지하주차장 전기차 화재 실규모 실증실험이 보여준 것 —
피해를 가르는 건 소방설비의 성능이 아니라 감지에서 방수까지 걸리는 시간입니다.
AI가 그 시간을 앞당깁니다.
LH가 관리하는 공동주택은 전국 118만 세대(2024년 기준). 대부분 단지에서 소방안전관리자 1인이 화재 확인·피난 유도·초기 소화를 동시에 수행합니다. 전기차·ESS·개인형 이동장치(PM) 리튬배터리 보관까지 늘면서, 관리자 1인이 감당할 위험 요소는 계속 늘어나는 추세입니다.
2024년 인천 청라 아파트 지하주차장 전기차 화재 — 새벽 시간대 발생으로 초기 대응이 지연된 대표적 사례입니다. LH 실규모 화재실증실험 결과, 감지기가 정상 작동하지 않거나 초기 대응이 지연되면 동일한 소방설비를 갖추고도 최대 열방출율이 7배 이상 차이 났습니다. 설비의 성능이 아니라 감지에서 방수까지 걸리는 시간이 피해 규모를 가장 크게 좌우한다는 뜻입니다.
소방시설은 화재가 감지된 이후의 진압에 집중돼 있습니다. 정기 점검 외에는 상시 감시 체계가 없고, 경보는 사전에 정한 임계값을 넘어야만 울리는 단순 알람입니다.
기존 BMS·FMS 인프라 위에 AI 에이전트 레이어를 추가하는 방식이라, 신규 하드웨어 투자를 최소화하면서 기존 단지에도 단계적으로 적용할 수 있습니다.
온도·가스 농도가 각각은 정상 범위여도, 여러 값이 같은 시간대에 조금씩 함께 흔들리는 복합 이상 패턴은 사람도 단순 경보장치도 포착하기 어렵습니다.
조합·추세·시간대를 함께 보는 2계층 하이브리드 AI가 이런 복합 이상 패턴을 조기에 짚어냅니다. (자세한 구조는 아래 03)
법적 소방시설 점검 내용을 체계적으로 기록·축적하는 정보화 플랫폼이 부족해, 점검 이력과 센서 데이터가 다음 판단에 쓰이지 못한 채 소실됩니다.
점검 이력·센서 시계열·CCTV 분석·전력 계량·도면·SOP이 축적돼, 법적 의무 이행을 자동으로 증빙하고 다음 판단의 근거가 됩니다.
스프링클러·감지기 등 현행 법정 소방시설은 그대로 유지합니다. AI 플랫폼은 이를 대체하는 것이 아니라, 그 위에 얹는 보완 계층입니다.
LH는 2023년부터 지하주차장 전기차 화재에 대응하기 위한 실규모 소화 실험을 지속해왔습니다. 2026년 상반기 후속 연구용역에서는 감지기 미작동, 초기 소화 실패 후 인접 차량 전이, 호스릴 소화 등 세 가지 실제 화재 시나리오로 실증을 확장했습니다.
7배
감지기 미작동·초기 대응 지연 시, 동일한 소방설비를 갖추고도 나타난 최대 열방출율 차이. 감지~방수 시점이 인접 차량 피해와 화재 확산 범위를 가장 크게 좌우하는 변수로 확인됐습니다.
전통적 임계값 방식 대비, 맥락을 함께 읽는 2계층 하이브리드 AI의 탐지율이 가장 높게 나타났습니다. (시뮬레이션 기준 검증 결과)
다만 이 수치는 시뮬레이션·실험실 기반 검증 결과이며, 실제 공동주택 현장에서의 정량적 검증은 도입 로드맵(08)에 따라 단계적으로 이루어집니다.
센서값이 개별로는 정상 범위에 있더라도, 조합·추세·시간대가 이상하면 탐지 대상으로 삼습니다. 이를 위해 감시 속도가 다른 두 계층을 둡니다.
