인피닉 AURON Defense for C2 : 지휘관의 결심을 돕는 AI는 무엇이 달라야 하는가
전장 데이터는 넘쳐나는데, 지휘관의 결심은 왜 여전히 어려울까요. 인피닉의 국방 지휘통제 AI 결심지원 플랫폼 AURON Defense for C2를 통해 그 이유와 해법을 짚어봅니다.
지휘관 한 명이 감당하기에는 너무 많은 정보
오늘날 지휘소에는 EO/IR 영상, 위성영상, 정찰 자산의 보고, 전술 메타데이터가 실시간으로 쏟아져 들어옵니다. 상급부대 작전명령서는 PDF·한글·워드 파일로 내려오고, 참모는 이를 읽어 지도 위에 손으로 옮겨 그립니다.
정보가 많아질수록 지휘관 한 명이 이를 통합하고 분석하기는 어려워집니다. 지형·관측·접근로 분석은 개인의 경험에 기대고, 방책을 왜 그렇게 골랐는지 근거가 드러나지 않아 결심을 검증하고 승인하기도 어렵습니다. 어렵게 세운 계획이 실제 작전 상황과 어긋나면, 계획은 실시로 이어지지 못합니다.
| 현장의 문제 | 영향 |
|---|---|
| EO/IR·위성·정찰 자산·전술 메타데이터의 실시간 유입 | 지휘관 1인이 통합·분석하기 어려움 (인지 과부하) |
| 작전명령서를 읽고 지도에 손으로 도식 | 계획 준비 시간 증가 |
| 지형·관측·접근로 분석의 개인 경험 의존 | 분석 품질 편차 |
| 방책 선정 근거의 불투명 | 결심의 검증·승인 어려움 |
| 계획과 실제 작전 상황의 괴리 | 계획이 실시로 연결되지 않음 |
빨리 처리하는 것만으로는 부족한 이유
표의 다섯 가지 문제는 정보의 양에서만 비롯되지 않습니다. 데이터를 아무리 빨리 처리해도, 기계가 그 데이터를 군의 언어로 이해하지 못하면 결심에 쓸 수 없습니다. 영상 속 차량이 어느 부대의 어떤 기동인지, 명령서의 한 줄이 지도 위 어떤 선과 구역을 뜻하는지, 교리상 무엇을 의미하는지를 알아야 합니다. 작전명령서를 손으로 옮겨 그리고, 분석이 경험에 기대는 것도 결국 이 번역을 아직 사람이 하고 있기 때문입니다.
결심 지원의 난점은 예측 성능이 아니라, 군이 이미 쓰는 개념 체계를 기계가 다룰 수 있는 형태로 옮기는 일입니다.
결심 지원이 다뤄야 할 대상에는 일반적인 AI 서비스와 다른 세 가지 특성이 있습니다.
산출물이 자연어가 아닙니다
결과물은 보고서가 아니라 작전 투명도와 군대부호(MIL-STD-2525C)입니다. 같은 기호라도 지형 위 어디에 놓이느냐에 따라 전혀 다른 명령이 됩니다.
판단이 조건문 구조를 갖습니다
"중요감시지역(NAI)에서 작전 개시 4~5시간 후(H+4 / H+5)에 지표가 관측되면 적 방책 1번으로 간주한다"처럼, 관측 지점·시점·지표·판정·행동이 하나의 규칙으로 묶입니다.
모든 것이 표준화된 개념 위에 놓입니다
전투지경선, 주진지, 중요감시지역, 고가치표적, 전술 과업마다 정의와 제약이 있습니다. "접근로를 분할하지 않는다"처럼 개념과 개념 사이의 관계에도 규칙이 있습니다.
개념 체계에서 출발한 결심지원 플랫폼
AURON Defense for C2(AD-C2)는 인피닉이 개발한 국방 지휘통제 AI 결심지원 플랫폼입니다. 기존 C4I·ISR 체계의 데이터를 온톨로지 기반 전장 지식그래프로 통합하고, 뉴로심벌릭 AI로 전장 상황인식과 위협 평가를 수행해 작전 지휘관과 참모의 결심을 지원합니다. 기존 지휘통제 체계를 대체하지 않고 그 위에서 결심 계층을 담당하며, 명령서와 데이터를 읽고, 전장을 분석하고, 방책을 제시하고, 결심을 실행으로 잇는 네 단계로 동작합니다. 임무에서 결심까지, 하나의 흐름으로 잇는 것이 AD-C2가 지향하는 지휘통제입니다.
