[한국공항공사] AX(BIM) 기반 재난대응 및 안전관리체계 구축

한국공항공사 KAC-BIM – 공항 전체를 하나의 디지털 안전판으로

“AI 기능 하나가 아니라, 새로운 AI를 계속 연결할 수 있는 공항 인프라를 만들다”

공항에서는 항공기와 제설차, 급유차, 소방차가 끊임없이 움직이고, 터미널에서는 수많은 여객이 이동합니다. 바람과 눈, 비 같은 기상 변화도 실시간으로 운영에 영향을 줘요. 시설과 장비의 상태, 활주로 점유 상황, 여객 혼잡도 가운데 어느 하나만 놓쳐도 지연이나 안전사고로 이어질 수 있습니다.

문제는 이러한 정보가 서로 다른 시스템과 화면에 흩어져 있다는 점이에요. 항공기 위치는 항공정보 시스템에서, 시설물은 자산관리 시스템에서, 날씨는 기상 시스템에서, 여객 흐름은 센서 화면에서 따로 확인해야 했습니다. 각 정보를 머릿속에서 종합해 판단하는 일은 결국 현장 담당자의 경험에 크게 의존할 수밖에 없었어요.

한국공항공사는 이 문제를 해결하기 위해 KAC-BIM 플랫폼을 구축했습니다. BIM으로 공항의 시설과 공간을 디지털화하고, 항공기·차량·여객·기상·소음·IoT 데이터를 실시간으로 연결해 디지털트윈 위에서 보여주는 플랫폼이에요. 여기에 AI를 연결해 위험을 분석하고, 혼잡이나 이동경로를 예측하며, 재난 대응 시나리오를 시뮬레이션합니다.

여기서 중요한 것은 특정 AI 기능 하나가 아니에요. 한국공항공사는 새로운 AI가 등장할 때마다 전체 시스템을 다시 만드는 대신, 필요한 AI 모듈을 플러그인처럼 연결할 수 있는 **‘AI 인프라’**를 지향하고 있습니다.

Challenge – 공항 데이터는 많았지만 서로 연결돼 있지 않았어요

공항은 하나의 거대한 도시와 비슷합니다. 활주로와 계류장, 여객터미널, 주차장, 기계·전기설비, 보안시설이 동시에 운영되고, 그 위에서 항공기와 차량, 여객이 계속 이동해요.

이 과정에서 다음과 같은 데이터가 발생합니다.

• 항공기의 위치, 방향, 속도와 이동 이력

• 활주로와 계류장의 점유 상태

• 제설차·급유차·소방차 등 이동장비의 위치

• 여객터미널의 혼잡도와 대기시간

• 기상, 풍향, 풍속과 강설 정보

• 공항 주변 소음 측정정보

• 시설물의 온도, 습도, 전력, 진동과 작동 상태

• 건축·구조·설비·전기·보안 등 시설정보

하지만 기존에는 각 시스템이 독립적으로 운영되는 경우가 많았어요.

• 기능별 시스템이 서로 분리돼 데이터를 함께 보기 어려움

• 새로운 AI 기능을 추가할 때마다 별도의 시스템을 구축해야 함

• 2차원 화면이나 표만으로 공간 속 위험을 직관적으로 파악하기 어려움

• 분석이 끝난 데이터가 다른 서비스나 다음 AI 학습에 재사용되지 못함

• 공사가 운영하는 전국 공항의 시설정보가 동일한 기준으로 관리되지 않음

• 여러 화면의 정보를 사람이 종합해야 해 신속한 의사결정에 한계가 있음

공항처럼 안전이 중요한 환경에서는 데이터가 많다는 사실만으로 충분하지 않아요. 어떤 객체가 어느 위치에 있고, 주변에 무엇이 있으며, 시간이 지나면 어떻게 움직일지까지 하나의 공간 안에서 연결해 봐야 합니다.

한국공항공사는 개별 AI 기능을 계속 추가하는 방식보다, 공항의 공간과 운영 데이터를 공통 기반에 모으고 필요한 AI를 그 위에 연결하는 구조가 필요하다고 판단했어요.

Solution – BIM·디지털트윈·AI를 하나의 데이터 파이프라인으로 연결해요

KAC-BIM의 기본 구조는 세 단계로 이해할 수 있습니다.

