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.
공간분석은 지도를 그리는 일이 아닙니다
공간분석이라고 하면 보기 좋은 지도를 먼저 떠올리기 쉽습니다. 하지만 공간분석의 본질은 시각화가 아니라 연산입니다. 두 지점이 얼마나 떨어져 있는지, 어떤 길로 연결되는지, 어느 지점에서 다른 지점이 보이는지, 주변에 어떤 지형과 건물이 있는지를 계산해 판단의 근거로 바꾸는 과정입니다.
이 계산의 재료가 지리공간 데이터입니다. 지리공간 데이터는 위치 정보와 속성 정보, 그리고 시간 정보가 결합된 데이터입니다. 도로 데이터라면 도로가 어디에 있는지뿐 아니라 도로의 종류나 폭이 함께 들어갑니다. 건물 데이터라면 위치와 함께 높이나 면적이 들어갑니다.
이렇게 서로 다른 데이터를 같은 좌표, 같은 격자 기준으로 맞추면 여러 조건을 겹쳐서 계산할 수 있게 됩니다. 그 결과가 이동성, 가시성, 보호성, 통제성 같은 새로운 판단 레이어입니다. 위치, 거리, 인접성, 연결성, 가시성을 정량적으로 연산해 목적에 맞는 공간 지능(Spatial Intelligence)을 만드는 일, 그것이 공간분석입니다.
OCOKA란 무엇인가
이 글에서 살펴볼 사례는 OCOKA라는 분석 틀을 따릅니다. OCOKA는 미군이 지형을 분석할 때 쓰는 프레임워크로, 지형을 살펴볼 다섯 가지 관점의 영문 머리글자를 딴 이름입니다.
| 머리글자 | 요소 | 묻는 질문 |
|---|---|---|
| O | 관측 및 사계 (Observation and fields of fire) | 어디서 볼 수 있고, 어디가 보이지 않는가 |
| C | 엄폐 · 은폐 (Cover and Concealment) | 어디가 가려지고, 어디가 보호되는가 |
| O | 장애물 (Obstacles) | 어디로 갈 수 있고, 어디가 막혀 있는가 |
| K | 중요 지형지물 (Key terrain) | 여러 조건이 겹치는 중요한 지점은 어디인가 |
| A | 접근로 (Avenues of approach) | 장애물을 피해 어느 축으로 이동할 수 있는가 |
다섯 요소는 모두 같은 지형을 대상으로 하지만, 각자 다른 질문을 던집니다. 그래서 OCOKA는 하나의 공간데이터 묶음이 질문에 따라 어떻게 다른 판단 레이어로 바뀌는지를 보여주기에 좋은 사례입니다. 이 글에서 중요한 것은 군사 용어 자체가 아니라 그 변환 과정입니다.
위치가 해석을 바꿉니다
공간분석이 중요한 이유는 위치가 해석을 바꾸기 때문입니다. 같은 건물이라도 하천 옆에 있는지, 언덕 위에 있는지, 도로망과 잘 연결되어 있는지에 따라 의미가 달라집니다. 같은 도로도 평지를 지나는 도로와 급경사 사이를 지나는 도로는 이동 조건이 다릅니다.
그래서 공간분석은 데이터 하나를 따로 보지 않습니다. 그 데이터가 어디에 있고, 주변과 어떤 관계를 맺고 있는지까지 함께 봅니다. 이 과정을 거치면 단순한 위치 정보가 판단에 쓸 수 있는 근거로 바뀝니다. 공간은 시각적 배경이 아니라, 해석의 방향과 의사결정 결과를 좌우하는 조건입니다.
| 공간 조건 | 분석 질문 |
|---|---|
| 위치 · 거리 | 절대·상대 좌표, 무엇과 얼마나 떨어져 있는가 |
| 연결성 | 이동축과 네트워크, 대체 경로가 존재하는가 |
| 가시성 · 고도 | 어디서 보이는가, 지형 조건은 어떠한가 |
| 밀도 | 단위 면적 안에 현상이 얼마나 집중되어 있는가 |
같은 데이터, 다섯 개의 질문
이번 사례의 분석 대상은 약 31 × 16 km 규모의 관심 지역(AOI, Area of Interest)입니다. 이 지역을 5 m 격자로 나누면 약 2,037만 개의 셀이 됩니다. 각 셀 위에 DEM(수치표고모델), 경사, 수계, 건물, 도로, 식생 데이터를 같은 기준으로 정합했습니다.
