선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 본 연구는 개별 보행자 행동을 모형화 가능한 멀티에이전트(Multi-Agent) 이론을 도입하여 보다 과학적이고 체계적으로 접근을 하고자 한다.
- 개발하고자 한다. 다음으로 가로 환경변화에 대한 시나리오별로 시뮬레이션을 실시하여 보행환경의 문제점을 파악한 후, 보행공간 개선에 대한 도시 계획적 대안을 모색하는 것을 목적으로 한다. 이 과정에서 기존의 연구에서 한계로 지적되는 보행자 개개인의 특성반영과 복잡한 상호작용을 다루기 위해 복잡계(complexity theory)의 멀티에이전트(Multi-Agent) 이론을 이용하여 동적 보행자 행동모형을 구축하고자 한다.
- 따라서 본 연구는 거리의 물리적 환경과 보행자 행동을 모형화하고, 주변여건의 변화에 따른 보행자 개개인의 행동 변화를 추적하여 보행환경을 평가할 수 있는 시뮬레이션 시스템을 개발하고자 한다. 다음으로 가로 환경변화에 대한 시나리오별로 시뮬레이션을 실시하여 보행환경의 문제점을 파악한 후, 보행공간 개선에 대한 도시 계획적 대안을 모색하는 것을 목적으로 한다.
- 새로운 상업시설이나 매력적인 기능이 도입된다면 보행 패턴에 많은 변화를 가져올 것이며, 경우에따라 안전사고나 보행환경의 악화를 초래할 우려가 있다. 따라서 여기서는 개발에 따라 건물의 매력도가 변화되었을 때를 가정하여 보행 패턴이 어떻게 변화할 것인지를 시뮬레이션해 보았다. 즉 획지나 가로의 폭원 등은 변하지 않고 그림 10과 같이 일부 개별 건축물의 재건축 및 리모델링으로 건물 매력도가 상승하는 것으로 가정하여 지역 내 보행자 밀도 변화를 분석해 보았다.
- 이렇게 개별 행동을 하는 에이전트들이 공간상에 모이면 우리가 현실에서 경험하는 많은 보행자가 움직이는 거리의 모습이 되는 것이다. 본연구에서는 컴퓨터를 이용한 가상공간에서 보행자 에이전트를 생성하고 각 에이전트의 행동을 실험하여 보행 환경상의 문제점을 발견하고, 대안을 모색하고자 하는 것이다.
가설 설정
- 한편 에이전트가 목표점을 향해 진행할 때, 보행에 영향을 주는 요소는 도로의 상태나 주변 상가의 정비도 등 물리적인 요소와 보행 밀도, 건물의 매력도 등 심리적인 요인 등 매우 다양할 것이다. 그러나 본 연구에서는 보행자 멀티에이전트 모형개발의 초기 단계로서 도로의 형상과 같은 물리적 환경요소, 다른 에이전트와의 충돌 회피 그리고 건물의 매력도에 따라서 결정되는 것으로 가정하였다.
- 단, 여기에서 앞에서와 달리 주변의 물리적 환경과 지역내 건물의 매력도는 변하지 않는 것으로 하였다. 이벤트 발생은 그림 12와 같이 지역내 놀이터 부지에서 발생하는 것으로 가정하였다.
- 따라서 여기서는 개발에 따라 건물의 매력도가 변화되었을 때를 가정하여 보행 패턴이 어떻게 변화할 것인지를 시뮬레이션해 보았다. 즉 획지나 가로의 폭원 등은 변하지 않고 그림 10과 같이 일부 개별 건축물의 재건축 및 리모델링으로 건물 매력도가 상승하는 것으로 가정하여 지역 내 보행자 밀도 변화를 분석해 보았다.
제안 방법
- 개발된 모형은 다양한 보행자 행태를 수월하게 실험할 수 있도록 보행자 행동 멀티에이전트 시뮬레이션 시스템으로 개발하였다. 시스템의 적용 예로서 첫째, 건물의 매력도 변화, 둘째, 이벤트 발생이 보행환경에 미치는 영향을 보행자 밀도의 개념에서 분석해 보았다.
