1. 서 론

도시지역은 자연유역과는 달리 공간적으로 주거지역, 공업지역, 상업지역, 교통지역 등 다양한 토지피복을 가지고 있으며 지상으로 다양한 높이의 구조물들이 질서정연하게 혹은 무질서하게 위치하고 있다. 최근 도시지역에 발생하는 국지성 집중호우로 인한 침수는 기존 우수관거의 통수능 부족 및 빗물받이 폐쇄 등의 원인으로 인하여 발생하며 건물의 밀집정도와 도로의 분포상태에 따라 침수로 인한 흐름 특성이 매우 복잡하다.

도시지역에서의 침수발생은 막대한 재산상의 피해와 인명피해로 이어질 수 있기 때문에 침수 발생가능성 예측 및 흐름 특성 분석의 중요성이 증가하고 있다. 침수에 관한 사례분석과 예측을 위한 기존의 연구는 주로 다양한 수치해석기법의 역사와 함께 발전해 왔다. 국외의 경우 Hsu et al. (2000)은 도시지역의 유출해석을 통하여 발생한 월류량과 유한차분기법을 적용하여 침수해석을 실시하였고, Schubert and Sanders (2012)가 2차원 천수방정식을 해석하기 위해 개발한 Godunov형 유한체적모형을 적용하여 도시지역에서 건물의 격자처리방안에 따른 침수해석 연구를 수행하였으며, Kim et al. (2014a)는 2차원 유한체적 홍수범람 해석모형과 SWMM 모형의 연계를 통해, 도시지역 실측 홍수흔적도를 이용한 SWMM 모형의 매개변수 산정방법을 보여주었다. 국내에서는 Lee et al. (2006)이 유한차분기법을 적용하여 도시지역의 침수해석을 하였고 Kim et al. (2009)이 유한체적기법을 통하여 댐 붕괴로 인한 침수해석에 관한 연구를 수행하였다. 특히 도시지역의 경우 건물과 도로 등 다양한 구조물을 반영하기 위하여 고해상도의 격자를 활용하며 Cho et al. (2011)은 건물과 도로의 영향을 분석하고자 2m의 격자를 활용하였다. 수치해석기법은 공간격자의 크기가 모의 시간간격에 영향을 미치기 때문에, 조밀한 격자의 사용은 자연스레 시간간격도 줄어들 수 밖에 없다. 그러므로 동일한 면적에 대하여 침수해석을 수행할 경우 공간격자의 크기가 작을수록 모의 수행에 반영되는 격자의 수가 증가할 뿐만 아니라, 모형의 안정성을 위해 CFL (Courant–Friedrichs–Lewy)로 제어되는 계산시간간격을 작아지게 되므로 전체모의시간이 증가된다. 이를 해결하기 위하여 병렬화 기법을 적용하기 위한 다양한 도구들이 개발되었으며, 그 중 OpenMP (Open Multi-Processing)와 MPI (Message Post Interface)가 널리 사용되고 있다. Neal et al. (2009)은 하도와 홍수터에 대한 범람해석을 위해서 운동파방정식과 저류방정식을 OpenMP를 적용하였고, Yu (2010)는 확산파를 적용한 홍수범람모형에 대해 MPI기법을 이용하여 병렬화하였으며 Sanders et al. (2010)은 비구조적 격자를 적용한 유한체적모형을 MPI기반으로 한 연구를 수행하였다. 국내에서는 침수해석에 있어 병렬화 기법을 적용한 연구는 시작단계에 있으며 Kim et al. (2014b)이 MPI를 적용하여 2차원 유한체적모형의 계산 성능을 개선하였다. 병렬화 기법을 적용한 연구가 만족할 만한 성과를 이뤄 MIKE FLOOD, XP-SWMM과 같은 상용프로그램에 적용되고 있다.

