태풍은 전 세계적으로 상당한 재정적 피해를 입힌다. 정부, 지방자치단체, 보험회사는 태풍 위험 평가 모델을 개발하여 자연 재해에 따른 재정 위험을 정량화하고 완화하고자 한다. 이에 태풍 위험 평가 모델의 중요성이 증가하고 있으며, 정교한 평가를 위한 국지적 취약성을 반영하는 것이 중요하다. 자연 재해와 관련된 경제적 손실에 대한 실질적인 기존 연구들이 필수적인 위험 지표를 확인했지만 취약성과 경제적 손실 사이의 상관관계를 다루는 종합적인 연구가 여전히 필요하다. 본 연구의 목적은 태풍 매미로 인한 손실 데이터를 바탕으로 태풍 피해 예측 함수에 대한 평가지표를 개발하기 위함이다. 본 연구에서는 취약성 함수를 만들기 위해 풍속과 해안가로부터의 거리, 그리고 건물가치, 건물 유형, 층수 및 지하층 수의 정보를 사용하였으며 국내 보험사가 제공하는 태풍 매미의 실제 손실 기록을 분석하고 취약성 함수를 개발하여 최대 손실 발생의 예방에 기여하고자 하였다. 본 연구의 결과와 지표는 건물의 실제 재정 손실과 지역 취약성을 반영하는 정부 기관 및 보험 회사의 취약성 함수 개발을 위한 실질적인 지침으로 활용될 수 있다.
태풍은 전 세계적으로 상당한 재정적 피해를 입힌다. 정부, 지방자치단체, 보험회사는 태풍 위험 평가 모델을 개발하여 자연 재해에 따른 재정 위험을 정량화하고 완화하고자 한다. 이에 태풍 위험 평가 모델의 중요성이 증가하고 있으며, 정교한 평가를 위한 국지적 취약성을 반영하는 것이 중요하다. 자연 재해와 관련된 경제적 손실에 대한 실질적인 기존 연구들이 필수적인 위험 지표를 확인했지만 취약성과 경제적 손실 사이의 상관관계를 다루는 종합적인 연구가 여전히 필요하다. 본 연구의 목적은 태풍 매미로 인한 손실 데이터를 바탕으로 태풍 피해 예측 함수에 대한 평가지표를 개발하기 위함이다. 본 연구에서는 취약성 함수를 만들기 위해 풍속과 해안가로부터의 거리, 그리고 건물가치, 건물 유형, 층수 및 지하층 수의 정보를 사용하였으며 국내 보험사가 제공하는 태풍 매미의 실제 손실 기록을 분석하고 취약성 함수를 개발하여 최대 손실 발생의 예방에 기여하고자 하였다. 본 연구의 결과와 지표는 건물의 실제 재정 손실과 지역 취약성을 반영하는 정부 기관 및 보험 회사의 취약성 함수 개발을 위한 실질적인 지침으로 활용될 수 있다.
Typhoons can cause significant financial damage worldwide. For this reason, states, local governments and insurance companies attempt to quantify and mitigate the financial risks related to these natural disasters by developing a typhoon risk assessment model. As such, the importance of typhoon risk...
Typhoons can cause significant financial damage worldwide. For this reason, states, local governments and insurance companies attempt to quantify and mitigate the financial risks related to these natural disasters by developing a typhoon risk assessment model. As such, the importance of typhoon risk assessment models is increasing, and it is also important to reflect local vulnerabilities to enable sophisticated assessments. Although a practical study of economic losses associated with natural disasters has identified essential risk indicators, comprehensive studies covering the correlation between vulnerability and economic loss are still needed. The purpose of this study is to identify typhoon damage indicators and to develop evaluation indicators for typhoon damage prediction functions, utilizing the loses from Typhoon Maemi as data. This study analyzes actual loss records of Typhoon Maemi provided by local insurance companies to prepare for a scenario of maximum losses. To create a vulnerability function, the authors used the wind speed and distance from the coast and the total value of property, construction type, floors, and underground floor indicators. The results and metrics of this study provide practical guidelines for government agencies and insurance companies in developing vulnerability functions that reflect the actual financial losses and regional vulnerabilities of buildings.