- 보행환경을 개선하는 방법으로는 여러 가지가 있겠지만 여기서는 가로를 확폭 방법을 선택하여 가장 효율적이고 경제적인 폭원을 모색해 보는 것으로 하였다. 그 방법으로서 가로를 0m, 1m, 2m, 3m만큼 확폭하는 시나리오를 작성하여 순차적으로 시뮬레이션 해보는 것으로 하였다. 그 결과 폭원에 따라 그림 13과 같이 서로 다른 보행자 밀도의 변화를 구할 수 있었다.
- 조사된 자료는 ArcGis를 이용하여 데이타베이스로구축하였다. 그리고 동 기간에 그림 3과 같이 문헌조사, 현장 조사를 통해 건물의 용도, 보행밀도, 지역내 유출입 인원, 면적, 매력도 등의 데이터베이스를 구축하였다. 특히 모형의 개발에서 보행자가 목표점을 결정하는데 참고가 되는 건물의 매력도는 그림 3과 같은 방법으로 현장 조사를 통하여 부여하였다.
- 앞에서 정의한 환경설정과 에이전트의 행동 규칙은 지리 정보를 기초로 그림 8과 같이 컴퓨터상에서 구동되는 시스템으로 개발하였다. 기술적으로는 동적인 보행자 활동을 구현하기 위해 MacroMedia사의 Flash MX 액션 스크립트를 사용하여 프로그래밍하였다. 이때 모형의 유연성을 확보하는 것이 중요한데, 본 연구에서는 초기개발단계로서 그림 8의 좌하 부분에 장착된 슬라이드바를 제공하였다.
- 다음으로 대학촌 경계지점에 해당하는 유출입지점(그림 2에서 6개의 Gate)에서 시간당 보행자 유출입자수를 조사하여 모형에 반영하였다. 조사는 평상시의 대학촌을 모형화하기 위해 대상지내의 상업시설이 가장 활성화 되는 시간대(오후 6〜9)에서 통근 시간(오후 6〜8)을제외한 나머지 시간을 기준으로 하였다.
- 다음으로 업종별 수용인원은 수치 지도상의 면적을 기초로 현장 조사를 통해 면적과 좌석을 확인하여 업종별 면적당 수용 인원으로 산정하였다 (표 2 참조). 그 결과 수용인원은 요식업이 1, 446명(32%)로 가장 많고, 다음으로 유흥시설 1, 220명(27%), 휴게시설 1, 084명 (24%)순으로 나타났으며, 면적당 수용인원은 유흥시설 14.
- 대상지 내에서의 업종별 면적은 수치 지도를 기본으로 현장 조사를 통해 확인하여 구하였다. 업종별 면적은 요식과 유흥, 휴게 시설의 순으로 많으며, 쇼핑 및 업무시설은 상대적으로 낮게 나타났다.
- 대상지 내의 가로별 보행자 수는 그림 2와 같이 가로의 연속성을 감안하여 세로와 가로 방향의 총 18개 노선으로 구분하여 각 가로에 대하여 보행자 조사를 실시하였다. 조사는 3회 실시하여 평균값으로 가로별 보행자 수를 표 3 과 같이 구하였다.
- 둘째, 에이전트가 장애물을 만났을 때 에이전트의 보행방향은 변하게 되는데, 랜덤함수로 난수를 발생시켜 난수를 각도로 변환하여 이동 방향을 결정하는 것으로 설정하였다. 물론 목표가 없는 동안은 랜덤한 시간동안 랜덤하게 가로를 배회하도록 설정하였다.
- 그러나 이벤트 발생은 가로에 일시적으로 많은 사람을 결집시킬 뿐 아니라 이벤트의 성격에 따라 돌발적인 상황이 발생하여 혼잡과 안전사고의 위험이 있다. 따라서 보행환경을 안전하게 유지하기 위해 원활한 보행자 동선의 처리가 필요하며, 여기서는 사례지역 내에 이벤트를 강제적으로 발생 시켜 이에 따른 보행환경의 변화를 시뮬레이션 해보았다. 단, 여기에서 앞에서와 달리 주변의 물리적 환경과 지역내 건물의 매력도는 변하지 않는 것으로 하였다.
