단위
1. 도시 및 지역 계획의 인공 지능 소개: 경계, 검증, 책임 및 윤리 2. 구역화 및 마스터 플랜 분석 및 계획 참고 해석 3. 지리정보시스템(GIS) 및 토지 이용 분석 4. QGIS와 Python을 사용한 공간 데이터 작업 흐름 5. 위성 및 항공영상을 활용한 도시변화 분석 6. 인구, 밀도 및 수요 예측 7. 교통 및 교통 모델링 8. 도시 성장 및 시나리오 시뮬레이션 9. 구역 지정 규정 및 입법 연구 및 검증 10. 참여 기획 및 이해관계자 분석 11. 재해, 기후 및 회복력 분석 12. 엔드투엔드 AI 지원 계획 워크플로우 및 엔터프라이즈 애플리케이션
단위 4 / 12

QGIS와 Python을 사용한 공간 데이터 작업 흐름

이득:

  • QGIS 및 Python(GeoPandas와 같은 라이브러리)을 사용한 공간 데이터 처리를 위한 코드 및 작업 흐름 생성에 AI를 사용할 수 있는 능력
  • 소규모 샘플 데이터에서 AI가 생성한 공간 코드를 테스트하고 좌표계 및 기하학 오류에 대해 검증하는 기능
  • 데이터 기밀성을 이해하는 능력과 실제 프로젝트 데이터에서 AI 생성 스크립트를 실행하기 전에 이를 확인해야 하는 필요성.

계획 단위에서 반복적인 공간 작업(레이어 다듬기, 버퍼 그리기, 영역 계산, 테이블 결합)을 수동으로 수행하면 몇 시간이 걸리고 오류가 발생합니다. 이러한 작업을 자동화하는 두 가지 강력한 무료 오픈 소스 도구가 있습니다. QGIS(데스크톱 GIS 소프트웨어)와 Python(GeoPandas, Shapely, Rasterio와 같은 공간 데이터용 라이브러리가 포함된 프로그래밍 언어)입니다. AI는 이러한 도구에 대한 코드와 워크플로를 생성하는 데 놀라울 정도로 빠릅니다. 한 문장 요청으로 작업 스크립트 초안을 작성합니다. 그러나 AI는 잘못된 좌표계, 잘못된 단위, 자동으로 요소를 삭제하는 작업 등 사용자가 볼 수 없는 가정을 바탕으로 코드를 작성합니다. 그렇기 때문에 AI가 생성하는 모든 공간 코드를 실제 프로젝트 데이터에서 실행하기 전에 작은 샘플에서 읽고 테스트해야 합니다. 본 단원에서는 코딩 방법을 모르더라도 AI를 활용한 안전한 공간 자동화를 가르칩니다.

QGIS와 Python을 사용해야 하는 이유

QGIS를 사용하면 클릭만으로 분석할 수 있습니다. 배우기 쉽고 Python 콘솔이 포함되어 있습니다. 반면에 Python을 사용하면 반복적인 작업을 한 번 작성하고 수백 개의 파일에서 실행할 수 있습니다. GeoPandas는 표 형식 데이터(판다)와 지리를 결합한 기획자를 위한 가장 실용적인 라이브러리입니다. 즉, 한 줄의 코드로 레이어를 읽고, 필터링하고, 버퍼를 그리고, 영역을 계산합니다. AI는 GeoPandas 코드를 매우 잘 작성합니다. 하지만 좋아 보이는 코드가 항상 올바른 코드는 아닙니다.

주의: AI가 작성한 스크립트는 오류 없이 실행될 수 있으며 여전히 완전히 잘못된 결과를 생성할 수 있습니다. "효과가 있는 것"과 "올바른 것"은 서로 다른 것입니다. 유효성 검사는 코드가 실패하는 것이 아니라 결과가 알려진 참조와 일치하는 것입니다.

또 다른 중요한 개념은 재현성입니다. 공공 기관에서 수행한 분석은 몇 달 후에 다른 사람이 동일한 단계로 반복할 수 있어야 합니다. 수동으로 클릭하여 수행한 작업은 기억되지 않으며 감사할 수 없습니다. 반면 Python 스크립트는 작업 기록이자 동일한 결과를 재현합니다. AI로 생성한 코드를 댓글과 함께 저장하면 책임감과 기업 기억력이 모두 강화됩니다. 따라서 "작업 코드"가 아닌 "읽기 가능하고, 주석 처리되고, 저장된 코드"를 목표로 하세요. 좋은 습관은 각 스크립트의 시작 부분에 실행되는 데이터, 날짜 및 목적을 명시하는 짧은 설명 블록을 추가하는 것입니다.

