Google Cloud Next 2026 Google Maps Platform 업데이트 정리 (2): 지리공간 데이터 분석 업데이트 4가지
2026-04-28
지난 1편에서는 Maps Grounding, Agentic UI Toolkit, Imagery Grounding을 통해 AI 에이전트가 위치를 이해하고, 보여주고, 만들어내는 방식이 어떻게 달라지고 있는지 살펴봤습니다. 이번 2편에서는 Google Cloud Next 2026에서 발표된 Google Maps Platform의 지리공간 데이터 분석 업데이트를 소개해 드리겠습니다.
이번 발표의 또 다른 핵심은 위성·항공 이미지, 도로 데이터, 환경 데이터를 활용한 지리공간 분석이었습니다. AI가 사용자와 대화하기 위해 위치를 다루는 것을 넘어, 기업이 운영 데이터와 공간 데이터를 결합해 더 빠르고 정확하게 의사결정할 수 있도록 돕는 방향입니다. 본격적으로 함께 살펴보시죠.
🔖 이런 내용을 담고 있어요
1. Google Cloud Next 2026에서 발표된 Google Maps Platform의 지리공간 데이터 분석 관련 업데이트를 정리합니다.
2. 위성·항공 이미지를 BigQuery에서 빠르게 분석할 수 있게 해주는 Aerial and Satellite Insights와 Earth AI Imagery Models를 살펴봅니다.
3. 공공에서 민간으로 영역이 넓어진 Roads Management Insights 신규 데이터셋을 짚어봅니다.
4. 자연어로 위성 이미지를 분석하는 Aerial and Satellite Models, 책상 위에서 인프라를 측정하는 Street View Insights × LiDAR, 건물 단위 태양광 분석을 가능하게 하는 Solar Insights를 소개합니다.
5. 5년치 고해상도 과거 환경 데이터를 BigQuery와 결합하는 Weather, Air Quality, Pollen Insights의 활용 방향을 정리합니다.
🧭 목차
1. 위성·항공 이미지 분석을 빠르게 만드는 Aerial and Satellite Insights
2. 공공에서 민간으로 확장되는 Roads Management Insights(도로 관리 인사이트)
3. 위성·거리·건물까지, 한 단계 깊어진 지리공간 AI
4. 환경 데이터를 비즈니스 자산으로 만드는 Environment Insights
1. 위성·항공 이미지 분석을 빠르게 만드는 Aerial and Satellite Insights
도시, 인프라, 산업단지 같은 넓은 범위의 변화를 파악할 때 항공·위성 이미지는 필수입니다. 그동안 이 이미지를 분석하려면 전문 GIS 분석가가 직접 들여다보거나, 별도의 AI 모델을 학습시켜야 했어요. 작업에 수 주가 걸리는 경우도 흔했습니다.
이번 업데이트에서 Google Maps Platform은 Aerial and Satellite Insights(*곧 출시 예정인 Experimental 단계)를 소개했습니다. 거리 단위를 다루던 Street View Insights에 더해, 이제 도시의 세부 정보부터 지구 전체의 조감도까지 하나의 분석 흐름 안에서 다룰 수 있게 됩니다.
특히 주목할 점은 이 기능이 Gemini Enterprise Agent Platform, BigQuery, Earth Engine과 통합되어 있다는 점입니다.(!) Google Cloud의 BigQuery 안에서 위성 이미지를 자동으로 분석할 수 있어, 기존에 수 주가 걸리던 이미지 검토 작업을 분 단위로 단축할 수 있습니다.
항공 및 위성 분석 기능을 활용하면 기업은 새로운 건설 현장과 같은 유용한 정보를 이미지에서 신속하게 추출할 수 있습니다.
여기에 더해 Google Maps Platform은 Earth AI Imagery Models 두 종을 Vertex AI Model Garden에 새롭게 공개했습니다. 다리, 도로, 전력선 같은 특정 객체를 자동으로 식별하도록 학습된 모델이라, 기업이 처음부터 AI를 학습시키지 않아도 위성 이미지에서 인사이트를 얻을 수 있습니다.