왜 온톨로지와 뉴로심벌릭 AI인가
세 가지 특성은 각각 필요한 기술을 가리킵니다. 기호와 위치가 의미를 갖는다면 데이터를 개체와 관계로 표현해야 하고, 판단이 조건문이라면 규칙으로 실행할 수 있어야 하며, 개념마다 제약이 있다면 그 제약을 명시하고 검사할 수 있어야 합니다.
| 결심 지원 대상의 특성 | 필요한 것 | AD-C2의 해법 |
|---|---|---|
| 산출물이 기호·위치 | 데이터를 개체와 관계로 표현 | 온톨로지 객체 (부대·지역·기호·표적) |
| 판단이 조건문 구조 | 판단을 규칙으로 실행 | 규칙 추론, 결심지점 조건문 |
| 표준 개념과 제약 | 정의와 제약을 명시하고 검사 | 온톨로지 규칙, 교리 제약 검증 |
온톨로지는 교리 용어를 개체로, 용어 사이의 규칙을 관계로 정의한 지식 구조입니다. 다만 현장 데이터의 대부분은 영상과 문서 같은 비정형 데이터라서, 규칙만으로는 읽어 낼 수 없습니다. 그래서 AD-C2는 두 가지 AI를 역할에 따라 나눠 씁니다. 영상 표적 탐지, 문서 판독, 방책 문장 생성처럼 비정형 데이터를 다루는 일은 딥러닝과 LLM 같은 뉴럴(Neural) AI가 맡습니다. 교리·교범·전술 규칙을 온톨로지와 규칙으로 명시하고 판단을 검증하는 일은 심벌릭(Symbolic) AI가 맡습니다.
둘을 결합하면 효과가 분명해집니다. 뉴럴이 영상과 문서를 부대·접근로·표적 같은 개념으로 바꾸고, 심벌릭이 그 개념을 교리 규칙으로 검증합니다. 그리고 교리가 바뀌면 모델을 재학습하지 않고 온톨로지(스키마)만 갱신하면 됩니다.
이 접근은 네 가지 설계 원칙으로 정리됩니다.
| 설계 원칙 | 내용 |
|---|---|
| 개념이 먼저, 모델은 그 위에 | 교리 용어를 개체로, 용어 간 규칙을 관계로 정의한 온톨로지 위에 데이터와 AI 모델을 올립니다. |
| 근거를 남기는 판단 | 모든 산출물은 교범 근거와 추론 경로를 함께 제시합니다. |
| 최종 결심은 지휘관 | 자동 산출물은 "추정·후보"로 제시되며 지휘관이 수정·확정합니다. |
| 기존 체계와 연동 | 무기·통신·지휘통제 체계를 대체하지 않고, 그 데이터 위에서 결심 계층을 담당합니다. |
네 개의 계층, 하나의 개념 체계
AD-C2는 기존 체계 데이터에서 온톨로지 통합, 뉴로심벌릭 추론, 결심지원 서비스를 거쳐 지휘관에게 이어지는 4계층 구조입니다. 맨 아래에는 지휘·통제·통신·컴퓨터·정보 체계(C4I)와 정보·감시·정찰(ISR) 자산이 만들어 내는 데이터가 있습니다. 핵심은 그 위의 온톨로지 계층입니다. 모든 데이터와 AI의 판단이 같은 개념 체계 위에 놓입니다.
| 계층 | 역할 |
|---|---|
| 결심지원 서비스 | 4단계 기능 제공, 전술지도·작전명령서 화면 |
| 뉴로심벌릭 AI 추론 | 비정형 데이터 처리와 교리 규칙 검증 |
| 온톨로지 데이터 통합 | 개념·관계 정의, 전장 지식그래프 |
| 기존 체계 연동 | C4I·ISR·지형·문서 데이터 수집 |
데이터가 수집되고, 저장·변환되고, 온톨로지에 매핑되어 지식그래프에 쌓이는 모든 단계에서 원본 레코드 ID와 버전, 실행 ID가 보존됩니다. 그래서 최종 방책에서 출발해 그 근거가 된 데이터와 원천까지 거꾸로 따라갈 수 있습니다. 뒤에서 살펴볼 설명 가능한 AI(XAI) 근거 제시가 가능한 기술적 기반입니다.
