2026 중앙대 C.O.R.E. 학술제 참가신청서

소주제: 고령화시대, 도시 인프라의 재설계 · 단독 참가 김채영(20226217)

2026 중앙대 C.O.R.E. 학술제 참가신청서

소주제 고령화시대, 도시 인프라의 재설계

연구 제목 거리뷰 위험점수의 정직성 진단과 추론예산 제약 하 능동감사 — 소형 VLM 거리뷰 진단의 누출통제 평가 프레임워크

소형 VLM의 거리뷰 위험점수가 객관 안전시설과 얼마나 정합하는지를 비순환·누출통제로 평가하고, 정직성 프로브로 그 한계를 드러내는 연구다. 작동을 주장하기보다, 엄밀한 음성·진단 결과(VLM 점수가 객관 시설과 불일치, GNN 전파가 단순 기준선에 패배)를 정직하게 보고하고, 그 위에서 '추론예산 제약 하 능동감사(active audit) 표본 선정'과 '객관 보행속도 규칙 기반 노인 재조준'을 설계한다. 전 과정을 무인증 공개데이터(비용 0)로 수행한다.

1. 배경·문제의식

고령 인구 증가로 보행 중 사고·이동 제약이 커지지만, 가로 환경의 노인 위험도는 현장 답사 위주라 도시 전역을 빠르게 진단하기 어렵다. 자동 진단의 가능성과 함께 그 신뢰성을 먼저 검증해야 한다.
기존 보행성 평가는 일반 보행자 기준이 많다. 노인 특화는 미검증 'VLM 페르소나'가 아니라 객관 보행속도 규칙(한음 2020, 0.73~0.85 m/s) 같은 검증 가능한 기준으로 반영해야 한다.
실질적 사각지대는 '모든 횡단보도에 사진이 없다'가 아니다. 한국 Google 스트리트뷰는 군사보안 등으로 차량 커버리지가 없고, Naver/Kakao 로드뷰는 간선을 전수 촬영하지만 차량이 진입하지 못하는 골목(서울 S-Map 기준 약 14,699개)이 상용 로드뷰의 구조적 사각지대로 남는다 → 이 사각지대를 제한된 추론예산으로 어떻게 감사할지가 과제다.

2. 연구 목표·연구질문

목표 소형 VLM 거리뷰 위험점수의 정직성을 누출통제로 평가하고, 그 한계 위에서 객관 보행속도 규칙 기반 노인 재조준과 추론예산 제약 하 능동감사 표본 선정을 설계한다.

RQ1. 소형 VLM 거리뷰 위험점수는 객관 안전시설(OSM 시설 태그)과 정합하는가? (진단 결과: 이진 AUROC 0.43 < 0.5로 객관 시설과 불일치. 근거가 템플릿화되고, 페르소나 경계 효과 Δ+0.77(p=0.063)가 관찰됨. 단, 표본 41라벨로 통계력이 부족해 모델 우열 판단은 보류.)
RQ2. 고신뢰 진단을 유사라벨로 도로망 그래프에 전파하면 단순 기준선을 이기는가? (진단 결과: 전파가 피처 기준선·전역 평균에 패배 — 구조적 한계. 따라서 GNN을 '라벨 채우기'가 아니라 추론예산 제약 하 능동감사 표본 선정으로 재정의함. 미구현, 진행 예정.)
RQ3. 검증 가능한 객관 프록시(OSM 시설 태그)는 노인 보행 안전의 참조로 얼마나 적절한가? (OSM은 크라우드소싱이라 희소하며 태그 부재가 시설 부재를 뜻하지 않음 → 노이즈 있는 참조임을 인정하고 다중 프록시로 보완. 검증 단계, 진행 예정.)

3. 방법 — 평가 프레임워크 + 진단 + 재조준

무인증 공개데이터
(OSM·SV·WorldPop)

→

1단 VLM 추론
거리뷰 위험점수

→

누출통제 평가
+ 정직성 프로브

→

진단 결과
(음성·구조적 한계)

→

재조준 설계
능동감사·속도규칙

1단 — VLM 진단(추론). Qwen2.5-VL-3B(4bit 양자화)를 RTX4060 로컬에서 구동. 거리뷰 사진에서 위험점수·위험요인·근거·신뢰도를 구조화 JSON으로 출력한다. ※ 사전학습 모델을 프롬프트로 쓰는 추론이며 학습이 아니다. 페르소나 프롬프트 자체는 신규성이 아니다(Dai 2026, arXiv 2601.03534 선행). 미검증 VLM 점수는 정비 권고에 직접 쓰지 않는다.

평가 — 비순환·누출통제 + 정직성 프로브. VLM 점수를 객관 안전시설(OSM 시설 태그)과 대조하되, 라벨 누출을 차단한 비순환 설계로 평가한다. 근거 템플릿화·페르소나 경계 효과 등을 정직성 프로브로 측정한다.