- 모형의 개발은 사례지역의 물리적 환경설정과 보행자 에이전트의 행동 규칙의 두 부분으로 나누어 프로그래밍하였다. 물리적 환경은 수치 지도와 현황조사를 통하여 구축하였으며, 보행자 에이전트의 보행 패턴을 재현하기 위해서 사례지역 내 상업시설의 업종별 면적과 문헌조 사를 통하여 모형화하였다.
- 모형의 개발은 사례지역의 물리적 환경설정과 보행자 에이전트의 행동 규칙의 두 부분으로 나누어 프로그래밍하였다. 물리적 환경은 수치 지도와 현황조사를 통하여 구축하였으며, 보행자 에이전트의 보행 패턴을 재현하기 위해서 사례지역 내 상업시설의 업종별 면적과 문헌조 사를 통하여 모형화하였다. 이렇게 개발된 모형의 타당성을 검정하기 위해 사례지역에 적용한 모형의 보행자 밀도 예측치와 현실에서 실측치와 비교하였다.
- 개발된 모형은 다양한 보행자 행태를 수월하게 실험할 수 있도록 보행자 행동 멀티에이전트 시뮬레이션 시스템으로 개발하였다. 시스템의 적용 예로서 첫째, 건물의 매력도 변화, 둘째, 이벤트 발생이 보행환경에 미치는 영향을 보행자 밀도의 개념에서 분석해 보았다. 그 결과 일부 블록 내의 건물을 상업 용도로 전환할 경우, 상업 전환 비율에 따라 주변 보행자 밀도 가 급격하게 높아지며, 블록 내의 건물이 전부 상업 용도로 바뀌면 보행자 밀도가 5배가량 높아져 보행환경이 매우 악화되는 것으로 나타났다.
- 이상에서 구축된 모형의 작동 상태와 유용성을 확인하기 위하여 대상지 내의 18개 가로에서 실측치로 구한 보행자 밀도와 개발된 모형의 시뮬레이션을 통한 예측치와 비교해 보았다. 실측치는 현장 조사를 통해 3회 실측한 평균값을 사용하고, 예측치는 모형을 실행 시켜 매 5분 전후마다 실행을 중단하고 그때의 보 행자 에이전트 수를 도로 면적으로 나누어 보 행자 밀도로 계산하였으며, 총 10회 실행한 결과의 평균값을 사용하였다. 두 값의 차이를 검정하면 모형의 적합성을 판단할 수 있으며, 여기서는 회귀분석을 통한 R2값을 사용하였다.
- 앞에서 정의한 환경설정과 에이전트의 행동 규칙은 지리 정보를 기초로 그림 8과 같이 컴퓨터상에서 구동되는 시스템으로 개발하였다. 기술적으로는 동적인 보행자 활동을 구현하기 위해 MacroMedia사의 Flash MX 액션 스크립트를 사용하여 프로그래밍하였다.
- 여기서는 향후 대학촌개발과정에서 예상되는 개발 시나리오를 설정한 후, 위에서 구축된 에이전트 모형을 이용하여 보행자 행태와 보행환경을 시뮬레이션해 보았다. 시뮬레이션 결과를 분석하면 대학촌의 개발에 따른 문제점을 파악을 할 수 있어, 대학촌 내의 보다 안전하고 쾌적한 보행환경 조성을 위한 방안을 모색하는데 도움이 될 것이다.
- 다음으로 가로 환경변화에 대한 시나리오별로 시뮬레이션을 실시하여 보행환경의 문제점을 파악한 후, 보행공간 개선에 대한 도시 계획적 대안을 모색하는 것을 목적으로 한다. 이 과정에서 기존의 연구에서 한계로 지적되는 보행자 개개인의 특성반영과 복잡한 상호작용을 다루기 위해 복잡계(complexity theory)의 멀티에이전트(Multi-Agent) 이론을 이용하여 동적 보행자 행동모형을 구축하고자 한다.
