급속한 도시성장에 따라 도시지역에는 다양하고 복잡한 시설물들이 증가되고 있으며, 이에 따른 화재발생 피해에 대한 위험도도 증가되고 있다. 특히 화재사고는 인위적 재해 중 교통사고와 함께 도시지역에서 가장 높은 발생빈도를 나타내고 있다. 이에 따라 소방방재청에서는 효과적인 화재관리를 위하여 국가화재정보시스템을 운영하고 있으며 2007년부터 화재발생정보를 인터넷을 통해 제공하고 있다. 따라서 본 연구에서는 이 시스템에서 제공하는 데이터와 진주시 소방서로부터 자료를 취득하여 진주시 화재데이터베이스를 구축하고, 2007년부터 2013년까지 화재발생 추이에 대한 시계열분석과 Moran's I, Getis-Ord $Gi^*$분석을 통하여 진주시 공간상의 화재발생 밀도변화분석과 시설물별 화재위험도를 산출하였다. 그 결과 화재발생위치의 시계열적 변화와 화재발생 밀집도가 높은 Hot Spot지역을 추출할 수 있었으며, 시설물별 인명피해 및 재산피해 매트릭스를 작성하여 화재위험등급을 산출함으로서 도시지역의 화재발생위험을 예측할 수 있는 방안을 제시하였다.
급속한 도시성장에 따라 도시지역에는 다양하고 복잡한 시설물들이 증가되고 있으며, 이에 따른 화재발생 피해에 대한 위험도도 증가되고 있다. 특히 화재사고는 인위적 재해 중 교통사고와 함께 도시지역에서 가장 높은 발생빈도를 나타내고 있다. 이에 따라 소방방재청에서는 효과적인 화재관리를 위하여 국가화재정보시스템을 운영하고 있으며 2007년부터 화재발생정보를 인터넷을 통해 제공하고 있다. 따라서 본 연구에서는 이 시스템에서 제공하는 데이터와 진주시 소방서로부터 자료를 취득하여 진주시 화재데이터베이스를 구축하고, 2007년부터 2013년까지 화재발생 추이에 대한 시계열분석과 Moran's I, Getis-Ord $Gi^*$분석을 통하여 진주시 공간상의 화재발생 밀도변화분석과 시설물별 화재위험도를 산출하였다. 그 결과 화재발생위치의 시계열적 변화와 화재발생 밀집도가 높은 Hot Spot지역을 추출할 수 있었으며, 시설물별 인명피해 및 재산피해 매트릭스를 작성하여 화재위험등급을 산출함으로서 도시지역의 화재발생위험을 예측할 수 있는 방안을 제시하였다.
Diverse and complex facilities have been on the increase in urban areas in accordance with rapid urbanization. Along the lines of the increase in facilities, the risk of fire has increased. In particular, fire accidents as well as traffic accidents accounted for the highest rate in artificial disast...
Diverse and complex facilities have been on the increase in urban areas in accordance with rapid urbanization. Along the lines of the increase in facilities, the risk of fire has increased. In particular, fire accidents as well as traffic accidents accounted for the highest rate in artificial disasters. Therefore, the National Fire Information Systems managed by the National Emergency Management Agency (NEMA) appeared for the effective fire management. The NEMA has provided the public with the Internet services regarding information about fire outbreak since 2007. This study acquired data from both NEMA and the Jinju City Fire Department. It constructed the fire data of Jinju City and calculated the change in spatial density targeting fire, occurred in Jinju city with a view to examining the fire risk of facilities by conducting a time series analysis on the trends of fire outbreak over a span of periods between 2007 and 2013. It also conducted an analysis of Moran's I, Getis-Ord Gi. Therefore, it came to select higher hot spots in terms of fire location and fire density. In addition, it attempted to calculate the levels of fire hazard by drawing up the matrix of personal injury and property damage, depending on facilities to present the methods, which can predict the risk of fire occurrence in urban areas.
