대본
1p. 인사 및 개요
안녕하세요.
영주시 드론 혁신 클러스터 구축 프로젝트를 발표할 혜택입니다.
오늘 저희가 제안드릴 내용은 단순한 분석 결과가 아니라, 데이터 기반으로 왜 이곳에 어떤 드론 시설이 필요하며, 그것이 영주시에 어떤 정책적, 경제적 효과를 줄 수 있는지까지 과학적으로 증명한 프로젝트입니다.
데이터 분석이 생소하신 분들도 이해하실 수 있도록 분석 전제부터 정책 적용 시나리오까지 차근차근 설명드리겠습니다.
2p. 목차
오늘 발표는 크게 여섯 가지 순서로 구성됩니다.
시작은 영주시가 왜 드론 산업을 고민해야 하는지 문제를 정의하는 것이고요.
그 다음엔, 드론이 비행하기 적합한 환경이 영주시 내에 있는지, 그리고 어떤 지역이 어느 유형의 드론 시설에 알맞은지를 찾아내기 위한 과학적 분석이 이어집니다.
마지막으로, 분석 결과를 바탕으로 어떤 입지를 선택하고, 어떻게 행정적으로 실행 가능한지, 정책 제안과 함께 설명드릴 예정입니다.
3p.
현재 영주시는 인구 감소와 고령화라는 이중 문제에 직면해 있습니다.
특히, 인구 고령화율은 전국 평균보다 높은 26% 수준이고요.
이로 인해 물류 서비스, 의료 접근성 등 공공서비스 수요는 높아지는 반면, 이를 담당할 인구는 줄고 있는 실정입니다.
그런데 작년, 영주시는 국토교통부의 드론 실증도시로 선정되며 이 문제를 기회로 전환할 수 있는 단초를 마련했습니다.
이 기회를 데이터 기반으로 구체화해보는 게 저희의 목표였습니다.
4p.
드론 산업은 현재 연평균 20% 이상 성장 중이고, 물류, 농업, 스포츠, 공공서비스에까지 활용이 확장되고 있습니다.
그런데도 국내에서는 이를 위한 시설 인프라가 매우 부족한 상황입니다.
예컨대 전남 영암군은 드론 레이싱장을 통해 국제 대회를 유치하며 지역 경제를 부흥시켰고요.
영주시 역시 이러한 성공 모델을 따를 수 있으며, 그에 앞서 어떤 시설이 어떤 지역에 필요한지 과학적으로 분석하는 것이 선결 과제입니다.
5p.
저희는 먼저 영주시 내에서 드론 비행이 가능한 공간이 어디인지부터 검토했습니다.
군사시설, 공항 반경, 항공 제한구역 데이터를 바탕으로 분석한 결과, 영주시 전역 대부분이 드론 비행에 적합하다는 점을 확인했습니다.
그다음에는 지형, 인프라, 기상, 법제도 등 30개가 넘는 변수를 수집해, 100m 격자 단위로 공간 분석을 진행했습니다.
마지막엔 행정 정책과의 정합성, 즉 입지가 실제 행정구역상으로 실현 가능한지를 검토했습니다.
6p.
변수들은 크게 4가지로 구분했습니다.
첫째는 지형 요인인 DEM, DSM으로, 고도와 경사 같은 지형 특성이 드론 이착륙에 영향을 줍니다.
둘째는 비행환경 요인인풍속, NDVI인데요, NDVI는 ‘식생지수’로 나무나 초목의 울창함을 수치로 표현합니다.
셋째는 생활 접근성(노인복지시설, 병원, 상가 등), 마지막은 교통 접근성(도로망, 버스정류장 거리) 등 인프라 요소입니다.
데이터가 익숙하지 않으신 분들도, 이런 요소들이 드론 입지를 선택하는 데 현실적으로 중요한 조건이란 건 바로 이해되실 겁니다.
7p.
모든 데이터를 100m × 100m 격자에 맞춰 QGIS를 사용하여 공간화 하고,
위치 정보가 있는 포인트 데이터는 거리 계산, DEM·DSM 같은 래스터 데이터는 공간 쿼리와 평균값 변환을 통해 격자별로 수치화했습니다.
예컨대, “이 격자에서 가까운 병원은 얼마나 있는가?” 또는 “이 지역의 평균 고도는 얼마인가?” 같은 정보를 자동으로 추출하는 식이죠.
풍속은 드론 비행 안전성에서 가장 중요한 변수입니다.
하지만 영주시에는 기상관측소가 1개뿐이어서 정확한 공간별 데이터가 부족했기 때문에,
ERA5(유럽기상청)와 NASA World Weather API를 활용해 각각 25km, 1km의 해상도인 3개년 풍속 데이터를 수집했고,
이를 고도·경사도·향(방향)을 고려해 지형 보간을 통해 100m 단위로 보완했습니다.
이를 바탕으로 풍속 표준편차와 특정치 초과 발생 횟수를 계산하여 풍속 변동성, 풍속 위험 횟수 변수를 생성했습니다
8p. 종속변수 설계 및 점수화
저희는 최종적으로 ‘비행 적합도 점수’라는 종속변수를 새로 만들었습니다.
이를 위해 두 가지 기법을 썼습니다.
하나는 엔트로피 가중치로, 변수 간 정보량(분산)이 클수록 중요도가 높게 반영됩니다.
또 하나는 비선형 스케일링인데, NDVI 같은 경우는 너무 낮거나 높으면 부적합하고 중간값이 좋으니, 그런 범위에 점수를 집중 부여한 것입니다.
