최근 들어 자연재해의 빈도 및 강도가 늘어나고 있으며, 이에 따른 피해 역시 늘어남에 따라, 재난 현장에 대한 대응이 점차 중요해지고 있다. 본 연구에서는 피해를 경감하기 위한 구호 물류에서 큰 비중을 차지하는 부분인 물류 거점의 위치와 규모를 선정하기 위한 연구를 수행하였다. 구호 물류에서의 거점은 물자의 비축을 수행하는 일반 물류 거점의 기능 외에도 이재민 수용, 부상자 응급 처치 등 다양한 기능을 겸비해야 하며, 거점의 위치를 선정하는 기준 역시 거리 외의 거점의 신뢰도 및 주변 환경의 위험성을 고려하여야 한다. 본 연구에서는 이를 위하여 IoT 센서를 이용하여 정보를 파악하기 위한 체계를 제안하였다. 또한 재난물류 거점문제는 다양한 수요에 대응하기 위한 기능의 배치에 대한 고려 역시 포함하여야 한다. 이를 풀이하기 위하여, 혼합정수계획 모델에 기반을 둔 알고리즘을 제시하였고, 재해 발생 시나리오를 고려한 시뮬레이션 실험을 통하여 모델의 성능을 검증하였다.
최근 들어 자연재해의 빈도 및 강도가 늘어나고 있으며, 이에 따른 피해 역시 늘어남에 따라, 재난 현장에 대한 대응이 점차 중요해지고 있다. 본 연구에서는 피해를 경감하기 위한 구호 물류에서 큰 비중을 차지하는 부분인 물류 거점의 위치와 규모를 선정하기 위한 연구를 수행하였다. 구호 물류에서의 거점은 물자의 비축을 수행하는 일반 물류 거점의 기능 외에도 이재민 수용, 부상자 응급 처치 등 다양한 기능을 겸비해야 하며, 거점의 위치를 선정하는 기준 역시 거리 외의 거점의 신뢰도 및 주변 환경의 위험성을 고려하여야 한다. 본 연구에서는 이를 위하여 IoT 센서를 이용하여 정보를 파악하기 위한 체계를 제안하였다. 또한 재난물류 거점문제는 다양한 수요에 대응하기 위한 기능의 배치에 대한 고려 역시 포함하여야 한다. 이를 풀이하기 위하여, 혼합정수계획 모델에 기반을 둔 알고리즘을 제시하였고, 재해 발생 시나리오를 고려한 시뮬레이션 실험을 통하여 모델의 성능을 검증하였다.
Recently, the magnitude and frequency of the natural disaster have been increased, the damage has become severer. The importance of disaster response system to relieve the damage has arised continuously. This study has tried to develop the algorithm to solve the facility location and size problem in...
Recently, the magnitude and frequency of the natural disaster have been increased, the damage has become severer. The importance of disaster response system to relieve the damage has arised continuously. This study has tried to develop the algorithm to solve the facility location and size problem in emergency logistics. A facility in the emergency logistics has various roles in victim care, casualty treatment, relief resource management and relief vehicle assistance. Moreover, the location of facility in emergency logistics has to consider the safety and reliability. To gather these information, information management system with IoT sensors are suggested. The location problem in this study also covers various features to response various demands in disaster. To solve this problem, this study suggested MIP based algorithm. Scenario based simulation experiments are conducted to verify the performance suggested algorithm.
Recently, the magnitude and frequency of the natural disaster have been increased, the damage has become severer. The importance of disaster response system to relieve the damage has arised continuously. This study has tried to develop the algorithm to solve the facility location and size problem in emergency logistics. A facility in the emergency logistics has various roles in victim care, casualty treatment, relief resource management and relief vehicle assistance. Moreover, the location of facility in emergency logistics has to consider the safety and reliability. To gather these information, information management system with IoT sensors are suggested. The location problem in this study also covers various features to response various demands in disaster. To solve this problem, this study suggested MIP based algorithm. Scenario based simulation experiments are conducted to verify the performance suggested algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 이들 사항을 모두 고려하는 거점 문제를 풀이하였다. 해당 문제는 거점의 위치, 거점의 기능 및 수요 할당에 대한 의사결정 문제로서, 다음과 같은 가정 아래 문제를 모델링하였다.
