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
- 이와 같은 배경에서 본 연구는 기존에 설치되어 있는 CCTV 제원을 전수조사를 통해 공간정보화 할 수 있는 자동 매핑 알고리즘을 제시하여 현재 설치된 CCTV의 중복성과 밀집도 분석을 통해 CCTV 설치 효과를 극대화하기 위한 방안을 모색하고자 한다.
제안 방법
- CCTV 설치 중복성을 검토하고, 적정성을 평가하기 위하여 중복성 레이어를 생성하였다. 중복성 레이어는 감시거리와 최대감시거리를 기준으로 카메라의 화각에 따라 감시 가능한 범위를 연결한 것으로 오각형의 형태로 표현된다.
- CCTV의 밀집도를 좀 더 명확하게 확인하기 위하여 밀도 분석을 통하여 시각화를 수행하였다. 서초구에 대하여 수행하였으며, 앞서 언급했듯이 모든 제원에 대하여 조사된 상태는 아니기 때문에 정확한 결과는 아니지만 조사된 일부 데이터를 기반으로 전반적인 밀집도를 파악할 수 있다.
- FID는 앞선 내용과 마찬가지로 위치데이터와 연결한다. 그리고 감시거리(또는 최대감시거리)를 반지름으로, 위치좌표를 중심점으로 하는 원을 시각화 할 수 있도록 좌표를 계산한다. 계산된 데이터는 감시거리 또는 최대감시거리를 표현할 수 있는 값으로써 GIS DB로 저장된다.
- 중복성을 검토하기 위해서는 감시방향 및 화각에 따라 감시 가능한 총 면적을 계산한다. 그리고 다수의 CCTV 데이터를 표출하였을 때 중첩되는 면적을 확인하여 중복성을 검토한다. 중복성 평가 레이어는 광각모드에서의 감시범위와 망원모드에서의 감시범위 내에 포함된 모든 범위가 감시 면적이 되며, 시각화한 그림은 Fig.
- 또한, 데이터베이스의 구분을 위하여 고유번호(FID : File ID)를 부여한다. 그리고 위치정보와 함께 CCTV의 다양한 정보를 제공하기 위해 CCTV 구분, 제조사, 모델명, 설치장소, URL 정보를 불러온 후 DB로 저장한다.
- FID는 앞선 내용과 마찬가지로 위치데이터와 연결한다. 그리고 위치좌표를 중심점, 감시거리(또는 최대감시거리)를 반지름으로 하고 화각을 사잇각으로 정의한 부채꼴 모양의 데이터 좌표를 계산한다. 계산된 데이터는 광각모드 또는 망원모드일 경우 감시 범위를 표현할 수 있는 값으로써 GIS DB로 저장된다.
- 연구방법으로는 첫째, 연구지역의 CCTV 위치 전수조사를 바탕으로 CCTV 제원(감시거리, 화각, 주감시방향 등)을 통해 GIS DB로 구축하였다. 둘째, CCTV의 효율적인 활용을 위해서는 시스템 자체의 특성에 맞는 환경조건을 구현하기 위한 카메라의 제원으로 간단하게 공간상에서 가시권 영역에 대해 도식화 알고리즘을 제시하였다. 셋째, CCTV의 제원을 평면상에 최대·최소 감시폭, 주감시 방향, Zoom 기반 표준·망원거리 등을 도식화함으로서 CCTV의 면적, 주방향, 감시대수, 영역 등의 중복률 분석을 통해 향후, CCTV 최적설치 위치를 선정하는 근거자료로 활용이 가능할 것이다.
- 특히 다수의 방법용 CCTV는 범죄발생특성을 고려하여 범죄가 빈번히 발생하고 범죄예방에 가장 효과적인 곳에 설치가 되어야 하는데 개인적인 안전을 먼저 생각하다보니 자기 집 주변에 설치를 요구하는 민원이 접수되는 등 많은 어려움이 발생하고 있다(이재용 김걸, 2014). 본 연구에서는 시범지역의 CCTV 위치, 주감시방향, 감시거리, 최대감시거리, Tele mode 화각, Wide mode 화각 등 CCTV 제원정보를 전소조사 하여 알고리즘 적용을 위한 기본 요소를 DB화 하였다. 조사된 CCTV제원 정보를 기초로 하여 도식화 기법을 기반으로 공간정보에서 매핑할 수 있도록, GIS 공통 포맷인 Shp, Kml 파일로 제공될 수 있는 자동 매핑 알고리즘 제안하였다.
