도시 공동체의 실제 사용 방식은 위에서 설계한 계획과 자주 어긋난다. 연구진이 말하는 비공식 행동은 주민 활동과 공간의 원래 계획 사이에서 생기는 충돌을 가리키며, 이를 일관된 지표로 측정하기는 어렵다. Hongye Yang 등 연구진은 거리 영상에서 비공식 행동 정도를 감지하고 정량화하는 머신러닝 모델 CommuniWave를 제안했다. 논문은 2026년 7월 9일 arXiv에 제출됐고 ASCAAD 2024에서 발표된 연구다.
CommuniWave는 세 구성 요소를 결합한다. mmaction2 기반 행동 포착 네트워크가 영상 속 활동을 읽고, 연구진이 개발한 YOLOv10 모델 YLX가 필요한 대상을 탐지한다. 이어 랜덤 포리스트를 사용하는 행동 평가 모델이 비공식 행동 정도를 산출한다. 최종 출력은 거리 영상 시간 흐름에 따른 지표의 변동 차트다.
연구진은 이 차트가 도시 관리자가 공동체의 변화를 동적으로 관찰하고 더 세밀한 결정을 내리는 데 도움을 줄 수 있다고 본다. 일회성 조사나 계획자의 직관에만 의존하지 않고 실제 공간에서 나타나는 행동을 연속적으로 관찰한다는 점이 특징이다. 도시 기능을 조정해 복잡성과 불확실성에 대한 지역 회복력을 높인다는 목표도 제시한다.
그러나 초록에는 데이터 규모, 정확도, 지역별 검증 수치가 제시되지 않았다. 영상 기반 감시는 사생활과 동의, 특정 행동을 비공식으로 규정하는 기준의 편향을 동반할 수 있다. 탐지 결과가 곧 도시 정책의 정당한 근거가 되는 것도 아니다. 이미 발표된 연구이지만 실제 도입 전에는 지역 주민 참여, 개인정보 보호, 오분류의 영향과 문화권별 기준 차이를 함께 검토해야 한다.
원문: arXiv 2607.08554
