탄탄한

거버넌스가

안전한 삶을

이끈다

스마트시티의 위험 요인은 매우 광범위하지만 일반적으로 각종 자연·사회 재난 및 범죄 등의 물리적 위험이 공통으로 제시된다. 물리적 위험은 눈에 보이며 각종 최신 인프라와 방대한 데이터를 통해 스마트시티의 위험 대응 역량을 입증할 수 있기 때문이다. 스마트시티의 안전 전략에서 제시되는 스마트시티 안전서비스의 핵심 요소는 두 가지로 제시할 수 있다.

첫째, 위험 요인에 대한 데이터를 수집이다. 스마트시티는 사전에 위험 요인을 탐지하고 실시간으로 위험 상황을 모니터링하여 대응할 수 있다. 기존에는 모니터링 방법이 CCTV에 한정되었다면, 최근에는 사물인터넷 및 센싱 기술 등 다양한 형태로 위험 요소를 확인할 수 있는 디지털 기술이 등장하고 있다. 해당 기술로 축적한 데이터는 각종 위험 상황에 쉽게 대응할 수 있게 돕는다. 둘째, 통합플랫폼 구축이다. 스마트시티 구축에 공통적으로 제안되는 통합플랫폼은 다양한 정보시스템과 수집된 데이터를 효과적으로 활용할 수 있는 두뇌 역할을 한다. 코로나19 팬데믹 방역 대응 통합플랫폼이 대표적인 예시다. 코로나19 역학조사 지원시스템은 스마트시티 데이터 허브 플랫폼을 통해 공공 및 민간기관의 정보를 취득하여 확진자의 동선을 파악해 효과적인 방역 대응에 기여했다.

최근 재난 및 안전사고의 유형이 복합적이고 다변화되면서, 이에 대응하는 스마트시티의 안전서비스의 역할도 증대되고 있다. 도시의 위험 요인은 대부분 지역적 요소(인구통계학적 특성, 지리적 특성, 문화적 특성 등)에 기반하기 때문에, 각 스마트시티에 적합한 안전서비스를 구축하려면 지역 스마트시티 정책을 수립하는 지방자치단체(이하 지자체)의 역할이 중요하다.

스마트시티 안전서비스의 현황은 각 지자체가 수립한 지역 스마트시티 계획의 안전서비스 구축 내용을 통해 확인할 수 있다. 이 칼럼에서는 지역 스마트시티 계획 내의 안전서비스에 대한 분석을 진행한 서형준·명승환(2023)의 ‘지역 스마트시티 계획의 스마트시티 안전서비스 분석: 토픽모델링 분석을 중심으로’의 분석 내용을 일부 제시하고자 한다. 해당 연구는 2017년 이후 수립된 광역시 4개와 시·군 21개 지자체의 스마트시티 계획에서 안전서비스 152개를 추출하여, 토픽모델링(Topic modeling)의 Latent Dirichlet Allocation(LDA) 방법론을 적용하여 안전서비스의 유형에 대한 주제 분류를 진행했다. 토픽모델링 LDA는 말뭉치(Corpus)에 대한 생성 확률 모델을 의미하며, 특정 주제로 분류된 단어를 중심으로 연구자가 명칭을 부여하게 된다(Blei et al., 2003). 토픽모델링 LDA를 활용한 주제 분류 결과 [표 1]과 같이 152개 지역 스마트시티 안전서비스를 10가지 주제로 분류했다.

주제-1은 ‘독거노인 모니터링 서비스’로, 동작인식 센서, 음성인식 기기 등을 활용하여 독거노인의 위급상황을 파악하여 알림을 전파하거나, ICT를 통해 투약관리 및 치매운동, 취약지역에 대한 원격진료 등 건강관리 서비스를 제공하게 된다. 주제-2는 ‘스마트 횡단보도’로, 스마트 기술을 활용하여 횡단보도에서 차량운전자 및 보행자에게 즉각적으로 알림을 제공하여 사고를 예방하게 된다. 주제-3은 ‘스마트 소화전’으로, 소화전에 사물인터넷 센서, 경광등, 스피커 등을 활용하여 소화전의 유지보수를 원격으로 관리하고, 불법주정차 지역에 설치되어 불법주정차 차량을 감지 및 경고 방송을 하게 된다. 주제-4는 ‘스마트 가로등’으로, 도로, 보행로 등에 설치하여 사람 및 차량 등 주변 사물의 움직임을 감지하고 원격 혹은 자동으로 조도를 조정하여 방범 기능을 수행한다.

