선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 습도 및 온도에 따른 화재 발생 빈도 분석 방법 및 경향을 제시하였다. 제시된 통계적 방법은 국가화재정보시스템의 화재통계현황에서 제공하는 기상온도별 화재현황과 같이 범주별로 빈도를 제시할 때 실용적으로 활용할 수 있는 방법으로 판단되며, 앞으로 데이터의 지속적인 축척으로 더욱 신뢰성 있는 분석이 가능할 것으로 생각된다.
- 하지만 제공되는 기상온도별 화재빈도의 경우, 국내 기상환경에서 많은 시간을 차지하는 온도범위의 화재빈도가 높게 나올 수밖에 없다. 이에 따라 본 연구에서는 이러한 통계자료를 개선하는 방법으로 최근 공공정보의 개방과 공유를 위한 정부 3.0이라는 정부운영 패러다임에 따라 기상청에서 실시간으로 발생하는 기상데이터와 국가화재정보시스템의 화재데이터를 수집하여 습도 및 온도와 화재와의 관계를 파악할 수 있는 빈도분석 방법을 제안하며, 제안된 분석방법으로 경향성을 분석해 보았다.
제안 방법
- 본 연구에서는 기상청과 소방방재청 국가화재정보시스템으로부터 수집한 데이터를 활용하여 습도 및 온도와 화재의 관계에 대한 경향성을 분석하기 위하여 습도 및 온도 범위 대비 시간당 화재 발생 빈도의 개념으로 분석방법을 제안하였다. 제안된 분석방법으로 지역별 습도 및 온도에 따른 화재 발생의 경향을 파악해 보았다.
- 사용된 데이터는 16개 시도별 5년(2007~2011년) 동안 발생한 화재조사 데이터와 기상데이터를 활용하였으며, 기상데이터 속성으로 매시간 온도, 습도, 풍향, 풍속, 강수량을 화재데이터는 매시간 화재(실화)발생 유무를 사용하였다. 의사결정트리로부터 추출된 규칙에서 습도가 16개 시도의 모든 규칙에 존재하고 8개 지역의 조건절에 포함되는 등 습도와 관련성을 제시하였다. 이와 같은 연구에서 앞으로 기상과 실화와의 관계를 세부적인 화재속성까지 파악할 수 있는 지속적인 연구의 필요성이 대두하였고, 본 연구는 이와 같은 연구의 근거가 될 수 있는 분석을 제공한다.
대상 데이터
- 화재데이터는 전국 183개 소방관서에서 입력한 화재조사 내용을 제공하는 국가화재 정보시스템의 데이터를 활용하였다. 국가화재정보시스템에 입력되는 데이터는 국가화재분류체계(6)에 따라 분류된 184개의 속성으로 이루어져 있으며 총 273,818개의 화재 발생 케이스가 수집되었다. 본 연구에서는 국가화재분류체계에서 정의하고 있는 화재원인 분석의 대표 속성인 화재유형, 발화열원, 최초 착화물, 발화요인에 대해 분석하였다.
- 본 연구에 활용되는 데이터는 2007년부터 2012년까지의 기상데이터 및 화재데이터이다. 기상데이터는 국내 17개 소방본부가 위치한 지역의 대표 기상관측소의 무인자동기상관측장비(automatic weather station, AWS)에서 매분 관측된 자료를 수집하여 활용하였다. 기상데이터는 온도, 습도, 풍향, 풍속, 강수 등의 속성으로 약 5,300만 개의 케이스가 수집되었으며 본 연구에서는 온도데이터와 습도데이터를 활용하여 분석하였다.
- 기상데이터는 국내 17개 소방본부가 위치한 지역의 대표 기상관측소의 무인자동기상관측장비(automatic weather station, AWS)에서 매분 관측된 자료를 수집하여 활용하였다. 기상데이터는 온도, 습도, 풍향, 풍속, 강수 등의 속성으로 약 5,300만 개의 케이스가 수집되었으며 본 연구에서는 온도데이터와 습도데이터를 활용하여 분석하였다. 화재데이터는 전국 183개 소방관서에서 입력한 화재조사 내용을 제공하는 국가화재 정보시스템의 데이터를 활용하였다.