해당 모델의 복잡도는 낮아 CPLEX 등을 이용하면 빠른 시간 안에 풀이가 가능하다. 따라서 본 연구에서는 해당 모델을 사용하여 거점문제를 풀이하였으며, 다양한 재해 상황 및 수요 상황에 따라 달라지는 해법의 변화에 대해논의하였다.
재난 현장의 구호 물류는 피해 현장의 피해자들에게 구호물자를 전달하고, 현장의 부상자들을 빠르게 돕는 것을 목표로 한다. 따라서 본 연구의 거점 선정 역시 물류의 목적과 같이 최대한 많은 수의 구호 수요를 거점에서 담당하며, 수요 지점까지의 도달 거리를 되도록 줄이는 것을 목표로 한다.
목적함수는 식 (1)과 같으며, [할당되지 않은 수요의 개수]와 [수요처까지의 거리 합계와 거리한도의 비율의 합]을 최소화하는 것을 목표로 하였다. 거리의 비율은 1을 넘을 수 없으므로, MIP 모델의 풀이 결과는 미할당 수요의 개수를 줄이는데 더 집중한 결과를 낳는다.
본 모델은 과거의 재해 기록에 따라 수요를 무작위로 생성하고, 이를 반영하여 거점의 위치를 정하는 모델이다. 따라서 본 모델을 활용하기 위해서는 기존의 피해 및 구호 수요에 대한 기록을 관리하기 위한 시스템의 뒷받침이 필요할 것으로 보인다.
본 연구에서는 도로 네트워크상의 거점 및 도로의 신뢰도를 주변의 취약지점의 위험도 데이터를 사용하여 산출하였다. 취약지점과의 거리가 가까울수록 더 위험도가 높을 것이므로, 거리에 기반을 둔 위험도의 분석이 가능하다.
기존의 연구는 다양한 방법을 고려하였다는 측면에서 본 연구 수행에 시사하는 점이 있으나, 재난 현장 및 근접지역에서의 지원 활동을 포함하는 미시적 관점에서의 문제 해결에는 한계점을 보여주고 있다. 본 연구에서는 이러한 점의 개선을 시도하였다. 그를 위해 본 연구에서는 IoT 센서를 활용하여 자연 재해 발생 현장과 설치 현장의 신뢰도를 산출하고, 이를 통한 물류거점 계획 문제 풀이 알고리즘을 제시하였다.
자연 재해 대응을 위한 수단의 필요성이 늘어남에 따라, 재난 물류 시스템 및 방재 시스템을 다룬 연구 역시 점차 증가하고 있다. 본 연구에서는 이에 관한 다양한 연구를 조사하여 참조하였다.
본 연구에서는 재난 물류를 위한 거점 선정에 대한 문제를 다루었다. 해당 문제는 재난 발생 이전에 고정 거점의 위치 및 규모를 미리 정하고, 재난이 발생한 후 재난 상황에 맞추어 임시 거점의 위치와 규모를 선정하는 문제이다.
해당 문제의 정의를 위하여 우선 MIP모델을 작성하였으며, 해당 MIP 모델의 복잡도가 낮아 빠른 시간 안에 풀이가 가능한 점을 근거하여, 해당 모델을 다양한 환경에서 반복적으로 풀이하는 해법을 제시하였다. 본 연구에서는 제시한 해법을 다양한 예산 제약 및 신뢰도 정책에 적용하고, 그에 따른 변화에 대해서도 알아보았다. 실험의 결과 모델은 좋은 성과를 보였다.
위에서 언급한 바와 같이, 재난 물류 거점은 재난 현장의 구호 물류의 수행에 있어서 시작점이자 보급기지로서의 역할을 수행하며, 이재민을 수용하고 응급처치를 수행하기 위한 기반이 된다. 본 연구에서는 해당 물류 거점의 위치선정 및 규모를 정하는 문제를 다룬다.
본 연구에서는 효율적 재난 대응을 위하여 구호 물류 시스템에서 중요한 역할을 수행하는 구호 거점의 선정 문제에 대하여 연구하였다. 해당 문제는 일반 물류와는 다른 특성을 가지고 있어, 다른 방식의 해법이 필요하다.