정리하면 이번 업데이트는 위성·항공 이미지 분석의 진입 장벽을 낮춘 변화입니다. 기존에는 전문 인력과 긴 시간이 필요했던 작업이, 이제는 BigQuery 안에서 빠르게 처리될 수 있게 되었습니다.
2. 공공에서 민간으로 확장되는 Roads Management Insights(도로 관리 인사이트)
도로 데이터는 공공기관만을 위한 데이터가 아닙니다. 물류, 모빌리티, 긴급출동, 보험, 유통 기업에도 도로 상황과 교통 흐름은 중요한 운영 변수입니다.
Google Maps Platform은 Roads Management Insights(RMI)에 새로운 기능을 추가하며, 공공과 민간 영역 모두에서 도로 운영 인사이트를 활용할 수 있도록 범위를 넓혔습니다. 작년에 공공 부문 도로 관리자를 위해 출시되었던 RMI가, 이번 업데이트를 통해 처음으로 민간 부문에 개방된 점이 가장 큰 변화입니다.
이번 업데이트의 핵심은 두 가지 신규 데이터셋입니다(현재 Preview 단계).
Disruptions: 도로 장애를 미리 감지하는 데이터
Disruptions는 도로 장애 정보를 빠르게 파악하도록 돕는 기능입니다. Google은 이 기능이 사고, 도로 위 물체, 정차 차량 같은 잠재적 교통 방해 요소를 조기에 감지하고, 도로 폐쇄 정보를 실시간으로 파악할 수 있도록 한다고 설명합니다.
특히 갓길은 작업자에게 가장 위험한 환경 중 하나로 꼽힙니다. RMI의 새 기능을 통해 위험 구간을 미리 식별하고 우회 경로를 안내할 수 있게 되면, 단순한 교통 데이터가 아니라 작업자의 안전과 직결되는 안전을 고려한 배차(Safety-aware dispatching)의 기반이 됩니다.
Vehicle Counts: 객관적 데이터로 인프라 의사결정을 돕는 데이터
Vehicle Counts는 특정 도로 구간의 차량 통행량을 파악하는 기능입니다. Google은 이 기능이 신규 도로, 교량, 대규모 유지보수 프로젝트의 필요성과 영향을 평가하고, 예산 의사결정을 객관적 교통량 데이터에 기반해 지원할 수 있다고 설명합니다.
기존에는 교통량 조사를 위해 센서, 카메라, 현장 조사 같은 별도 인프라가 필요했어요. RMI는 더 넓은 지역의 도로 흐름을 빠르게 파악하고, 인프라 투자 우선순위를 정하는 데 도움을 줄 수 있습니다.
정리하면 Roads Management Insights는 단순한 도로 조회 기능이 아니라, 도로 장애, 교통량, 운영 리스크, 인프라 투자 판단을 연결하는 교통 데이터 인텔리전스로 확장되고 있습니다.
3. 위성·거리·건물까지, 한 단계 깊어진 지리공간 AI
앞서 1번에서 소개한 Aerial and Satellite Insights와 Earth AI 이미지 모델은 지리공간 분석의 입구입니다. 이번 발표에서는 그 위에 더 정교한 분석을 가능하게 하는 기능들이 함께 공개되었어요.
Aerial and Satellite Models: 자연어로 객체를 찾는 AI
항공 및 위성 분석 기능을 통해 통신 전문가들은 무선 네트워크 계획을 최적화하고 신호 장애를 최소화할 수 있습니다.
Aerial and Satellite Models는 Google Cloud의 Model Garden에서 제공되는 Experimental 단계의 모델입니다. Google은 이 모델이 Google Research의 Remote Sensing Foundation 연구를 기반으로 하며, 기업이 복잡한 모델을 직접 학습시키지 않아도 위성·항공 이미지에서 인사이트를 뽑아낼 수 있도록 설계됐다고 설명합니다.
특히 중요한 점은 이 모델이 Google의 이미지에만 적용되는 게 아니라는 점이에요. 기업이 보유한 자체 항공·위성 이미지에도 그대로 사용할 수 있습니다.
