Housing Potential Common Data Model and City Digital Twin

도시는 사람들이 이주하고, 건물이 들어서고, 동네가 변함에 따라 끊임없이 변화하는 살아있는 시스템입니다. 도시가 어떻게 성장할 수 있는지 이해하기 위해, 계획가와 연구자들은 하나의 구체적인 질문을 들여다보아야 합니다. 바로 '새로운 주택을 위한 공간이 어디에 있는가?'라는 질문입니다. "주거 잠재력(housing potential)"이라고 알려진 이 개념은 단순히 빈 땅을 찾는 것만을 의미하지 않습니다. 이는 여러 가지 다양한 요인들을 동시에 따져봐야 하는 복잡한 퍼즐입니다. 어떤 토지가 법적으로 새로운 아파트 건물을 지을 수 있도록 허용되어 있더라도, 만약 지역 도로가 이미 정체되어 있거나, 수도관이 너무 작거나, 근처에 학교가 없다면 그 땅은 건물을 짓기에 좋은 장소가 아닐 수 있습니다. 전통적으로 이러한 질문에 답하는 데 필요한 정보는 여기저기 흩어져 있었습니다. 용도 지역 규정은 하나의 데이터베이스에, 인구 수치는 다른 곳에, 그리고 수도관 지도는 또 다른 곳에 존재합니다. 이러한 분리된 데이터 모음은 서로 같은 언어를 사용하지 않는 경우가 많아, 도시가 무엇을 지원할 수 있는지에 대한 전체적인 그림을 보는 것을 어렵게 만듭니다.

토론토 대학교의 한 연구팀은 이러한 단절된 정보 문제를 해결하기 위해 나섰습니다. 그들은 모든 종류의 데이터를 평가하는 데 필요한 다양한 조각들을 설명할 수 있는 하나의 표준화된 방식을 만들 수 있을지 자문했습니다. 그들의 목표는 특정 도시를 위한 특정 소프트웨어 도구를 만드는 것이 아니라, 번역가 역할을 할 수 있는 보편적인 프레임워크, 즉 공통 데이터 모델을 설계하는 것이었습니다. 이 프레임워크는 법적 용도 지역 코드부터 특정 구역의 소방차 수에 이르기까지 다양한 유형의 정보를 논리적으로 연결할 수 있게 해줄 것입니다. 이러한 공유된 언어를 만듦으로써, 그들은 데이터의 출처가 어디든 상관없이 컴퓨터와 인간이 도시의 인구 수용 능력에 관한 복잡한 질문을 던질 수 있기를 희망했습니다.

연구진은 이 정보를 매일 실제로 사용하는 사람들의 목소리를 듣는 것부터 시작했습니다. 그들은 저렴한 주택 옹호론자, 도시 계획가, 부동산 개발업자들과 대화하며 그들이 답을 필요로 하는 구체적인 질문들이 무엇인지 파악했습니다. 이러한 질문들은 그들 작업의 중추가 되었습니다. 예를 들어, 옹호자는 "이 빈 필지는 정부 소유인가, 그리고 주거용으로 용도가 지정되어 있는가?"라고 물을 수 있고, 개발업자는 "여기에 건물을 짓는다면, 지역 용수 시스템이 새로운 거주자들을 수용할 충분한 용량을 갖출 것인가?"라고 물을 수 있습니다. 연구팀은 이러한 유형의 질문에 대한 답을 포함하고 있는 캐나다 전역의 360개 이상의 서로 다른 데이터 세트를 수집했습니다. 그들은 데이터가 존재하기는 하지만, 종종 파편화되어 있으며 어떤 도시는 상세한 기록을 가진 반면 어떤 도시는 상당한 공백이 있다는 것을 발견했습니다.

이러한 현실 세계의 요구 사항을 염두에 두고, 연구팀은 2년에 걸쳐 '주거 잠재력 공통 데이터 모델(Housing Potential Common Data Model)'을 설계했습니다. 이 모델은 도시의 물리적 및 규제적 환경을 정확하게 설명하는 방법을 정의하는 상세한 명세서입니다. 이 모델은 도시를 이해 가능한 부분들로 나눕니다: 토지 자체, 그 위의 건물, 그곳에 사는 사람들, 그리고 그들을 지원하는 서비스들입니다. 이 모델에는 건물의 높이부터 아파트의 방 개수, 가장 가까운 병원까지의 거리, 그리고 지역 하수 시스템의 용량에 이르기까지 모든 것을 설명하기 위한 규칙이 포함되어 있습니다. 결정적으로, 이 모델은 유연하게 구축되었습니다. 모든 도시가 반드시 똑같은 데이터를 가져야 한다고 강요하는 대신, 각 지역의 규칙과 가용 정보에 적응할 수 있는 구조를 제공합니다. 연구진은 초기 인터뷰에서 도출된 71개의 구체적인 질문을 대상으로 설계를 테스트했습니다. 그 결과, 모델이 68개의 질문에 성공적으로 답할 수 있음을 확인했으며, 이는 그들의 프레임워크가 실제 계획의 복잡성을 다룰 만큼 견고하다는 것을 입증했습니다.