재난 현장의 구호 물류는 피해 현장의 피해자들에게 구호물자를 전달하고, 현장의 부상자들을 빠르게 돕는 것을 목표로 한다. 따라서 본 연구의 거점 선정 역시 물류의 목적과 같이 최대한 많은 수의 구호 수요를 거점에서 담당하며, 수요 지점까지의 도달 거리를 되도록 줄이는 것을 목표로 한다.
7로 설정한 후 시험하였다. 최소거리는 4km로서, 혼잡한 상황 하에서도 30분안에도 달할 수 있는 거리를 목표로 하였다.
Balcik과 Beamon[1]의 연구에서는 거점과의 거리가 일정 거리 이하인 수요의 개수를 최대화 하는 수요 할당 모델에 의거하여, 재난 물류를 위한 거점 위치 모델을 풀이하였다. 해당 연구는 재난 수요의 예측이 어렵다는 점에 주목하여 전 세계를 무대로 하는 거대 NGO를 위한 연구를 수행하였다. Lin 등[14]은 지진이 발생한 후, 피해 구호물자를 공급하기 위한 거점의 위치에 대한 연구를 수행하였으며, 두 단계로 구성된 발견적 알고리즘을 제시하였다.
가설 설정
각 거점은 자신에게 할당된 수요 간의 경로에서 일정 신뢰도 이상을 유지해야 하며, 거점으로 선정된 노드 역시 일정 신뢰도 이상을 유지해야 한다. 거점설치를 위해서는 기본적으로 구호 물자 수요를 위한 거점이 설치되어야 하며, 다른 수요 유형을 위한 거점은 구호 물자 수요를 위한 거점에 추가하는 형태로만 지을 수 있다고 가정하였다.
거점은 다양한 종류의 수요를 만족시키기 위한 수요를 다루어야 하며, 이를 만족하기 위해서는 각 수요에 맞는 자원 및 공간을 위한 맞춤형 거점이 필요하다고 가정하였다. 모든 수요는 재난 시나리오에 따라 각 지점에서 다른 수요가 발생하는 것으로 가정하였다.
거리의 계산도 이에 기반을 둔다. 노드 및 아크는 재난 발생시 사용불가능하게 될 확률에 기반을 둔 신뢰도를 가진 것으로 가정하였다.
마지막으로 거점의 설치비용은 거점의 규모에 비례하며, 거점 설치에 사용가능한 총 예산은 한정된 것으로 가정한다.
거점은 다양한 종류의 수요를 만족시키기 위한 수요를 다루어야 하며, 이를 만족하기 위해서는 각 수요에 맞는 자원 및 공간을 위한 맞춤형 거점이 필요하다고 가정하였다. 모든 수요는 재난 시나리오에 따라 각 지점에서 다른 수요가 발생하는 것으로 가정하였다.
이재민 수용을 위한 수요의 경우, 본 연구에서는 최소 단위로 고정 거점에 관련 공간을 구축할 경우, 4인 가족 기준 20가구를 수용할 수있는 공간을 확보할 수 있으며, 이를 위해서 총 2,500만 원의 예산이 소요된다고 가정하였다. 반면 임시 거점에 해당 공간을 구축할 경우, 4인가족 기준 10가구를 수용할 수 있는 공간을 확보하며, 이를 위해 같은 비용이 든다고 가정하였다. 해당 가정은 기존의 재해 대응 데이터를 기반으로 설정하였다.
일반 구호물자 수요는 이재민이 하루에 사용할 물자를 모은 팩이며, 본 연구에서는 최소단위의 고정 거점에서는, 총 400개의 물자를 비축한다고 설정하였으며, 해당 거점의 구축에는 총 5천만 원의 예산이 소요된다고 설정하였다. 반면 임시 거점의 경우, 총 100개의 물자를 비축 가능하며, 구축에는 총 2천만 원이 든다고 가정하였다.
수요의 경우 일반 구호 수요와 이재민 수용을 위한 수요 2가지를 가정하였다. 일반 구호물자 수요는 이재민이 하루에 사용할 물자를 모은 팩이며, 본 연구에서는 최소단위의 고정 거점에서는, 총 400개의 물자를 비축한다고 설정하였으며, 해당 거점의 구축에는 총 5천만 원의 예산이 소요된다고 설정하였다.
