ㅣ 해외리포트 ㅣ
머리말
인류는 자신들의 삶의 질을 향상시키고 주변의 다양 한 현상들을 이해하기 위해 다양한 형태의 데이터를 수집하고, 분석하고, 활용해 왔다. 그러나 21세기에 접어들면서 인터넷 SNS와 스마트폰 보급은 이전 시 기와는 양적·질적으로 전혀 다른 형태의 데이터를 양산하게 되었다. 이러한 데이터를 효과적으로 활용 하기 위해서는 이들 데이터를 체계적으로 관리하고 수집할 수 있는 시스템의 구축이 필수적이라고 할 수 있다. 기존의 ‘데이터’ 개념과 차별화된 용어로서 ‘빅 데이터’의 도래는 미래의 다양한 변화에 대한 예측가 능성을 향상시키고, 이를 통해 보다 종합적인 의사 결정 및 대안 마련이 가능해지는 계기를 마련할 것 으로 보인다.
도시계획 관련 의사결정 및 정책대안 마련을 위 해 필요한 빅데이터는 도시의 물리적 환경을 나타내 는 공간정보 데이터와 도시 내 주민들의 다양한 활동 과 상호 작용으로부터 도출될 수 있는 사회, 경제, 문 화, 인문 데이터들을 총망라한다고 볼 수 있다. 이러
한 도시계획 빅데이터의 특성은 도시계획이 다른 학 문분야를 아우르는 종합학문이자 응용사회과학으로 서의 학제적·실무적 입지에서 비롯된다고 할 수 있 다. 이러한 점에서 도시계획에서의 빅데이터가 효과 적으로 활용되기 위해서는 도시계획과 관련된 다양 한 빅데이터를 개별적으로 구축하는 것과 동시에 개 별적인 빅데이터들이 가지는 패턴이나 특성이 다른 데이터들의 패턴 및 특성과 어떠한 상관관계가 있는 지를 파악하고, 이를 시각화할 수 있는 빅데이터 시 스템의 구축이 요구된다.
21세기에 들어 도시계획분야가 융합적 학문으로 서의 역할이 강조되기 시작하면서, 2010년 이후 미 국에서는 기존 지리정보시스템(GIS)를 기반으로 하 여 도시계획과 관련된 다양한 사회, 경제, 인문적 현 상까지를 종합적으로 수집, 분석, 활용하기 위한 도 시계획 빅데이터 시스템이 활발하게 진행되고 있다.
특히 미국 내 도시계획 관련 빅데이터 시스템 구축 은 정부-대학 간 협력을 통한 빅데이터 구축과 기업 이 주축이 된 민간 차원에서의 빅데이터 수집 및 시 스템 구축으로 이루어져 공공-민간 상호 보완적으
시카고의 도시계획 빅데이터 구축 및 활용 사례
김근태 | University of Utah 도시계획학과 박사과정([email protected])
84
어 온 국내의 빅데이터 현실에 많은 시사점을 줄 것 으로 기대된다.
이에 이 글에서는 미국 내 빅데이터를 수집, 분석, 공유하여 다양한 도시계획 의사결정과 미래 도시환 경 변화 예측에 활용하고 있는 빅데이터 포털 시스 템 구축사례로, 시카고의 도시계획 데이터 컴퓨팅 센터(Urban Center for Computation and Data:
UrbanCCD)에서 진행 중인 ‘Plenar.io’와 ‘Array of Things’ 프로젝트를 살펴보고자 한다. 이들 사례는 공통적으로 도시와 관련된 빅데이터를 수집하고 통 합하기 위한 시도이지만, 빅데이터에 대한 접근방식 에서는 많은 차이를 보이고 있다. 마지막에는 사례 를 통해 도출된 시사점을 바탕으로 현재 공공주도로 구축되어 있는 국내 도시계획 관련 빅데이터가 민간 과의 협력을 통해 빅데이터 구축 및 협력 범위를 확 대하기 위한 과제를 제시하고자 한다.