주제-5는 ‘위치정보 기반 안심서비스’로, 사회적 약자(어린이, 여성, 노인 등) 등에게 무선통신기술을 적용한 웨어러블기기를 제공하거나 통학차량 등에 해당 기술을 설치하여, 보호자에게 위치정보를 제공하게 된다. 주제-6은 ‘통합 재난알림 서비스’로, 위급상황에 대한 신속한 전파를 목적으로 하며, 도시통합운영센터와 같은 도시 내 위험요소에 대한 데이터를 총괄하는 플랫폼 기반에 구축되어야 한다. 주제-7은 ‘화재 감지 서비스’로, 화재 발생을 센서 및 영상 등을 통해 확인하고, 화재 경보 및 관계기관 등에 상황을 전파하게 된다. 주제-8은 ‘드론 기반 서비스’로, 드론을 통해 직접적으로 인력 투입이 어려운 장소 혹은 위치에 접근하여, 상시 혹은 24시간 실시간으로 영상을 전송하여 각종 위험 요인에 대응한다. 주제-9는 ‘데이터 기반 분석 체계’로, 축적된 도시의 위험 요인을 인공지능 등 데이터 분석기술을 통하여 탐지 및 예측하고, 이에 따른 선제 대응을 가능케 한다. 주제-10은 ‘지능형 CCTV’로, 고해상도 영상을 지원하고, 행동분석 및 음성인식이 가능한 딥러닝을 활용하여, 위험 발생 시 즉각 관계기관에 정보를 제공하게 된다.

주제 분류를 종합하면 지능형 CCTV, 스마트 횡단보도, 독거노인 모니터링 서비스 등의 순서로 비중이 높게 나타났고, 데이터 기반 분석체계가 가장 낮은 비중을 차지하는 것으로 확인되었다. 지능형 CCTV는 높은 범용성을 기반으로 재난 및 범죄는 물론 생활 이슈에도 대응할 수 있고, 다른 스마트시티 서비스와의 연계성이 높아 큰 비중을 보이고 있다. 한편 데이터 기반 분석 체계는 가장 낮은 비중을 보이고 있는데, 데이터의 중요성에도 불구하고 시민이 체감하기 어려워 대외적으로 드러나는 서비스 형태가 아니기 때문에 상대적으로 미비한 것으로 판단된다.

지역 스마트시티 안전서비스의 주제 분류에 따른 정책 시사점은 다음과 같이 제시할 수 있다.

첫째, 스마트시티 안전서비스 유형을 다양화할 필요가 있다. 지역 스마트시티 계획 내 안전서비스 현황을 검토한 결과 위험 인지 및 감지와 관련된 서비스의 구축이 상당수를 차지고 있는데, 특정 유형의 편중은 안전에 대한 관점을 협소하게 할 수 있다. 그리고 위험 인지 및 감지 기술은 직접적으로 안전을 보장하는 기술이 아니라는 점을 주지해야 한다.

둘째, 스마트시티 위험 요인에 대한 개념을 확대해야 한다. 스마트시티 안전서비스가 고려하는 위험 요인은 대체로 자연재난, 사회재난, 방범 등 물리적 위험에 집중되고 있다. 하지만 적대집단 및 관리 미비로 인한 정보보안 문제와 스마트시티 구축에 따른 정보격차와 빈부격차의 고착화 등도 고려할 필요가 있다. 정보보안 문제의 경우 외부 스마트시티의 연결성으로 인해 적대집단의 공격목표가 되거나 스마트시티 운영(지자체 및 서비스 관리자)측의 고의 및 비고의로 인한 개인 프라이버시 침해 문제 등을 제기 할 수 있다. 그리고 스마트시티의 인프라 및 서비스를 향유하기 어려운 소외계층을 중심으로 정보격차와 불평등이 증대되고, 결과적으로 사회통합을 저해하는 갈등을 유발할 수 있다.

셋째, 통합 데이터 분석체계를 마련해야 한다. 안전한 스마트시티를 구축하기 위해서는 데이터 분석에 기반한 의사결정이 이루어져야 한다. 그래야 기존의 위험 요인에 대한 효과적인 대응은 물론 잠재적인 위험에 대한 대비가 가능하기 때문이다. 현재 안전서비스의 상당수는 CCTV, 사물인터넷 등을 통한 데이터의 수집 및 축적 단계는 두드러지나 데이터의 분석 및 활용 체계는 미흡한 것으로 확인된다. 스마트시티 정책의 주관부처인 국토교통부를 통해서 도시 통합플랫폼 체계 구축이 확대되고 있으나, 인프라 구축 외에도 이를 활용하는 지자체 공무원들의 데이터 기반 도시 행정에 대한 역량 및 인식의 제고도 필요하다.

스마트시티 안전서비스는 도시의 지속가능성을 위한 핵심 인프라로써, 향후에도 최신 기술을 접목한 새로운 안전서비스의 등장이 예견되고 있다. 하지만 안전서비스가 제 기능을 발휘하기 위해서는 공급자인 지자체와 수혜자인 시민 간에 도시 위험이슈 및 안전서비스에 대한 공감대가 필요하기 때문에, 리빙랩(Livinglab)과 같은 스마트시티의 거버넌스 모델을 활용해야 한다.