그러나 2차원 침수해석을 위한 기법의 지배방정식이 단순하여 정확도 및 적용성에 문제가 나타날 것으로 판단되며 도메인 분할 방법에 따라 계산 속도의 성능향상이 달라지는 등 여러 가지 제약이 따를 것으로 보인다(Kim et al., 2014b). 또한 침수해석시 혼합격자에 대한 병렬화 기법 적용은 그 실효성에 의문이 제기되고 있으며 병렬화 기법 또한 무작위로 증가하는 격자 수를 반영하고자 할 경우 전체 모의시간은 증가할 수 밖에 없다.

도시지역에서 발생한 침수는 대부분 빗물받이를 통하여 하수관거로 유입되지 못한 노면수와 하수관거의 통수량을 상회하는 유량의 월류로 인한 것이다. 이렇게 발생한 지표류는 건물들 사이의 도로를 따라서 이동하며, 흐름의 이동 중간에 차수벽 혹은 방지턱이 없는 건물의 지하공간 혹은 1층에 침수를 유발하기도 한다. 각 지방자치단체에서 제공하는 침수흔적도에서도 확인할 수 있듯이, 침수의 확산은 도로를 따라 저지대로 이동한다. 그리고 일반적인 도시침수 피해사례에서는 침수심이 건물 높이보다 낮기 때문에 건물의 높이보다는 정확한 위치정보 및 평면적 형상이 중요하며 건물 안으로의 흐름을 고려하지 않는 경우 건물이 차지하는 면적을 계산영역에 포함시키는 것은 비효율적이다.

따라서 본 연구에서는 정확성이 보장되는 기준에서 효율적으로 침수해석을 수행하기 위한 방안으로 건물영역을 닫힌 경계조건으로 설정하고 침수의 이동경로인 도로를 계산영역으로 하여 2차원 침수해석을 수행하고 실시간 예경보를 위한 정확성과 효율성을 검토하고자 한다. 본 연구에서 제시한 방법에 따라 지형자료 및 침수해석을 위한 기초자료를 도시 배수시스템을 가진 대상유역에 대하여 구축이 된다면 정량적강수추정(QPF, Quantitative Precipitation Forecast)에 대한 침수정보를 보다 빠른 시간에 제공할 수 있을 것으로 판단된다.

2. 연구수행 방법

하수관거의 용량부족, 하천역류 그리고 노면배수 등 내수배제 능력의 부족으로 침수가 발생하는 경우 재해 예방차원에서 어느 영역까지 침수가 확산되며 어느 정도의 깊이까지 침수가 발생할지 등 침수 양상을 파악하는 매우 중요하다. 그러나 도시지역은 비도시지역과 달리 지표류가 토지피복과 배수시스템과 같은 인위적인 요소에 의해 영향을 받으며 흐름과정에서 도로 및 건물과 같은 시설물에 의해 변화한다. 따라서 도시지역에서 정확한 침수해석을 위해서는 작은 격자크기로 지형자료를 생성할 필요가 있다. 격자의 크기가 작을수록 해석 격자의 수가 증가하고 그에 따라 계산시간간격이 줄어들기 때문에 전체 모의시간은 기하급수적으로 증가한다. 그러나 침수위험성평가와 같은 설계강우량을 이용한 도시지역의 치수계획규모를 결정하기 위한 침수해석이 아닌 실제 예측 강우정보에 대한 홍수예경보를 위한 침수해석은 정확성뿐만 아니라 모의시간이 중요하다. 따라서 본 연구에서는 모의시간을 단축하기 위하여 실제 계산에 참여하는 영역만을 고려하여 침수해석을 수행하였으며, 본 장에서는 실제 계산영역만을 고려하는 방법과 2차원 침수해석모형에 대하여 설명하고자 한다.

