PlayPendium

Street Drop · 생각의 양식

표지판에서 장소를 읽다

이 게임은 거리 사진을 대신해, 어떤 장소가 지도 위 어디에 자리하는지를 좁혀 주는 정제된 환경 단서 묶음을 내놓음으로써 위치 맞히기 장르를 새로 설계합니다.

영어로 집필하고 편집했습니다. 이 한국어 판은 기계 번역으로 만들어졌으며, 정확성이 중요한 경우에는 영어 원문이 기준이 됩니다. 영어 원문 읽기 →

장르의 핵심 발상

위치 맞히기 장르는 플레이어에게 여러 실마리로부터 어떤 장소가 세계 지도 위 어디에 있는지 추론한 다음, 그 자리를 핀으로 찍으라고 요구합니다. 각 라운드는 하나의 장소를 제시하고, 플레이어는 핀을 놓아 자신의 추측을 나타냅니다. 점수는 핀이 실제 위치에 얼마나 가까운지에 달려 있어, 가까울수록 더 많은 점수를 주고 완벽하게 맞히면 최고점을 줍니다. 이 구조는 관찰과 가설과 되먹임의 순환을 만들어 내며, 그것이 지리 게임이라는 넓은 갈래를 규정해 왔습니다. 이 장르는 2013년 5월, 스웨덴의 IT 컨설턴트 Anton Wallén이 브라우저 기반 게임 하나를 내놓으면서 생겨났고, 그 게임이 갈래 전체에 이름을 주었습니다. 그 게임 GeoGuessr는 한 판에 최대 5,000점짜리 라운드를 다섯 번 진행하며, 플레이어가 실마리를 살펴 지도 위 한 지점을 짚고 실제 위치에 얼마나 가까운지로 점수를 매기는 방식을 자리 잡게 했습니다. 1

Street Drop은 장소를 추론하고 핀을 찍는다는 핵심 순환은 지키되 어떤 실마리를 쓸 수 있는지를 바꾼, 이 장르의 친척 게임으로 들어섭니다. 거리 높이의 사진이나 파노라마 장면 대신, 각 라운드는 “What you can see”(여러분이 볼 수 있는 것)라는 제목 아래 일반화된 환경 단서를 짧은 글로 적은 조서를 플레이어에게 건넵니다. 단서는 차량이 도로의 어느 쪽으로 다니는지, 반구, 기후, 식생, 표지판에 쓰인 언어, 건축, 통화를 그 순서대로 알려 줍니다. 플레이어는 그것을 읽고 평평한 세계 지도를 클릭해 핀을 놓은 뒤, 떨어뜨려 답을 확정합니다. 핀이 가까울수록 점수는 높아집니다. 그 구조는 장르의 토대와 같습니다. 장소를 실마리에서 추론해 지도 위에 짚고, 실제 지점과의 가까움으로 점수를 매기는 것입니다. 이 게임이 직접 추린 예순한 개 도시의 데이터 집합이 이 추론을 이끄는 단서를 제공합니다. 2

이 재설계를 남다르게 만드는 것은 단서의 추상화입니다. 그림자나 잎사귀나 표지판 문자를 해석해야 하는 시각적 세부를 내놓는 대신, 게임은 환경의 특징을 요약한 정돈된 항목 묶음을 제공합니다. 한 항목은 표지판에 나타나는 언어를 알려 줍니다. 다른 항목은 차량이 왼쪽으로 다니는지 오른쪽으로 다니는지를 말합니다. 세 번째 항목은 그 위치를 북반구와 남반구 가운데 한쪽에 놓습니다. 나머지 네 항목은 기후와 식생과 건축과 통화를 알려 줍니다. 이 일곱 개의 짧은 구절이 게임이 어떤 장소에 대해 아는 전부이며, 플레이어는 그것들을 종합해 지리적 가설을 세워야 합니다. 2

장르는 단순한 질문 하나를 던집니다. 이 장소는 지도 위 어디에 자리하는가?