- 서울특별시 서초구에 대한 제원정보를 개발된 알고리즘에 입력하여 최종 CCTV 정보 매핑 지도를 출력함으로써 데이터 시각화를 수행하였다. 앞서 기술한 GIS 도식화 방법을 이용하여 CCTV 제원정보 요소(위치, 감시방향, 감시범위, 감시거리)를 자동으로 DB화 및 도식화하였으며, SHP 파일과 KML 파일로 최종 도출하였다(Fig.
- 서울특별시 서초구에 대한 제원정보를 개발된 알고리즘에 입력하여 최종 CCTV 정보 매핑 지도를 출력함으로써 데이터 시각화를 수행하였다. 앞서 기술한 GIS 도식화 방법을 이용하여 CCTV 제원정보 요소(위치, 감시방향, 감시범위, 감시거리)를 자동으로 DB화 및 도식화하였으며, SHP 파일과 KML 파일로 최종 도출하였다(Fig. 9~10).
- 연구방법으로는 첫째, 연구지역의 CCTV 위치 전수조사를 바탕으로 CCTV 제원(감시거리, 화각, 주감시방향 등)을 통해 GIS DB로 구축하였다. 둘째, CCTV의 효율적인 활용을 위해서는 시스템 자체의 특성에 맞는 환경조건을 구현하기 위한 카메라의 제원으로 간단하게 공간상에서 가시권 영역에 대해 도식화 알고리즘을 제시하였다.
- 본 연구에서는 시범지역의 CCTV 위치, 주감시방향, 감시거리, 최대감시거리, Tele mode 화각, Wide mode 화각 등 CCTV 제원정보를 전소조사 하여 알고리즘 적용을 위한 기본 요소를 DB화 하였다. 조사된 CCTV제원 정보를 기초로 하여 도식화 기법을 기반으로 공간정보에서 매핑할 수 있도록, GIS 공통 포맷인 Shp, Kml 파일로 제공될 수 있는 자동 매핑 알고리즘 제안하였다.
- 현장조사를 통해서 CCTV의 위치를 측정하고, 해당 위치의 주소와 방향각, 설치높이를 확인하였다. 또한, CCTV의 제조사 및 모델명을 확인하여 실내 작업에 필요한 기반 자료를 마련하였다.
대상 데이터
- 그중 Table. 1과 같이 조사 양식을 바탕으로 4명의 조사인원이 약 3주의 현장조사와 약 1주의 실내 작업을 통해 총 422대의 CCTV 정보를 수집 정리하였다.
- CCTV 정보를 매핑 및 분석하여 적절성을 검토하기 위해 전국 지자체 시군구 중에서 수도권인 서울특별시 서초구의 CCTV가 설치된 곳을 대상으로 제원정보를 조사 수집하였다. 서초구청은 ‘스마트 안전도시 랜드마크’라는 비전으로 2007년 서초 25시 센터를 구축하였다.
- 서울특별시 서초구 관내의 반포동, 방배동, 서초동, 우면동, 잠원동에 대하여 전수조사 양식을 바탕으로 286개의 CCTV에 대한 공간정보 구축을 위해 Fig. 1과 같이 CCTV의 제원정보를 속성정보로 구축하였다. 속성으로는 CCTV명, 설치 장소명, 설치목적, 설치연도, CCTV제조사, 모델명, 주감시 방향, 좌표, 높이 등이 포함되어 있다.
- 또한, CCTV의 제조사 및 모델명을 확인하여 실내 작업에 필요한 기반 자료를 마련하였다. 실내 작업을 통해서는 현장조사를 통해 얻은 자료를 기반으로 현장에서 얻을 수 없는 데이터를 수집하였다. 이는 CCTV의 모델명으로부터 카메라의 화각정보와 초점거리를 확인하고, 초점거리로부터 감시거리 및 최대감시거리를 계산하는데 필요한 정보로 활용된다.
성능/효과
- 2㎡이다. 이 때 중첩된 면적 즉, CCTV의 중복 면적은 1,290.9㎡으로 약 11% 중복되어 있음을 확인할 수 있다. 또한, 화면 내에 포함된 CCTV 대수는 12대 이며 그 중 중복된 CCTV는 총 5대이다.
- 중복성 레이어를 기반으로 총 감시면적 대비 중첩된 면적을 분석하여 CCTV 감시 범위 중복율을 확인할 수 있으며, 이를 통해 CCTV 설치 적정성 평가가 가능하다. 이렇게 검토된 중복율을 통해 중복된 면적에 해당하는 CCTV를 확인하고, 밀집된 정도를 파악하여 CCTV 설치 위치의 이동 및 제거를 권고하고, CCTV 설치가 미흡한 지역에 대해서는 신규 설치를 권장하는 방안을 마련할 수 있을 것으로 사료된다.
