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
- 그러나 최근 발생하는 도시 침수 피해는 하천의 범람으로 인한 외수영향보다는 집중호우시 배수 불량으로 인한 내수 침수가 많이 발생하고 있어 기존의 호우 주의보·경보 기준과 하천수위 중심의 예·경보 체계는 짧은 시간에 발생하는 도시침수 대응에는 한계가 있으며, 일본과 같이 과거 피해이력과 도시지역의 유출특성을 반영한 새로운 도시침수 위험기준의 마련이 필요한 실정이다. 따라서, 본 연구에서는 과거피해이력 및 유역특성기반의 한계강우량 예측 모델을 통해 한계강우량을 추정하고 경보기준을 설정하고자 한다.
- 피해이력 분석 방법은 과거 피해이력이 있는 지역에 대해서는 비교적 정확한 한계강우량 산정이 가능하지만, 피해이력이 없거나 한계강우량 산정을 위한 조건을 만족하지 않는 지역에 대해서는 한계강우량 산정이 불가능하다. 따라서, 본연구에서는 도시지역의 유출특성에 따른 유역특성기반 한계강우량 추정방법을 개발하였다. 한계강우량과 침수에 영향을 미치는 유출특성인자들 간에는 비선형성을 고려하여야 한다.
- 본 연구에서는 도시침수 예·경보를 위한 침수 위험기준을 설정하기 위하여 과거피해이력을 기반으로 도시지역의 침수위험 한계강우량을 추정하였으며, 과거침수피해이력이 없는 지역에 대한 위험기준을 설정하기 위해 유역특성기반의 한계강우량 추정모형을 개발하였다.
- 한계강우량을 산정하는 방법은 과거 피해이력 분석을 통해 산정하는 방법, 도시침수 수치모델링을 통해 산정하는 방법, 비교적 간단한 유출모형을 통해 산정하는 방법, 우수관망의 설계강우량을 이용하는 방법 등 다양하다. 본 연구에서는 도시침수 한계강우량을 산정하기 위하여 과거 피해이력 분석을 통해 산정하는 방법과 과거 피해이력이 존재하지 않는 지역에 대한 한계강우량 예측을 위한 도시지역 유출특성에 따른 한계강우량 추정방법을 개발하였다.
제안 방법
- NDMS 사유시설 피해이력 중 재해의 대상은 도시침수의 주된 피해를 가져오는 내수침수에 대해 집중하여 분석하였고 ASOS, AWS 1분단위 강우자료의 30분, 60분, 180분, 360분 임의시간별 최대강우량을 산정하여 강우이벤트와 피해, 미피해 이력을 통해 한계강우량을 추정하였다. 여기서 강우자료상 지속시간 6시간 이상의 강우가 없을 경우 별도의 강우 이벤트로 정의 하였다.
- Neuro-Fuzzy 모형의 검증은 모형을 만들기 위한 훈련자료가 될 그룹과 보정 및 검증을 위한 그룹을 구분하여 검증을 하여야 하지만 본 연구에서는 훈련자료가 27개에 불과하여 25개를 훈련자료로 사용하여 모형을 개발하고, 2개를 검증자료로 사용하는 방법으로 27개의 시나리오를 구성하였다. 그러나 유역특성은 다르지만 한계강우량이 동일한 훈련데이터의 경우 모형의 신뢰성을 저하시킬 수 있어 공항동, 등촌1,2동,목2, 3, 4동, 발산1동, 우장산동, 방화2동, 화곡3동 10개 행정동은 훈련자료에서 제외하였다.
- 과거피해이력이 없는 지역에 대한 한계강우량 추정을 위해 유역특성기반의 한계강우량 산정모형을 개발하였다. 민감도 및 상관분석, 배수체계의 수방능력을 고려하여 불투수율과 경사, 관거밀도, 빗물펌프장의 수방능력, 빗물받이 밀도를 모형 매개변수로 선정하였으며, Neuro-Fuzzy 모형을 이용하여 유역특성기반의 한계강우량 예측모형을 개발하였다.
- 그 결과 유출특성 매개변수로 불투수율과 경사를 선정하였다. 관거밀도는 행정동에 위치한 총 관거길이를 면적에 대한 비율로 산정하였으며, 빗물펌프장의 경우 몽리면적을 고려하여 빗물펌프장이 포함된 행정동에 한하여 수방능력을 고려하였다. 인자들의 민감도 분석결과는 Fig.
- 한계강우량 예측모형의 매개변수를 선정하기 위해 피해이력기반으로 한계강우량 추정이 가능한 지역을 대상으로 추정된 한계강우량과 유역특성간의 민감도 분석 및 상관분석을 하였다. 그 결과 유출특성 매개변수로 불투수율과 경사를 선정하였다. 관거밀도는 행정동에 위치한 총 관거길이를 면적에 대한 비율로 산정하였으며, 빗물펌프장의 경우 몽리면적을 고려하여 빗물펌프장이 포함된 행정동에 한하여 수방능력을 고려하였다.
