본 프로젝트는 건축 및 환경 변화가 도시 범죄 위험에 어떻게 영향을 미치는지 예측하고 분석하기 위해 설계된 메타버스 기반 플랫폼인 Urban Safety Simulator를 제안합니다. 이 시뮬레이터는 실제 도시 이미지와 범죄 데이터셋을 기반으로 학습된 AI 모델인 DevianceNet을 기반으로 공간적 맥락 전반에 걸친 일탈 위험 점수를 예측합니다. DevianceNet을 3D 메타버스 엔진(예: Unreal Engine 또는 Unity)과 통합함으로써, 시뮬레이터는 다양한 환경 조건에서 잠재적인 범죄 취약 지역을 실시간으로 상호작용하며 시각화 할 수 있습니다. 사용자는 조명, 건물 외관, 거리 구성과 같은 디자인 매개변수를 수정하여 CPTED(환경 설계를 통한 범죄 예방) 원칙의 효과를 정량적으로 평가할 수 있습니다. 또한, 도시 계획자와 시공사, 거주예정자를 위한 데이터 기반 실험 환경을 통해 설계 개입의 안전성 영향을 가상환경에서 평가할 수 있습니다. 궁극적으로, 우리의 프레임워크는 도시 공학, 사회 과학, 인공지능을 통합하고 AI 지원 아래 스마트 시티 구축과 안전 관리를 위한 새로운 패러다임 개발에 기여할 수 있습니다.