Typhoons can cause significant financial damage worldwide. For this reason, states, local governments and insurance companies attempt to quantify and mitigate the financial risks related to these natural disasters by developing a typhoon risk assessment model. As such, the importance of typhoon risk assessment models is increasing, and it is also important to reflect local vulnerabilities to enable sophisticated assessments. Although a practical study of economic losses associated with natural disasters has identified essential risk indicators, comprehensive studies covering the correlation between vulnerability and economic loss are still needed. The purpose of this study is to identify typhoon damage indicators and to develop evaluation indicators for typhoon damage prediction functions, utilizing the loses from Typhoon Maemi as data. This study analyzes actual loss records of Typhoon Maemi provided by local insurance companies to prepare for a scenario of maximum losses. To create a vulnerability function, the authors used the wind speed and distance from the coast and the total value of property, construction type, floors, and underground floor indicators. The results and metrics of this study provide practical guidelines for government agencies and insurance companies in developing vulnerability functions that reflect the actual financial losses and regional vulnerabilities of buildings.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그럼에도 불구하고 종합적인 손실 데이터의 부족은 취약성 함수 개발에서 통상적 문제 중 하나로, 경제력이나 정보력이 부족한 국가나 기관에서 더 문제가 되고 있다. 결과적으로, 본 연구는 국내 보험 회사의 손실 데이터 이용한 취약성 함수를 개발하는 방법을 제시한다. 본 연구의 결과와 프레임워크는 데이터가 부족한 분야에서도 지역 취약성 기능 영역의 상대적 취약성을 나타내는 지침을 제공할 수 있다.
본 연구는 태풍 매미로 인한 피해상황을 통계적으로 분석해 태풍의 재난관리 경로를 토대로 태풍 피해의 특성을 확인하였으며 최악의 태풍 경우로 조사되었다. 태풍의 위력 때문에 슈퍼태풍 매미로 불릴 수 있고 극도의 재난을 분류할 수 있었다.
본 연구에서는 태풍 손실, 자연 재해 지표, 기초 건물 정보 지표의 관계를 파악하고, 지역 취약성을 반영한 손실을 산출하기 위한 지표의 중요도를 결정한다. 또한 건축물 취약성을 반영한 손실 예측을 위해 태풍에 의한 손실을 자연재해 지표 및 건축물의 특성 지표의 상관관계의 유의미성을 파악하여 향후 피해예측 및 예방을 위한 피해 예측함수를 측정하는 체계적 방법을 구축하여 태풍에 의한 피해 손실의 감소를 도모한다.
리스크 평가 모델의 불확실성을 줄이기 위해 리스크의 대리측정을 통한 작업 파악 및 개발에 대한 수요와 중요성이 높아짐에 따라 건물의 취약성을 쉽고 직접적으로 계산할 수 있는 지표와 모델이 필요하다. 본 연구의 목적은 연구의 목적은 태풍으로 인한 손실 데이터를 바탕으로 태풍 피해 예측 함수에 대한 평가지표를 개발하고 피해를 평가하기 위해 건물의 지역 취약성 함수를 제공함에 있다. 취약성 함수를 구축하기 위해 자연 재해 지표와 기본 건축물 정보 지표를 활용하였다.
제안 방법
피해가 발생한 개별 건물의 풍속도는 사고 발생일과 지리정보시스템을 활용한 손실기록의 주소정보를 바탕으로 수집하였으며 풍속 정보는 일본 기상청의 최대 풍속(10분 지속기준) 기록에서 수집하였다. 건축물로부터 해안선까지의 거리는 지리정보시스템을 이용한 주소정보를 바탕으로 추정하였다. 건물과 해안선 사이의 거리는 또한 폭풍우에 대한 취약성을 묘사하는데 중요한 역할을 한다.
예를 들어 건설 유형을 목재, 석재, 철근 콘크리트 등으로 나눌 수 있는 경우 일반적으로 철근 콘크리트, 철골, 석재, 목재의 순서로 태풍에 취약하다[2,17]. 본 연구에서는 건물의 형태를 보험사가 보험 가입 시 지정한 건물형태의 조건으로 철근콘크리트, 철골, 목조, 강판지붕 형식의 건물구조 형식을 사용하여 각 명목척도로 선정하였다. 건물 높이는 폭풍에 대한 취약성 정량화의 필수적인 지표로 간주된다[2,3].