읽고, 분석하고, 제시하고, 실행하다
AD-C2의 기능은 네 단계 흐름으로 이어집니다. 단계마다 지휘관이 던지는 질문이 다릅니다.
지휘결심은 계획·준비·실행·강평으로 이어지는 운영 과정 내내 반복되고, 단계마다 AI에 요구되는 역할이 다릅니다. 계획 단계에서는 품질과 설명 가능성이, 실시 단계에서는 속도와 연결성이 중요합니다.
| 구분 | 작전 계획 단계 | 작전 실시 단계 |
|---|---|---|
| 중심 절차 | 작전계획수립과정 (MDMP) | RDSP (신속 결심 수립 절차) |
| 핵심 요소 | 품질 · 설명 가능성 | 속도 · 연결성 |
| AI 역할 | 교리 기반 방책 구조화, 워게이밍, 방책 간 정량 비교 | ISR 데이터 분석, 위협 식별, 대응 방안 수립·전파 |
| AD-C2 모드 | 작전 계획 모드 (5단계) | 작전 실시 모드 |
① 읽고 : 기존 문서가 곧 데이터가 됩니다
첫 단계는 상급부대 작전명령서와 C4I·ISR 데이터를 받아 온톨로지 객체로 바꾸는 일입니다. 이미 업무에서 만들어지는 산출물을 그대로 입력으로 쓰기 때문에 별도의 데이터 구축 부담이 적습니다.
| 입력 데이터 | 형식 | 변환 결과 |
|---|---|---|
| 상급부대 작전명령서 | PDF · 한글(HWP) · 워드 | 임무·작전지역·부대·적 상황 객체 |
| 작전 투명도 | 이미지 · 도식 | 기호·위치 객체 (MIL-STD-2525C) |
| EO/IR 영상 | 영상 스트림 | 탐지 표적 객체 |
| 위성영상 | 시계열 영상 | 지형·시설·변화 객체 |
| 지형 데이터 | DEM · 도로망 · 수치지도 | 지형 요소 객체 |
| 전술 메타데이터 | 구조화 데이터 | 피아 부대·상황 객체 |
처리 과정에서 뉴럴과 심벌릭이 차례로 일합니다. 문서 파서와 LLM이 명령서 본문과 부록에서 임무, 작전지역, 부대, 적 상황을 추출하면(Neural), 그 결과를 온톨로지의 부대·지역·기호·표적 클래스에 매핑하고 관계를 연결합니다(Symbolic). 이어서 온톨로지 제약 규칙이 누락과 모순을 표시하고, 탐지된 표적은 좌표·시간과 함께 지식그래프에 적·아군 상황으로 매핑됩니다. 원문에서 바로 뽑아낸 과업은 명시과업으로, LLM이 도출한 과업은 근거와 함께 추정과업으로 구분해 보여 줍니다.
② 분석하고 : 지형을 읽고, 적을 읽고, 적의 행동을 그립니다
두 번째 단계는 전장정보분석(IPB)을 자동화합니다. IPB는 지형과 적을 분석해 적 방책을 도출하는 절차이고, 순서도 교리와 같습니다. 지형을 읽고, 적을 읽고, 적이 할 행동을 그립니다. 지형 분석은 관측·사계, 접근로, 중요 지형지물, 장애물, 엄폐·은폐(OAKOC) 다섯 항목을 각각 산출해 하나의 지형통합분석도로 겹쳐 보여 줍니다. 모든 결과는 임무·적·지형 및 기상·가용부대·가용시간·민간 고려사항(METT-TC)의 여섯 축으로 지식그래프에 연결됩니다.
자동화된 여러 분석 가운데 결심에 직접 이어지는 것은 세 가지입니다.
적이 올 길 : 접근로
차량·궤도·도보별로 기동 가능한 도로망에서 회랑과 접근로를 도출합니다. 차량으로 이동한 뒤 하차해 도보로 기동하는 혼합 기동까지 반영하고, 접근로마다 최소 폭, 도로 이동 비율, 관측·은폐·장애물 영향을 표로 비교합니다.
