SDC Lab은 지역의
데이터를 만들고,
AI로 공간 대안
을 제시합니다.
공간 × 데이터 × AI로 지역의 미래를 재정의합니다.
Paradigm Shift
지역과 공간계획의 새로운 방향을 모색합니다
시대 전환
- 확장에서 재편으로
• 고성장 시대 종식, 인구 감소·기후 위기·공간 노후화가 핵심 의제로 부상 • 조경은 미적 디자인을 넘어, 도시·환경·사회 문제를 해결하는 실천적 역할 요구
기술 결합
- AI × 도메인 지식
• Street View, 위성 영상, 경로 최적화 등 분석 기술이 공개·상용화 • 수목·지형·경관을 해석하는 조경 도메인 지식과 AI·데이터 결합 시 차별성 발생
증거 기반 실무
- 관행에서 검증으로
모호한 직관이나 관습적인 계획에서 벗어납니다. 시뮬레이션과 데이터 분석을 통해 예측 가능한 결과를 도출하고, 정책과 설계의 타당성을 객관적 수치로 증명하는 과학적 조경을 지향합니다.
연구 분야
What We Study
Accessibility & Equity
문제의식
기존 공원 접근성 연구는 '공원'만 봅니다. 그러나 도시민이 실제로 이용하는 녹지는 하천변, 가로수길, 학교 운동장, 아파트 단지 내 녹지까지 포함합니다. 공원만 측정하면 녹지 형평성의 절반만 보는 것입니다.
SDC Lab 접근
- •공원 + 비공원 녹지 통합 평가 체계 구축
- •NDVI 위성영상 + 토지피복도 결합으로 실제 녹지 추출
- •G2SFCA(Gaussian-based 2-Step Floating Catchment Area)로 인구집단별·이동수단별 접근성 차이 정밀 측정
- •환경정의 프레임워크와 결합하여 정책 우선순위 도출
차별점
접근성 '측정'에서 끝나지 않습니다. 누가 소외되었는지, 왜 그런지, 어디에 투자해야 하는지— 정책 근거가 되는 데이터를 생산합니다.
AI for Spatial Analysis
문제의식
도시 환경을 분석하려면 현장 조사가 필요합니다. 그러나 서울시 전체 가로환경을 사람이 직접 평가하는 것은 불가능합니다. 위성영상은 위에서만 보고, 현장감이 없습니다.
SDC Lab 접근
- •Google Street View 이미지 Semantic Segmentation으로 녹시율, 보행환경, 가로수 현황 자동 추출
- •Deep Learning 기반 도시 녹지 품질 예측 모델 개발
- •Multi-objective Route Optimization으로 "가장 녹색인 경로" vs "가장 빠른 경로" 비교 분석
- •VQA(Visual Question Answering)로 이미지에 직접 질의하는 공간 분석 파이프라인 구축
차별점
범용 이미지 분석이 아니라 조경의 질문에 맞춘 분석 체계를 설계합니다. "녹지가 얼마나 있는가"가 아니라 "이 녹지가 누구에게 어떤 의미인가"를 묻습니다.
Community & Rural Planning
문제의식
농촌공간재구조화법 시행으로 모든 시·군이 농촌공간계획을 수립해야 합니다. 그러나 계획 수립의 근거가 되는 데이터가 부족합니다. 주민이 어디서 무엇을 불편해하는지, 어떤 시설이 접근성 사각지대인지 파악하기 어렵습니다.
SDC Lab 접근
- •정주만족도 조사 설계 및 공간 데이터화
- •생활서비스 시설 접근성 분석 (의료, 교육, 상업)
- •마을 단위 인구 변화 시뮬레이션
- •주민참여 워크숍 데이터의 GIS 시각화
- •축소 설계(Shrinking Design) 시나리오 개발
차별점
"주민 의견 수렴"에서 끝나지 않습니다. 의견을 데이터로 변환하고, 공간 분석과 결합하여 실행 가능한 계획안을 도출합니다. 계획서가 아니라 의사결정 지원 시스템을 만듭니다.
AI-NATIVE WORKFLOW
우리는 AI와 함께 생각하고, 설계하고, 검증합니다.
Collaborating with AI Agents
기존 연구 방식의 한계
대부분의 공간·도시 연구는 여전히 분석, 시각화, 해석, 설계가 분절된 상태로 수행됩니다. GIS, 통계, 보고서가 서로 단절되어 연구의 맥락과 판단 근거가 개인의 머릿속에만 남는 한계를 극복해야 합니다.
AI 네이티브 연구 환경
SDC Lab은 AI를 단순한 도구가 아니라 연구의 동반자(Agent)로 설정합니다. 연구 질문 정제부터 데이터 수집, 분석, 시각화까지의 전 과정을 하나의 에이전틱 워크플로(Agentic Workflow)로 연결하여 수행합니다.
유기적인 도구의 통합
Obsidian으로 지식 그래프를 구축하고, Claude Code와 Gemini로 분석 코드를 자동화하며, Prism으로 의사결정용 시각화를 구현합니다. 각 도구는 독립적이지 않으며, 에이전트가 역할을 분담해 협업하는 구조로 작동합니다.
분석을 넘어선 의사결정 시스템
우리의 목표는 단순한 분석 결과 제시가 아닙니다. 분석에서 해석, 선택, 우선순위 설정까지 이어지는 '공간 의사결정 지원 시스템'을 구축하여, 지속 가능한 연구 인프라를 제공합니다.
에이전틱 워크플로를 구현하는 도구들
Obsidian
Knowledge Graph
연구 노트, 문헌 리뷰, 개념 간 관계를 지식 그래프로 구조화하여 연구의 맥락을 시각적으로 관리합니다.
Claude Code
AI Agent
코드 생성, 데이터 분석, 문서 작성까지 연구 전 과정을 지원하는 AI 에이전트로 워크플로를 자동화합니다.
Prism
Data Visualization
공간 데이터와 분석 결과를 인터랙티브 시각화로 변환하여 의사결정을 지원하는 대시보드를 구축합니다.
Nano Banana
Image Generation
연구 다이어그램, 개념도, 시각 자료를 AI로 생성하여 논문과 발표 자료의 품질을 높입니다.