← 프로젝트 목록← All projects 🏭

위성·공간정보 기반 중소 공장 인수심사 분석Satellite & Geospatial Underwriting Analysis for SME Factories

2026.09 – 2026.10 · 분석·개발 (건물 판독 모델, 공간데이터 연계, 물건별 보고서 자동화)Analysis and development (building-detection model, geospatial data linkage and automated per-property reporting) · PoC 완료 · 최종 발표 준비 중(2026-10)PoC completed; final presentation in preparation (Oct 2026)

보험 인수심사건물 분할GIS건물통합정보건축물대장KSIC공공데이터

삼성화재와 진행한 PoC 에서 대구 성서산업단지 중소 공장 물건을 위성영상·공공 공간데이터로 판독하는 인수심사 참고자료 체계를 구축함. 0.5 m 영상에서 건물을 분할·검출하고 건축물대장·연속지적도와 대조해 이격거리·적재물·증축 여부를 물건별로 판정함. 공장 필지 1,237곳 중 966곳(78.1%)이 특수건물 기준(연면적 3,000㎡) 미만이라 안전점검 자료가 없다는 공백을 원자료에서 산출해 사업 근거로 삼음.Built an underwriting reference system for small and mid-sized factories in Daegu's Seongseo industrial complex, in a PoC with Samsung Fire & Marine Insurance. Buildings are segmented from 0.5 m imagery and matched against the building register and cadastral map to judge separation distance, stored materials and unpermitted extension per property. The business case rests on a gap computed from raw data: 966 of 1,237 factory parcels (78.1%) fall below the 3,000 m² special-building threshold and so carry no mandatory fire-safety inspection record.

배경 · 목표Background

화재보험법상 공장은 연면적 3,000㎡ 이상만 특수건물(특약부 화재보험 의무·안전점검 대상)이라 그 아래 SME 공장은 보험사가 참고할 점검 자료가 없음
직접 Risk Survey는 물건 수만큼 비용·시간이 들어 산단 전체 소형 물건에 적용하기 어려움
위성 0.5 m 영상 + 건축물대장·연속지적도·공장등록현황 등 공공데이터를 결합해 물건별 참고자료(이격거리·업종·적재물·증축·소방 접근성·기후)를 자동 산출하는 것이 PoC 목표

Under Korean fire-insurance law only factories with ≥3,000 m² total floor area are 'special buildings' subject to mandatory coverage and safety inspections, so smaller SME factories leave insurers with no inspection record
On-site risk surveys scale linearly with the number of properties and are impractical for every small factory in an industrial complex
The PoC aimed to generate per-property reference reports (separation distance, industry, outdoor storage, unregistered extensions, fire-station access, climate) by combining 0.5 m satellite imagery with public building, cadastral and factory-registry data

방법Method

건물을 벡터 폴리곤으로 뽑는 2단 모델 — Stage1 인스턴스 분할(DINOv3 ViT-L/16 동결 + Mask2Former 200쿼리), Stage2 꼭짓점 헤드(ResNet-18 4헤드: mask·vertex·offset·edge)
검출 폴리곤을 연속지적도 필지(PNU)·건축물대장 등록 동과 대조해 미등록·무단증축·멸실 미반영으로 분류
물건별 판정 자동화 — 인접 건물까지 최근접 이격거리, 적재물은 비전-언어 모델 판독, 대장 건축면적과 위성 판독 면적 대조
공장등록현황(data.go.kr, 대구 11,744행) 프로파일링: 성서 3,637행, 단지 차수 표기는 '성서지방'·'성서5차' 2종뿐, 주원자재 44% 결측 확인
GIS건물통합정보 shapefile의 익명 필드 A0~A39를 값 분포로 역판별하고 관계식(건폐율=A23/A22, 용적률=A24/A22, 주차면적=A36×11.5)으로 검증
주소→필지(PNU)→지번→공장등록현황 업종명→KSIC 11차 연계표 대·중분류로 대상·인접 건물 업종 연결; 지번 꼬리표('번지'·블록/로트)와 '외 N 종'·공백 차이를 정규화
주용도=공장(A29='17000') 건물을 PNU로 묶어 연면적 합을 3,000㎡ 기준과 비교(필지 폴리곤 겹침이 아니라 PNU로 선택 — 공단에서는 겹침 선택 시 면적이 3~8배 부풀었음)
업종·위험물 정보원 후보(소상공인 상권정보, 위험물 관련 공공데이터 6종, 공장등록현황 생산품·주원자재)를 전수 확인해 사용 가능 여부 판정