2.1 수치지형도를 이용한 도로네트워크 추출

수치지형도는 토지이용 용어사전(Ministry of Land, Transport and Maritime Affairs, 2011)에 따르면 “측량결과에 따라 지표면 상의 위치와 지형 및 지명 등 여러 공간정보를 일정한 축척에 따라 기호나 문자, 속성 등으로 표시하여 정보시스템에서 분석, 편집 및 입출력할 수 있도록 제작된 것”을 말한다. 국립지리원에서 제공하는 1/1,000지도에 대한 지형 및 지물코드를 이용하여 중분류 ‘AD’에 해당하는 도로레이어를 추출할 수 있다. 도로레이어의 경우 폴리라인으로 구성되어 있기 때문에 2차원 침수해석을 위해서 폴리곤으로 변환하였다. 따라서 가장자리의 폴리곤을 제외한 각 폴리곤은 지형격자 생성시 닫힌 경계조건으로 하나의 건물군으로 인식되어 흐름의 유입을 차단하여 도로를 따라 흐름이 이동하도록 구성하였다. Fig. 1은 삼성배수분구의 1/1,000 수치지도를 보여주며 지형격자를 생성하기 위해 요구되는 지표면의 표고값은 원 LiDAR자료로부터 생성된 1m 해상도의 DSM (Digital Surface Method) 지형정보로부터 빌딩과 초목을 제거한 후 보정한 DEM (Digital Elevation Method)에 수치지도로부터 획득한 건물레이어를 다시 합성한 DSM (Fig. 2)으로부터 추출하였다. Fig. 3(a)는 수치지형도로부터 추출한 도로레이어를, Fig. 3(b)는 한 포털사이트의 지형도에서 제시된 도로레이어를 나타내었다.

2.2 2차원 침수해석모형

도시 배수시스템의 과부하로 인해 월류가 발생할 경우, 월류된 유량으로 인한 2차원 내수침수 해석을 위하여 본 연구에서는 Godunov형 유한체적모형을 적용하였다. Godunov기법은 절점이 아닌 각 격자내에서의 수치해가 일정하다는 가정으로, 격자 경계면에서의 Riemann해를 계산하고 이 결과를 흐름율로 나타내며, 인접격자에서의 Riemann 문제에 대한 흐름율 영향을 차단하기 위하여 계산시간 간격에 제한을 둔다(Guinot, 2003). 적용한 유한체적 침수해석 모형은 2차원 천수방정식을 기본방정식으로 하며, 보존변수로 이루어진 2차원 천수방정식을 벡터형태로 나타내면 다음 Eq. (1)과 같다.

 (1)

여기서, 는 보존변수들로 이루어진 물리적 벡터, 그리고 및 는 각각 와 방향의 흐름율, 는 생성항 그리고 는 도시 배수시스템 해석모형과 2차원 침수해석 모형을 연결해주는 항으로 본 연구에서는 SWMM 모형에서 산정된 월류량이 을 통해 입력됨으로써 연구유역에 대한 2차원 침수해석이 이루어졌다.

, ,

(2a)

, (2b)

와 는 각각 와 방향의 속도, 는 중력가속도, 는 수심, 는 하상경사로 및 방향에 대해 각각 , 로 표현되며, 와 는 각각 및 방향의 마찰경사이다. 본 연구에서는 시간단계의 격자 중심에서의 보존변수 를 계산하기 위해서 다음과 같은 2단계 시간분할기법을 적용하였다. 첫 번째 단계(과 )에서는 흐름율 와 가 고려되고(Eq. 3a), 두 번째 단계(과 )에서는 첫 번째 단계에서 계산된 보존변수 와 생성항 그리고 SWMM 모형과 2차원 침수모형을 연결시켜 주는 항인 가 고려되어 다음 시간단계()에서의 보존변수가 계산되어진다(Eq. 3b).

 (3a)

 (3b)

여기서 및 는 각각 계산격자()의 면적 및 계산격자를 구성하고 있는 경계면의 수 그리고 는 격자 의 번째 경계면 길이를 나타낸다.

