AI가 도시 공간을 혁신하다: 열섬 완화와 안전 향상을 위한 지능형 프레임워크
본 연구는 AI 기반 프레임워크를 활용하여 도시 녹지 공간의 Sky View Factor (SVF)와 시야 확보를 최적화함으로써 열적 편안함과 안전성을 향상시키는 방법을 제시합니다. XGBoost 알고리즘과 SHAP, CFX 기법을 활용하여 높은 정확도와 해석 가능성을 확보하였으며, 유전 알고리즘보다 훨씬 빠른 최적화 속도를 달성했습니다.

AI가 도시 공간을 혁신하다: 열섬 완화와 안전 향상을 위한 지능형 프레임워크
급증하는 도시화 속에서 녹지 공간의 중요성은 날로 커지고 있지만, 건축 공간에 비해 연구가 미흡한 실정입니다. Pegah Eshraghi 등 연구진은 이러한 문제를 해결하기 위해 AI 기반의 혁신적인 프레임워크를 제시했습니다. 이 프레임워크는 기계 학습 모델(MLMs)과 설명 가능한 AI 기법을 통합하여 도시 공간의 열적 편안함과 안전성에 영향을 미치는 핵심 공간 지표인 Sky View Factor (SVF) 와 시야 확보를 최적화하는 데 초점을 맞추고 있습니다.
기존의 전역 최적화 방법은 계산량이 많고 현실적인 적용에 어려움이 있었지만, 이 프레임워크는 증분적 디자인 개선을 지원하여 계산 비용을 줄이고 유연성을 높였습니다. 특히, SHapley Adaptive Explanations (SHAP)을 사용하여 특징 중요도를 분석하고, Counterfactual Explanations (CFXs)를 통해 최소한의 디자인 변경을 제안합니다.
연구팀은 다섯 가지 MLMs를 시험한 결과, XGBoost가 가장 정확한 예측 결과를 보였으며, 건물 너비, 공원 면적, 주변 건물 높이가 SVF에, 남향 건물과의 거리가 시야 확보에 중요한 요소임을 밝혀냈습니다. 흥미로운 점은, 유전 알고리즘을 사용했을 때 34세대에 걸쳐 1530분이 소요되었던 최적화 작업이 CFX 접근 방식을 통해 단 1분 만에 5%의 RMSE 오차로 달성되었다는 것입니다. 이는 기존 방식 대비 압도적으로 빠른 속도로, 확장 가능한 개선 전략에 적합함을 보여줍니다.
이 연구는 해석 가능하고 계산 효율적인 프레임워크를 통해 도시 성능 최적화를 발전시키고, 다양한 도시 환경에서 사용성과 환경 품질을 향상시키기 위한 데이터 기반 통찰력과 실용적인 개선 방안을 제공합니다. 도시 설계 및 관리 분야에 혁신적인 변화를 가져올 AI 기반 프레임워크의 등장은 도시의 지속가능성과 시민들의 삶의 질 향상에 크게 기여할 것으로 기대됩니다.
주요 내용 요약:
- AI 기반 프레임워크를 활용한 도시 녹지 공간 최적화
- SHAP, CFX 기법을 통한 해석 가능한 결과 도출
- XGBoost 알고리즘의 우수한 성능 확인
- 유전 알고리즘 대비 훨씬 빠른 최적화 속도 달성 (1분 vs 15-30분)
- 도시 열섬 현상 완화 및 시민 안전 향상에 기여
Reference
[arxiv] An AI-driven framework for rapid and localized optimizations of urban open spaces
Published: (Updated: )
Author: Pegah Eshraghi, Arman Nikkhah Dehnavi, Maedeh Mirdamadi, Riccardo Talami, Zahra-Sadat Zomorodian
http://arxiv.org/abs/2501.08019v1