Two-stage model that extracts buildings as vector polygons: instance segmentation with a frozen DINOv3 ViT-L/16 and a 200-query Mask2Former, then a ResNet-18 vertex head with mask, vertex, offset and edge branches
Match the detected polygons against cadastral parcels (PNU) and registered buildings to separate unregistered, unpermitted and unrecorded-demolition cases
Automate the per-property verdict: nearest separation distance to neighbours, stored materials read by a vision-language model, and registered footprint area against the satellite reading
Profiled the Daegu factory registry (11,744 rows, data.go.kr): 3,637 rows in Seongseo, only two complex-name variants (no phase-level labels), 44% missing raw-material field
Reverse-engineered the anonymised A0–A39 fields of the national building-GIS shapefile from value distributions and validated them with identities (coverage = A23/A22, FAR = A24/A22, parking area = A36 × 11.5)
Linked address → parcel (PNU) → lot number → registered industry name → KSIC rev.11 section/division for the target and neighbouring buildings, normalising lot suffixes, multi-industry '+N more' tags and whitespace differences
Grouped factory buildings (main use code 17000) by PNU and compared summed floor area with the 3,000 m² threshold, selecting by PNU rather than polygon overlap (overlap selection inflated areas 3–8× in the dense complex)
Exhaustively checked candidate industry and hazardous-material sources (small-business commercial district data, six hazmat-related public datasets, product/raw-material fields) for usability

처리 흐름 — 원통: 입력 자료 · 사각형: 처리 · 마름모: 판정·검증 · 양끝 둥근 사각형: 산출물Processing flow — cylinder: input data · rectangle: processing · diamond: decision · stadium: output

결과Results

특수건물 공백: 성서산단 9개 법정동 공장 필지 1,237곳 중 966곳(78.1%)이 연면적 3,000㎡ 미만, 건물 동 기준 2,128동 중 1,884동(88.5%); 필지별 연면적 중앙값 1,466㎡ — 원자료 재계산으로 일치 확인
업종 연결: 성서 등록 공장 3,637건 중 3,616건(99.4%)이 KSIC 중분류에 매칭; 상위 C29 기계·장비 747, C25 금속가공 648, C13 섬유 444, C30 자동차 289
표본 물건 보고서: 대장 1,313㎡ vs 위성 판독 1,275㎡(−3%, 일치), 최근접 이격 1.6 m 등 위험 4건, 10일 간격 2시기 차이 −0.6~+0.8 m로 변화 없음 판정
건물 판독 정확도 94.7%; 판정대상 140필지(대장 286동)에서 모델 검출 658동 — 미등록 의심 3동, 무단증축 의심 1동, 멸실 미반영 26동
꼭짓점 헤드 도입 효과(검증 778 instances): 코너 F1@2px 26.5% → 42.1%, 평균 IoU 0.807 → 0.825, C-IoU 0.743 → 0.780, PoLiS 3.09 → 2.75, 평균 정점수 5.11 → 4.87(GT 4.83). 학습자료 6,425동·31,097꼭짓점

Special-building gap: 966 of 1,237 factory parcels (78.1%) in the nine Seongseo districts are below 3,000 m²; 1,884 of 2,128 buildings (88.5%); median parcel floor area 1,466 m² — re-computed from the raw shapefile and matched
Industry linkage: 3,616 of 3,637 registered Seongseo factories (99.4%) matched to a KSIC division; top divisions C29 machinery 747, C25 fabricated metal 648, C13 textiles 444, C30 motor vehicles 289
Sample property report: register 1,313 m² vs satellite 1,275 m² (−3%, consistent); four separation-distance flags with nearest 1.6 m; two acquisitions 10 days apart differed by −0.6 to +0.8 m, below the 1.3 m change threshold
94.7% building-detection accuracy; across 140 assessed parcels (286 registered buildings) the model found 658, flagging 3 unregistered, 1 unpermitted extension and 26 demolitions not yet reflected in the register
Adding the vertex head (778 validation instances): corner F1@2px 26.5 to 42.1%, mean IoU 0.807 to 0.825, C-IoU 0.743 to 0.780, PoLiS 3.09 to 2.75, mean vertex count 5.11 to 4.87 against a ground truth of 4.83; trained on 6,425 buildings, 31,097 vertices

성서산단 공장 필지 1,237곳 중 966곳(78.1%)이 특수건물 기준 연면적 3,000㎡ 미만(파랑) — GIS건물통합정보 재계산966 of 1,237 factory parcels (78.1%) in the Seongseo complex fall below the 3,000 m² special-building threshold (blue), recomputed from the building-GIS data

분석 구성: 입력 공공데이터·위성 → 건물 판독·업종 연결·특건 공백 산출 → 물건별 보고서Workflow: public data and imagery, then building detection, industry linkage and the special-building gap, then the per-property report

표본 물건의 건물 이격거리 판독(0.5 m 영상) — 번호 ①~⑦에 인접 건물 업종을 연결Separation-distance readout for a sample factory from 0.5 m imagery; neighbours ①-⑦ are the keys for the industry table

성서 등록 공장 3,637건의 KSIC 중분류 매칭(99.4%) 구성 — 회색 L68은 제조업이 아닌 임대업KSIC division mix of 3,637 registered Seongseo factories (99.4% matched); grey L68 is real-estate leasing, not manufacturing

필지별 공장 연면적 합 분포(로그축), 중앙값 1,466㎡Distribution of summed factory floor area per parcel (log scale), median 1,466 m²

법정동별 3,000㎡ 미만 공장 필지 비율 67~95%Share of sub-3,000 m² factory parcels by district: 67–95%