머신러닝 상시 감시
초 단위로 들어오는 센서 데이터를 실시간 처리합니다. 기존의 잘 설계된 임계값 규칙도 이 계층에 포함됩니다.
LLM 에이전트 맥락 판단
시간~일 단위로 누적된 데이터를 종합 검토해 계절·시간대·단지 특성을 반영한 맥락을 판단합니다 (동적 임계값, Dynamic Thresholding).
겨울철 가스보일러 난방을 많이 쓰는 단지에서 가스 계량기 사용량이 오르는 건 자연스러운 현상입니다. 그런데 같은 시기, 특정 세대의 전기 계량기 사용량까지 한밤중에 갑자기 높아진다면 — 절대 수치는 위험 수준이 아니어도, 그 시간대·계절의 맥락에서는 비정상 조합으로 보고 야간 누전 점검을 권고합니다. 두 계층은 상호 피드백으로 연결돼, 점검 이력과 사고 기록을 학습하며 판단 정확도를 지속적으로 높입니다.
데이터 수집 레이어 · AI 에이전트 레이어 · 대응 지원 레이어. 시드 네트워크에서는 이 세 레이어가 방·마루·허브로 움직입니다.
CCTV·열화상 카메라, 온도·가스·진동 센서, 소방설비 상태, 출입·전력 데이터가 실시간으로 모이는 대화형 작업 공간. 관리사무소·소방안전관리자가 AI와 함께 앉습니다.
값이 아니라 맥락을 읽는 AI. 화재분석관·구조안전관·SOP관리관·주민안전관 — 역할별 멀티에이전트가 동시에 분업합니다.
실행 서버. 기관(LH) 내부 서버를 허브로 두면, 영상·개인정보는 그 안에 머문 채 대시보드·도면 검색·SOP 안내가 동작합니다.
피지컬 AI가 CCTV 사각지대를 채우고, 겸용 멀티센서가 설치·유지비를 줄입니다.
자율 순찰 로봇 · 드론
층간·지하주차장 등 CCTV 사각지대를 24시간 순찰하며 열화상·CO/CO2·연기·음향· 진동 등 복합 센서로 이상을 감지해 중앙 AI 에이전트로 전송합니다. 드론은 고층 외벽·옥상을 신속히 정찰합니다.
엣지 AI 디바이스
손바닥 크기 저전력 단말이 평상시 센서 데이터를 자체 처리해 정상 여부만 판단하다가, 이상 시에만 중앙 서버로 전송합니다. 통신·전원이 끊겨도 해당 구역의 이상 판단·경보 발령은 독립적으로 유지됩니다.
겸용 멀티센서
CO·VOC·기압 센서가 평상시 환경·건강 모니터링과 화재 초기 탐지를 동시에 겸합니다. 지하주차장은 기둥·배관 인접부 20~30m 간격, 세대는 주방·거실에 각 1개소가 기준입니다.
엣지(밀리초 단위)–로봇·드론(초~분 단위)–중앙 LLM 에이전트(맥락 판단)로 이어지는 3계층 협업 구조로, 야간·무인 시간대의 소방 안전 공백을 구조적으로 해소합니다.
공동주택 화재에서 인명피해가 가장 많이 발생하는 곳은 사람이 잠들어 있는 세대 내부입니다. 하지만 전유부는 사생활 영역이라는 이유로 상시 감시의 사각지대로 남아 있습니다.
아날로그 열·연기 감지기가 개별 신호의 임계값 초과 여부만 판단해 알립니다. 조리 연기로 인한 오탐과 실제 화재 초기 징후를 구분하지 못합니다.
세대 내부에는 영상 장비를 두지 않고 센서 데이터만 수집합니다. 원본은 세대 단말에서 처리하고 이상 판단 결과만 전송합니다. 조리 연기는 CO가 거의 오르지 않고 환기 후 수 분 내 회복되지만, 화재 초기는 연기·CO가 함께 오르고 환기해도 회복되지 않으며 온도 상승이 뒤따릅니다 — 이 조합과 시간에 따른 변화로 오탐과 실제 화재를 구분합니다.
