FireNavi
AI가 생존을 설계합니다
화재보다 빠르게 판단하는 AI · WiFi 정밀 위치추적 · 6,000명 동시 최적화 · 실시간 의사결정 엔진
Prediction AI · 미래를 보는 AI
Behavior AI · 사람을 이해하는 AI
Decision AI · 결정을 내리는 AI
WiFi Indoor Positioning
Safety + Security Platform
Priority Rescue · 취약계층 우선 구조
INTRO VIDEO
FireNavi — AI가 생존을 설계합니다
3분 영상으로 보는 FireNavi 플랫폼
🎬 MAIN VIDEO
화이어내비 소개 영상 (HD)
⸻ 추가 영상 ⸻
🎬 AI PLATFORM
생존을 설계하는 AI
※ YouTube 원본은 임베드 차단(오류 153) ·
YouTube에서 직접 보기 ↗
화재 발생
연기 확산
승객
대피 경로
구명보트
DUAL-MODE PLATFORM
하나의 플랫폼, 두 가지 모드
평상시에는 보안과 운영 관리 플랫폼으로, 비상시에는 AI가 즉시 생존 의사결정을 수행합니다
평상시: Security Mode
보안구역 접근 통제, 이상 행동 탐지, 실시간 위치 기반 운영 관리
상시: Tracking Mode
승객/방문자 동선 분석, 공간 활용 최적화, 혼잡 관리
비상시: Survival Mode
3개 AI 엔진 동시 가동, 실시간 대피 경로 생성, 개인별 생존 의사결정
AI ENGINES
3개 AI 엔진이 동시에 작동합니다
위기 상황이 발생하면 물리 AI, 군집 AI, 최적화 AI가 동시에 작동하여 수천 명의 생존을 실시간으로 결정합니다
Prediction Engine
미래를 보는 AI
화재 확산 방향과 속도를 예측하고, 연기가 몇 초 후 어디를 덮을지 물리 모델과 AI를 결합해 미래를 예측합니다
Navier-Stokes
LSTM
Advection-Diffusion
Beer-Lambert
Behavior Engine
사람을 이해하는 AI
수천 명이 동시에 움직일 때 어디서 막히고, 어디서 충돌이 발생하는지 군중의 움직임을 실시간으로 계산합니다
Social Force
KDE
Greenshields
Multi-Agent
Decision Engine
결정을 내리는 AI
모든 정보를 기반으로 각 사람에게 매 순간 다른 경로를 제공합니다. AI가 인간의 생존을 직접 결정하는 과정입니다
A* Dynamic
Risk Map
Health-Aware
RL-based
WiFi INDOOR POSITIONING
WiFi 기반 정밀 실내 위치추적
GPS가 작동하지 않는 실내/지하 환경에서 WiFi 신호 기반 2~3m 정밀도의 위치추적으로 FireNavi의 AI가 완전히 작동합니다
2~3m
실내 위치 정확도
3D
층간 이동 추적
Real-time
실시간 위치 업데이트
DEVICE STRATEGY
이미 들고 있는 것에 기술을 넣다
별도 장치 없이, 이미 사용하는 객실 키와 출입증에 WiFi 위치 인식 기능을 내장합니다
크루즈: 객실 키 카드
승객이 항상 소지하는 객실 키에 WiFi 위치 모듈 내장. 추가 행동 없이 자연스럽게 위치 추적
승객 동선 자동 기록
제한구역 접근 실시간 알림
비상시 즉시 위치 기반 대피 안내
레스토랑/공연장 혼잡도 관리
건물: 보안 출입증
로비 보안 체크 시 교환하는 출입증에 위치 모듈 내장. 기존 보안 프로세스에 무손실 통합
층별 이동 기록 및 출입 관리
보안구역 침입 즉시 감지
화재 시 위치 기반 AI 대피 경로
방문자 동선 분석 및 보안 감시
0개
특허 출원 기술
0개
Deck 구간
0+
최대 승객 수용
0%
대피시간 단축 (WiFi 결합)
0개
AI 엔진
PRESENTATION
FireNavi 소개 자료
AI 기반 실시간 생존 의사결정 플랫폼의 핵심 기술과 비전을 확인하세요
CORE MODULES
4대 핵심 기술 모듈
특허 기술 기반의 4개 독립 모듈로 구성된 화재 대피 종합 솔루션
Module B
산업용 아키텍처 재정의
실시간 센서 데이터, BIM 연동, Edge-Cloud 하이브리드 아키텍처, OpenFOAM CFD 통합 등 산업 적용 시스템 설계
상세 보기 →INTERACTIVE FEATURES
인터랙티브 기능
CORE ALGORITHMS
5대 핵심 알고리즘
👥
군중 밀집도 예측
실시간 CCTV 영상 분석과 IoT 센서 데이터를 융합하여 구역별 인구 밀도를 0.5초 단위로 예측합니다. Kernel Density Estimation 알고리즘으로 군중 흐름을 시각화하고, 0.5m²/인 이하 위험 밀도 구간을 사전에 감지하여 압사 사고와 병목 정체를 원천 차단합니다.
