서울시 건물 및 주거인구에 대한 지진피해 예측분석

(1)연구의 필요성 및 목적

1)연구의 필요성

• 서울시에 활성단층이 존재한다.
• 대한민국 주요 역사 지진을 확인해보면 서울시 쪽에도 다수 발생하고있다.

• 하지만 내진설계 비율을 보면 전체건물 약 18.9%만의 내진설계가 되어있다.

2)연구의 목적

• 서울시 건물에 대한 지진취약지도 제작
• 서울시 건물에 대한 구별 등급화
• 서울시 건물에 대한 지진취약 건물밀도지도 제작
• 서울시 주거건물 지진피해 취약인구밀도지도 제작
• 머신러닝의 모델 분석 및 선택, 통계분석의 모델 개발
• 아래 그림과 같이 진도 5와 6에 대한 연구를 실시

(2)전체 연구 범위

(3)각 요인별 요소

(4)머신러닝과 통계분석의 모델

(1)머신러닝 모델

• 총 4개의 모델로 실험
• 예측정확도는 다음과 같음

• Random Forest와 Decision Tree 2개가 트래인셋과 테스트셋 정확도가 가장 높게 나왔다.
• Random Forest는 Decision Tree의 데이터 과적합의 문제를 보완한 모델
• 최종적으로 Random Forest선정

(2)통계분석 모델

• 로지스틱 회귀분석, 선형회귀분석, 최적화 척도법 등 실험
• 예측정확도와 유의 확률이 가장 좋은 최적화 척도법 선정
• 최적화 척도법의 R²의 값은 0.867로 약 87%의 예측정확도가 나옴
• 최적화 척도법으로 나온 공식은 다음과 같음

(5)서울시 개별건물 지진취약도 분석 결과

• 통계분석 진도 5에서는 40.4%안전, 59.6%반파
• 통계분석 진도 6에서는 5.6%안전, 94.2%반파, 0.2%완파
• 머신러닝 진도 5에서는 78.8%안전, 21.2%반파
• 머신러닝 진도 6에서는 20.6%안전, 79.4%반파

(6)서울시 구별등급화 결과

• 구별등급화 결과 통계분석 5에서는 강북구가 가장 안전, 강동구가 가장 위험
• 통계분석 6에서는 성북구가 가장 안전, 송파구가 가장 위험
• 머신러닝 5에서는 은평구가 가장 안전, 강동구가 가장 위험
• 머신러닝 6에서는 강남구가 가장 안전, 강동구가 가장 위험

(7)서울시 위험건물 밀도분석 결과

• 위험건물 밀도분석 결과 통계분석 5에서는 중구가 가장 안전, 관악구가 가장 위험
• 통계분석 6에서는 중구가 가장 안전, 관악구가 가장 위험
• 머신러닝 5에서는 중구가 가장 안전, 서초구가 가장 위험
• 머신러닝 6에서는 강동구가 가장 안전, 강북구가 가장 위험

(8)서울시 주거건물 인구밀도 지진취약지도

• 서울시 주거건물 인구밀도 지진취약지도에서는 통계분석 5에서는 중구가 가장 안전, 강서구가 가장 위험
• 통계분석 6에서는 성동구가 가장 안전, 관악구가 가장 위험
• 머신러닝 5에서는 중구가 가장 안전, 서초구가 가장 위험
• 머신러닝 6에서는 중구가 가장 안전, 서초구가 가장 위험

(9)결론

1)결론

• 통계분석과 머신러닝을 활용해 4가지의 방법의 지도를 제시함으로써 보다 다양한 결과를 제시
• 전반적으로 통계분석 결과가 머신러닝의 결과보다 위험하게 도출
• 우리나라에서는 내진설계의 지진 강도가 6.5(MMI)로, 서울시 건물의 약 18.9%가 내진설계가 되어있는 것으로 확인 된것을 보면 머신러닝이 더 정확한 것으로 예상
• 그러나 현실세계 적용을 위해서는 안전율을 고려해 이보다 보수적 관점의 설계가 필요하고 따라서 통계분석의 결과 활용도 고려한다고 판단

사용 데이터

• 서울시 전체 건물데이터
• 서울시 전체 도로데이터
• 서울시 경계 데이터
• 서울시 지반데이터
• 실제 지진피해를 입은 건물 데이터(포항)
• 실제 지진피해를 입은 건물 데이터(NIST)
• 서울시 집계구 데이터
• 서울시 다세대 주택 세대수 데이터
• 서울시 주택별 인구수 데이터

분석툴

• 머신러닝
• 통계분석(SPSS)
• Q-GIS

참고문헌

• 한겨례 뉴스, https://www.hani.co.kr/arti/society/area/819484.html
• MBC 뉴스, https://imnews.imbc.com/replay/2023/nwtoday/article/6537168_36207.html
• 연합 뉴스, https://www.yna.co.kr/view/AKR20221029014851530?input=1195m
• MBN 뉴스, https://www.mbn.co.kr/news/society/4659382
• 뉴시스 뉴스, https://newsis.com/view/?id=NISX20230109_0002152385&cID=13003&pID=13100
• 서울 인포그래픽스, http://www.si.re.kr/node/58373
• 국가 공간정보 포털, http://www.nsdi.go.kr/
• 기상청, http://www.weather.go.kr
• 서울시 지진안전포털, http://goodhousing.eseoul.go.kr/
• 지오빅데이터 오픈플랫폼, http:// kigam.re.kr
• 미국 지질 조사국, https://www.usgs.gov/
• 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 Building 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.
• 포항시 지진피해를 입은 건물 데이터(포항시청)
• 김성훈, 김상빈, 김대현(2023), “머신러닝과 통계분석 기법을 활용한 건물에 대한 지진취약도 비교분석”, 「산업융합연구」, 21(1): 159-165, 대한산업경영학회
• 김상빈, 김성훈, 김대현(2023), “머신러닝과 통계분석 기법의 비교분석을 통한 건물에 대한 서울시 구별 지진취약도 등급화 및 위험건물 밀도분석”, 「산업융합연구」, 21(7): 29-39, 대한산업경영학회