1. 현실의 공항을 BIM과 센서 데이터로 디지털화

2. 흩어진 운영정보를 공통 데이터 환경에서 통합

3. AI 분석 결과를 디지털트윈 위에 시각화하고 실제 운영에 활용

① BIM으로 AI가 이해할 수 있는 공항의 기준 지도를 만들어요

BIM은 건물과 시설을 단순한 3차원 그림으로 표현하는 기술이 아니에요. 벽, 문, 배관, 설비, 전기시설 같은 객체가 무엇인지, 어디에 있고 어떤 속성을 갖는지까지 데이터로 담는 방식입니다.

예를 들어 일반 지도에는 건물의 외형만 표시되지만 BIM에는 특정 문이 비상구인지, 설비가 어느 공간에 연결돼 있는지, 구조물의 높이와 재료가 무엇인지 같은 정보가 포함될 수 있어요.

한국공항공사는 이 BIM 데이터를 디지털트윈의 기준 정보로 사용합니다. 공항 공간을 정밀하게 표현해 AI가 학습하고 분석할 수 있는 고품질 입력 데이터를 제공하는 거예요.

② CDE에 공항의 시설·운영 데이터를 한곳으로 모아요

CDE는 ‘Common Data Environment’, 즉 공통 데이터 환경을 뜻합니다. 서로 다른 부서와 시스템이 사용하는 정보를 하나의 기준으로 연결하고 관리하는 공간이에요.

KAC-BIM은 BIM 시설정보뿐 아니라 다음과 같은 기존 시스템과 데이터를 연결하도록 설계됐습니다.

• GIS 기반 지리정보

• ERP의 자산정보

• ASTERIX 기반 항공정보

• 그룹웨어의 운영정보

• 시설물 BIM 정보

• 항공기와 지상 이동차량 위치정보

• 여객 흐름과 대기시간

• 기상·소음·IoT 센서정보

각 시스템의 데이터 형식이 달라도 중립 포맷과 국제 표준을 활용해 공통 구조로 변환합니다. 이렇게 연결된 정보는 디지털트윈에 반영되고, AI 모듈이 사용할 수 있는 데이터 파이프라인이 돼요.

③ AI 결과를 3차원 공간에 보여주고 시뮬레이션해요

표에 “위험 발생 가능성 높음”이라고 표시하는 것과, 공항의 3차원 지도에서 위험구역이 어디인지 보여주는 것은 이해 속도가 달라요.

KAC-BIM은 AI가 분석한 혼잡도, 이동경로, 위험구역, 시설 이상을 디지털트윈 위에 시각화합니다. 담당자는 항공기와 차량이 어느 지점에서 충돌할 가능성이 있는지, 재난이 발생했을 때 어떤 통로가 혼잡해지는지, 어느 시설의 상태가 평소와 다른지를 공간과 함께 확인할 수 있어요.

실제 상황을 바꾸기 전에 가상공간에서 여러 조건을 시험하는 것도 가능합니다. 제설차의 동선, 가설구조물의 설치 방법, 여객 대피경로 등을 시뮬레이션하고 결과를 비교해 의사결정을 지원하는 방식이에요.

④ 필요한 AI를 플러그인처럼 연결해요

기존에는 제설, 혼잡도, 재난 대응처럼 기능마다 별도의 AI와 시스템을 개발하는 경우가 많았습니다. 데이터 연결 방식과 화면이 달라 새로운 기능을 추가할 때 시스템을 다시 구축해야 하는 문제도 있었어요.

KAC-BIM은 공통 플랫폼 위에 개별 AI 모듈을 플러그인 형태로 연결하는 구조를 지향합니다. 제설상황관리, 여객혼잡도관리, 이동객체 관제, 건설안전관리뿐 아니라 향후 이상행동 탐지나 재난예측 AI도 같은 기반에 연결할 수 있어요.

공항의 시설과 운영 데이터는 플랫폼이 관리하고, AI는 필요한 데이터를 받아 분석 결과를 다시 플랫폼으로 전달합니다. 새로운 AI가 추가돼도 기존 공항 인프라 전체를 교체할 필요가 줄어드는 구조예요.

⑤ 운영 데이터를 다음 AI가 학습할 수 있는 안전자산으로 쌓아요

일회성 분석으로 끝난 데이터는 시간이 지나면 활용하기 어렵습니다. KAC-BIM은 센서 측정값, 제설차 이동경로, 여객 흐름, 사고와 이상상황, 시뮬레이션 결과를 계속 축적하는 방향으로 설계됐어요.

