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 ○○시 지반침하 위험도를 평가하기 위하여 9가지 영향인자를 선정하고 각 인자별 DB 및공간정보 분석을 수행하였으며, GIS 기반 지반침하 위험도 평가를 실시하였다.
- 본 연구에서는 지반침하 위험도 평가를 위하여 9가지 영향인자에 대한 AHP분석을 진행하였다. 계층분석 기법(Analytic Hierarchy Process, AHP)은 Saaty에 의해 처음 제안되었으며, 쌍대비교(pairwise comparison)를통해 어떤 사건과 관련되어 있는 요인들의 상대적인 중요도를 평가하여 가중치를 산정하는 전문가 시스템 기법으로 다기준 의사결정 등의 다양한 분양에서 사용 되고 있다.
제안 방법
- (1) ○○시의 위험도 평가를 위한 DB 및 공간정보 분석을 하였다. 지하수위의 경우 평균 -6.
- 9가지 위험인자별 공간분석 결과를 중첩하여 ○○시지반침하 위험도 지도를 작성하고, 지반침하 이력정보를 중첩한 후 비교 분석하였다. Case 1은 AHP 분석결과 값을 반영한 ○○시 위험도 지도이며, Case 2는 9가지 위험인자에 대한 가중치를 반영하지 않은 결과를 나타낸다.
- ○○시 전역을 대상으로 지반침하 위험도 평가를 위해 ○○시에서 구축․관리 하고 있는 속성정보를 분석 하였다. 그리고 속성정보를 공간패턴으로 분석하기 위해 밀도분석을 수행한 후 결과를 도출하였다.
- ○○시 전역을 대상으로 지반침하 위험도 평가를 위해 ○○시에서 구축․관리 하고 있는 속성정보를 분석 하였다. 그리고 속성정보를 공간패턴으로 분석하기 위해 밀도분석을 수행한 후 결과를 도출하였다.
- 본 연구에서는 ○○시를 대상으로 지반침하 피해저감 및 관리계획 수립을 위해 대표 지반침하 영향인자 9개를 선정 후 AHP 분석기법을 활용한 인자별 가중치를 적용하였다. 그리고, GIS(Geographic Information System) 분석기법을 활용하여 해당지역의 지반침하 발생으로 인한 잠재적 리스크를 평가하였다. 분석절차로 ○○시 전역을 대상으로 지반침하에 영향을 줄 수 있는 위험인자를 선정 및 GIS기반 데이터를 수집하였으며, 수집․가공된 데이터를 밀도, 빈도비 분석하여 위험인자와 지반침하의 상관관계를 확인하였다.
- 대규모 굴착공사와 지반침하의 상관관계를 파악 하기 위하여 지하철 노선정보를 활용하였다. 또한, 지반 침하 현상과 가장 연관성이 높은 ○○시 관로 노후화 분석을 위하여, 상하수관로 정보 중 3가지 속성정보(매설년도, 관경, 재질)를 분석하였다.
- 분석절차로 ○○시 전역을 대상으로 지반침하에 영향을 줄 수 있는 위험인자를 선정 및 GIS기반 데이터를 수집하였으며, 수집․가공된 데이터를 밀도, 빈도비 분석하여 위험인자와 지반침하의 상관관계를 확인하였다. 또한, 중첩분석을 통해 GIS기반 ○○시의 지반침하 Hazard Map을 구축하였으며, 지반침하 위험인자들의 가중치를 반영한 Hazard Map을 비교 분석하였다. 마지막으로, 지반침하 이력과 Hazard Map의 중첩율을 분석하였다.
- 대규모 굴착공사와 지반침하의 상관관계를 파악 하기 위하여 지하철 노선정보를 활용하였다. 또한, 지반 침하 현상과 가장 연관성이 높은 ○○시 관로 노후화 분석을 위하여, 상하수관로 정보 중 3가지 속성정보(매설년도, 관경, 재질)를 분석하였다.
