• 한국재난정보학회:학술대회논문집
• /
• 한국재난정보학회 2016년 정기학술대회
• /
• pp.236-237
• /
• 2016

인류의 발전과 함께 재난관리에 대한 발전도 이루어져 왔다. 그러나 세계은행(World Bank)의 조사에 의하면 지난 30년간 전 세계적으로 자연재해로 인해 250만 명의 사람이 목숨을 잃었고, 피해금액은 4조 달러에 이르는 것으로 나타나, 아직 재난관리 체계에 많은 문제점이 있음이 드러났다. 특히, 우리나라는 각종 재난으로 인해 최근 10년(2006~2015)간 연 평균 약 5천억원의 피해액과, 약 1조 1천억원의 복구비를 지출하고 있다(국민안전처, 2016). 만약 재난 피해 발생 전 피해규모와 영향을 신속하게 추정할 수 있다면, 예방 및 대비 차원의 재난관리를 통해 피해액이 크게 감소될 것이다. 따라서 본 연구에서는 국내 재해의 65% 이상을 차지하고 있는 호우피해를 대상으로, 피해 예측함수를 개발하였다. 한강 권역을 본 연구의 대상지역으로 선정하였고, 재해연보자료를 조사하여 대상지역의 호우피해 발생 현황 및 피해액을 분석하였다. 또한 대상지역의 강우자료를 확보하기 위해 종관기상관측소의 강우자료를 확보하였다. 강우자료를 이용하여 지속시간별(1~24시간) 최대강우 자료와 재해기간별 선행강우(1~5일) 자료, 그리고 재해기간의 총 강우량 자료를 산출하였다. 이를 독립변수로 하여 재해기간의 시설물별 피해액과의 분석을 통해 호우피해 예측함수를 개발하였다. 호우피해 예측함수는 피해액을 로지스틱회귀분석을 통해 호우피해액이 큰 범위와 호우피해액이 작은 범위로 분류한 혼합분포를 이용하여 개발하였다. 본 연구는 효과적인 재해 관리체계를 확립 하고, 재해예방 및 대비 단계의 기초 자료로 사용될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.150-150
• /
• 2016

지구온난화에 따른 전 세계적 급격한 기후변화로 인하여 자연재해가 발생하고 있으며, 우리나라에서도 매년 태풍을 동반한 집중호우로 지역별 피해가 속출하는 등 자연재해로 인한 많은 인명피해와 경제적 비용의 부담률이 증가하고 있다. 국민안전처에서 발간한 재해연보에 의하면 10년간 전체 종목 중 공공시설물들의 피해액이 매년 비교적 가장 높은 비율을 보이고 있으며, 공공시설물중에서도 하천과 소하천의 피해가 최근 5년(2010~2014년)간 평균 32.91%로 피해율이 가장 높았다. 국외에서는 미국(HAZUS-MH), 일본(피해경제조사메뉴얼), 영국(MCM) 등 공공자산의 홍수피해 예측방법을 개발하여 각 국가의 특성에 맞는 재난손실에 대한 추정을 실시하고 있지만, 우리나라에서는 이러한 방법론적 연구가 부족한 실정이다. 본 연구에서는 우리나라의 자연재해로 발생한 피해의 규모와 이에 따른 경제적 피해를 예측하기 위해 피해율과 피해액 추정 기술을 개발하였다. 미국의 HAZUS-MH와 피해복구지침, 새주소 시스템 DB, 건축법 내 용도별 건축물 종류 등을 활용하여 국내 공공자산 인벤토리(안)을 제시하고 이 중 소하천에 대한 2010~2014년 5개년의 국가재난관리시스템(NDMS) 재해 자료를 기반으로 지역적 특성을 고려한 손상함수를 개발하였다. 함수개발은 강원도 일부 시군에 대해 실시하였으며, 과거 피해자료를 대상으로 검증하였다. 본 연구결과를 토대로 시군단위의 재해로 인한 소하천 피해 정도를 산정하고 한국형 피해예측시스템 개발에 기여할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.97-97
• /
• 2023