보험회사 데이터 기준의 손실기록은 1)사고내용, 주소, 손실금액, 사고일, 2)건물가치, 공사종류, 층수, 지하층수등 2가지로 구성된다. 본 연구에서는 기존 위치정보를 바탕으로 풍속도, 해안선까지의 거리 등을 산출하였다. 풍속은 태풍의 강도를 나타내는 중요한 지표로 홍수, 폭풍우, 산사태, 등의 피해를 야기 시킨다[13,14].
대상 데이터
2007년 11호 태풍 나리는 특히 제주특별자치도 전체에 특별재난지역이 선포될 정도의 막대한 피해를 발생시켜 1600 여억 원의 재산피해와 유례없는 관광 자원의 피해를 기록하였다. 2010년 제 4호 태풍 뎬무는 앞서 언급된 태풍에 비해 비교적 소형 태풍으로 분류되나, 같은 해 7호 태풍 곤파스와 9호 태풍 말로가 2개월간 연달아 발생함에 따라 이례적 피해를 기록하였다. 특히 태풍 곤파스는 빠른 진행 속도로 인한 짧고 산발적인 강수로 강수 피해는 적었으나 한반도 다수의 지역에서 관측 이래 최대 풍속극값을 경신하는 강풍을 동반한 태풍으로 기록되었다.
게다가 자연재해의 잠재적 위험성은 보험료를 결정하는 주요 포인트 중 하나이다. 보험료는 순수 보험료, 비용, 이윤으로 구성되며 순수 보험료는 모델링된 재난 리스크, 모델링되지 않은 재난 리스크 및 화재, 번개, 폭발, 항공기와 같은 리스크의 조합이다. 기존의 발생한 극단적인 재난으로 인한 손실 기록은 이러한 CAT 리스크 분석의 기반이 되므로 극도의 재난을 분석하는 것은 위험을 할당하고 보험료 가격을 결정하는데 중요한 기여를 한다.
본 연구에서 분석한 총 손실 건수는 213건이며 Table 3은 각 지표의 손실에 대한 기술 통계량을 나타낸다.
또한 건축물 취약성을 반영한 손실 예측을 위해 태풍에 의한 손실을 자연재해 지표 및 건축물의 특성 지표의 상관관계의 유의미성을 파악하여 향후 피해예측 및 예방을 위한 피해 예측함수를 측정하는 체계적 방법을 구축하여 태풍에 의한 피해 손실의 감소를 도모한다. 이를 위해 본 연구에서 국내 메이저 보험회사의 태풍 매미에 의한 손실 기록을 활용하였으며 상업 및 주거용 건물로 범위를 제한한다. 손실액은 발생한 순수 기초손실인 손해에 따른 청구금에 대한 지급액이다.
태풍 매미는 국내에서 피해가 가장 크고 그 크기와 강도로 인하여 슈퍼태풍 매미로 불리며 극도의 재난으로 분류할 수 있다. 태풍 매미는 2003년 9월 4일 괌 인근 해상에 열대성 사이클론을 발생시킨 뒤 일본 오키나와 현을 거쳐 11일 한반도 남해안에 상륙했다. 한반도의 동남쪽의 급속한 침투 후, 9월 14일 동해에서 사라졌다.
풍속은 태풍의 강도를 나타내는 중요한 지표로 홍수, 폭풍우, 산사태, 등의 피해를 야기 시킨다[13,14]. 피해가 발생한 개별 건물의 풍속도는 사고 발생일과 지리정보시스템을 활용한 손실기록의 주소정보를 바탕으로 수집하였으며 풍속 정보는 일본 기상청의 최대 풍속(10분 지속기준) 기록에서 수집하였다. 건축물로부터 해안선까지의 거리는 지리정보시스템을 이용한 주소정보를 바탕으로 추정하였다.
이론/모형
본 연구의 목적은 연구의 목적은 태풍으로 인한 손실 데이터를 바탕으로 태풍 피해 예측 함수에 대한 평가지표를 개발하고 피해를 평가하기 위해 건물의 지역 취약성 함수를 제공함에 있다. 취약성 함수를 구축하기 위해 자연 재해 지표와 기본 건축물 정보 지표를 활용하였다.
