2.1 인천광역시 대상의 KISTI 침수 예측 솔루션 활용

인천광역시는 국내 지자체 중에서 디지털트윈(이하 DT)기술을 비교적 빠르게 도입하고 고도화시킨 바 있으며 한국과학기술정보연구원(이하 KISTI)은 데이터-인공지능-슈퍼컴퓨팅 기술을 활용하여 인천광역시의 지역정보데이터와 융합하여 실시간 침수 예측 솔루션을 개발 및 고도화하였다. 현실적인 침수피해액의 산정을 위해서는 우선 적절한 강우 예측과 침수예측이 필요하며 본 연구에서는 한국과학기술정보연구원에서 개발한 침수 예측 솔루션 기술로부터 계산된 강우 및 침수심 예측자료와 연계하여 침수피해액 산정을 수행하는 절차를 개발하였다(Fig. 3). 본 기술은 과거 다양한 형태의 홍수 자료를 기반으로 하여 침수영역을 모의할 수 있으며, 또한 다양한 강우 시나리오를 적용하여 다양한 형태의 침수 모의가 가능하다. 특히, 본 기술은 수리학적인 배수 영향을 고려한 모의가 가능하여 내수침수를 위한 모형으로 적합하고, 침수가 발생하는 지점 및 면적, 침수심 등을 상세하게 나타낼 수 있다. 또한, GIS tool과 연계된 지역 정보 데이터가 포함되어 있어, 침수가 발생하였을 때의 피해목적물에 대한 위치 및 건물정보를 곧바로 확인할 수 있다(Fig. 4). 따라서 본 연구는 KISTI의 침수 예측 솔루션으로부터 침수심, 침수면적, 그리고 인천광역시의 지역데이터를 입력값으로 활용하여 구조물 특성별 침수취약곡선을 개별단위로 산정한다. 즉 KISTI 예측 솔루션과의 연계를 위해 1) 본 연구의 기반자료를 공공열람이 가능한 인천광역시의 건물데이터와 도로 및 우수관망데이터로 설정하였고 2) 프로그래밍 언어로는 침수 문제 해결 솔루션에서 사용한 Python 기반으로 구축하였다.

Fig. 3. Urban Flooding Prediction Solution in KISTI

Fig. 4. Samples of Building Data in Incheon City: (a) 3-D buildings, (b) Data Set

적용대상인 인천광역시의 건물데이터가 포함하는 전체 건물의 개수는 287,870개이다. 주요 정보로는 고유 건물번호, 주소, 건축물 용도, 건축물 면적, 연면적, 대지면적, 높이, 건폐율, 용적율 등 총 22가지의 정보가 포함되어 있다. 이 중에서 본 연구에서는 건축물 용도를 기반으로 건물을 용도별로 분류할 수 있는 181,675개의 데이터를 추출하였으며 해당 데이터의 3가지 대표정보(고유 건물번호, 건축물 용도, 건축물 면적)를 활용하여 침수취약곡선을 산정하는 데 사용하였다. 위 건물데이터는 크게 3개의 용도지역(주거지역, 상업지역, 공업지역)으로 분류하였으며 12가지 항목으로 세분화하였다(Table 1).

2.2 데이터 구축

2.3 침수피해액 산정절차

2.3.1 침수취약곡선

국내 실정에 적합한 인벤토리를 기반으로 건축물 용도별 분류체계에 따른 침수취약곡선을 추정할 수 있는 방안을 도출하고자 하였다. 미국의 HAZUS-MH나 기존의 다차원법에서 침수피해액을 산정하기 위해서는 침수취약곡선의 손상비율을 산정하고 행정구역 단위별(침수편입율)로 포괄적인 피해액을 아래 Eq. (1)과 같이 산정한다.

(1)

$직접피해액=\sum_{q=1}^{m}\sum_{p=1}^{n}침수편입률_{p}\times 손상비율_{p,\: q}\times 자산가치_{q}$

여기서 p는 침수심 수준, q는 자산의 종류이며, 자산가치는 Eq. (2)를 통해 산정한다.