최근 재해분야에서 인공신경망(ANN), 기계학습(ML), 딥러닝(DL) 등 AI 기술이 활용성이 점차 증가하고 있으며, 센싱정보와 연계한 시설물 안전관리, 원격탐사와 연계한 재해감시(녹조, 산사태, 산불 등), 수문시계열(수위, 유량 등) 예측, 레이더·위성강수 자료의 보정과 예측, 상하수도 관망누수예측 등 다양한 분야에서 AI 기술이 적용되고 그 활용성이 검증된 바 있다. 본 연구에서는 ML, DL, 물리기반신경망(Pysics-informed Neural Networks, PINNs)을 이용한 다양한 재해분석 사례를 소개하고, 그 활용성과 한계에 대해서 논의하고자 한다. 주요사례로는 (1) SAR영상과 기계학습을 이용한 재해피해지역(울진 산불) 감지, (2) 국가 디지털 정보를 이용한 산사태 위험지역 판별(인제 산사태) (3) 기계학습 및 딥러닝 기법을 이용한 위성강수 자료의 보정·예측 및 유출해석, (4) 수리해석을 위한 수치해석분야에서의 PINNs의 적용성(1차원 Saint-Venant 식 해석) 평가 연구결과를 공유한다. 특히, 자료의 입·출력 자료만으로 학습된 인공신경망 모형 대신 지배방정식(물리방정식)을 만족하도록 강제한 PINNs의 경우, 인공신경망 모형보다 우수한 모의능력을 보여주었으며, 향후 복잡한 수리모델링 등 수치해석분야에서 그 활용가능성이 매우 높을 것으로 판단된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.322-324
• /
• 2012

최근 세계적으로 바다가 자원의 보고로 주목 받으면서 해양 환경 분석 및 예측 기술에 대한 연구가 활발히 진행 되고 있다. 자동화된 해양 환경 자료의 수집과 수집된 자료를 분석하여서 해양재해를 예측하면 기름 유출에 의한 해양오염의 피해, 적조에 의한 수산업의 피해, 해양환경 이변에 의한 수산업 및 재해 피해를 최소화하는데 기여할 수 있다. 그러나 국내 해양 환경에 대한 조사 및 분석 연구는 미흡한 편에 있다. 이에 본 논문은 국내의 원해 및 근 해역에서 수집된 해양 환경 자료를 분석하여 해양 재해를 예측할 수 있는 시스템을 연구한다.

• 한국지형공간정보학회:학술대회논문집
• /
• 한국지형공간정보학회 2001년도 추계학술발표회 개요집
• /
• pp.53-61
• /
• 2001

우리 나라에서 발생하는 여러 재해 중 자연재해는 각종 재해의 상당 부분을 차지하고 있으며, 이 중 호우에 의한 인명 피해는 연간 수 백명, 재산 피해는 수 천억에 이른다. 매년 여름철 집중호우에 의한 홍수재해는 한강과 같은 대형하천이나 급경사 산간지역에서 주로 발생하던 상황이 근래에 이르러서는 도시지역으로 그 피해가 확산되고 있다. 특히, 최근 몇 년 사이 연속해서 대규모 홍수가 발생하고 있어 수해로부터 국민의 생명과 재산을 보호하기 위해서는 홍수규모에 따라 침수범위를 예측할 수 있는 보다 과학화된 실시간 침수예측시스템 구축이 요구된다. 이에 본 연구는 홍수피해가 큰 한강 상류 일대의 중랑천과 그 주변을 대상지역으로 홍수시 발생한 하천의 유량과 범람량을 DEM에 의해 분석하고 이를 실시간으로 Web GIS와 연계하여 홍수에 의한 침수를 예측하고자 한다.

• 자원환경지질
• /
• 제55권4호
• /
• pp.421-428
• /
• 2022

본 연구는 2022년 발표한 한국의 제6회 과학기술예측조사와 2019년 발표한 최신의 일본 과학기술예측조사 결과에 주목하여 최근 지질자원 분야에서 국가·사회적으로 높은 기대를 받고 있는 지진재해와 우주이용에 관한 미래기술을 분석하였다. 한국의 2022년 발표한 지진재해 관련 미래기술은 2017년 제시한 지진 예측 및 조기경보 기술 형태와 달리 지진·복합재난 정보기술과 공공데이터 플랫폼으로 제시되었고, 건물·도시의 재난대응 생활밀착 로봇에 적용하는 형태로 제시되었다. 일본 2019년 과학기술예측조사에서는 한국의 3배 수준의 많은 미래기술이 제시되었으며, 지진재해 기술 또한 대규모 지진 예측, 지층 주입에 따른 유발 지진 예측, 전국 액상화 위험 규명, 규모 광역 응력 측정, 사물인터넷(IoT) 혹은 인공지능 관측 영상 분석에 의한 지진 재해 감시·예측 등 상세 기술이 제시되었다. 최신 한국과 일본의 과학기술예측조사의 우주이용 기술은 물/얼음, 헬륨-3, 희토류 금속 등의 자원을 채굴하는 로봇 기술과 달·화성에서 현지자원을 활용한 유인기지 기술 형태로 더욱 구체화되었다. 일본의 기술적 실현시기를 비교해 보면 2019년에 예측한 실현시기가 2015년의 조사결과보다 4~10년 정도 지연되었다. 2019년 이후에도 코로나19 전염병 상황, 2020년 한국과 일본의 탄소중립 선언, 2022년 러시아-우크라이나 전쟁 등 환경변화에 따라 한국과 일본의 미래기술 실현시기의 예측 결과의 불확실성이 더 커질 수 있다. 하지만 앞으로 지질자원 분야에서 정보기술과 연계한 지진재해 및 우주이용 기술에 대한 더욱더 활발한 연구개발이 요구된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.338-338
• /
• 2023

