스트릿뷰 데이터를 이용한 OSM 자동 강화 프레임워크 제안 연구

다국어 초록 (Multilingual Abstract)

OpenStreetMap (OSM) is an open-source geospatial database widely utilized in a broad range of research and application domains.
However, due to its reliance on voluntary user contributions, OSM data often exhibits spatial and temporal inconsistencies, particularly in its reflection of urban building-level metadata. The absence of detailed semantic attributes—such as building names and commercial functions—poses practical limitations for fine-grained urban analysis, simulation, and digital twin applications. To address these challenges, this study proposes a modular framework that automatically enriches OSM building attributes using street-level imagery from commercial map services. The system determines optimal locations and parameters for Street View API calls based on building geometry and road vectors, detects signage through object detection models,extracts text using optical character recognition (OCR), and
classifies semantic attributes with the assistance of a large language model (LLM). The framework is designed to be flexible, allowing users to interchange vision, OCR, and classification components based on local conditions or research goals. Although comprehensive experiments are reserved for future work, the proposed framework is expected to enhance the semantic completeness and geographic fidelity of OSM data. Its extensibility and automation potential offer a promising tool for next-generation urban data augmentation pipelines.

목차 (Table of Contents)

• 제1장 서론 1
• 제1절 배경 및 동기 1
• 제2절 문제 정의 4
• 제3절 연구 목표 5
• 제4절 연구 기여 7
• 제2장 관련 연구 9
• 제1절 OSM 증강 방법 9
• 1. 위성 영상 기법 9
• 2. LiDAR 기반 추출 10
• 3. 스트릿뷰 플랫폼 11
• 제2절 도시 분석에서의 컴퓨터 비전 12
• 1. 간판 감지 모델 13
• 2. OCR 기술 13
• 제3절 의미론적 태깅 및 LLM 활용 15
• 1. 편의시설 태깅을 위한 텍스트 분류 15
• 2. 모듈형 API 통합 16
• 제4절 기존 방법의 한계 17
• 1. 지역별 커버리지 격차 18
• 2. 불규칙한 업데이트 주기 20
• 3. 하드웨어 및 비용 제약 21
• 제3장 제안된 프레임워크 23
• 제1절 시스템 개요 23
• 제2절 데이터 수집 및 전처리 26
• 1. OSM 데이터 수집 26
• 2. OSM 파싱 27
• 3. 스트릿뷰 API 28
• 4. 스트릿뷰 데이터 수집 30
• 제3절 모듈 설계 32
• 1. 간판 감지 모듈 32
• 2. OCR 모듈 33
• 3. LLM 분류 모듈 35
• 4. OSM 데이터 강화 36
• 제4장 방법 및 실험 계획 38
• 제1절 실험 개요 및 목표 38
• 제2절 실험 환경 및 도구 39
• 제3절 실험 절차 41
• 제4절 평가 지표 및 시나리오 설계 43
• 1. 성능 평가 지표 43
• 2. 실험 시나리오 설계 45
• 3. 정성적 평가 항목 46
• 제5장 논의 및 결론 48
• 제1절 프레임워크 설계 논의 48
• 제2절 장점 및 한계점 49
• 제3절 결론 52
• 참 고 문 헌 53
• ABSTRACT 56