[논문]Data complement algorithm of a complex sewerage pipe system for urban inundation modeling

Lee, Seungsoo; An, Hyunuk; Kim, Yeonsu; Hur, Young-Teck; Lee, Daeeop

doi:10.7744/kjoas.20200040

[국내논문] Data complement algorithm of a complex sewerage pipe system for urban inundation modeling 원문보기

Korean journal of agricultural science, v.47 no.3, 2020년, pp.509 - 517

Lee, Seungsoo (Division for Integrated Water Management, Korea Environmental Institute) , An, Hyunuk (Department of Agricultural and Rural Engineering, Chungnam National University) , Kim, Yeonsu (K-water Research Institute) , Hur, Young-Teck (K-water Research Institute) , Lee, Daeeop (Emergency Management Institute, Kyungpook National University)

Abstract ▼ AI-Helper

Geographic information system (GIS) sewer network data are a fundamental input material for urban inundation modeling, which is important to reduce the increasing damages from urban inundation due to climate change. However, the essential attributes of the data built by a local government are often missing because the purpose of building the data is the maintenance of the sewer system. Inconsistent simplification and supplementation of the sewer network data made by individual researchers may increase the uncertainty of flood simulations and influence the inundation analysis results. Therefore, it is necessary to develop a basic algorithm to convert the GIS-based sewage network data into input data that can be used for inundation simulations in consistent way. In this study, the format of GIS-based sewer network data for a watershed near the Sadang Station in Seoul and the Oncheon River Basin in Busan was investigated, and a missing data supplementing algorithm was developed. The missing data such as diameter, location, elevation of pipes and manholes were assumed following a consistent rule, which was developed referring to government documents, previous studies, and average data. The developed algorithm will contribute to minimizing the uncertainty of sewer network data in an urban inundation analysis by excluding the subjective judgment of individual researchers.

주제어

표/그림 (9)

그림 Fig. 1. Detailed data properties of sewerage system. (a) GIS Information of Sadang area, (b) GIS Information of Oncheon River.
그림 Fig. 2. Example of missing sewerage system data (blue dot is manhole, green line is sewer pipe and red line is selected sewer pipe).
그림 Fig. 3. Work flow for sewerage system data correction.
표 Table 1. Input data format of pipe data.
표 Table 2. Input data format of manhole data.
표 Table 3. Output data format of pipe data.
표 Table 4. Output data format of manhole data.
그림 Fig. 4. comparison between before and after correction of sewerage system data. (a) before correction in Sadang area, (b) after correction in Sadang area, (c) before correction in Oncheon River area (green line is sewer pipe and blue circle is manhole), (d) after correction in Oncheon River area (red line is sewer pipe and blue circle is manhole).
표 Table 5. Comparison between before and after correction.

AI 본문요약
AI-Helper

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

문제 정의

그러나 하수관망 자료의 경우 침수 모의에 필수적으로 필요한 개별 자료의 연결관계가 매우 복잡할 뿐만 아니라 특정한 규칙에 의하여 생성된 네트워크가 아니므로 육안으로 개별 데이터의 연결관계와 속성 정보를 확인하는 것이 매우 곤란하다. 따라서 본 연구에서는 도시침수 해석에 필수적인 GIS 기반 하수관망 자료의 누락정보 보완을 위한 알고리즘 개발에 관한 연구를 수행하였다. 본 연구에서 제안된 하수관망 누락자료 보완 알고리즘은 원자료의 데이터 속성을 최대한 보존한 상태에서 누락된 속성 정보를 합리적으로 보완하고 필요에 따라서는 자료(ex.
본 연구에서는 GIS기반 하수관망 자료의 특성과 문제점에 대해서 알아보고 개별연구자들의 주관적 판단을 최대한 배제하고 합리적인 가정을 기반으로 하여 누락된 정보를 보완할 수 있는 알고리즘을 개발하였다. 본 연구에서 개발된 알고리즘은 향후 도시침수 해석 시 하수관망 정보의 불확실성에서 야기되는 모의 결과의 불확실성을 줄이는데 기여할 수 있을 것으로 판단된다.
본 연구에서는 서울시 사당역 인근 유역과 부산시 온천천 유역의 GIS 기반 하수관망 자료에 대하여 누락자료를 파악하고 본 연구에서 제안된 알고리즘을 이용하여 누락자료를 보완하였다. 누락자료의 보완결과 원자료에 존재하는 비상식적으로 짧은(0.
본 연구에서는 서울시 사당역 인근 유역과 부산시 온천천 유역의 하수관망 자료에 대해 누락된 자료를 보완하기 위한 알고리즘을 개발한다. 사당역 인근 유역 자료와 온천천 유역의 자료는 해당 지자체의 협조를 얻어 shp파일 형태의 GIS자료를 활용하였다.

