류도 살펴야 한다. 정상·오류·입력 부족·예외 조건을 포함한 검토 자료를 준비하고, 결과가 규칙 변경에 따라 어떻게 달라지는지 확인한다. 근거 링크가 있다는 사실과 그 링크가 결론을 뒷받침한다는 사실도 구별해서 검토한다.

4단위. 선택 이유를 남기고 시공으로 전달하기

10.7 민감도와 사회적 판단

민감도 분석은 입력이나 가정의 변화가 결과에 얼마나 영향을 주는지 살피는 과정이다. 수관 크기, 토양 침투 조건, 이용 수요, 작업 생산성의 가정이 조금 달라져도 같은 대안이 유리한지 볼 수 있다. 불확실한 값을 하나의 숫자로 숨기지 않고 범위와 시나리오로 검토하는 것이 목적이다.

모든 값을 동시에 바꾸면 어떤 입력이 차이를 만들었는지 알기 어렵다. 먼저 주요 변수를 하나씩 비교하고, 그 다음 실제로 함께 변할 수 있는 조건을 조합한다. 결과표에는 기준 조건과 변경 조건을 나란히 둔다. 어떤 조건에서도 이기는 대안이 없다면 그 절충 관계를 설명하고 선택의 책임을 남긴다.

사회적 선호도도 하나의 가중치로 합칠 때 주의가 필요하다. 응답이 많은 집단의 평균만 쓰면 이동이 어려워 조사에 참여하지 못한 이용자의 필요가 사라질 수 있다. 2장의 사회분석에서 정리한 참여 범위·대표성·불일치를 대안 비교에 함께 제시한다. 주민 의견을 숫자로 바꾸었다고 가치 갈등이 해결되는 것은 아니다.

10.8 객체 변경과 후속 계산을 연결한다

대안을 선택하면 바뀐 객체와 유지한 객체, 적용한 규칙과 판단 이유를 기록한다. 설계 수정은 수량·비용뿐 아니라 작업 순서·관측 계획·유지관리 부담에도 영향을 줄 수 있다. 객체 ID와 버전을 공유하면 어떤 계산을 다시 해야 하는지 자동으로 찾을 수 있다.

D03에서 수목 위치만 바꾸는 대안이라면 수목 수량은 같더라도 관로와의 거리, 작업 동선, 해당 구역의 공정 묶음이 달라질 수 있다. 포장 범위를 바꾸면 포장 수량과 기반 조성 작업, 배수 해석의 표면 분류를 다시 확인한다. ‘설계했더니 자동으로 WBS가 분류된다’는 구조는 객체의 유형·구역·수량·시방 연결을 기계가 읽을 수 있을 때 성립한다.

선택 기록에는 “어떤 이용·생태 문제를 해결하려고, 어떤 조건을 유지한 채, 어느 객체를 바꾸었고, 어떤 결과와 남은 불확실성 때문에 선택했는가”를 한 문단으로 남긴다. 도구가 생성한 점수표만으로 설계 의도를 대신하지 않는다.

후속 전달 묶음은 선택한 대안 파일, 변경 목록, 재계산 결과, 미확인 조건과 판단 기록으로 구성한다. 자동 갱신한 수량과 사람이 승인한 설계 상태를 분리하면 수정 중인 파일이 시공 지시로 잘못 사용되는 것을 막을 수 있다. 이 장에서는 실제 설계 변경을 확정하지 않았으며, 대안 비교와 검토의 방법을 설명했다.

다음 11장은 대안의 기후 성능을 계산할 때 어떤 물리 모형과 입력이 필요한지 다룬다. 점수로 표현한 설계 목표를 실제 강우·열·토양 과정과 연결하려면, 그 계산의 범위와 검증 기준을 더 구체적으로 세워야 한다.