현 연구는 개별 건물에 대한 지진취약도 예측 및 특정 관심 지역 내 전체 건물의 안전 상태를 예측하는 방법의 제시에 그 목적이 있다. 현 연구의 범위는 지진피해 저감 연구 중, 예방 활동에 속하는 시뮬레이터 모델개발, 모델 유효성 검증을 포함한다. 연구의 대상은 지역 건물 시스템이다. 선행연구 조사 결과, 국내의 지진 예측모델링 및 그 결과를 GIS를 활용해 적용한 사례의 성과는 아직은 미비한 것으로 판단되었으며, 이를 다소간이나마 개선하기 위한 방편의 일환으로 현 연구가 진행되었다. 국내·외 총 348개의 데이터를 사용해 통계 분석이 실시되었다. 일련의 통계 분석 결과, 최적화 척도법에 의한 모델이 개발되었고, 모델의 예측 정확도는 87%로 산정되었다. 통계 분석을 통해 개발된 모델식을 지역 건물 시스템의 지진취약도 예측에 적용하기 위해, 공간 분석 기법이 활용되었다. 서울시 구도심과 신도심의 특성을 대표하는 강남구와 종로구 그리고 종로구와 지반 조건이 유사한 은평구를 대상 지역으로 선정하였고, 분석 결과 건물을 대상으로 강남구가 종로구와 은평구에 비해 위험한 것으로 예측되었다.
현 연구는 개별 건물에 대한 지진취약도 예측 및 특정 관심 지역 내 전체 건물의 안전 상태를 예측하는 방법의 제시에 그 목적이 있다. 현 연구의 범위는 지진피해 저감 연구 중, 예방 활동에 속하는 시뮬레이터 모델개발, 모델 유효성 검증을 포함한다. 연구의 대상은 지역 건물 시스템이다. 선행연구 조사 결과, 국내의 지진 예측 모델링 및 그 결과를 GIS를 활용해 적용한 사례의 성과는 아직은 미비한 것으로 판단되었으며, 이를 다소간이나마 개선하기 위한 방편의 일환으로 현 연구가 진행되었다. 국내·외 총 348개의 데이터를 사용해 통계 분석이 실시되었다. 일련의 통계 분석 결과, 최적화 척도법에 의한 모델이 개발되었고, 모델의 예측 정확도는 87%로 산정되었다. 통계 분석을 통해 개발된 모델식을 지역 건물 시스템의 지진취약도 예측에 적용하기 위해, 공간 분석 기법이 활용되었다. 서울시 구도심과 신도심의 특성을 대표하는 강남구와 종로구 그리고 종로구와 지반 조건이 유사한 은평구를 대상 지역으로 선정하였고, 분석 결과 건물을 대상으로 강남구가 종로구와 은평구에 비해 위험한 것으로 예측되었다.
The purpose of this study is to suggest a method of predicting seismic vulnerability and safety conditions of each building in a targeted area. The scope of this study includes 'developing a simulation model for precaution activities,' 'testing the validity of the developed model', From the facility...
The purpose of this study is to suggest a method of predicting seismic vulnerability and safety conditions of each building in a targeted area. The scope of this study includes 'developing a simulation model for precaution activities,' 'testing the validity of the developed model', From the facility point of view, target of this study is a local building system. According to the literature review, the number of earthquake prediction modeling and cases with GIS applied is extremely few and the results are not proficient. This study is conducted as a way to improve the previous researches. Statistic analyses are conducted using 348 domestic and international data. Finally, as a result of the series of statistical analyses, an adequate model is developed using optimization scale method. The ratio of correct expectation is estimated as 87%. In order to apply the developed model to predict the vulnerability of the several chosen local building systems, spatial analysis technique is applied. Gangnam-gu and Jongro-gu are selected as the target areas to represent the characteristics of the old and the new downtown in Seoul. As a result of the analysis, it is discovered that buildings in Gangnam-gu are relatively more dangerous comparing to those of Jongro-gu and Eunpyeong-gu.