항공 및 위성 모델을 사용하여 "대형 HVAC 냉각탑 찾기"와 같은 명령어를 입력해 보세요. 광범위한 지역에서 관련 냉각탑 구조물을 식별합니다.
✅ 주요 분석 능력
자연어로 객체 찾기: "풍력 터빈을 모두 찾아 줘" 같은 문장만으로 객체를 검색
장면 단위 검색: "도심을 가로지르는 강"처럼 복잡한 장면도 자연어로 검색
변화의 의미까지 파악: 같은 산업시설이 오래된 공장인지, 새로 지어진 공장인지 구분
이는 단순히 이미지 안의 객체를 찾는 것을 넘어, 공간이 어떻게 변하고 있는지를 함께 이해하는 분석에 가깝습니다.
Street View Insights × LiDAR: 책상 위에서 인프라 측정하기
거리 단위 인프라 점검은 그동안 현장 출장이 필수였습니다. 전봇대 높이, 가공 전선의 이격 거리, 도로표지판 치수를 측정하려면 작업자가 직접 현장에 가야 했어요.
LiDAR를 활용한 스트리트 뷰 인사이트를 통해 더욱 정밀한 3D 측정 및 인프라 정보를 얻을 수 있습니다.
이번에 Google Maps Platform은 Street View Insights에 LiDAR 데이터를 추가했습니다(Experimental 단계). LiDAR가 더해지면서, Google이 보유한 2,800억 장 이상의 Street View 이미지가 단순한 시각 자료가 아니라 정밀 측정 데이터로 활용될 수 있게 됩니다. 책상 앞에서 인프라 자산의 치수를 그대로 산출할 수 있다는 의미예요.
Solar Insights: 건물 한 채 단위 태양광 분석
지속가능성과 에너지 전환 흐름 속에서 많은 기업이 태양광 잠재력을 어떻게 활용할지 고민하고 있습니다. 그런데 건물 단위의 정밀한 태양광 데이터가 부족하다는 것이 가장 큰 어려움이었어요.
Google Maps Platform은 이번 업데이트에서 Solar Insights(Experimental)를 소개했습니다. 미국과 유럽의 90% 이상 건물을 대상으로 건물별 태양광 잠재력, 지붕 통계, 기존 태양광 설비 데이터를 분석 가능한 형태로 제공합니다. Google의 날씨 모델과 결합하면 옥상 태양광의 발전량까지 더 정확하게 예측할 수 있어요.
세 기능이 가리키는 방향은 같습니다. 이미지 데이터에서 단순한 시각 정보가 아닌, 의사결정에 쓸 수 있는 인사이트를 뽑아내는 것입니다.
4. 환경 데이터를 비즈니스 자산으로 만드는 Environment Insights
마지막으로 주목할 영역은 환경 데이터입니다.
기후와 환경 변화는 이제 특정 산업만의 문제가 아닙니다. 날씨, 대기질, 꽃가루, 미세먼지 같은 환경 요인은 다양한 산업의 수요 예측과 운영 전략에 직접적인 영향을 줍니다.
Google Maps Platform은 Cloud Next에서 Google Earth AI의 일부로 새로운 환경 데이터셋을 발표했습니다. 이 데이터셋은 Experimental로 제공되며, 대기질·꽃가루·날씨 인사이트를 포함합니다. 기존 Environment API의 실시간 데이터를 보완하면서, BigQuery와 통합된 지역 단위·고해상도 과거 환경 데이터를 제공한다는 점이 특징이에요.
Weather Insights
BigQuery에서 강수량 데이터 시각화
약 5년간의 고해상도 과거 날씨 데이터를 제공합니다. Google에 따르면 이 데이터셋은 전 세계 기준 0.1도 단위, 미국과 유럽에서는 약 4km 단위로 시간별 날씨 정보를 포함합니다.
기업은 이 데이터를 BigQuery에서 자체 운영 데이터와 결합해 과거 패턴을 분석하고, 수요 예측이나 운영 계획에 활용할 수 있습니다.