- 피해이력 분석을 통해 한계강우량을 산정하기 위해서는 피해당시의 강우관측자료와 침수심관측자료가 필요하다. 그러나 실제 침수 당시의 정확한 계측자료가 없기 때문에 본 연구에서는 NDMS에 등록된 피해를 기준으로 피해발생 당시의 지속시간별 강우량과 피해가 발생하지 않은 강우이벤트의 지속시간별 강우량을 분석하여 결정한다. 본 연구에서 과거 피해이력을 통해 한계강우량을 산정하는 방법은 Fig.
- 도시침수 위험기준은 충분한 대피시간을 확보할 수 있도록 한계강우량 비율을 설정하였으며, 행정동별로 지속시간에 따른 위험기준 단계별 강우량을 설정하였다. 설정된 위험 기준(안)의 적용성을 검토하기 위하여 2016년 10월 5일 태풍“차바” 내습시 강우사상에 대하여 적용한 결과 실제 침수발생한계강우량과 추정된 한계강우량의 차이는 약 1.
- 본 연구에서는 도시침수 예·경보를 위한 침수 위험기준을 설정하기 위하여 과거피해이력을 기반으로 도시지역의 침수위험 한계강우량을 추정하였으며, 과거침수피해이력이 없는 지역에 대한 위험기준을 설정하기 위해 유역특성기반의 한계강우량 추정모형을 개발하였다. 또한 추정된 한계강우량과 침수위험기준을 실제 침수사상과 비교하여 적용성을 검토하였다.
- 과거피해이력이 없는 지역에 대한 한계강우량 추정을 위해 유역특성기반의 한계강우량 산정모형을 개발하였다. 민감도 및 상관분석, 배수체계의 수방능력을 고려하여 불투수율과 경사, 관거밀도, 빗물펌프장의 수방능력, 빗물받이 밀도를 모형 매개변수로 선정하였으며, Neuro-Fuzzy 모형을 이용하여 유역특성기반의 한계강우량 예측모형을 개발하였다. 모형 검증결과 RMSE가 9.
- 44603의 오차범위를 가지는 것으로 나타났으며, Gaussian, Gaussian2, Pi 멤버쉽 함수에서 오차가작은 것으로 나타났다. 본 연구에서는 일반적으로 자료간의 비선형성이 강한 경우 정확성이 높다고 알려져 있으며, 오차가 가장 작은 Gaussian2 소속함수(gauss2mf), 함수의 개수는 5개를 적용한 Neuro-Fuzzy 모형을 이용하여 한계강우량 예측모형을 개발하였다.
- 위에서 제시된 경보기준을 검증하기 위해 2016년 10월 5일 태풍 “차바” 내습시 침수피해가 발생했던 태화동과 중앙동을 대상으로 한계강우량과 경보발령시간을 검토하였다.
- 주의단계에서는 지속시간 60분에 한계강우량의 50%, 지속시간 180분에서는 한계강우량의 60%로 설정하였으며, 경계단계는 지속시간 60분에 60%, 180분에 70%, 위험단계의 경우 60분에 70%, 180분에 80%로 설정하였다. 그 결과 주의단계에서는 지속시간 60분일 경우 평균 약 37분, 180분 약 91분의 대피시간을 확보 할 수 있는 것으로 나타났으며, 경계단계에서는 지속시간 60분에 30분, 180분에 70분, 위험단계는 60분에 23분, 180분에 48분의 대피시간을 확보 할 수 있는 것으로 나타났다.
- 한계강우량 예측모형의 매개변수를 선정하기 위해 피해이력기반으로 한계강우량 추정이 가능한 지역을 대상으로 추정된 한계강우량과 유역특성간의 민감도 분석 및 상관분석을 하였다. 그 결과 유출특성 매개변수로 불투수율과 경사를 선정하였다.
- 한계강우량을 산정하기 위해 가장 적합한 멤버쉽함수의유형과 개수를 찾기 위해서 삼각형 소속함수(trimf), 사다리꼴 소속함수(trapmf), Bell-shaped 소속함수(gbellmf), Gaussian 소속함수(gaussmf, gauss2mf), Sigmoid 소속함수(dsigmf,psigmf)를 적용하였고 멤버쉽함수의 수는 3, 4, 5를 적용하여오차를 비교·분석하였다.
- 한계강우량과 침수에 영향을 미치는 유출특성인자들 간에는 비선형성을 고려하여야 한다. 회귀모형, 인공신경망, 퍼지 등 다양한 자료기반 모형 중비선형성이 강한 경우 예측 신뢰도가 높은 Neuro-Fuzzy 모형을 한계강우량 추정에 적용하였다.