Diverse and complex facilities have been on the increase in urban areas in accordance with rapid urbanization. Along the lines of the increase in facilities, the risk of fire has increased. In particular, fire accidents as well as traffic accidents accounted for the highest rate in artificial disasters. Therefore, the National Fire Information Systems managed by the National Emergency Management Agency (NEMA) appeared for the effective fire management. The NEMA has provided the public with the Internet services regarding information about fire outbreak since 2007. This study acquired data from both NEMA and the Jinju City Fire Department. It constructed the fire data of Jinju City and calculated the change in spatial density targeting fire, occurred in Jinju city with a view to examining the fire risk of facilities by conducting a time series analysis on the trends of fire outbreak over a span of periods between 2007 and 2013. It also conducted an analysis of Moran's I, Getis-Ord Gi. Therefore, it came to select higher hot spots in terms of fire location and fire density. In addition, it attempted to calculate the levels of fire hazard by drawing up the matrix of personal injury and property damage, depending on facilities to present the methods, which can predict the risk of fire occurrence in urban areas.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그리고 2007년부터 2013년까지 화재발생 추이에 대한 시계열분석과 Moran's I, Getis-Ord Gi*분석을 통하여 진주시 도시공간상에서 발생된 화재발생밀도변화를 분석하고 시설물별 화재위험도를 산출하였다. 따라서 본 연구에서는 진주시에서 화재발생의 시공간적 분포를 분석하여 토지이용에 따른 화재발생분포특성을 분석하고 시설물 종류에 따른 화재발생빈도를 기반으로 위험도를 예측하여 화재관리에 필요한 정보를 제공하는데 연구 목적을 두었다.
, 2012). 선행연구와는 달리 본 연구에서는 도시공간에서의 화재의 발생패턴을 분석하고 시설물의 재분류를 통해 화재위험도를 산출하여 재해피해 저감을 위함을 목적으로 둔다.
제안 방법
3.2절에서의 분석을 통해 진주시의 화재발생 군집정도와 Hot Spot을 확인 할 수 있었으며 진주시에 위치한 각종 시설물별 화재발생 위험도를 등급화하기 위하여 화재발생자료를 시설물별로 분류하고 이에 따라 위험도 매트릭스를 작성하였다.
Arc GIS 10.1에서 공간분석에서의 Moran's I와 Hot spot(Getis-Ord GI*) 분석기능을 이용하여 진주시 공간에 대한 화재위치패턴분석을 실시하였다.
Getis-Ord Gi*분석은 2007년~2013년까지의 화재발생건수로 분석을 진행하였다. 도표는 2007년~2009년, 2010년~2013년으로 3개년, 4개년으로 묶은 도표와 총 합건수를 분석하였다.
그리고 2007년부터 2013년까지 화재발생 추이에 대한 시계열분석과 Moran's I, Getis-Ord Gi*분석을 통하여 진주시 도시공간상에서 발생된 화재발생밀도변화를 분석하고 시설물별 화재위험도를 산출하였다.
Getis-Ord Gi*분석은 2007년~2013년까지의 화재발생건수로 분석을 진행하였다. 도표는 2007년~2009년, 2010년~2013년으로 3개년, 4개년으로 묶은 도표와 총 합건수를 분석하였다.
소방방재청은 국가화재정보시스템을 구축하여 화재 자료를 관리하고 있으며, 본 연구에서는 국가화재정보시스템에서 최근 7년간 진주시 자료를 다운받고 진주시 소방서와 통계연보에서 추가 자료를 취득하여 데이터베이스를 구축하였다. 그리고 2007년부터 2013년까지 화재발생 추이에 대한 시계열분석과 Moran's I, Getis-Ord Gi*분석을 통하여 진주시 도시공간상에서 발생된 화재발생밀도변화를 분석하고 시설물별 화재위험도를 산출하였다.
