2.1 연구방법

본 연구는 공공측량 성과심사의 표본추출 개선 방안을 분석하고, 심사자들의 세부적인 표본추출 기준들을 확인하여 자동화 방안을 마련하고자 하였다. Fig. 1을 살펴보면 첫 번째로 우선 공공측량 성과심사 관련 법과 제도를 분석하고 현행 표본추출 현황에 대해 분석하였다. 둘째, 심사자 면담을 통해 표본추출의 세부적인 표본추출 기준과 심사자의 판단을 배제할 수 없는 근거를 분석하였다. 셋째, 심사자들의 표본추출 고려사항을 반영하여 자동화 알고리즘 적용 방안을 마련하였다. 넷째, 심사자들의 표본추출 고려사항을 반영한 Python 자동화 프로그램으로 실제 심사자 판단추출 데이터와 비교분석 하였다. 마지막으로 연구의 결과를 요약하며 해당 연구의 한계점 및 추후 연구과제에 대해 제시한다.

Fig. 1. Study Flow Chart

2.2 연구표본선정

지하시설물 측량은 지하공간을 안전하게 개발하고, 체계적으로 관리하기 위하여 도로와 지표면 아래 매설된 시설물 및 구조물을 대상으로 조사 및 탐사 측량 등을 실시하고 도면 및 수치로 표현하여 데이터베이스로 구축하는 작업이다. 지하 관수로, 지하시설물 등 지표면 아래에 매설한 시설물 및 구조물의 위치 확인을 위한 측량으로써 지하매설물측량이라고도 한다. 최근 5년간 공공측량 성과심사 접수 현황을 분석하여 성과심사 분포를 확인하였다. Fig. 2를 살펴보면 지하시설물측량이 전체 심사 물량의 80% 이상을 차지하였으며, 자동화를 위한 많은 데이터 확보를 위해 자동화 프로그램의 표본으로 선정하고 연구하였다.

Fig. 2. Percentage Graph of Public Survey Types by Year

2.3 연구지역

Fig. 3는 본 연구의 연구 지역인 **시의 지하시설물도 현장이다. 총 연장 129.54 km의 상수도 현장이며, 작업방법이 다양한 현장이다.

각 작업 방법 모두 표본이 추출되어 전체적인 경향을 나타내어야 하고, 심사비율에 따라 20%를 표본추출 하여야 한다. 신규실측, 신규탐사, 신규불탐, 기존정탐, 기존불탐 등의 다양한 작업방법으로 구성되어 있으며, 총 연장의 20%인 26.00 km를 표본추출 하였다.

Fig. 3. Underground Facility Maps

2.4 심사자 면담을 통한 표본추출 고려사항

표본추출 방법은 심사자의 경험 및 전문성에 의존하여 판단추출로 표본을 추출하였다. 심사자 면담을 통해 표본추출의 세부적인 기준을 분석하였으며, 심사자의 판단을 배제할 수 없는 근거를 검토한 결과 심사자 면담에서 공공기준점 및 지하시설물 등 성과심사의 표본추출이 대부분 심사자의 판단추출로 이루어지고 있음을 알 수 있었다. 항공사진과 관련된 성과심사의 경우 대부분이 부분적으로 자동화가 이루어지고 있으나, 면적과 지형지물, 하천 등을 고려해야 하는 1차적인 표본추출 과정에서는 불규칙한 지형의 특성을 모두 반영할 수 없는 무의 특성상 심사자의 개입을 완전히 배제하기는 어려움을 알 수 있었다. 지하시설물측량의 표본추출 고려사항은 Table 1과 같다. 주요 표본추출 고려사항은 넓은 지역을 표본추출을 하거나 다양한 작업 방법 및 수행기관이 있는 경우 지역에 비례하여 표본을 추출한다.

지하시설물도 측량은 실내심사와 현장심사로 이루어지고 있다. 실내심사의 경우 연장과 시설물을 고려한 20%를 표본으로 추출하여 심사하며, 현장심사에서는 간선도로, 터널 등 현장환경을 고려하여 전체물량에서 2%를 추출한다. 시설물이 다양할 경우나 작업기관이 다수일 경우, 실측과 탐사가 병행된 현장인 경우 등 여러 가지 사항을 고려하여 심사자가 판단 후 추출한다. 특히 지하시설물측량 현장심사의 경우 성과심사 지역의 안전 및 심사에 적합한 지역선정을 위해 심사자의 판단이 필요한 것으로 판단된다.