후속연구
- 이는 CCTV 설치의 부재가 아니라 정보가 조사되지 않은 지역으로 판단되며, CCTV 설치 중복성 검토 및 적절성 평가에 대한 정확한 결과가 도출되긴 어려울 것으로 사료된다. 다만, 조사된 지역에 대하여 시범 적용하여 분석함으로써 가능성을 확인하고 보완하여, 향후 보다 정확한 결과물을 도출 할 수 있는 기반이 될 것으로 판단된다.
- 본 논문에서 제시한 바와 같이 정확한 CCTV 제원의 전수조사가 수행되면 개발된 CCTV제원 자동 매핑 알고리즘에 대입하여 전국 16개 시도, 236개 시군구에 산재되어 있는 CCTV를 공간정보 기반으로 지도에 표출하여 보다 효율적으로 운영·관리 할 수 있는 가이드라인 정립이 가능할 것으로 기대된다. 또한, GIS DB구축을 통해 설치 목적별 분류체계 정립 및 중복성 검토로 CCTV 설치 적정성 평가방안을 수립하여 CCTV 설치 현황을 파악하고, CCTV의 효율적인 배치와 위치 선정을 위한 기준 마련에 기초자료로 활용 가능할 것이며, 기존 노후화되거나 사양이 낮은 CCTV의 단계적 교체 및 개선사업 도움이 될 것으로 판단된다. 향후, 본 연구에서 제시한 공간정보기반의 CCTV 자동 매핑 알고리즘을 기반으로 실제 시설물(건물 등)에 대한 폴리곤을 제거하는 부분을 추가하여 CCTV 최적배치 시스템 개발에 대한 연구가 필요한 것으로 판단된다.
- 본 논문에서 제시한 바와 같이 정확한 CCTV 제원의 전수조사가 수행되면 개발된 CCTV제원 자동 매핑 알고리즘에 대입하여 전국 16개 시도, 236개 시군구에 산재되어 있는 CCTV를 공간정보 기반으로 지도에 표출하여 보다 효율적으로 운영·관리 할 수 있는 가이드라인 정립이 가능할 것으로 기대된다.
- 셋째, CCTV의 제원을 평면상에 최대·최소 감시폭, 주감시 방향, Zoom 기반 표준·망원거리 등을 도식화함으로서 CCTV의 면적, 주방향, 감시대수, 영역 등의 중복률 분석을 통해 향후, CCTV 최적설치 위치를 선정하는 근거자료로 활용이 가능할 것이다.
- 중복성 레이어를 기반으로 총 감시면적 대비 중첩된 면적을 분석하여 CCTV 감시 범위 중복율을 확인할 수 있으며, 이를 통해 CCTV 설치 적정성 평가가 가능하다. 이렇게 검토된 중복율을 통해 중복된 면적에 해당하는 CCTV를 확인하고, 밀집된 정도를 파악하여 CCTV 설치 위치의 이동 및 제거를 권고하고, CCTV 설치가 미흡한 지역에 대해서는 신규 설치를 권장하는 방안을 마련할 수 있을 것으로 사료된다.
- 또한, GIS DB구축을 통해 설치 목적별 분류체계 정립 및 중복성 검토로 CCTV 설치 적정성 평가방안을 수립하여 CCTV 설치 현황을 파악하고, CCTV의 효율적인 배치와 위치 선정을 위한 기준 마련에 기초자료로 활용 가능할 것이며, 기존 노후화되거나 사양이 낮은 CCTV의 단계적 교체 및 개선사업 도움이 될 것으로 판단된다. 향후, 본 연구에서 제시한 공간정보기반의 CCTV 자동 매핑 알고리즘을 기반으로 실제 시설물(건물 등)에 대한 폴리곤을 제거하는 부분을 추가하여 CCTV 최적배치 시스템 개발에 대한 연구가 필요한 것으로 판단된다.
- 따라서 CCTV 전수조사 시 확실한 프로세스를 통하여 데이터 정보의 오차범위를 줄이는 것이 가장 중요하며 우선시 되어야 할 사항이다. 향후, 자동 매핑 알고리즘을 기반으로 한 CCTV 중복성 검토 부분에서 실제 시설물(건물 등)에 대한 폴리곤을 제거하는 부분을 추가하여 정확한 감시거리 및 최대감시거리 면적 산출을 할 수 있도록 연구를 개선하도록 하겠다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.