- 이때 모형의 유연성을 확보하는 것이 중요한데, 본 연구에서는 초기개발단계로서 그림 8의 좌하 부분에 장착된 슬라이드바를 제공하였다. 이 슬라이드 바를 이용하면 사례지역 내 초기보행자 밀도와 게이트의 유출입 보행자 수의 생성 속도에 대한 두 가지 파라미터 설정이 가능하여 다양한 조건을 가진 현실을 반영할 수 있게 설계하였다. 결국 이 모델은 일종의 보행자행동 시뮬레이션 시스템으로 커스터마이징(customizing) 되었다.
- Batty (2003)의 연구가 있다. 이 연구는 앞에서 언급한 바와 같이 컴퓨터를 이용하여 비교적 단순한 가상의 보행환경을 설정하여 보행자 행동 모형을 구축하고 있다. 구체적으로 혼잡이 발생하기 쉬운 가로, 대규모의 쇼핑센터, 경찰이나 관계기관에 의해 통제되고 관리되는 거리의 축제 등 세 가지의 상황을 설정한 후, 각각의 경우에 보행자 멀티에이전트 모형을 구축하고, 시뮬레이션을 통해 문제점을 발견하여 보행환경의 개선방안을 탐색하고 있다.
- 기술적으로는 동적인 보행자 활동을 구현하기 위해 MacroMedia사의 Flash MX 액션 스크립트를 사용하여 프로그래밍하였다. 이때 모형의 유연성을 확보하는 것이 중요한데, 본 연구에서는 초기개발단계로서 그림 8의 좌하 부분에 장착된 슬라이드바를 제공하였다. 이 슬라이드 바를 이용하면 사례지역 내 초기보행자 밀도와 게이트의 유출입 보행자 수의 생성 속도에 대한 두 가지 파라미터 설정이 가능하여 다양한 조건을 가진 현실을 반영할 수 있게 설계하였다.
- 모델링해야 한다. 이를 위해 사례지역에 대하여 2005년 10월에 현장조사를 실시하였다. 조사내용은 지역 내 보행자 특성과 상가의 업종, 규모 등으로 하였다.
- 이상에서 구축된 모형의 작동 상태와 유용성을 확인하기 위하여 대상지 내의 18개 가로에서 실측치로 구한 보행자 밀도와 개발된 모형의 시뮬레이션을 통한 예측치와 비교해 보았다. 실측치는 현장 조사를 통해 3회 실측한 평균값을 사용하고, 예측치는 모형을 실행 시켜 매 5분 전후마다 실행을 중단하고 그때의 보 행자 에이전트 수를 도로 면적으로 나누어 보 행자 밀도로 계산하였으며, 총 10회 실행한 결과의 평균값을 사용하였다.
- 이를 위해 사례지역에 대하여 2005년 10월에 현장조사를 실시하였다. 조사내용은 지역 내 보행자 특성과 상가의 업종, 규모 등으로 하였다. 조사된 자료는 ArcGis를 이용하여 데이타베이스로구축하였다.
- 조사는 평상시의 대학촌을 모형화하기 위해 대상지내의 상업시설이 가장 활성화 되는 시간대(오후 6〜9)에서 통근 시간(오후 6〜8)을제외한 나머지 시간을 기준으로 하였다. 대학 후문에 해당하는 Gate 1에서 시간당 보행자 수가 8.
- 조사내용은 지역 내 보행자 특성과 상가의 업종, 규모 등으로 하였다. 조사된 자료는 ArcGis를 이용하여 데이타베이스로구축하였다. 그리고 동 기간에 그림 3과 같이 문헌조사, 현장 조사를 통해 건물의 용도, 보행밀도, 지역내 유출입 인원, 면적, 매력도 등의 데이터베이스를 구축하였다.