2.5 Python 자동화 프로그램 알고리즘 구현

성과심사 표본추출은 공정성 확보를 위한 무작위 추출과 성과심사 현장의 다양한 여건을 반영한 전문가적인 판단추출 모두 고려되어야 한다. 성과심사의 경우 효율적인 표본추출을 위해 심사자의 전문적인 지식과 다양한 현장 여건을 고려한 판단추출이 가장 적합한 표본추출 방법이나 자동화 프로그램을 활용해 전문가 개입을 최소화하여 표본추출의 공정한 심사결과를 기대할 수 있다. 본 연구에서는 심사자의 전문성을 반영한 자동화 알고리즘 방안으로 오픈소스인 Python을 활용하여 자동화 프로그램을 구현하였다. Fig. 4는 Python을 활용한 표본추출 주요 적용코드의 일부이다.

Fig. 4. Python Automation Program Algorithm

3.1 표본추출

지하시설물측량의 공공측량 성과심사 제출성과는 CAD파일이고, Python 자동화 알고리즘을 활용하여 표본추출을 하기 위해, 속성정보를 자동화 프로그램에 맞게 수치화하여야 한다. 각 도엽들은 연장과 시설물에 대한 속성정보를 담고 있으며, 자동화 표본추출을 위해 속성들을 정리한 물량산정표가 필요하다. Table 2는 도엽의 속성정보를 작성한 물량산정표의 일부를 나타낸 것이다.

지하시설물도에서 속성정보를 기반으로 물량산정표로 작성하였으며, 작업방법별 및 시설물은 수량으로 작성하였다. 심사자의 표본추출 전문성을 반영하기 위해 연장과 시설물이 충분한 도엽들을 기준으로 표본을 추출하도록 구축하였으며, 연장과 관계없이 작업방법 모두 표본추출이 가능하도록 설정하였다.

3.2 비교분석

지하시설물도 자동화 표본추출 프로그램은 규정에 명시된 표본추출 비율에 따라 총연장의 20%를 표본추출하고 추출 결과가 부족할 경우 추가적인 표본추출이 될 수 있게 설정하였다. 본 연구에서 적용된 지하시설물측량 자동화 알고리즘은 연장이 충분하고 시설물이 많은 도엽이 우선적 추출이 되도록 구현되었다. Fig. 5는 심사자 판단으로 추출된 표본과 자동화 프로그램으로 추출한 표본을 비교하기 위한 지하시설물도이다.

Table 3은 성과심사자의 표본추출 고려사항 및 판단추출을 기반으로 자동화 표본추출된 데이터와 심사자 판단추출 데이터를 비교 분석하였다. 그 결과 심사자의 판단추출 방법과 같이 심사비율에 따른 표본추출 연장을 충족하였고, 시설물이 많은 지역을 표본추출하여 대표성 있는 지역을 선정하였다.

Fig. 5. Underground Facility Maps Sampling: (a) Examiner Judgment Sampling, (b) Automation Program Sampling

3.3 연구의 한계점

본 연구는 공공측량 성과심사 표본추출 시 심사자의 판단으로 표본을 추출하는 기준을 성과심사 자동화 표본추출 프로그램에 시범 적용하였다. 자동화 표본추출 프로그램으로 추출한 데이터와 실제 심사자 판단추출 데이터를 비교함으로써, 다음과 같은 한계점을 확인할 수 있었다. 먼저 심사자의 판단추출 고려사항 중 정성적인 부분에 관한 판단 모두를 자동화 프로그램으로 추출하기에는 어려움이 있었다. 그리고 실측과 탐사가 병행된 현장에서는 업무의 특성을 반영하여 고려하여 심사자가 판단 후 추출한다. 여기에서 지하시설물측량 현장심사의 경우 성과심사 지역의 안전 및 심사에 적합한 지역선정을 위해 심사자의 판단이 필요하므로 자동화 알고리즘의 한계를 나타내었다. 그리고 연장과 시설물을 고려해 표본추출을 20%로 하면 지엽적인 표본추출로 성과심사의 신속성 및 효율성에 대한 한계점을 확인하였다. 그리고 소수의 심사자가 아닌 많은 여러 전문가의 표본추출 데이터가 필요하다. 본 연구에서 개발된 지하시설물도 자동화 표본추출 프로그램은 심사의 특성상 충분한 데이터를 확보하지 못하여 심사자의 전문성을 충분히 반영하기에는 한계가 있었다. 추후 다양한 표본데이터가 충족된다면 신뢰도가 높은 자동화 표본추출이 가능할 것으로 기대된다.