성능/효과
또한 건물 유형은 건물의 태풍 취약성을 보여 주는 주요 지표이다. 건물 유형과 손실률 사이에는 양의 상관관계가 있으며 건물 유형이 변화(철근 콘크리트, 철골, 목조, 강판지붕 순)에 따라 손실률이 증가함을 나타냈다. 이 결과는 이전의 연구들이 철근 콘크리트, 철골조, 석조, 목조 건물의 순으로 태풍에 취약함을 제시한 연구 결과와 상당부분 일치한다고 볼 수 있다.
본 연구에서 제시된 지표들을 사용하여 보험사나 건설사의 경우에도 재정적인 손실을 예측하는 것이 가능하다. 보험 회사나 재보험 회사는 이 연구의 측정 기준을 사업 모델을 재구성하는데 사용할 수 있다.
9%가 회귀모델로 설명될 수 있음을 뜻한다. 주거용 건물에서 태풍 손실의 심각성을 나타내는 지표로는 최대 풍속, 해안으로부터의 거리, 총 건물 가치, 층수로 4개의 중요한 변수가 확인되었다. 단, 기타 지표는 주거용 건물의 손실률과 관련되지 않았다.
베타계수 (Beta Coefficient) 값은 독립 변수의 단위 척도를 무시하는 표준화 계수를 지정해 독립 변수의 비교를 돕는다. 즉, 회귀계수를 표준화한 것으로 회귀계수의 중요도를 나타내며 변수의 베타 값이 0에 가까울수록 무의미한 변수로 해석되며 베타 계수의 값이 높을수록 종속 변수에 미치는 영향이 커진다고 판단할 수 있다.
242 의 사이로 이는 변수 사이에 상당한 다공성이 없다는 것을 의미한다. 지표는 베타 계수의 내림차순으로 계층화를 하면 (1) 총 건물가치(베타계수 = -0.564)와 (2) 건설유형(베타계수 = 0.217)으로 건물의 가치가 높을수록 태풍에 의한 손실률은 감소하며 연구에서 제시한 건물유형의 명목척도(1:철근콘크리트조 2:철골조 3:목조 4:강판지 붕)의 변화에 따라 손실률이 증가함을 나타난다.
후속연구
따라서, 제시된 연구 결과는 정부 기관의 재난관련비상기획관, 보험 회사, 재보험회사 및 건설사 등 여러 객체에서 손실을 예견하는데 필수적인 지침을 제공할 수 있다. 그러나 이번 연구에 사용된 데이터는 태풍 매미로 인한 피해일 뿐이며 이 연구 결과를 뒷받침하기 위해서는 다양한 범주의 태풍을 이용한 향후 연구가 필요하다. 조정된 R2 의 각 값은 상업용 건물의 경우 0.
예를 들어 공공행정기관은 본 연구에 제시된 지표와 함수를 통하여 재정손실을 예측하고 예상손실을 기준으로 태풍에 대한 완화전략을 수립함으로써 태풍에 의한 피해를 줄일 수 있다. 또한 본 연구의 프레임워크와 지표는 태풍에 의한 손실 데이터가 풍부하지 않은 다른 개발도상국에서 관련 연구에 사용될 수 있다. 이들 국가 및 기관은 본 연구에서 사용된 틀과 지표를 이용하여 폭풍 손실을 평가할 수 있으며 다른 지역 건물 취약성을 반영하기 위해서는 각 지역의 가중치에 의해 조정되어야 한다.
본 연구에서 제시한 결과와 모델은 공공기관 및 재난 관리 기관의 업무에 참고 자료로 이용될 수 있다. 예를 들어 공공행정기관은 본 연구에 제시된 지표와 함수를 통하여 재정손실을 예측하고 예상손실을 기준으로 태풍에 대한 완화전략을 수립함으로써 태풍에 의한 피해를 줄일 수 있다.
결과적으로, 본 연구는 국내 보험 회사의 손실 데이터 이용한 취약성 함수를 개발하는 방법을 제시한다. 본 연구의 결과와 프레임워크는 데이터가 부족한 분야에서도 지역 취약성 기능 영역의 상대적 취약성을 나타내는 지침을 제공할 수 있다.
