도시 인공지능(Urban AI)

Urban AI의 정의

도시 인공지능은 도시에서 생성되는 데이터를 AI로 분석하는 기술이다.

교통, 에너지, 방재, 행정 같은 도시문제를 데이터 기반으로 해결한다.

시험에서는 정의, 활용방안, 도입 과제를 함께 묻는 경우가 많다.

핵심 키워드는 스마트시티, 빅데이터, 예측 분석, 알고리즘 편향이다.

3계층 구성과 순환

구성은 데이터 계층, 모델 계층, 응용 계층의 3단으로 나누어 본다.

데이터 계층은 도시 자료를 모으고, 모델 계층은 이를 예측과 분류 결과로 바꾼다.

응용 계층은 그 결과를 교통신호 제어나 재난 대응 같은 서비스에 적용한다.

감지, 분석, 판단, 제어가 순환하고, 결과가 다시 쌓여 모델을 갱신한다.

예시: 적응형 신호 계산

교차로 하나의 평균 대기 차량 수를 가상의 값으로 계산해 본다.

고정 주기 신호는 40대, 적응형 신호를 적용하면 30대로 줄어든다.

감소율은 (고정 − 적응형) ÷ 고정 × 100으로 구한다.

40과 30을 대입하면 (40 − 30) ÷ 40 × 100이 된다.

정답 확인과 모델·시스템 구분

정답은 25%다. 적응형 신호로 대기 차량이 25% 줄어든 셈이다.

헷갈리기 쉬운 점은 모델과 시스템을 구분하는 것이다.

모델은 계산 구조와 매개변수이고, 시스템은 입력 처리, 데이터베이스, 화면, 규칙까지 포함한다.

그래서 모델 정확도와 서비스 전체의 신뢰성·안전성은 따로 평가해야 한다.

시험 포인트와 도입 과제

정답은 생략하면 안 된다. 모델 정확도와 서비스 평가는 별개다.

도시 AI의 당면 과제는 개인정보 보호, 알고리즘 편향, 설명가능성이다.

개인정보는 영상·위치 자료 수집에서, 편향은 과거 자료의 편중에서 생긴다.

책임 소재와 시민 참여도 제도 과제로 함께 적어야 한다.

핵심 정리

도시 인공지능은 데이터를 AI로 분석해 도시 문제를 푸는 기술 체계다.

구성은 데이터·모델·응용 계층이며, 감지, 분석, 판단, 제어가 순환한다.

활용 사례와 그 사례별 과제를 짝지어 쓰면 점수가 높다.

모델 정확도와 서비스 전체의 신뢰성은 별도로 평가한다.