빅데이터의 개념과 도시계획적 맥락에서의 빅데이터 위상
도시계획 빅데이터 시스템 구축사례를 이해하기 위 해서는 빅데이터의 개념과 도시계획 내 빅데이터 활 용이 도시계획분야에서 어떠한 맥락적 흐름을 가지 고 있는지 파악하는 것이 중요하다. Goodchild(2013) 의 연구에서는 전통적 방식의 소규모 데이터(small data)에 대비되는 개념으로 빅데이터의 특성을 세 가 지 측면에서 정의하고 있다. 첫 번째는 단어에서 유추 할 수 있듯이, 빅데이터는 기존 데이터보다 양적 측면 (volume)에서 매우 방대한 데이터를 의미한다. 이는 빅데이터를 수집, 분석, 활용하는 방식이 기존 데이
측면(velocity)에서 빅데이터는 전통적 방식의 데이터 에 비해 수집 속도가 매우 빠른 특성을 지니고 있다.
특히 최근 스마트폰 모바일 앱을 통해 수집되는 데이 터들은 거의 실시간으로 데이터서버에 저장되고, 저 장과 동시에 구축된 데이터 처리 메커니즘을 통해 자 동으로 가공·분류되며, 가공·분류된 데이터들은 다 시 다양한 주제 및 요구사항에 맞게 분석되는 특성을 가지고 있다. 마지막으로, 다양성 측면(variety)에서 의 빅데이터는 전문가 중심으로 수집되는 것이 아닌, 일반 사용자들에 의해 작성 및 배포되는 특성을 가지 고 있다.
도시계획 내에서 데이터는 도시환경의 시간적·
공간적 특성을 분석하기 위해 활용되는데, 이러한 데 이터 활용 특성에 있어 빅데이터는 기존 종합도시계 획이론(Comprehensive Planning Theory)에서의 데이터가 장기적인 도시계획 이슈에 대한 비전과 대 안을 제시한 것과는 달리 단기적인 도시환경의 변화 예측에도 대응할 수 있는 대안을 마련하는 데 활용될 수 있다. Batty(2013)와 Kitchin(2014)의 연구에 따 르면, 도시계획 내 빅데이터를 통해 짧은 시간 단위 로 구축된 일련의 대안들이 시기별로 나열되고 집적 (aggregation)될 경우, 미래 도시환경 변화에 대한 장기적인 비전 도출이 가능하다는 점을 강조하고 있 다. 이러한 점진적이고 누적되는 형태의 도시계획과 정은 진행과정에서 발생할 수 있는 잠재적인 위험과 불확실성이 감소하고, 문제가 발생했을 경우 이에 즉 각적으로 대응할 수 있는 환경을 제공한다.
또한 도시계획에서 빅데이터의 특성은 최근 제 기되고 있는 스마트 시티(Smart City) 또는 스마트 어바니즘(Smart Urbanism)과 맥락을 같이 한다.
ㅣ 해외리포트 ㅣ
예를 들어, 기존 종합도시계획이론에 기반한 교통 수요예측모형은 제한적인 교통데이터 수집으로 인 해 하루 중 첨두시(peak hours)에 발생하는 교통수 요를 예측하고 이러한 첨두시의 교통수요가 미래에 도 지속될 것이라는 가정을 바탕으로 예측모형을 구 축해 왔다. 그에 비해 빅데이터를 통한 교통계획의 예측은 실시간 교통수요 변화에 대한 데이터를 바 탕으로 단기간의 교통수요 변화패턴을 예측함으로 써 보다 정확하고 종합적인 단기적 교통계획의 수 립이 가능하게 됨으로써 도로 용량과 같은 시설공 급 중심의 양적 접근이 아닌 사용자 통행이나 이동 패턴을 반영한 질적 접근방식으로 전통적인 교통예 측모형의 불확실성을 줄이는 긍정적인 결과를 가져 올 수 있다.
미국에서는 빅데이터에 기반한 도시계획 접근방 식을 확대시키기 위해, 도시환경 변화상을 예측하기 위한 도시계획 빅데이터 분석기술에 초점을 둔 도시 계획기술(Urban Planning Technology) 또는 도시 과학(Urban Science)분야가 최근 도시계획 내 새로 운 학문분야로 자리 잡고 있다. 특히 2014년 미국 도 시계획대학협회(Association of Collegiate School of Planning: ACSP)에서 개최한 정기학술대회에서 빅데이터 기반 도시계획 실무교육 과정에 대한 주제 토론이 있었고, 2015년 들어서는 빅데이터를 활용 한 도시계획시스템 교육과정의 개설 확대와 도시계 획학과에서 이를 교육하기 위한 도시계획 전문가에 대한 수요가 증가하고 있으며, 빅데이터 수집 및 분 석 시스템 구축작업이 공공과 민간 차원에서 활발하 게 진행되고 있다.