1를 이용하여 화재발생 위치데이터의 공간분포 패턴분석과 시계열 분석을 진행하였다. 시계열 분석은 2007년부터 2013년까지 화재발생위치 자료를 이용하여 진주시 기본도에 좌표로 표시하고 이들 점자료들의 계절별, 시간대별, 연도별 변화를 분석하였다. 연구에 필요한 데이터들은 국가화재정보시스템과 진주소방서의 화재발생데이터를 취득하였으며 진주시청의 통계연보 및 사업체 조사 보고서에서 시설물 현황을 수집하였다.
건축법 시행령(별표1)을 참고하여 시설물의 용도 및 토지이용을 고려하여 시설물의 재분류를 하였다. 시설물별 화재발생 현황을 재정리하였으며 시설물 종류에 따른 화재발생 순위를 산출하였다. 그 결과 단독주택의 화재발생 건수가 가장 높았으며, 운수·자동차시설, 숙박 및 음식시설, 공장, 창고시설 등의 순서로 화재 발생 순위가 분류되었다.
화재의 위험도에 관한 선행연구로는 건축물의 화재 위험도 수준평가를 위한 지수 개발에 관한 연구가 있다(Chung, 2009). 이는 화재위험도를 지수화 하였으며 화재위험속성에 관한 가중치를 측정하여 상대위험도를 평가하고 상대적 평가결과를 이용하여 평가대상 모집단의 순위화를 통한 화재안전등급을 분류할 수 있는 새로운 모델을 개발하고자 하였으며, 가중치를 산출하는 방법으로 계층 분석적 과정을 활용하였다. 시설물의 통계자료를 활용한 건축물 용도별 화재 위험도 분석에서는 건축물 용도별 화재 위험도를 정량적으로 분석하였으며 화재위험도 범위를 활용한 절대평가와 리스크매트릭스를 활용한 상대평가를 하였다(Shin et al.
시설물별 화재발생빈도는 화재발생건수를 시설수로 나눈 값이며, 인명피해는 사상자를 발생건수, 재산피해는 피해액을 발생건수로 나눈 값이다. 이러한 값을 1~5단계로 나누어 화재발생 매트릭스를 구축하였다. 세로축에는 발생빈도를 등급화하여 구성하고 가로 축에는 인명피해와 재산피해등급을 구성하여 Table 1, 2와 같은 매트릭스를 구성하였다.
진주시의 화재발생패턴을 시계열 분석과 Moran's I, Getis-Ord Gi*를 통하여 분석한 결과는 다음과 같은 결론을 얻었다.
화재자료를 바탕으로 Moran's I 지수와 Getis-Ord Gi*를 산출하였다.
대상 데이터
1은 진주시의 2007년부터 2013년까지의 화재발생건수를 도식화 한 도표이다. 대상기간 내 진주시의 화재는 공업단지의 토지이용분포가 높은 상평동에 인접해있는 상대동에서 155건의 화재가 발생하였으며 진주시 인구의 15%가 거주하는 천전동과 성북동에서 2,3순위를 기록하였다. 시외지역에서는 대곡면이 105건, 문산읍에서 104건의 화재가 발생하였다.
본 연구에서는 경상남도 서부에 위치한 진주시를 대상지로 선정하였다. 동쪽으로는 창원시, 남쪽으로는 사천시, 서쪽으로는 하동군, 북쪽으로는 산청군과 인접해있으며 남해안 고속도로, 대전-통영 고속도로를 바탕으로 바다와 육로로 연결시킬 수 있는 경상남도 교통의 요충지로 경제 및 사회 등 다양한 부분의 중심지 역할을 하고 있다.
시계열 분석은 2007년부터 2013년까지 화재발생위치 자료를 이용하여 진주시 기본도에 좌표로 표시하고 이들 점자료들의 계절별, 시간대별, 연도별 변화를 분석하였다. 연구에 필요한 데이터들은 국가화재정보시스템과 진주소방서의 화재발생데이터를 취득하였으며 진주시청의 통계연보 및 사업체 조사 보고서에서 시설물 현황을 수집하였다.