이재민 수용을 위한 수요의 경우, 본 연구에서는 최소 단위로 고정 거점에 관련 공간을 구축할 경우, 4인 가족 기준 20가구를 수용할 수있는 공간을 확보할 수 있으며, 이를 위해서 총 2,500만 원의 예산이 소요된다고 가정하였다. 반면 임시 거점에 해당 공간을 구축할 경우, 4인가족 기준 10가구를 수용할 수 있는 공간을 확보하며, 이를 위해 같은 비용이 든다고 가정하였다.
반면 임시 거점에 해당 공간을 구축할 경우, 4인가족 기준 10가구를 수용할 수 있는 공간을 확보하며, 이를 위해 같은 비용이 든다고 가정하였다. 해당 가정은 기존의 재해 대응 데이터를 기반으로 설정하였다.
제안 방법
그 후, 영향을 받은 지역에서 수요가 발생하는지의 여부를 확률에 따라 무작위로 결정한 후, 수요가 발생하였다면 해당 지역의 가구 수 비율에 맞추어 각 수요가 필요로 수요 자원의 양을 생성하였다.
본 연구에서는 이러한 점의 개선을 시도하였다. 그를 위해 본 연구에서는 IoT 센서를 활용하여 자연 재해 발생 현장과 설치 현장의 신뢰도를 산출하고, 이를 통한 물류거점 계획 문제 풀이 알고리즘을 제시하였다.
최빈 거점의 선정 기준은 다양한 방법이 가능하나, 본 연구에서는 모든 해의 결과를 평균한 결과를 사용하고, 해당 결과값 중 일정 수치 이상의 규모를 가지는 위치의 규모를 고정 거점의 위치로 확정하였다. 그리고 남은 예산을 사용하기 위하여 각 현 고정거점의 위치를 사용해 수요를 발생시킨 후 할당하여, 만족시키지 못한 수요의 위치별 발생 양을 평균하여 가장 많이 발생한 위치 순서대로 남은 예산을 사용하여 고정 거점을 설치하는 방식을 사용하였다.
우선 재난의 발생 지역을 무작위로 설정하였다. 그리고 재해의 특성에 따라 영향을 받는 반경을 확정하고, 재해의 특성에 맞추어 영향 받기 쉬운 취약지점인 저지대나 산림 근처와 같은 특성을 고려하여 구호 수요의 발생지역으로 설정하였다. 이를 통해, 구호 수요의 발생에 재해의 특성이 반영되도록 하였다.
취약지점과의 거리가 가까울수록 더 위험도가 높을 것이므로, 거리에 기반을 둔 위험도의 분석이 가능하다. 따라서 본 연구에서는 도로 네트워크의 지점 및 도로의 신뢰도는 주변의 취약지점의 위험도 및 거리에 기반을 두어 계산하였다.
또한 본 모델에서는 다양한 재해 시나리오를 고려하기 위해, 각 시나리오의 발생 확률 및 재해의 특성을 반영하여 무작위로 수요를 발생시키고, 모델을 풀이하는 것을 반복하여 다양한 결과를얻고, 이를 종합하여 각 재해 거점에 맞는 수요거점과 규모를 선정하는 방법을 사용하였다.
그 후, 영향을 받은 지역에서 수요가 발생하는지의 여부를 확률에 따라 무작위로 결정한 후, 수요가 발생하였다면 해당 지역의 가구 수 비율에 맞추어 각 수요가 필요로 수요 자원의 양을 생성하였다. 또한 영향을 받는 지역의 취약 시설의 신뢰도는 재해에 따라 다르게 변화하도록 조정하였다. 해당 수치는 다음 [Table4]와 같다.
교량의 경우 교각의 기울기 및 높이를 계산하는데 활용되며, 교량의 상판에 설치한 변위센서는 교각간의 거리 및 상판의 뒤틀림을 측정하는데 사용된다. 보 및 저지대의 주변 하천에는 수위계를 통해 범람위험을 평가하고, 보 전체에는 변위 센서와 경사계를 설치하여 보의 붕괴 가능성을 평가한다.