- 또한, 중첩분석을 통해 GIS기반 ○○시의 지반침하 Hazard Map을 구축하였으며, 지반침하 위험인자들의 가중치를 반영한 Hazard Map을 비교 분석하였다. 마지막으로, 지반침하 이력과 Hazard Map의 중첩율을 분석하였다. Fig.
- 계층분석 기법(Analytic Hierarchy Process, AHP)은 Saaty에 의해 처음 제안되었으며, 쌍대비교(pairwise comparison)를통해 어떤 사건과 관련되어 있는 요인들의 상대적인 중요도를 평가하여 가중치를 산정하는 전문가 시스템 기법으로 다기준 의사결정 등의 다양한 분양에서 사용 되고 있다. 본 연구에서는 9가지 영향인자들의 가중치를 산정하기 위하여 지반공학 전문가 20명을 대상으로 설문조사를 실시하였으며, 상대중요도를 수치화하기 위해 통상적으로 사용되는 5점 척도를 사용하였다. 무작위 일관성 지수(Random Consistency Index)는 1.
- 본 연구에서는 ○○시를 대상으로 지반침하 피해저감 및 관리계획 수립을 위해 대표 지반침하 영향인자 9개를 선정 후 AHP 분석기법을 활용한 인자별 가중치를 적용하였다. 그리고, GIS(Geographic Information System) 분석기법을 활용하여 해당지역의 지반침하 발생으로 인한 잠재적 리스크를 평가하였다.
- 04 m로 나타났다. 여기서, 지하수위 정보를 제외한 나머지 정보는 공간정보로 변환하기 위한 위치정보(X, Y좌표)가 포함되어 있지 않았으며, 지하수위 정보를 활용하여 다른 인자들의 위치 정보를 공간정보로 변환 하였다. 지층정보의 경우, 지반 침하와 상관관계가 높은 표토층의 정보만을 추출하였으며, 지하수위의 위치정보와 매칭하여 20,901개의 지층정보를 공간분석에 활용하였다.
- ○○시는 3,551개의 지반침하 이력정보를 구축․관리하고 있으며, 36가지 속성정보로 이루어져 있다. 지반침하 이력 정보 속성 중 최초 발견 깊이를 기준으로 공간 분석을 수행하였다. 지반침하 이력이 100개이상인 지역은 전체 25개 구 중 13개 구로 나타났으며, ○○구가 833개로 가장 많은 이력정보가 분포되어 있다.
대상 데이터
- 지반침하 위험도 평가를 위해 지반침하와 밀접한 관계가 있는 9가지 위험인자를 전문가 자문을 통해 선정 하였다. 또한, 위험인자들은 분석이 용이하기 위해 인자별 5개의 표준화된 코드를 지정하였으며, 코드 값은 커질수록 위험도가 증가함을 나타낸다.
- 여기서, 지하수위 정보를 제외한 나머지 정보는 공간정보로 변환하기 위한 위치정보(X, Y좌표)가 포함되어 있지 않았으며, 지하수위 정보를 활용하여 다른 인자들의 위치 정보를 공간정보로 변환 하였다. 지층정보의 경우, 지반 침하와 상관관계가 높은 표토층의 정보만을 추출하였으며, 지하수위의 위치정보와 매칭하여 20,901개의 지층정보를 공간분석에 활용하였다. 지층정보(USCS) 분석결과, 가장 많이 분포되어 있는 지층정보는 코드 3(SM, SC, ML)으로 10,903개(52.
- 하수관로 매설년도의 경우 380,694개의 정보를 분석결과 매설한지 20년 이상인 하수관은 전체 하수관의 73%를 차지하는 것으로 나타났다. 하수관로 관경은 380,694개의 정보를 분석하였으며, ○○시의 하수관로 중 관경이 350 mm 이하인 하수관은 전체 하수관 중 26%를 차지하였다. 하수관로 재질의 경우 380,694개의 정보를 분석결과 재질이 흄관인 하수관은 전체 하수관중 95%를 차지하는 것으로 나타났다.