확보, 탈취, 통제 대상 지역 : 중요 지형지물
METT-TC를 고려하여 피아가 확보, 탈취, 통제하려고 하는 지역을 중요 지형지물로 자동 선정합니다. 후보는 삭제하거나 추가할 수 있어, 참모가 검토해 확정하는 방식으로 운용됩니다.
적이 할 행동 : 위협 평가
위협 평가는 뉴로심벌릭 추론으로 이뤄집니다. 적의 편제와 교리를 온톨로지 규칙(적 교리 형판)으로 표현하고, 여기에 실제 접근로와 중요 지형지물을 입혀 적의 예상 기동을 그립니다. 그 결과로 주공 돌파, 조공 고착 같은 기동형태별 적 방책 후보가 만들어지고, 접근로별 위협과 매복 가능 지점, 고가치표적(HVT)을 결합해 위협 순위가 산출됩니다. 판단에 쓰인 지표·규칙·교범 조항은 지식그래프에 경로로 남습니다. 여기서 만들어진 적 방책 후보는 다음 단계에서 점수와 판정을 거칩니다.
③ 제시하고 : 속도보다 근거
세 번째 단계는 분석 단계에서 넘어온 적 방책 후보에 점수를 매겨 판정하고, 그에 대응하는 아군 방책과 작전명령서 초안을 교범 근거와 함께 제시합니다. 이 단계의 핵심 성능지표는 생성 속도가 아니라 교리에 기반한 설명 가능성입니다.
적 방책 후보는 사용자가 정한 가중치에 따라 종합점수와 순위가 매겨집니다. 방향별로 14개 요소를 나란히 비교하는 표가 함께 제공되고, 방책마다 근거가 된 교범명과 해당 본문을 원문과 번역으로 보여 줍니다. 가능성이 높은 적 방책에 대응하는 것이 기본계획, 위험한 방책에 대응하는 것이 우발계획이 됩니다.
아군 방책은 다섯 단계 파이프라인을 거쳐 만들어집니다. 적 방책과 고가치표적, 상급부대 임무, 아군 전투편성을 불러와 결합하면, LLM이 방책 초안과 방책 진술을 생성합니다. 이 초안은 곧바로 온톨로지 규칙의 교리 검증을 거치고, 판단에 쓰인 지표·규칙·교범 조항이 추론 경로와 함께 붙은 뒤 결과 DB에 저장됩니다.
LLM이 방책을 잘못 만들면
국방 현장에서 가장 먼저 나올 질문입니다. AD-C2는 LLM의 출력을 그대로 내보내지 않도록 여러 겹의 장치를 둡니다. 첫째, LLM이 만든 초안은 온톨로지 규칙으로 전투지경선, 접근로 분할 금지 같은 교리 제약을 검사받습니다. 둘째, 모든 자동 산출물은 "추정·후보"로 표기되고 교범 근거와 추론 경로가 함께 공개되어, 참모가 무엇을 근거로 나온 결과인지 확인할 수 있습니다. 셋째, 앞 단계의 입력이 바뀌면 뒤 단계에 "재확정 필요" 경고가 떠 오래된 판단이 그대로 쓰이는 것을 막습니다. 그리고 그 결과를 수정하고 확정하는 것은 언제나 지휘관입니다.
결심지점은 하나의 조건문입니다
아군 방책에는 결심지점이 들어갑니다. AD-C2는 결심지점을 관측 지점·시점·지표·판정·행동으로 이뤄진 하나의 조건문으로 구조화합니다. 앞에서 본 "판단이 조건문 구조를 갖는다"는 특성을 그대로 데이터 구조로 옮긴 것입니다.
이렇게 구조화된 결과는 전술지도 위에 군대부호와 작전 레이어(중요감시지역·관심타격지역·교전지역·장애물·결심지점)로 표출되고, 5개 문단 형식의 작전명령서 초안으로 자동 작성되어 편집기에서 바로 고칠 수 있습니다.
④ 실행하다 : 근거를 갖췄기에 빨라질 수 있습니다
제시 단계의 기준이 근거였다면, 실행 단계의 기준은 속도입니다. 핵심 평가 기준은 정확한 데이터에 기반한 결심 속도, 즉 OODA 루프(관찰·판단·결심·행동의 순환) 단축입니다. 두 기준은 충돌하지 않습니다. 계획 단계에서 근거를 갖춘 결심지점이 미리 정의되어 있기 때문에, 실시 단계에서는 그 조건과 현재 상황을 비교하는 것만으로 빠르게 판단할 수 있습니다. 승인된 계획이 현행작전의 기준선이 되는 셈입니다.
