▲빅데이터 서비스 플랫폼 대시민 서비스 흐름도<출처 : 서울시>

1. SNS와 이미지 태그, 도시의 감정을 드러내다

여러 가지의 sns에 게시된 수많은 도시 이미지와 텍스트는 단순한 대인 기록이 아니다. 수많은 sns에는 사람들이 어떤 장소에서, 어떤 감정으로, 어떤 시점에 도시를 경험했는지에 대한 정보가 응축돼 있다.

AI는 이미지 인식 기술과 자연어 처리를 통해 이 데이터를 분석할 수 있다. 예를 들어, 특정 장소에서 ‘예쁘다’, ‘힐링된다’는 표현이 자주 등장하고 사진 업로드가 많은 경우, 그 공간은 시각적으로 긍정적 인식이 높은 경관 공간으로 분류된다. 반대로 ‘답답하다’, ‘지저분하다’ 등의 표현이 다수 나타나는 공간은 개선이 필요한 시각환경으로 판단된다.

이러한 방식으로 축적된 시민 반응은 감성기반 도시지도로 시각화될 수 있으며, 이는 공공디자인이나 도시재생 프로젝트의 우선순위를 정하는 중요한 기준이 된다.

2. 위치기반 로그로 확인하는 ‘머무름의 장소’

스마트폰 앱의 위치기반 기능은 시민이 도시 공간 속에서 어디를 자주 걷고, 어디에 오래 머무는지를 보여주는 데이터를 생성한다. AI는 이 GPS 로그를 분석해 시민의 체류 밀도, 보행 패턴, 시간대별 선호 공간 등을 파악할 수 있다.

예컨대 공원, 광장, 카페 거리, 복합문화공간 등에서 체류 시간이 길고 경로가 집중되는 구간은 시민의 시선과 발길이 오래 머무는 시각적 중심지로 간주된다. 반면 회피 경로가 많거나 체류 시간이 짧은 공간은 경관적으로 불쾌하거나 안전성, 접근성에서 문제가 있는 공간일 가능성이 높다. 이 분석 결과는 도시 경관의 문제를 정량적으로 식별하고, 공공공간의 재설계나 경관 개선사업에 적용될 수 있다.

3. 시선 고정 데이터와 행동기반 UX 분석

일부 연구에서는 시선추적기기나 CCTV 행동 분석 기술을 활용하여 시민의 시선고정위치와 시각적 관심 지점을 파악하기도 한다. 이를 통해 시민이 어떤 간판, 조형물, 녹지, 건축 요소에 시각적으로 끌리는지를 측정할 수 있다.

예를 들어, 보행자들이 시선을 많이 고정하는 거리의 조형물 위치와 방향은 디자인 개선에 있어 중요한 인사이트가 된다. 반대로 시선이 닿지 않거나 피하는 요소는 시각적 혼란, 장애물, 혹은 불쾌감을 유발하는 경관 요소일 수 있다.

4. 경관 설계에 반영되는 ‘시민의 눈’

빅데이터 기반 시민시선분석은 도시를 전문가가 아닌 시민의 눈으로 다시보는 방식을 가능하게 한다. 이는 단순히 기술적 분석이 아닌, 도시 경관의 민주화라 할 수 있다. 기술은 시민의 무의식적인 반응까지 읽어내고, 그 결과는 도시 정책과 공간 디자인에 반영된다.

공공디자인, 거리개선사업, 야간경관 조성, 문화경관 보전 등 다양한 분야에서 이러한 데이터는 점점 더 중요한 역할을 하게 될 것이다. 결국 도시경관은 ‘만드는 것’에서 ‘함께 읽고 조율하는 것’으로 바뀌어가고 있다.