- 본 연구에 활용되는 데이터는 2007년부터 2012년까지의 기상데이터 및 화재데이터이다. 기상데이터는 국내 17개 소방본부가 위치한 지역의 대표 기상관측소의 무인자동기상관측장비(automatic weather station, AWS)에서 매분 관측된 자료를 수집하여 활용하였다.
- 국가화재정보시스템에 입력되는 데이터는 국가화재분류체계(6)에 따라 분류된 184개의 속성으로 이루어져 있으며 총 273,818개의 화재 발생 케이스가 수집되었다. 본 연구에서는 국가화재분류체계에서 정의하고 있는 화재원인 분석의 대표 속성인 화재유형, 발화열원, 최초 착화물, 발화요인에 대해 분석하였다. 여기서 화재유형은 발화 장소의 유형, 발화열원은 발화의 최초원인이 된 불꽃 또는 열, 최초 착화물은 발화열원에 의해 최초로 불이 붙은 물질, 발화요인은 발화열원과 최초 착화물이 결합하여 화재가 발생하게 된 요인을 의미한다.
- 류정우(4) 등은 기상정보와 화재 발생과의 관계를 의사결정트리를 사용하여 화재 발생 확률 예측모델을 생성하였다. 사용된 데이터는 16개 시도별 5년(2007~2011년) 동안 발생한 화재조사 데이터와 기상데이터를 활용하였으며, 기상데이터 속성으로 매시간 온도, 습도, 풍향, 풍속, 강수량을 화재데이터는 매시간 화재(실화)발생 유무를 사용하였다. 의사결정트리로부터 추출된 규칙에서 습도가 16개 시도의 모든 규칙에 존재하고 8개 지역의 조건절에 포함되는 등 습도와 관련성을 제시하였다.
- 수집된 기상데이터는 지역별 매시간 평균온도와 평균습도 데이터로 가공하였으며, 화재데이터는 방화데이터를 제외한 실화데이터 활용하였다. 화재데이터의 각 화재 발생 케이스에 기상데이터를 통합(merge)함으로써 지역별 화재 발생 케이스에 맞는 기상정보를 자료화하여 분석에 활용할 수 있도록 가공하였다.
- 기상데이터는 온도, 습도, 풍향, 풍속, 강수 등의 속성으로 약 5,300만 개의 케이스가 수집되었으며 본 연구에서는 온도데이터와 습도데이터를 활용하여 분석하였다. 화재데이터는 전국 183개 소방관서에서 입력한 화재조사 내용을 제공하는 국가화재 정보시스템의 데이터를 활용하였다. 국가화재정보시스템에 입력되는 데이터는 국가화재분류체계(6)에 따라 분류된 184개의 속성으로 이루어져 있으며 총 273,818개의 화재 발생 케이스가 수집되었다.
데이터처리
- 이와 같은 개념으로 앞서 가공된 데이터로부터 대상속성마다 습도 및 온도범위별로 화재 발생 빈도를 도출하였다. Table 2는 서울의 습도 및 온도범위별 화재 발생 빈도, 상대빈도, 범주별 시간 수 및 시간당 화재 발생 빈도를 표로 정리한 예시이다.
- 지역별로 대상속성마다 산출된 습도 및 온도 범주별 시간당 화재 발생 빈도는 그래프로 표현하여 연관성을 분석하였다. 그래프에서 습도 및 온도는 범주형으로 x에, 화재 발생 빈도 및 시간당 화재 발생 빈도는 y에 나타내었다.
이론/모형
- 상대빈도는 전체 범주 빈도에 대한 범주별 빈도의 비율로서 확률적 개념을 활용한다. 하지만 본 연구에서는 시간대별 기상자료를 수집하여 활용함으로써 범주별 시간당 화재 발생 빈도의 개념을 적용하였다. 본 연구에서 활용하는 온도 또는 습도대비 시간당 화재 발생 빈도의 개념을 식을 표현하면 다음과 같이 나타낼 수 있다.
성능/효과
- 전기적 요인과 관련된 속성들은 온도가 낮거나 높아질수록 시간당 화재 발생 빈도가 높게 나타났으며, 임야, 종이·목재·건초 등 및 쓰레기류와 같이 옥외화재와 관련되거나 습도가 낮을수록 높은 시간당 화재 발생 빈도를 보였던 속성의 경우는 0oC에서 20oC 대의 중간범위 온도에서 빈도가 높은 경향을 보였다. 그리고 발화열원의 자연적 발화열, 발화요인의 자연적 요인 및 화학적 요인, 최초 착화물의 경우 온도가 높아질수록 빈도가 높아지는 경향을 보였다.