The purpose of this study is to suggest a method of predicting seismic vulnerability and safety conditions of each building in a targeted area. The scope of this study includes 'developing a simulation model for precaution activities,' 'testing the validity of the developed model', From the facility point of view, target of this study is a local building system. According to the literature review, the number of earthquake prediction modeling and cases with GIS applied is extremely few and the results are not proficient. This study is conducted as a way to improve the previous researches. Statistic analyses are conducted using 348 domestic and international data. Finally, as a result of the series of statistical analyses, an adequate model is developed using optimization scale method. The ratio of correct expectation is estimated as 87%. In order to apply the developed model to predict the vulnerability of the several chosen local building systems, spatial analysis technique is applied. Gangnam-gu and Jongro-gu are selected as the target areas to represent the characteristics of the old and the new downtown in Seoul. As a result of the analysis, it is discovered that buildings in Gangnam-gu are relatively more dangerous comparing to those of Jongro-gu and Eunpyeong-gu.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 현 연구는 통계 분석을 활용해 취약도 예측 모델을 개발한 뒤 공간 분석 소프트웨어를 활용해 공간 분석을 수행함으로써, 개별 건물에 대한 지진취약도 예측 및 특정 관심 지역 내 전체 건물의 안전 상태를 예측할 수 있는 방법 제시에 그 목적이 있다.
건물에 대한 지진취약도 모델의 독립변수를 추출하기 위해 국내외의 지진 연구를 조사하였으나 우리나라의 지진 연구는 우리나라의 환경에 맞춰서 사용하기에는 각 독립변수의 지진취약도 분석용 카테고리 분류의 국내 현황고려 등에 대한 연구 결과가 아직 미비한 상태로 파악되었다. 우리나라 연구의 대부분은 미국의 FEMA에서 만든HAZUS를 사용하는 것으로 확인되어 FEMA의 지진 연구를 살펴보았다.
가설 설정
진앙에서 지진이 일어나면 해당 지역에 다다를 때까지 힘의 감쇠가 일어난다. 그러나 현 연구는 진앙지 발생 지진 강도 + 감쇠식의 방식을 사용 못 하고 관심 건물의 싸이트 강도를 가정해 적용하였다. 따라서 추후 검증된 감쇠식이 적용된다면 더 신뢰 높은 예측이 가능할 것이다.
넷째, 사회·문화적 측면과 용도 및 인구 등을 고려 못한 것이다.
제안 방법
1번 스틸, 2번 철근 콘크리트, 3번 콘크리트·벽돌, 4번 나무를 의미하며, 표의 세부 항목을 결합 및 조정해 해당 카테고리로 분류하였다.
348개의 데이터를 위의 식에 대입한 뒤 최적화 척도법을 활용해 개발된 모델의 지진피해 정도 범위를 확인해보았다.
각 독립변수의 카테고리 분류도 위 FEMA 연구를 참고하고 국내 현실을 고려해 수정·보완해 도출되었다.
건물 높이는 FEMA-154 기준(Table 1)을 참고해 총 3가지의 카테고리로 분류하였다. 위의 Table 1에서 재질은 이미 다른 표를 참고해 독립적 독립변수로 분류하였으므로 고려하지 않는다.
건물 모양은 FEMA를 참고하고 데이터의 형태를 참고해 상하좌우의 진동주기에 따라 크게 3가지 카테고리로 분류했다. 1번 상하좌우의 진동주기가 동일, 2번 상·하의 진동주기는 다르고 좌우의 진동주기는 같음 or 상·하의 진동주기는 같고 좌우의 진동주기는 다름, 3번 상하좌우의 진동주기가 모두 다름을 의미한다.
③, 건물 연도 분류도 FEMA-154를 참고하였다. 건물 연도는 FEMA를 참고해 총 4가지로 분류하였다(Fig. 4참고). 1번 1960년 이후, 2번 1945~1960년, 3번 1930~1945년, 4번 1930년 이전으로 구분된다.
②, 건물 재질 분류는 FEMA-154를 참고하였다. 건물 재질은 FEMA의 표와 수집가능 한 데이터의 여건을 고려해 크게 4가지 카테고리로 분류했다. 1번 스틸, 2번 철근 콘크리트, 3번 콘크리트·벽돌, 4번 나무를 의미하며, 표의 세부 항목을 결합 및 조정해 해당 카테고리로 분류하였다.
국내외 지진 경험 건물 데이터를 사용해 선형회귀분석, 로지스틱 회귀분석, 최적화 척도법의 3가지 유형이 시도되었다.
모델개발 부문에서는 건물 지진피해 영향 인자를 조사해 모델개발용 인자들을 발췌한다. 그다음, 발췌된 각 구성인자의 카테고리를 지진피해 분석 용도로 분류한다.
