[정보통신신문=김연균기자]

기존의 CCTV 및 신고, 현장 직원 파견에 의존한 침수 현장 모니터링은 한계점을 지니고 있다. 설치 위치 및 사용범위에 제한없는 침수 모니터링 스마트 센싱을 통해 실시간 모니터링 및 침수위험 지역 알림, 방재성능목표 검증, 방재성능 평가 등 다양한 도시침수 방재 분야에 활용될 수 있는 기술 개발이 필요한 시기다.

■강우량 13.2% 증가 전망

기후 변화로 인한 강우량, 집중호우 발생 빈도가 증가하고 있고, 지속적인 도시침수로 인해 인명·재산 피해도 눈덩이처럼 늘어나는 실정이다.

대표적으로 2020년 7~8월 집중호우로 부산 초량지하차도 침수, 대전 코스모스 아파트 침수, 서울 강남역 침수 등 도시지역에서 침수가 발생해 3명이 사망하는 인명피해가 발생했다.

최근 10년간(2011~2019년) 평균 강수량은 100년 전(1912~1920)보다 86.1㎜ 증가(1155.8㎜→ 1241.9㎜) 했다.

기후변화 보고서에 따르면 우리나라 강우량은 21세기 후반까지 13.2% 증가할 것으로 예측된다. 1981~2010년 연평균 1307.7㎜에서 2071~2100년 연평균 강우량은 1480.2㎜이 될 것으로 보이며, 높은 강도의 강수는 증가하고 약한 강수는 감소하는 양극화 현상으로 체감하는 집중호우의 빈도와 강도는 더욱 증가할 것으로 보여진다.

■첨단 센싱·IoT 기술 접목

국내에서는 한국건설기술연구원과 한국과학기술정보연구원 등 기관들이 홍수 및 침수 재난관리 기술 개발에 참여하고 있다.

2020년 12월 한국건설기술연구원은 상습적인 하천 침수를 예방할 수 있는 첨단 센싱 및 IoT 기술이 접목된 초소형 하천 감시 단말장치인 ‘RF-WAVE(RainFall Water-level And VElocity)’의 원천기술을 개발했다

RF-WAVE는 전파 등 다중센서를 이용해 하천의 강우·수위·유속을 측정 및 감시하고, 무선망을 통해 실시간으로 자료를 송·수신할 수 있는 장치다. 하천 및 계곡에 있는 교각, 전신주 등에 설치해 하천 상황을 감시할 수 있다.

RF-WAVE에는 감시 대상과 외부 잡음들을 분류할 수 있는 신호처리 기술이 탑재돼 정확한 하천 수위 및 유속 관측이 가능하다는 게 한국건설기술연구원의 설명이다.

여기에 더해 CCTV 영상과 딥러닝 기술을 활용한 ‘침수감시 시스템’ 개발도 주목받고 있다.

실시간으로 수신되는 CCTV 영상을 분석해 정확도 90% 이상의 침수판별 성능과 저렴한 비용의 시스템 개발을 목표로 하고 있다.

이 시스템은 사람의 신경망 원리와 구조를 모방해 만든 기계학습 알고리즘인 인공신경망(ANN)을 기초로 심층신경망(DNN)을 응용, 딥러닝 모델 구축에 자주 사용되는 알고리즘인 합성곱신경망(CNN)을 활용했다.

한국건설기술연구원에 따르면 CNN은 이미지 분류와 얼굴 인식, 텍스트 인식 등에서 주로 사용되고 있는 알고리즘이다. 데이터 특징을 추출하고 패턴을 파악하는 구조를 갖고 있어 이미지 또는 영상 인식과 분류에 최적화된 성능을 갖고 있다.

딥러닝 학습에 필요한 자료는 공개데이터 및 사진공유 플랫폼을 통해 8만2000개의 이미지와 600개의 영상을 수집했고, 도로공간 5456개, 실외공간 2656개, 실내공간 595개의 총 8707개 데이터셋이 학습(80%)과 성능시험(20%)에 사용됐다.

특히 침수감지 정확도를 담보하는 동시에 다채널 CCTV 영상·이미지를 실시간으로 처리하기 위해 영상 분류 모델을 적용했다. 이어 5가지 침수판별 딥러닝 모델을 구축하기도 했다.

■침수 정보 ‘3D’로 재현

한국과학기술정보연구원(KISTI)도 △융합 다중센서 단말․실시간 공공데이터 전달 및 공유 플랫폼 △인공지능 자연재해 피해 예측 모델 △도심재난 예측 기반 의사결정지원 솔루션 등을 공개하며 실용화 및 기술사업화를 주도하고 있다.