지자체와의 협력을 통한 도시계획 빅데이터 수집 및 분석 시스템 구축사례: Plenar.io
시카고는 현재 미국 내에서 도시계획과 관련하여 빅 데이터를 가장 잘 수집·분석·구축해놓은 선도도시 로 평가 받고 있다. 특히 시카고에서는 2014년 5월 시카고 건축재단(Chicago Architecture Foundation) 이 도시 빅데이터와 관련하여 ‘Chicago: City of Big Data’라는 전시회를 개최하고, 시카고 건축재단 로비 에 시카고 도심모형을 설치하는 등 도시환경에 대한 지속적인 관심을 유도하기 위해 다양한 프로그램을 활용해 왔으며, 시정부를 중심으로 시와 관련된 제반 데이터들을 통합적으로 관리하기 위한 시스템 개발을 지속적으로 진행해 왔다.
‘Plenar.io’가 공개되기 이전 미국 내 기존 빅데 이터 시스템으로는 미국 연방정부가 2009년 1월에 착수하여 그 해 5월 말에 완료한 ‘data.gov’가 존재 하고 있었으며,1) 특히 시카고시의 경우 시정부 주도 로 시카고시 관련 데이터를 제공하는 데이터 포털
---
1) 2009년부터 서비스를 시작한 data.gov는 이후 오바마 행정부의 ‘열린정부시책(Open Government Initiative)’ 수립 및 2011년부터 2년을 주기로 수립 되는 ‘열린정부 국가실행계획(Open Government National Action Plans)’과 맥락을 같이 하고 있음. 특히 열린정부 국가실행계획의 5개 목표인 공공 서비스 개선, 공공기관의 투명성 향상, 공공자원의 효율적 관리, 안전한 커뮤니티 조성, 기업의 책임감 증대에 있어 보다 개방적인 형태의 빅데이터 구축과 이를 자유롭게 활용할 수 있는 환경을 조성하는 것이 중요함을 강조함.
<그림 1> 미국 연방정부 오픈 데이터 포털(Open Data Portal) 홈페이지 화면
출처: U.S. Government Open Data(www.data.gov).
86
인 City of Chicago(www.cityofchicago.org)가 구 축되어 있었다. 그러나 이러한 기존 방식의 빅데이 터 시스템은 한 번에 하나의 데이터만 검색하고 이 용할 수 있도록 설계되어 있어 데이터 이용의 효율 성이 떨어진다는 문제점을 지니고 있었다. 특히 도 시현상의 종합적인 진단 및 대안 도출을 위해서는 단일의 데이터 검색이 아닌 해당 이슈와 관련된 데 이터들을 일괄적으로 보여주는 것이 중요한데, 기존 의 데이터 시스템으로는 이러한 데이터 병합적 기능 (Data Aggregation Process)이 없거나 부족하였다.
Plenar.io는 늘어나고 있는 기존의 도시계획 관련 빅데이터들이 데이터 처리 기술력의 한계로 인해 제 한적인 형태로 공유, 활용되고 있는 문제점을 해결하 기 위해 등장하였다. 도시계획 관련 빅데이터 통합 관리 및 검색, 분석 시스템으로 가장 최신 결과물인 Plenar.io는 시카고 대학(University of Chicago) 도 시계획연구소인 도시계획 데이터 컴퓨팅 센터(Urban Center for Computation and Data: UrbanCCD)2)가 주축이 되어 진행되고 있는 프로젝트로, 미국 과학
10월에 시작하여 2016년 9월 완료를 목표로 현재 온라인상에서 시험버전 (alpha version)이 운영되고 있다.
Plenar.io의 첫 번째 목표는 ‘누구 나 접근가능한 단일의 통합 데이터베 이스를 구축하고 데이터베이스에 저장 된 다양한 데이터를 하나의 맵 속에 표 현할 수 있는’ 시스템을 구축하는 것이다. 누구나 접근 가능한 환경을 위해 Plenar.io는 온라인 기반의 빅데 이터 시스템을 구축하기로 하였으며, 수집된 데이터 들은 웹 기반 지리정보시스템(Web GIS)과 통합되어 해당 지역의 주제도(Thematic Map) 형태로 표현되 는 것을 기본으로 하였다. 홈페이지(plenar.io)에 접속 하게 되면 오른쪽 상단의 메뉴를 통해 데이터에 접속 할 수 있도록 하였다. 초기화면에서는 사용자들이 해 당 데이터베이스에 익숙해질 수 있도록 다양한 예제 를 화면에 보여주고 있으며, 상단의 ‘Examples’를 통 해서도 Plenar.io의 활용방법을 알 수 있도록 하였다.