그러나 이번 연구에 사용된 데이터는 태풍 매미로 인한 피해일 뿐이며 이 연구 결과를 뒷받침하기 위해서는 다양한 범주의 태풍을 이용한 향후 연구가 필요하다. 조정된 R2 의 각 값은 상업용 건물의 경우 0.345, 주거용 건물의 경우 0.579로 향후 연구에서는 모델의 설명력을 높이기 위하여 제시된 변수 외에 유효한 추가적 변수를 반영하여 개선시킬 필요가 있다.
하지만 기존연구에서는 종속변수로써 정부기관의 공개 자료에 의한 피해 손실금액의 사용으로 객관성의 결여와 태풍의 특성만을 활용한 농경지, 도로, 토지이용 등의 기반 시설에만 국한되어있는 한계점이 있으며 사회적 요건과 자연환경 요건만을 고려하여 건축물 정보를 배재한 분석으로 건축물 정보를 기반으로 한 태풍의 취약성 분석에 대한 연구가 요구된다. 또한 기존 연구들은 열대성 저기압의 지형적인 특성과 더불어 크기, 건물 상태에 따라 국내에 적용하기에는 힘든 부분이 있기에 국내에서 사용할 체계적인 건축물 피해 예측모델을 구축할 필요가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
많은 선진 국가들은 태풍 재해에 의한 재정적 리스크를 이전시키는 방법의 일환은 무엇인가?
2013년 수퍼태풍 하이옌(Haiyan)이 태풍의 진로 상 여러 나라를 강타해 태풍 때 육지에서 기록된 가장 극심한 태풍으로 기록 됐으며 남부 아시아 국가들에 극심한 피해를 입히며총 손실액은 28억 8천만 달러로 추산되었다. 많은 선진 국가들은 태풍 재해에 의한 재정적 리스크를 이전시키는 방법의 일환으로 보험을 채택하고 있다. 보험업계 측면에 서는 태풍에 의한 피해 리스크를 정확하게 평가하는 것이 중요하다.
우리나라에 상륙한 태풍 중 태풍 매미와 함께 가장 강력한 세력을 가진 태풍의 이름은 ?
8개의 태풍이 우리나라에 직접적 영향을 미쳤다. 우리나라에 상륙한 태풍 중 태풍 매미와 함께 가장 강력한 세력을 가진 태풍 중 하나 분류되는 태풍 루사는 2002년 특히 강원도 지방에 극심한 강우량을 보이며 막대한 경제적 손질 및246명의 사망·실종자, 이재민 8만 8천여 명 등의 피해를 입혔다. 2007년 11호 태풍 나리는 특히 제주특별자치도 전체에 특별재난지역이 선포될 정도의 막대한 피해를 발생시켜 1600 여억 원의 재산피해와 유례없는 관광 자원의 피해를 기록하였다.
보험회사들은 자체적으로 자연재해 모델인 CAT(Catastrophe) 모델은 무엇인가?
보험회사들은 자체적으로 자연재해 모델인 CAT(Catastrophe) 모델과 과거 손실 기록을 활용해 개별 건물, 지역 또는 국가의 잠재적 경제적 손실을 예측하고 관리한다. CAT 모델은 컴퓨터를 기반으로 태풍, 홍수, 지진 등의 자연적 재난으로 인한 손실을 평가하는 모델이다. 과거 데이터와 통계적 기법을 기초로 다양한 가상의 재난 이벤트를 생성하여 발생 가능한 잠재적 손실을 추정하게 된다.
참고문헌 (20)
Kim JM, Kim TH, Son KY. Revealing building vulnerability to windstorms through an insurance claim payout prediction model: a case study in South Korea. Geomatics, Natural Hazards and Risk. 2017 Jun;8(2):1333-41. https://doi.org/10.1080/19475705.2017.1337651
Khanduri AC, Morrow GC. Vulnerability of buildings to windstorms and insurance loss estimation. Journal of wind engineering and industrial aerodynamics. 2003 Mar;91(4):55-67. https://doi.org/10.1016/S0167-6105(02)00408-7
De Silva DG, Kruse JB, Wang Y. Spatial dependencies in wind-related housing damage. Natural Hazards. 2008 Dec;47(3):317-30. https://doi.org/10.1007/s11069-008-9221-y
Yang SP, Son KY, Lee KH, Kim JM. Typhoon path and prediction model development for building damage ratio using multiple regression analysis. Journal of the Korea Institute of Building Construction. 2016 Oct;16(5):437-45. https://doi.org/10.5345/JKIBC.2016.16.5.437
Lee SS, Ham HJ. Evaluation of Typhoon Risk on Sandwich Panel Building Systems. Journal of the Architectural Institute of Korea Structure & Construction. 2011 Jan;27(1):77-84.