라운드의 구조

각 라운드는 게임이 직접 추린 데이터 집합에서 목표 하나를 고르는 것으로 시작합니다. 쉰 개 나라에 흩어진 예순한 개의 실제 도시로, 저마다 대략적인 위도와 경도, 그리고 일반화된 환경 단서 묶음이 함께 저장되어 있습니다. 그 선택은 결정론적입니다. 작은 시드 기반 생성기가 하나의 수를 그 목록의 하나의 색인으로 바꾸므로, 같은 시드는 언제나 같은 도시를 내놓습니다. 일일 모드에서 그 시드는 협정 세계시 기준 달력 날짜의 해시이며, 덕분에 그날의 드롭은 모든 플레이어에게 똑같습니다. 연습 모드는 대신 시계에서 시드를 얻고 새로 드롭할 때마다 시드를 넘기므로, 연습 라운드는 다른 누구의 라운드도 아닙니다. 2

두 가지 난도 설정이 그 조서 가운데 얼마만큼을 플레이어가 보게 되는지, 그리고 시계가 돌아가는지를 결정합니다. 게임이 Classic(클래식)이라 이름 붙인 설정은 일곱 개 단서를 모두 보여 주고 시간 제한이 없습니다. Speed(스피드)라 붙인 설정은 앞의 네 개, 곧 통행 방향과 반구와 기후와 식생만 보여 주고 플레이어에게 30초를 줍니다. 표지판 언어와 건축과 통화는 아예 감춰집니다. Speed는 최종 점수에 1.25를 곱해 그 대가를 갚아 줍니다. 어느 설정도 핀을 놓는다는 핵심 구조는 바꾸지 않습니다. 넘겨짚기 쉽지만 틀린 생각은 라운드가 흘러가면서 단서가 조금씩 새어 나온다는 것입니다. 설정이 허락하는 단서는 라운드가 시작되는 순간 한꺼번에 모두 찍혀 나오므로, 고정된 단서 순서가 정하는 것은 Speed가 어떤 단서를 남기는지와 그것들이 나열되는 차례이지 단서가 도착하는 속도가 아닙니다. 2

플레이어가 핀을 떨어뜨리고 나면, 게임은 반지름 6,371킬로미터의 구 위에서 하버사인 공식으로 추측과 목표 사이의 대권 거리를 계산합니다. 그 거리는 지수적 감쇠를 통해 점수로 바뀝니다. 5천에, e를 거리를 2천 킬로미터로 나눈 값의 음수만큼 거듭제곱한 값을 곱한 뒤 정수로 반올림합니다. 따라서 Classic에서 완벽한 핀은 5,000점이고, Speed에서는 1.25라는 배수가 완벽한 핀을 6,250점까지 올려놓습니다. 어느 쪽이든 결과는 맞고 틀림의 이분법이 아니라 등급이 매겨진 것이며, 게임은 그 두 반쪽, 곧 킬로미터 단위의 거리와 점수를 모두 알려 줍니다. 2

게임이 여러분에게 줄 모든 단서는, 단 한 번의 추측도 하기 전에 이미 화면에 다 나와 있습니다.

지리적 여과기로서의 단서

일곱 개의 단서 항목은 그럴듯한 위치의 범위를 좁히는 여과기 노릇을 하지만, 그 예리함은 결코 고르지 않습니다. 그중 가장 강력한 것은 표지판 언어입니다. 예순한 개 항목에 마흔 가지 표지판 설명이 흩어져 있고 그중 서른한 가지는 딱 한 번만 나타나므로, 아이슬란드어나 태국어나 암하라어라고 적힌 단서는 도시를 단번에 특정해 버립니다. 통행 방향은 세상을 반으로 가를 것처럼 보이지만 그렇지 않습니다. 예순한 개 도시 가운데 열아홉 개가 좌측통행이고 마흔두 개가 우측통행이므로, 차량이 오른쪽으로 다닌다는 더 흔한 대답을 들어도 후보는 열아홉 개, 전체의 3분의 1이 채 안 되는 만큼만 줄어듭니다. 게다가 이것은 가장 먼저 나열되는 단서, 플레이어가 출발점으로 삼아야 하는 단서입니다. 2

반구 단서는 행성을 적도에서 가르는데, 이것도 같은 쪽으로 기울어 있습니다. 예순한 개 도시 가운데 마흔아홉 개가 적도 북쪽에 있고 남쪽에는 열두 개뿐이어서, ‘북반구’는 후보의 약 5분의 1을 지우는 반면 ‘남반구’는 약 5분의 4를 지우며 단연 뽑을 가치가 큰 대답입니다. 기후와 식생과 건축 단서는 위도와 지역에 따라 띠를 이루어 모이는 조건들을 묘사함으로써 구체성을 더합니다. 열대 기후는 적도 가까이에 몰리는 반면 대륙성 기후와 아북극 기후는 더 높은 위도를 차지하고, 식생은 기후를 따르며, 건축 양식은 지역의 건축 전통을 반영합니다. 통화 단서는 위치를 한 나라의 화폐 제도에 묶어 주지만 들리는 것보다는 뭉툭합니다. 유로 하나만으로도 예순한 개 도시 가운데 열 개가 묶이기 때문입니다. 2