최근 특정 지역에 짧은 시간동안 많은 강우가 내리는 국지성 집중호우가 빈번히 발생하고 있으나, 이에 대한 예측과 대비에도 불구하고 피해는 지속적으로 증가하고 있다. 지속적인 강우량 증가 추이로 시간최대 및 일최대 강우량 관측기록이 해마다 갱신되고, 도시, 하천 및 주요 홍수방어 시설의 설계용량을 초과하는 피해가 발생하고 있다. 다수의 인구가 거주하고 대규모 기반시설이 집중된 도시지역에서 발생하는 집중호우는 심각한 인명 및 재산피해로 이어질 수 있다. 따라서, 부처별 재난의 저감대책은 정량적인 피해규모의 피해금액 예측보다는 설계 빈도에 대한 규모의 크기로 대책을 마련하고 있다. 국내에서는 풍수해 피해를 저감시키기 위해 개발에 따르는 재해영향요인을 개발 사업 시행 이전에 예측·분석하고 적절한 저감대책안을 수립·시행하고 있으나 설계빈도에 대한 규모일 뿐 정량적인 저감대책으로 예방되는 피해금액은 알 수 없다. 본 연구에서는 재해연보를 기반으로 호우재해(호우, 태풍)에 대한 시군구-재해기간의 피해데이터를 1999년부터 2019년까지 총 20년의 빅데이터와 전국 68개 강우관측소를 대상으로 총 20년(1999년 ~ 2019년)의 강우자료를 구축하였다. 머신러닝의 학습별 알고리즘을 조사하여 호우재해 피해데이터의 적용성이 높고 다양한 분야에 적용이 가능한 Neural networks의 분석기술인 ANN기법을 선정하였다 피해데이터의 재해발생기간별 총강우량, 일최대강우량, 총피해금액에 대하여 1999년 ~ 2018년을 학습하고 2019년에 대하여 강우특성과 피해특성의 분석하였다. 분석결과 Neural Networks의 지도학습은 총 6,902개 중 2019년을 제외한 6,414개를 학습하였으며 분석 타깃은 호우재해의 피해규모를 분석할 수 있는 총강우량, 일최대강우량, 총피해금액에 대하여 은닉노드 5개씩 2계층에 대하여 분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.154-154
• /
• 2017

