소개
새로운 풍력 발전소 건설에 이상적인 입지를 찾는 것이 거대한 풍력 터빈이 없는 가장 가까운 개활지를 찾는 것만큼 쉬운 일이 아니라는 것은 놀라운 일이 아닐 것입니다. 실제로 가장 적합한 입지를 파악하려면 해당 부지와 관련된 수많은 특성에 대한 지식이 필요합니다. 이러한 특성에는 "가장 가까운 마을에서 충분히 멀리 떨어져 있는가?", "이 지역에는 어느 정도의 자연 보호가 규정되어 있는가?"와 같은 규제적 측면이 있습니다. 또한 "해당 지대가 건설에 적합한가?", "이 지역에 새로운 풍력 터빈을 건설하여 수익을 창출할 만큼 충분한 바람이 불고 있는가?"와 같은 실질적인 측면도 있습니다. 주요 이해관계자들이 제시한 이러한 질문에 정확하게 답하는 것은 모든 대규모 건설 프로젝트의 성공에 필수적인 요소입니다. 이 프로젝트에서는 잘츠부르크에서 미리 정의된 기준을 충족하는 지역을 효율적으로 파악하기 위해 기후 데이터, 지구 관측 영상, 그리고 관련 규정을 활용했습니다. 이는 빅데이터가 실제 활용 사례에 어떻게 활용될 수 있는지를 보여주는 모범 사례이며, 각 단계에서 고려해야 할 사항들을 보여줍니다.
데이터 소싱
지리공간 데이터 세트를 활용하여 실질적/상업적 문제에 대한 답을 찾고자 하는 모든 작업의 첫 번째 단계는 당연히 데이터 소싱입니다. 모든 데이터 과학자가 알고 있듯이 이는 가장 중요한 단계입니다. 궁극적으로 모든 문제는 여기에서 내리는 결정/선택에서 비롯됩니다. 상업적 애플리케이션을 위한 솔루션을 개발할 때 특히 중요한 것은 소싱된 데이터가 정확할 뿐만 아니라 관련 기관의 인증을 받았는지 확인하는 것입니다. 예를 들어, 구역 정보가 포함된 상세 지도라도 관련 구역 기관에서 직접 제공한 것으로 인증되지 않으면 아무런 가치가 없습니다. 이러한 이유로 공식 데이터 소스는 필수적인 실제 정보뿐만 아니라 이를 바탕으로 도출되는 결론이나 예측의 정당성을 제공하기 때문에 매우 중요합니다. 이 프로젝트에서 오스트리아 연방계량측량청(Bundesamt für Eich- und Vermessungswesen)과 잘츠부르크 주에서 제공한 공개 정부 데이터 리소스(OGD)는 실행 가능한 풍력 발전소 토지 조사를 개발하는 데 훌륭한 기반이 되었습니다.
통찰력 활용
이미 언급했듯이, 신규 풍력 발전소 건설에 적합한 부지 선정은 여러 가지 정량화 가능한 기준으로 구분되며, 이러한 기준은 관심 지역을 이진법으로 분류합니다("풍력 발전소 건설 적합", "풍력 발전소 건설 부적합"). 따라서 이러한 기준 중 하나라도 충족하지 못하면 해당 지역은 추가 분석에서 제외됩니다. 이 방법론을 통해 풍력 발전소 건설에 적합한 지역을 "빠르고 간편하게" 분류할 수 있습니다.
위에 설명된 프로세스의 구현은 다음과 같이 세분화될 수 있습니다.
먼저, 각 기준은 이 질문에 긍정적 또는 부정적으로 답할 수 있는 충분한 실측 정보를 제공하는 데이터 소스와 연결되었습니다. 그런 다음, 각 기준에 대해 연관된 실측 정보를 처리하여 잘츠부르크 각 지역의 해당 기준 적합성을 분류했습니다. 이렇게 하여 각 기준에 대해 잘츠부르크 지역을 "적합" 또는 "부적합" 지역으로 분류하는 벡터 레이어가 생성되었습니다. 아래에서는 이러한 두 레이어의 생성 과정을 간략히 살펴보겠습니다.
주거 지역 식별
새로운 풍력 발전소 건설 시 준수해야 할 핵심 기준 중 하나는 주요 주거 지역으로부터 적절한 거리를 확보하는 것입니다. 소음 공해, 도시 계획 및 풍력 발전소 설치로 인한 시각적 영향에 대한 우려를 해소하기 위한 정부 규제로 인해 대부분의 지역에서 이 기준을 충족하는 것은 필수적입니다. 연방정부 산하 연방행정기관(Bundesamt für Eich- und Vermessungswesen)에서 제공하는 지상 실측 데이터를 활용하면, 잘츠부르크를 이 기준에 적합한 지역으로 구분하는 적절한 계층을 생성하는 데 좋은 출발점을 얻을 수 있습니다.
이 사례에서 볼 수 있듯이 기준 진실 데이터는 잘츠부르크 주에 존재하는 기존 구조물에 해당하는 여러 개의 폴리곤으로 구성됩니다. 이는 유망한 시작점을 제공하지만, 이 입력을 적절한 이진 분류 계층으로 변환하기 위해서는 아직 해결해야 할 몇 가지 질문이 있습니다. 즉, 폴리곤이 밀집된 형태로 나타나는 마을과 들판에 있는 두 채의 단독 주택을 어떻게 의미 있게 구분할 수 있을까요? 이 경우, 밀도 기반 공간 클러스터링 알고리즘을 사용했는데, 이 알고리즘은 구조물 폴리곤의 밀도와 이웃의 수를 기반으로 지역을 "주거" 또는 "비주거"로 직관적으로 밀도 기반으로 분류합니다. 이러한 방식으로 예를 들어 다음과 같은 분류를 수행할 수 있습니다.
레벨 영역 식별
모든 건설 프로젝트의 또 다른 중요한 기준은 지반의 경사도입니다. 일반적으로 건설 프로젝트는 계획된 구조물의 적절한 기초를 제공하기 위해 수평으로 건설되어야 합니다. 특정 경사도를 넘어서면 해당 지역을 평평하게 하는 데 드는 비용이 너무 높아져 프로젝트를 현실적으로 진행할 수 없게 됩니다. 다행히 레이저 측량으로 수행된 측량에서 수집된 오픈소스 래스터 데이터는 5m 해상도로 제공됩니다.
이 경우 벡터가 아닌 래스터 데이터이므로 이 레이어를 이진 분류 마스크로 변환하는 과정이 약간 더 복잡합니다. 이 경우, 관심 지점이 "너무 가파르다"고 판단되는 임계값 각도를 정의하고, 모든 영역에 대한 래스터 데이터를 쿼리한 후, OpenCV를 사용하여 이 영역들을 벡터로 추출하고, 추출된 영역에 임계값을 적용하여 원하는 분류 결과를 얻었습니다.
결론
풍력 발전소 건설에 적합한 지역을 정의하는 각 기준에 대한 이진 분류 마스크를 성공적으로 추출한 후, 이를 통합하는 것은 간단합니다. 모든 분류 마스크를 하나로 합치기만 하면 됩니다. 그 결과 생성된 지역은 잘츠부르크 주 정부와 오스트리아 연방 정부가 제공한 공식 지상 실측 데이터를 기반으로 최적의 지역으로 결정됩니다. 정말 놀라운 발견입니다!