DOI QR Code
(Dept. of Chemical Engineering, Myongji University)
Hazardous materials accidents are not limited to the leakage of the material, but if the early response is not appropriate, it can lead to a fire or an explosion, which increases the scale of the damage. However, as the 4th industrial revolution and the rise of the big data era are being discussed, systematic analysis of hazardous materials accidents based on new techniques has not been attempted, but simple statistics are being collected. In this study, we perform the systematic analysis, using machine learning, on the fire accident data for the past 11 years (2008 ~ 2018), accumulated by the National Fire Service. The analysis results are visualized and presented through text mining analysis, and the possibility of developing a damage-scale prediction model is explored by applying the regression analysis method, using the main factors present in the hazardous materials fire accident data.
위험물 사고는 해당 물질의 누출에 그치지 않고, 초기대응이 부적합한 경우, 화재, 폭발로 이어져 그 피해규모가 확대될 위험이 크다. 하지만 4차 산업혁명과 빅데이터 시대의 대두가 논의되고 있는 시점에서, 새로운 기법들에 바탕한 위험물 사고의 체계적인 분석은 시도되지 못하고, 단편적인 통계 수집에 그치고 있는 것이 아쉬운 실정이다. 본 연구에서는 지난 11년간(2008~2018) 축적된 소방청 위험물 화재사고 데이터를 대상으로 기계학습에 기반한 분석을 진행하였다. Text mining 분석을 통해 분석한 자료를 시각화하여 나타내었고, 아울러 위험물 화재사고 데이터에 존재하는 주요 인자를 이용해 피해규모 예측모델의 개발 가능성을 회귀분석 방법을 적용하여 탐색하였다.