데이터처리
- 그리고, GIS(Geographic Information System) 분석기법을 활용하여 해당지역의 지반침하 발생으로 인한 잠재적 리스크를 평가하였다. 분석절차로 ○○시 전역을 대상으로 지반침하에 영향을 줄 수 있는 위험인자를 선정 및 GIS기반 데이터를 수집하였으며, 수집․가공된 데이터를 밀도, 빈도비 분석하여 위험인자와 지반침하의 상관관계를 확인하였다. 또한, 중첩분석을 통해 GIS기반 ○○시의 지반침하 Hazard Map을 구축하였으며, 지반침하 위험인자들의 가중치를 반영한 Hazard Map을 비교 분석하였다.
- 지반침하 현상과 위험인자별 상관관계를 분석하기 위하여 지층정보, 지하수위, 지하철 정보 등 9가지 인자를 식 3.1을 사용하여 등급별 빈도비를 산정하였다.
성능/효과
- (2) 빈도비 분석결과 지하철 위치정보의 빈도비가 가장 높으며 하수관로, 상수관로 관련 위험인자, 지하수위, 지층정보 순으로 상관성이 높게 나타났다. 이는 ○○시 지하철 위치 정보의 경우 코드를 노선별로 1로동일하게 지정하여 지하철 노선 밀도를 분석하였기 때문이라고 판단된다.
- (3) AHP 분석결과 9가지 영향인자들 중 하수도 매설 년도의 가중치가 28.933%로 가장 높게 산정되었으며, 상수도 매설년도 13.171%, 지반 강도가 11.430% 순으로 나타났다. 또한, 지하철 위치정보를 제외하면 빈도비 분석결과와 일치하는 것을 알 수 있다.
- (4) 지반침하 위험도 지도에 지반침하 이력정보를 중첩한 결과 범례 6 이상에서 중첩률이 80% 이상 나타났으며, 위험도 지도의 정확성이 높은 것을 알 수 있다. 또한, AHP 분석결과를 반영하지 않은 위험도 지도와 비교시 유사한 결과를 나타냈으며, 이는 상하수도 관련 인자의 비중이 다른 인자보다 크고, ○○시 전역에 분포되어 있기 때문이라고 판단된다.
- Table 2와 같은 결과를 얻을 수 있었다. AHP 가중치 산정 결과 하수관로 매설년도의 가중치가 28.93%으로 가장 높았으며, 상수관로 매설년도의 가중치가 13.17%로 두 번째로 높은 것으로 나타났다. 그리고, 빈도비 분석결과와 비교시 지하철 위치 정보를 제외하면 AHP 분석결과와 우선순위가 일치하는 것을 알 수 있다.
- GIS프로그램을 활용하여 밀도 분석결과 지하수위 분포는 ○○시의 주요 하천 분포와 관련이 있는 것으로 나타났으나, 지반침하 위치정보와는 관련성이 떨어지는 것으로 나타났다. 또한, ○○시 전역에 분포한 지층정보의 경우에도 지반침하 위치정보와의 관련성이 떨어지는 것으로 분석되었다.
- 17%로 두 번째로 높은 것으로 나타났다. 그리고, 빈도비 분석결과와 비교시 지하철 위치 정보를 제외하면 AHP 분석결과와 우선순위가 일치하는 것을 알 수 있다.
- 그리고, 인자별로는 매설년도, 관경, 재질로 갈수록 위험도에 더 영향을 미치는 것으로 나타났다. 범례 값은 분포도를 나타내는 밀도의 크기를 5단계로 나타냈으며, 수치가 올라갈수록 지반침하에 위험하며, Fig.
- 분석결과 지하철 위치정보의 빈도비가 가장 높게 나타났으며, 지하철 위치 정보의 경우 코드를 노선별로 1로 동일하게 지정하여 지하철 노선 밀도를 분석하였기 때문이라고 판단된다. 다음으로는 하수관로 매설년도, 관경, 재질, 상수관로 재질, 매설년도, 관경, 지하수위, 지층정보 순으로 지반침하 현상과 상관성이 높게 나타났다. Fig.