전 세계적인 기후변동과 기후변화의 영향으로 대규모 인명 및 재산피해를 유발하는 자연재난의 빈도와 강도가 증가하고 있다. 이렇게 변화하는 상황에서 효율적인 대책을 수립하기 위해서는 재해에 노출된 특성을 지역적 특성과 함께 고려하여 지역별로 재해에 위험한 정도를 평가하는 것이 선행되어지고, 재난 피해 발생전에 피해 지역 및 범위를 예측하는 것이 필요하다고 판단된다. 따라서 본 연구에서는 국내 자연재난 피해의 65% 이상을 차지하는 호우피해를 대상으로 PSR(Pressure-State-Response) 구조를 이용하여 호우피해위험지수(Heavy rain Damage Risk Index, HDRI)를 제안하여 호우 위험도를 평가하고자하였다. 또한 도출된 지역별 위험등급에 따른 호우피해 예측함수를 개발하여 재해발생 전에 개략적인 피해의 범위를 예측하고자 하였다. 먼저 지역별 호우 위험도 평가를 위해 압력지표, 현상지표, 대책지표를 구축하고, 주성분분석을 이용하여 평가지표를 결정하였다. 결정된 평가지표를 동일한 가중치를 부여하여 호우피해위험지수를 도출하였다. 분석결과, 경기도 31개 지자체 중에서 가장 안전한 1등급인 지자체는 15개의 지자체로 나타났으며, 2등급인 지자체는 7개, 3등급인 지자체는 9개로 분류되었다. 지자체별 호우 위험도 등급에 따라서 재해기간별 총강우량, 재해일수, 선행강우량(1~5일), 지속시간별 최대강우량(1~24시간) 등의 자료를 설명변수로 구축하였고, 다중회귀모형과 주성분분석을 활용하여 예측함수를 개발하였다. 등급별 호우피해 예측함수는 N-RMSE가 12~18%로 호우피해를 적절하게 예측하는 것으로 평가되었다. 본 연구를 통해 지자체별 호우피해위험도 등급을 파악 할 수 있으며, 평가된 호우피해위험도 등급별로 호우피해 예측함수 개발을 통해 사전에 호우피해 발생 및 규모를 파악할 수 있게 되었다. 따라서 본 연구의 결과는 각 지자체 및 관련 부처에서 효과적인 방재체계를 수립하는데 있어 기초자료로 활용될 수 있을 것으로 판단된다.

• 한국지반환경공학회 논문집
• /
• 제18권12호
• /
• pp.47-57
• /
• 2017

본 연구에서는 도심지 토사재해 예비중점관리 대상지역 중 총 6개 연구지역(춘천, 성남, 세종, 대전, 미량, 부산)을 선정하여 토사재해 위험지 예측 분석을 실시하였다. 분석에 사용된 모델은 현재 토사재해 위험지 예측에 보편적으로 사용되고 있는 기존 모델(SINMAP, TRIGRS)과 본 연구를 통해 개발된 프로그램(LSMAP)을 활용하였으며, 결과 비교분석을 통해 개발모델의 적용성을 검토하였다. 토사재해 위험지 예측에 사용되는 매개변수는 크게 지형특성, 토질특성, 임상특성, 강우특성으로 분류하였으며, 각 모델에 따른 토사재해 위험지 예측 분석 결과 LSMAP 및 TRIGRS에 비해 SINMAP을 이용한 분석은 대체로 위험지를 광범위하게 예측하였다. 이러한 결과는 모델별 적용되는 분석 매개변수의 차이에 의한 것으로 판단된다. 또한 임상특성을 고려한 LSMAP은 TRIGRS 결과와 비교하였을 때 예측 위험지 기준 -0.04~2.72%의 범위 내로 유사한 경향을 보이는 것으로 분석되었다. 이는 산지에 분포하는 임상 정보가 비탈면 안정에 다양한 영향을 미치는 것이라 할 수 있으며, 토사재해 위험지 예측에 중요한 매개변수임을 알 수 있다.

• 대한토목학회논문집
• /
• 제42권1호
• /
• pp.127-134
• /
• 2022

현재 국내 건설업에서는 꾸준히 증가하는 건설재해를 예방하기 위해 다양한 정책적 노력과 연구가 활발하게 진행되고 있다. 기존 연구에서 건설재해 예방을 위해 개발한 예측 모델의 경우, 주로 정형데이터만을 활용하였기에 건설현장의 다양한 특성을 충분히 고려하지 못한 예측 결과가 도출되었다. 따라서, 본 연구에서는 정형데이터와 텍스트 형식의 비정형데이터를 동시에 활용하여 건설현장의 특성을 충분히 고려할 수 있는 기계학습 기반 건설재해 사전 예측 모델을 개발하였다. 본 연구는 기계학습을 위해 건설공사 안전관리 종합정보망(CSI)의 최근 3년간 건설재해 데이터 6,826건을 수집하였다. 수집된 데이터 중 정형데이터의 학습은 5가지 알고리즘의 성능 분석을 통해 Decision forest 알고리즘을 사용하였고 비정형데이터의 학습은 BERT 언어모델을 사용하였다. 정형 및 비정형데이터를 동시에 활용한 건설재해 예측 모델의 성능 비교 결과, 정형데이터만을 활용한 경우보다 약 20 % 향상된 95.41 %의 예측정확도가 도출되었다. 본 연구 결과, 비정형데이터를 동시에 활용함으로써 예측 모델의 효과적인 성능 향상을 확인하였으며, 보다 정확한 예측을 통한 건설재해 저감을 기대할 수 있다.