Plenar.io 내 존재하는 빅데이터 접근 및 활용방 식은 사이트에서 제공하는 데이터 익스플로러(Data Explorer)를 이용하는 방법과 웹 언어인 JSON을 이 용한 쿼리방식의 두 가지 형태로 제공된다. 이 중 간 단한 방법은 초기화면 오른쪽 상단에 위치하고 있는
‘Explore’ 기능을 이용하는 방법이다. ‘Explore’를 클 릭하면 빅데이터를 검색할 수 있는 검색바와 현재 보 유 중인 도시 관련 데이터 리스트, 그리고 오른쪽 상
---
2) 시카고 대학(University of Chicago)에 있는 UrbanCCD는 도시계획 제반 이슈에 대해 보다 과학적인 접근방식 및 연구방법을 개발·제안하는 곳으로, 현재 진행 중인 Plenar.io와 Array of Things 이외에도 시카고시 미시간호 주변 수변공간 재개발 프로젝트를 위한 시나리오 구축 툴인 LakeSim 개발, WINDYGRID라는 프로젝트에서 머신러닝(Machine-Learning, 샘플데이터를 이용하여 컴퓨터에 특정 문제에 대한 지속적인 학습을 유도하여 이를 통 한 문제의 답이나 대안을 도출하는 기법)을 활용한 도시환경 변화에 따른 도시제반성능(performance)의 변화예측모형을 만드는 역할을 담당함.
출처: City of Chicago Data Portal(https://data.cityofchicago.org/).
ㅣ 해외리포트 ㅣ
단에 지도가 표시된다. 지도에는 지도를 확대 및 축 소할 수 있는 기능 이외에 도시 내 특정 지역에 대한 데이터를 알고 싶은 경우 지도 왼쪽의 그리기 도구 (선, 사각형, 다각형)를 이용하여 해당 지역만 따로 표 시한 뒤 필요한 데이터를 선택하여 나타낼 수 있다.
<그림 3>과 같이 특정 지역을 선택했을 경우, 사용가 능한 도시 관련 빅데이터 검색결과를 지도 아래에 보 여주게 되며, 각 데이터별로 데이터 출처, 데이터 이 름, 데이터 수치, 시간대별 경향을 보여주는 그래프 를 동시에 표시해주기 때문에 연구자나 사용자가 쉽 게 해당 지역에 대한 현황을 파악할 수 있다. 또한 특 정 데이터 익스플로러 초기화면에서 지도 아래 빅데 이터 목록 중 하나를 선택하게 될 경우 해당 데이터 를 지도상에 주제도의 형태로 표시함과 동시에 시계
열별 변화과정을 지도 아래 그래프로 표시 해준다. 지도 오른쪽의 검색바에서는 사용 자가 특정 기간 내 특정 빅데이터를 검색 하거나 그 시계열적 변화 추이를 알고 싶 은 경우, 시작시점(start date)과 종료시점 (end date)을 설정하고 데이터 병합수준 (aggregate by)을 설정하게 되면 그에 맞 게 해당 데이터를 지도상에 표시하거나 화 면 아래 그래프의 형태로 표시해준다. 데이 터 병합수준은 데이터 수준에 따라 일별, 주별, 월별, 분기별, 연도별로 데이터를 정 리해준다. 지도 왼편의 검색바는 특정 지역 을 선택하는 경우와 특정 빅데이터를 선택 하는 경우 조금 다른 옵션을 제공해주는데, 특정 빅데이터를 선택하게 될 경우 병합수 준과 함께 맵상에 표시되는 단위 격자 해상 도(Map Grid Resolution)를 설정할 수 있 으며, 고급기능으로 해당 빅데이터 내 존재 하는 변수를 활용하여 특정 데이터만 별도 로 표시할 수 있는 필터링 기능을 제공한다. 이러한 편 의성은 기존 데이터를 분석하는 데 있어 데이터 수집 과 정리에 과도하게 소요되는 시간과 비용을 절감하 게 되고, 이후의 데이터 분석에 보다 많은 시간을 들여 결과적으로 연구분석의 질을 향상시킬 수 있는 환경 을 제공한다고 볼 수 있다. 검색을 통해 추출한 데이터 는 데이터 분석이 표준적으로 활용되고 있는 csv파일 형태로 저장이 가능하다. 웹 언어인 JSON을 이용한 쿼리검색 방식은 사용자가 원하는 방식의 빅데이터 맵핑과 빅데이터 검색, 가공이 가능하다는 점이 있으 나, JSON의 쿼리방식에 대한 전문지식이 요구된다.
