스마트시티 정책 분석을 위한 프로비넌스 프레임워크

초록

본 논문은 사물인터넷(IoT) 기반 데이터와 정책 수립 전 과정을 프로비넌스(데이터·프로세스 이력)로 기록·분석하여, 스마트시티 정책의 투명성, 책임성 및 향후 의사결정 지원을 목표로 하는 프레임워크를 제안한다. 모델‑구동 엔지니어링과 CRISTAL 기반 기술을 활용해 정책 사이클 전 단계의 입력·출력·이해관계자를 체계적으로 추적하고, 이를 정책 분석에 활용하는 방법을 사례(대기오염 정책)로 설명한다.

상세 분석

이 연구는 스마트시티 정책 수립을 ‘문제 인식 → 의제 설정 → 분석 → 협상·결정 → 구현 → 평가’의 6단계 순환 모델로 정의하고, 각 단계마다 발생하는 데이터 흐름과 이해관계자 행위를 프로비넌스 객체로 캡처한다. 특히 IoT 센서가 제공하는 실시간 환경 데이터, 교통·차량 등록 정보 등 이질적인 데이터 소스를 메타데이터와 함께 저장함으로써 ‘누가, 언제, 왜, 어떻게’ 데이터를 활용했는지를 명시한다. 저자는 모델‑구동 엔지니어링(MDE) 접근을 채택해 정책 프로세스 모델을 DSL(도메인 특화 언어)로 정의하고, CRISTAL의 description‑driven 아키텍처를 이용해 프로비넌스 스키마를 동적으로 확장한다. 이는 정책 변경 시 기존 이력과 연관성을 자동으로 유지하게 하여, 정책 실패 원인 분석이나 재설계 시 근거 기반의 추론을 가능하게 한다.

프로비넌스 정보는 단순 감사 로그를 넘어, 데이터 마이닝·기계학습 기반 ‘정책 분석(Policy Analytics)’에 활용된다. 예를 들어, 대기오염 사례에서는 센서 데이터와 교통량 데이터를 연계해 원인‑효과 관계를 모델링하고, 이해관계자 의견(설문·소셜 미디어)과 정책 결정 과정을 연결함으로써 가치‑기반 분석과 의견 충돌 해소를 지원한다. 또한, 정책 실행 단계에서 구현 지표(예: 차량 재배치 비율)와 평가 지표(대기질 개선 정도)를 프로비넌스에 기록해, 정책 효과를 정량·정성적으로 추적한다.

보안·프라이버시 문제는 범위 외로 명시했지만, 프로비넌스 저장소에 대한 접근 제어와 데이터 익명화 방안을 향후 연구 과제로 제시한다. 전체적으로 이 프레임워크는 스마트시티 정책의 복합성, 다중 이해관계자, 이질적 데이터 통합 문제를 메타데이터 기반 추적과 모델‑구동 자동화로 해결하려는 시도로, 정책 투명성 강화와 증거 기반 의사결정 지원에 기여한다.