단서는 서로 어우러질 때 가장 큰 힘을 냅니다. 차량이 왼쪽으로 다니고 그 위치가 남반구에 있다는 말을 들은 플레이어는 이미 예순한 개 가운데 일곱 개로 좁혀 들어간 것이며, 기후와 식생이 대개 그 일곱을 갈라 줍니다. Classic 설정에서는 이어서 표지판 언어와 통화가 그 틈을 거의 완전히 메웁니다. Speed에서는 둘 다 화면에 없는데, 빠른 설정이 느린 설정의 단순한 축약판이 아닌 이유가 바로 이것입니다. 그것은 플레이어에게 기후와 식생만으로 끝을 내라고 요구합니다. 2

이 장르의 우아함은 단순함에 있습니다. 관찰하고, 가설을 세우고, 표시하고, 점수를 받는 것.

실마리에서 좌표로

플레이어의 과제는 추상적인 단서를 구체적인 좌표로 옮기는 일입니다. 각 목표의 위도와 경도는 대략적이지만 실재하며, 그 도시가 데이터 집합에 더해질 때 정해진 것입니다. 플레이어는 환경 프로필만으로 그 좌표가 어디에 있을지 어림해야 하고, 이는 지리적 특징이 행성 위에 어떻게 분포하는지를 안다는 뜻입니다. 언어는 특정 지역에 모여 있습니다. 통행 방향은 역사와 식민의 자취를 따릅니다. 기후는 위도의 띠를 이룹니다. 식생은 기후대를 비춥니다. 화폐 제도는 국경에 묶여 있습니다. 건축은 지역의 전통과 구할 수 있는 재료를 반영합니다. 핀 자체는 경도가 가로로, 위도가 세로로 곧장 대응하는 정거원통도법 세계 지도 위에서 마우스 클릭으로 놓이므로, 그 클릭은 나눗셈 두 번, 그 이상은 아무것도 아닌 것으로 위도와 경도가 됩니다. 2

시드가 실제로 무엇을 좌우하는지는 정확히 짚어 둘 만합니다. ‘결정론적’이라는 말이 풍기는 것보다 적기 때문입니다. 시드는 목표 도시를 고를 뿐, 그 밖의 것은 고르지 않습니다. 어떤 단서가 나타나는지는 시드가 아니라 난도 설정이 정하며, 그것들이 나열되는 순서는 엔진에 박아 넣은 고정 상수로서 지금껏 치러진 모든 라운드에서 똑같습니다. 경험을 공유한다는 보장은 협정 세계시 날짜의 해시를 시드로 삼는 일일 드롭에만 해당합니다. 연습 시드는 시계에서 오므로 두 플레이어가 같은 연습 도시를 만날 가능성은 매우 낮습니다. 결정론이 사 주는 것은 재현성입니다. 주어진 시드와 난도는 언제나 똑같은 라운드를 그대로 다시 세우며, 바로 그 점이 이 엔진을 시험할 수 있게 만듭니다. 2

점수의 기하는 추측과 목표 사이의 대권 거리에 기대고 있습니다. 구 위의 두 점을 잇는 가장 짧은 경로로, 그 둘을 지나는 대원의 호를 따라 잰 거리입니다. 하버사인 공식은 이를 위도와 경도로부터 계산하는 표준적인 방법이며, 여기서 쓰이는 까닭은 짧은 거리에서도 수치적으로 안정되게 버티기 때문입니다. 더 오래된 구면 코사인 법칙은 그 지점에서 정밀도를 잃습니다. 지구를 실제 모습인 납작한 타원체가 아니라 구로 다루면 정확도를 얼마쯤 잃지만 그 손해는 크지 않습니다. 경도와 측지 위도에 적용한 대권 공식은 약 0.5퍼센트 이내로 정확하며, 엔진은 관례적인 평균 반지름 6,371킬로미터를 씁니다. 3

직접 추린 데이터 집합이 추론과 측정의 토대가 됩니다.