(2)

$자산가치=\sum_{q=1}^{m}A_{q,\: k}C_{q}$

여기서 $A_{q,\: k}$는 행정구역 단위 k 내 q의 면적을 의미하며 $C_{q}$는 q의 건축단가이다. 침수취약곡선에서 취득할 수 있는 정보는 Eq. (1)의 손상비율이다. 하지만 침수취약곡선의 추정은 일반인과 전문가 피해조사, 보험사 자료, 등 침수 후 현장조사 자료를 기초로 하여 회귀모형으로부터 제시하기 때문에, 과거 침수피해에 대한 충분한 자료 없이는 회귀분석이 불가능하다. 본 연구에서는 침수피해 조사자료를 활용하지 않고 추론기반의 데이터 생성으로 침수취약곡선을 추정하였으며 전술한 바와 같이 주거지역의 경우 건물 내용물에 대한 항목을 106가지로 세분화하여 국내 실정에 맞는 침수취약곡선을 정량적으로 산정할 수 있는 방안을 마련하였고, 상업지역과 공업지역의 경우 매출액과 영업이익, 재고자산 등을 자산 가치로 사용자가 직접 선택하여 침수취약곡선을 산정하였다.

현재 국내에서 침수피해 추정을 위해 가장 많이 사용되고 있는 다차원법은 주로 직접 피해액만을 고려하며, 간접 피해액을 산정할 시에도 산정된 직접 피해액에서 일정 계수를 곱하는 방식으로 산정한다. 직접 피해 항목은 주거건물과 농업자산(농경지와 농작물), 산업자산으로 단순화되어 있으며 이러한 직접 피해에 대한 평가항목의 단순화는, 피해영역과 관계없이 포괄적인 개념으로 인벤토리를 구축할 수밖에 없기 때문에 자료가 추상적이고 손실 추정 시 실제 피해와 다소 차이가 발생할 가능성이 높다. 본 연구에서는 기존 침수피해 추정에 대한 기반자료 현황을 분석하여 개별적인 인벤토리 구축 개념에 대한 방안을 마련하였다. 본 연구에서는 기본적으로 KISTI의 침수 예측 솔루션 기술을 토대로 하고 있으며 이를 기반으로 구조물 특성별 침수피해 추정기술 도출 방안을 개발하였다(Fig. 5).

Fig. 5. Methodology of Flood Damage Estimation

주거지역의 자산가치 산정을 위해 2018년 한국노총 표준생계비 자료 중 가구 규모별 주택 모형을 활용하여 가구 규모별 거주면적을 확보하였다. 가구 규모별 거주면적을 확보한 이유는 경제성 자료인 가정용품 및 가사서비스 모형 비목의 경우 1인 가구, 2인 가구, 3인 가구, 4인 가구까지 총 4개의 카테고리로 분류한 뒤 단가를 제시하고 있으나 건물데이터는 가구 수에 대한 정보 없이 건축 면적만을 제공하기 때문에 가구별 단가를 면적당 단가로 변환하여 표현해야 하기 때문이다.

제품의 단위면적당 단가는 다음 식과 같이 건물 내용물단가($P_{avg}$)로 산정할 수 있다.

(3)

$P_{avg}=average(\sum_{i=1}^{4}\dfrac{P_{i}}{A_{i}})=\dfrac{\sum_{i=1}^{4}\dfrac{P_{i}}{A_{i}}}{N}=\dfrac{\sum_{i=1}^{4}\dfrac{P_{i}}{A_{i}}}{4}$

여기서, $P$는 제품 단가를, $A$는 가구 면적, 그리고 $N$은 표준생계비 자료에서 분류한 가구의 카테고리 수로서, 여기서는 4가지로 분류되었으므로 4이다. 최종적으로 주거지역 건물 내용물 자산가치의 경우 총 106가지의 항목에 대해 위 Eq. (3)에서 제시된 단위면적당 제품 단가 산출 방법을 활용하여 합산한 뒤, 건물 데이터에서 제공하는 건물별 면적을 곱하는 방식으로 계산할 수 있으며, 따라서 주거지역(단독주택, 공동주택)의 건물 내용물 자산가치는 아래 Eq. (4)를 통해 계산할 수 있다.

(4)

$P_{단독주택 or 공동주택}=(주택 면적)\times\sum_{1}^{106}P_{가구}$

$=(주택 면적)\times\sum_{1}^{106}\dfrac{\sum_{i=1}^{4}\dfrac{P_{i}}{A_{i}}}{4}$

상업지역과 공업지역의 자산 가치 산정도 주거지역 내 단독주택과 공동주택의 건축 내용물 자산가치 산정방식과 유사하게 각각의 산업분류별로 연간 매출액을 365로 나누어 일일 매출액으로 환산하고, 이를 사업체 수로 나누어 사업체별 일일 매출액을 산정한다. 본 연구내용의 적용대상인 인천광역시의 경우 도매 및 소매업 상업지역 중 도매 및 소매업의 경우 평균 면적이 175.6 m², 숙박 및 음식점의 경우 160.2 m², 그 외 산업은 169.0 m²의 평균 면적을 가지는 것을 조사하였다. 이를 토대로 휴업일과 소비자물가지수(매출액과 영업이익 = 1.0445; 재고자산 = 1.7390)을 고려한 상업지역 및 공업지역의 건물 자산 가치는 아래 Eqs. (5)~(7)을 이용하여 계산할 수 있다.