- 영향을 미친다. 주변 환경 설정은 수치 지도와 현장조사를 통해 보완 수정된 데이터를 기준으로 그림 6과 같이 건물, 가로, 블록, 게이트 등 4개의 레이어로 구축하였다.
- 일단 지역 내로 들어오면 각 에이전트는 목표점을 설정하게 되며, 목표점은 앞에서 언급한 그림 3과 같이 상업지역 내 각 점포의 매력도에 근거하여 설정한다. 즉 각 점포의 매력도가 지역 내 전체 점포의 매력도 총합에 대해 차지하는 비율을 계산하여 그 비율에 따라 목표점을 확률적으로 선택하도록 하였다. 한편 에이전트가 목표점을 향해 진행할 때, 보행에 영향을 주는 요소는 도로의 상태나 주변 상가의 정비도 등 물리적인 요소와 보행 밀도, 건물의 매력도 등 심리적인 요인 등 매우 다양할 것이다.
대상 데이터
- 대상 지역 내 상업 기능은 표 1과 같이 업종별로 분류하여 조사하였으며, 사례지역 내에는 상업기능이 포함된 건물이 99개로 조사되었다. 대상지 내에서의 업종별 면적은 수치 지도를 기본으로 현장 조사를 통해 확인하여 구하였다.
- 대상 지역은 현재 인근의 새로운 가좌지구 대학촌 개발로 많은 변화가 예상되고 있다. 새로운 상업시설이나 매력적인 기능이 도입된다면 보행 패턴에 많은 변화를 가져올 것이며, 경우에따라 안전사고나 보행환경의 악화를 초래할 우려가 있다.
- 먼저 사례지역은 그림 1과 같이 진주시 가좌동 일대로서 경상대학교 후문에 위치한 대학촌이다. 이 지역의 좌측은 산으로 둘러싸여 있고, 우측은 왕복 6차선 도로가 개설되어 있어, 인근 지역과 분리된 하나의 독립적인 지역으로 구성되어 있다.
- 여기서는 데이터처리를 위해 가로의 연속성과 보행자인지도 등을 고려하여 가로를 가로축(W) 9 개, 세로축(H) 9개로 구분하였으며, 보행자가 지구 내외를 출입하는 게이트는 총 6개로 구성되어 있다.
- 조사된 데이터 중 물리적 특성 데이터는 그림 5와 같이 ArcGis DB를 구축하였다. 가장 유출입이 활발한 Gate 1 부근에서 연면적, 상업면적, 매력도가 높게 나타났다.
- 한편 대상지는 그림 2와 같이 19개(A-S)의 블록과 191개의 건물로 이루어져 있다. 여기서는 데이터처리를 위해 가로의 연속성과 보행자인지도 등을 고려하여 가로를 가로축(W) 9 개, 세로축(H) 9개로 구분하였으며, 보행자가 지구 내외를 출입하는 게이트는 총 6개로 구성되어 있다.
데이터처리
- 물리적 환경은 수치 지도와 현황조사를 통하여 구축하였으며, 보행자 에이전트의 보행 패턴을 재현하기 위해서 사례지역 내 상업시설의 업종별 면적과 문헌조 사를 통하여 모형화하였다. 이렇게 개발된 모형의 타당성을 검정하기 위해 사례지역에 적용한 모형의 보행자 밀도 예측치와 현실에서 실측치와 비교하였다. 그 결과 R2값이 0.
이론/모형
- 본 연구는 대학촌 내의 가로를 대상으로 멀티에이전트 이론(Multi-Agent System, MAS)을 이용하여 보행자 행동 모형을 구축하였다. MAS는 기존 보행자 모형 연구와는 달리 보 행자의 자율성과 이동성을 동적으로 다룸으로 서 다양한 보행자 행동을 보다 현실에 가깝게 재현할 수 있었다.
성능/효과
- 가장 유출입이 활발한 Gate 1 부근에서 연면적, 상업면적, 매력도가 높게 나타났다. 이는 표 3에서와 같이 가로별 평균 보행자 수에 따라 비례하여 상업기능의 진출이 두드러지고 높은 매력도의 건물이 집중적으로 분포하는 것을 알 수 있다.