대상 데이터
- Neuro-Fuzzy 모형의 훈련자료는 피해이력기반 한계강우량 산정이 가능한 서울 25개, 울산 2개 행정동에 대한 유역특성자료를 활용하였으며, 매개변수별 유역특성자료의 범위를 Table 2에 나타내었다. 모형 적용대상의 유역특성이 훈련자료의 범위를 벗어날 경우 모형의 결과값을 찾을 수 없는 문제점이 발생한다.
- 강우자료는 기상청의 ASOS (Automated Surface Observing System) 및 AWS (Atomatic Weather System) 1분단위 관측자료를 활용하였으며, 피해자료는 NDMS (National Disaster Management System)에 등록된 침수피해 자료를 활용하였다. 도심지의 유출은 대부분 우수관망을 통해 이루어지고, 짧은 시간에 공간적 환경이 변화하는 특성을 반영하여 최근 10년간의 자료를 활용하였다.
- 대상지역은 최근 서울에서 침수피해가 발생한 강남구, 강서구, 관악구, 서초구, 양천구의 99개 읍면동과 2016년 태풍 “차바”로 인해 피해가 난 울산시 4개 구 44개 읍면동을 선정하였다
- 강우자료는 기상청의 ASOS (Automated Surface Observing System) 및 AWS (Atomatic Weather System) 1분단위 관측자료를 활용하였으며, 피해자료는 NDMS (National Disaster Management System)에 등록된 침수피해 자료를 활용하였다. 도심지의 유출은 대부분 우수관망을 통해 이루어지고, 짧은 시간에 공간적 환경이 변화하는 특성을 반영하여 최근 10년간의 자료를 활용하였다. 대상지역은 최근 서울에서 침수피해가 발생한 강남구, 강서구, 관악구, 서초구, 양천구의 99개 읍면동과 2016년 태풍 “차바”로 인해 피해가 난 울산시 4개 구 44개 읍면동을 선정하였다
- 3으로 나타났다. 울산지역에 적용 가능한 33개 행정동을 대상으로 한계강우량을 예측하였다.
성능/효과
- 주의단계에서는 지속시간 60분에 한계강우량의 50%, 지속시간 180분에서는 한계강우량의 60%로 설정하였으며, 경계단계는 지속시간 60분에 60%, 180분에 70%, 위험단계의 경우 60분에 70%, 180분에 80%로 설정하였다. 그 결과 주의단계에서는 지속시간 60분일 경우 평균 약 37분, 180분 약 91분의 대피시간을 확보 할 수 있는 것으로 나타났으며, 경계단계에서는 지속시간 60분에 30분, 180분에 70분, 위험단계는 60분에 23분, 180분에 48분의 대피시간을 확보 할 수 있는 것으로 나타났다. 따라서 단계별로 제시된 위험기준의 한계강우량 비율은 적절한 것으로 판단된다.
- 멤버쉽함수 유형과 소속함수에 개수에 따라서 최대 2.5562,최소 0.00003, 평균 0.44603의 오차범위를 가지는 것으로 나타났으며, Gaussian, Gaussian2, Pi 멤버쉽 함수에서 오차가작은 것으로 나타났다. 본 연구에서는 일반적으로 자료간의 비선형성이 강한 경우 정확성이 높다고 알려져 있으며, 오차가 가장 작은 Gaussian2 소속함수(gauss2mf), 함수의 개수는 5개를 적용한 Neuro-Fuzzy 모형을 이용하여 한계강우량 예측모형을 개발하였다.
- 설정된 위험 기준(안)의 적용성을 검토하기 위하여 2016년 10월 5일 태풍“차바” 내습시 강우사상에 대하여 적용한 결과 실제 침수발생한계강우량과 추정된 한계강우량의 차이는 약 1.8~20.4%인 것으로 나타났으며, 태화동의 경우 위험 47분 전, 중앙동의 경우 28분 전에 위험 알람이 발생하는 것으로 나타나 충분한 대피시간은 확보하는 것으로 분석되었다.
- 당시 CCTV를 통해 태화동과 중앙동의 침수시간을 확인한 결과 최초침수는 태화시장 내부에서 10시23분에 시작되었으며, 중앙동 우정시장 내부에서도 동일하게 10시23분에 발생하였다. 지속시간 30분, 60분, 180분에 대한 한계강우량은 각각 41.8 mm, 60.9 mm, 96.0 mm로 나타났으며, 이는 피해이력기반으로 산정된 한계강우량과 큰 차이는 발생하지 않아 설정된 한계강우량 값은 적절하다고 판단된다. 비교결과는 Table 8과 같다.