(5)

$P_{매출액}=(건물 면적)\times(휴업일)\times\dfrac{1.0445}{365}$

$\times \dfrac {1} {(평균 연면적)\times(사업체수)}$ $\times P_{연간 매출액}$

(6)

$P_{영업이익}=(건물 면적)\times(휴업일)\times\dfrac{1.0445}{365}$

$\times\dfrac{1}{(평균 연면적)\times(사업체수)} \times P_{연간영업이익}$

(7)

$P_{재고자산}=(건물 면적)\times 1.7390$

$\times\dfrac{1}{(평균 연면적)\times(사업체수)} \times P_{전체 재고자산}$

3.1 주거지역 침수피해액 산정결과

본 연구에서는 주거지역에서 침수피해가 발생할 때 침수심이 1) 최소 피해 발생 가능 침수심보다 낮은 경우, 2) 반지하층이 침수된 경우, 3) 반지하층 및 1층이 침수된 경우로 구분하여 피해액을 산정하였으며 이 경우에는 침수심의 한계를 고려하여 2층이상 침수되는 것은 고려하지 않았다. 차량 피해액의 경우 차량 가격, 기대 수명, 사용 연수를 변수로 설정하여 산정하였다. Fig. 6은 침수취약곡선에 영향을 미치는 106가지의 비목 중에서 가장 큰 영향을 미치는 5가지 주요 피해 내용물 항목 기반 침수심에 따른 피해액을 도시하였다(Fig. 6).

Fig. 6. Results of Flood Damage Estimation in Residential Area

건물내용물 항목 중 도배, 냉장고, 장롱, 책상(책꽂이 포함), 장판 순으로 피해액이 크게 산정되었으며, 이 중 도배 비용이 다른 항목들에 비해 상대적으로 피해액이 크게 산정되었다. 도배로 인한 피해액은 천정고까지 선형적으로 증가하였으며 장판의 피해액은 침수가 발생하게 되면 전파되어 낮은 침수심에서 순간적으로 큰 피해액을 발생시키지만 이후 2층의 추가 피해가 발생하기 전까지는 증가없이 현실적으로 산정되었다. 그 외의 항목은 제품의 높이까지 침수심에 비례하여 피해액이 산정되며 침수피해액이 선형으로 증가 후 일정한 값으로 유지되었다. 주차장에 보관된 차량의 피해액 산정은 차량 1대 당 차량 가격 1,000만원, 사용년수 5년, 기대가치기간 10년을 가정하였고, 침수심이 0.5 m 이하에서는 차량 피해가 없으며, 침수심이 0.5 m 이상 및 1.0 m에서 반파손(half damaged), 침수심이 1.0 m를 초과하는 경우 전체파손(fully damaged)으로 산정하였다(Fig. 7).

Fig. 7. Results of Vehicle Damage in the Underground Parking Lot

3.2 상업 및 공업지역 침수피해액 산정결과

상업지역과 공업지역의 침수심에 따른 침수피해액은 매출액-영업이익-재고자산을 통해 산정하었다. 재고자산의 경우 직접피해에 해당하는 항목으로 침수심에 비례하여 피해가 발생하는 것으로 설정하였고, 매출액과 영업이익의 경우는 간접피해에 해당하는 항목으로 침수피해가 발생하면 영업을 할 수 없다고 가정하여 일일 매출액 혹은 영업이익에 휴업일을 곱한 것만큼 피해가 발생하는 것으로 설정하였다. 상업지역과 공업지역의 개별적인 유형별로 침수심에 따른 침수피해액을 직접 산정하기 위해서 본 연구에서는 다음 표와 같이 침수피해가 발생하는 7가지 가정을 설정하였다 (Table 2).

3.3 건축물 용도에 따른 침수취약곡선 결과

건물 단위의 침수취약곡선은 앞서 얻어진 침수심에 따른 침수피해액 자료를 활용하여 자료들간의 보간법 기반으로 세가지(최대, 최소, 평균값) 값으로 산정하였다(Table 3).