여기에 어떤 질문을 던지느냐에 따라 결과가 달라집니다. "통과할 수 있는가"를 물으면 기동성 등급이 나오고, "어느 축으로 이동할 수 있는가"를 물으면 접근로가 나옵니다. "어디서 보이는가"를 물으면 가시권이, "보이지 않거나 보호되는 곳은 어디인가"를 물으면 은폐와 엄폐가 나옵니다. 그리고 이 결과들을 묶으면 어떤 지점을 중요하게 관리해야 하는지 판단하는 중요 지형지물 레이어가 만들어집니다.
앞서 소개한 OCOKA의 다섯 요소가 바로 이 다섯 가지 질문에 해당합니다. 각 요소의 분석 결과는 따로 끝나지 않고, 다음 단계 분석의 입력으로 이어집니다.
분석은 장애물, 접근로, 관측 및 사계, 엄폐·은폐, 중요 지형지물 순서로 진행했습니다. 이 순서는 항목의 나열이 아니라 판단이 쌓이는 흐름입니다. 이동을 제한하는 조건을 먼저 확인하고, 그 조건 안에서 이동 가능한 축을 찾고, 그 축을 어디서 볼 수 있는지 본 뒤, 어디가 노출되고 어디가 보호되는지를 확인합니다. 마지막으로 이 결과들을 종합해 어떤 지점을 중요하게 봐야 하는지 판단합니다.
장애물 : 어디로 갈 수 있고, 어디가 막혀 있는가
여기서 장애물은 건물이나 강처럼 눈에 보이는 물체만 뜻하지 않습니다. 이동하는 입장에서 통과하기 어려운 급경사, 대형 수계, 건물 밀집지, 습지 같은 조건을 모두 포함합니다. 이 조건들을 기준으로 AOI 전체 셀을 네 단계의 기동성 등급으로 나눴습니다.
| 등급 | 비율 | 지형 특징 |
|---|---|---|
| GO | 0.79% | 평탄지 · 도로 · 개활지 |
| SLOW_GO_LOW | 15.37% | 완경사 · 저밀도 식생 · 소규모 수계 |
| SLOW_GO_HIGH | 16.34% | 중경사 · 건물 인근 · 얕은 습지 |
| NO_GO | 67.50% | 급경사 · 대형 수계/습지 · 건물 밀집 |
통과 불가로 판단된 NO_GO 지역은 전체의 67.5%였습니다. 반대로 자유롭게 이동할 수 있는 GO 지역은 0.8% 정도에 그쳤습니다. 이동에 유리한 GO와 SLOW_GO_LOW를 합쳐도 약 16%, 위험을 동반하는 SLOW_GO_HIGH까지 포함해도 약 33%입니다.
이 숫자는 단순히 "갈 수 없는 곳이 많다"는 뜻이 아닙니다. 이동 가능한 공간이 넓게 퍼져 있지 않고 좁은 회랑으로 모인다는 뜻입니다. 함께 도출된 병목 31개와 우회강제 13개도 같은 맥락입니다. 이 지점들은 회랑 안에서 통로가 좁아지거나, 막혔을 때 대체 경로가 부족해지는 이동 통제점으로 해석할 수 있습니다.
접근로 : 장애물을 피해 어느 축으로 이동할 수 있는가
다음 질문은 "어느 축으로 이동하는 것이 상대적으로 유리한가"입니다. 이 질문에는 최소비용경로(LCP, Least Cost Path) 알고리즘으로 답했습니다.
먼저 앞 단계의 장애물 결과를 비용면으로 바꿉니다. 비용면은 이동하기 쉬운 곳에는 낮은 값을, 어려운 곳에는 높은 값을 준 지도입니다. NO_GO 지역은 차단하고, 도로폭이 넓을수록 비용을 낮췄습니다. 이 비용면에서 누적 비용이 가장 낮은 경로를 찾으면 첫 번째 이동축, 즉 주공 후보가 나옵니다.
그다음 같은 축이 다시 선택되지 않도록 주공 후보의 회랑과 주변 버퍼에 비용 페널티를 줍니다. 이 상태에서 다시 최소비용경로를 찾으면 두 번째 이동축인 조공 후보가 나옵니다. 마지막으로 두 경로의 공간 중첩을 검증합니다.