3. 대상지역 선정 및 결과분석

3.1 대상유역

본 연구의 대상유역은 실제 침수피해가 발생한 탄천 배수구역 내 삼성 1, 2 배수분구이다. 지리적으로는 서울시의 동남부에 위치하고 동쪽으로는 탄천을 경계로 하고 있으며 삼성 1배수분구의 면적은 191.19ha, 삼성 2배수분구의 면적은 210.23ha이다. 대상유역은 주거 및 상업지역이 밀집되어 있어 90%이상의 높은 불투수율을 보이고 있다. 이에 따라 유출량은 증가하고 첨두유출량까지의 도달시간이 짧아지는 반면 지형적으로 저지대에 위치 및 완만한 경사로 인하여 배수가 원활하게 이루어지지 않아 침수 발생 가능성이 높다. 이에 대비하기 위하여 배수분구 종합정비 및 하수관 개량사업을 해당 지자체에서 추진할 계획에 있다. 적용 호우사상은 2010년 9월 21일에 발생한 호우사상으로 일찍 맹위를 떨치고 있던 북쪽의 시베리아 기단과 남쪽의 따뜻한 북태평양 기단이 한국 중부에서 서로 충돌해 강한 정체 전선이 비구름대를 형성하여 12시에서 17시 사이에 대부분의 강우를 발생시킨 전형적인 국지성 강우이다. 특히 해당유역 내 관측소에서 6시간 지속시간 최대강우량이 500년 빈도에 해당되었으며 총 누가우량은 293mm로 관측되었다.

3.2 지형정보 생성

도로네트워크를 구성하기 위해서 AutoCAD를 이용하여 축척 1:1,000의 수치지형도 Ver. 2.0의 도로경계 레이어를 추출하였으며 도로중심선을 보조데이터로 활용하였다. 대상유역은 16개의 수치지형도(도엽번호: 77052271~77052273, 77052281~77052284, 77052291~77052294, 77090201~77090203, 77052190, 77052100)에 걸쳐 있다. 본 연구는 대상유역의 면적전체를 고려하는 것이 아니라 도로네트워크만을 고려하기 때문에 무엇보다도 정확한 표고값이 요구된다. 따라서 본 연구에서는 항공 LiDAR 자료와 KOMPSAT-2 위성영상으로부터 상세한 입체적 공간정보를 구축하고 1m의 고해상도 DEM을 생성하였다(Fig. 2).

2차원 침수해석을 위해 추출된 도로네트워크를 대상유역의 경계로 하여 Fig. 4(a)와 같이 격자를 구성하였다. 그리고 도로네트워크만을 고려한 2차원 침수해석의 정확성과 효율성을 비교하기 위하여, 건물을 포함하는 전체 대상유역에 대하여 Fig. 4(b)와 같이 정형격자를 구성하였다. 동일한 DEM을 적용하더라도 정형격자로 모의영역을 구성할 경우, 도로네트워크는 왜곡된 형태로 표현될 수 있으므로 부정확한 해석결과가 도출될 수도 있다. 따라서 본 연구에서는 추가적으로 정형격자와 비정형격자에 따른 해석결과의 차이를 비교하기 위하여 Fig. 4(c)와 같이 Fig. 4(a)의 비어있던 건물군 영역에 비정형격자를 구성하였다. 이와 같은 방법으로 구성된 격자의 수는 Fig. 4(a)는 58,865개 (b)는 101,751개 그리고 (c)는 209,353개이다. 특히, 도로네트워크만을 고려할 경우 Fig. 4(a)에 표시된 삼릉공원은 모의영역에서 제외되어야 하지만, 삼릉공원의 경우 유량의 유입가정조건이 차단된 건물영역이 아니므로 본 연구에서는 침수의 확산에 영향을 미칠 것으로 판단되는 삼릉공원을 모의 영역에 포함시켰다.

3.3 배수능력 초과 월류량 산정

본 연구에서는 1971년 미국 EPA의 지원 아래 개발된 동역학적 추적에 의해 수리학적 유량계산을 수행하는 SWMM 모형을 적용하여 우수 및 하수관거의 통수능을 초과하여 발생하는 월류량을 산정하였으며, 이 월류량은 도시지역 침수해석 모의를 위한 2차원 범람해석 모형의 입력자료가 된다.