침수취약곡선은 기존 다차원법과는 달리 건물의 용도별로 산정되기 때문에 건물별 자산가치가 각각 고려되어 실제 피해액과 가깝다는 장점이 있고, 건물의 용도별로 서로 다른 변동추이를 확보할 수 있다. 보간법은 Python에 내장된 선형 보간법 함수를 활용하여 구현하였으며, 건물번호, 침수 시나리오 번호, 차량대수, 차량가격, 침수피해 발생가능 최소 침수심 등을 고려하였다. 먼저 주거지역에 해당되는 단독주택과 공동주택의 침수취약곡선을 도출하였으며 그 결과, 공동주택의 경우 반지하층을 포함한 결과가 반지하층이 포함되지 않았을 때보다 침수피해액이 전체적으로 크게 산정되었다(Fig. 8). Fig. 8에서 세로방향으로 붉은 점선으로 나눠진 구간에 따라 침수취약곡선의 형태가 달라지는데 크게 a) 침수피해 발생 가능 최소 침수심을 초과하여 1층에는 피해가 발생하였으나 차량에는 아직 피해가 발생하지 않은 구간, b) 1층과 차량 피해가 동시에 발생하는 구간, c) 2층까지 피해가 발생하는 구간으로 구분되고, 이것은 기존의 다차원법에서 고려되지 않던 결과이다. 또한, 반지하층을 포함한 공동주택의 경우 침수심이 현관의 높이를 넘어서면서 피해액이 급증하는 것으로 나타났다(Fig. 8(b)). 이와 같은 결과는 침수피해액을 산정할 때, 침수심이 최소 피해 발생 가능 침수심을 초과하게 되면 반지하에 거주하는 가구는 1층에 거주하는 가구보다 침수피해가 크게 발생하는 부분이 반영되었기 때문이며, 침수심이 약 3.2 m를 초과하는 경우 단독주택과 공동주택에서 다시 피해액이 급증하는데, 이는 2층에 거주하는 가구에도 발생가능한 피해액의 반영결과이다. 이러한 주거지역 건물 단위 침수취약곡선은 침수심에 따른 침수피해액을 직접 산정한 결과로 도시침수가 발생하였을 때 침수의 형태가 내수침수와 같은 정적인 경우라고 가정을 하였을 때의 결과이다. 따라서 다차원법과 같은 건물의 구조적 손상으로 인한 피해액은 고려되지 않지만 우리나라의 밀집주거지역 특성을 갖는 도심지역에서 충분히 발생할 수 있는 침수 상황이 현실적으로 반영된 결과이다. 또한, HAZUS-MH에서의 건물내용물은 건물대체비용과의 비율(%)로서 정의하는 간접적인 추정방식이므로, 본 연구의 결과가 건물내용물에 대한 피해액 산정에 더욱 정교하고 현실적인 추정 결과라고 판단된다.

Fig. 8. Depth-damage Curve for Various House Types: (a) Detached House, (b) Attached House

상업지역과 공업지역에 포함되는 4종류의 건물에 대해 침수피해액을 산정하였고(Table 4) 침수취약곡선을 추정하였다(Fig. 9). 제1종 근린생활시설과 공장은 재고자산의 피해가 지배적인 반면 교육연구시설과 숙박시설의 경우 매출액의 피해가 지배적으로 산정되었다. 본 연구의 침수취약곡선 중 재고자산의 피해가 지배적인 건물의 경우, 산업분류가 주로 도매업/소매업, 제조업인 항목으로서 실제 해당 산업들은 사업장 내에 대규모로 재고를 쌓아놓기 때문에 재고자산의 피해가 지배적인 것은 타당하다. 매출액의 피해가 지배적인 건물은 산업분류가 주로 개인 서비스업으로 분류되는데 실제로 이에 해당되는 산업들은 인력을 중심으로 운영되는 산업이기 때문에 재고자산의 피해가 적고, 침수 발생으로 인해 영업이 불가한 상황이 발생하면서 매출액 피해가 지배적으로 나타난 결과라고 할 수 있다.

Fig. 9. Flood Vulnerability Curve for Various Building Types: (a) Commercial Accommodation, (b) Community Facility, (c) Educational Facility, (d) Industrial Facility

3.4 기존 기술과의 비교

본 연구에서 제시된 방법을 통한 이용한 피해액 산정결과와 기존에 활용되는 국내 다차원법을 이용한 피해액 산정결과를 비교하였다. 다차원법의 경우, 주거지역, 농업지역, 산업지역으로 나뉘어 주거지역의 경우 건물의 구조적 피해와 건물 내용물의 피해를 따로 산정할 수 있지만, 이번 비교는 단독주택의 건물 내용물만을 대상으로 수행하였다. 다차원법 적용의 제약사항 중 하나는 본래 다차원법이 일종의 Top-Down 방식으로 행정구역 단위로만 침수피해액을 산정하여 건물 단위로의 정확한 침수피해액을 산정하는 것이 어렵다는 점이기 때문에 본 연구에서는 적절한 비교를 위해, 단일건물의 내용물에 대한 자산 가치가 동일하다고 가정하였다. 그리고 침수편입율을 1로 설정하고 손상비율은 침수심의 구간에 따라 아래 Table 5를 기반으로 건물 단위로 침수취약곡선을 산정하였다(Fig. 10).