- 이렇게 개발된 모형의 타당성을 검정하기 위해 사례지역에 적용한 모형의 보행자 밀도 예측치와 현실에서 실측치와 비교하였다. 그 결과 R2값이 0.781으로 높아 개발된 모형이 현실을 잘 반영하고 있음을 확인하였다.
- (표 2 참조). 그 결과 수용인원은 요식업이 1, 446명(32%)로 가장 많고, 다음으로 유흥시설 1, 220명(27%), 휴게시설 1, 084명 (24%)순으로 나타났으며, 면적당 수용인원은 유흥시설 14.6명, 휴게시설 13.7명, 요식업 11.1명과 쇼핑시설 6.8명, 학생지원시설 6.0명, 업무시설 2.0명으로 다르게 나타났다.
- 두 값의 차이를 검정하면 모형의 적합성을 판단할 수 있으며, 여기서는 회귀분석을 통한 R2값을 사용하였다. 그 결과 실측치와 예측치는 그림 9와 같이 매우 유사하게 나타났으며, 회귀분석 결과 R2값이 0.781로 높아 모형의 유용성이 충분히 확인되었다고 할 수 있다
- 시스템의 적용 예로서 첫째, 건물의 매력도 변화, 둘째, 이벤트 발생이 보행환경에 미치는 영향을 보행자 밀도의 개념에서 분석해 보았다. 그 결과 일부 블록 내의 건물을 상업 용도로 전환할 경우, 상업 전환 비율에 따라 주변 보행자 밀도 가 급격하게 높아지며, 블록 내의 건물이 전부 상업 용도로 바뀌면 보행자 밀도가 5배가량 높아져 보행환경이 매우 악화되는 것으로 나타났다.
- 셋째, 현재 대학촌 개발계획이 진행되고 있어 향후 물리적 환경변화가 예상되므로 다양한 개발대안들을 가정하여 보행자의 행태변화를 분석함으로써 안전하고 쾌적한 보행환경 확보를 위한 설계와 대책이 요구된다. 넷째, 사례지역은 도로와 지형적 요인에 의해 공간적으로 주변지역과 독립되어있어 모형 구축과 시뮬레이션에서 외부 변수의 통제가 용이한 특징이 있다.
- 셋째, 에이전트는 스스로 환경의 변화를 인지하고 그에 대응하는 행동을 취하며, 경험을 바탕으로 학습하는 기능을 가진다. 넷째, 에이전트는 수동적으로 주어진 작업만을 수행하는 것이 아니라, 스스로의 목적을 가지고 그 목적 달성을 추구하는 능동적 자세를 가진다.
- 다음으로 사례지 역내 이벤트 행사가 발생했을 때를 가정하여 보행환경을 완화하기 위해 최적의 가로 폭을 구하는 시뮬레이션을 실시한 결과 이 사례지역의 경우 가로를 2m 확폭하는 것이 가장 효율적인 것으로 분석되었다.
- 첫째, 에이전트는 특정 목적을 위해 사용자를 대신하여 작업을 수행하는 자율적 프로세스이다. 둘째, 에이전트는 지식베이스와 추론 기능을 가지며 자신의 속성 (properties) 또는 다른 에이전트와의 정보교환과 통신을 통해 문제 해결을 도모한다. 셋째, 에이전트는 스스로 환경의 변화를 인지하고 그에 대응하는 행동을 취하며, 경험을 바탕으로 학습하는 기능을 가진다.