Air Quality and Pollen Insights
대기질과 꽃가루 데이터를 장기간 축적된 형태로 제공합니다. Google은 이 데이터가 특정 오염물질과 꽃가루 유형의 농도를 500m 또는 1km 단위격자로 파악할 수 있도록 지원하며, 지역별 환경 데이터의 사각지대를 줄이는 데 활용될 수 있다고 설명합니다.
특정 날짜의 맨해튼 PM2.5 중간값을 시각화한 그래프
이 업데이트의 핵심은 환경 데이터를 단순한 참고 정보가 아니라, 운영 리스크를 줄이고 비즈니스 회복력을 높이는 분석 자산으로 활용할 수 있다는 점입니다.
이번 발표에서 분명해진 것은 공간 데이터의 활용 방식이 달라지고 있다는 점입니다. 위성·항공·거리 이미지, 도로, 환경 데이터가 BigQuery·Earth Engine·Gemini Enterprise Agent Platform과 만나, 기업의 운영 데이터와 함께 분석되고 의사결정에 활용되는 흐름이 본격적으로 시작되고 있습니다.
1️⃣ Aerial and Satellite Insights와 Earth AI Imagery Models를 통해 위성·항공 이미지 분석의 진입 장벽이 낮아졌습니다. 수 주가 걸리던 이미지 검토 작업을 BigQuery 안에서 분 단위로 처리할 수 있게 되었습니다.
2️⃣ Roads Management Insights가 공공에서 민간으로 개방되면서, 도로 데이터가 운영 효율과 작업자 안전을 함께 다루는 인텔리전스로 확장되고 있습니다.
3️⃣ Aerial and Satellite Models, Street View Insights × LiDAR, Solar Insights로 위성·거리·건물 데이터에서 의사결정에 쓸 수 있는 인사이트를 직접 뽑아낼 수 있게 되었습니다.
4️⃣ Environment Insights는 5년 치 고해상도 환경 데이터를 BigQuery에서 다룰 수 있게 하면서, 환경 데이터를 비즈니스 회복력의 자산으로 전환하고 있습니다.
네 가지 업데이트가 의미하는 것은 같습니다. 지도가 단순히 "어디에 무엇이 있는지"를 보여주는 도구를 넘어, "무엇이 일어나고 있고, 다음에 어떤 결정을 내려야 하는지" 를 알려주는 의사결정 인프라로 진화하고 있다는 사실입니다.
이번 2편에서는 위성·도로·환경 데이터를 활용한 지리공간 분석의 변화를 정리했습니다. 두 편을 함께 보시면 이번 Cloud Next 2026에서 Google Maps Platform이 어떤 방향으로 확장되고 있는지를 한눈에 이해하실 수 있습니다.
👉🏻 Google Cloud Next 2026 Google Maps Platform 업데이트 정리 (1): AI 에이전트 기능 3가지 보러 가기
SPH는 Google Maps Platform Premier Partner로서, 기업이 위치 데이터와 AI를 실제 비즈니스 환경에 적용할 수 있도록 컨설팅과 기술 지원을 제공하고 있습니다. 위성·항공 이미지 분석, 도로 데이터 활용, 환경 데이터 기반 의사결정 같은 지리공간 분석 도입을 고민하고 있다면, SPH와 함께 구체적인 활용 방안을 검토해 보세요.
✅ 구글맵스플랫폼 국내 유일 프리미어 파트너사 SPH 만나러 가기
🗺️ 구글맵스플랫폼 더 알아보기
💡 구글맵스플랫폼 FAQ 위키 보러 가기
SPH는 Google Maps, SuperMap, Vantor, Snowflake, Sigma Computing 등 다양한 제품군을 가지고 있으며, 고객의 사례에 꼭 맞는 무료 세미나 및 인적 컨설팅을 제공하고 있습니다. 더욱 자세한 이야기를 나누고 싶으시다면, 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS / 로케이션인텔리전스 / AIBI / 데이터비즈니스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 (링크드인 페이지) 또는 뉴스레터를 구독해주시길 바랍니다