추려진 지식으로서의 데이터 집합

데이터 집합은 모든 라운드의 토대입니다. 쉰 개 나라에 걸친 예순한 개의 실제 도시로, 저마다 대략적인 위도와 경도와 일곱 개의 일반화된 단서를 지니고 있습니다. 북위 64도의 Reykjavik에서 남위 38도에 가까운 Melbourne까지 뻗어 있습니다. 또한 서로 헷갈려도 손해가 별로 없을 만큼 가까운 짝들도 품고 있습니다. Kyoto는 Tokyo에서 363킬로미터 떨어져 있어 그 둘 가운데 엉뚱한 쪽을 찍어도 가능한 5,000점 가운데 4,170점이 돌아오고, Melbourne은 Sydney에서 713킬로미터 떨어져 3,500점어치입니다. 각 항목은 실제 환경 특징을 지닌 실제 장소이며, 일곱 개의 짧은 구절로 압축되어 있습니다. 2

환경 데이터를 이 일곱 개 항목으로 일반화한 것은 플레이어가 지리 정보와 어떻게 상호작용하는지를 빚어내는 설계 선택입니다. 세밀한 거리 높이의 사진이나 복잡한 환경 데이터를 내놓는 대신, 게임은 플레이어가 종합해야 하는 정돈된 요약을 제공합니다. 이 추상화는 플레이어로 하여금 지리적 특징이 행성 위에 어떻게 분포하는지, 그리고 그 특징들이 그럴듯한 위치의 범위를 어떻게 제약하는지를 생각하도록 요구합니다.

단서 순서는 고정된 상수이며, 하나가 아니라 두 가지 일을 합니다. 단서가 화면에 나열되는 차례를 정하고, 또한 Speed 설정이 그중 앞의 네 개를 그냥 가져가기 때문에 Speed가 어떤 세 단서를 버리는지를 정합니다. 그 순서 매김은 진짜 설계 판단입니다. 통행 방향과 반구를 맨 앞에 둔다는 것은, 빠른 설정이 게임에서 가장 뭉툭한 여과기 둘을 남기고 가장 예리한 셋, 곧 언어와 건축과 통화를 버린다는 뜻입니다. Speed 플레이어는 Classic 퍼즐의 축소판을 푸는 것이 아닙니다. 그들은 1.25배의 점수를 걸고 더 흐릿한 퍼즐을 푸는 것입니다. 2

게임의 구조는 지리적 추론을 측정 가능한 결과로 바꾸어 놓습니다.

점수 매기기 구조

점수 규칙은 산수 한 줄입니다. 킬로미터 단위의 하버사인 거리가 들어가면, 5천에 e를 그 거리를 2천으로 나눈 값의 음수만큼 거듭제곱한 값을 곱한 것이 나오고, 난도 보너스를 곱한 뒤 정수로 반올림합니다. 2천 킬로미터가 이 곡선의 성격 전부입니다. 오차가 2천 킬로미터 늘어날 때마다 남아 있는 점수에 약 0.37이 곱해집니다. 200킬로미터 어긋난 핀은 4,524점을 지킵니다. 1천 킬로미터 어긋나면 3,033점입니다. 2천 킬로미터, 곧 대륙 하나의 너비만큼 어긋나도 여전히 1,839점은 남습니다. 2

그 모양은 장르가 너그러워야 할 곳에서 너그럽고, 그러지 않아야 할 곳에서 매섭습니다. 감쇠가 두 거리의 비율이 아니라 절대 거리를 따라 진행되므로, 중요한 것은 몇 킬로미터를 놓쳤는가이지 몇 배를 놓쳤는가가 아닙니다. 작은 오차를 두 배로 만드는 것과 큰 오차를 두 배로 만드는 것은 값이 사뭇 다릅니다. 처음 200킬로미터는 최고점의 10분의 1도 채 깎아 먹지 않으므로, 나라를 제대로 짚은 플레이어는 거의 언제나 점수의 대부분을 챙깁니다. 다만 꼬리는 충분히 빠르게 떨어져서, 지구 반대편을 찍은 추측은 건질 것이 없습니다. 1만 킬로미터 벗어나면 34점이 돌아오고, 대척점의 한계인 약 2만 킬로미터에 가까운 1만 8천 4백 킬로미터쯤을 지나서야 반올림한 점수가 마침내 0에 이릅니다. 2

평가 단계는 지리적 측정과 게임 점수를 잇는 다리입니다. 라운드와 추측한 좌표를 받아 호를 재고, 감쇠와 난도 보너스를 적용해, 표시할 두 수를 돌려줍니다. 그 한 가장자리는 짚어 둘 만한데, 공식이 말해 줄 수 없는 경우이기 때문입니다. Speed의 시계가 다 돌아갈 때까지 지도에 핀이 하나도 없다면 잴 호가 아예 없고, 라운드는 0점으로 마무리됩니다. 추측과 추측의 부재는 다른 것이며, 그중 거리를 가진 쪽은 앞의 하나뿐입니다. 2

측정은 게임이 지리적 이해를 평가하는 언어가 됩니다.