2015년 11월 현재 Plenar.io 내 통합되어 있는 도 시 관련 빅데이터의 수는 120개다. 시카고시 이외에 도 뉴욕, 로스앤젤레스, 샌프란시스코, 보스턴, 오스
<그림 3> 시카고 Plenar.io 특정 지역 관련 빅데이터 검색결과 화면 예시
출처: Plenar.io(https://plenar.io/).
<그림 4> Plenar.io를 이용한 시카고 전체 지역 범죄건수 빅데이터 검색결과 예시
출처: Plenar.io(https://plenar.io/).
88
국 내에 지역별·주제별로 분산되어 있던 빅데이터 를 하나의 시스템으로 통합하고자 하는 시도라는 점 에서 긍정적으로 평가되고 있으며, 수집된 빅데이터 들은 누구나 사용할 수 있도록 무상으로 공개된다는 점에서 오픈 데이터 포털로서 잠재력도 높다고 볼 수 있다. 또한 빅데이터를 보유하고 있는 지자체나 민간 기관이 자신들의 데이터를 Plenar.io에 언제든지 공 유할 수 있도록 한다는 점도 긍정적으로 평가될 수 있다. 실제로 현재 영국 글래스고 Strathclyde 대학 의 경우 영국 내 여러 도시들의 데이터를 통합적으로 수집, 관리하기 위한 툴로서 Plenar.io를 활용하고 있으며, 추후 이는 Plenar.io 온라인상으로 그 데이 터를 공유할 계획에 있다. 현재 알파 버전으로 제공 되고 있는 Plenar.io는 추후 정식 버전에서 모든 사 용자가 자신이 가지고 있는 데이터들을 실시간으로 추가할 수 있도록 허용하고, 단순히 다양한 데이터의 나열뿐 아니라 이들 데이터 간 연관성에 기반하여 또 다른 데이터를 생산·추출해낼 수 있는 환경을 제공 할 방침이다. 911 및 주택 모기지 금융데이터와 같은 민간데이터 수집, 트위터나 페이스북 같은 일정한 데 이터 구조나 형식이 없는 빅데이터들도 체계적으로 수집, 분석, 관리할 수 있는 환경을 제공할 계획이다.
도시계획 빅데이터 수집을 위한
사물인터넷(IoT) 기술개발: Array of Things
Plenar.io가 기존 지자체나 공공기관들이 보유하고 있는 빅데이터들을 하나의 빅데이터 베이스 시스템 에 통합하려는 시도라면, ‘Array of Things’ 프로젝 트는 기존 빅데이터에서는 수집이 어렵거나 존재하
Arrary of Things도 시카고 대학 UrbanCCD가 주 축이 되어 미국 과학재단(NSF)으로부터 310만 달러 의 재원을 바탕으로 현재 진행 중에 있다.
Array of Things 프로젝트의 핵심은 모듈화된 센 서박스(modular sensor box)를 통해 도시현장에서 실시간으로 필요한 데이터들을 수집하고 이를 체계 적으로 정리, 분석하여 그 결과를 사용자 또는 주민들 에게 전달할 수 있는 도시 내 기반시설 구축 및 시스 템을 구현하는 데 있다. 개발이 진행 중인 센서박스는 시카고시를 대상으로 하여 도시 내 신호등 기둥이나 전신주, 가로등에 설치하게 된다. 설치된 센서박스는 도시 내 빅데이터 수집을 위한 노드(node)로서의 역할 을 담당하여, 1차적으로는 해당 노드 주변의 온도, 기 압, 조도, 진동, 이산화탄소량과 같은 오염물질 배출 량, 소음, 보행자 및 차량통행량 등을 실시간으로 측 정하여 빅데이터 자료로서의 구축을 계획하고 있다.
