본 연구는 머신러닝의 기법이 도시 형태를 분석 및 추론하는 복잡한 과정에 적용 되었을 때, 도시 공간의 변화를 감지하고 분석하며 예측 할 수 있는 가능성을 사례 연구의 근거를 통해 제시하고자 한다. 사례 연구는 미국 보스톤의 메인 스트리트를 대상으로 도시 형태를 분석하는 과정에 머신러닝의 기법을 적용 실험하여 그 효용성을 예증했던 2006년의 선행 연구의 결과를 2016년 도시 형태와 현상을 비교 재해석하여, 10년간의 변화를 도시적 관점, 정보 환경의 관점, 기술적 관점에서 분석하고 이에 유효한 도시모니터링의 시사점을 도출했다. 먼저, 다중 참여형 정보 수집의 플랫폼이 열리면서 대용량 데이터를 실시간으로 수집할 수 있는 기술적으로 가능해졌다. 로봇이나 드론 등 인공지능이 탑재된 기계들을 사용하여 도시 정보를 취득하고 개입할 수 있는 가능성과 신산업의 요구에 맞추어 도시 정보 체계를 바꿀 수 있는 가능성이 열려있다. 결론적으로, 현 도시의 당면 문제에 집중하고 각 지역의 특성에 맞는 모니터링 전략을 세우는 것이 중요하며, 국내에서는 최근 도시 재생의 관점이 강조되고 있으므로 그 실천적인 연구가 필요하다.

This study explores potential capability of a machine learning approach for monitoring urban morphology based on an evident case study. The case study conveys year 2006 investigations on interpreting urban morphology of Boston Main Streets by applying a machine learning approach. From the lesson of the precedent study, in 2016, another field research and interview was conducted to compare changes in urban situation, data commons culture, and technology innovation during the decade. This paper describes open possibilities to advance urban monitoring for morphological changes. Most of all, a multi-participatory data platform enables managing urban data system in real time. Second, collaboration with machines with artificial intelligence can intervene the framework of the urban management system as well as transform it through new demands of innovative industries. Recently, urban regeneration became a dominant urban planning strategy in Korean, therefore, urban monitoring is on demand. It is timely important to correspond to in-situ problems based on empirical research.