- 이와 같이 본 모델과 MAS 시뮬레이션 시스 템은 보행자의 자유로운 보행 의사결정을 그대로 반영할 수 있어 실세계를 매우 잘 재현할 수 있었다. 뿐만 아니라 본 시뮬레이션 시스템을 주변의 여건 변화에 따른 보행환경의 변화를 미리 파악할 수 있게 함으로써, 도시공간 내 의 보행 안전사고의 방지, 가로 공간의 개선안에 대한 사전 검정, 토지 이용계획의 지원시스템으로 활용 가능함을 확인하였다. 특히 도심 활성화를 위해 쇼핑몰이나 보행자 거리 등의 테마 거리 조성을 계획하고 있는 전국의 지자 체에서 가로 설계에 참고가 될 수 있을 것이며, 일율적인 건축선 후퇴와 달리 건축선 후퇴와 용적율 인센티브제의 적용에 과학적인 근거를 마련하는데 유용하게 활용될 수 있을 것이다
- 보행자의 시야, 보행속도, 반응속도 등이 각자 다르기 때문에 보행자의 다양한 속성을 반영할 수 있어야 보다 현실적인 보행자 행동모형이 구축될 것이다. 셋째, 보행 규칙을 보다 실세계와 가깝게 설정해야 한다. 이를 위해 보행에 영향을 주는 변수를 보다 다양하게 설정하고 이를 모형화해야 할 필요가 있다.
- 둘째, 에이전트는 지식베이스와 추론 기능을 가지며 자신의 속성 (properties) 또는 다른 에이전트와의 정보교환과 통신을 통해 문제 해결을 도모한다. 셋째, 에이전트는 스스로 환경의 변화를 인지하고 그에 대응하는 행동을 취하며, 경험을 바탕으로 학습하는 기능을 가진다. 넷째, 에이전트는 수동적으로 주어진 작업만을 수행하는 것이 아니라, 스스로의 목적을 가지고 그 목적 달성을 추구하는 능동적 자세를 가진다.
- 따라서 여기서는 총 9회 시뮬레이션하여 그림 11과 같은 보행자 밀도의 변 화결과를 얻을 수 있었다. 실험은 모형검정과 정과 동일하게 시행하였으며, 상업용도 면적을 최대 9,275m'까지 증가시키면 가로의 보행자밀 도도 평균 499%까지 증가하였다. 이와 같이 상업면적의 변화에 따른 보행자 밀도가 크게 증가하므로 상업 용도의 진입은 반드시 보행환경 개선책을 마련하도록 유도하는 것이 바람직하다.
- 이와 같이 본 모델과 MAS 시뮬레이션 시스 템은 보행자의 자유로운 보행 의사결정을 그대로 반영할 수 있어 실세계를 매우 잘 재현할 수 있었다. 뿐만 아니라 본 시뮬레이션 시스템을 주변의 여건 변화에 따른 보행환경의 변화를 미리 파악할 수 있게 함으로써, 도시공간 내 의 보행 안전사고의 방지, 가로 공간의 개선안에 대한 사전 검정, 토지 이용계획의 지원시스템으로 활용 가능함을 확인하였다.
후속연구
- 첫째, 건물의 매력도 산정에서 물리적인 특성뿐 만 아니라 보다 다양한 요소, 즉 건물의 개방 도나 인지도와 같은 심리적인 요소도 반영되어야 할 것이다. 둘째, 보행자의 속성을 보다 다양하게 설정할 수 있도록 개선해야 할 필요 가 있다. 보행자의 시야, 보행속도, 반응속도 등이 각자 다르기 때문에 보행자의 다양한 속성을 반영할 수 있어야 보다 현실적인 보행자 행동모형이 구축될 것이다.
- 넷째, 시스템의 인터페이스 부분이다. 본 연구에서는 초기밀도와 생성밀도만을 조절할 수 있을 뿐인데, 향후 다양한 파라미터의 조정이 가 능하며 사용자에게 친숙한 컨트롤 패널의 설계가 필요하다. 이러한 과제들이 보완된다면, 본 모델과 시스템은 도시 보행공간의 개선방안을 마련하는 데보다 유용한 지원시스템이 될 것이며, 이는 다음 연구로 넘기고자 한다.
