통합 시각화를 위한 3D 도시 모델 시각화 기법 온톨로지

초록

본 논문은 의미가 부여된 3D 도시 모델에 다양한 데이터 집합을 동시에 시각화하기 위한 최적의 시각화 기법을 선택하도록 지원하는 프레임워크를 제안한다. 이를 위해 3D 시각화 기법을 개념화한 온톨로지를 구축하고, 데이터 특성, 작업 목표, 컨텍스트 정보를 온톨로지에 매핑하여 기법 매칭 과정을 자동화한다.

상세 분석

이 연구는 3D 도시 모델이 단순한 기하학적 표현을 넘어, 교통량, 대기오염, 인구통계 등 다양한 시맨틱 데이터를 포함하게 되면서 발생하는 시각화 복합성 문제를 해결하고자 한다. 기존 연구들은 주로 개별 데이터 유형에 맞는 시각화 기법을 제시했지만, 다중 데이터와 다중 작업을 동시에 고려하는 통합 접근법은 부족했다. 저자들은 이러한 격차를 메우기 위해 온톨로지 기반의 메타모델을 설계하였다.

첫 번째 단계는 시각화 기법을 ‘시각화 요소(색, 투명도, 형태 등)’, ‘표현 방식(히트맵, 등고선, 라벨링 등)’, ‘제한 조건(시점, 해상도, 사용자 전문성 등)’으로 계층화한 개념 스키마를 정의하는 것이다. 두 번째 단계에서는 데이터 속성을 ‘정량/정성’, ‘공간/시간 차원’, ‘스케일’, ‘불확실성 수준’ 등으로 분류하고, 작업 목표를 ‘탐색, 비교, 의사결정, 감시’ 등으로 구분한다. 세 번째 단계는 컨텍스트 정보를 ‘디스플레이 환경(데스크톱, AR/VR), 사용자 역할(시민, 정책입안자), 정책적 제약(법규, 프라이버시)’ 등으로 모델링한다.

이 세 축(데이터, 작업, 컨텍스트)을 온톨로지에 매핑함으로써, 주어진 시각화 요구사항을 입력하면 논리 추론 엔진이 가능한 시각화 기법 집합을 도출한다. 특히, OWL(DL) 기반의 서술과 SPARQL 질의문을 활용해 기법 간 상호보완성(예: 색상과 투명도를 조합)과 충돌(예: 동일 공간에 겹치는 레이어)도 자동으로 감지한다.

실험에서는 교통 흐름과 대기오염 데이터를 동시에 시각화해야 하는 도시 교통 정책 시나리오를 대상으로 프레임워크를 적용하였다. 결과는 기존 수작업 선택 방식에 비해 시각화 품질(가시성, 인지 부하)과 의사결정 효율성이 23% 이상 향상되었으며, 온톨로지 확장성을 검증하기 위해 새로운 데이터 유형(소음 레벨)과 새로운 작업(시뮬레이션 결과 비교)을 추가했을 때도 재학습 없이 바로 매칭이 가능함을 보여준다.

이 논문의 핵심 기여는 (1) 3D 시각화 기법을 체계적으로 정형화한 온톨로지 모델, (2) 데이터·작업·컨텍스트를 통합적으로 고려한 매칭 메커니즘, (3) 온톨로지 기반 자동 추론을 통한 시각화 충돌 방지 및 최적 기법 제안이다. 또한, 온톨로지 자체가 개방형 표준(OWL)으로 구현돼 다른 GIS/3D 플랫폼과 연동 가능하다는 점에서 실용성이 높다. 향후 연구에서는 실시간 스트리밍 데이터와 사용자 피드백을 반영한 동적 온톨로지 업데이트, 그리고 머신러닝 기반 선호도 모델과의 하이브리드 접근법을 탐색할 여지가 있다.