SWMM 모형의 적용을 위해 대상유역이 포함된 삼성배수분구를 322개 소유역으로 분할하였으며, 배수관 용량 부족 및 관거 계통불량으로 인해 발생하는 월류량을 모의하고자 직경 600mm 이상부터 관망을 고려하여 최대한 상세하게 소유역 및 관망을 추출하여 맨홀 및 관망을 각각 331개로 구성하였다(Fig. 5). 매개변수 중 조도계수는 Lee et al. (1996)이 제안한 기준에 따라 산정하였으며, 상업지구에 해당하는 유역은 0.02, 공원이나 저밀도 주거지역에는 0.04를 사용하였다. Fig. 5는 삼성배수분구의 하수관망과 맨홀의 위치를 나타내고 있으며, 파란색 원으로 표시된 지점은 모의 대상유역 내에 월류가 발생한 맨홀을 나타낸 것이다. SWMM 모형의 강우 입력 자료는 기상청 강남자동기상관측소 10분 단위 강우량을 사용하였다. 삼성배수분구의 최종출구점이 탄천하구에 접하고 있으나 수위 관측지점 자료가 부족하여 경계조건을 수위 자료가 활용가능하고 한강의 수위상승에 따른 배수영향을 고려할 수 있도록 영동대교까지 약 1.3km를 연장하였다. 따라서 하류단 경계조건은 한강홍수통제소에서 제공하는 영동대교의 10분 단위 수위관측 정보를 활용하였다(Fig. 6). Fig. 7은 상대적으로 큰 월류량이 발생한 두 지점(Junction 118, 162)에서의 모의결과를 보여주며, 두 지점의 위치는 Fig. 5(붉은 색 원)에서 보여준다.

3.4 2차원 도시지역 침수해석

2차원 침수해석은 맨홀에서 월류가 발생한 13:00부터 맨홀에서 월류가 중단된 시점부터 30분 후인 16:00까지 총 3시간에 대하여 모의를 실시하였으며 계산시간 간격은 0.05초이다. 조도계수는 우리나라와 지형적 조건이 유사한 일본에서 사용하는 합성조도계수 산정방식을 적용하였으며 산정공식은 다음과 같다.

 (4)

 (5)

여기서, 은 합성조도계수, 는 저면조도계수, 는 건폐율(%), =0.060(농지), =0.047(도로), =0.050(기타), 은 농지면적(m²), 는 도로면적(m²), 는 기타 토지이용면적(m²), 는 수심(m) 이다.

2010년 업그레이드 된 서울의 도시생태현황도(biotope map)의 8개 주제면 중에서 불투수토양포장도에 제시된 건폐율과 토지이용을 활용하여 분할된 면적에 따라, 평균 건폐율과 각각의 토지이용 면적을 산정하였다. 각 토지이용 면적 산정을 위해, 도시생태현황도의 비오톱 유형도에 따라 경작지 비오톱을 농지면적으로, 교통시설 비오톱, 공업지 및 도시기반시설지 비오톱 그리고 상업 및 업무지 비오톱을 도로면적으로, 그 외 나머지 비오톱을 기타면적으로 산정하였다. 여기서 비오톱이란 서울특별시 도시계획조례 제 24조에 따라 특정한 식물과 동물이 하나의 생활공동체를 이루어 지표상에서 다른 곳과 명확히 구분되는 생물서식지를 말한다. 합성조도계수의 산정에 있어서 건폐율과 수심은 가장 큰 비중을 차지하는 중요한 변수이다. 건폐율을 GIS tool을 이용하여 산정이 가능하지만, 수심은 강우량과 맨홀의 월류량에 따라 값이 변하기 때문에 산정이 쉽지 않다(Son, 2014). 본 연구에서는 2010년 9월 21일 대상유역에 발생한 침수에 대한 당시 사진에서 차량의 바퀴가 잠긴 것을 토대로 최대 침수심을 0.5m로 파악하였으며(Fig. 8), 이 값을 Eq. (4)에 대입하여 합성조도계수 0.031을 산정하였다.

