[논문]다중이용업소의 화재예방을 위한 빅데이터 기반의 탐색적 연구

전병관; 이성원

doi:10.22678/jic.2018.16.4.027

초록
AI-Helper

본 연구는 다수의 인명피해가 우려되는 다중이용업소의 화재예방을 위하여 국민안전처의 예방소방행정 통계자료와 소방청의 국가화재정보센터 데이터를 기반으로 다중이용업소의 화제를 줄일 수 있는 방안에 대해 탐색적으로 접근을 시도하였다. 본 연구는 소방청의 예방소방행정 통계자료를 활용하여 다중이용업소 소방안전교육의 효과성에 초점을 맞추고 분석을 수행하였다. 분석 결과를 통해 소방안전교육이 실제 화재예방에 있어서 실효성을 가지지 못한다는 것을 유추해낼 수 있었다. 선행 연구들을 통해 그 원인이 소방안전교육의 운영 미흡이라는 것을 찾아내었으며 이를 통해 체계적인 소방안전교육 시스템 개발이라는 개선안을 도출하였다.

Abstract ▼ AI-Helper

In this research, in order to prevent the fire of multiple users who are concerned about many human life damage, based on the statistical data of the National Fire Protection Agency's National Fire Information Center and the Fire Defense Administration Fire Defense Administration, Attempts were made...

In this research, in order to prevent the fire of multiple users who are concerned about many human life damage, based on the statistical data of the National Fire Protection Agency's National Fire Information Center and the Fire Defense Administration Fire Defense Administration, Attempts were made on the exploratory approach to measures that can reduce the topic of. In this research, using the preventive firefighting administrative statistics of the Fire and Disaster Management Agency, we analyzed by focusing on the effectiveness of multiple users' firefighting safety education. Through analysis results we could infer that fire safety education does not have effectiveness in actual fire prevention. Through previous research, we found out that the cause is insufficient for the management of fire safety education, thereby deriving an improvement plan to develop a systematic fire safety education system.

주제어

표/그림 (11)

그림 [Fig. 1] Preventive fire management statistics
그림 [Fig. 2] National fire information center
그림 [Fig. 3] Cleansing data
그림 [Fig. 4] Normality Test of Multi-use Businesses
그림 [Fig. 5] Isovariability Test of Multi-use Facilities
그림 [Fig. 6] Analysis of the Differences between Groups in the Status of Multi-use Businesses
그림 [Fig. 7] A Study on the Differences in Fire Safety Education in Multi-use Facilities (two-sided test)
그림 [Fig. 8] A Study on the Differences in Fire Safety Education in Multi-use Facilities(one-sided test)
그림 [Fig. 9] Differences in Fire Status in Multi-use Facilities(two-sided test)
그림 [Fig. 10] Differences in Fire Status in Multi-use Facilities(lower tailed test)
그림 [Fig. 11] Differences in Fire Status in Multi-use Facilities(upper tailed test)

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 다중이용업소의 소방안전교육이 실제 화재를 예방함에 있어 효과성 분석에 초점을 맞추었다. 또한 도출된 결과에 따라 방안을 제시하고자 한다.
본 연구는 다중이용업소의 소방안전교육이 실제 화재를 예방함에 있어 효과성 분석에 초점을 맞추었다. 또한 도출된 결과에 따라 방안을 제시하고자 한다.
본 연구에서는 다중이용업소의 소방안전교육이 화재 예방에 어떠한 효과를 주는지에 대한 분석을 수행하는 데 그 목적이 있다. 이에 선행연구 등에서 제시한 빅데이터 분석 절차 및 방법을 토대로 본 연구를 수행하고자 하였다[9-12].
이러한 다중이용업소의 화재예방을 위한 수단으로 정부는 소방안전교육을 실시하고 있다. 이에 본 연구는 소방안전교육의 화재 예방에 대한 효과성 분석을 통해 개선안을 도출해내기 위한 목적으로 오픈소스 빅데이터 분석도구인 R을 활용하여 분석을 실시하였다.
본 연구에서는 다중이용업소의 소방안전교육이 화재 예방에 어떠한 효과를 주는지에 대한 분석을 수행하는 데 그 목적이 있다. 이에 선행연구 등에서 제시한 빅데이터 분석 절차 및 방법을 토대로 본 연구를 수행하고자 하였다[9-12].

가설 설정

분석결과, 두 집단 모두 유의확률(p-value)값이 0.05보다 낮음으로 귀무가설을 기각하고 대립가설을 채택한다. 즉, 두 집단 모두 정규분포를 따르지 않는 것으로 나타났다.
분석결과, 유의확률(p-value)값이 0.05보다 낮음으로 귀무가설을 기각하고 대립가설을 채택하였다. 즉, 2016년에 비해 2017년의 소방안전교육이 증가했다는 사실을 알 수 있다.
단측검정 중 우측검정을 실시한 결과이다. 분석결과를 보면 유의확률(p-value)값이 0.05보다 낮음으로 귀무가설을 기각하고 2017년의 화재가 2016년에 비해 증가하였다는 대립가설을 채택한다.
단측검정 중 좌측검정을 실시한 결과이다. 양측검정과 같이 유의확률(p-value)값이 0.05보다 높음으로 2017년 화재가 2016년 보다 적을 것이라는 대립가설을 기각하고 귀무가설을 채택한다.