AI로 코드 생성의 황금률

  1. 맥락을 설명하세요. 파일 형식, CRS, 열 이름, 원하는 작업.
  2. 작은 것을 요구하십시오. 단일 작업을 수행하는 단축 코드는 거대한 스크립트보다 안전합니다.
  3. 설명을 요청하세요. 각 코드 줄이 수행하는 작업을 AI에 인쇄합니다. 이해하지 못하는 코드를 실행하지 마십시오.
  4. 샘플에 테스트해보세요. 먼저 10~20개 레코드의 샘플 데이터에 대해 시도해 보세요.
  5. 참고자료와 비교해보세요. 면적/거리를 알려진 값과 비교합니다.
  6. 백업하세요. 마스터 데이터를 덮어쓰지 마십시오. 사본으로 작업하십시오.

단계별: AI를 사용한 안전한 공간 스크립트

  1. 작업을 명확히 하세요. "필지 레이어에서 녹색 영역을 선택하고 해당 영역을 계산한 후 5000m² 이상의 영역을 별도의 파일에 씁니다."
  2. 데이터를 식별합니다. 형식(GeoPackage/Shapefile), CRS, 해당 열 이름.
  3. 코드와 설명을 AI에 인쇄합니다. 한줄씩 댓글을 달아보세요.
  4. CRS 및 장치 제어가 완료되었습니다. m² 단위의 면적 또는 미터법 CRS의 레이어?
  5. 샘플 데이터를 실행합니다. 결과를 육안으로 확인하세요.
  6. 참조로 확인하세요. 구획의 면적을 소유권 증서 가치와 비교하십시오.
  7. 마스터 데이터에서 실행하고 출력을 새 파일에 씁니다.

약한 프롬프트 / 강한 프롬프트

약한 프롬프트: "필지 면적을 계산하세요."

AI는 좌표계, 형식, 열을 모르고 글을 씁니다. 필드가 잘못된 단위나 잘못된 CRS로 나타날 수 있습니다.

강력한 프롬프트: "GeoPandas를 사용하여 GeoPackage 레이어('parcels.gpkg', CRS: EPSG:5254와 같은 국가 미터법 체계)를 읽고 각 구획의 면적을 m² 단위로 새 'area_m2' 열에 씁니다. 코드의 각 줄에 주석을 추가합니다. 레이어가 미터법 CRS에 있는지 확인하는 영역 계산 앞에 줄을 추가합니다. 그렇지 않으면 경고합니다. 출력을 새 파일에 쓰고, 변경하지 마세요. 원본."

두 번째 프롬프트는 CRS, 단위, 보안 출력 및 설명을 포함하므로 감사 가능한 보안 코드를 생성합니다.

복사 가능한 템플릿 4개

작업: GeoPandas로 다음 작업을 수행하는 짧은 Python 코드를 작성합니다. 각 줄을 터키어로 주석 처리하세요. 작업: [...]입력 파일: [...] (형식, CRS: [...], 관련 열: [...]) 규칙: 원본 파일을 변경하지 말고 출력을 새 파일에 쓰십시오. 작업 전에 CRS가 메트릭인지 확인하십시오. 그렇지 않다면 경고하십시오.

작업: 다음 Python/GeoPandas 코드를 한 줄씩 설명하고 위험을 표시합니다. 어떤 줄이 데이터를 삭제/덮어쓸 수 있는지, 어떤 작업이 CRS 또는 볼륨을 가정하는지, 빅 데이터에서 어떤 단계가 느려질지. 코드 변경; 그냥 설명하고 경고하세요.코드: [...]

작업: 실제 데이터에 이 코드를 실행하기 전에 간단한 테스트 계획을 작성하세요. 어떤 샘플 데이터, 어떤 예상 결과, 어떤 참조 값으로 검증해야 합니까? 체크리스트를 제공하십시오. 코드/액션: [...]

작업: 다음 QGIS 작업(클릭 단계)을 QGIS 메뉴 경로와 이에 상응하는 Python/GeoPandas 코드로 설명하세요. 차이점과 관심 지점(CRS, 단위)을 지정합니다.프로세스: [...]

표: 자주 발생하는 공간 작업과 그 함정

거래

무엇을

AI 코드에 갇히다

확인

현장 계정

폴리곤 영역을 찾습니다

지리적 CRS에서는 필드가 의미가 없습니다.

알려진 지역과의 비교

버퍼

국경 주변 지역

단위(도/미터) 오류

미터법 CRS + 측정

공간적 집합

레이어 연결

잘못된 키/중복 등록

기록수 제어

클립

면적으로 절단

범위를 벗어난 데이터 손실

입력/출력 비교

재투영

CRS가 대체합니다.

