[2026 SUMMER DEV] 서울시 열섬 완화를 위한 AI 기반 녹지 분석 프로젝트 ‘SEOULution’, ECOLUTION팀

프로젝트 소개

ECOLUTION팀은 서울시 열섬현상을 해결하기 위해, 필요한 녹지 면적을 AI를 활용해 분석한 “SEOULution” 프로젝트를 진행했습니다!

팀원 소개

ECOLUTION팀은 AI 은교님, AI 준서님으로 구성되어 있습니다.

인터뷰

Q. 프로젝트를 소개해주세요!

은교 : 서울루션(설루션)은 도시 열섬현상 (도시에서 열이 갇혀 빠져나오지 못하고, 더위를 가중화하는 현상)을 하나의 문제점으로 잡고, 녹지가 열섬현상을 완화시킬 수 있는지 확인하고 목표 온도 달성을 위해 녹지가 얼마나 필요한지 분석하는 프로젝트 입니다.

국내에서 열섬현상이 가장 심한 서울시를 배경으로 하며 다양한 공공데이터와 통계적 방법을 사용해서 프로젝트를 완성했습니다.

• Statistical Verification (통계적 검증): 상관분석을 진행하여 지표면 온도와 식생 지수의 상관관계를 분석하여 녹지의 열섬 완화 효과를 검증하였습니다.
• Target Area Selection (우선 구역 선정): 자치구 별로 사회·환경 변수를 ‘녹지 필요도’에 따라 Natural Breaks 기법을 통해 1~7 단계로 분할 후 종합적으로 고려하여 녹지 분석을 진행할 구역을 선정하였습니다.
• Deep Learning Quantification (딥러닝 기반 면적 계산): U-Net, DeepLabV3+, SegFormer 모델을 사용하여 선정 구역 내 녹지인 픽셀을 분할하고, 해상도를 기준으로 현재 녹지 면적을 계산하였습니다. (U-Net mIoU = 0.8725)
• Regression-based Estimation (회귀 기반 녹지 면적 추정): 지형 조건 변수를 기반으로 GWR 회귀식을 구축하여 목표 지표면 온도 달성 시 얼만큼의 녹지 면적이 필요한지 계산하였습니다. (R² = 0.84)

Q. 프로젝트 하면서 어떤 문제를 겪었나요?

준서 : 처음 AI를 접하다 보니 인공지능이 잘하는 일은 무엇이고 못하는 일은 무엇인지 정확히 알지 못하는 상황이었습니다. 이는 프로젝트의 주제를 선정하는 과정에서 가장 큰 어려움이 되었지만, 팀원과 멘토분들간의 적극적인 소통으로 이를 해결했습니다.

첫번째로 겪은 문제는 방대한 데이터 용량과 촬영 범위의 한계였습니다.

저희는 서울의 항공 사진에서 녹지가 얼마나 있는지를 분석해 서울시의 전체 녹지 면적을 계산하고자 했습니다. 하지만 항공 사진은 높은 해상도로 데이터 용량의 부족 문제가 있었습니다. 또한 동일한 시간대를 기준으로 서울시 전체에 해당하는 항공 사진이 없었습니다. 이를 해결하기 위해 먼저 계획을 변경했습니다. 해상도는 더 낮지만 위의 문제들을 해결 가능한 위성 사진을 이용해 대략적으로 서울시에서 녹지가 부족한 자치구를 선정한 후에 해당 자치구의 항공 사진을 통해 녹지 면적을 계산하는 방식으로 문제를 해결했습니다.

두번째로는 항공 사진의 위치 데이터 부재였습니다.

자치구의 항공 사진으로 녹지 면적을 분석하기 위해 다운 받은 항공 사진에는 위치 데이터 정보가 없었고, 그 결과로 용산구에는 지표면 온도, 불투수 면적, 폭염일 수, NDVI(정규 식생 지수) 등의 데이터들까지 모두 반영되지 않는 문제가 발생했습니다.

이때는 이 문제를 어떻게 해결할지 정말 막막해서 두손 두발 다 들고 있었는데요. 그러던 중 Github에서 저와 같은 문제로 골머리를 겪은 개발자분이 올려주신 해결 방안이 있었습니다. 항공 사진에는 위치 정보를 암시하는 코드가 있는데 이를 위치 데이터로 자동으로 변환하는 코드 덕분에 문제를 해결할 수 있게 되었고 다시 한번 정보 공유의 가치와 네트워크의 중요성을 깨닫게 되었습니다.

세번째로는 데이터간의 가중치 기준의 모호성이였습니다.

저희는 서울시 자치구를 대상으로 지표면 온도가 1도 떨어진다고 가정 했을 때 얼마정도의 녹지면적이 필요한지 추정하고자 했습니다. 이를 위해 지표면 온도에 영향을 주는 1.농경지/초지면적 2.산림/가로수 면적 3.불투수면적 4.수계와의 거리 5. 지형 고도 데이터를 수집했습니다.

하지만 어떤 요인이 지표면 온도에 어느정도의 가중치를 주는지 모르기 때문에 다중선형회귀분석과 GWR(공간데이터분석)을 진행해야 했습니다. 분석시에는 많은 표본이 필요하기에 서울시 전체를 약 5000개 정도의 동일한 격자로 자르고 각 격자에 앞서 말한 5가지의 데이터를 넣어 분석을 진행하여 데이터 간의 가중치를 설정하게 되었습니다.