‘융합 다중센서 단말’은 미세먼지, 온도, 습도, 자외선, 소음, 진동 등을 감지하는 생활센서와 풍향, 풍속, 기압, 이산화질소, 빌딩풍 등의 변화를 잡아내는 재난센서를 동시에 운영한다.

또한 네트워크를 통해 데이터가 안전하게 전달․공유될 수 있도록 실시간 공공데이터 전달 및 공유 플랫폼을 개발하여 다수의 수요자와 공급자 간 지역이나 시간에 구애받지 않고 이벤트 기반으로 실시간 공공데이터 공유가 제공되어 데이터 활용성을 높였다.

‘인공지능 자연재해 피해 예측 모델’은 공공데이터 AI 학습모델을 이용해 도시 침수 피해 예측, 미세먼지 발생원 추론, 지진 피해예측 결과를 가시화해 제공하며, ‘도심재난 예측기반 의사결정 지원 솔루션’은 3차원 지도를 통해 각 재난에 대한 실시간 상황정보와 예측 정보 등을 제공해 지방자치단체 재난관리 담당자의 의사결정 속도를 높이는 데 초점을 뒀다.

한편 KISTI의 ‘3차원 가상도시기반 침수 예측 솔루션’은 관홀, 맨홀, 지형정보 등 지역 특화 도시데이터와 AI, 슈퍼컴퓨팅을 활용해 도시 및 지역 규모의 침수 위험을 분석하고 사전 예측 정보를 제공한다.

기존 호우예보 및 하천범람 예측과 달리 3시간 단위로 침수 원인 및 지점을 예측하고, 해당 정보를 3차원으로 시각화했다는 장점을 지니고 있다.

■공간 연계 모니터링 필요

국내 재난안전산업의 규모는 매년 증가하는 추세이며, 그 중 재난 상황관리 관련 산업 및 재난 관련 시스템 개발 산업이 크게 성장하고 있다.

정부도 이에 발 맞춰 △기후변화를 고려한 홍수 및 산사태의 정량적 위험도 연구 △도시 지중인프라 위험감지를 위한 진단용 센서기반 플랫폼 개발 등을 추진하며 재난안전관리 기술개발에 집중하는 모양새다. 특히 행정안전부는 ‘도시침수 모니터링을 위한 침수센서 개발 사업’을 통해 소형, 저전력 스마트 침수계측 장비 개발을 추진 중에 있으며 지표 침수심, 빗물받이, 지하차도, 지하공간 등에 사용될 전망이다.

그러나 기존에 개발되거나 개발 중인 도시침수 모니터링 기술도 문제점을 안고 있다.

일부 도시침수 센싱 기술은 하수관 모니터링에 국한돼 지하-지상 공간에 대한 연계 모니터링을 위한 지표 침수 계측 기술력 고도화가 필요하다.

또한 무인항공장치(드론)를 이용한 기술은 사람이 거주하는 공간에서 물이 빠져나가지 못하고 고여있는 내수침수에 적용시 침수영역 확인에 효과적이지만 촬영지역 제한, 우천시 현장 방문 필요, 사전 현장 출동 불가능한 경우 최대 침수자료 획득 불가 등 한계점이 존재한다.

재난안전 솔루션 개발 관계자는 “지하-지상 센서 계측자료에 기반한 도시침수 예측 기술 개발을 통해 정확도 높은 자료 제공 및 재해‧재난 상황관리가 요구된다”며 “재난‧재해 관련 기술 개발은 실제 현장 운영을 통해 재난 대비‧대응에 기여할 수 있도록 현장 맞춤형 방향으로 연구될 필요가 있다”고 조언했다.

현재의 도시침수 예측 기술은 정확성이 낮다는 의견도 있다.

침수 상황관리를 위해 기상청의 호우특보가 제공되고 있으나, 전국 동일 기준으로 발령되고 있어 지역별 정확성이 낮은 편이다.

또한 침수흔적도 및 예상도 작성시 실측데이터 부족으로 검증이 어렵다는 문제점도 있다. 결과적으로 분석된 결과의 정확성을 확인하기에 부족하다.

일부 기관, 지자체에서 소형 센서, 사물인터넷(IoT) 등 기술을 개발·도입해 도시침수 예측 시스템을 운영 중이지만 침수지도, 침수예측 결과 검증과 더불어 센서 기반의 정량적인 침수심 계측 결과를 활용한 도시침수 관리기술 개발의 필요성이 강조되고 있다.

김연균 기자 다른기사 보기