이렇게 쌓인 데이터는 다음 AI를 학습시키거나 기존 모델을 개선하는 데 사용할 수 있습니다. 공항을 운영할수록 안전 데이터가 많아지고, 데이터가 많아질수록 더 정교한 예측과 시뮬레이션이 가능해지는 선순환 구조입니다.

현장 적용 ① – 폭설 속 제설차의 위치를 실시간으로 확인해요

공항에 많은 눈이 내리면 활주로와 유도로를 빠르게 제설해야 항공기 운항을 재개할 수 있습니다. 하지만 눈이 내리는 동안 현장 상황은 계속 달라지고, 여러 대의 제설장비가 넓은 구역에서 동시에 움직여요. 무선으로 위치와 작업상황을 하나씩 확인하면 정보가 늦거나 누락될 수 있습니다.

한국공항공사는 김포공항에 KAC-BIM CDE를 활용한 제설 통합관제를 2024년 도입했습니다. GPS로 수집한 제설차량의 실시간 위치를 디지털트윈 위에 표시해, 어떤 장비가 어느 구역을 작업하고 있는지 한눈에 확인할 수 있도록 했어요.

이 시스템은 2024년 11월 27~28일 서울 서남권에 117년 만의 폭설이 내렸을 때 실제 장비 운영에 활용됐습니다.

• 제설차량의 위치와 이동경로를 디지털트윈에서 실시간 확인

• 급변하는 강설 상황과 작업구역을 통합 화면에서 파악

• 작업자 간 무선교신 부담을 줄이고 정보 공유를 단순화

• 제설장비 운영 이력을 자동으로 데이터화

• 현장 대응과 장비 배치에 필요한 의사결정 지원

자료에는 제설시간 단축률이나 항공기 지연 감소 건수는 제시돼 있지 않습니다. 다만 실제 폭설 상황에서 통합관제를 운영해 현장 상황 파악과 데이터 구축을 간소화한 적용 사례라는 점을 확인할 수 있어요.

현장 적용 ② – LiDAR와 AI로 탑승구 혼잡도를 예측해요

공항 이용객에게는 “보안검색을 통과한 뒤 탑승구까지 얼마나 걸릴까?”가 중요한 정보예요. 터미널이 붐비는 시간에는 같은 거리라도 이동시간과 대기시간이 크게 달라질 수 있습니다.

한국공항공사는 김포공항 국내선 탑승구간에 LiDAR 센서를 설치하고, 여객터미널을 3차원으로 모델링했습니다. LiDAR는 빛을 이용해 사람과 물체의 위치를 3차원으로 측정하는 센서예요. 카메라 영상 대신 공간상의 점 데이터로 사람의 이동과 밀집 정도를 파악할 수 있습니다.

AI는 LiDAR가 수집한 데이터를 분석해 다음 정보를 계산합니다.

• 탑승구별 대기 인원

• 대기열의 길이

• 여객의 체류시간

• 구간별 실시간 혼잡도

• 예상 탑승 소요시간

분석 결과는 디지털트윈과 운영 화면에 표시됩니다. 이용객은 네이버에서 ‘김포공항 소요시간’을 검색하거나 카카오T 앱, 한국공항공사 홈페이지에서 예상 소요시간을 확인할 수 있어요.

자료에는 예측 정확도나 평균 대기시간 감소율은 제시돼 있지 않지만, 센서 데이터와 AI 분석 결과가 실제 대국민 안내 서비스로 연결된 사례입니다.

현장 적용 ③ – 소음 측정값을 지도 위에 펼쳐 영향지역을 분석해요

공항 주변 소음은 측정값 하나만으로 영향 범위를 이해하기 어렵습니다. 측정지점의 위치, 항공기 운항경로, 지형과 주거지역을 함께 살펴봐야 어느 지역이 어떤 영향을 받는지 파악할 수 있어요.

KAC-BIM은 AI 센서 기반의 공항 주변 소음 측정데이터를 디지털트윈에 연결합니다. 소음 측정국의 위치와 실시간 측정값을 3차원 지도에서 확인하고, 측정데이터를 바탕으로 소음 영향지역을 분석해 시각화해요.

이를 통해 담당자는 여러 화면과 문서를 대조하지 않고도 소음 측정지점과 영향 범위를 함께 확인할 수 있습니다. 공항 주변 주민에게 소음정보를 더 투명하게 제공하고, 소음대책과 지역 관리를 지원하는 기반으로 활용할 수 있어요.