이번 결과에서 두 경로는 공간적으로 거의 겹치지 않았습니다. 같은 길을 반복해서 찾은 것이 아니라 서로 독립된 이동축 후보가 나온 것입니다. 두 축이 임의로 고른 결과가 아니라 알고리즘 흐름에서 도출된 결과라는 점이 중요합니다. 다만 최종 주공과 조공은 분석 결과만으로 정하지 않습니다. 임무, 운용 의도, 현장 조건을 함께 보고 판단해야 합니다.
관측 및 사계 : 어디서 볼 수 있고, 어디가 보이지 않는가
이동축이 정리되면 다음 질문은 "그 축을 어디서 볼 수 있는가"입니다. 먼저 고지 후보 261개를 찾고, 그중 접근로 감시에 유리한 관측소(OP, Observation Post) 7개를 선정했습니다. 선정 기준은 높이가 아니라 접근로 가시 기여도였습니다.
이 7개 OP가 볼 수 있는 영역은 AOI 전체 기준으로 5.5%입니다. 숫자만 보면 작아 보입니다. 하지만 중요한 것은 전체 면적을 얼마나 보느냐가 아니라, 판단에 중요한 이동축을 얼마나 보느냐입니다. 주접근로를 기준으로 보면 가시 구간은 74.4%였습니다.
| 주접근로 가시 구간 | 다중 OP 통제 | 최장 비관측 | 조공 비관측 |
|---|---|---|---|
| 74.4% | 7.5% (OP 2개 이상) | 약 1,100 m | 약 1,450 m |
한 셀을 동시에 볼 수 있는 OP는 최대 4개였습니다. 여러 관측소가 같은 구간을 겹쳐 보는 다중 관측은 감시의 안정성을 높여 줍니다. 결국 이 결과는 적은 수의 관측 지점으로도 핵심 이동축의 상당 부분을 감시할 수 있다는 의미입니다.
엄폐 및 은폐 : 보이지 않는 곳과 보호되는 곳은 다릅니다
엄폐와 은폐는 비슷해 보이지만 묻는 질문이 다릅니다. 은폐는 "보이지 않는가"를 묻습니다. 숲이나 지형 뒤에 있어 시야에서 가려지는 경우입니다. 엄폐는 "실제로 보호되는가"를 묻습니다. 지형이나 구조물이 직접적인 위험을 물리적으로 막아주는 경우입니다.
결과는 크게 달랐습니다. 은폐 가능성이 높거나 중간인 공간은 약 75%였지만, 엄폐가 가능한 공간은 낮은 등급까지 모두 포함해도 4.6%에 그쳤습니다. 두 수치는 모두 AOI 전체 셀, 약 2,037만 셀이라는 같은 분모를 기준으로 한 값입니다.
같은 지형에서 시야는 가려져도, 실제로 보호되는 곳은 따로 있습니다.
은폐 약 75% · 엄폐 4.6%
보이지 않는다고 해서 반드시 보호되는 것은 아닙니다. 같은 공간이라도 시야 기준으로는 안전해 보이지만, 물리적 보호 기준으로 보면 위험할 수 있습니다. 이 분석은 보이지 않는 공간과 실제로 보호되는 공간을 구분해서 봐야 한다는 점을 수치로 보여줍니다.
중요 지형지물 : 여러 조건이 겹치는 지점은 어디인가
마지막 단계는 앞의 결과를 종합해 어디가 중요한지 판단하는 일입니다. 중요 지형지물은 고정된 답이 아닙니다. 관측 우세, 사격 우세, 공간 통제, 장애물 통제 가운데 어떤 기준을 더 중요하게 보느냐에 따라 달라지며, 한 지점이 더 많은 조건을 만족할수록 더 중요한 지형으로 평가됩니다.
조건별로 충족 후보를 찾은 결과 관측 우세 4개, 사격 우세 2개, 공간 통제 5개, 장애물 통제 0개가 나왔습니다. 80 m 이내로 근접한 후보를 하나로 통합하자, 11개 가운데 1개 후보가 관측 우세와 사격 우세를 동시에 충족해 최종 10개 후보가 도출되었습니다. 등급별로는 결정적 지형 0개, 중요 지형 0개, 상당 지형 1개, 보통 지형 9개였습니다.
결정적 지형이 하나도 나오지 않았다는 것은 단일 지점 하나만 확보해서는 전체를 통제할 수 없는 구조라는 뜻입니다. 관측과 공간 통제 조건이 여러 지점에 분산되어 있기 때문입니다. 따라서 특정 거점에 의존하기보다, 관측 우세 지점과 공간 통제 지점을 연결해 통제망을 구성하는 관점이 적절합니다.