잘못된 타겟 CRS

EPSG 코드 확인

세 개의 미니 케이스

사례 1 - 자동 덮어쓰기. 플래너는 AI가 직접 작성한 스크립트를 베이스 레이어에서 실행한다. 코드가 필터를 잘못 적용하고 레이어의 절반을 삭제한 후 동일한 파일에 저장합니다. 백업이 없기 때문에 며칠 동안 지속되는 데이터는 손실됩니다. 교훈: 항상 새 파일로 출력되고, 마스터 데이터는 항상 중복됩니다.

사례 2 — 잘못된 단위의 버퍼. 한 팀은 학교에 500피트 접근 완충 장치를 요청합니다. AI 코드는 지리 CRS에서 실행됩니다. 500 "도" 버퍼는 전체 지도를 포괄합니다. 팀에서는 작은 샘플을 테스트하기 때문에 오류가 기본 데이터에 전달되기 전에 이를 포착합니다. 미터법 CRS에 투영을 추가하고 수정합니다. 테스트하는 습관이 재난을 예방합니다.

사례 3 - 설명 학습. 코드를 모르는 플래너가 라인 하나하나를 AI가 해석하게 하여 조인코드를 생성하는 것입니다. 그는 설명에서 "이 행이 일치하지 않는 레코드를 삭제합니다"를 보고 이로 인해 일부 구획이 손실된다는 것을 깨달았습니다. 불일치도 유지하는 버전을 AI에 요청합니다. 코드를 안전하게 사용하기 위해서는 코드를 이해하는 것이 전제조건입니다.

일반적인 실수

  • 마스터 데이터에서 직접 실행됩니다. 항상 사본 작업을 하고 출력을 새 파일에 기록하십시오.
  • "작동한" 것을 "올바른" 것으로 착각합니다. 오류가 없는 코드는 잘못된 결과를 생성할 수 있습니다. 참고로 확인하세요.
  • CRS와 거래량을 가정합니다. 면적 및 거리 작업에 대한 미터법 CRS를 항상 확인하십시오.
  • 이해하지 못하는 코드를 실행합니다. 설명을 요청하지 않고 해당 줄의 기능을 알지 못한 채 실행하는 것은 위험합니다.
  • 작은 테스트를 건너뛰세요. 샘플 데이터를 시도하지 않고 빅데이터로 전환하는 것이 가장 일반적인 오류 원인입니다.
  • 생각 없이 기밀 데이터를 클라우드 장치에 제공합니다. 코드를 생성할 때 실제 소포/사람 데이터를 공유하지 마십시오. 샘플/익명 데이터를 사용하세요.

요약하면

QGIS와 Python(특히 GeoPandas)은 계획 시 반복적인 공간 작업을 자동화합니다. AI는 이러한 도구에 대한 코드를 신속하게 생성합니다. 그러나 AI는 잘못된 CRS, 잘못된 볼륨, 자동으로 데이터를 삭제하는 작업 등 사용자가 볼 수 없는 가정을 바탕으로 코드를 작성합니다. 안전한 사용은 6가지 규칙을 기반으로 합니다. 즉, 상황 제공, 간단한 요청, 설명 얻기, 예시 테스트, 참조로 확인, 백업입니다. “일했다”는 것은 “맞다”와는 다릅니다. 코드를 몰라도 라인 하나하나를 이해하고 기밀 데이터 공유 없이 AI로 안전한 공간 자동화를 할 수 있습니다.

응용과제

반복적인 공간 작업을 선택합니다(예: 레이어의 영역 계산 및 임계값 상단 분리). (1) 첫 번째 템플릿을 사용하여 AI에 코드 + 줄 설명을 인쇄합니다. (2) 두 번째 템플릿과 동일한 코드의 위험을 확인하고 "데이터 삭제/CRS 가정" 행을 하나 이상 찾습니다. (3) 세 번째 템플릿(어떤 샘플 데이터, 어떤 참조 값)을 사용하여 테스트 계획을 출력합니다. (4) 실제 데이터에서 코드를 실행하기 전에 취할 세 가지 보안 단계를 적어보세요.

체크리스트

  • [ ] AI에게 형식, CRS 및 열 컨텍스트를 제공했습니다.
  • [ ] 코드의 모든 줄을 설명했습니다. 나는 이해하지 못하는 코드를 실행하지 않았습니다.
  • [ ] 나는 짧고 단일 기능의 코드를 원했습니다.
  • [ ] 작은 샘플 데이터를 대상으로 테스트를 진행하고 결과를 육안으로 확인했습니다.
  • [ ] 알려진 참고값으로 결과를 확인했습니다.
  • [ ] 마스터 데이터를 백업했습니다. 새 파일에 출력을 썼습니다.
  • [ ] 실제 기밀 데이터를 클라우드 어플라이언스에 제공하지 않았습니다. 익명/샘플 데이터를 사용했습니다.
이전 다음