Lee MY, Hong JH, Kim KY. Estimating Damage Costs from Natural Disasters in Korea. Natural Hazards Review. 2017 Nov;18(4):04017016-1-9. https://doi.org/10.1061/(ASCE)NH.1527-6996.0000259
Choi Y, Seo MH. Assessing the impact of the factors of urban characteristics on the damages caused by natural disaster using panel model. Journal of Korea Planning Association. 2013 Jun;48(5):309-18.
Cohi CY. A study on natural hazards vulerability in urban area by urban land use change: In case of kyonggi province. Journal of Korea Planning Association. 2003 Apr;38(2):35-48.
Sanders DE, Brix A, Duffy P, Forster W, Hartington T, Jones G, Levi C, Paddam P, Papachristou D, Perry G, Rix S. The management of losses arising from extreme events. London: In Convention general insurance study group, GIRO; 2010. 45 p.
Kunreuther H, Meyer R, Van den Bulte C, Chapman RE. Risk analysis for extreme events: Economic incentives for reducing future losses. Gaithersburg (MD): US Department of Commerce, Technology Administration, National Institute of Standards and Technology. 2004. 93 p.
Watson CC, Johnson ME, Simons M. Insurance rate filings and hurricane loss estimation models. Journal of Insurance Regulation. 2004 Mar;22(3):39-64.
National Typhoon Center (Korea). Typhoon White Book [Internet]. 2011 [accessed on 15 December 2019]. Available from: http://www.kma.go.kr/communication/webzine/typwhitebook.jsp
Kim JM, Woods PK, Park YJ, Kim TH, Son KY. Predicting hurricane wind damage by claim payout based on Hurricane Ike in Texas. Geomatics, Natural Hazards and Risk. 2015 Sep;7(5):1513-25. https://doi.org/10.1080/19475705.2015.1084540
Burton CG. Social vulnerability and hurricane impact modeling. Natural Hazards Review. 2010 May;11(2):58-68. https://doi.org/10.1061/(ASCE)1527-6988(2010)11:2(58)
Highfield WE, Peacock WG, Van Zandt S. Determinants & characteristics of damage in single-family island households from Hurricane Ike1. Proceeding of the NSF Engineering Research and Innovation; 2011 Oct 7-10; Minneapolis, USA. Minnesota (US): Association of Collegiate Schools of Planning; 2010. p. 7-10.
Kim JM, Kim T, Son KY. Revealing building vulnerability to windstorms through an insurance claim payout prediction model: a case study in South Korea. Geomatics, Natural Hazards and Risk. 2017 Jun;8(2):1333-41. https://doi.org/10.1080/19475705.2017.1337651
D'Ayala DA, Copping A, Wang HA. A conceptual model for multi-hazard assessment of the vulnerability of historic buildings. Proceedings of Structural Analysis of Historical Constructions-Possibilities of Numerical and Experimental Techniques; 2006 Nov 6-8; New Delhi, India. New York (US): Structural Analysis of Historical Constructions; 2006. p. 121-40.
Kim JM, Son KY, Kim YJ. Assessing regional typhoon risk of disaster management by clustering typhoon paths. Environment Development, and Sustainability. 2019 Jan;21:2083-96. https://doi.org/10.1007/s10668-018-0086-2
Kim JM, Woods PK, Park YJ, Son KY. Estimating the texas windstorm insurance association claim payout of commercial buildings from hurricane Ike. Natural Hazards. 2016 Jun;84(1):405-24. https://doi.org/10.1007/s11069-016-2425-7
Vickery PJ, Skerlj PF, Lin J, Twisdale Jr LA, Young MA, Lavelle FM. HAzus-mhhurricane model methodology. II: Damage and loss estimation. Natural Hazards Review. 2006 May;7(2):94-103. https://doi.org/10.1061/(ASCE)1527-6988(2006)7:2(94)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.