데이터처리
ESRI의 ArcGIS 10.1를 이용하여 화재발생 위치데이터의 공간분포 패턴분석과 시계열 분석을 진행하였다. 시계열 분석은 2007년부터 2013년까지 화재발생위치 자료를 이용하여 진주시 기본도에 좌표로 표시하고 이들 점자료들의 계절별, 시간대별, 연도별 변화를 분석하였다.
성능/효과
3에서는 진주시의 시간대별 화재발생 현황을 분석하였다. 24시간의 구간을 4시간씩 총 6개의 구간으로 분류하여 분석한 결과 13시~16시까지인 오후의 화재발생이 가장 많은 분포가 나타났으며 새벽시간인 5시~8시까지의 화재가 가장 적게 나타났다. 아침부터 오후로 진행 될수록 화재건수는 증가하였으며 17시를 기준으로 낮은 화재건수가 발생하였다.
4개의 위험등급으로 분류되었으며 낮은 등급인 Ⅰ등급에는 단독주택, 공동주택, 생활서비스 시설이 분류되었으며 Ⅱ등급에는 판매시설, 의료시설, Ⅲ등급에는 공공기관, 숙박 및 음식점 시설, 문화재, 오락시설, Ⅳ등급으로는 교육시설, 집합시설, 공장시설, 창고시설, 위생시설, 운수·자동차시설, 위험물제조시설로 분류되었다
그 결과 단독주택의 화재발생 건수가 가장 높았으며, 운수·자동차시설, 숙박 및 음식시설, 공장, 창고시설 등의 순서로 화재 발생 순위가 분류되었다.
둘째, 시설물별 화재위험등급을 산출한 결과 인명피해 및 재산피해 모두 높은 위험도를 가지는 시설로는 창고시설, 운수·자동차시설, 교육시설, 집합시설로 분류되었다.
또한 창고시설, 운수·자동차시설, 교육시설, 집합시설은 인명피해와 재산피해 모두 높은 위험도를 가지는 것으로 나타났다.
첫째, 진주시 화재발생자료를 2007년부터 2013년까지 분석한 결과 토지이용이 다름에 따라 동별 화재발생 분포특성이 다르게 나타났으며, 그 중 발생빈도가 집중 되는 Hot Spot 지역을 추출할 수 있었는데 공업단지에 인접하고 노후된 단독주택이 많은 상대동과 인구밀집도가 높은 천전동과 성북동에서 Hot Spot이 발생하였다. 또한 시계열적 분석에서 2월에 가장 많은 화재가 발생한 반면 8월에 적은 수치를 기록하였다.
6은 2007년~2009년의 분석 자료이다. 총 건수 자료와는 달리 금산면이 1순위의 Hot Spot을 나타내었으며 가호동, 초장동, 상평동 순으로 나타났다. Cold Spot은 Fig.
2의 그래프는 화재발생현황을 월별로 분석한 자료이다. 총 발생건수는 2, 3월에 가장 많은 화재가 발생한 것으로 나타났으며 여름인 8월에 가장 적은 화재건수를 기록하였다. 진주시의 30년간 평균 습도는 2월이 61.
또한 시계열적 분석에서 2월에 가장 많은 화재가 발생한 반면 8월에 적은 수치를 기록하였다. 화재발생 시간대는 4시간 간격으로 6구간을 나누어 분석한 결과 13시에서 16시 구간의 화재가 가장 많이 발생하였고 5시부터 8시까지 가장 적은 화재가 발생하였다.
후속연구
셋째, 화재발생위치의 군집도를 분석하기 위해 Moran's I, Getis-Ord Gi*를 적용하였는데 진주시지역의 화재발생빈도가 높은 지역과 낮은 지역에 대한 Hot Spot과 Cold Spot을 추출하였으며, 이러한 결과는 진주시의 화재발생 패턴을 파악할 수 있어서 소방대책을 수립하고 예방하는데 중요한 자료가 될 것으로 판단된다.