이 추상적인 모델이 실제로 작동할 수 있음을 증명하기 위해, 연구팀은 토론토를 위한 "도시 디지털 트윈(City Digital Twin)"을 구축했습니다. 디지털 트윈이란 서로 다른 데이터 소스를 하나의 상호작용 가능한 뷰로 연결하는 도시의 가상 표현입니다. 연구진은 새로운 모델을 사용하여, 토론토의 데이터를 지식 그래프(정보를 별도의 행과 열로 저장하는 대신 웹처럼 연결하는 유형의 데이터베이스)에 입력했습니다. 이를 통해 특정 토지를 해당 용도 지역 규정, 현재 소유자, 인근 학교, 그리고 지역 전력망의 용량과 동시에 연결할 수 있었습니다. 그 후 연구진은 이 디지털 트윈 위에 파일럿 대시보드를 구축했습니다. 이 도구를 사용하면 사용자가 주소를 입력하여 해당 위치의 주거 잠재력 요약본을 즉시 확인할 수 있습니다. 대시보드는 사용자에게 해당 토지가 아파트용으로 용도 지정되어 있는지, 최대 건물 높이는 얼마인지, 현재 이웃에 얼마나 많은 사람이 살고 있는지, 그리고 지역 소방서가 새로운 개발을 지원할 충분한 역량을 갖추고 있는지를 알려줄 수 있습니다.

이 프로젝트는 이러한 접근 방식의 힘과 한계를 동시에 보여주었습니다. 연구팀은 공통된 언어가 다양한 데이터 소스를 통합하여, 혼란스러운 스프레드시트와 지도의 집합을 일관된 시스템으로 바꿀 수 있음을 성공적으로 입증했습니다. 그러나 데이터가 항상 가용한 것은 아니라는 점도 발견했습니다. 어떤 경우에는 모델이 질문에 완벽하게 답할 수 있음에도 불구하고, 도시 측에서 그 답을 채울 데이터를 가지고 있지 않은 경우가 있었습니다. 예를 들어, 모델은 용수 시스템의 용량을 추적할 수 있지만, 많은 도시가 현재 사용 중인 물의 양과 사용 가능한 물의 양에 대한 상세한 기록을 공개적으로 공유하지 않습니다. 연구진은 모델이 어디서나 진정으로 유용해지려면, 도시들이 이러한 특정 유형의 정보를 수집하고 공유하는 방식을 개선해야 한다고 언급했습니다.

연구팀은 이 표준이 널리 채택되기 위해서는 세 가지가 필요하다고 결론지었습니다. 첫째, 사람들에게 교육이 필요합니다. 모델을 사용하는 법을 아는 것만으로는 부족하며, 사용자들이 그 데이터가 무엇을 의미하는지 이해해야 합니다. 둘째, 즉각적인 가치가 있어야 합니다. 도시들은 모델이 어떻게 실제 문제를 해결할 수 있는지 보여주는 토론토 대시보드와 같은 도구를 볼 수 있어야 합니다. 마지막으로, 지원이 필수적입니다. 도시들이 자신들의 지역 데이터를 이 새로운 표준에 매핑하는 데 필요한 소프트웨어와 프로세스를 구축하는 데 도움이 필요하기 때문입니다. 이 작업은 모델 자체로 끝나지 않습니다. 그것은 하나의 토대입니다. 연구진은 우리가 미래의 주택을 어디에 어떻게 지을지에 대한 더 나은 결정을 내릴 수 있도록 돕는, 주거 잠재력을 위한 공유된 언어를 만드는 것이 가능하다는 것을 보여주었습니다. 흩어진 데이터를 연결된 이야기로 바꿈으로써, 이 프로젝트는 우리 도시 안에 숨겨진 잠재력을 바라보는 새로운 방법을 제시합니다.