ISR과 현장 보고로 들어온 적 이동은 지식그래프에 반영되고, 승인 계획의 결심지점 조건과 비교되어 주타격 방향 확률이 실시간으로 갱신됩니다. 이를 바탕으로 계획대로 수행할지(실행 결정), 작전 개념을 고칠지(조정 결정) 판단을 돕고, 지휘관이 확정하면 단편명령(FRAGO) 초안과 작전 레이어를 준비합니다. 최종상태 대비 달성·미달·판정 불가가 자동으로 판정되고, 입력된 이벤트는 시간값과 함께 기록됩니다. 이 판정 결과와 이벤트 로그가 다음 계획과 강평의 입력이 됩니다.
위협 순위별 표적 목록에는 아군 화기와의 거리, 사거리 내 여부, 가시선 확보 여부가 함께 표시됩니다. 계획 단계에서 정한 결심지점·중요감시지역·교전지역은 실시 화면으로 그대로 이어집니다.
기존 체계를 대체하지 않는 결심 계층
AD-C2는 기존 지휘통제·무기 체계를 대체하지 않습니다. 그 데이터를 연동해 위에서 결심 계층을 담당합니다. 전술 지휘통제체계(C4I)에서는 피아 상황과 명령 데이터를 받고, ISR 체계와 위성영상 분석체계에서는 표적 탐지와 변화 탐지 결과를 받습니다. 체계 구축은 기존 체계기업의 확장성을 활용하고, 결심 지원이라는 핵심 역할을 AD-C2가 맡는 구조입니다.
| 항목 | 운용 개념 |
|---|---|
| 사용자 | 작전 지휘관 및 참모 (정보·작전) |
| 운용 위치 | 지휘소 지휘통제실 |
| 운용 모드 | 작전 계획 모드(5단계) → 승인 → 작전 실시 모드 |
| 확장 | 상급 제대 지휘결심체계, 드론 연동 감시정찰 |
현장의 문제는 어떻게 달라지는가
처음에 살펴본 다섯 가지 문제로 돌아가 보겠습니다. AD-C2의 각 단계는 이 문제들에 하나씩 대응합니다.
| 현장의 문제 | AD-C2의 접근 | 달라지는 점 |
|---|---|---|
| 데이터의 실시간 유입 | 온톨로지로 하나의 지식그래프에 통합, 위협 순위·주타격 방향 확률로 요약 | 지휘관이 정리된 판단 재료를 받음 |
| 작전명령서 수작업 도식 | 작전명령서 자동 판독과 상황도 자동 도식 | 계획 준비 부담 감소 |
| 분석의 경험 의존 | OAKOC·접근로·중요 지형지물 자동 산출 | 일관된 기준의 분석 |
| 방책 근거의 불투명 | 교범 근거·추론 경로 제시, 원천 데이터 역추적 | 결심의 검증·승인 용이 |
| 계획과 실제의 괴리 | 승인 계획을 기준선으로 결심지점 조건 비교 | 계획이 실시로 연결 |
정리하며
AD-C2가 연결하려는 것은 두 가지입니다. 계획 단계(작전계획수립과정)의 품질과 실시 단계(RDSP)의 속도입니다. 둘을 잇는 바탕은 같은 온톨로지입니다. 계획에서 정한 결심지점과 교전지역이 실시 화면으로 그대로 넘어가고, 실시에서 기록된 판정과 이벤트가 다시 다음 계획으로 돌아옵니다.
결심 지원은 더 똑똑한 모델을 붙이는 일에서 시작하지 않습니다. 군이 이미 가진 개념 체계를 기계가 다룰 수 있는 데이터로 옮기는 일에서 시작합니다. 인피닉이 AURON의 출발점을 온톨로지에 두는 이유입니다. 그 위에서 AI는 지휘관의 결심을 대신하지 않고, 그 결심이 더 빠르고 정확해지도록 돕습니다.
