ScholarWorks@성균관대학교

초록

(연구배경 및 목적) 급격한 도시화와 여가 공간의 확대에도 불구하고 어린이공원의 접근성은 여전히 전문가들의 현장 점검에의존하고 있어 평가 기준의 일관성과 비용 효율성 측면에서 한계가 지적되고 있다. 특히 어린이공원과 같은 일상적 공공시설의장애물 없는 생활환경(Barrier-Free, 이하 BF) 조성은 시급한 과제이다. 2008년 도입된 BF 인증 제도는 2021년부터 도시공원에도 의무화되었으나, 현행 평가는 설계 도면 심사와 현장 실사에 과도하게 의존하여 시간·비용 소요, 주관적 편차 등의 한계를 노출하고 있다. 이에 본 연구는 Google의 딥러닝 기반 이미지 분석 등 인공지능(AI) 기술을 활용하여, BF를 평가할 수 있는웹앱 플랫폼을 구성하고, 평가의 가능성을 검증하고자 한다. (연구방법) 연구 대상은 서울특별시 강남구 내 어린이공원이며, 카카오맵 로드뷰 이미지 확보 및 진입로 식별이 가능한 49개소를 대상으로 하였다. 분석 지표는 「장애물 없는 생활환경 인증제도공원 자체평가서」 중 ‘접근로’ 관련 7가지 세부 평가항목으로 한정하였다. 연구 절차는 첫째, 카카오맵 로드뷰를 통해 공원진입부 정면 이미지를 수집하였다. 둘째, 자체 개발한 AI 플랫폼에서 Google Cloud Vision API를 활용하여 이미지 내 객체 정보를 BF 인증 매뉴얼의 세부 항목과 JSON 파일 형식으로 매핑하여 자동 평가 시스템을 구축하고 점수와 등급, 근거 등을 산출하였다. 셋째, AI 평가 결과와 연구자의 육안 검증 결과를 비교하여 항목별 일치율, 측정 불가율 등을 분석하여 AI 자동 평가의실현 가능성과 정책적 시사점을 도출하였다. (결과) AI 기반 로드뷰 이미지 분석을 통한 어린이공원 접근로 BF 평가 결과, 항목별로 측정 가능성과 정확도에 뚜렷한 차이가 나타났다. AI 자동 평가의 실용 가능성이 확인되었다. 일부 항목에서는 평가 능력이충분하였고, 일부 항목에서는 로드뷰 이미지의 해상도 한계, 왜곡, 제한된 시점의 촬영 등의 제약으로 인해 현 단계에서는 신뢰성이 부족한 것으로 판단되었다. 특히 ‘기울기’ 항목은 2D 이미지 기반 분석의 명확한 한계를 보였다. 배점 분석에서는 일부항목에서 특정 점수에 편중되는 경향이 관찰되어, AI 모델의 학습 데이터 및 가중치 조정의 필요성이 제기되었다. (결론) AI 평가에 대한 인식률과 일치율을 실증적으로 제시하며, AI 기술이 BF 인증 평가 과정의 자동화 가능성을 가지는 동시에 명확한 한계 또한 존재함을 입증하였다. 이는 AI가 단순 보조 도구를 넘어 전문 영역의 의사결정 신뢰성을 높이고, 평가의 시간 및 비용을절감하는 데 기여할 잠재력이 있음을 시사한다. 하지만 이러한 잠재력을 현실화하기 이해서는 BF 공간과 관련된 전문가들과의협력을 통해 기술적, 정책적, 운영적 측면을 아우르는 실증 연구가 중요하다. 기술 개발에 그치지 않고 다양한 경험과 전문성을가진 인력과 함께 진행되어야 한다. 이를 통해 AI 기반 BF 평가의 실효성을 제고하고 정책적 활용 방안을 구체화해야 할 것이다.

키워드