- 속성별 습도에 따른 시간당 화재 발생 빈도의 경우, 여러 세부속성에서 습도가 낮아질수록 높아지는 경향을 보였으며, 특히 야외에서 발생하는 화재 빈도가 높은 속성들에서 뚜렷한 경향을 확인할 수 있었다. 하지만 전기적 요인과 관련된 속성들의 경우에는 모든 습도범위에서 비슷한 시간당 화재 발생 빈도를 보이는 등 다른 경향을 확인할 수 있으며, 최초 착화물의 세부속성인 간판·차양막과 같이 높은 습도에서 빈도가 높게 나타나는 경우도 있었다.
- 습도에 따른 전체 화재 발생 빈도는 지역마다 습도범위 별로 절대적인 화재 발생 빈도는 차이가 있는 것을 확인할 수 있으나, 모든 지역에서 시간당 화재 발생 빈도는 습도가 낮을수록 높아지는 비슷한 경향이 나타나는 것을 확인하였다.
- 온도에 따른 전체 화재 발생 빈도는 습도와 같이 뚜렷한 경향은 나타나지 않지만 모든 지역에서 30℃ 이상 높은 온도에서 절대적인 화재 발생 빈도는 높지 않지만, 시간당 화재 발생 빈도는 높게 나타났다.
- 속성별 온도에 따른 시간당 화재 발생 빈도는 전반적으로 뚜렷한 경향을 나타내는 속성은 적었다. 전기적 요인과 관련된 속성들은 온도가 낮거나 높아질수록 시간당 화재 발생 빈도가 높게 나타났으며, 임야, 종이·목재·건초 등 및 쓰레기류와 같이 옥외화재와 관련되거나 습도가 낮을수록 높은 시간당 화재 발생 빈도를 보였던 속성의 경우는 0oC에서 20oC 대의 중간범위 온도에서 빈도가 높은 경향을 보였다. 그리고 발화열원의 자연적 발화열, 발화요인의 자연적 요인 및 화학적 요인, 최초 착화물의 경우 온도가 높아질수록 빈도가 높아지는 경향을 보였다.
후속연구
- 제시된 통계적 방법은 국가화재정보시스템의 화재통계현황에서 제공하는 기상온도별 화재현황과 같이 범주별로 빈도를 제시할 때 실용적으로 활용할 수 있는 방법으로 판단되며, 앞으로 데이터의 지속적인 축척으로 더욱 신뢰성 있는 분석이 가능할 것으로 생각된다. 또한, 앞으로 다양한 통계분석기법을 활용하여 기상에 따른 실화의 발생 위험을 예측하는 연구가 이루어짐으로써 기상에 따른 화재예방 대책을 제안할 수 있을 것이다.
- 하지만 전기적 요인과 관련된 속성들의 경우에는 모든 습도범위에서 비슷한 시간당 화재 발생 빈도를 보이는 등 다른 경향을 확인할 수 있으며, 최초 착화물의 세부속성인 간판·차양막과 같이 높은 습도에서 빈도가 높게 나타나는 경우도 있었다. 전기적 요인의 경우에는 더욱 세부적인 속성들의 습도와의 관계를 분석해 볼 필요성이 있을 것으로 판단된다.
- 본 연구에서는 습도 및 온도에 따른 화재 발생 빈도 분석 방법 및 경향을 제시하였다. 제시된 통계적 방법은 국가화재정보시스템의 화재통계현황에서 제공하는 기상온도별 화재현황과 같이 범주별로 빈도를 제시할 때 실용적으로 활용할 수 있는 방법으로 판단되며, 앞으로 데이터의 지속적인 축척으로 더욱 신뢰성 있는 분석이 가능할 것으로 생각된다. 또한, 앞으로 다양한 통계분석기법을 활용하여 기상에 따른 실화의 발생 위험을 예측하는 연구가 이루어짐으로써 기상에 따른 화재예방 대책을 제안할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.