스마트시 정책 주기 추적을 위한 모델 기반 프로비넌스 프레임워크

초록

본 논문은 스마트시 정책 수립 과정의 모든 단계와 작업을 메타모델로 정의하고, 모델‑드리븐 접근과 네트워크 기반 워크플로우를 결합한 정책 주기 프로비넌스(PCP) 프레임워크를 제안한다. 프레임워크는 상호작용, 정책 사이클 이니시에이터, 프로비넌스 분석, 기록 네 층으로 구성되어 정책 데이터의 출처, 흐름, 이해관계자를 자동으로 캡처한다.

상세 분석

이 연구는 정책 수립이 복합적이고 순환적인 프로세스임을 강조하며, 기존 연구에서는 프로비넌스가 시뮬레이션이나 증거 수집 단계에만 적용돼 정책 자체의 흐름을 추적하지 못한다는 한계를 지적한다. 이를 해결하기 위해 저자들은 네 가지 핵심 관찰을 도출한다. 첫째, 각 단계의 작업 순서는 고정되지 않으며, 이전 단계로의 루프가 빈번히 발생한다. 둘째, 정책마다 요구되는 데이터와 절차가 다르므로 프레임워크는 높은 적응성을 가져야 한다. 셋째, 시민·전문가·기관 등 다양한 이해관계자가 참여하는데, 참여 형태가 단계마다 불균형하게 나타난다. 넷째, 동일 작업이 여러 부서에 의해 수행될 수 있어 데이터 거버넌스와 보안 문제가 발생한다.

이러한 관찰을 바탕으로 저자들은 메타‑모델(정책 주기 메타‑모델)과 메타‑메타‑모델을 설계한다. 메타‑모델은 ‘의제 설정’, ‘사전 분석’, ‘정책 창출’, ‘실행’, ‘모니터링’ 다섯 단계와 각 단계별 작업 리스트(문제 식별, 검증, 계획 수립 등)를 정의한다. 메타‑메타‑모델은 작업 간 의존성, 순환 규칙, 이해관계자 연결 규칙을 기술한다. 모델‑드리븐 접근을 통해 정책 흐름이 변경되면 메타‑모델만 수정하면 자동으로 시스템 전체에 반영된다, 즉 재사용성과 동적 확장이 가능하다.

워크플로우 구현 측면에서는 전통적인 정적 워크플로우 엔진이 정책의 동적 특성을 수용하지 못한다는 점을 지적하고, 컴퓨터 네트워킹의 IP 패킷 스위칭 개념을 차용한 ‘네트워크 기반 워크플로우’ 설계를 제안한다. 각 작업은 노드, 흐름은 패킷 라우팅처럼 동적으로 연결되며, 이해관계자 간의 분산 환경에서도 실시간으로 프로비넌스 데이터를 전송·수집한다.

프레임워크 구조는 네 계층으로 나뉜다. ① Interaction Layer는 사용자 입력·외부 시스템 데이터를 수집한다. ② Policy Cycle Initiator는 입력을 정책 단계와 작업에 매핑하고, 메타‑모델에 따라 흐름을 생성한다. ③ Provenance Analysis Layer는 생성된 흐름을 검증·제약 조건(예: 실행 순서, 참여자 권한)과 대조한다. ④ Provenance Recorder Layer는 모든 이벤트(who, what, when, where, why)를 표준화된 프로비넌스 레코드로 저장한다. 이 계층화는 변경 관리와 확장을 용이하게 만든다.

현재 논문은 설계와 개념 검증에 머무르고 구현·평가는 향후 연구로 남겨두었다. 그러나 제안된 모델‑드리븐·네트워크 기반 접근은 정책 수립 전 과정의 투명성, 책임성, 데이터 품질을 크게 향상시킬 잠재력을 가진다.