장애물 통제 후보가 0개라는 결과도 눈여겨볼 부분입니다. 회랑을 통제할 수 있는 지점이 다른 조건과 결합되지 않았다는 의미로, 데이터와 현장 정보의 보강이 필요한 영역입니다.
분석 결과는 다음 판단의 입력값이 됩니다
다섯 단계의 결과는 각각 하나의 지도로 끝나지 않습니다. 기동, 감시, 보호, 통제망 구성이라는 다음 의사결정의 입력값으로 연결될 때 의미가 커집니다.
| 분석 | 주요 활용 방향 |
|---|---|
| 장애물 | GO · SLOW_GO_LOW는 우선 통과 후보, NO_GO는 회피 · 우회, 병목 · 우회강제 지점은 핵심 통제점 |
| 접근로 | 주공 후보는 주 이동축, 조공 후보는 대체 경로, 병목과 겹치는 구간은 차단 위험 우선 점검 |
| 관측 및 사계 | OP 7개는 우선 관측 후보지, 비가시 구간은 UAV · CCTV · 센서로 보완, 다중 OP 구간은 감시 안정성 확보 |
| 엄폐 · 은폐 | 은폐와 엄폐가 모두 높으면 보호 공간, 은폐만 높으면 외관상 안전(피탄 주의), 둘 다 낮으면 회피 |
| 중요 지형지물 | 상당 1 · 보통 9는 통제망으로 구성, 결정적 0은 단일 점령 회피, 장애물 통제 0은 데이터 보강 |
같은 구조, 다른 분야 : 재해 · 도시계획 · 환경
이 분석 구조는 군 분야에만 머물지 않습니다. 분석의 이름이 바뀌는 것이 아니라, 같은 공간 조건을 다른 목적에 맞게 다시 해석하는 것입니다. "어디로 갈 수 있는가, 어디가 보이는가, 어디가 중요한가"라는 질문 구조는 재해 대응, 도시계획, 환경 관리에서도 그대로 통합니다.
| 분석 | 재해 | 도시계획 | 환경 |
|---|---|---|---|
| 장애물 | 대피 취약 · 구조 접근 곤란 · 단절 위험 | 보행 단절 · 도로망 취약 | 조사 접근성 · 산림 · 습지 제약 |
| 접근로 | 대피 · 구호 · 산불 진입 경로 | 보행 접근성 · 공공서비스 접근 경로 | 훼손 최소 조사 경로 · 생태축 단절 최소화 |
| 관측 및 사계 | 산불 감시탑 · 위험 사면 감시 | CCTV 사각지대 · 공공안전 감시망 | 산림 훼손 · 생태 모니터링 지점 선정 |
| 엄폐 · 은폐 | 폭염 그늘과 열축적 · 침수 평탄지와 배수 취약지 | 조경 차폐와 CCTV · 조명 사각 | 캐노피 차폐와 미세지형 보호성 |
| 중요 지형지물 | 침수 + 대피 + 취약인구 + 병목 → 우선 정비 | 교통 + 개발 + 보행성 + 공공시설 → 계획 우선 | 경사 + 수계 + 산림 훼손 + 생태 연결 → 보전 우선 |
재해 분야에서 이동이 어려운 곳을 찾는 방식은 대피가 어렵거나 구조 접근이 곤란한 지역을 찾는 방식으로 바뀝니다. 도시계획에서는 보행 단절 구간과 CCTV 사각지대를, 환경 분야에서는 조사 인력의 접근이 어려운 산림과 습지, 훼손을 최소화하는 조사 경로를 찾는 데 쓰입니다.
다만 분야가 바뀌면 평가 기준과 임계값은 다시 정의해야 합니다. 같은 공간 연산을 쓰더라도 군사 분야의 장애물과 재해 분야의 장애물, 도시계획의 장애물은 의미가 다릅니다. 공간분석 구조는 그대로 가져오되, 해석 기준은 목적에 맞게 새로 세우는 것이 핵심입니다.
