입체격자체계 사업 - AI라벨링기술

지난 1월 28일부터 29일까지 메종글래드 제주 제이드홀에서 「국토정보 고도화를 위한 입체격자체계 적용 및 활용 기술개발사업(2차년도)」 워크샵에 참여하게 되었습니다.

이번 워크샵은 2차년도 연구내용과 세부 추진계획을 공유하고, 기술개발 방향성과 협력 체계를 구체화하기 위해 마련된 자리로, 국토교통과학기술진흥원 관계자와 자문위원, 연구진 등 많은 참여 업체 및 기관에서 자리를 해주었습니다.
워크샵에서는 ▲공간데이터큐브 저장·관리 자동화 및 최적화 기술개발(구성기술 1) ▲공간데이터큐브 기반 융복합 분석 및 지능화 기술개발(구성기술 2) ▲첨단모빌리티 대상별 공간데이터큐브 기반 HCMI MAP 구축 및 실증(구성기술 3)에 대한 발표가 진행되었습니다.

이 중 우리 회사는 **구성기술 2(공간데이터큐브 기반 융복합 분석 및 지능화 기술개발)**을 담당하게 되었으며, 입체격자 기반 데이터의 다차원 분석, AI 기반 패턴 도출, 의사결정 지원 모델 고도화를 핵심 과업으로 수행할 예정입니다. 특히 다양한 공간·환경·이동 데이터를 통합 분석하여 실질적인 정책·산업 활용이 가능하도록 지능화 기술을 구현하는 데 중점을 두고 있습니다.

이번 워크숍은 우리 기관의 기술적 역할과 책임을 명확히 하고, 2차년도 연구의 성공적 수행을 위한 실행 기반을 다지는 의미 있는 출발점이 되었습니다.

이번 「국토정보 고도화를 위한 입체격자체계 적용 및 활용 기술개발사업」은 기존의 2차원 중심 공간정보 체계를 넘어, 격자를 3차원 데이터 기반으로 정밀하게 구조화하는 것을 목표로 합니다. 이를 가능하게 하는 핵심 개념은 다음 세 가지입니다.

1) 입체격자체계 (Volumetric Grid System)
입체격자체계는 지구의 3차원 공간을 일정한 규칙에 따라 균일한 격자 단위로 분할하는 위치 기준 체계입니다.
기존 공간정보가 점·선·면 중심의 2차원 좌표 체계를 기반으로 했다면, 입체격자체계는 공간을 ‘부피’ 단위로 나누어 지형, 건물, 지하시설물, 대기 공간 등 다양한 객체를 동일한 기준 아래 정밀하게 표현합니다.

[ 2차원 타일 피라미드와 입체격자체계의 공간분할 구조 비교 ]

2) 공간데이터큐브 (GeoDataCube)
공간데이터큐브는 입체격자체계가 정의한 3차원 공간을 일정한 크기의 단위로 구분하여 구성한 3차원 공간 데이터 구조입니다.
쉽게 말해, 국토 전체를 동일한 규칙을 가진 ‘데이터 상자’로 나누고, 각 상자 안에 위치·속성·시간 정보를 함께 저장하는 개념입니다.

[ 2차원 타일 피라미드에서 3차원 공간데이터큐브로의 공간 개념 확장 ]

3) 복셀 (Voxel)
복셀(Voxel)은 공간데이터큐브를 구성하는 최소 3차원 공간 단위입니다.
2차원 이미지에서 픽셀(Pixel)이 최소 단위이듯, 복셀은 3차원 공간에서 위치와 속성을 동시에 담는 데이터 단위입니다. 각 복셀에는 고도 정보, 환경 정보, 시설물 정보, 이동체 정보 등 다양한 시공간 속성이 저장될 수 있습니다.

[ 2차원 픽셀 해상도와 3차원 복셀 해상도의 비교 및 공간 표현 특성 ]

이전 전략회의를 통해 우리 회사는 3차원 공간데이터 학습체계 구축의 핵심 기술로 ‘ AI 라벨링 기술 ’을 본격 접목하기로 결정하였습니다.

AI 라벨링(AI Data Labeling)이란, 인공지능(AI)이 데이터를 학습할 수 있도록 데이터에 의미 있는 정보를 부여하는 과정을 말합니다. 여기서 ‘라벨(Label)’은 데이터가 무엇을 의미하는지 알려주는 정답 정보입니다. 예를 들어 이미지에서 “자동차”, “사람”을 표시하거나, 데이터 값에 “정상/비정상”과 같은 분류 값을 지정하는 것이 라벨링입니다.

인공지능은 스스로 데이터를 이해하지 못합니다. 따라서 사람이 먼저 데이터에 정답을 달아주고, AI는 이를 학습하여 새로운 데이터에 대해 스스로 판단하도록 훈련됩니다. 이때 필요한 정답 데이터를 **학습데이터(Training Data)**라고 하며, 이 데이터를 만드는 과정이 바로 라벨링입니다.

즉, AI 라벨링은 데이터에 의미를 부여하여 인공지능이 세상을 이해하도록 돕는 기반 기술이며, 대규모 데이터 환경에서 필수적인 지능형 데이터 구축 방법입니다.

특히 본 사업에서 다루는 데이터는 2차원이 아닌 3차원 복셀(Voxel) 기반 공간데이터라는 점에서 기술적 난이도가 높습니다. 포인트클라우드, 3D 객체 데이터, 공간데이터큐브(3D 격자 데이터)는 모두 구조가 복잡하고 데이터 용량이 방대합니다. AI 라벨링 기술은 이러한 대용량 3차원 데이터를 대상으로 ▲공간 군집 분석 ▲형상 기반 객체 분리 ▲시공간 변화 탐지 ▲물리 시뮬레이션 결과 자동 분류 등을 수행하여 복셀 단위의 의미 정보를 생성합니다.

또한 AI 라벨링은 합성데이터 생성 기술과 결합될 때 더욱 강력한 효과를 발휘합니다. 시뮬레이터 기반으로 생성된 화재 확산, 대기 흐름, 이동 경로 데이터에 대해 AI가 자동으로 위험도·영향 범위·행동 패턴을 정의하고 태깅함으로써, 실증 환경에 즉시 활용 가능한 학습데이터셋을 구축할 수 있습니다. 이는 데이터 구축 비용을 절감하고, 다양한 조건을 반영한 대규모 학습데이터 확보를 가능하게 합니다.

결과적으로 AI 라벨링 기술은 단순한 자동화 도구가 아니라, 3차원 국토 데이터의 의미를 정의하고 지능형 분석을 가능하게 하는 핵심 기반 기술입니다. 우리 회사는 이를 통해 공간데이터큐브 기반 융복합 분석 및 지능화 기술을 한 단계 고도화하고, 미래 모빌리티·재난 대응·도시 운영 분야에서 활용 가능한 차세대 3D 학습 생태계를 구축해 나갈 것입니다.