거주민의 도시 건조환경(Urban Built Environment)에 대한 인식은 도시연구, 도시계획 및 도시설계에 중요한 요소이다. 범죄불안감이란 특정 장소와 특정 범죄에 대해서 느끼는 범죄 발생 가능성에 대한 불안감의 심리량을 의미하는데, 이는 개개인의 주관적인 평가이다. 범죄불안감은 실제 범죄율보다 빠르게 증가하고 있어, 사람들이 범죄불안감을 느끼는 지역을 찾는 것은 범죄예방 에 효과적이며 중요한 과정이다. 하지만 기존 연구에서 도시 건조환경에 대한 불안감 측정은 소수의 사람과 제한된 범위를 대상으로 설문조사나 현장조사에 의존하여 제한적이었다. 본 연구의 목적은 거리영상과 딥러닝 기술을 활용하여 시민들이 느끼는 범죄 불안감 을 측정하고 시각화하는 것이며 연구대상지역은 서울시 영등포구이다. 거리영상을 활용하여 범죄불안감을 측정하기 위해서는 거리 영상에 대한 사람들의 범죄불안감을 측정하고, 이를 딥러닝 모델을 활용하여 평가점수를 예측하는 모델을 구축해야 한다. 이를 위해 본 연구에서는 카카오맵 API를 활용하여 거리영상을 수집하였다. 수집한 영상 중 20,886장의 거리영상을 활용하여 상대적으로 불안감을 느끼는 거리가 어느 쪽인지를 응답하도록 하는 171,942개의 훈련데이터 셋을 구축하였다. 구축된 쌍별비교 데이터 셋으로 Global-Patch-RSS-CNN모델을 훈련 후, 훈련된 모델을 연구대상 지역 전체에 적용하여 범죄불안감 예측점수를 도출하고 시각화였 다. 본 연구는 거리영상과 딥러닝 기술을 활용하여 도시의 범죄불안감을 측정하는 첫 사례를 제시하였다는 점, 그리고 범죄불안감이 높게 평가되는 지역의 환경 특성을 분석하여, 효과적인 도시 계획 및 범죄 예방 전략 수립에 기여할 수 있다는 점에 의의가 있다.

위치 기반 AR 게임에서 모바일 기기의 위치를 정확하게 추정하는 것은 중요한 요소 중 하나이다. 모바일 기 기에 내장되어 있는 위치 추정 시스템이 얼마나 정확하게 위치정보를 추정하는 지가 증강되는 AR 콘텐츠의 정확도를 결정한다. 하지만 도시 환경에서는 건물, 건축물, 광고판, 표지판 등 지형지물 및 장애물에 의해서 위치 추정을 위해 필요한 신호가 반사, 굴절, 회절, 차단 등이 발생하게 되고 그로 인하여 모바일 기기의 위 치 추정 시스템으로부터 추정되는 위치에 오차가 생기게 된다. 본 논문에서는 도시 환경에서 모바일 기기의 위치 오차가 증가하는 현상에 대해서 상용 스트리트 뷰와 문자 태그를 활용하여 심플하면서도 신뢰성 있는 위치 보정 방안을 제안한다. 제안하는 위치 보정 방안은 쿼리 이미지와 스트리트 뷰 파노라마 이미지로부터 생성된 문자 태그를 대조하는 것을 통해서 매칭 스코어를 계산한고 매칭 스코어에 따라 쿼리 이미지를 촬영 한 실제 위치와 가까운 스트리트 뷰를 검색하는 것을 통해서 모바일 기기의 위치를 보정한다. 제안하는 위치 보정 방안은 위치 오차가 43.71m인 위치를 위치 오차가 4.09m인 위치로 보정하였으며 낮과 밤에 관계없이 위치를 보정할 수 있다는 장점이 있다.

실제 환경과 유사한 게임 환경은 사용자의 현실감과 몰입도를 높인다. 특히 현실 세계에서 건물은 사용자에 게 현실감을 부여하는 중요한 요소이다. 위성영상, 항공영상, 360°영상 등 실제 환경 데이터는 이미 디지털화 되어 구글 스트리트뷰나 카카오 로드뷰처럼 서비스되고 있다. 또한 이미지가 아닌 3D 모델로 세상을 구성하 는 것은 이미 진행 중인 작업이다. 그러나 Google 및 기타 업체에서 수행한 작업은 주로 항공 이미지를 모 델의 텍스처로 사용된다. 항공 영상의 특성상 카메라 시점이 낮을 때 왜곡이 심하고 해상도가 높지 않다. 본 연구에서는 기존의 360° 거리 이미지 서비스에서 거리 이미지와 메타데이터를 추출하여 사용자가 이동하 고 상호작용하는 지도를 구성하여 3차원 공간에서 독립된 건물 메쉬를 생성하였다. 스트리트 뷰는 TM 좌표 를 이용하여 3차원 공간에 배치되어 사용자의 움직임에 따라 적절한 스트리트 뷰가 적용된다. 우리는 깊이 데이터를 분석하여 스트리트 뷰에 투영된 구형 화면에 깊이를 적용하고 스트리트 뷰에서 건물을 배경과 분 리하고 각 건물을 별도의 수직 평면에 투영하였다. 또한 각 건물은 사용자를 따라 초기 방향을 유지하도록 회전되어 스트리트 뷰 사이의 전환에서 건물 평면의 연속성이라는 인상을 준다. 본 연구는 기존 디지털 데이 터를 다양한 분야에서 활용할 수 있도록 재가공하여 가치를 높이는 것을 목적으로 한다.

게임에서 배경은 단지 공간적 구성 요소뿐만 아니라 사용자에게 게임 속에서 몰입감을 높여주는 요소이다. 때문에 실제 도심을 모델로 한 배경의 일부 게임들이 인기를 끌고 있다. 도심을 배경으로 하는 게임의 배경은 만드는데 많은 인력과 시간을 필요로 하기 때문에 제작하기 힘들다. 한편 스트리트 뷰와 같은 서비스와 간단한 룰을 이용해서 가상의 체험을 제공해주는 게임들도 존재한다. 스트리트 뷰를 기반으로 배경에서 중요 요소인 건물을 살려 사용자의 몰입감을 높이고 실제에 기반한 맵을 만들 수 있다면 매우 유용할 것이다. 일반적으로 게임에서 깊이 맵은 빛과 그림자 셰이딩 또는 높이 맵으로 지형을 구성하는데 활용된다. 우리는 이 깊이 맵을 스트리트 뷰에 적용하고자 한다. 우리는 이 연구에서 수치지도를 이용해 간단하고 저비용의 깊이 추정 알고리즘을 실험하고자 한다. 건물에 대한 위치 및 메타데이터는 수치지도로 부터 획득하여 깊이 추정을 진행하였다. 스트리트 뷰에 깊이 정보를 더하여 배경 요소에 중요한 건물을 강조하고 또한 건물과 지면, 하늘을 분리하였다. 디지털 지도와 메타 데이터를 기반으로 한 스트리트 뷰 연구는 다양한 방법으로 활용 될 수 있다.