본 모델은 고정 거점을 통하여 기본적인 재해 수요에 대응하고, 재해의 종류 및 특성에 따라 변동하는 수요를 효과적으로 감당할 수 있는 임시 거점을 추가로 선정하는 방식을 적용하였다. 따라서 고정 거점의 선정에는 수요 발생에 대한 신뢰성 있는 예측 정보가 필요하다.
본 연구에서 제안한 모델은 재해가 발생하기 전 다양한 재해 시나리오를 고려하여 다양한 유형의 수요 별 고정 거점을 선정하고, 재해가 예보된 후, 고정 거점을 보조하기 위한 임시 거점을 추가로 설치하는 구호 물류 거점 계획 모델이다. 본 문제의 고정 거점은 설치에 시간이 오래 걸리지만, 더 많은 수요를 낮은 가격에 감당할 수 있는 형태의 거점이며, 임시 거점은 빠른 시간 안에 설치가 가능하지만 비용이 많이 드는 형태의 거점이다.
시뮬레이션 실험을 위한 수요의 무작위 생성은 다음과 같은 과정을 거쳐 수행되었다. 우선 재난의 발생 지역을 무작위로 설정하였다. 그리고 재해의 특성에 따라 영향을 받는 반경을 확정하고, 재해의 특성에 맞추어 영향 받기 쉬운 취약지점인 저지대나 산림 근처와 같은 특성을 고려하여 구호 수요의 발생지역으로 설정하였다.
3절 및 제 4장에서 서술한 바와 같이, 본 연구에서 제시한 방법은 수행하기 전 예산 한도 및 신뢰도에 대한 한도라는 정책적 결정이 필요하다. 이를 위하여 본 연구에서는 다양한 예산 세팅과 신뢰도 정책을 적용한 실험을 수행하였다. 파일럿 스터디를 통해, 예산의 경우는 50억과 70억으로, 최소 신뢰도의 경우는 각각 0.
해당 문제는 일반 물류와는 다른 특성을 가지고 있어, 다른 방식의 해법이 필요하다. 이를 위해 MIP(Mixed Integer Programming) 기법을 활용하여 문제를 모델링하고, 이를 반복적으로 수행하여 거점을 할당하는 모델을 제안하였다.
[Figure 1] 같은 해법을 적용하기 위해서는 고정 거점의 선정 시 필요한 무작위 수요가 실제 발생하는 수요와의 유사성이 중요하다. 이를 위해 본 연구에서 고려한 재해 시나리오는 다양한 재해가 무작위 지점에서 발생하는 것을 고려하였으며, 재해의 특성에 따라 영향 받는 지역의 넓이 및 수요 발생 추세가 달라지도록 설정하였다. 본 연구에서 고려한 재해의 종류는 태풍, 지진, 산불 및 집중호우이다.
이런 방법을 통해서 취약지점의 위험도를 파악하기 위해서는 취약 구조물의 관련 정보를 수집하여 활용하여야 한다. 이를 위해서 각 구조물의 중요 지점에 IoT 기반 센서를 부착하여 해당 정보를 실시간으로 파악하고, 이를 통하여 재난 환경에서 변화하는 위험도를 지속적으로 평가한다.
이후 실제 자연 재해가 발생하면, 해당 재해의 시나리오에 따라 수요가 발생할 것이라고 가정하고, 이에 맞추어 임시 거점을 작성하는 MIP 문제를 풀이하여 임시 거점 설치 계획을 수립하였다. 해당 문제의 풀이를 위한 MIP에서는 이미 설치된 고정 거점을 포함하여 문제 풀이를 수행한다.
수요의 경우 일반 구호 수요와 이재민 수용을 위한 수요 2가지를 가정하였다. 일반 구호물자 수요는 이재민이 하루에 사용할 물자를 모은 팩이며, 본 연구에서는 최소단위의 고정 거점에서는, 총 400개의 물자를 비축한다고 설정하였으며, 해당 거점의 구축에는 총 5천만 원의 예산이 소요된다고 설정하였다. 반면 임시 거점의 경우, 총 100개의 물자를 비축 가능하며, 구축에는 총 2천만 원이 든다고 가정하였다.
