빅데이터 기반의 녹시율 분석
•
2 j'aime•897 vues
구글 스트리트뷰를 이용한 녹시율 측정에 관한 분석 사례를 공유하고 향후 과제에 대해 설명하고자 함 화성시와 세종시를 대상으로 진행 지속가능한 도시를 달성하기 위해 이러한 지표는 더욱 만들어져야 함
Recommandé
Contenu connexe
Similaire à 빅데이터 기반의 녹시율 분석
Similaire à 빅데이터 기반의 녹시율 분석 (20)
Plus de Joonho Lee
빅데이터 기반의 녹시율 분석
- 4. I. 도시 문제1 • 과거에는 녹지정책이 공급자 중심이었다면, 최근에는 시민참여가 강조되면서 도시관리 정책의 수혜자인 시민의 체감 만족도 중심으로 전환되고 있음 • 이러한 맥락에서 도시의 친환경성 또는 도시미관을 나타내는 지표로서 여러가지 녹지관련 지표가 재조명 되고 있으며, 수요자 중심, 이용자 중심의 지표로 체감 녹지량 지표의 개발이 필요 • 녹시율이란 일정 지점에 서있는 사람의 시계 내에서 식물의 잎이 점하고 있는 비율을 의미 • 시민과 방문자가 주로 가로변에서 도시의 아름다움을 체험한다는 점을 고려할 때 도시의 가로에서 사람의 눈으로 느끼는 녹지의 양, 녹지 체감도, 녹지 만족도 등을 대변할 수 있는 지표로 활용 출처 : 조용현,(2004), 서울시 가로 녹시율 증진방안, 서울시정개발연구원
- 5. I. 도시 문제 녹지율 vs 녹시율 vs 평면적 수평적 개념 인간의 체감 녹지량 2
- 6. 프랑스 파리의 체육관 건물 녹화 _ 잔디를 외벽 마감재료로 사용 독일 프라이부르크시 보봉 주거단지 _ 독일의 환경수도라는 이름에 걸맞 게 건물 지붕, 벽면, 계단 등 모든 곳을 녹화하여 골목길에서 녹시율이 거 의 100%에 달하고 있음 녹시율 사례 자료 : 임승빈,(2014) 녹시율 100% 도시를 보고싶다. 라펜트(https://www.lafent.com/inews/news_view.html?news_id=111509#URL) 2
- 7. I. 도시 문제 사면녹화 _ 부천대우 푸르지오(좌), 국립디지털도서관(우)일본 후쿠오까 아크로스퀘어 옥상정원 _ 옥외계단으로 연결된 각층 테라 스를 녹화하여 건물 전체가 마치 작은 산처럼 보임 2
- 8. I. 도시 문제 • 본 연구는 구글에서 제공하는 스트리트뷰(Google Street View : GSV)의 오픈 이미지를 이용하여 녹시율을 분석하고 향후 도시관리를 도모하기 위한 시사점을 도출하고자 함 • 기존의 녹시율은 주로 사진촬영 및 사진면적 대비 사진에 투영된 식물면적 계산으로 측정됨에 따라 시간과 비용이 많이 소요되고 도시간 비교를 위한 지표로 활용하기에도 한계가 있음 구글스트리트뷰 예시 화면 3
- 10. I. 도시 문제 1. 표준 노드링크를 통해 관측점 선정 2. 구글 스트리트뷰 이미지 추출 출처 : Xiaojiang Li, Carlo Ratti, (2018), Mapping the spatial distribution of shade provision of street trees in Boston using Google Street View panoramas, Urban Forestry & Urban Greening. 31, 109-119 파노라마 뷰 버티컬 뷰 1
- 11. I. 도시 문제2 3. 작업절차
- 12. I. 도시 문제2 4. Mean Shift 알고리즘을 이용한 영상처리 • Mean Shift 알고리즘은 데이터 분포의 peak 또는 무게중심을 찾는 한 방법으로, 현재 자신의 주변에서 가장 데이터가 밀집된 방향으로 이동 • Mean Shift는 물체추적, 데이터 클러스터링, 경계 보존을 위한 smoothing 등에서 활용 Mean shift 알고리즘 적용결과 Mean shift 알고리즘 예시도
- 13. I. 도시 문제2 4. Mean Shift 알고리즘을 이용한 영상처리
- 14. I. 도시 문제2 시나리오 • 구글의 Street View 오픈 이미지를 이용하여 Visioning 기술을 이용해 도출 데이터수집 • 표준형 노드링크(지능형 교통체계 관리 시스템에서 수급) • 거리영상(Google Street View에서 취득) • 가로수 공간정보 (지자체에서 수급 – 필수 데이터는 아님) 모델개발 • 도로 중심선 데이터를 이용해 지정거리마다 포인트 데이터 생성 • Google Open API를 이용하여 각 점의 수평 360도, 수직 180도의 영상 취득 • 이미지를 MeanShift 알고리즘을 이용하여 색상 군집 단순화 • 이미지의 모든 픽셀의 R,G,B 각각의 값 취득하고 G-R, G-B의 값을 취득 • 위에서 얻어진 두 개의 값을 곱하여 해당 픽셀이 나무 영역인지 판별하여 전체 이미지 대비 양으로 지수 구함