이 장르가 오래 사랑받는 이유

위치 맞히기 장르가 이어지는 까닭은 지리 지식을 상호작용하는 과제로 바꾸어 놓기 때문입니다. 플레이어는 실마리를 관찰하고 가설을 세우며, 그 가설을 점수 매기기 구조에 비추어 시험해야 합니다. 이 장르의 구조는 추론과 되먹임의 매혹적인 순환을 만들어 냅니다. 각 라운드는 새로운 퍼즐을 내놓고, 각 추측은 플레이어가 단서를 얼마나 잘 이해했는지에 대한 정보를 줍니다. 점수 매기기 구조는 정확성에 보상을 주고 성취를 재는 분명한 잣대를 제공합니다. 1

Street Drop이 이 장르를 다시 설계한 방식은 핵심 순환은 지키되 실마리의 성격을 바꾸는 것입니다. 거리 높이의 사진 대신 직접 추린 일반화된 환경 단서 묶음을 내놓음으로써, 게임은 초점을 시각적 해석에서 지리적 추론으로 옮깁니다. 플레이어는 언어와 통행 방향과 기후를 비롯한 여러 특징이 행성 위에 어떻게 분포하는지를 생각해야 합니다. 여러 단서를 하나의 일관된 지리적 가설로 종합하고, 그 가설을 좌표로 옮겨야 합니다. 2

일일 시드와 직접 추린 데이터 집합은 그 추론에 한결같은 틀을 줍니다. 같은 날짜에는 모두가 같은 도시를 받고, 어떤 시드든 똑같은 라운드를 그대로 다시 세웁니다. 점수 규칙은 그 결과를 지리적 정확성의 분명한 잣대로 바꿉니다. 위치를 추론해 지도 위에서 맞히고 가까움으로 점수를 매긴다는 이 장르의 토대는 그대로 남아 있습니다. Street Drop은 이 장르의 친척 게임으로 들어서면서, 플레이어에게 실마리로부터 장소를 찾아내라 하고 그 추측이 진실에 얼마나 가까운지로 점수를 매기는 위치 맞히기 게임이라는 더 넓은 갈래에 보탬이 됩니다. 1

Sources & notes

  1. “GeoGuessr,” Wikipedia: a geography game in which players deduce locations and then guess where they are on a world map. The classic game runs five rounds, each showing a different location; the player places a pin on a map and receives up to 5,000 points a round depending on how close the pin is to the actual location, for a maximum of 25,000. It was designed by the Swedish IT consultant Anton Wallén and launched in May 2013 as a browser-based game, and gave its name to a broad genre of location-guessing games in which a place must be deduced from cues and located on a map, scored by proximity to the true spot. en.wikipedia.org/wiki/GeoGuessr.
  2. Street Drop game engine: a pure, deterministic, clue-based re-spec of the location-guessing genre. A curated dataset holds sixty-one real cities in fifty countries, each with an approximate latitude and longitude and seven generalised environment clues — driving side (left or right), hemisphere (north or south), climate, vegetation, signage language, architecture, and currency — listed in that fixed order. The round's target is chosen deterministically from a single seed: a hash of the UTC date in the daily mode, a clock-derived value advanced on every new drop in the practice mode. The difficulty setting fixes how many clues are shown and whether a timer runs; the Classic setting reveals all seven with no timer, the Speed setting reveals the first four with a thirty-second timer and a 1.25× score multiplier. Every revealed clue is printed at once when the round starts. The player clicks an equirectangular world map to place a pin; the great-circle distance between pin and target is computed with the haversine formula on a sphere of radius 6,371 km, and the score is 5,000 × e raised to minus the distance divided by 2,000 km, rounded, times the difficulty multiplier. If the Speed timer expires with no pin placed, there is no distance and the round scores zero. Read from the game's own source.
  3. “Great-circle distance,” Wikipedia, for the geometry the scoring rests on: the haversine formula is “numerically better-conditioned for small distances” than the spherical law of cosines, and great-circle formulas applied to longitude and geodetic latitude on the Earth are “accurate to within about 0.5%”. The mean Earth radius is about 6,371.009 km for the WGS84 ellipsoid. en.wikipedia.org/wiki/Great-circle_distance.
  4. Further reading: Lukas Haas, Michal Skreta, Silas Alberti and Chelsea Finn, “PIGEON: Predicting Image Geolocations” (2023), a model trained on GeoGuessr data that locates photographs from their visual cues. arxiv.org/abs/2307.05845.
Was this worth reading?
Play Street Drop
PlayPendium · About · Contact · Privacy · Terms · Cookies · Accessibility · Copyright · Browse all games · Classic arcade games · © 2026