메타버스 시대의 디지털 트윈

1. 메타버스 시대의 디지털 트윈과 지역성
2022. 11. 24
Kwang Woo NAM
kwnam@kunsan.ac.kr
Kunsan National University
http://infolab.kunsan.ac.kr

2. 2
• 메타버스
메타버스와 디지털 트윈
Meta
"뒤", "넘어서", "와 함께", "접하여", "스스로",
다른 개념으로부터의 추상화.
메타데이터는 데이터에 대한 데이터이다. 메타메모리는 심리학에서 무언가를 회고할 때 이를 기억하거나 기억하지
아니하는 데 대한 개인의 지식을 뜻한다.
https://ko.wikipedia.org/wiki/메타
• 3D만을 의미하는 것은 아님
• VR/MR/XR만 의미하는 것은 아님
• 디지털 트윈만을 의미하는 것은 아님
• 꼭 현실세계를 바탕으로 하는 것은 아님
https://inf.news/en/science/ea7755656ba4d52581f364cf1de90579.html

3. 3
• 메타버스
메타버스와 디지털 트윈
real world
static objects + moving objects
(real*w1 + fantasy*w2) * 2D
(real*w1 + fantasy*w2)* 3D
RF = (real*w1 + fantasy*w2)
(RF*{2D, 3D}+RF*moving objects)
공간의
추상성
참여성
I
Other
Digital Twin = (real*100% + fantasy*0%)*(3D+moving objects)
Game = (real*0% + fantasy*100%)*(3D+moving objects)

4. 4
• 동적 디지털 트윈의 지원 수준
• Geographical Level
• Urban Level
• Building Level
• City Sensor Level
• Moving Objects Level
메타버스와 디지털 트윈
검색과 분석?
데이터의 갱신 비용?
동적 표현 정보?
시뮬레이션의 수준???
활용 공공/민간?
얼마나 Twin인가?
Twin의 유통기한?

5. 5
• 메타버스란?
메타버스와 디지털 트윈
Metaverse
collective virtual shared space, created by the convergence of
virtually enhanced physical and digital reality.(Gartner)
https://www.gartner.com/en/articles/what‐is‐a‐metaverse
Innovation No. 1: Web3, which is a new stack of technologies for the development of decentralized web applications
that enable users to control their own identity and data.
Innovation No. 2: Spatial computing, which can be defined as a three‐tiered technology stack through which
users experience the intersection of the physical and digital worlds.
Innovation No. 3: Digital twinof a person (DToP) not only mirrors a unique individual, but is also a near‐real‐
time synchronized multipresence, with the ability to be present in multiple places at the same time in both digital and
physical spaces.
Innovation No. 4: Digital twin of a customer (DToC), a subset of DToP, is a dynamic virtual representation of
a customer that simulates and learns to emulate and anticipate behavior. Customers can be individuals, personas, groups
of people or machines.

6. 6
• 정의와 3D와의 차별성
디지털 트윈(Digital Twins)
Digital Twins
물리적 객체나 시스템의 동적 가상 표현으로,
보통 라이프 사이클의 다양한 단계를 표현을 지원한다.(IBM)
IBM Digital Twins 정의 : https://developer.ibm.com/articles/what‐are‐digital‐twins/
그림 : https://www.motioncontroltips.com/what‐are‐digital‐twins‐how‐are‐they‐used‐in‐industrial‐manufacturing/
• 동적가상표현 : dynamic virtual representation
• 시스템 : 프로세스를 포함
• 다양한 라이프 사이클 단계 : 시뮬레이션과 예측을 포함
가장 높은 수준에서 실세계와 동기화된 메타버스

7. 7
• Chaining between Real‐world and Virtual World
디지털 트윈(Digital Twins)
실 세계와 가상 세계의 연결
의사결정(action) 그리고 결과의 피드백 체이닝
그림 : https://www.motioncontroltips.com/what‐are‐digital‐twins‐how‐are‐they‐used‐in‐industrial‐manufacturing/

8. 8
• 컴퓨팅 관점의 Digital Twins ‐ IBM
디지털 트윈(Digital Twins)
그림 IBM, 2019: https://developer.ibm.com/articles/what‐are‐digital‐twins/

9. 9
• 컴퓨팅 관점의 Digital Twins ‐ IBM
디지털 트윈(Digital Twins)

10. 10
• 공간정보 관점의 Digital Twins
디지털 트윈(Digital Twins)
https://www.youtube.com/watch?v=y8cXBSI6o44 2:45
ESRI Virtual Singapore

11. 11
국내 Digital Twins
김대종, 국토연구원 디지털트윈연구센터 개소기념 특강 발표자료, 2021
신상희, 공간정보와 도시 디지털트윈, Digital Transformation 컨퍼런스 부산, 2022 발표자료

12. 12
• LH 도시 디지털트윈 플랫폼
국내 Digital Twins
신상희, 공간정보와 도시 디지털트윈, Digital Transformation 컨퍼런스 부산, 2022 발표자료

13. 13
• LH 도시 디지털트윈 플랫폼
• 바람장 시뮬레이션
국내 Digital Twins
신상희, 공간정보와 도시 디지털트윈, Digital Transformation 컨퍼런스 부산, 2022 발표자료