- 따라서, 하수관로 위험인자가 지하철 위치정보보다 지반침하 위험도에 더 큰 영향을 주는 것을 확인할 수 있었다. 이는, 빈도비 분석결과 지하철 위치정보의 상관성이 더 높게 분석되었으나, 지하철 선로의 중첩률로만 분석되어 다른 위험인자들과 비교 하였을 때 그영향력은 미미한 것으로 판단된다.
- (4) 지반침하 위험도 지도에 지반침하 이력정보를 중첩한 결과 범례 6 이상에서 중첩률이 80% 이상 나타났으며, 위험도 지도의 정확성이 높은 것을 알 수 있다. 또한, AHP 분석결과를 반영하지 않은 위험도 지도와 비교시 유사한 결과를 나타냈으며, 이는 상하수도 관련 인자의 비중이 다른 인자보다 크고, ○○시 전역에 분포되어 있기 때문이라고 판단된다.
- GIS프로그램을 활용하여 밀도 분석결과 지하수위 분포는 ○○시의 주요 하천 분포와 관련이 있는 것으로 나타났으나, 지반침하 위치정보와는 관련성이 떨어지는 것으로 나타났다. 또한, ○○시 전역에 분포한 지층정보의 경우에도 지반침하 위치정보와의 관련성이 떨어지는 것으로 분석되었다. 지하철의 경우 노선이 많이 겹칠수록 지반침하에 취약하게 나타났으며, 최대 3개 노선이 교차하는 곳이 가장 취약한 지점으로 분석 되었다.
- 04 m의 평균심도를 나타냈으며, 표층 지반강도는 대체로 양호한 것으로 판단된다. 또한, 상수관로 데이터를 분석한 결과 매설년도가 20년 이상된 노후관로가 49%를 차지하고 있었으며, 관경이 150 mm이하의 상수관이 85%, 지반침하 발생 위험이 높은 재질인 회주철관(CIP), 아연도강관(GSP) 등의 상수관이 6%를 차지하는 것으로 나타났다. 하수관로의 경우에도 매설년도가 20년 이상된 노후관로가 73% 분포되어 있으며, 관경이 350 mm 이하의 하수관이 26%, 지반침하 발생 위험이 높은 재질인 흄관이 95%를 차지하는 것으로 나타났다.
- 지반침하 위험도 평가를 위해 지반침하와 밀접한 관계가 있는 9가지 위험인자를 전문가 자문을 통해 선정 하였다. 또한, 위험인자들은 분석이 용이하기 위해 인자별 5개의 표준화된 코드를 지정하였으며, 코드 값은 커질수록 위험도가 증가함을 나타낸다. ○○시 자료에서 지하철 정보의 경우 표준화된 코드 지정을 위한 속성 정보를 확보하지 못해 분류할 수 없었다.
- 하수관로의 경우에도 매설년도가 20년 이상된 노후관로가 73% 분포되어 있으며, 관경이 350 mm 이하의 하수관이 26%, 지반침하 발생 위험이 높은 재질인 흄관이 95%를 차지하는 것으로 나타났다. 밀도 분석결과 상하 수도 관련 인자들이 지하수위, 지층, 지하철 정보 보다 지반침하에 더 관련 있는 것으로 나타났다.
- 상수관로 매설년도의 경우 1,292,502개의 정보로 이루어져 있었으며, 매설한지 20년 이상된 노후관로가 전체 49%를 차지하는 것으로 나타났다. 상수관로 관경의 경우 1,292,248개의 정보를 분석결과 150 mm이하인 상수관이 전체 85%를 차지하는 것으로 나타났다. 재질의 경우 1,292,248개의 정보를 분석하였으며, 회주철관 (CIP)과 아연도강관(GSP)이 전체 6%를 차지하는 것으로 나타났다.