각 수요 유형을 위한 고정 거점은 가능한 모든 재해 시나리오를 고려한 MIP 모델의 풀이의 결과로 얻어진 결과 중, 최빈 거점의 위치와 규모를 통하여 결정된다. 최빈 거점의 선정 기준은 다양한 방법이 가능하나, 본 연구에서는 모든 해의 결과를 평균한 결과를 사용하고, 해당 결과값 중 일정 수치 이상의 규모를 가지는 위치의 규모를 고정 거점의 위치로 확정하였다. 그리고 남은 예산을 사용하기 위하여 각 현 고정거점의 위치를 사용해 수요를 발생시킨 후 할당하여, 만족시키지 못한 수요의 위치별 발생 양을 평균하여 가장 많이 발생한 위치 순서대로 남은 예산을 사용하여 고정 거점을 설치하는 방식을 사용하였다.
이를 위하여 본 연구에서는 다양한 예산 세팅과 신뢰도 정책을 적용한 실험을 수행하였다. 파일럿 스터디를 통해, 예산의 경우는 50억과 70억으로, 최소 신뢰도의 경우는 각각 0.3, 0.5, 0.7로 설정한 후 시험하였다. 최소거리는 4km로서, 혼잡한 상황 하에서도 30분안에도 달할 수 있는 거리를 목표로 하였다.
해당 문제의 정의를 위하여 우선 MIP모델을 작성하였으며, 해당 MIP 모델의 복잡도가 낮아 빠른 시간 안에 풀이가 가능한 점을 근거하여, 해당 모델을 다양한 환경에서 반복적으로 풀이하는 해법을 제시하였다. 본 연구에서는 제시한 해법을 다양한 예산 제약 및 신뢰도 정책에 적용하고, 그에 따른 변화에 대해서도 알아보았다.
Baskaya 등[3]은 거점 선정의 문제와 물자 비축량의 문제를 결합하여 문제를 풀이하였다. 해당 연구는 거점 간의 물자 운송 및 외부지원을 결합하여 보다 현실적인 문제에 근접한 모델을 다루었다. Salman과 Yucel[17]의 연구는 타부 서치를 이용하여 거점의 위치를 연구하는 알고리즘을 작성하였다.
Barzinpour와 Esmaeil[2]는 재해 발생 시 도시 내의 재난 구호 물류를 위해 거점의 위치를 선정하는 연구를 제시하였다. 해당 연구는 도시를 격자 형태의 구역으로 나누고, Goal programming method를 적용하여 다양한 목적함수를 고려하여 거점 배치 문제를 풀이하였다. Chen과 Yu[4]의 연구는 재해 현장에서의 긴급의료 서비스를 제공하기 위한 임시 거점의 설치에 대한 연구로서, 선형계획 모델을 세운 후, 이를 다양한 방식으로 완화하는 기법을 적용하였다.
대상 데이터
이를 위해 본 연구에서 고려한 재해 시나리오는 다양한 재해가 무작위 지점에서 발생하는 것을 고려하였으며, 재해의 특성에 따라 영향 받는 지역의 넓이 및 수요 발생 추세가 달라지도록 설정하였다. 본 연구에서 고려한 재해의 종류는 태풍, 지진, 산불 및 집중호우이다.
본 연구에서는 서울시 강남구 일부 지역에 기반을 두어 도로 네트워크를 작성하고, 시뮬레이션 실험을 진행하였다. 해당 부분의 지도는 다음과 같으며, 도로 네트워크는 다음 [Figure 2]와 같이 구성되었다.
이론/모형
위에서 언급한 가정 및 정책에 따라 본 문제를 Mixed integer programming model로 나타내었다. 우선 본 모델링에서 사용한 결정 변수 및 파라미터는 다음 [Table 1]과 같다.
성능/효과
소요 비용의 경우, 넓은 지역에 영향을 받는 태풍과 지진의 사용비용이 가장 크게 나타났으며, 피해지역까지의 거리가 멀며, 수요의 숫자가 적은 산불의 경우 적은 수의 임시 거점을 필요로 하여, 다른 재해에 비해서 더 적은 비용으로 발생한 수요를 만족시키는 결과를 얻었다.
재해에 따라서 계획의 결과는 다음과 같이 발생하였다. 수요가 넓은 범위에서 다수 발생하는 태풍에서 거점과 수요 사이의 거리 비율이 높게 나타났고, 반면 수요의 수가 적고 영향을 받는 범위도 적은 호우에서 거리의 비율이 가장 낮게 나타났으며, 산불의 경우, 피해지역까지의 도로의 길이가 긴 측면이 있어, 호우에 비해 크게 수요까지의 길이가 긴 모습을 보였다.