위와 같은 입력변수들을 적용하여 2차원 침수모의를 수행하였으며, 그 결과는 Figs. 9 and 12, Table 1~3에서 보여준다. Fig. 9에서 볼 수 있듯 확산된 침수구간은 유사하지만 정량적인 판단을 위하여 침수면적과 침수심에 대하여 분석을 하였으며 본 연구의 또 다른 목적인 총 모의수행시간에 대해서도 비교하였다. 모의수행시간은 계산환경에 따라 달리질 수 있으므로, 동일한 환경에서 각 조건별 모의를 5회 반복한 후 평균값을 Table 1에 제시하였다. 각 조건별 총 격자수는 도로네트워크만을 고려한 경우(Case 1)는 58,865개, 건물군 영역을 정형격자로 구성한 경우(Case 2)는 101,751개이고 건물군 영역을 비정형격자로 구성한 경우(Case 3)는 209,353개이고 총 모의시간은 Case 1은 10,071초, Case 2는 18,018초, 그리고 Case 3은 27,101초가 소요되었다. 따라서 Case 2와 Case 3의 총 모의시간은 Case 1의 총 모의시간에 약 2배와 4배로 증가하였으며 지형격자 수에 비례하는 것을 확인할 수 있었다.

모의 결과는 도로네트워크로 구성된 도로영역과 도로네트워크 외의 건물영역으로 나누어 분석을 수행하였다. 먼저 도로영역의 경우 Fig. 9에서 확인할 수 있듯이 Case 1이 모든 영역을 고려한 경우보다 침수영역 내의 침수가능폭(width prone to inundation, Fig. 10)이 좁기 때문에 실제 모의결과 역시 침수면적이 더 작은 것을 알 수 있다. 이는 도로네트워크만을 고려한 경우는 실제 건물사이의 침수가 가능한 작은 골목길이나 건물 앞 부지(건물 진입로, 인도 등)가 반영되지 않았기 때문이다. Fig. 11은 건물영역 내에 침수가 가능한 다양한 토지이용을 보여주고 있다. 침수면적 중 건물영역에서 발생한 침수면적을 제외한 도로영역(Fig. 11에서 Road Network 영역에서의 침수)만의 침수면적을 비교하기 위하여, Eq. (6)을 사용하여 각 Case별 적합도를 산정하였다. Eq. (6)에서 은 기준이 되는 조건 그리고 은 비교 대상이 되는 조건으로(Son, 2014), 본 연구에서의 각 조건에 대한 적합도는 약 85% 이상 일치하는 결과를 보여주었다(Table 2).

(%)= (6)

건물영역에 대한 해석결과는 Fig. 12에서와 같이 Case 2와 Case 3에 대하여 비교하였다. 정형격자의 경우, 건물의 형상을 비정형격자에 비하여 정확히 반영하지 못함으로 인하여 유량의 유입이 차단된 건물임에도 불구하고 침수가 발생한 것을 확인할 수 있었으며(Fig. 12(a)), 비정형격자 기반이 정형격자에 비해 보다 정확하게 건물의 형상을 반영함으로써 건물 내 침수가 발생하지 않았다(Fig. 12(b)). Table 3은 각 Case 별 모의결과 발생한 총 침수면적, 즉 도로네트워크뿐만 아니라 건물영역을 모두 포함하여(Fig. 11에서 Road Network & Building Zone에서의 침수) 적합도를 계산한 것으로 도로네트워크만을 고려한 적합도보다(Table 2) 상대적으로 낮은 값을 보였다.

침수심의 경우, 상대적으로 침수면적이 작은 Case 1에서 평균 및 최대 침수심이 가장 높게 발생하였고, 도로네트워크 영역 내에서의 각 조건별 평균 침수심의 차이는 불과 2cm정도를 보여주며(Table 1), 삼릉공원 내에서 침수심 차가 큰 것으로 나타났다.

