분석 배경

• 삶의 질을 개선하는 수단으로 지표 개발이 진행되고 있음 → 기존에 제공되지 못한 지표 제공
• 세계 경제 포럼 (WEF)의 GAC (Global Agenda Council)은 도시의 미래에 관한 그린뷰 인덱스(GVI)를 포함
  → 도시 녹지화에 대한 설계 및 실행에 반영 할 수 있는 지표 제시

시나리오

• 현재 MIT에서 Green View Index 생성 방식을 공개하고 조사중이나 한국의 도시는 그 대상에 없음
• 실제 시민이 체감할 수 있는 지표로서 사용자가 거리에서 실제로 나무를 얼마나 보는지에 대한 지표는 기존에 없었음
• 구글의 Street View 오픈 이미지를 이용하여 Visioning 기술을 이용해 도출

활용 데이터

• 표준형 노드링크(지능형 교통체계 관리 시스템에서 수급)
• 거리영상(Google Street View에서 취득)
• 가로수 공간정보 (지자체에서 수급 – 필수 데이터는 아님)

분석 방법(절차)

• 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
• 표준 노드링크를 이용하여 관측점 선정

• Google StreetView를 통해 360도 이미지 추출

• 우측의 알고리즘을 이용하여 이미지상 Green 검출

문제점

• 세종시의 경우나 화성시의 동탄 일부 지역의 경우 도로 및 기반시설이 건설된 것이 2015년 이후인 경우가 많은데
  녹시율 산정시 기반이 되는 Google Street View가 2015년 기준이 최신이라 빠진 부분이 많이 있음.

분석결과(1/3) 계절의 변화에 따른 세종시 녹시율의 변화

• 측정된 녹시율을 그래프 형태로 확인
• 계절 범위의 변경에 따른 거리의 녹색 비율이 달라짐을 확인

분석결과(2/3): 실제 녹시율 산출에 대한 확인

• 측정된 녹시율을 그래프 형태로 확인
• Mean Shift 알고리즘으로 변경된 중간의 이미지와, 최종 녹색판정 이미지의 시각적 확인

분석결과(3/3) 기 측정된 세계 도시들과의 녹시율 비교 확인

• MIT에서 기 측정한 세계 도시의 녹시율 측정값과의 비교 확인