이러한 베타테스트를 통해 센서박스는 궁극적으로 수 량, 습도, 풍량, 종합적인 오염도 등을 측정할 계획이 다. Array of Things 프로젝트는 센서박스를 통해 도 시 내 미시적 차원의 빅데이터들을 수집하여 도시 내 에서 일어날 수 있는 미시적인 변화를 예측, 평가할 수 있게 됨으로써 도시 내 기반시설의 서비스 수준 및 궁 극적으로 도시 전체의 성능에 대한 평가, 진단 및 예측 이 가능해지게 된다. 예를 들어, 도시 내 대기오염 정 도 및 과적차량 통행밀도, 온도 등의 미시적 빅데이터 들은 주민들에게 쾌적한 보행시간대 및 경로를 알려 주는 데 도움을 줄 수 있으며, 보행자 및 차량통행 빅 데이터는 보행자와 차량운전자에게 가장 안전한 통행 시간대나 효율적인 경로를 예측하여 알려줌으로써 도 시 내 보행자의 안전을 향상시키고, 차량의 경우 교통
ㅣ 해외리포트 ㅣ
체증에 따른 배기가스 배출량을 줄이게 되어 환경오 염이 줄어드는 결과를 가져올 수 있다.
Plenar.io와 마찬가지로 Array of Things 프로젝 트 내 센서박스를 통해 얻어진 실시간 빅데이터들은 일반에게 무료로 공개하는 것을 원칙으로 하고 있다.
수집된 빅데이터들은 시카고시의 City of Chicago 데
이터 포털이나 Plenar.io를 통해 일반에게 공유된다.
또한 센서박스의 보급 확대를 위해 센서박스의 설계 도는 현재 진행 중인 베타테스트를 거쳐 추후 최종 도 면을 공개할 계획이다. 현재 센서박스는 시카고 대학 캠퍼스 내에 11대가 설치되어 베타테스트를 진행 중 인데, 추후 시카고시를 대상으로 하는 실질적인 빅데 이터 수집은 2016년 초 시카고 도심을 대상으로 약 50 여 개의 센서박스를 설치하고, 2016년 말까지 200개, 2017년 말까지 시카고 전역을 대상으로 500여 개의 센서박스를 설치하여 도시 전체를 대상으로 하는 빅 데이터 수집, 분석을 목표로 하고 있다. 설치되는 센 서박스들은 데이터 수집 범위에 따라 제작비용이 500 달러에서 2천 달러까지 소요될 것으로 보고 있다. 또 한 수집된 빅데이터가 주민 또는 개인의 사생활을 침 해하는지 여부를 판단하기 위해서 별도의 빅데이터 검 토 위원회(a privacy and security external oversight committee)를 두어 정기적으로 수집된 데이터의 개인 정보 또는 사생활 침해 여부를 심사 받게 된다.
맺음말: 도시계획분야 빅데이터 활용전망과 앞으로의 과제
미국 시카고시에서 최근 진행되고 있는 도시계획 관 련 빅데이터 시스템 구축사례는 전통적인 도시계획 과정에서의 데이터 수집, 분석과 이를 통한 대안도 출 등에 대한 접근방식이 달라져야 함을 보여준다고 볼 수 있다. 시카고 대학 UrbanCCD를 통해 진행되 고 있는 두 가지 프로젝트는 도시계획분야 내 빅데이 터 활용에 있어 크게 두 가지의 시사점을 보여준다.
첫 번째 시사점은 Plenar.io에서 보여준 바와 같 이 빅데이터가 도시계획분야에서 활용되기 위해서 는 기존 데이터들을 분류하고 통합한 뒤 이를 일목요 연하게 제공할 수 있는 데이터 포털을 구축하는 것이
<그림 5> Array of Things 프로젝트 센서박스 설치 예상 이미지 예시
출처: David Heinzmann. 2014.
<그림 6> Array of Things 프로젝트 센서박스 설치 예시
출처: University of Chicago UrbanCCD(www.urbanccd.org).
<그림 7> Array of Things 센서박스를 통한 데이터 수집 다이어그램
출처: University of Chicago UrbanCCD(www.urbanccd.org).