2단 — GNN(자기지도 학습) 재정의. 1단 유사라벨을 도로망 그래프(교차로=노드, 도로=엣지)에 단순 전파하는 방식은 진단에서 단순 기준선에 패배했다(구조적 한계). 따라서 GNN을 '라벨 채우기'가 아니라 추론예산 제약 하 능동감사(active audit) 표본 선정(acquisition)으로 재정의한다 — 한정된 거리뷰/현장 점검 예산을 어디에 쓸지 고르는 용도. ※ '자기지도/학습'은 이 2단 GNN에만 해당한다. (미구현, 진행 예정)

노인 재조준. 노인 특화는 미검증 VLM 페르소나가 아니라 객관 보행속도 규칙(한음 2020, 0.73~0.85 m/s)으로 적용해 신호 연동·횡단 가능성을 규칙 기반으로 평가한다.

데이터(전부 무인증 공개데이터, 비용 0). OSM 횡단보도 전국 19,437개 중 4개 구 1,054개 분석대상, Google 스트리트뷰 Static API 무료티어 약 4,216장, WorldPop 노인 인구 래스터 → 취약지수.

설정 가정(측정값 아님): 보행속도 규칙은 한음(2020) 0.73~0.85 m/s를 참조한 객관 기준이며, 신뢰도 임계값 0.8은 분석을 위해 설정한 가정이다. 객관 프록시(OSM 시설 태그)는 크라우드소싱이라 희소하며 태그 부재가 시설 부재를 뜻하지 않는 노이즈 있는 참조임을 인정한다.

4. 신규성·기여

기여 1 — 평가 프레임워크 소형 VLM 거리뷰 위험점수에 대한 비순환·누출통제 평가와 정직성 프로브 프레임워크. 페르소나 프롬프트나 VLM×GNN 결합 자체를 신규성으로 주장하지 않는다(페르소나는 Dai 2026, arXiv 2601.03534 선행).
기여 2 — 엄밀한 음성·진단 결과 소형 VLM 거리뷰 위험점수가 객관 안전시설과 불일치(이진 AUROC 0.43 < 0.5), 근거 템플릿화, 페르소나 경계 효과 Δ+0.77(p=0.063), 유사라벨 전파가 피처 기준선·전역 평균에 패배(구조적). 표본 41라벨로 통계력이 부족해 모델 우열은 보류한다.
기여 3 — 작동조건 규정 + 재조준 위 한계를 근거로 노인 특화를 객관 보행속도 규칙으로, GNN을 추론예산 제약 하 능동감사 표본 선정으로 재조준한다.

5. 기대효과

소형 VLM 거리뷰 진단의 신뢰성을 누출통제로 검증하는 재사용 가능한 평가·프로브 프레임워크 → 미검증 위험점수를 정비 권고에 직접 쓰는 위험을 차단.
무인증 공개데이터·로컬 GPU 기반으로 비용 0, 재현 가능 → 음성 결과까지 정직하게 재현·반증 가능.
한계가 확인된 영역에서 추론예산 제약 하 능동감사로 한정된 점검 자원을 우선 배분하고, 객관 보행속도 규칙으로 노인 형평성을 반영하는 의사결정을 지원.

안전판: 본 연구의 발표 가능한 기여는 작동 주장이 아니라 평가 프레임워크 + 정직한 음성·진단 결과 + 작동조건 규정/재조준이다. 미검증 VLM 점수는 정비 권고에 직접 사용하지 않는다.

6. 추진 일정

단계	내용	상태
데이터	무인증 공개데이터 수집·전처리 파이프라인	완료
전처리	시맨틱 세그멘테이션 로컬(RTX4060) 검증	완료
1단 PoC	VLM 노인 페르소나 진단 — 소수 샘플 구조화 JSON 출력 형식 작동 확인(단일 샘플 예시, 정확도 미입증·대규모 정량 검증 아님)	완료
1단 확대	VLM 진단 1,054개 대상 확대	계획
2단 GNN	유사라벨 전파 음성 결과 확인 후, 추론예산 제약 하 능동감사 표본 선정으로 재정의·구현	계획
검증	객관 시설 프록시 대조·정직성 프로브·노인 보행속도 규칙 적용 검증	계획
산출	평가·프로브 프레임워크 + 정직성 진단 리포트(능동감사 우선순위 포함)	계획

병행 활동: 14일 자율학습 로드맵 진행. 1차 자율학습은 Day1~6 범위 완료(학습/추론 차이 이해·파이썬 기초[변수·리스트·딕셔너리·함수·반복문]·Colab 환경 띄우기·신경망 직관 시청·VLM 개념·프롬프트 실습·1단 VLM 코드 정독). Day7 이후(구조화 출력·임계값·그래프 자료구조·GNN·유사라벨 자기지도·디버깅·통합 리뷰)는 아직 진행하지 않음 = 진행 예정/목표.

7. 팀 구성·역할 (단독 참가)

이름	소속	학번	역할
김채영	중앙대 공과대학 건축학부 4학년	20226217	데이터 · 1단 VLM · 2단 GNN · 검증 · 문서 전 과정

구분	내용
지도/튜터	[ ]
제출일	[ ]
회차/접수번호	[ ]
서명	[ ]