스마트시티 정책 분석을 위한 프로비넌스 프레임워크

본 논문은 급격히 진행되는 도시화와 그에 따른 사회·환경·인프라 압박을 해결하기 위해 ‘스마트시티’ 개념이 도입되는 배경을 설명한다. 스마트시티는 ICT, 특히 사물인터넷(IoT) 기술을 활용해 시민 삶의 질을 향상시키고 지속 가능한 도시 운영을 목표로 하지만, 이를 실현하려면 기존의 일방적·상향식 정책 수립 방식이 한계에 부딪힌다. 정책 수립 과정은 문제 인식, 의제 설정, 분석, 협상·결정, 구현, 평가의 6단계로 구성되며, 각 단계마다 다양한 데이터와 이해관계자가 참여한다. 현재는 이러한 복잡한 프로세스를 전체적으로 추적·기록하는 시스템이 부재해 정책의 투명성·책임성이 저하되고, 향후 정책 설계에 필요한 교훈을 체계적으로 축적하지 못한다는 문제점을 지적한다. 이에 저자들은 정책 사이클 전 단계의 프로비넌스(데이터·프로세스 이력)를 자동으로 수집·관리하는 프레임워크를 제안한다. 핵심 기술로는 모델‑구동 엔지니어링(MDE)과 CRISTAL이라는 description‑driven 메타모델링 시스템을 활용한다. MDE를 통해 정책 프로세스를 DSL(도메인 특화 언어)로 모델링하고, 각 단계의 입력·출력·작업·참여자를 메타데이터 형태로 정의한다. CRISTAL은 이러한 메타데이터를 기반으로 동적으로 프로비넌스 스키마를 생성·확장하며, 데이터베이스에 이력을 저장한다. 결과적으로 정책 입안자는 언제, 누가, 어떤 데이터를 어떤 방법으로 활용했는지를 검증 가능하게 확인할 수 있다. 프레임워크의 적용 가능성을 보여주기 위해 ‘대기오염(탄소일산화물·질소산화물) 모니터링’ 사례를 제시한다. 대기질 센서 데이터, 교통량 데이터, 차량 등록 정보 등을 수집하고, 분석 단계에서 통계·머신러닝 기법을 적용한다. 이때 사용된 데이터 소스, 분석 알고리즘, 이해관계자 의견(시민 설문·전문가 인터뷰) 등을 모두 프로비넌스에 기록한다. 분석 결과는 정책 입안자에게 전달되고, 협상·결정 단계에서 제시된 대안(예: 교통 흐름 재조정)과 그 근거가 프로비넌스에 남는다. 정책이 실행된 후에는 구현 지표(예: 재배치된 차량 비율)와 평가 지표(대기질 개선 정도)를 지속적으로 모니터링하고, 이 역시 이력으로 저장한다. 프로비넌스 데이터는 단순 감사 로그를 넘어 정책 분석(Policy Analytics)에 활용된다. 데이터 마이닝·기계학습을 적용해 정책 성공·실패 요인을 도출하고, 가치‑기반 분석을 통해 이해관계자 간 의견 충돌을 조정한다. 또한, 시민 참여 과정에서 제시된 의견이 어떻게 정책에 반영됐는지를 투명하게 보여줌으로써 공공 거버넌스의 신뢰성을 높인다. 보안·프라이버시 측면은 현재 연구 범위에서 제외했지만, 향후 접근 제어·데이터 익명화 기법을 도입해 프로비넌스 저장소의 안전성을 강화할 계획이다. 결론에서는 제안된 프레임워크가 스마트시티 정책 전 과정의 투명성·책임성을 확보하고, 증거 기반 의사결정과 지속 가능한 정책 개선에 기여할 수 있음을 강조한다. 향후 연구 과제로는 프레임워크의 실증 평가, 다양한 도시 분야(교통, 폐기물, 보건 등) 적용, 그리고 보안·프라이버시 강화 방안을 제시한다.