90
는 미시적 데이터의 경우 해당 데이터에 대한 접근 이나 활용이 아직 미흡한 실정이다. 또한 지역이나 지자체별로 각기 다른 방식의 데이터 구조를 가지고 있기 때문에 유사한 주제의 데이터라 하더라도 이를 지역별로 모아 하나의 데이터로 사용하는 것이 어렵 다. Plenar.io의 데이터 수집, 관리에서도 드러나듯 이 시계열별로 데이터를 정리하여 그 추세를 파악하 고 이를 바탕으로 미래 도시환경 변화예측에 활용하 는 것은 더욱 미흡하다고 할 수 있다. 이러한 국내 도 시분야 빅데이터의 문제점을 극복하기 위해서는 데 이터 통합작업과 함께 표준화된 빅데이터 수집, 관 리 방안을 마련하는 것이 중요하다.
두 번째로는 새로운 빅데이터 구축을 위한 데이 터 수집, 분석기술의 개발과 신규 빅데이터와 기존 빅데이터와의 연계활용 방안을 수립할 필요가 있다.
Array of Things 프로젝트와 같이 미국 시카고시의 경우 도시환경 변화를 예측하고 테스트하기 위해 보 다 과학적인 접근방법을 개발하고, 관련 데이터를 수집하기 위해 센서박스라는 사물인터넷 기술을 도 시계획분야에 적극적으로 활용하려 하고 있다. 실제 도시현장에서 센서박스를 통해 실시간으로 수집되 는 데이터들은 실시간으로 수집되는 도시 관련 데이 터로, 기존의 수집에 오랜 기간이 걸리는 데이터보다 단기적인 변화에 대한 대안 마련이나 계획을 수립하 는 데 유용하다. 이는 최근 빅데이터 시대에 접어들 면서 도시계획분야가 컴퓨터, 전기전자와 같은 공학 분야와의 협력을 통해 융합학문의 하나로서 도시과 학(Urban Science)분야로 미국 내에서 연구, 논의되 고 있는 점과도 관련이 있다고 볼 수 있다. 따라서 국 내에서도 새로운 빅데이터 구축 및 활용을 위해서는
마지막으로, 미국 시카고 UrbanCCD의 프로젝트 에서 보는 바와 같이 미국의 경우 아직 도시계획분야 내 빅데이터를 수집하고 이를 바탕으로 미래 도시변 화를 예측하는 도시과학 또는 계획기술(Planning Technology)분야는 아직 시작단계이나, 앞으로의 발전가능성과 관련 수요는 점점 증가할 것으로 보인 다. 이러한 점은 국내 도시계획분야가 국제적인 경쟁 력을 제고하는 방안으로 빅데이터를 이용한 도시계 획의 과학적 접근이나 도시계획 관련 데이터 처리, 분석기술 개발에 있어 국제적인 경쟁력을 가질 수 있 는 또 하나의 기회로도 볼 수 있다. 이를 달성하기 위 해서는 지금부터 도시계획 교육에 있어 도시 관련 빅 데이터 분석 및 처리 관련 교육과정의 개설이 필요하 며, 이를 통해 도시계획 빅데이터 전문가를 양성하기 위한 방안을 모색하는 것이 필요하다.
참고문헌 ---
Batty. 2013. Big data, smart cities and city planning. Dialogues in Human Geography 3, no.3: 274-279.
David Heinzmann. 2014. New sensors will scoop up ‘big data’
on Chicago. Chicago Tribune. June 20. http://articles.
chicagotribune.com/2014-06-20/news/ct-big-data- chicago-20140621_1_cell-phone-data-big-data-sensors (2015년 11월 20일 검색).
Goodchild. 2013. The quality of big (geo)data. Dialogues in Human Geography 3, no.3: 280-284.
Kitchin. 2014. The real-time city? Big data and smart urbanism.
Geojournal 79: 1-14.
Array of Things. https://arrayofthings.github.io/.
Chicago Architecture Foundation. Chicago: A City of Big Data.
www.architecture.org/experience-caf/exhibitions/exhibit/
chicago-city-of-big-data/.
City of Chicago Data Portal. https://data.cityofchicago.org/.
Plenar.io. http://plenar.io/.
University of Chicago UrbanCCD. www.urbanccd.org.
U.S. Government Open Data. www.data.gov/.
U.S. Whitehouse Open Government Initiative. www.whitehouse.
gov/open/partnership/national-action-plans.