🌫️
연기 확산 예측
Navier-Stokes 방정식 기반 CFD 시뮬레이션과 LSTM 신경망을 결합하여 화재 발생 후 60초 단위로 연기의 확산 경로와 농도를 예측합니다. Beer-Lambert 법칙으로 가시거리를 정량화해 안전한 대피 경로 계산에 즉시 반영하여 시야 확보를 보장합니다.
🗺️
동적 위험지도
화재 강도, 연기 농도, 구조적 약점, 군중 밀집도를 실시간 가중합산하여 시설 전체의 위험도를 색상으로 매핑합니다. Risk Map은 0.5초마다 갱신되며 AI 경로 알고리즘의 입력값이 되어 모든 개인에게 가장 안전한 경로를 즉시 제공합니다.
⏱️
대피시간 최소화
A* Dynamic 알고리즘과 강화학습으로 출구별 부하를 자동 분산시켜 전체 대피 시간을 최소화합니다. 6,000명 동시 최적화 시 12개 출구로 자동 균형 배분되며, 단일 출구 병목과 압사를 원천 차단하여 평균 대피 시간을 3배 단축합니다.
❤️
건강상태 반영
개인별 이동 능력(나이, 거동, 임신, 휠체어 사용)을 실시간 평가하여 맞춤 경로를 생성합니다. 취약계층에게는 엘리베이터와 완만한 경사로를 우선 배정하고, 연기 회피 안전 마진을 2배로 확대하며 소방관 구조 우선순위 1순위로 자동 등록됩니다.
TECHNOLOGY STACK
Python
FireNavi 백엔드 AI 엔진 전체를 구동하는 메인 언어입니다. NumPy·SciPy 기반 고성능 수치 계산과 풍부한 ML 생태계를 활용하며, 3개 AI 엔진의 핵심 알고리즘이 모두 Python으로 구현되어 빠른 프로토타이핑과 안정적 프로덕션 운영을 동시에 만족시킵니다.
PyTorch / RL
Decision Engine의 강화학습 모델 학습과 추론을 담당합니다. PyTorch 동적 계산 그래프로 6,000명 군중의 행동 패턴을 학습하고, PPO와 DQN 알고리즘으로 시뮬레이션 환경에서 최적 대피 정책을 자동 도출하여 실제 위기 상황에 즉시 적용합니다.
OpenFOAM CFD
Prediction Engine의 화재 확산 시뮬레이션을 담당하는 오픈소스 전산유체역학 라이브러리입니다. Navier-Stokes 방정식을 GPU 병렬 처리하여 실시간 연기 흐름을 계산하고, 시설 도면을 입력받아 화재 발생 후 60초까지의 연기 도달 영역을 정밀 예측합니다.
Unity 3D
시뮬레이션 결과를 3D로 시각화하여 시설 운영자와 소방관에게 직관적인 상황 인식을 제공합니다. 실시간 대피 경로, 군중 흐름, 화재 확산을 3D 공간에서 자유롭게 회전하며 관찰할 수 있고 사전 훈련과 사후 사고 분석에도 동일하게 활용됩니다.
BIM / IFC
건축물 정보 모델링 국제 표준으로 시설의 3D 도면, 자재, 구조 정보를 통합 관리합니다. FireNavi는 BIM 데이터를 직접 입력받아 시뮬레이션 환경을 자동 구성하고, 신축 건물과 기존 시설 모두에 도면 변환 없이 즉시 도입 가능한 표준 호환성을 확보했습니다.
Edge Computing
클라우드 의존 없이 시설 내부 엣지 서버에서 모든 AI 추론을 수행합니다. 네트워크 장애나 정전 시에도 디바이스 자체 캐시 경로로 30초간 대피 가이드가 지속되며, 평균 응답 지연을 50ms 이하로 유지하여 0.5초 단위 실시간 의사결정을 보장합니다.
WebSocket
6,000명 개인 디바이스와 중앙 서버 간 실시간 양방향 통신 채널입니다. HTTP 폴링 대비 지연을 1/10 수준으로 줄이고 동시 연결을 수만 건까지 안정적으로 처리하여, 화재 발생 즉시 모든 디바이스에 맞춤 경로를 0.5초 안에 전송합니다.
Monte Carlo
불확실한 화재 시나리오를 1만 회 이상 무작위 샘플링하여 가능한 모든 확산 패턴의 확률 분포를 계산합니다. Behavior Engine의 군중 행동 변이성도 동일 방법으로 모델링하여 최악 시나리오에 대비한 강건한 대피 전략을 사전에 학습합니다.