용어 정리
| 용어 | 뜻 |
|---|---|
| C2 | 지휘·통제 (Command and Control) |
| C4I / ISR | 지휘·통제·통신·컴퓨터·정보 / 정보·감시·정찰 |
| 온톨로지 | 도메인 개념을 개체로, 개념 간 규칙을 관계로 정의한 지식 구조 |
| 뉴로심벌릭 AI | 딥러닝(뉴럴)과 규칙·지식 기반 추론(심벌릭)을 결합한 AI |
| IPB | 전장정보분석. 지형·적 분석을 거쳐 적 방책을 도출하는 절차 |
| METT-TC | 임무·적·지형 및 기상·가용부대·가용시간·민간 고려사항 |
| OAKOC | 관측·사계, 접근로, 중요 지형지물, 장애물, 엄폐·은폐 |
| MDMP / RDSP | 작전계획수립과정(계획 단계, 미군 용어로는 군사적 결심 수립 절차) / 신속 결심 수립 절차(실시 단계) |
| 방책 (COA) | 작전 수행 방안 (Course of Action) |
| NAI / TAI / EA | 중요감시지역 / 관심타격지역 / 교전지역 |
| HVT / HPT | 고가치표적 / 핵심표적 |
| FRAGO | 단편명령 |
| H시 / H+n | 작전 개시 시각 / 개시 후 n시간 |
| XAI | 설명 가능한 AI |
자주 묻는 질문
기존 체계기업과 경쟁하는 독자 체계인가요?
아닙니다. AD-C2는 지휘통제 체계를 처음부터 새로 구축하거나 기존 체계를 대신하는 독자 체계가 아닙니다. 체계 구축은 기존 체계기업이 가진 확장성을 그대로 활용하고, AD-C2는 그 위에서 결심 지원이라는 핵심 역할을 맡습니다. 체계기업이 만든 데이터와 인프라 위에 결심 계층을 더하는, 역할이 나뉜 구조입니다.
기존 C4I 체계를 교체해야 하나요?
교체하지 않습니다. AD-C2는 무기·통신·지휘통제 체계를 대체하지 않고, 그 데이터를 연동해 위에서 결심 계층을 담당합니다. 작전명령서처럼 이미 업무에서 만들어지는 산출물을 그대로 입력으로 씁니다.
교리가 바뀌면 AI 모델을 다시 학습해야 하나요?
교리·교범·전술 규칙은 심벌릭 계층에서 온톨로지와 규칙으로 명시됩니다. 그래서 교리가 바뀌면 모델을 재학습하지 않고 온톨로지(스키마)만 갱신하면 됩니다.
방책 추천의 근거는 어떻게 확인하나요?
방책마다 근거가 된 교범명과 본문(원문·번역), 판단에 쓰인 지표와 규칙이 추론 경로로 함께 제시됩니다. 데이터 처리 전 과정에서 원본 레코드 ID·버전·실행 ID가 보존되므로, 방책 결과에서 근거 데이터와 원천까지 거꾸로 추적할 수 있습니다.
관련 글
온톨로지 구축노트 2 : 설계도와 데이터를 왜 분리하는가
온톨로지 파일 하나에 개념과 실데이터를 함께 담으면, 처음에는 편하고 나중에는 손댈 수 없게 됩니다. 형상 관리, 변경 비용, 추론 엔진의 한계라는 세 가지 지점에서 무슨 일이 벌어지는지, 그리고 분리한 구조 위에서 구축을 어떻게 자동화하는지 정리합니다.
온톨로지 구축노트 1 : LLM이 다시 온톨로지를 보는 이유
모델은 점점 똑똑해지는데 "왜 이 답인지"를 설명하지 못하는 문제는 그대로입니다. 지식의 양이 아니라 구조가 없기 때문입니다. 온톨로지가 무엇이고, 흔히 혼용되는 분류 체계·지식 그래프와는 어떻게 다른지부터 정리합니다.
같은 공간데이터, 다른 질문 : OCOKA로 보는 공간분석의 의사결정 가치
공간분석은 지도를 보기 좋게 그리는 일이 아닙니다. 위치, 거리, 지형, 도로, 건물 같은 조건을 계산해 판단에 쓸 수 있는 정보로 바꾸는 일입니다. 같은 지역의 같은 공간데이터가 어떤 질문을 받느냐에 따라 이동성, 가시성, 보호성, 통제성, 중요 지형지물이라는 서로 다른 판단 레이어로 바뀌는 과정을 지형분석 프레임워크 OCOKA를 적용한 사례로 살펴봅니다.