도입은 전 세대 일괄 적용이 아니라 희망 세대부터 단계적으로 확대합니다. 전동킥보드· 전동자전거 등 개인형 이동장치(PM) 충전 발코니에는 온도·VOC와 충전 전력 패턴을 함께 감시하는 단말을 둡니다. 세대별 CO 농도를 인접 세대·관리사무소와 공유하면 유독가스 2차 피해도 줄일 수 있고, 서서히 오르는 CO는 보일러 배기관 역류 등 일산화탄소 중독 위험 신호로 조기에 포착됩니다.
지하주차장 EV 충전 이상 감지 시나리오로, 두 방식의 대응 타임라인을 비교합니다.
같은 원리는 EV 화재 외에도 적용됩니다 — 급수펌프 쇼트 사이클링(시간당 12회→45회), 소화배관 압력 서서히 감소, 승강기 모터 열화, 변압기 부하 이상. 개별 센서값은 정상이어도 추세·조합·시간대 맥락에서는 이상 징후로 볼 수 있는 사례들입니다.
지하주차장에서는 차량 번호판 인식으로 입·출차 시점에 차종과 주차 위치를 자동 식별해, 전기차 충전구역 차량·노후 차량처럼 위험도가 높은 차량에 순찰·CCTV 감시를 우선 배정하는 차등 관리도 가능합니다.
AI 상황방은 타임라인·위험도·현장 위치·핵심 결정사항을 자동으로 정리해 공유하는 실시간 협업 채널입니다.
"10층 세대 평면도 보여줘"
방화구획 등 관련 도면을 자연어 질의만으로 즉시 검색해 제시합니다.
"10층 세대에 사람 있나?"
출입기록과 CCTV 분석을 종합해 즉시 답합니다. 과거 유사 사례도 함께 찾아줍니다.
"우선 대피 안내 자동 생성"
독거노인·영유아·장애인 세대에 대한 우선 대피 안내가 자동으로 만들어집니다.
AI 판단에도 오탐(False Positive)·미탐(False Negative) 가능성은 항상 존재합니다. 기존 경보 시스템과 AI 분석이 동시에 작동하는 이중 방어 구조로, AI가 잘못 울린 오탐은 관리자 확인 후 피드백을 거쳐 학습에 반영하고, AI가 놓친 미탐에 대해서는 기존 경보 시스템이 최후 방어선 역할을 합니다. CCTV는 원본 영상 대신 "몇 명·어느 위치" 같은 결과값만 서버로 전달하는 비식별화를 원칙으로 합니다.
도입 로드맵 — 1단계: 기존 인프라 위 상시 감시 에이전트, EV충전기· 소화배관 중점 모니터링, 현장 피드백 루프 정착. 2단계: SOP 데이터베이스 구축·연동, 소방서 자동 신고 시스템 연계. 3단계: LH 전 단지 소방 데이터 플랫폼 통합, 타 공공기관 확산. (기간은 세부 계획에 따라 조정될 수 있는 대략적 구간입니다.)
소방안전관제로만 쓰고 마는 시스템이 아닙니다. 점검 이력이 디지털화되면 법적 의무 이행을 자동으로 증빙하고, 관리사무소 인력은 반복 점검 대신 실제 위험 판단과 주민 응대에 집중할 수 있습니다.
※ 본 페이지는 LH 공공주택설비처 소방사업팀이 축적한 실규모 화재실증실험 결과와 탐지 알고리즘 검증 시뮬레이션을 바탕으로 한, AI 기반 소방안전 통합 관리 플랫폼의 구상 단계 적용 방안을 소개합니다.
지하주차장 전기차 화재부터 세대 내부까지 — 실증실험 결과를 바탕으로 도입을 함께 설계합니다.