[논문 리뷰] Computing the Image of the City

Bin Jiang|arXiv (Cornell University)|2012. 12. 05.

Urban Design and Spatial Analysis참고 문헌 16인용 수 6

한 줄 요약

이 논문은 크리스토퍼 올리버슨의 생존적 구조와 니코스 살랑가로스의 구조적 질서 원리를 활용하여 지리공간 데이터를 기반으로 도시의 이미지를 자동으로 파생하는 계산 방법을 제안한다. 궤도 데이터와 같은 도시 데이터에 머리/꼬리 분할 규칙과 힘의 법칙 스케일링을 적용함으로써, 길, 가장자리, 지역과 같은 이해하기 쉬운 도시 요소들을 정량적으로 식별하며, 정성적인 정신지도 연구에 대한 데이터 기반의 대안을 제공한다.

ABSTRACT

Kevin Lynch proposed a theory of the image of the city identifying five elements that make the city legible or imageable. The resulting mental map of the city was conventionally derived through some qualitative processes, relying on interactions with city residents to ask them to recall city elements from their minds. This paper proposes a process by which the image of the city can be quantitatively derived automatically using computer technology and geospatial databases of the city. This method is substantially based on and inspired by Christopher Alexander's living structure and Nikos Salingaros' structural order, as a city with the living structure or structural order tends to be legible and imageable. With the increasing availability of geographic information of urban environments at very fine scales or resolutions (for example, trajectories data about human activities), the proposal or solution described in this paper is particularly timely and relevant for urban studies and architectural design. Keywords: Mental maps, head/tail division rule, legibility, imageability, power law, scaling, and hierarchy.

연구 동기 및 목표

• 정성적인 설문 기반 접근 방식을 넘어서, 지리공간 데이터에서 도시의 이미지를 정량적이고 자동화된 방법으로 유도하는 데 목적이 있다.
• 기존 도시 연구에서 정신지도가 일반적으로 주관적인 인간의 기억을 통해 도출되는 데 반해, 데이터 기반 분석의 부족한 점을 메우는 데 목적이 있다.
• 도시의 이해 가능성과 이미지성에 기여하는 요소를 식별하기 위해 구조적 질서와 생존적 구조 원리를 활용하는 데 목적이 있다.
• 인간의 이동 궤적과 같은 고해상도 도시 데이터를 활용하여, 도시가 어떻게 인식되고 탐색되는지를 모델링하는 데 목적이 있다.
• 도시 계획가와 설계자가 계산 도구를 활용해 도시의 이해 가능성을 평가하고 향상시킬 수 있도록 확장 가능하고 재현 가능한 프레임워크를 제공하는 데 목적이 있다.

제안 방법

• 도시 데이터(예: 도로 네트워크, 인간의 궤적)에 머리/꼬리 분할 규칙을 적용하여 도시 내 계층적 구조를 식별한다.
• 도시 형태에서 자가 유사 패턴을 탐지하기 위해 힘의 법칙 스케일링을 사용하며, 이는 구조적 질서를 반영하고 이해 가능성을 향상시킨다.
• 지리공간 데이터에서의 구조적 두드러짐을 바탕으로 길, 가장자리, 지역, 노드, 랜드마크와 같은 핵심 도시 요소를 식별한다.
• 지리공간 데이터베이스와 계산 기하학을 활용하여 실제 세계 데이터에서 도시의 이미지를 추출하고 시각화한다.
• Kevin Lynch의 정신지도의 다섯 요소를 정의하기 위해 크리스토퍼 올리버슨의 생존적 구조 개념과 니코스 살랑가로스의 구조적 질서 원리를 활용한다.
• 런던의 궤적 데이터와 같은 실증적 도시 데이터셋을 사용하여 방법의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 지리공간 데이터에서 계산 방법을 활용해 도시의 이미지를 자동으로 도출할 수 있는가?
• RQ2 구조적 질서와 생존적 구조 원리는 도시의 이해 가능성과 이미지성과 어떻게 관련이 있는가?
• RQ3 머리/꼬리 분할 규칙과 힘의 법칙 스케일링은 실제 데이터에서 계층적 도시 구조를 어느 정도 드러낼 수 있는가?
• RQ4 계산 방법은 도시 설계에서 전통적인 정성적 정신지도 연구를 재현하거나 향상시킬 수 있는가?
• RQ5 인간의 이동 궤적과 같은 고해상도 도시 데이터 소스는 이미지 가능한 도시 요소를 식별하는 데 어떤 역할을 하는가?

주요 결과

• 머리/꼬리 분할 규칙는 지리공간 데이터에서 도시의 주요 구조를 성공적으로 식별하여, 도시 내 계층적 조직을 드러낸다.
• 도시 요소의 힘의 법칙 스케일링은 자가 유사성과 척도 불변 패턴이 존재함을 확인하며, 이는 구조적 질서와 일치한다.
• 이 방법은 데이터에서 직접적으로 키프린지의 정신지도 다섯 요소(길, 가장자리, 지역, 노드, 랜드마크)를 자동으로 탐지한다.
• 이 방법으로 식별된 강력한 구조적 질서를 가진 도시 지역은 더 높은 이해 가능성과 이미지성을 보이며, 이는 이론적 프레임워크의 타당성을 입증한다.
• 런던의 궤적 데이터에 대한 적용은 이 방법의 실현 가능성과 실제 도시 환경에서의 확장 가능성을 보여준다.
• 결과적으로 계산 모델링이 전통적인 도시 인지 연구의 정성적 발견을 더 일관되고 재현 가능하게 재현하고 확장할 수 있음을 보여준다.