전국 1위 화재 도시, 화성시의 화재 정책 문제
화성시의 Urban AI로의 도약이라는 정책 과제에서 출발하여, 화성시만의 고유한 문제를 데이터로 규명했습니다.
지난 10년간 화성시 화재 발생 건수 (전국 1위)
발화 지점별 화재 발생 건수 (공장 시설 최다)
분석 결과, 화성시 화재의 가장 큰 문제가 산업단지에 집중된 공장 화재임을 확인하고, 산업단지 맞춤형 화재 대응 전략과 Urban AI 정책을 제안하는 방향을 설정했습니다.
전체 12개 산업단지 위험도 스크리닝
선행 연구를 바탕으로 화재 위험 요인을 도출하고, 화성시 내 12개 전체 산업단지에 대한 1차 위험도 스크리닝을 실시하여 가장 위험한 3곳을 선별했습니다.
투입 변수 (6가지)
산업단지 화재 위험도 분석 모델
12개 단지 화재 위험도 분석 결과 — Top 3 선정
선정 3개 단지 — 구역별 정밀 위험도 분석
스크리닝으로 선정된 3개 산업단지에 대해 QGIS + Python을 결합하여 구역(Grid)별 정밀 화재 위험도 지수를 산출했습니다.
산업단지 전체 좌표를 QGIS에 매핑하고, 단지 내 각 구역을 레이어로 분리합니다.
선행 연구 기반의 3개 지표군으로 구성된 가중 합산 모델을 적용합니다.
단순 직선거리가 아닌, T-MAP API를 Python으로 호출하여 실제 도로망 기반 출동 거리를 각 구역 중심부에서 가장 가까운 소방서까지 계산합니다.
최종 FRI 점수를 5개 클래스로 분류하여 QGIS 지도 위에 색상으로 시각화합니다.
변수별 위험도 레이어 시각화 (QGIS 분석 결과)
대피소 공백 문제 발견 및 최적 위치 제안
향남제약산업단지를 기준으로 결과를 설명합니다. 고위험 구역을 중심으로 도보 대피 가능 거리(600m) 버퍼를 QGIS로 시각화하여 기존 대피소의 문제점을 발견했습니다.
고위험 지역 기준 600m 이내에 대피소가 존재하나, 하단이 산으로 막혀 실제 접근이 불가능합니다. 지리적 특성과 화재 위험 요인을 반영하지 못한 배치입니다.
QGIS 분석을 통해 접근성과 안전성을 모두 만족하는 신규 대피소 위치를 데이터 기반으로 도출하여 정책 반영을 제안했습니다.
고위험 지역 600m 버퍼 및 신규 대피소 위치 제안. (Green): 기존 대피소, (Red): 신규 대피소
예산별 AI 화재 대응 정책 로드맵
실제 정책 도입 가능성을 높이기 위해 예산 규모별로 단계적 Urban AI 정책을 제안했습니다.
| 예산 수준 | 기존 대응책 | AI 기반 방안 | 적용 대상 |
|---|---|---|---|
| 저예산 | 기본교육,
소방시설
점검, 현장 컨설팅 |
AI CCTV 설치(최우선 지역), 화재 알림 경보 시스템 |
소규모
공장, 취약사업장 중심 |
| 중간 예산 | 위험요인
선별,
소방훈련, 용수시설 확충, 예방강화지구 지정 |
화재 예측 모델 도입, AI 기반 실시간 화재 감지 |
표준
산업단지, 업종별 맞춤 관리 |
| 고예산 | 첨단 예측·대응, 대규모
인프라, 통합관제, 특수시설 구축 |
AI 통합 화재 모니터링 센터 구축, 스마트 화재대응 플랫폼 |
국가산단, 대형화재 및 복합재난 대응 |
웹 대시보드 배포 및 공모전 대상 수상
실제 데이터 기반으로 각 산업단지·구역별 화재 위험도 분석 결과를 인터랙티브하게 확인할 수 있도록 하여, 비전문가도 쉽게 이해할 수 있는 플랫폼을 구축했습니다.
분석 결과는 Chat GPT API를 활용하여 생성되지만, Hallucination을 최소화하기 위하여 실제 수집/분석된 데이터를 로드하여 사용하도록 설정하였습니다.
분석 결과 뿐만 아니라, 위험도에 따른 예산 배분 우선순위 및 맞춤형 대응 시나리오를 제시하여 사용자의 의사 결정을 지원할 수 있도록 설계하였습니다.
Streamlit 대시보드 시연 — 구역별 위험도 + AI 대응 방안 생성