▲ AI로 생성한 이미지

1. 더 이상 감각만으로 판단하지 않는 경관

경관평가의 정량화는 도시 행정의 공정성과 투명성을 높이는 중요한 기반이다. 이미지 인식 기술을 이용하면 거리 사진에서 건축물, 간판, 녹지, 도로, 하늘 등의 비율을 자동 추출할 수 있고, 색채의 통일성, 시야 개방도, 간판 과밀도, 조망권 차폐 등 다양한 요소를 지표화하여 수피로 표현할 수 있다.

예컨대, 도심A구역의 ‘시각 혼잡도’가 82점으로 높고, ‘녹지 가시성’이 12점으로 낮게 분석됐다면, 그 지역은 경관 취약 구역으로 분류될 수 있다. 이는 도시계획 수립이나 개선사업 대상 선정에서 중요한 판단 기준이 된다.

2. 객관적 기준이 되는 데이터, 행정에 신뢰를 더하다

정량화된 경관 데이터는 건축 인허가, 경관 심의, 개발사업 평가 등 다양한 도시 행정에 활용될 수 있다. 예를 들어 건축 심의 시, “주변 건물과의 색채 유사도 78%, 입면 비례 일치도 65%” 같은 수치가 제시되면 설계안의 적합성 판단이 더욱 명확해진다.

이러한 수치기반 평가방식은 설계자에게는 분명한 가이드라인을, 행정 담당자에게는 일관된 판단 기준을 제공하며, 민원 대응 시에도 설득력 있는 근거가 된다. 서울, 부산, 성남 등 일부 지자체는 AI 기반 경관분석 시스템을 시범 도입해 공공디자인 심의에 활용하고 있다.

3. 경관을 등급화하고 지도화하다

AI가 분석한 정량 데이터는 도시 전역을 등급별로 구분하거나 경관 지도로 시각화하는데 활용될 수 있다. 가령, ‘경관우수지역’은 보존 우선구역으로, ‘경관관리 필요지역’은 개선 대상지로 설정된다. 이는 예산과 행정력을 보다 전략적으로 투입할 수 있게 하며, 경관 정책의 공간적 우선순위 결정에 효과적이다.

실제로 해외에서는 이런 방식으로 도시 전역의 ‘시각품질 지수지도’를 구축하고 있으며, 특정 개발사업이 지역 전체 경관 품질에 미치는 영향을 수치적으로 예측하고 있다.

4. 시민에게도 ‘보이는 정책’이 되다

정량화된 경관 데이터는 전문가뿐 아니라 시민에게도 중요한 소통 도구다. 수치화된 평가 결과를 시각화하면, 누구나 경관의 상태를 쉽게 이해할 수 있다. 예를 들어 신축 건축물의 설계안에 대해, 주변과의 조화도를 수치와 이미지로 비교하여 제시하면, 주민설명회나 공청회에서도 정책 신뢰도와 수용성이 높아질 수 있다.

앞으로는 시민이 온라인에서 직접 경관 데이터를 확인하고, 의견을 제출하며 정책과정에 참여할 수 있는 경관 데이터 플랫폼 구축도 가능해질 것으로 보인다.