하지만 현 연구는 새로이 모델링 방법론을 만들어 연구를 수행하였다. 그리고 Opendata를 활용하여 지진에 의한 건물의 지진손상 평가 방법론을 제시하는 연구도 있으나 해당 연구는 현 연구와 같은 가상의 지진이 아닌, 이미 지진피해가 발생한 2016년 경주지진과 2017년 포항지진을 연구대상으로 하여 건물 손상률을 측정하였다[7].
데이터 전처리 후[14,15], 건물별로 개발된 모델 식 (Y)의 각 독립변수 값에 전 처리된 데이터를 입력 후 결과로 나온 각 지진피해 정도의 범위를 활용해 안전, 반파, 완파를 예측한다. 여기서 독립변수 중 하나인 MMI 값은 5, 6, 8 3가지 경우를 적용해 각각에 대한 지진피해 정도를 예측한 뒤 공간 분석 소프트웨어를 활용해 공간분석용 파일로 만들어준다.
)활용하고 있다[8]. 또한 서울시 건축물을 대상으로 가상 시나리오 지진에 의한 피해를 추정한 연구가 있으나 해당 연구 역시 HAZUS의 제시한 값을 기반으로 연구를 하였다[9]. 기타연구로 HAZUS와 강진동 감쇠 식으로 지진피해를 분석한 경우도 있다[10].
⑤, 지반 분류는 FEMA-154번에 나온 표를 참고하였다. 표를 참고하고 수집된 데이터의 형태에 맞춰 총 4가지 카테고리로 분류하였다. 1번 견암, 2번 연암 및 단단한 흙, 3번 연토, 4번 점토 및 모래로 구분된다.
현 연구는 실제 지진피해를 입은 건물 데이터를 이용해 통계 분석을 실시해 모델을 개발한 뒤, 대상 지역으로 신도심 특성을 대표하는 강남구와 구도심 특성을 대표하는 종로구를 선정해 공간 분석을 실시하였다.
대상 데이터
FEMA의 독립변수(건물 모양, 건물 재질, 건물 연도, 건물 높이, 지반, 지진 세기(MMI))와 지진 통계 데이터인 포항/위험 데이터(50개), 포항/안전 데이터(100개), NIST/위험 데이터(198개)를 이용하였다. 데이터를 활용하여 선형 회귀분석, 로지스틱 회귀분석, 최적화 척도법을 수행한 결과 최적화 척도법이 최적의 지진 통계 분석 기법으로 선정되었다.
대상 지역으로 서울시 중 구도심의 특징을 대표하는 종로구와 신도심의 특징을 대표하는 강남구를 선택하였고 또한 지반 조건이 비슷한 구를 비교해보기 위해 종로구와 지반 조건이 비슷한 은평구를 대상으로 비교분석을 실시하였다.
데이터는 총 348개의 데이터를 사용하였으며 그중 150개는 국내 포항시의 데이터, 198개의 데이터는 국외 미국 NIST(National Institute of Standards and Technology)와 EERI(Earthquake Engineering Research Institute)의 전 세계 데이터 중 추출하여 활용하였다[13].
그중 현 연구는 예방 부분에 포함되며 예측 모델 개발과 모델 유효성 검증에 초점을 맞추고 있다. 연구대상 구조물은 건물로 선택되었다. 현 연구의 범위는 Fig.
이론/모형
HAZUS는 미국 FEMA(Federal Emergency Management Agency)에서 정립한 Multi-hazard 피해평가 방법론으로 그중 현 연구에서는 ‘지진 모델’부분을 참고 및 적용하였다.
①, 건물모양 분류는 FEMA-155를 참고하였다(Fig. 3참고).
②, 건물 재질 분류는 FEMA-154를 참고하였다. 건물 재질은 FEMA의 표와 수집가능 한 데이터의 여건을 고려해 크게 4가지 카테고리로 분류했다.
③, 건물 연도 분류도 FEMA-154를 참고하였다. 건물 연도는 FEMA를 참고해 총 4가지로 분류하였다(Fig.
④, 건물 높이 분류는 FEMA-154를 참고하였다.
성능/효과
5%의 건물이 반파, 1개의 건물이 완파로 예측되었다. 1개의 완파 건물은 건물 연도가 너무 오래되고 재질도 가장 위험한 재질이 사용되어 완파로 예측되었다. 또한 종로는 0.
결론적으로, 독립변수는 건물 모양, 건물 재질, 건물 연도, 건물 높이, 지반, 지진 세기(MMI)로 압축·추출되었다.
