PART A
제품 소개서
생활권 나무는 중대한 위기에 처했습니다
기후 재난과 법적 책임이 동시에 커지면서, 육안 점검에 의존하는 기존 방식은 한계에 부딪혔습니다.
기후 재난 급증
'22 태풍 힌남노로 가로수 1,200건 피해 · '24 폭염으로 고사율 전년대비 +30% · 연간 보식비용 최대 320억원
법적 의무 강화
2024 성북구 가로수 전도사고 배상 판례(5억원/건, 연 200건) · 도시숲법·산림보호법 나무의사 진단 의무화 · 중대재해처벌법('26) 형사책임 확대
"매번 현장을 찾아가 종이에 기록하는 방식은 너무 비효율적이고, 진단 이력 관리(EMR)에 어려움이 있습니다." — OO나무병원 5년 경력 나무의사
수집 → 분석 → 구현, 3단계 솔루션
토양·기상·생육 데이터를 수집하고 머신러닝으로 이상징후와 관리시점을 예측하는 현장형 AIoT 시스템입니다.
1
수집 (AIoT)
5-in-1 토양센서 + 기울기·진동, KT LTE-M/NB-IoT 실시간 전송
2
분석 (ML)
Isolation Forest·LSTM+STL·LightGBM 4종 앙상블로 위험도 판정
3
구현 (APP/WEB+EMR)
대시보드 알림 + 진단·처치 이력 자동 저장·공유
핵심 기능
◎
실시간 모니터링
설치 사이트별 토양 온·습도, EC, pH, 수분장력, 기울기를 24시간 무인 수집
△
AI 위험도 예측
4종 알고리즘이 안전·주의·경고·위험 5단계로 자동 분류, 근거 모델까지 표시
⊹
설치 현황 맵
전체 사이트를 한눈에, 위험 사이트는 색상과 애니메이션으로 즉시 식별
▤
EMR 관리 이력
현장 조치를 기록하면 모든 열람자에게 실시간 공유, 진단 이력 디지털화
제품 화면
지금 실제로 동작하는 인터랙티브 데모의 대시보드 개요 화면입니다.
개요 화면 — KPI, 설치 현황 맵, 위험도 분포, 최근 알림을 한 화면에 구성
실제 데모 열어보기 →
기존 방식 대비 차별성
| 구분 | 기존 방식 | 숨;표 |
|---|---|---|
| 데이터 수집 | 인력 기반 현장 방문·수기 조사 | AIoT 기반 24시간 실시간 무인 모니터링 |
| 통신 방식 | LoRaWAN/Zigbee (도심 음영지역 한계) | KT LTE-M/NB-IoT (게이트웨이 불필요) |
| 안전 관리 | 육안 검사 의존 (기울어짐 발생 후 조치) | 초정밀 기울기 센서(0.1°) 기반 사전 예측 |
| 센서 기능 | 토양 수분/온도 등 단일 기능 | 토양 4종 + 기울기·진동 통합(5-in-1) |
| 결과물 | 단순 통계 엑셀 파일 | 자동화된 EMR 리포트 |
비즈니스 모델 — 3개 트랙
TRACK 01 · B2G
공공 (지자체·산림청)
니즈도시숲법·산림보호법 진단 의무화
수익모델디바이스+SaaS 구독+컨설팅
채널벤처나라 등록·직접 입찰
TRACK 02 · B2B
기업 ESG
니즈정량 가능한 탄소 흡수 데이터
수익모델dMRV 보고서 발급 수수료
채널조경건설사·ESG 컨설팅사
TRACK 03 · B2B2G
전국 971개 나무병원
니즈디지털 EMR + 자동 처방
수익모델EMR 라이선스+디바이스 리셀
채널한국나무의사협회 채널
개발 로드맵
2025 · TRL 6
v1.0 프로토타입
LoRaWAN 통신, 배터리+태양광, 오차 ±10%
2026 · TRL 8
v1.1 상용화 모델
LTE Cat-M1/NB-IoT, 소형 일체형, 오차 ±5%
2027
v2.0 양산 (300대)
TreeQSM·dMRV 엔진, 매출 10억
2028
국제 인증
Verra VCS 방법론, 매출 35억
2029~
해외 진출
싱가포르·미국·유럽 3개국
PART B
구현 가이드 — 이 데모는 어떻게 만들어졌는가
이 데모의 성격
지금 배포된 데모는 실제 하드웨어·백엔드 없이도 제품 경험을 온전히 체험할 수 있도록 만든 클릭 가능한 인터랙티브 프로토타입입니다. 심사위원·투자자·잠재 고객이 브라우저에서 바로 열어 조작해볼 수 있도록, 웹 표준 기술만으로 구현했습니다.