- 지하철의 경우 노선이 많이 겹칠수록 지반침하에 취약하게 나타났으며, 최대 3개 노선이 교차하는 곳이 가장 취약한 지점으로 분석 되었다. 상하수도관련 위험인자들의 밀도분석 결과 유사한 경향을 나타냈으나, 하수관로 위험인자들이 상수관로 인자들보다 더 위험하게 분포되는 것으로 나타났다.
- 상수관로 관경의 경우 1,292,248개의 정보를 분석결과 150 mm이하인 상수관이 전체 85%를 차지하는 것으로 나타났다. 재질의 경우 1,292,248개의 정보를 분석하였으며, 회주철관 (CIP)과 아연도강관(GSP)이 전체 6%를 차지하는 것으로 나타났다. 하수관로 매설년도의 경우 380,694개의 정보를 분석결과 매설한지 20년 이상인 하수관은 전체 하수관의 73%를 차지하는 것으로 나타났다.
- 지층정보의 경우, 지반 침하와 상관관계가 높은 표토층의 정보만을 추출하였으며, 지하수위의 위치정보와 매칭하여 20,901개의 지층정보를 공간분석에 활용하였다. 지층정보(USCS) 분석결과, 가장 많이 분포되어 있는 지층정보는 코드 3(SM, SC, ML)으로 10,903개(52.16%)이며, 코드 3이상의 지층정보가 95.32%로 ○○시의 표층 지반강도는 대체로 양호한 것으로 판단된다.
- 또한, ○○시 전역에 분포한 지층정보의 경우에도 지반침하 위치정보와의 관련성이 떨어지는 것으로 분석되었다. 지하철의 경우 노선이 많이 겹칠수록 지반침하에 취약하게 나타났으며, 최대 3개 노선이 교차하는 곳이 가장 취약한 지점으로 분석 되었다. 상하수도관련 위험인자들의 밀도분석 결과 유사한 경향을 나타냈으나, 하수관로 위험인자들이 상수관로 인자들보다 더 위험하게 분포되는 것으로 나타났다.
- 하수관로 관경은 380,694개의 정보를 분석하였으며, ○○시의 하수관로 중 관경이 350 mm 이하인 하수관은 전체 하수관 중 26%를 차지하였다. 하수관로 재질의 경우 380,694개의 정보를 분석결과 재질이 흄관인 하수관은 전체 하수관중 95%를 차지하는 것으로 나타났다. Fig.
- 또한, 상수관로 데이터를 분석한 결과 매설년도가 20년 이상된 노후관로가 49%를 차지하고 있었으며, 관경이 150 mm이하의 상수관이 85%, 지반침하 발생 위험이 높은 재질인 회주철관(CIP), 아연도강관(GSP) 등의 상수관이 6%를 차지하는 것으로 나타났다. 하수관로의 경우에도 매설년도가 20년 이상된 노후관로가 73% 분포되어 있으며, 관경이 350 mm 이하의 하수관이 26%, 지반침하 발생 위험이 높은 재질인 흄관이 95%를 차지하는 것으로 나타났다. 밀도 분석결과 상하 수도 관련 인자들이 지하수위, 지층, 지하철 정보 보다 지반침하에 더 관련 있는 것으로 나타났다.
후속연구
- (5) 향후 지반침하에 영향을 줄 수 있는 대규모 굴착 공사 현장정보와 지하 터널심도, 갱도의 직경, 지하철 정보 등 다양한 인자를 추가한 보다 현실적인 Hazard Map을 구축할 필요가 있다. 여기에 취약지구, 시설물 인프라 등의 정보와 2차 분석을 수행 한다면 구축된 Hazard Map의 활용성을 더욱 높일 수 있을 것이라 판단된다.
- (5) 향후 지반침하에 영향을 줄 수 있는 대규모 굴착 공사 현장정보와 지하 터널심도, 갱도의 직경, 지하철 정보 등 다양한 인자를 추가한 보다 현실적인 Hazard Map을 구축할 필요가 있다. 여기에 취약지구, 시설물 인프라 등의 정보와 2차 분석을 수행 한다면 구축된 Hazard Map의 활용성을 더욱 높일 수 있을 것이라 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.