가설 설정

3) 하수관로의 길이는 각 노드 간 길이의 합으로 한다.

제안 방법

1) 직선 형태로 구성되어 있는 하수관로 자료는 시점과 종점의 좌표를 확인할 수 없으므로 GIS 프로그램을 이용하여 노드로 변환한다.
최근에는 지자체별로 GIS기반 하수관망 자료를 구축하여 자료의 활용성과 접근성이 높아졌으나 앞서 언급한 바와 같이 하수관망의 설치 및 유지보수를 목적으로 하여 제작되었으므로 모의 수행에 필요한 필수 자료가 누락된 경우가 많다. 모의 수행에 필요한 하수관거의 속성정보는 관로 길이, 관로 형태(원형 또는 사각형), 가로 세로 관경, 조도계수, 매설깊이, 매설경사, 상하류단에 연결된 맨홀 정보, 하수관로의 각 절점별 x, y 좌표 등이며, 본 연구에서는 다음의 제안된 기본 가정 및 알고리즘에 기반하여 하수관로의 누락자료 보완을 수행하였다.
본 연구에서는 서울시 사당역 인근 유역과 부산시 온천천 유역의 GIS 기반 하수관망 자료에 대하여 누락자료를 파악하고 본 연구에서 제안된 알고리즘을 이용하여 누락자료를 보완하였다(Table 5). 누락자료의 보완결과 원자료에 존재하는 비상식적으로 짧은(0.
본 연구에서는 하수관망 자료의 누락자료 보완을 위하여 Fig. 3에 나와 있는 순서에 따라 하수관망 자료를 보완한다. 하수관망 자료의 획득 이후 line 형태의 자료(하수관로, 암거 등)와 point 형태의 자료(맨홀)의 자료를 구분하여 필요 정보를 텍스트 형태로 변환한 후 활용 가능한 정보를 기준으로 누락 자료를 보완한다.
6) 하수관로의 평균 경사는 상하류단의 매설 깊이가 존재하는 경우 그 값을 이용하고 상하류단의 매설 깊이 정보가 없는 경우 상하류단 노드가 포함되어 있는 지점사이의 지반고 경사를 하수관로의 평균 경사로 한다. 이후 매설 깊이는 하수도 시설기준(ME, 2011)에 따라 최소 매설 깊이인 1 m에 안전율을 고려하여 지표면에서 1.5 m 아래에 매설된 것으로 보완한다.
텍스트 파일 형태로 변환된 개별 자료는 Fortran 프로그램을 활용하여 누락자료의 보완이 수행되므로 누락자료가 null 또는 공백으로 처리된 경우에는 모두 '0' 으로 처리하여 입력자료를 읽어 오는 경우에 에러가 발생하지 않도록 하였다.
3에 나와 있는 순서에 따라 하수관망 자료를 보완한다. 하수관망 자료의 획득 이후 line 형태의 자료(하수관로, 암거 등)와 point 형태의 자료(맨홀)의 자료를 구분하여 필요 정보를 텍스트 형태로 변환한 후 활용 가능한 정보를 기준으로 누락 자료를 보완한다.