FEMA의 독립변수(건물 모양, 건물 재질, 건물 연도, 건물 높이, 지반, 지진 세기(MMI))와 지진 통계 데이터인 포항/위험 데이터(50개), 포항/안전 데이터(100개), NIST/위험 데이터(198개)를 이용하였다. 데이터를 활용하여 선형 회귀분석, 로지스틱 회귀분석, 최적화 척도법을 수행한 결과 최적화 척도법이 최적의 지진 통계 분석 기법으로 선정되었다.
1개의 완파 건물은 건물 연도가 너무 오래되고 재질도 가장 위험한 재질이 사용되어 완파로 예측되었다. 또한 종로는 0.5%의 건물이 안전, 99%의 건물이 반파, 0.5%의 건물이 완파로 예측되었다. 마지막으로 은평은 0.
5%의 건물이 완파로 예측되었다. 마지막으로 은평은 0.5%의 건물이 안전, 95%의 건물이 반파, 4.5%의 건물이 완파로 예측되었다.
또한 종로는 12%의 건물이 반파, 88%의 건물이 완파로 예측되었다. 마지막으로 은평은 18%의 건물이 반파, 82%의 건물이 완파로 예측되었다.
분석 결과 은평구가 가장 안전한 것으로 확인되었으며 그다음 종로구가 안전하고 강남구가 가장 위험한 것으로 확인되었다.
셋째, 감쇠식의 미적용이다. 진앙에서 지진이 일어나면 해당 지역에 다다를 때까지 힘의 감쇠가 일어난다.
위 결과를 보면 진도 5에서는 종로>강남>은평 순서로 위험하게 나타났고, 진도 6에서는 은평>종로>강남 순서로 위험하게 나타났다.
위의 도출된 결과에 대한 원인을 분석해보니 강남구가 지반이 가장 취약하고 다른 구들에 비해 고층 건물이 많아서 가장 위험한 것으로 나타났으며, 은평구와 종로구는 지반 조건은 거의 비슷했으나 종로구 건물들이 더 오래되어 지진취약도가 높은 것으로 해석되었다.
이러한 통계 분석 결과 최적화 척도법이 가장 적절한 결과를 도출하였다.
종합적으로 건물 수와 결과를 보면, 상대적으로, 강남구가 가장 위험하고, 그다음 종로구, 은평구가 가장 안전한 것으로 나타났다.
통계 분석 결과, 개발된 모델은 87%(R²)의 예측 정확도를 가지고 있으며 이는 공학적으로 ‘우수한’(올바른 예측확률 4~9배, 현 모델의 경우 약7배)모델의 등급에 해당한다.
후속연구
현 연구의 범위는 건물의 지진취약도만을 대상으로 설정하였기 때문이다. 같은 건물이라 해도 아파트와 경기장이 동일 정도의 피해를 입는 경우, 인적 피해 정도와 물적 피해 정도가 상당히 다를 수 있지만, 이는 추후 연구과제이다.
개발된 모델 식을 사용해 특정 개별 건물, 관심 지역 전체 건물 시스템, 또는 지역과 지역 건물 시스템에 대한 지진취약도 비교분석과 지역별, 진도별 파괴 정도 그래프는 분명한 추세와 패턴을 보여주므로 이러한 결과를 종합해 추후 합리적 예산분배, 예방 활동 분배 등의 활동에 기준을 제시할 수 있을 것으로 기대된다.
개발된 위 모델 식을 사용해 특정 개별 건물, 관심 지역 전체 건물 시스템, 또는 지역과 지역 건물 시스템에 대한 지진취약도 비교분석을 통해 합리적 예산분배, 예방 활동 분배 등의 활동에 기준을 제시할 수 있을 것으로 기대된다.
10은 지역별/진도별 파괴 정도를 도식적으로 보여준다. 그림에서 보이듯 지역별, 진도별 파괴 정도 그래프는 분명한 추세와 패턴을 보여주므로 이러한 결과를 종합해 추후 지진 예방 설계 및 유지보수 활동을 위한 기준을 제시할 수 있을 것으로 판단된다.
둘째, 지진피해 분석용 지반 데이터의 수집 한계이다. 앞서 언급한 해외(NIST, EERI)의 경우 지반 분류가 지진분석용으로 표준화되어있으나 국내의 경우(포항시 지질도, 서울시 지질도, 그리고 한국지질자원 연구원의 수치지질도)는 지반 데이터는 지진피해 분석용으로 표준화가 되어있는 데이터도 없으며 카테고리에 대한 기준도 없다.
일정 규모 이상의 피해를 입은 국내 데이터의 경우는 더욱 그러하다. 따라서 추가데이터가 확보된다면 보다 정확한 결과를 얻을 수 있을 것이다.
그러나 현 연구는 진앙지 발생 지진 강도 + 감쇠식의 방식을 사용 못 하고 관심 건물의 싸이트 강도를 가정해 적용하였다. 따라서 추후 검증된 감쇠식이 적용된다면 더 신뢰 높은 예측이 가능할 것이다.
현 연구의 한계는 첫째, 지진피해 데이터 수집의 한계이다. 실제 지진 피해를 입은 입수 가능한 건물 데이터가 데이터의 분포관점에서 다소 부족했다.
질의응답
핵심어
질문
논문에서 추출한 답변
최적화 척도법이란 무엇인가?
최적화 척도법이란 변수 간의 관계를 가능한 적은 수의 차원에 표시하여 변수 간의 내적 구조나 패턴을 설명하는 통계적 분석법이다.
모델개발 부문에서는 건물 지진피해 영향 인자를 조사해 모델개발용 인자들을 발췌하는데, 모델개발 부분의 그 다음 단계는 무엇인가?
모델개발 부문에서는 건물 지진피해 영향 인자를 조사해 모델개발용 인자들을 발췌한다. 그다음, 발췌된 각 구성인자의 카테고리를 지진피해 분석 용도로 분류한다.
로지스틱 회귀분석이란 무엇인가?
로지스틱 회귀분석이란 확률모델로서 독립변수의 선형 결합을 이용하여 사건의 발생 가능성을 예측하는 데 사용되는 통계 기법이다.
참고문헌 (15)
S. J. Park. (2007). Tectonic Movement in the Korean Peninsula (II): A Geomorphological Interpretation of the Spatial Distribution of Earthquakes. 42(4). 488-505.
Comparison Between the Numbers and the Intensity of Earthquake. Korea Meteorological Administration. URL: http://www.kma.go.kr/
Seoul Earthquake-Resistant Design Ratios. Seoul Open Data Plaza. http://data.seoul.go.kr/
J. H. Koh, J. H. Kwon & Y. S. Choi. (2005). Error Assessment of Attitude Determination Using Wireless Internet-Based DGPS. Journal of the Korean Society of Survey, Geodesy, Photogrammetry, and Cartography. 23(3). 239-249.
C. H. Hwang. (2012). A Study on Urban Damage Assessment by Earthquake Damage Assessment System. Seoul Venture University.
C. W. Chu. (2017). A Study on Earthquake Hazard Mapping using Risk Factors. Conference of the Korean Society for Geospatial Information Science. 125-126.
S. H. Eem, B. J. Yang & H. M. Jeon. (2018). Earthquake Damage Assessment of Buildings Using Opendata in the Pohang and the Gyeongju Earthquakes. Earthquake Engineering Society of Korea. 22(3). 121-128.
I. B. Kang. & J. H. Park. (2002). The Seismic Hazard Study on Chung-Nam Province using HAZUS. Korean Society of Hazard Mitigation. 73-84.
E. T. Yoon. (2005). A Study on the Seismic Damage Estimation in the Model District of Seoul City. Earthquake Engineering Society of Korea. 9(6). 41-52.
S. Y. Kang, K. H. Kim, B. C. Suk & H. S. Yoo. (2007). Attenuation Relations in HAZUS for Earthquake Loss Estimations in Korea. Earthquake Engineering Society of Korea, 11(6), 15-21.
FEMA-154. (2015). Rapid Visual Screening of Building for Potential Seismic Hazards: Supporting Documentation (Third Edition). Washington, D.C. : Federal Emergency Management Agency.
FEMA-155. (2015). Rapid Visual Screening of Buildings for Potential Seismic Hazards: a Handbook (Third Edition). Washington, D.C. : Federal Emergency Management Agency.
NIST. (2015). NIST Disaster and Failure Studies Data Repository: The Chile Earthquake Database - Ground Motion and Building Performance Data from the 2010 Chile Earthquake - User Manual.. Gaithersburg : National Institute of Standards and Technology.
Building Data. Building Open Data Portal. URL: http://open.eais.go.kr/.
Seoul City Building Data. National Spatial Data Infrastructure Portal. URL:http://www.nsdi.go.kr/lxportal/?menuno2679.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.