9p.
드론 시설을 크게 두가지로 분류했습니다.
자연환경 중심: 드론 레이싱장, 농업 테스트베드
10p.
도심형 중심: 물류허브, 스마트시티 배달 테스트
이들은 각각 NDVI, DSM의 최적 구간이 다릅니다.
예컨대 농업 테스트베드는 중산간 지역이 적합하고, 물류는 도심 평지가 적합하겠죠.
이런 조건을 반영해 격자별 점수를 계산했습니다.
11p. 공간 분석 (LISA + DBSCAN)
점수화한 결과를 공간적으로 분석했습니다.
첫 번째는 LISA(Local Indicators of Spatial Association)로, 통계적으로 주변 격자와 유사한 지역(Hotspot)을 찾았고요,
두 번째는 DBSCAN, 즉 밀도 기반 클러스터링으로 실제로 유사한 격자가 모여 있는 지역을 추출했습니다.
이 두 분석 결과의 교집합만을 입지 후보로 선정함으로써, 통계적 정합성과 현실성을 동시에 확보했습니다.
12p. GWRF 적용 및 변수 해석
이후 저희는 지리 가중 랜덤포레스트인 GWRF 모델을 통해
클러스터별로 어떤 변수가 입지 결정에 영향을 미쳤는지를 도출했습니다.
예컨대, 농업 테스트베드는 풍속안정성과 NDVI가 중요했고, 물류 허브는 교통 접근성이 핵심 변수로 나타났습니다.
13p.
이를 통해 단순 입지 추천이 아닌, 왜 그 지역인지까지 설명 가능한 구조를 만들었습니다.
14p. 최종 입지 선정 및 규제 검토
그렇게 나온 입지에 대해 국토부 토지 규제 68가지 정보, 산사태 위험도, 도시계획 정보와 오버레이하여
실제로 정책적으로 설치 가능한지를 검토했습니다.
결과적으로 4가지 유형에 대해, 현실적으로도 설치 가능한 입지 후보가 모두 확보되었습니다.
15p. 행정구역·지번 반영
입지를 제안할 때 단순히 위치만 찍는 게 아니라, 행정구역과 지번 단위로 명확히 제시해야 행정에서도 빠르게 활용할 수 있습니다.
저희는 실제로 지번, 항공사진, 토지 피복도까지 확인해 정책 반영이 가능한 수준으로 분석을 마쳤습니다.
16p.
저희가 진행한 이번 프로젝트는 도심지역 인구 과밀화를 해소할 수 있는 방안 중 하나라고 할 수 있습니다
남부에는 드론 물류,배달 인프라를 북부에는 레이싱장,농업 테스트베드를 조성하여 서비스 공백 해소와 인구 분산을 동시에 실현할 수 있습니다.
이는 영주시 도심권 인구 밀집 문제 완화 및 생활권 분산 계획과 정합성을 이루며, 드론 기반 균형 발전 도시 구축의 핵심 전략이 될 수 있을 겁니다
위에서 말씀드린 내용은 2030 영주시 도시계획의 도시기본구상의 중심/서부 생활권 개발 방향과 북부 생활권 개발 방향과 일치하는 것 또한 확인하실 수 있습니다
17p.
이제는 드론시설별로 인프라를 제안토록하겠습니다.
먼저 드론 레이싱장 및 드론 면허 시험장의 경우 부석면 임곡리 1097, 북지리 799, 용암리 산 54-17 등이 후보지로 나타며 영주 드론 레이싱 파크를 북부생활권에 설치하여
19p. 기대효과 요약
핵심은, 단순히 분석한 것이 아니라 정책 결정에 바로 활용 가능한 데이터 기반 보고서를 만들었다는 점입니다.
분석 → 입지 도출 → 정책 반영 가능 여부까지 전 과정을 일관성 있게 연결했으며,
이 방식은 영주뿐만 아니라 다른 지자체에도 모델 확산이 가능하다는 장점이 있습니다.
26p.
마지막으로, 저희는 이 분석 결과를 대시보드 형태의 시각 플랫폼으로 제공할 계획입니다.
드론 레이싱 신청, 자격증 접수, 농업 드론 지원 등 다양한 서비스를 한 포털에서 통합적으로 처리할 수 있도록 설계했습니다.
이를 통해 드론 클러스터의 실질적 활용도를 높이고, 행정·시민·민간 기업이 함께 소통하는 구조를 만들 수 있을 것입니다.
27p.
대시보드 시연!
28p.
발표를 마치겠습니다.
본 프로젝트는 단순한 연구가 아니라, 공공데이터의 실제 정책화 가능성을 증명한 사례라고 생각합니다.
끝까지 함께 해주셔서 감사합니다.
'한계 및 향후 개선 방향'
본 프로젝트에서는 격자별 지형 특성 보정을 위해 DEM(수치표고모델)을 활용하여 풍속 데이터를 재구성하였다. 이는 고도, 경사도, 향 등의 지형 요소를 반영함으로써 드론의 저고도(20m 이내) 비행 안정성을 평가하기 위한 현실적인 접근이었다.
그러나 DEM 기반 보정은 지표면 마찰 조건이나 인공 구조물(건물, 수목 등)을 반영하지 못한다는 한계가 있다. 향후에는 DSM(디지털 표면모델)과 LULC(지표피복 분류)를 기반으로 조도계수(roughness length)를 적용한 log-profile 방식의 풍속 보정이 필요하며, 이를 통해 실제 체감 풍속을 정량적으로 추정할 수 있을 것이다.