이러한 과정을 통해 이론으로만 배웠던 다중선형회귀분석을 실제로 적용해본 점과 일반적인 데이터가 아닌 공간 데이터이기에 그에 맞는 분석(GWR)을 연계하여 문제를 해결해본 경험이 이번 프로젝트에서 가장 많이 배우고 공부했던 내용이었습니다.

Q. 프로젝트를 하기 전 후 달라진 점이 있다면?

준서 : 사실 AI를 개발하거나 만들어내는 역량은 아직도 많이 부족하다고 생각합니다. 그렇지만 이번 프로젝트를 진행하면서 컴퓨터 비전 분야를 공부하게 되었는데 AI가 이미지를 입력하고 출력하는 방법과 그 흐름을 알게 되었습니다.

또한 항공 사진의 무거운 데이터와 공공 데이터의 서로 다른 형태로 존재하는 데이터들을 하나의 기준을 가지고 결과를 도출해내는 과정을 통해 어떤 방식으로 진행해야 프로젝트가 원활히 진행되는지 어느 정도 감을 잡게 된 것 같습니다!

Q. 프로젝트를 시작하는 팀에게 전해줄 꿀팁을 말해주세요!

은교 : 데이터/AI 프로젝트를 기획부터 시작하는 게 처음이었기 때문에 주제를 선정하는 데 굉장히 어려움을 많이 겪었던 것 같습니다. 사실 아직도 AI 공부를 어떻게 하는지 잘 모릅니다… 하지만 제가 생각하는 좋은 방법은 일단 하고 싶은 연구나 프로젝트를 먼저 생각하고, 그 다음에 어떻게 구현할 수 있을지 생각해 보는 게 괜찮은 방법이라는 생각이 듭니다.

레퍼런스도 찾아보고, LLM한테 질문도 해 보고, 어떤 식으로 프로젝트 방향이 흘러가야 하는지 계속 점검하다 보면 어느 순간 꽤 괜찮은 프로젝트로 완성이 되어 있더라고요. 제가 생각했을 때 이제는 LLM을 쓰냐 안 쓰냐가 실력의 차이를 가르는 게 아니라, 본인이 기획한 프로젝트를 얼마나 설명할 수 있는지 + 실제로 구현할 수 있는지가 진짜 실력을 만들 수 있다고 생각합니다.

그렇기 때문에 어떤 사람이라도 어떤 분야든 간에 도전하기가 정말 쉬워진 것 같다는 생각이 들어요. 원하는 프로젝트가 있다면 기획 틀을 먼저 잡고 어떤 방법론으로 만들 수 있을지 고민하며 프로젝트를 완성해 나가시는 걸 추천드립니다. 화이팅!!

Q. Summer Dev 프로젝트에서 개발자로 참여한 경험을 설명해 주세요. 어떤 역할을 맡았고, 주요 기술 스택은 어떻게 구성되었나요?

은교 : 이번 프로젝트에서는 논리 연결을 위해 데이터를 수집하는 과정이 많아서 다양한 공공데이터를 수집하고 가공해서 프로젝트를 완성시켰습니다. 위성 데이터를 활용해보고 싶었는데 GEE를 사용해서 간단하게 데이터를 저장하고 학습에 사용할 수 있었습니다.

또한 pytorch 기반으로 U-Net, DeeplabV3+, SegFormer 같은 모델 학습을 진행하였고 각 모델의 결과를 비교하는 과정을 거쳤습니다. (엘리스랩의 GPU 지원이 있었기 때문에 단기간에 이러한 결과물을 뽑아낼 수 있었습니다. ㅠㅠ)

회귀분석을 할 때 모든 변수가 독립적이라는 가정 하에 진행을 해야 하는데 지리공간 상의 데이터이기 때문에 실제로 그 가정이 성립할 수 없었습니다.

따라서 GWR(Geographically Weighted Regression)방법으로 사용했고 OLS로 진행했을 때보다 독립성, 설명력 측면에서 개선하는 것에 성공했습니다.

Q. 본인 팀만의 특별한 협업 방식이 있나요? 있다면 소개해 주세요.

준서 : 저희 팀은 노션과 슬랙을 주 협업 도구로 사용했습니다! 프로젝트를 하면서 진행했던 팀 회의와 자신이 맡은 파트에서의 작업물을 노션을 통해 공유하고 기록하였습니다.

또한 프로젝트의 초안과 개요, 필요한 공공데이터와 논문 조사 , 모델 관련 페이지도 각각 나누어서 저장해 나중에라도 필요한 정보는 바로바로 볼 수 있게 정리했습니다. 저희는 슬랙을 통해 주로 의견을 주고 받았는데 서로 조금이라도 궁금하거나 공유할 자료가 있다면 바로바로 연락을 하기로 약속했습니다!

소통 또한 프로젝트에서 중요한 부분이라고 생각해서 최대한 연락은 빠르게 보고 서로 피드백이 필요한 부분은 서슴없이 말하면서 의견을 적극적이고 협조적으로 조율해가면서 프로젝트를 진행했습니다!

지금까지 서울시 열섬 완화를 위한 AI 기반 녹지 분석 프로젝트 “SEOULution”을 진행한 ECOLUTION팀이었습니다!