- 16. I. 도시 문제1 • 도농 복합도시(舊도시+新도시) • 2기 신도시 (동탄, 향남, 송산 등) • 지속적인 인구증가(2018년 70만) • 689.48 ㎢ • 행정중심복합도시 • 스마트시티 국가시범도시 (세종5-1생활권) • 지속적인 인구증가(2018년 28만) • 465.23 ㎢ LH·지자체 협업 분석과제 선정/실행 도시문제 도출 검증 및 서비스화 교통/방범/환경/에너지/ 시설물/복지/의료/ 등 개선 성과 지표 관리 데이터 수집 · 분석 개선 서비스
- 17. I. 도시 문제2
- 18. I. 도시 문제3 녹시율의 측정점들의 확인 녹시율: 33.52% 녹시율: 35.27% 녹시율: 3.7% 녹시율: 22.71% 원본 ▼ MeanShift 변환 ▼ Green 부분과 나머지 판정 원본 ▼ MeanShift 변환 ▼ Green 부분과 나머지 판정
- 19. I. 도시 문제4 • MIT에서 기 연구된 세계 도시의 녹시율(Green View Index) 비교 결과 출처 : http://senseable.mit.edu/treepedia
- 20. I. 도시 문제5 출처 : http://senseable.mit.edu/treepedia
- 21. I. 도시 문제5 출처 : http://senseable.mit.edu/treepedia
- 23. I. 도시 문제1 • 본 연구에서는 구글스트리뷰 이미지를 이용하여 사람의 시야에서 볼 수 있는 녹지의 양을 모니터링하고 측정하는 방법을 실증 분석함 • 가로수가 제공하는 그늘의 양이나 태양복사열 연구 등을 빠르고 저렴하게 할 수 있는 방법으로 GVI를 활용할 수 있음 - 싱가포르-ETH 미래도시연구소는 구글 스트리트뷰에서 추출한 10만개의 이미지를 활용해 싱가포르 도로망의 80% 이상을 50m 간격으로 쪼갠 뒤 지표면에 도달하는 태양복사열을 분석 • 녹시율은 평면적인 녹지율의 한계를 보완하여 인간의 체감을 보다 직접적으로 나타내는 지표로 개발되었으나 녹시율은 측정의 어려움으로 인하여 도시 지표로 활용이 어려움 • 관련연구 및 실증분석 결과 GVI를 이용한 녹시율의 측정은 가능한 것으로 판단되며, 이를 통해 다른 도시 와 객관적인 비교가 가능 • 또한 녹시율을 이용하여 도심 에코시스템 평가를 통해 녹지공간이 도심의 지속가능한 발전 가능성에 얼마나 기여하는지 이해하는데 기여할 수 있음 • 향후에는 GVI를 대신하여 국내 포탈의 스트리트뷰를 이용할 수 있는 방법을 검토하고 국내 다른도시로 확대 필요
- 24. 도시계획 주거 교통 보건의료 수자원 에너지 글로벌 선진도시 국내평균 대상도시 SDGs 기반 도시관리지표 • UN 지속가능 발전목표(SDGs) 적용(관리) → Smart City 지속가능한 발전 체계 구축 - SDGs(Sustainable Development Goals, 지속가능발전목표) : 도시의 미래지향적 발전을 위해 UN이 ‘15년 발표, 17개 목표와 169개 과제로 구성 2
- 25. 3 • 조용현, (2003), 서울시 가로 녹지율 증진방안, 서울시정개발연구원 • 유영서, (2017), 근적외선 사진과 식생지수를 활용한 녹시율 측정 방법에 관한 연구 : 서울시 서초구를 대상으로, 서울대학교 석사학 위논문 • Xiaojiang Li, Carlo Ratti, (2018), Mapping the spatial distribution of shade provision of street trees in Boston using Google Street View panoramas, Urban Forestry & Urban Greening. 31, 109-119 • Ian Seiferling, Nikhil Naik, Carlo Ratti, Raphael Proulx, (2017), Green street – Quantifying and mapping urban trees with street-level imagery and computer vision, Landscape and Urban Planning. 165, 93-101 • Xiaojiang Li, Chuanrong Zhang, Weidong Li, Robert Ricard, Qingyan Meng, Weixing Zhang, (2015), Assessing street- level urban greenery using Google Street View and a modified green view index, Urban Forestry & Urban Greening. 14, 675-685 • https://post.naver.com/viewer/postView.nhn?volumeNo=6663852&memberNo=36405506