이러한 화재발생위치의 분포패턴분석은 소방서 119센터의 위치선정에 중요한 요소가 될 것으로 판단된다. 진주시 전역에 걸친 소방서비스도 중요하지만 화재밀도가 집중된 지역을 중심으로 효과적인 소방서비스를 제공하기 위한 119센터 위치선정 시 중요한 정보를 제공할 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
화재발생시 화재발생 피해에 대한 위험도가 증가하는 이유는?
급속한 도시성장에 따라 도시지역에는 다양하고 복잡한 시설물들이 증가되고 있으며, 이에 따른 화재발생 피해에 대한 위험도도 증가되고 있다. 특히 화재사고는 인위적 재해 중 교통사고와 함께 도시지역에서 가장 높은 발생빈도를 나타내고 있다.
진주시의 화재발생패턴을 시계열 분석과 Moran's I, Getis-Ord Gi*를 통하여 분석한 결과는 어떻게 되는가?
첫째, 진주시 화재발생자료를 2007년부터 2013년까지 분석한 결과 토지이용이 다름에 따라 동별 화재발생 분포특성이 다르게 나타났으며, 그 중 발생빈도가 집중 되는 Hot Spot 지역을 추출할 수 있었는데 공업단지에 인접하고 노후된 단독주택이 많은 상대동과 인구밀집도가 높은 천전동과 성북동에서 Hot Spot이 발생하였다. 또한 시계열적 분석에서 2월에 가장 많은 화재가 발생한 반면 8월에 적은 수치를 기록하였다. 화재발생 시간대는 4시간 간격으로 6구간을 나누어 분석한 결과 13시에서 16시 구간의 화재가 가장 많이 발생하였고 5시부터 8시까지 가장 적은 화재가 발생하였다.
둘째, 시설물별 화재위험등급을 산출한 결과 인명피해 및 재산피해 모두 높은 위험도를 가지는 시설로는 창고시설, 운수·자동차시설, 교육시설, 집합시설로 분류되었다.
셋째, 화재발생위치의 군집도를 분석하기 위해 Moran's I, Getis-Ord Gi*를 적용하였는데 진주시지역의 화재발생빈도가 높은 지역과 낮은 지역에 대한 Hot Spot과 Cold Spot을 추출하였으며, 이러한 결과는 진주시의 화재발생 패턴을 파악할 수 있어서 소방대책을 수립하고 예방하는데 중요한 자료가 될 것으로 판단된다.
화재사고의 발생빈도는 어떻게 되는가?
급속한 도시성장에 따라 도시지역에는 다양하고 복잡한 시설물들이 증가되고 있으며, 이에 따른 화재발생 피해에 대한 위험도도 증가되고 있다. 특히 화재사고는 인위적 재해 중 교통사고와 함께 도시지역에서 가장 높은 발생빈도를 나타내고 있다. 이에 따라 소방방재청에서는 효과적인 화재관리를 위하여 국가화재정보시스템을 운영하고 있으며 2007년부터 화재발생정보를 인터넷을 통해 제공하고 있다.
참고문헌 (6)
Bae, G. and Yoo, H. 2014, Fire characteristics analysis of urban facilities in jinju, Journal of the Korean Society for Geospatial Information System, pp. 73-74.
Bae, G. and Yoo, H. 2014, Fire risk assessment on the land use zoning in Korea, Proc. of the 35th Asian Conference on Remote Sensing, CD, file no. PS-048.
Brian, J.M., 2002, Building fire risk analysis, the Society of Fire Protection Engineers copyright, SEPE Handbook of Fire Protection Engineering, pp. Sec. 5.153-175.
Chung, U. 2009, A study on the development of risk index for the fire risk assessment of the buildings, Myeongji University Graduate School.
Jung, D. and Son, Y. 2009, A analysis on the spatial features of the neighborhood trade area using positive spatial autocorrelation method, Journal of the Korean Society for Geospatial Information System, Vol, 17. No. 1, pp. 141-147.
Shin, J., Jeong, S., Kim, M. and Kim, H. 2012, Analysis of fire risk with building use type using statistical data, Journal of the Korea Society of Hazard Mitigation, Vol, 12. No. 4, pp. 107-114.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.