실험 결과, 평균적으로 3.5%의 수요를 제외한 모든 수요를 만족시키는 결과를 내었으며, 평균 수요까지의 거리 역시 제한거리인 4㎞의 절반 이하 비율로서 가까운 거리를 보인 결과를 얻었다.
본 연구에서는 제시한 해법을 다양한 예산 제약 및 신뢰도 정책에 적용하고, 그에 따른 변화에 대해서도 알아보았다. 실험의 결과 모델은 좋은 성과를 보였다.
후속연구
본 모델은 과거의 재해 기록에 따라 수요를 무작위로 생성하고, 이를 반영하여 거점의 위치를 정하는 모델이다. 따라서 본 모델을 활용하기 위해서는 기존의 피해 및 구호 수요에 대한 기록을 관리하기 위한 시스템의 뒷받침이 필요할 것으로 보인다.
예산이 늘어날수록 사용 예산을 제외한 다른 수치는 개선된 모습을 보이나, 상한을 모두 활용하는 경우가 많지는 않다는 사실을 사용 예산의 평균을 통해 알 수 있다. 따라서 실제 적용 시에는 상황과 재해를 모두 고려하여 유연한 예산 정책을 결정할 필요가 있을 것으로 생각된다.
또한 위에서 언급한 모델의 한계를 넘기 위한 개선도 다룰 예정이다. 또한 tntl실제 수요 기록에 개선된 모델을 적용하여 추가 검증을 시도할 것이다.
추후 연구에서는 현실의 제약을 더 반영하고, 경로의 신뢰도 반영 방식을 더 현실적으로 개선할 예정이다. 또한 위에서 언급한 모델의 한계를 넘기 위한 개선도 다룰 예정이다. 또한 tntl실제 수요 기록에 개선된 모델을 적용하여 추가 검증을 시도할 것이다.
제 3.3절 및 제 4장에서 서술한 바와 같이, 본 연구에서 제시한 방법은 수행하기 전 예산 한도 및 신뢰도에 대한 한도라는 정책적 결정이 필요하다. 이를 위하여 본 연구에서는 다양한 예산 세팅과 신뢰도 정책을 적용한 실험을 수행하였다.
추후 연구에서는 현실의 제약을 더 반영하고, 경로의 신뢰도 반영 방식을 더 현실적으로 개선할 예정이다. 또한 위에서 언급한 모델의 한계를 넘기 위한 개선도 다룰 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
재난 대응 시스템의 역할은 무엇인가요?
이러한 재해에 대비하기 위한 재난 대응시스템의 중요도가 크게 증가하였다. 재난 대응 시스템은 재난 대응에 필요한 물자 조달 및 관리, 다양한 참여기관 간의 조율, 재난 정보 및 피해정보의 관리 및 전달, 구호 물류의 관리 및 피해지역의 응급 복구 등을 모두 총괄하여야 한다.
해외의 경우 어떤 재난대응시스템을 구축하고 있는가?
이를 위해 세계 각국에서는 재난 대응용 시스템을 구축하여 운용하고 있다. 대표적으로 미국의 경우, 연방 재난 관리청(FEMA)에서 NIMS(National Incident Management System)가 재난대응을 총괄하고 있으며, 독일의 경우, 연방정부의 연방국민보호재난지원청(BBK)의 긴급재난대응시스템(deNIS: deutsche Notfallvorsorge-Informations-system)이 필요한 정보를 관리 및 배포하고 있다. 우리나라 역시 NIMS(National Incident Management System)를 구축하여 재난 대응 시스템으로 활용하고 있다.
우리나라 재난 대응 시스템인 NIMS의 한계는 무엇인가요?
다만 해당 시스템은 정보의 전파 및 재난의 모니터링에 큰 비중을 두고 있으며, 구호 물류관리 및 응급 복구와 같이 재난 현장 및 근접지역에서 수행되는 지원 활동에는 미비한 면이있다.
참고문헌 (20)
Balcik, B. and Beamon, B. M., "Facility location in humanitarian relief," International Journal of Logistics, Vol. 11, No. 2, pp. 101-121, 2008.
