The "V Shang" structure is a structure that appears frequently in modern Chinese, and the meaning it expresses is also closely related to the verb it is collocated with. At the same time, it is also closely related to the meaning of “Shang” itself. The predecessors have conducted relevant research on the literal and deep meaning of the “V Shang” structure. Based on the previous research, this article starts from the basic meaning of “Shang” and once again discusses the “Shang” in “V Shang”. To analyze, we hope to sort out the development clues of the semantics related to “Shang”, as well as the combination characteristics of different meanings that these different semantic types can bring. In the aspect of linguistic cognition, from the perspective of image schema, the different meanings of “Shang” in “V Shang” are presented, which further influences the semantic structure, and makes a corresponding exposition. Starting from the basic image schema of “V Shang”, Variation 1 is the meaning of displacement, and the process of moving to “Shang” completely follows the basic image schema; Variation 2 is the meaning of result realization; Variation 3 is to satisfy the reference standard , reach a certain quantity meaning; Variation 4 is the meaning of contact attachment; Variation 5 is the meaning of new action and state start. From Variation 1 to Variation 5, it can be seen that the “V Shang” structure is a unified whole that is interconnected and differentiated from each other.

보행환경은 개인의 영역이자 공공 공간으로서 시민들의 일상생활에 매우 중요한 요소이다. 보행환경의 중요성이 인지되면서 국가적 차원에서도 보행환경 실태조사를 전국 지자체가 5년마다 시행하도록 법으로 규정하는 등 체계적인 실태조사가 필요한 실정이다. 하지만 보행환경에 대한 실태조사는 일부 지역을 대상으로 현장 조사에 의지하는 등 실태조사 방법론에 있어서는 기존의 한계를 벗어나지 못하고 있다. 본 연구는 고해상도 거리 영상과 딥러닝 기술을 활용한 보행환경 평가 지표 개발을 목표로 하였다. 보행환경 평가 지표 개발을 위해 보행환경 평가와 관련된 국내외 문헌 및 딥러닝 기술을 활용한 보행환경 평가 연구를 리뷰를 토대로 보행환경 평가 지표 초안을 개발하고, 도출된 보행환경 평가 지표의 구체적 데이터 구축 가능성을 확인하기 위해 거리 영상의 시멘틱 세그멘테이션(semantic segmentation) 결과 정확도와 영상 외 필요한 자료에 대한 취득 가능성을 검토한 후 최종 보행환경 평가 지표를 제안하였다. 도출된 보행환경 평가 지표는 안전성, 편리성, 쾌적성, 접근성 4개 카테고리에 8개 지표를 활용하는 것을 제안하였다. 본 연구의 결과는 현장 관찰 조사나 설문조사에 기반한 기존 보행환경 연구의 한계점을 탈피하고 고해상도 거리 영상과 딥러닝 기술을 활용한 도시 연구의 지능화 계기를 마련하고 보행환경 평가 업무를 보다 효율적으로 수행할 수 있는 초석이 될 것으로 기대한다.