각 조건별 모의결과, 동일한 DEM을 활용하였음에도 불구하고 도로영역 내에서는 침수면적과 침수심에서 큰 차이를 보이지 않았으나(Table 2) 건물영역 내에서는 지형격자의 형성구조 및 크기에 따라 차이점을 보이고 있기 때문에(Table 3) 건물영역 내 침수에 대한 불확실성을 줄이기 위해서는 지형 및 건물영역을 잘 반영할 수 있는 작은 지형격자 및 비정형격자를 활용할 필요가 있다. 하지만, 작은 지형격자 및 비정형격자로 구성된 건물영역을 고려하여 침수해석 모의를 실시할 경우, 침수에 대한 불확실성을 줄일 수 있을지라도 격자수가 증가함에 따라 지형격자 생성에서부터 모의가 완료되는 시점까지 상대적으로 소요시간이 오래 걸리는 단점을 내포하고 있다(Table 1). 특히 비정형격자의 경우, 지형의 형상은 가장 효과적으로 표현하나 이로 인하여 가장 오랜 시간이 소요되었다. 홍수시 건물영역에 대한 침수예경보는 인명피해를 최소화하기 위한 필수조건이지만 실시간 홍수예경보를 위해서는 계산 소요시간이 오래 걸리기 때문에 이에 대한 대안이 필요하다.

본 연구에서는 각 모의조건에 따른 건물영역에 대한 침수등급을 산정하는 기준을 제시하고, Case 별 침수등급을 산정하였다. 먼저 Case 1의 건물영역에 대한 침수등급을 산정을 위하여, 건물영역과 도로네트워크가 만나는 면에 침수가 발생하면, 주변 도로의 4개의 면에서 침수가 발생할 경우는 4등급, 3개의 면에서 침수가 발생한 경우는 3등급, 2개의 면은 2등급, 1개의 면은 1등급으로 구분하는 기준을 본 연구에서는 설정하고(Fig. 13(a)), 침수등급을 산정하였다(Fig. 13(b)). Case2와 Case3의 경우는, 건물영역 내 실제 건물을 배제한 면적대비 침수가 75%이상이면 4등급, 50%이상이면 3등급, 25%이상이면 2등급, 침수가 조금이라도 발생한 경우 1등급으로 하는 기준을 적용하여, Figs. 13(c) and 13(d)에서 보여주는 것처럼, 건물영역 내 침수등급을 산정하였다. Fig. 13(c)에서 1, 2로 표시된 건물영역을 제외한 40개의 건물영역에서 Case 1, 2 그리고 3 의 침수등급은 일치하였으며(일치율: 95%), 침수등급 기준 설정에 대한 연구가 좀 더 이뤄진다면, 건물영역에 대한 더 정확한 침수정보를 제공해줌으로써 도로네트워크만을 활용한 침수해석의 단점을 보완할 수 있을 것으로 사료된다.

따라서 건물 영역내에 지하구조물의 유무, 주변 도로영역의 침수심 등을 고려한 침수등급 방법을 개발한다면 도로네트워크만을 이용하여 침수해석을 수행한 뒤 각 건물영역에 대한 침수등급을 매겨 빠른 시간 내에 예경보를 할 수 있을 것으로 보인다.

3.5 비교 및 고찰

각각의 해석결과를 서울안전누리 홈페이지를 통해 서울시가 제공하는 침수흔적도와 비교하였으며 그 결과를 Fig. 14에 제시하였다. 침수흔적도는 폴리곤으로 제시된 도로 침수영역과 국가재난관리정보시스템(NDMS)에서 주소로 제시된 정보를 ArcGIS tool을 활용하여 포인트로 표출하거나 그 포인트를 다시 건물 및 가옥의 형상으로 폴리곤화한 영역으로 나눌 수 있다. 건물 및 가옥 침수의 경우 피해보상 등의 문제 때문에 침수신고가 접수된 현장에 해당 지자체 담당 공무원이 직접 방문하여 확인 절차를 거친다. 따라서 신뢰정도가 높다고 할 수 있다. 본 연구에서는 각 건물 혹은 가옥으로 유입되는 유량이 없다는 가정을 전제로 하여 건물 및 가옥의 침수여부를 모의결과로부터 확인할 수 없으나 해석결과 건물 및 가옥 주위에 침수가 발생한 경우 해당 지점이 침수되었을 것으로 판단하였다. 모의 영역 내 실제 침수가 발생한 건물 및 가옥은 14개 지점으로 Case 1은 9개 지점, Case 2는 10개 지점 그리고 Case 3은 11개 지점이 일치하였다.