Barzinpour, F. and Esmaeili, V., "A multiobjective relief chain location distribution model for urban disaster management," The International Journal of Advanced Manufacturing Technology, Vol. 70, No. 5-8, pp. 1291-1302, 2014.
Baskaya, S., Ertem, M. A., and Duran, S., "Pre-positioning of relief items in humanitarian logistics considering lateral transhipment opportunities," Socio-Economic Planning Sciences, Vol. 57, pp. 50-60, 2017.
Chen, A. Y. and Yu, T.-Y., "Network based temporary facility location for the Emergency Medical Services considering the disaster induced demand and the transportation infrastructure in disaster response," Transportation Research Part B : Methodological, Vol. 91, pp. 408-423, 2016.
Cheng, W. and Lu, J., "Operational analysis on emergency logistics system and emergency response model," Service Operations and Logistics, and Informatics, 2008, IEEE/SOLI 2008, IEEE International Conference on., Vol. 1, pp. 1323-1328, 2008.
Choe, S.-Y., Park, J.-H., Han, S.-M., Park, J. W., Jang, T.-W., and Yun, H.-J., "IoT-Based Module Development for Management and Real-time Activity Recognition of Disaster Recovery Resources," Journal of Society for e-Business Studies, Vol. 22, No. 4, pp. 103-115, 2017.
Dai, W., Yan, H., and Liu, X., "Supply chain system for emergency rescue of natural disasters," Information Science and Management Engineering(ISME), 2010 International Conference of., Vol. 1, pp. 218-221, 2010.
Han, J.-T. and Lee, J.-Y., "Construction of Seismic Landslide Hazard Map in Korea," Journal of the Earthquake Engineering Society of Korea, Vol. 17, No. 2, pp. 37-48, 2013.
http://cred.be/sites/default/files/2015_DisastersInNumbers.pdf (Accessed on 2018/06/08).
https://www.unisdr.org/archive/17613 (Accessed on 2018/06/08).
Kim, M.-K., Hahm, D.-G., and Choi, I.-K., "Seismic Fragility Evaluation for Railway Bridge Structures using Results of a Safety Factor," Journal of the Earthquake Engineering Society of Korea, Vol. 13, No. 4, pp. 57-65, 2009.
Kwon, S.-H. and Oh, H.-S., "Forecasting Model for Flood Risk at Bo Region," Journal of Society of Korea Industrial and Systems Engineering, Vol. 37, No. 1, pp. 91-95, 2014.
Li, B. et al., "Integrating uncertain usergenerated demand data when locating facilities for disaster response commodity distribution," Socio-Economic Planning Sciences, 2017.
Lin, Y.-H. et al., "Location of temporary depots to facilitate relief operations after an earthquake," Socio-Economic Planning Sciences, Vol. 46, No. 2, pp. 112-123, 2012.
Ren, Z. and Zhang, Y., "Emergency Logistics Design in Disasters," Logistics Engineering and Intelligent Transportation Systems(LEITS), 2010 International Conference on., pp. 1-4, 2010.
Roh, S., Jang, H., and Han, C., "Warehouse location decision factors in humanitarian relief logistics," The Asian Journal of Shipping and Logistics, Vol. 29, No. 1, pp. 103-120, 2013.
Salman, F. S. and Yucel, E., "Emergency facility location under random network damage: Insights from the Istanbul case," Computers and Operations Research, Vol. 62, pp. 266-281, 2015.
Verma, A. and Gaukler, G. M., "Pre-positioning disaster response facilities at safe locations: An evaluation of deterministic and stochastic modeling approaches," Computers and Operations Research, Vol. 62, pp. 197-209, 2015.
Yun, H.-J., Lee, K.-T., Kim, J.-S., and Jang, T.-W., "Design and Implementation of Web-Based Support System for Disaster Damage Recovery of SOC Facility," Journal of Society for e-Business Studies, Vol. 20, No. 4, pp. 227-239, 2015.
Zhang, J., Dong, M., and Chen, F. F., "A bottleneck Steiner tree based multi-objective location model and intelligent optimization of emergency logistics systems," Robotics and Computer-Integrated Manufacturing, Vol. 29, No. 3, pp. 48-55, 2013.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.