제안 방법

05보다 낮음으로 두 집단의 차이가 있다는 것을 알 수 있다. 두 집단 간 차이를 확인하였음으로 다음으로 2016년에 비해 2017년의 소방안전교육이 증가하였는지 단측검정을 통해 분석해보았다.
먼저 문제를 정의하고 문제에 필요한 정보를 찾고, 정보도출을 위한 분석기법을 통해 분석을 수행하였다[2,3].
분석결과, 유의확률(p-value)값이 0.05보다 높음으로 두 집단 간 차이가 거의 없다는 것이 검정되었다, 따라서 2016년과 2017년의 다중이용업소 소방안전교육 현황에 대하여 검정하였다.
이러한 소방안전교육의 대표적인 효과로는 일반적으로 생각하기에 다중이용업소의 화재감소일 것이다. 이러한 효과를 분석하기 위해 다중이용업소의 화재 현황을 분석하여 해당 기간 동안 실제로 화재가 감소하였는지 분석하였다.

대상 데이터

본 연구에서 분석에 필요한 데이터는 국민안전처의 예방소방행정 통계자료[13, 14]와 소방청 국가화재정보센터에서 수집[13]하였으며 목적에 맞게 전처리를 하였다.
현재 국민안전처는 출범 3년만에 폐지가 되고, 소방청과 해양경찰청 외청으로 분리 독립하였다. 이에 본 연구에 사용된 데이터는 소방청에서 제공하고 있는 데이터를 기반으로 수행이 되었다.

데이터처리

다중이용업소 소방안전교육의 효과성 분석을 위해 관련 데이터를 수집하고 전처리하여 R을 이용하여 통계적 검정을 실시하였다.
분석에 앞서 2016년과 2017년의 다중이용업소 현황의 차이가 없다는 것을 증명할 필요가 있었다. 두 집단의 차이를 분석하기 위해 검정 방법을 선택하기 위해 정규성 검정과 등분산성 검정을 실시하였다[16, 17].
이 역시 검정에 앞서 정규성과 등분산성 검정을 실시하였고 두 검정을 통해 정규성과 등분산성을 따르지 않는다는 사실을 알 수 있었다. 따라서 wilcox test를 통해 검정을 실시하였다.
우선적으로 두 집단 간의 정규성 검정과 등분산성 검정을 진행하였으며 t-test의 요건을 충족하지 않음으로 wilcox test를 통해 검정을 실시하였다.
05보다 높음으로 등분산성을 따르는 것으로 나타났다. 하지만 두 집단이 정규성을 따르지 않아 t-test의 가정을 충족하지 못함으로 t-test가 아닌 wilcox test를 통해 검정을 실시하였다[16, 17].

성능/효과

분석결과, 유의확률(p-value)값이 0.05보다 높음으로 등분산성을 따르는 것으로 나타났다. 하지만 두 집단이 정규성을 따르지 않아 t-test의 가정을 충족하지 못함으로 t-test가 아닌 wilcox test를 통해 검정을 실시하였다[16, 17].
앞선 분석들을 통해 2017년의 소방안전교육이 전년도에 비해 증가하였음에도 불구하고 화재건수는 증가하였다는 사실을 알 수 있었다. 이러한 사실을 토대로 소방안전교육이 실제 화재예방에 있어서는 실효성을 가지지 못한다는 것을 유추해낼 수 있다.
앞선 분석을 통해 다중이용업소에 대한 소방안전교육이 증가하였다는 것을 알 수 있었다. 이러한 소방안전교육의 대표적인 효과로는 일반적으로 생각하기에 다중이용업소의 화재감소일 것이다.
이 역시 검정에 앞서 정규성과 등분산성 검정을 실시하였고 두 검정을 통해 정규성과 등분산성을 따르지 않는다는 사실을 알 수 있었다. 따라서 wilcox test를 통해 검정을 실시하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	공공데이터를 활용한 연구가 실생활에서 어떻게 기여하고 있는가?	한국 정부는 정보공개를 통해 빅데이터 분석을 위한 기반을 구축하였으며 이러한 공공데이터를 활용한 연구가 활발하게 이루어지고 있다. 지하철 혼잡도 개선방안에 관한 빅데이터융합 기반의 탐색적 연구[4], 빅데이터융합 기반 범죄예방에 관한 탐색적 연구[5] 등 공공데이터를 분석하여 국민의 삶을 개선하는데 기여하고 있다.
	다중이용업소가 화재와 같은 재난에 취약한 이유는?	다중이용업소는 소방안전 관리주제가 불명확하고, 다원화되어 있는 등 소방안전관리의 효율적 측면에서도 가장 취약한 요소를 갖추고 있기 때문에 소방 안전관리자에 대한 관리 및 교육체제의, 강화, 또는 제고하는 대책을 병행하지 않으면 ,공적인 행정력만으로 화재 등의 재난을 효과적으로 방지할 수 없는 상황이다[4].
	2016년 2017년 다중이용업소 현황의 차이가 없다는 것을 증명하기 위해 정규성 검사를 실시한 결과는 어떠한가?	분석결과, 두 집단 모두 유의확률(p-value)값이 0.05보다 낮음으로 귀무가설을 기각하고 대립가설을 채택한다. 즉, 두 집단 모두 정규분포를 따르지 않는 것으로 나타났다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

다중이용업소의 화재예방을 위한 빅데이터 기반의 탐색적 연구
Exploratory study on the based on big data for fire prevention of multiple shops 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

다중이용업소의 화재예방을 위한 빅데이터 기반의 탐색적 연구 Exploratory study on the based on big data for fire prevention of multiple shops 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (11) 모든 표/그림 보기

표/그림 (11) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

다중이용업소의 화재예방을 위한 빅데이터 기반의 탐색적 연구
Exploratory study on the based on big data for fire prevention of multiple shops 원문보기

초록
AI-Helper

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper