[논문]빅데이터 분석을 활용한 초기 정보 기반 화재현장 위험도 예측 모델 개발 연구

김도형; 조병완

doi:10.15683/kosdi.2021.6.30.245

[국내논문] 빅데이터 분석을 활용한 초기 정보 기반 화재현장 위험도 예측 모델 개발 연구
A Study on the Development of a Fire Site Risk Prediction Model based on Initial Information using Big Data Analysis 원문보기

한국재난정보학회논문집 = Journal of the Society of Disaster Information, v.17 no.2 = no.52, 2021년, pp.245 - 253

김도형 (Department of Civil and Environmental Engineering, Hanyang University) , 조병완 (Department of Civil and Environmental Engineering, Hanyang University)

초록
AI-Helper

연구목적: 본 연구는 화재발생 건축물 정보, 신고자 취득 정보 등 초기 정보를 활용하여 화재현장의 위험도를 예측하여, 재난 발생 초기에 효과적인 소방자원 동원 및 적절한 대응을 위한 피해최소화 전략 수립을 지원하는 위험도 예측 모델을 개발하고자 한다. 연구방법: 화재 통계 데이터 상에서 화재의 피해규모와 관련된 변수 규명을 위해 머신러닝 알고리즘을 이용한 변수간 상관성 분석을 실시하여 예측 가능성을 검토하고, 데이터 표준화 및 이산화 등의 전처리를 통해 학습 데이터 셋을 구축하였다. 이를 활용하여 예측 정확도가 높은 것으로 평가 받고 있는 복수의 머신러닝 알고리즘을 테스트하여 가장 정확도가 높은 알고리즘을 적용한 위험도 예측 모델을 개발하였다. 연구결과: 머신러닝 알고리즘 성능 테스트 결과 랜덤포레스트 알고리즘의 정확도가 가장 높게 나왔으며, 위험도 등급에 대해서는 중간치에 대한 정확성이 상대적으로 높은 것으로 확인되었다. 결론: 화재 통계 상 피해규모 데이터의 편향성에 의해 예측모델 정확도가 제한적으로 나타났으며, 예측 모델 성능 개선을 위해 데이터 정합성 및 결손치 보완 등을 통한 데이터 정제가 필요하다.

Abstract ▼ AI-Helper

Purpose: This study develops a risk prediction model that predicts the risk of a fire site by using initial information such as building information and reporter acquisition information, and supports effective mobilization of fire fighting resources and the establishment of damage minimization strategies for appropriate responses in the early stages of a disaster. Method: In order to identify the variables related to the fire damage scale on the fire statistics data, a correlation analysis between variables was performed using a machine learning algorithm to examine predictability, and a learning data set was constructed through preprocessing such as data standardization and discretization. Using this, we tested a plurality of machine learning algorithms, which are evaluated as having high prediction accuracy, and developed a risk prediction model applying the algorithm with the highest accuracy. Result: As a result of the machine learning algorithm performance test, the accuracy of the random forest algorithm was the highest, and it was confirmed that the accuracy of the intermediate value was relatively high for the risk class. Conclusion: The accuracy of the prediction model was limited due to the bias of the damage scale data in the fire statistics, and data refinement by matching data and supplementing the missing values was necessary to improve the predictive model performance.

주제어

표/그림 (6)

그림 Fig. 1. Results of basic analysis of fire statistics data
표 Table 1. Fire statistics data correlation analysis result
그림 Fig. 2. Decision tree model analysis results for fire damage variables
그림 Fig. 3. Prediction model training data set transformation result
표 Table 2. Fire site risk definition and rating
그림 Fig. 4. Machine learning algorithm performance test results

참고문헌 (12)

Chai, S.S., Jang, S.Y., Suh, D. (2018). "Design and implementation of big data analytics framework for disaster risk assessment." Journal of Digital Contents Society, Vol.19, No. 4, pp. 771-777.

원문보기 상세보기
Choi, J.H., Lee, S.W., Hong, W.H. (2013). "A development of fire risk map and risk assessment model for urban residential areas by raking fire causes." Journal of the Architectural Institute of Korea Planning & Design, Vol. 29, No. 1, pp. 271-278.
Choi, S.H. (2010). "Natural disaster damage cost prediction model based on neural network and genetic algorithm." Proceedings of the Korean Information Science Society Conference, Seoul, pp. 380-384.
Jeong, M.G., Lee, S.H., Kim, C.S. (2020). "A study on the safety index service model by disaster sector using big data analysis." Journal of the Society of Disaster Information, Vol. 16, No, 4, pp. 682-690.
Ko, K.S., Hwang, D.H., Park, S.J., Moon, G.G. (2018). "Electrical fire prediction model study using machine learning." The Journal of Korea Institute of Information, Electronics, and Communication Technology, Vol. 11, No. 6, pp. 703-710.

원문보기 상세보기
Kwon, Y.J., Kim, D.E. (2009). "A study on the development of evaluation methods for fire risk analysis of high-rise building." Proceedings of the Korea Institute of Fire Science and Engineering Conference, Busan, pp. 270-275.
Lee, C.Y., Kim, T.H., Cha, S.Y. (2011). "A study of the extraction algorithm of the disaster sign data from web." Journal of The Korean Society of Disaster Information, Vol. 7, No. 2, pp. 139-149.
Lim, H.S., Lee, K.M., Cho, J.W., Lee, S.K., Min, S.H., Min, J.K. (2019). "Analysis of the relationship between fire factors and influential factors using SPSS." Journal of the Korean Society of Hazard Mitigation, Vol. 19, No. 5, pp. 103-112.
Park, E., Min, S. (2019). "Standardization of fire factor for big data." Journal of the Korean Society of Hazard Mitigation, Vol. 19, No. 4, pp. 143-149.

상세보기
Ryu, J.W., Kwon, S.P. (2015). "Fire risk assessment based on weather information using data mining." Fire Science and Engineering, Vol. 29, No. 5, pp. 88-95.

원문보기 상세보기
Shin, J.D., Jeong, S.H., Kim, M.S., Kim, H.J. (2012). "Analysis of fire risk with building use type using statistical data." Journal of The Korean Society of Hazard Mitigation, Vol. 12, No. 4, pp. 107-114.

원문보기 상세보기
Shin, Y.C., Koo, I.H., Hayashi, Y., Ohmiya, Y., Kwon, Y.J. (2011). "A study on the risk assessment using simulation and case study of urban fire-focusing on market." Fire Science and Engineering, Vol. 25, No. 6, pp. 1-7.

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