Fig. 10. Comparison of Flood Damage Estimation between MD-FDA Method and Flood Vulnerability Curve Method

침수취약곡선결과에서 나타난 바에 의하면 다차원법 대비 본 연구의 접근법에 대한 세 가지의 장점을 확인할 수 있다. 첫 번째는 본 연구의 피해액 산정결과는 침수심의 변화에 대해 더욱 유동적이라는 점이다. Fig. 10을 보면 다차원법의 경우 침수피해액이 계단형으로 산정되는 것을 확인할 수 있다. 이는 특정 다섯 가지 침수심 구간에 대해 고정된 손상비율을 갖게 되는 특성 때문이며 이로 인해 다차원법은 침수심이 아무리 다양하게 변동되어도 피해액은 오직 5가지 구간에 대한 변동추이만 확인할 수 있다는 한계가 있으나, 본 연구에서 제시된 방법의 적용결과는 침수심의 변화에 따라 피해액이 비례하여 발생하게 되므로 모든 침수심에 대해서 유동적으로 피해액을 산정할 수 있어 더욱 명확한 근거에 의해 피해액을 산정할 수 있었다. 두 번째로 본 연구의 피해액 산정결과는 국내 환경에 적합한 경제성 자료 및 합리적인 추론을 활용하였다는 점이다. 다차원법의 경우에는 손상비율이 일본에서 제시된 손상비율을 그대로 적용하였기 때문에 국내 환경에 적합하지 않으며, 따라서 실제 피해액과 추정된 피해액 사이의 큰 차이가 존재하지만 이와는 달리 본 연구에서 제시된 방법은 국내 기관(통계청 등)에서 제시된 자료를 활용하였기 때문에 국내 실정에 맞게 침수피해액을 산정할 수 있다. 세 번째로 본 연구의 접근법은 비교적 낮은 침수심 혹은 극단적으로 높은 침수심에 대해 합리적으로 내용물 피해액을 산정할 수 있다. 본 연구의 접근법은 건물 외부 현관을 고려하여 침수심이 현관의 높이를 초과하지 않는 낮은 침수심의 경우 내용물 피해가 발생하지 않는다고 가정하였고 이를 Fig. 10에서 0.3 m 이하의 침수심에 대해 내용물 피해액이 없는 것으로 반영하고 있다. 피해액을 산정할 때에는 계단의 높이와 개수를 가정하여 사용하였으나 이 둘은 각각 하나의 변수로 설정되어 추후 유동적으로 변경하여 활용이 가능하다. 또한, 본 연구의 접근방법은 극단적으로 침수심이 높아져 2층까지 영향을 미치는 경우도 고려하였으며, 이는 Fig. 10에 침수취약곡선을 통한 침수피해액이 침수심 3.0 m에서 3.5 m로 변하면서 다시 한번 급격하게 상승하는 구간을 통해 확인할 수 있다.

이 방법은 기존의 다차원법에서는 산정할 수 없는 결과이며 따라서 본 연구방법을 통해 더욱 합리적인 근거를 기반으로 건물 내부 내용물에 대한 피해액을 산정하는 것이 가능하다. 마지막으로, 이러한 본 연구의 접근방식은 침수 발생 전후의 구조물의 유형별 침수피해액에 대한 정량적 산출 근거자료로 활용할 수 있으며, 국내 실정에 적합한 인벤토리 기반의 침수피해 추정기술을 마련하기 위한 기초 자료가 될 것이다. 또한, 활용 DB의 형태가 미국의 HAZUS-MH나 기존의 다차원법과는 달리 침수의 형태가 정적이라는 가정을 반영하여 접근하였기 때문에, 침수가 발생하였을 경우 건물의 구조적 가치를 반영하지 않고 세분화된 건물내용물 피해항목을 기반으로 피해액을 직접 산정할 수 있어 향후 기술적인 측면에서 기 구축된 KISTI의 침수분야 문제해결 솔루션 시스템과 연계활용가능성을 확인하였다.