- 태풍 “차바” 사례의 경우 태화동과 중앙동모두 지속시간 60분의 위험기준에 의해 최초경보가 발생하였다. 태화동의 경우 침수발생 70분전 주의, 57분전 경계, 47분전 위험 알람이 발생하였으며, 중앙동의 경우 61분전 주의, 48분전 경계, 28분전 위험 알람이 발생한 것으로 나타나 대피시간은 충분히 확보되는 것으로 나타났다. 태화동과 중앙동의 경보단계 별 대피시간은 Table 9와 같다.
- 피해이력기반의 침수 위험기준을 설정하기 위해 최근 10년간 NDMS에 등록된 과거침수피해자료와 ASOS, AWS 1분 단위 강우관측 자료를 활용하여 피해이력기반의 한계강우량 추정결과 서울지역 4개구(강남구, 서초구, 관악구, 양천구,강서구) 총 99개 행정동 중 25개 행정동, 울산지역은 4개구(남구, 동구, 북구, 중구) 44개 행정동 중 2개 행정동에 대한 한계강우량 추정이 가능하였다.
- 피해이력기반의 한계강우량 추정 결과를 살펴보면 60분 한계강우량은 최소 45.2 mm에서 최대 94.6 mm로 나타났으며, 평균 71.4 mm인 것으로 분석되었다. 이는 약 9년 빈도에 해당하는 강우로 실제 현재 우수관망 지선 설계기준과 유사하다.
- 유역특성기반의 한계강우량 예측 결과를 Table 6에 나타내었다. 한계강우량 예측 결과를 살펴보면 60분 한계강우량은 최소 41.7 mm에서 최대 89.1 mm로 나타났으며, 평균 58.7mm인 것으로 분석되었다. 이는 약 10년 빈도에 해당하는 강우로 우수관망 지선 설계기준과 동일하게 나타났다.
후속연구
- 이는 약 10년 빈도에 해당하는 강우로 우수관망 지선 설계기준과 동일하게 나타났다. 또한 180분과 360분 지속시간에 대한 한계강우량 역시 9년 빈도에 해당하는 강우로 모형의 결과를 충분히 활용 가능할 것으로 판단된다. 하지만 유역특성기반의 한계강우량 예측결과는 모형에 의한 예측값으로 실제 위험기준에 적용하기 위해서는 지속적인 모니터링 및 실제 침수사상을 통한 충분한 평가와 검증이 이루어져야 할 것으로 판단된다.
- 피해이력기반의 한계강우량 추정 결과는 비교적 정확한 한계강우량 추정이 가능하지만 피해자료가 충분하지 않기 때문에 지속적인 모니터링과 자료보완 및 최신화를 통해 개선이 필요할 것으로 판단된다. 또한 유역특성기반의 한계강우량 예측모형은 실제 침수사상을 통한 충분한 평가와 검증이 필요할 것으로 판단되며, 적용범위 확대를 위한 다양한 유역특성이 반영된 훈련자료 확보 및 유역특성에 따른 군집화 등의 연구를 통해 개선된다면, 도시침수 예·경보를 위한 위험기준으로 활용하여도시침수로 인한 피해 저감에 기여할 수 있을 것으로 판단된다.
- 하지만 유역특성기반의 한계강우량 예측결과는 모형에 의한 예측값으로 실제 위험기준에 적용하기 위해서는 지속적인 모니터링 및 실제 침수사상을 통한 충분한 평가와 검증이 이루어져야 할 것으로 판단된다. 또한 적용범위의 확대를 위해 충분한 훈련자료의 확보와 다양한 유역특성 반영을 통해 개선되어야 할 것으로 판단된다.
- 피해이력기반의 한계강우량 추정 결과는 비교적 정확한 한계강우량 추정이 가능하지만 피해자료가 충분하지 않기 때문에 지속적인 모니터링과 자료보완 및 최신화를 통해 개선이 필요할 것으로 판단된다. 또한 유역특성기반의 한계강우량 예측모형은 실제 침수사상을 통한 충분한 평가와 검증이 필요할 것으로 판단되며, 적용범위 확대를 위한 다양한 유역특성이 반영된 훈련자료 확보 및 유역특성에 따른 군집화 등의 연구를 통해 개선된다면, 도시침수 예·경보를 위한 위험기준으로 활용하여도시침수로 인한 피해 저감에 기여할 수 있을 것으로 판단된다.
- 또한 180분과 360분 지속시간에 대한 한계강우량 역시 9년 빈도에 해당하는 강우로 모형의 결과를 충분히 활용 가능할 것으로 판단된다. 하지만 유역특성기반의 한계강우량 예측결과는 모형에 의한 예측값으로 실제 위험기준에 적용하기 위해서는 지속적인 모니터링 및 실제 침수사상을 통한 충분한 평가와 검증이 이루어져야 할 것으로 판단된다. 또한 적용범위의 확대를 위해 충분한 훈련자료의 확보와 다양한 유역특성 반영을 통해 개선되어야 할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.