기술 실증 – 활주로부터 건설현장·대피·시설물까지 확장해요

KAC-BIM의 적용 범위는 현재 운영 중인 서비스에 머물지 않습니다. 자료에는 공항 안전과 시설관리를 위한 여러 기술 실증 및 확장 모델이 제시돼 있어요.

① 항공관제 지원과 활주로 이동객체 충돌 예방

항공기 위치·방향·속도, 활주로 점유 상태, 풍향·풍속, 영상정보와 관제사 음성 교신을 구조화해 AI가 분석하는 모델입니다. 과거 관제 사례와 관제 룰셋을 바탕으로 유사 상황에서 판단을 지원하고, 활주로 중복 점유나 조류, 비정상 접근 같은 위험요소를 예측해 경보하는 방향이에요.

지상에서는 항공기뿐 아니라 제설차와 급유차도 함께 움직입니다. AI가 각 객체의 이동 패턴을 학습해 미래 경로와 위험구역을 예측하면 관제사, 활주로 작업자, 조종사에게 위험을 알리거나 우회 경로를 제안할 수 있어요. 이 기능은 자료에서 ‘기술실증성과’와 확장 모델로 제시돼 있으므로, 모든 공항에서 완전한 자동관제로 운영 중인 것으로 해석해서는 안 됩니다.

② 건설현장의 고위험 작업을 먼저 시뮬레이션

공항은 운영을 중단하지 않은 상태에서 시설을 개선해야 하는 경우가 많아요. 여객이 이동하는 공간에서 공사를 진행하고, 수하물 설비를 피하며 비계 위 고소작업까지 해야 한다면 설계도만으로 모든 위험을 발견하기 어렵습니다.

한국공항공사는 수하물인도장 개선사업에서 BIM으로 가설구조물 설치 방법과 공정 순서를 시뮬레이션했습니다. 가설구조물 BIM을 구조안전 검토 프로그램과 연결해 작업 전에 안정성을 살펴보고, 여객 동선과 설비 간섭, 고소작업 위험을 미리 확인하는 방식이에요.

③ 재난 발생 시 여객 대피경로와 혼잡도 예측

화재나 다른 재난이 발생하면 가장 가까운 출구가 반드시 가장 빠른 출구는 아닐 수 있습니다. 많은 사람이 같은 통로로 몰리면 병목이 발생하기 때문이에요.

여객 피난동선 시뮬레이션은 BIM 공간정보를 바탕으로 여객의 이동속도와 통로 폭, 출입구 위치 등을 반영해 대피 흐름을 가상으로 시험합니다. 시나리오별 혼잡 구간과 예상 대피경로를 비교해 실제 재난 시 신속하고 안전한 대피계획을 수립하도록 지원해요.

④ IoT 데이터로 시설물 이상과 고장을 예측

시설물과 장비에 설치된 IoT 센서에서 온도, 습도, 전력, 조도, 위치와 작동 상태를 수집합니다. 이 데이터를 BIM의 공간·설비정보와 연결하면 어느 설비에서 이상값이 발생했는지를 디지털트윈에서 바로 확인할 수 있어요.

AI는 에너지 사용량과 설비 상태의 이상을 탐지하고, 수요나 고장 가능성을 예측해 최적 운영전략을 제시하는 방향으로 활용됩니다. 장기적으로는 예측 결과에 따라 설비를 제어해 에너지를 절감하고, 고장 이후 수리하는 방식에서 고장 전에 점검하는 예방관리로 전환하는 것이 목표입니다.

Benefit – 흩어진 정보를 하나의 공간에서 보고 더 빠르게 판단해요

첨부 자료에는 사고 감소율, 비용절감액, 혼잡도 예측 정확도처럼 모든 기능을 아우르는 정량 성과가 제시돼 있지 않습니다. 따라서 KAC-BIM의 효과는 확인 가능한 현장 적용과 기술 기반을 중심으로 살펴봐야 해요.

확인 가능한 적용·성과

정성적 효과

• 항공기·차량·여객·기상·시설정보를 하나의 디지털트윈에서 확인

• 공간과 시간 정보를 함께 보여줘 위험상황에 대한 직관적인 판단 지원

• 제설차 위치를 실시간으로 파악해 무선교신과 수기 데이터 구축 부담 완화

• 여객 혼잡도와 탑승 소요시간을 분석해 이용객의 예측 가능성 향상

• 공사 전에 시뮬레이션을 실시해 가설구조물과 작업동선의 위험을 사전 검토

• 재난 시나리오별 대피경로와 병목구간을 미리 확인

• 개별 시스템의 데이터를 축적해 다음 AI가 활용할 수 있는 안전자산으로 전환

• 새로운 AI 기능을 기존 플랫폼에 연결할 수 있어 확장과 유지관리 부담 완화

자료만으로는 실제 사고 감소 건수, 제설시간 단축률, 운영비 절감액, 혼잡도 예측 오차를 확인할 수 없습니다. 이러한 수치는 향후 서비스별 운영성과 자료가 확보될 때 추가하는 것이 적절합니다.