- 게다가 내부에는 무질서한 주차 및 시설물 설치로 보행환경이 부분적으로 매우 악화되어 있다. 셋째, 현재 대학촌 개발계획이 진행되고 있어 향후 물리적 환경변화가 예상되므로 다양한 개발대안들을 가정하여 보행자의 행태변화를 분석함으로써 안전하고 쾌적한 보행환경 확보를 위한 설계와 대책이 요구된다. 넷째, 사례지역은 도로와 지형적 요인에 의해 공간적으로 주변지역과 독립되어있어 모형 구축과 시뮬레이션에서 외부 변수의 통제가 용이한 특징이 있다.
- 시뮬레이션해 보았다. 시뮬레이션 결과를 분석하면 대학촌의 개발에 따른 문제점을 파악을 할 수 있어, 대학촌 내의 보다 안전하고 쾌적한 보행환경 조성을 위한 방안을 모색하는데 도움이 될 것이다.
- 본 연구에서는 초기밀도와 생성밀도만을 조절할 수 있을 뿐인데, 향후 다양한 파라미터의 조정이 가 능하며 사용자에게 친숙한 컨트롤 패널의 설계가 필요하다. 이러한 과제들이 보완된다면, 본 모델과 시스템은 도시 보행공간의 개선방안을 마련하는 데보다 유용한 지원시스템이 될 것이며, 이는 다음 연구로 넘기고자 한다.
- 일부 지구 내의 모든 건물을 순차적으로 상업 용도로 전환해 갈 경우에 건물의 매력도도 비례하여 증가할 것이며, 이에 따른 보행 패턴도 변화할 것이다. 따라서 여기서는 총 9회 시뮬레이션하여 그림 11과 같은 보행자 밀도의 변 화결과를 얻을 수 있었다.
- 하지만 본 연구는 많은 보완이 필요하다. 첫째, 건물의 매력도 산정에서 물리적인 특성뿐 만 아니라 보다 다양한 요소, 즉 건물의 개방 도나 인지도와 같은 심리적인 요소도 반영되어야 할 것이다. 둘째, 보행자의 속성을 보다 다양하게 설정할 수 있도록 개선해야 할 필요 가 있다.
- 뿐만 아니라 본 시뮬레이션 시스템을 주변의 여건 변화에 따른 보행환경의 변화를 미리 파악할 수 있게 함으로써, 도시공간 내 의 보행 안전사고의 방지, 가로 공간의 개선안에 대한 사전 검정, 토지 이용계획의 지원시스템으로 활용 가능함을 확인하였다. 특히 도심 활성화를 위해 쇼핑몰이나 보행자 거리 등의 테마 거리 조성을 계획하고 있는 전국의 지자 체에서 가로 설계에 참고가 될 수 있을 것이며, 일율적인 건축선 후퇴와 달리 건축선 후퇴와 용적율 인센티브제의 적용에 과학적인 근거를 마련하는데 유용하게 활용될 수 있을 것이다
- 특히 보행자가 주변의 토지이용이나 환경의 변화에 따라 서로 다르게 반응하는 복잡한 움직임에 대하여 예측할 수 있어야 바람직한 보행환경의 설계와 개선방안을 마련할 수 있게 될 것이다. 이를 위해서는 보행자 개개인의 행동을 모형화해야 하는 데, 다시 말하면 많은 수의 보행자를 집단으로 간주하지 않고 개별 보행자로서 다루면서 종합(aggregate) 할 수 있도록 하는 것이 중요하다.
- 하지만 본 연구는 많은 보완이 필요하다. 첫째, 건물의 매력도 산정에서 물리적인 특성뿐 만 아니라 보다 다양한 요소, 즉 건물의 개방 도나 인지도와 같은 심리적인 요소도 반영되어야 할 것이다.
- 향후 대상 지역은 유동인구의 증가와 더불어 공연과 전시 등 각종 이벤트의 개최가 빈번히 발생할 것으로 예상된다. 그러나 이벤트 발생은 가로에 일시적으로 많은 사람을 결집시킬 뿐 아니라 이벤트의 성격에 따라 돌발적인 상황이 발생하여 혼잡과 안전사고의 위험이 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.