14. 14
• Connected Deep Digital Twins
Deep Digital Twins
https://dtcc.chalmers.se/virtual‐gothenburg‐the‐citys‐digital‐twin/
Virtual Gothemburg – City Digital Twin: 05:12

15. 15
• Mapillary : Connected with Deep Learning
Deep Digital Twins
97 classes
Traffic Sign
Person
Bicycle
Car
Trash Can
Bench
…
MS COCO:80
페이스북, 구글 스트리트뷰 경쟁사 '매필러리' 인수(20.06.20)
https://www.digitaltoday.co.kr/news/articleView.html?idxno=238489
https://www.mapillary.com/

16. 16
• Mapillary : A Tour
Deep Digital Twins

17. 17
• Waymo Dataset
Deep Digital Twins

18. 18
• Waymo Simulation City : One of Metaverse
Deep Digital Twins
real world waymo simulation city

19. 19
• 디지털국토정보(연구)
• 공간정보 실시간 변화 인식 및 갱신
국내 Digital Twins
디지털국토정보 기획 최종보고서 중, 2021

20. 20
• 디지털국토정보(연구)
• 공간정보 실시간 변화 인식 및 갱신
국내 Digital Twins
디지털국토정보 기획 최종보고서 중, 2021

21. 21
• 디지털국토정보(연구)
• 이동체 동적정보 수집 및 예측
국내 Digital Twins

22. 22
• http://urbanAI.net
UrbanAI Network
Static Pan/Tilt CCTV(SPTC)
Moving Camera(MC)
Static CCTV(SC)
bank
bank POI/ROI
Moving Objects
(vehicle, person)
bank
bank
school
school
Park
Park
Static Objects
(traffic signs)
geotagged videos and photos
multiple video streams
sc1 sc2
sptc1
sc3
sptc2
mc1 mc2
sc1
sc2
sptc1

23. 23
• 연구 범위
Real Example : GeoVision to UrabanAI
City‐wide
GeoAIVision
Local
GeoVision
Local
GeoVision
Local
GeoVision
…
video
streams
moving objects meta
‐ objects tracks
‐ object video snaps
정밀도로 지도
Map‐Network
DB
Moving Objects
Semantic Engine
Urban Digital Twin
(3D 도시 이동체
가시화)
시공간
도시 이동체
이벤트 탐지/대응
시공간
도시 이동체
검색/분석
MovingObjects
on City(Historical)
도시 이동체
저장/검색/
상황‐액션정보
 온라인/오프라인?
 테스트 데이터 셋??  Historical/Continuous?

24. 24
• City Video Network to Local Dynamic Map
• Example : 서울 역삼역 사거리 Live Cam
Real Example : GeoVision to UrabanAI
https://www.youtube.com/watch?v=tP9PvaM3m4M
버스 트럭 승용차
사람

25. 25
• Urban Video to Local Dynamic Map
• Example : Tokyo Live Cam
• Count/Speed/Action/Semantic 질의
Real Example : GeoVision to UrabanAI
Tokyo Live: https://www.youtube.com/watch?v=DCnpFYVeHKA
Times Square Live : https://www.youtube.com/watch?v=AdUw5RdyZxI



26. 26
• 로드뷰 기반의 전주시 보행성 평가
AI기반 지역성의 예
◦ 카카오 로드맵 영상 데이터 수집
- 전주시 1,121Km의 로드 네트워크 상에서 30m 간격으로 포인트를 추출
- 49,156개의 좌표 취득, 한 지점당 4개의 이미지를 크롤링하여 전체 수집이미지 수는 196,624장
<전주시 표준노드링크 자료(괄호안은 30미터 간격 표시)> <수집한 전주시 카카오 거리영상 예시>
* Kim et al (2021)의 연구에서 샘플 포인트 간의 거리를 20m, 40m, 60m, 80m,
100m로, 샘플 취득 방향을 4개 방향(0도, 90도, 180도 270도)으로 실험한 결과,
샘플 포인트 간의 거리가 멀고 수집하는 방향(heading)이 적을수록 연구 결과의 변
동성이 커지는 결과를 보이고 있음. 거리영상 취득은 한 지점에서 4개 방향으로 취
득하는 것이 연구결과 신뢰성 향상에 도움이 되는 것을 알 수 있음.

27. 27
• AI기반의 지역 보행성 자동 평가
AI기반 지역성의 예
Trueskill 랭킹결과

28. 28
• 전주시 지역 보행성 맵
AI기반 지역성의 예
전주
• 한 지점의 보행점수는 4방향 이미지 점수의 평균값으로 계산, 내추럴 브레이크(natural break)를 통해 5단계로 구분하여 시각화
• 전반적으로 전주시 외곽지역에서 정성적 보행환경 점수가 낮고, 도심에서 점수가 높게 나타남.
• 신시가지인 효자동의 경우에는 대부분의 길이 우수한 반면, 전북대학교가 위치하는 금암동과 구시가지에 해당하는 노송동의 경우 좁은 길 혹은
주택가 이면도로 등에서 정성적 보행환경 점수가 낮게 예측됨
전주혁신도시 (만성동) 신시가지 (효자동)
구시가지 (노송동) 전북대학교 주변 (금암동)
전주시 정성적 보행환경 점수 시각화 일부지역 정성적 보행환경 점수

29. 29
• 메타버스의 정의
• 디지털 트윈
• Deep Digital Twins
• AI 기반 지역성 평가의 예
결 론