대상 데이터

본 연구에서는 서울시 사당역 인근 유역과 부산시 온천천 유역의 하수관망 자료에 대해 누락된 자료를 보완하기 위한 알고리즘을 개발한다. 사당역 인근 유역 자료와 온천천 유역의 자료는 해당 지자체의 협조를 얻어 shp파일 형태의 GIS자료를 활용하였다. 획득된 하수관망 GIS자료는 각각 하수관로, 맨홀 및 배수펌프장에 대한 자료이며 개별 자료에 대한 설명과 누락자료에 대한 부분은 다음 장에서 다루기로 한다.
사당역 인근 유역 자료와 온천천 유역의 자료는 해당 지자체의 협조를 얻어 shp파일 형태의 GIS자료를 활용하였다. 획득된 하수관망 GIS자료는 각각 하수관로, 맨홀 및 배수펌프장에 대한 자료이며 개별 자료에 대한 설명과 누락자료에 대한 부분은 다음 장에서 다루기로 한다. 누락자료 확인 이전에 개별 지역의 특성을 살펴보면 서울시 사당역 인근 유역은 유역면적 13.

성능/효과

5) 개별 하수관로의 속성 중 관경이 누락된 경우 상하류단에 연결된 관로의 관경값으로 결정 만약 상하류단에 연결된 관로도 관경값이 존재 하지 않는 경우 전체 하수관로 자료의 평균 관경으로 보완한다.
누락자료의 보완결과 원자료에 존재하는 비상식적으로 짧은(0.5 m 이하) 하수관로 자료를 제거하였으며 하수관로의 절점에 위치해야 하는 맨홀을 새롭게 생성하였을 뿐만 아니라 하수관로의 속성 정보 중 관로 유출 해석에 필수적인 관경, 단면형태, 관로경사, 상·하류단 연결 맨홀 정보와 맨홀의 매설 깊이, 바닥 면적, 맨홀에 연결된 하수관로의 개수 및 ID를 성공적으로 보완하였다.
온천천 유역의 하수관로 자료는 관로경사와 상류단 지반고 및 하류단 지반고 자료가 누락되어 있으며 상류단 맨홀과 하류단 맨홀에 대한 자료가 존재하지 않았다. 또한 shp 파일 형태의 하수관로 자료를 지도 위에 표출 시켜 확인해본 결과 Fig. 2에서와 같이 하수관로가 다른 하수관로와 만나는 지점에서 실제 지역에는 맨홀이 위치하고 있으나 GIS자료상에는 맨홀이 존재하지 않는 것을 확인할 수 있다. 본 연구에서는 서울시 사당역 인근 유역과 온천천 유역의 하수관로 자료를 사용하여 알고리즘을 적용하고 있으나 그 외 다수의 지자체 보유 하수관로 자료들도 이와 거의 유사한 문제점들을 보이는 것을 확인하였다.
따라서 본 연구에서는 도시침수 해석에 필수적인 GIS 기반 하수관망 자료의 누락정보 보완을 위한 알고리즘 개발에 관한 연구를 수행하였다. 본 연구에서 제안된 하수관망 누락자료 보완 알고리즘은 원자료의 데이터 속성을 최대한 보존한 상태에서 누락된 속성 정보를 합리적으로 보완하고 필요에 따라서는 자료(ex. 맨홀)를 새롭게 생성하도록 설계하여 사용자의 주관적 판단을 최대한 배제하여 누락자료 보완 시 자료의 불확실성을 줄일 수 있도록 하였다.
2에서와 같이 하수관로가 다른 하수관로와 만나는 지점에서 실제 지역에는 맨홀이 위치하고 있으나 GIS자료상에는 맨홀이 존재하지 않는 것을 확인할 수 있다. 본 연구에서는 서울시 사당역 인근 유역과 온천천 유역의 하수관로 자료를 사용하여 알고리즘을 적용하고 있으나 그 외 다수의 지자체 보유 하수관로 자료들도 이와 거의 유사한 문제점들을 보이는 것을 확인하였다. 따라서 이러한 자료를 직접 변환하여 유출 해석 모의에 활용하는 경우 원본자료의 불확실성에 의하여 유출 해석 결과가 실제와 상이하게 나타날 수 있으므로 원본 자료를 최대한 보존한 상태에서 개별적 연구자들의 주관을 최대한 배제한 보완 기법이 필요하다.