업종·위험물 정보원 검증: 공장등록현황은 사용 가능, 상권정보·위험물 공공데이터는 막힌 길Source check: the factory registry is usable; commercial-district and hazmat public data were dead ends

이격거리 판정 — 대상 건물(A동) 둘레에서 인접 건물까지 최단거리. 법정선 10 m 미달은 적색Separation verdict: shortest distance from the subject building to each neighbour; red marks the readings below the 10 m statutory line

대장 대조 — 검출 폴리곤 면적과 건축물대장 건축면적을 동 단위로 비교해 증축 여부 판정Register match: detected footprint area against the registered building area, per building, to decide whether an extension occurred

야적물 판독 — 필지에서 건물을 뺀 영역을 비전-언어 모델로 적재 구역 판독Stored-material reading: the parcel minus the buildings, passed to a vision-language model to find storage areas

배운 점 · 한계What I learned · Limitations

소상공인 상권정보는 247개 업종분류에 제조업(C)이 아예 없어 산단 업종 커버리지 0% — 공장등록현황이 유일한 업종 소스였음
주소 단위 위험물 취급 사업장 공공데이터는 후보 6종 모두 사전·집계·필드 누락으로 사용 불가; 생산품·주원자재 텍스트 프록시도 주원자재 44% 결측, 인화성 용제 키워드 적중은 키워드 정의에 따라 2~17건(0.05~0.5%)뿐 — 원래 메모의 '4건'은 키워드 목록이 남지 않아 정확 재현 실패
한국어 부분문자열 매칭은 오탐이 심함('동'→'자동차', '면'→'표면') — 키워드 규칙에는 단어경계 처리가 필요
공장등록현황 지번은 '702-5번지 (3차단지79B 7-1L)' 꼴이라 정확일치 0건; 본번-부번 정규화가 핵심. 미매칭 21건은 구 분류 표기
특건 공백은 '공장 연면적 합계'를 필지 단위 합으로 근사한 값 — 다필지 사업장·다사업장 필지는 오차 요인으로 남음
파라메트릭 상품 3안(전조 지수·절대 침하량·부등침하)은 현재 데이터로 불가(미탐 45%·오탐 36%, 침하 큰 곳≠사고 나는 곳, 관측점 간격 31~33 m)로 결론 — 발표에서 제외
'현장조사비 30% 절감' 같은 해외 사례 축소 목표치는 근거 부족 지적을 받고 삭제, 자체 검증 수치로 대체; 위성 판독은 Risk Survey의 1:1 대체가 아니라 자료 공백을 메우는 보완으로 표현

The national small-business commercial-district dataset has no manufacturing section among its 247 codes, giving 0% coverage in an industrial complex — the factory registry was the only industry source
No public dataset gives hazardous-material handlers at address level: all six candidates were dictionaries, aggregates or lacked the fields; the product/raw-material text proxy had 44% missing raw materials and only 2–17 solvent keyword hits (0.05–0.5%) depending on the keyword list — the earlier '4 hits' figure could not be reproduced exactly because the keyword list was not kept
Korean substring matching produces heavy false positives (e.g. a one-syllable metal keyword matching inside 'automobile'), so keyword rules need word-boundary handling
Registry lot numbers carry suffixes such as complex/block/lot tags, so exact matching returned zero hits; normalising to main-sub lot numbers was the key step. The 21 unmatched rows used legacy industry names
The special-building gap approximates 'total factory floor area' by per-parcel sums; multi-parcel sites and multi-tenant parcels remain error sources
All three parametric-product designs (precursor index, absolute subsidence, differential settlement) were judged infeasible with current data (45% misses / 36% false alarms, high-subsidence areas ≠ accident areas, 31–33 m point spacing) and dropped from the final deck
Overseas-benchmark targets such as '30% lower survey cost' were removed after the client questioned their basis and replaced with our own verified numbers; satellite screening is framed as filling a data gap, not as a 1:1 replacement for risk surveys

산출물Deliverables

건물 의미분할 모델과 추론 코드, 검출 폴리곤
물건별 보고서 생성기 — 이격거리·적재물·증축·업종 항목 자동 작성
특수건물 공백 산출 스크립트와 지도·분포 그림
주소→업종→KSIC 연결 스크립트와 재현 절차
공장등록현황·GIS건물통합정보 프로파일링·필드 매핑 검증 스크립트
물건별 위성 분석 보고서의 업종·인접 업종 항목
최종 발표자료 정리(고객 내부 자료, 비공개)

Building segmentation model, inference code and the detected footprints
Per-property report generator covering separation, stored materials, extension and industry
Special-building gap script with map and distribution figures
Address → industry → KSIC linkage script and reproduction guide
Profiling and field-mapping validation scripts for the factory registry and building GIS
Industry and neighbouring-industry section of the per-property satellite report
Final presentation deck (client-internal, not public)

원본 보고서와 발표자료는 사내 자료로 공개하지 않음. 분석 코드는 GitHub에 정리되어 있음.Source reports and decks are internal and not published here. Analysis code is organised on GitHub.