전체 구조
랜딩 화면
브랜드 히어로 · 배경 영상 · CTA
⇄
뷰 전환 (JS)
show/hide, 실제 라우팅 없음
⇄
플랫폼 화면
개요·사이트·알림·EMR 4탭
하나의 HTML 파일 안에 두 화면이 함께 존재하며, 네비게이션 클릭 시 JS가 컨테이너를 전환합니다.
기술 스택
| 영역 | 사용 기술 | 비고 |
|---|---|---|
| 마크업/스타일 | HTML5 + 바닐라 CSS(디자인 토큰) + Tailwind CDN(랜딩 화면) | 빌드 도구 없음 |
| 인터랙션 | 바닐라 JavaScript (프레임워크 없음) | 탭 전환, 모바일 드로어, 차트 렌더링 |
| 폰트 | Geist · Silkscreen · Gothic A1 · JetBrains Mono | Google Fonts CDN |
| 데이터 저장 | Claude Artifact db capability | EMR 이력 실시간 문서 DB, 열람자 간 자동 동기화 |
| 미디어 호스팅 | Claude Artifact assets capability | 14MB 배경 영상 — data URI 한도(16MB) 우회용 자체 업로드 |
| 시각화 | 수기 작성 인라인 SVG | 설치 현황 맵, 14일 추이 차트 — 외부 차트 라이브러리 미사용 |
데이터 시뮬레이션 로직
실제 센서·모델이 아직 없는 단계이므로, 시드 기반 난수로 결정론적 센서 데이터를 생성합니다 — 새로고침해도 같은 사이트는 항상 같은 값을 보여줍니다.
- 사이트별 시나리오 매핑6개 사이트에 drought(가뭄)·tilt(기울기)·watch(관찰)·normal(정상) 프로필을 부여하고, mulberry32 시드 난수로 14일치 시계열을 생성합니다.
- 위험도 판정수분장력·기울기·강풍확률이 임계값을 넘으면 규칙 기반으로 안전/주의/경고/위험 5단계 중 하나를 매기고, Isolation Forest·LSTM+STL·LightGBM 중 어떤 모델이 판정했다고 표시할지 매핑합니다.
현재는 규칙 기반 시뮬레이션입니다. 알고리즘 이름(Isolation Forest 등)은 실제 학습된 모델이 아니라, 향후 실제 모델이 붙었을 때의 UX를 보여주기 위한 자리표시자입니다. PART A의 PoC 정확도(90%)는 원 제안서의 실제 실증 수치이며, 이 데모 자체의 모델 성능이 아닙니다.
배포 방법
- 1. Claude Artifact로 퍼블리시단일 HTML 파일을 Artifact로 배포 — 별도 서버·호스팅 계정 없이 즉시 URL 발급.
- 2. Capability 선언capabilities: { db: {}, assets: {} } 형태로 선언해 EMR 실시간 저장과 영상 업로드를 활성화.
- 3. 대용량 자산은 asset 업로드16MB data URI 한도를 넘는 배경 영상은 upload_asset으로 별도 업로드 후 /_blob/… 경로로 참조.
- 4. 재배포같은 파일 경로로 다시 퍼블리시하면 같은 URL이 유지되어, 반복 수정에도 링크 공유가 끊기지 않음.
실사용 전환을 위한 다음 단계
이 프로토타입에서 실제 서비스로 넘어가기 위해 필요한 작업입니다.
- 실제 IoT 하드웨어 연동시뮬레이션 데이터 → 실제 5-in-1 센서·ESP32·LTE Cat.M1 로거로부터의 실시간 수신
- 백엔드 API·데이터베이스Artifact DB는 프로토타입용 — 실서비스는 별도 서버/DB와 인증 체계 필요
- 실제 학습된 ML 모델PoC 175일 데이터로 학습한 Isolation Forest·LSTM+STL·LightGBM을 실서비스 API로 서빙
- 실제 지도 연동현재의 추상 SVG 맵 → 실제 GPS 좌표 기반 지도 API(카카오맵 등)로 교체
- 랜딩 화면 카피 현지화현재 랜딩 헤드라인·후기(Stratify/Sara Klein)는 원본 디자인 스펙의 예시 문구 — 숨;표 실제 고객 사례로 교체 권장