후속연구

본 연구에서는 GIS기반 하수관망 자료의 특성과 문제점에 대해서 알아보고 개별연구자들의 주관적 판단을 최대한 배제하고 합리적인 가정을 기반으로 하여 누락된 정보를 보완할 수 있는 알고리즘을 개발하였다. 본 연구에서 개발된 알고리즘은 향후 도시침수 해석 시 하수관망 정보의 불확실성에서 야기되는 모의 결과의 불확실성을 줄이는데 기여할 수 있을 것으로 판단된다.
5 m 이하) 하수관로 자료를 제거하였으며 하수관로의 절점에 위치해야 하는 맨홀을 새롭게 생성하였을 뿐만 아니라 하수관로의 속성 정보 중 관로 유출 해석에 필수적인 관경, 단면형태, 관로경사, 상·하류단 연결 맨홀 정보와 맨홀의 매설 깊이, 바닥 면적, 맨홀에 연결된 하수관로의 개수 및 ID를 성공적으로 보완하였다. 향후 본 연구에서 제안된 하수관로의 누락자료 보완 알고리즘은 도시침수 해석 시 관망자료의 불확실성을 줄여 모의 결과의 정확도를 향상시키는데 기여할 수 있을 것으로 판단된다.

참고문헌 (12)

Adeogun AG, Daramola MO, Pathirana A. 2015. Coupled 1D-2D hydrodynamic inundation model for sewer overflow: Influence of modeling parameters. Water Science 29:146-155.
Chen AS, Djordjevic S, Leandro J, Savic DA. 2010. An analysis of the combined consequences of pluvial and fluvial flooding. Water Science and Technology 62:1491-1498.

상세보기
Choi DG, Choi JM. 2015. Mapping inundation areas using SWMM. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography 33:335-342. [in Korean]
Hwang SH, Moon YI, Kim YR, Kang HW. 2006. Variability on urban runoff using SWMM modeling according to watershed segmentation based on integrated sewer information. 2006 conference of Korea Water Resources Association. [in Korean]
Kang TU, Lee SH. 2014. Development on an automatic calibration module of the SWMM for watershed runoff simulation and water quality simulation. Journal of Korea Water Resources Association 47:343-356. [in Korean]
Lee HW, Choi JH. 2015. Analysis of rainfall-runoff characteristics in Shiwha industrial watershed using SWMM. Journal of Korean Society of Environmental Engineers 37:14-22. [in Korean]
Lee JH, Kim MS, Yuk GM, Moon YI. 2018. A study on simplification of SWMM for prime time of urban flood forecasting-a case study of Daerim basin-. Journal of Korean Water Resource Association 51:81-88. [in Korean]
Lee JH, Song YH, Jo DJ. 2013. Determination of optimal locations of urban subsurface storage considering SWMM parameter sensitivity. Journal of the Korean Society of Hazard Mitigation 13:295-301. [in Korean]
Lee SS. 2016. Development of real-time urban inundation prediction system using estimated precipitation data based on remote sensing technology. pp. 10-14. APEC Climate Center, research report 2016-24. [in Korean]
Lee SS, Noh SJ, Jang CH, Rhee DS. 2017. Simulation and analysis of urban inundation using the integrated 1D-2D urban flood model. Journal of Korean Water Resource Association 50:263-275. [in Korean]
ME (Ministry of Environment). 2011. Sewerage facility standards. ME, Sejong, Korea. [in Korean]
Park JP, Lee SY, Lee BJ. 2017. Development of storm sewer-network extraction too (SS-NET) for creating pipe network input data of urban rainfall-runoff model. Journal of the Korean Society of Hazard Mitigation 17:79-86. [in Korean]

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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