확장 가능성 – 김포공항에서 공사가 운영하는 전국 공항과 해외 인프라로

한국공항공사는 김포공항을 시작으로 공사가 운영하는 전국 공항시설의 디지털트윈을 단계적으로 구축하고 있습니다. 각 공항의 BIM 데이터와 운영 시스템이 동일한 데이터 파이프라인에 연결되면, 한 공항에서 검증한 AI 서비스를 다른 공항에도 적용하기 쉬워져요.

향후 KAC-BIM은 다음과 같은 방향으로 진화할 수 있습니다.

• 이상행동 탐지와 재난예측 등 새로운 AI 모듈 추가

• 항공기·차량의 이동경로 예측과 위험경보 고도화

• 폭설뿐 아니라 폭우·태풍 등 이상기후 대응 확대

• 공사가 운영하는 전국 공항의 시설·안전정보 통합관리

• 실시간 시설 이상탐지와 예측정비 범위 확대

• 여객 흐름과 항공수요 예측을 활용한 서비스 개선

• 축적된 BIM·운영 데이터를 활용한 해외 공항 사업 진출

한국공항공사는 2020년 공항 BIM 분야에서 ISO 19650 인증을 획득했고, BIM 관련 특허와 연구, 정책 협력도 이어가고 있습니다. 이러한 표준과 기술 기반은 KAC-BIM을 특정 공항의 내부 시스템이 아니라 다른 공항과 인프라에도 적용할 수 있는 플랫폼으로 확장하는 데 도움이 됩니다.

다만 모든 공항의 구조와 운영환경이 같지는 않아요. 전국 확대 과정에서는 시설정보의 정확도, 센서 품질, 기존 시스템과의 연계, 데이터 보안과 운영 책임을 함께 정비해야 합니다. AI 모듈을 쉽게 연결할 수 있는 구조와 별개로, 각 기능의 성능과 안전성은 실제 현장에서 개별적으로 검증돼야 해요.

마무리 – 공항의 AI 전환은 데이터를 연결하는 일에서 시작돼요

한국공항공사의 KAC-BIM 사례는 AI 도입에서 개별 모델보다 기반 데이터와 플랫폼이 왜 중요한지를 보여줍니다.

공항에는 이미 수많은 데이터가 있었어요. 항공기의 위치, 제설차의 동선, 여객의 흐름, 기상과 소음, 시설물의 상태가 계속 기록되고 있었습니다. 하지만 이 데이터가 서로 다른 시스템에 머물러 있을 때는 하나의 위험상황을 설명하기 어려웠어요.

KAC-BIM은 BIM으로 공항의 기준 공간을 만들고, CDE와 데이터 파이프라인으로 운영정보를 연결합니다. AI가 분석한 결과는 디지털트윈 위에 다시 표시해 현장 담당자가 바로 이해하고 판단할 수 있도록 해요. 그리고 운영 결과는 다시 데이터로 축적돼 다음 분석의 기반이 됩니다.

즉, 이 사례의 핵심은 AI가 공항을 대신 운영한다는 것이 아니라, 공항의 여러 데이터를 AI가 활용할 수 있는 하나의 안전 인프라로 바꿨다는 것입니다.

AI 도입을 고민하고 있다면 먼저 다음 질문을 던져보세요.

“우리 조직의 데이터는 하나의 현실을 설명하고 있는가, 아니면 서로 다른 시스템에 흩어져 있는가?”

흩어진 데이터를 공통 기준으로 연결하고, 분석 결과를 실제 현장의 의사결정으로 되돌려주는 구조를 만드는 것에서 지속가능한 AX가 시작될 수 있습니다.

참고 자료

• 한국공항공사, 「공공기관 최초 BIM 센터 개소」

• 한국공항공사, 「디지털 트윈 기반의 시설물 통합 관리 방법 및 시스템 특허」

• 한국공항공사, 「AI·BIM 센터 개소 및 공항 BIM 정책포럼 개최」

• 공공기관 AI 대전환 현장 방문 관련 보도