도로침수의 경우 침수여부를 판별하는 기준이 되는 침수심에 대한 명확한 기준이 없어 동일한 침수심이 발생하였음에도 불구하고 지역에 따라 침수흔적도에서 차이가 발생한다. 또한 실제 침수가 발생하였음에도 불구하고 피해액이 미미한 공원과 같은 경우 침수흔적도에 대한 신뢰정도는 낮을 수밖에 없다. 모의 결과 삼릉공원내에서 발생한 침수를 제외한 테헤란로 주변의 도로 침수 해석결과는 실제 침수흔적도와 적합도 85%이상으로 비교적 잘 일치하는 것을 확인할 수 있었다. 그밖에 Case 1과 Case 2 및 Case 3에서 많은 차이를 보인 코엑스몰의 경우 Fig. 9에서 확인할 수 있듯이 낮은 침수심 때문에 침수흔적도에서 배제되었을 가능성과 침수해석의 과대 침수면적 산정의 가능성 등 어느 가능성도 배제할 수 없었으며 활용 가능한 관련자료 및 사진 등을 이용한 추가 분석이 필요할 것으로 판단된다.

4. 결 론

본 연구는 실시간 침수예경보를 위한 효과적인 2차원 침수해석 방안을 제시하고 효용성을 검토하고자 한다. 실시간 침수예경보를 위해서는 정확성뿐만 아니라 빠른 해석시간이 요구되므로 격자의 수를 제한하기 위하여 도로네트워크를 적용하여 지형격자를 생성하였으며 이에 대한 비교분석을 위하여 2010년 9월 21일에 실제로 침수피해가 발생한 삼성배수분구의 테헤란로 일대를 대상으로 모의를 실시하였으며 주요 연구결과는 다음과 같다.

(1)수치지형도의 도로네트워크를 적용하여 도로 이외의 영역은 하나의 건물영역으로 인식하고 침수가 발생하지 않도록 경계조건으로 지정한 지형격자를 생성하였으며(Case 1), 비교의 목적으로 도로와 건물의 영역을 구분 짓지 않고 정형격자(Case 2)와 비정형격자(Case 3)를 구성하였다.

(2)각 조건별 총 격자수는 Case 1은 58,865, Case 2는 101,751이고 Case 3은 209,353으로 Case 2와 Case 3는 각각 Case 1의 약 2배와 4배이며 총 모의시간은 각각 10,071초, 18,018초, 그리고 27,101초가 소요되어 지형격자의 수에 비례하였다.

(3)각 조건별 침수면적을 비교하기 위하여 도로네트워크 영역만을 고려한 경우, Case 1과 Case 2의 적합도는 89%, Case 2와 Case 3의 적합도는 88%로 Case 1과 Case 3의 적합도인 91%보다 높았으며 침수심은 Case 1이 평균 침수심뿐만 아니라 최대 침수심도 가장 높았다.

(4)각 모의조건에 따른 건물영역에 대한 침수해석결과를 분석하기 위하여 1~4등급으로 나눈 침수등급을 산정하였으며 42곳의 침수영역 중 2곳을 제외한 건물영역에 대하여 등급에 있어서는 약간의 차이를 보였으나 대체적으로 잘 일치하고 있음을 확인할 수 있었다.

(5)건물 영역내에 지하구조물의 유무, 주변 도로영역의 침수심 등을 고려한 침수등급 산정방법 개발과 도로네트워크를 이용한 침수해석을 함께 수행한다면 실시간 침수예경보에 유용한 정보를 제공할 수 있을 것으로 판단된다.