AI 기반 캠퍼스-도시 경계 공간 분석 및 최적화 모델: 한국과 미국 대학 비교 연구 = AI-Based Campus-Urban Boundary Space Analysis and Optimization Model: A Comparative Study of Korean and American Universities

국문 초록 (Abstract)

본 연구는 AI 기술을 활용하여 한국과 미국 도시 캠퍼스 및 인접 지역 간 전이 공간의 특성을 분석하고, 이를 기반으로 공간 최적화 모델을 제안한다. 컴퓨터 비전 기반 이미지 분석과 머신러닝 알고리즘을 통해 캠퍼스 경계 공간의 물리적 특성을 자동으로 식별하고 개방성 지수를 정량화하였다. 고려대학교, 연세대학교(한국), 펜실베니아 대학교, 하버드 대학교(미국)를 대상으로 한 실증 분석 결과, 한국 캠퍼스는 물리적 경계(벽 체계)의 명확성으로 인해 낮은 평균 개방성 지수(0.32)를 보인 반면, 미국 캠퍼스는 점진적 전환 구조를 반영하여 높은 평균 개방성 지수(0.78)를 나타냈다. 이를 토대로 강화학습 기반 공간 최적화 모델을 개발하여, 한국 캠퍼스의 개방성 향상을 위한 디자인 가이드라인을 도출하였다.

다국어 초록 (Multilingual Abstract)

This study investigates transition spaces between urban campuses and their adjacent communities in Korea and the United States through an AI-driven analytical and optimization framework. Employing computer vision-based image analysis alongside machine learning algorithms, the physical characteristics of campus boundary spaces were automatically identified and their openness indices quantitatively assessed. Empirical evaluations conducted on Korea University and Yonsei University in Korea, as well as the University of Pennsylvania and Harvard University in the United States, revealed that Korean campuses exhibit relatively low openness indices (mean 0.32) attributed to distinct physical boundary systems, whereas American campuses demonstrate higher openness indices (mean 0.78) characterized by gradual transitional structures. Building upon these findings, a reinforcement learning-based spatial optimization model was developed to derive design guidelines aimed at enhancing campus openness in the Korean context