정리하며
이번 사례는 동일한 공간 기준으로 정합한 여러 공간데이터를 이동성, 가시성, 보호성, 통제성, 중요 지형지물로 연산해 의사결정 정보를 도출한 정량적 공간분석 사례입니다.
| 분석 | 이 사례의 값 |
|---|---|
| 기동성 | NO_GO 67.5% · 병목 31 · 우회강제 13 |
| 접근로 | 주공 후보 · 조공 후보 (공간 중첩 거의 없음) |
| 관측 | OP 7 · AOI 가시권 5.5% · 주접근로 가시 74.4% |
| 은폐 · 엄폐 | 은폐 약 75% vs 엄폐 4.6% (동일 분모) |
| 중요 지형지물 | 결정적 0 · 상당 1 · 보통 9 |
NO_GO 67.5%는 갈 수 없는 곳이 많다는 사실보다 접근로 선택이 중요하다는 점을 보여줍니다. OP 7개와 주접근로 가시 구간 74.4%는 전체 면적보다 판단에 중요한 이동축을 얼마나 보느냐가 더 중요하다는 점을 보여줍니다. 은폐 75%와 엄폐 4.6%의 차이는 보이지 않는 공간과 보호되는 공간이 다르다는 점을 보여줍니다.
공간정보는 시각적 배경이 아니라 판단 결과를 좌우하는 조건입니다. 공간분석은 이 공간정보를 정량적으로 계산해 의사결정 레이어로 바꾸며, OCOKA는 그 변환 과정을 선명하게 보여주는 사례입니다.
공간분석은 보이지 않던 관계를 계산해, 판단해야 할 위치를 찾아주는 분석입니다.
질의응답
격자를 5 m보다 더 촘촘하게 나누면 결과가 더 정확해지나요?
반드시 그렇지는 않습니다. 격자가 작아지면 좁은 길이나 작은 구조물처럼 세밀한 조건을 더 잘 잡아낼 수 있지만, 셀 수가 크게 늘어 계산 부담도 함께 커집니다. 또 원천 데이터의 해상도가 격자보다 거칠다면 격자만 잘게 나눠도 정보가 늘지 않습니다. 격자 크기는 분석 질문이 요구하는 정밀도와 확보한 데이터의 해상도를 함께 보고 정하는 것이 현실적입니다.
계절이 바뀌면 분석 결과도 달라지나요?
달라질 수 있습니다. 특히 식생에 크게 의존하는 은폐는 잎이 무성한 시기와 잎이 진 시기에 차이가 날 수 있고, 수계나 습지처럼 강수에 따라 변하는 조건은 기동성 판단에도 영향을 줍니다. 반면 지형 기복이나 구조물처럼 잘 변하지 않는 조건에 기반한 결과는 상대적으로 안정적입니다. 결과를 활용하는 시점에 맞는 데이터를 반영하는 것이 중요합니다.
가시권 분석에서 "보인다"는 것은 날씨나 야간에도 그대로 적용되나요?
일반적인 가시권 분석은 관측 지점과 대상 사이에 지형이나 구조물이 시선을 가리는지를 기하학적으로 계산합니다. 안개, 강수, 조명 같은 조건은 기본적으로 반영되지 않기 때문에 "시선이 닿을 수 있는 영역"으로 이해하는 것이 정확합니다. 실제 감시 가능성은 기상과 관측 장비의 특성을 함께 고려해 판단해야 합니다.
분석 결과를 현장에 그대로 적용해도 되나요?
분석 결과는 판단을 대신하는 답이 아니라 판단을 돕는 근거입니다. 데이터에 반영되지 않은 최신 변화나 현장 조건이 있을 수 있고, 같은 결과라도 목적에 따라 우선순위가 달라집니다. 정량 분석으로 후보와 근거를 좁히고, 최종 결정은 현장 확인과 운용 목적을 함께 고려해 내리는 방식이 적절합니다.
관련 글
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.
AI 기반 지휘결심 지원체계 : 계획의 품질, 실시의 속도
지휘결심은 한 번의 선택이 아니라 작전 내내 되풀이되는 과정입니다. 작전을 계획할 때와 실시할 때, AI에 요구되는 역할은 어떻게 다를까요? 운영 과정(OP)을 기준으로 국내외 기술 동향을 살펴봅니다.
방어작전은 어떻게 설계되는가
무기도 지휘통제도 이미 국내 체계기업이 선점했습니다. 방산 AI에 남은 자리는 결심 지원이고, 그 자리에 들어가려면 군이 방어작전을 어떻게 계획하는지부터 알아야 합니다. 방어작전의 기본 구조를 데이터 관점에서 읽어 봅니다.