<1 page>
안녕하세요 영주시 드론 혁신 클러스터 구축 프로젝트를 발표할 혜택입니다
저희 조는 ‘드론 혁신 클러스터 구축’을 주제로 영주시의 미래 성장동력으로 주목받는 드론 산업의 시설 입지를 과학적으로 분석하고, 그에 맞는 정책적 제안을 제시하는 프로젝트를 수행했습니다.
단순히 드론을 어디에 배치할 수 있는지를 넘어, 왜 그 위치여야 하는지, 해당 위치에는 어떤 드론 시설이 최적화되어 있는지, 그리고 그 시설이 지역사회와 어떤 방식으로 상호작용할 수 있는지까지 고민하며 분석을 진행했습니다.
<2 page>
오늘 발표는 다음과 같은 구성으로 진행됩니다. 먼저 프로젝트를 진행하게 된 배경과 목적을 말씀드리고, 영주시 공간 데이터 기반의 드론 입지 분석 과정과 활용된 분석 기법들을 설명드릴 예정입니다. 이어서 클러스터별로 분석된 결과를 바탕으로 드론 유형별 최적 입지와 정책 연계 방안, 마지막으로 기대되는 효과와 향후 활용 방향을 말씀드리겠습니다.
<3 page>
영주시는 현재 지방 소멸 위험 지역으로 지정될 만큼, 인구감소 문제가 심각한 상황입니다. 특히 고령화율은 전국 평균보다 훨씬 높은 수준으로, 이는 물류 접근성, 의료 서비스 접근성 등 여러 면에서 행정의 부담이 증가하고 있습니다. 이를 대응하기 위해 드론을 통한 농업 혁신, 고령층 지원, 관광 활성화, 스마트시티 구현 등의 가능성이 제기되어 왔습니다.
최근, 영주시는 국가 공모사업인 드론실증도시 사업에 선정되어 신산업 기반 구축의 기회를 잡았습니다. 영주시의 경우 고령 인구 비율이 높고, 관광자원이 풍부한 북부, 산업시설이 밀집된 중심부 등 공간적 특성이 뚜렷합니다. 하지만 이러한 조건을 종합적으로 고려한 드론 시설 입지 분석은 거의 이뤄지지 않은 실정입니다.
<4 page>
따라서 저희는 데이터 기반으로 드론 유형별 입지를 과학적으로 도출하고, 이 결과를 행정 정책과 실제 사업 추진에 연계할 수 있도록 설계했습니다.
또한 비슷한 선례를 벤치마킹하여 다양한 기대효과를 도출하는 것 또한 이 프로젝트의 목표라고 할 수 있습니다.
<5 page>
가장 먼저 확인한 것은 "드론을 날릴 수 있는 공간이 실제로 존재하는가?"였습니다. 국토부 및 항공청의 항공제한구역 정보, 군사작전구역, 공항 영향 반경 등을 반영해 분석한 결과, 영주시 대부분의 지역은 드론 비행 가능지역으로 확인됐습니다.
이는 법적인 규제 장벽이 비교적 낮아, 다양한 드론 관련 사업 실증에 유리한 조건임을 시사합니다. 즉, 입지 분석만 잘 이뤄진다면 행정적으로도 신속한 추진이 가능한 지역입니다.
<6 page>
분석의 전체 구조를 설명드리겠습니다. 저희는 영주시 전역을 100m × 100m 격자, 총 약 7만 개의 셀로 나누고, 이 각 셀마다 수집 가능한 모든 변수를 부착해 하나의 빅데이터 프레임을 만들었습니다.
활용한 변수는 총 30개 이상이며, 크게 네 가지 축으로 나뉩니다.
여기서 중요하게 보아야 할 변수는 DEM, DSM, NDVI 입니다.
<7 page>
DEM 이란 실제 지형에서 건물, 수목 등의 모든 요소를 제외한 순수한 지형을 뜻하고
DSM 은 지표면 위에 모든 요소들을 포함한 표면 높이라고 이해하면 되겠습니다.
NDVI 정규화 식생 지수로 -1에 가까울수로 물 구름 눈 등 으로 인식하고 낮은 수치는 암석이나 모래, 1에 가까울수록 울창한 숲 으로 인식합니다.
<7 page> ㅎㅎ이렇게 말씀하시고 싶은거 맞으시려나~~
이렇게 csv 파일과 다양한 경로를 통해 얻은 자료를 그대로 Python 에 적용할 수 없기 때문에, QGIS라는 Tool 을 활용해 데이터를 전처리 하였습니다.
csv 파일로 수집한 데이터의 경우에는 영주시를 100m 단 위로 나눈 약 7만개의 격자에 개별 격자 코드를 부여하여 인코딩/좌표계 투영으로 GIS 내에 spot으로 시각화를 하고, 격자와 시설 간 거리를 구하여 데이터 프레임을 생성하였습니다.
Shp 파일과 같은 레스터 데이터의 경우에는 QGIS 내에서 벡터 폴리곤으로 변환하여 공간 쿼리를 활용해 격자를 조정하고, 기존 격자와 교차되는 영역만 남겨 기존 영주시 격자코드에 값을 부여하여 데이터 프레임을 생성하였습니다.
<8 page>
다음으로 드론이 비행함에 있어 가장 중요한 환경 요소인 풍속에 관한 데이터를 생성했어야 했는데요, 영주시내에는 기상대가 한 곳 밖에 없기 때문에 이 기상대가 영주시 전역을 대표할 순 없다고 판단 되어 일반적인 기상청 데이터로는 신뢰도가 높은 데이터를 수집하기에 한계가 있었습니다.
때문에 ERA5 및 NASA의 API를 통해 2022~2024년 3개년간 시간 단위 풍속 자료를 수집하였고, 이를 DEM 기반의 지형보정 알고리즘을 통해 고도, 경사도, 향을 반영한 보간을 수행했습니다.
보간 작업이 완료된 데이터를 기반으로 3개년을 대표하는 New year 데이터를 생성하고 격자별로 풍속 변동성과, 풍속 위험 횟수 변수를 만들었습니다.
풍속 변동성 변수는 격자별로 1년간 풍속이 상대적으로 얼마나 안정적인 상태였는가를 확인하기 위해 표준편차를 활용했고, 풍속 위험 횟수는 드론을 날리기에 위험한 풍속인 10.7m/s 를 넘어가는 횟수가 몇번인지 count 한 변수입니다.
<9 page> 이거 전에 한페이지를 만들어야 할 것 같아용.
저희 프로젝트는 기존에 있는 것을 검증 하는 것이 아닌, 새롭게 구축하는 것이 목표인 프로젝트기 때문에 종속변수를 임의적으로 만들어야 합니다.
따라서 종속변수를 만들기 위해 엔트로피 가중치 계산을 통해 '비행적합도 점수' 라는 변수를 생성하여 활용하고자 하였습니다.
드론 시설을 드론 레이싱장 및 면허시험장, 스마트 농업 테스트 베드, 드론 물류 허브 및 정비소, 드론 배달 및 스마트 시티 실증지 총 4가지 유형으로 구분하였습니다.
이를 위해 데이터 필터링을 진행해야 하는데, 드론시설마다 고려해야되는 부분이 다양해서 4가지
<10 page>
<11 page>
<12 page>
<13 page>
<14 page>
<15 page>
<16 page>
<17 page>
<18 page>
<19 page>
<20 page>
<21 page>
<22 page>
<23 page>
<24 page>
<25 page>
<26 page>
