정지원
(Ji Won Jeong)
1
안승준
(Seungjun Ahn)
2†iD
유민택
(Min-Taek Yoo)
3
-
홍익대학교 건설환경공학과 학사과정
(Hongik University ․ xxx03018@naver.com)
-
정회원 ․ 교신저자 ․ 홍익대학교 건설환경공학과 조교수, 공학박사
(Corresponding Author ․ Hongik University ․ jun.ahn@hongik.ac.kr)
-
종신회원 ․ 가천대학교 건설환경공학과 조교수
(Gachon University ․ mintaekyhoo@gachon.ac.kr)
Copyright © 2021 by the Korean Society of Civil Engineers
키워드
재난 대피 취약성, 지하철 재난, 공간 네트워크, 매개 중심성, Neo4j
Key words
Disaster evacuation vulnerability, Subway disasters, Spatial network, Betweenness centrality, Neo4j
1. 서 론
지하철 시스템은 현대 도시 교통의 중추적인 역할을 담당하고 있다. 지난 20년간 전 세계적으로 도시화의 진전과 도시 개발의 필요성이 증대됨에 따라,
지하철 역사를 비롯한 지하 구조물의 건설이 활발히 진행되었다(Cui et al., 2023). 특히 한국에서는 2014년부터 2019년까지 일반철도(도시철도 및 광역철도)의 연장이 9.6 %에 달하고, 이용객 수도 약 13 % 증가하였다.
이러한 성장은 국토교통부의 「제 4차 국가철도망 구축계획」(MOLIT, 2021)에 따라 더욱 가속화될 예정이며, 2030년까지 지상 구간 포함 약 1282.1 km의 일반철도 연장이 이루어질 계획이다.
지하철 시스템의 수요 및 중요성이 지속적으로 증가함에도 불구하고, 지하철 역사는 여러 구조적 취약점을 갖고 있다. 대부분의 역사 구조물이 암반에 위치해
있어 공간이 콤팩트하고 폐쇄적이며, 한정된 환기 능력과 제한된 출구 및 탈출 경로를 가지고 있다. 이러한 특성 때문에, 지하철 역사에서 발생하는 재난은
지상 재해에 비해 진행 속도가 빠르고 구조가 어렵다는 문제를 안고 있으며, 이로 인한 인명피해와 경제적 손실 가능성은 매우 크다(Wu et al., 2018b). 또한, 최근 기후변화와 급속한 도시화로 인한 복합재난의 증가는 예측 불가능한 돌발적인 성격을 띄며, 이러한 문제를 더욱 심각하게 만들고 있다(Park et al., 2016). 따라서, 재난 감지, 승객 대피 의사결정, 대피경로 안내 등을 지원하는 통합 지능형 재난 대응 시스템의 구축 필요성이 증대되고 있다.
현재의 지하철 재난 방재 연구들은 주로 IoT 기반의 재난 감지 및 경보 시스템, 재난 특성 분석, 대응 프로세스 구축 등에서 성과를 거두고 있다(Yu and Guo, 2022). 이러한 연구들은 화재재난을 중심으로 한 다양한 진행 과정 분석 및 대응 체계 구축을 제안하고 있으나, 지하철 역사 공간 및 대피 경로에 대한 고려는
상대적으로 미흡하다. 실제 재난 발생 시, 재난의 진행 양상과 대피 양상은 지하철 역사 공간의 분포와 밀접한 관련이 있으며, 실질적인 재난 대응 체계를
수립하기 위해서는 이러한 공간의 특성 및 이용자 대피 용이성을 함께 고려해야 한다.
본 논문에서는 공간 분포와 재난 대피 양상의 연관성을 파악하고 대응 체계 수립을 위한 일환으로써, 지하철 역사 공간에 대해 중심성 이론 기반 재난
대피 취약성 분석방법을 적용한 사례연구를 제시한다. 대피 취약성 평가 범위를 공간 분포와 재난 대피 양상의 상관관계로 정의하고, 네트워크 중심성 이론
중 매개 중심성(Betweenness Centrality)을 활용하여 가정된 재난 시나리오에 대해 역사 공간의 피난 시 대피 용이성 및 취약성을 분석한다.
또한, 분석 결과를 바탕으로 역사 내 공간 구조적 개선 방안을 도출하고 평가한다.
2. 이론적 배경 및 선행연구 검토
2.1 재난 대피 취약성
취약성이라는 용어의 개념은 다양한 해석이 가능하지만(Few, 2003), 기본적인 수준에서 피해에 대한 민감성으로 정의될 수 있다(Adger, 2006). 취약성은 물리적, 사회경제적, 환경적, 제도적 요소를 포괄하는 개념으로, 환경 및 사회과학을 비롯한 다양한 분야에서 그 목적에 따라 정의되어 활용되었으며,
재난 연구 측면에서 취약성 개념은 “위험 요소의 영향으로부터 예측하고, 대처하고, 저항하고, 회복하는 개인, 그룹 또는 시스템의 특성 및 능력”을
함의한다(Wisner et al., 2004).
취약성 평가는 피해에 대한 민감성을 평가하고 위험 감소를 통해 안전성을 향상시키는 강력한 도구로 활용될 수 있으며(Adger, 2006), 특히 재난 취약성(재난 연구 측면에서의 취약성) 평가는 재난의 완화, 대비, 대응 및 복구 차원에서 시스템을 분석하고 취약성이 높은(민감성이 높은)
요소를 식별하여 개선할 수 있는 기술이다(Lee, 2017). 재난 취약성을 평가하는 프레임워크는 범위와 주제에 따라 다양하며, 재난 대응 및 피해 예방을 위해 도시와 시설물 방재 측면에서 재난 취약성을 평가한
연구가 진행되었다. 인구밀도가 높은 메가시티에 대해 사회 경제적, 인프라, 중요 시설, 적응 능력 및 전반적인 취약성 주제가 지표로 정량화되어 평가되었으며(Sherly et al., 2015; Balica et al., 2012), 기후변화 시나리오를 적용하여 도시 단위의 재해 취약성이 평가되었다(Lissner et al., 2012; Blakely, 2007). 또한, 도시 교통 시스템의 재난 취약성이 네트워크 모델을 통해 분석되었으며(Khademi et al., 2015), 홍수 재해에 대해 도시 지하 공간의 취약성 및 주요 영향 요인이 평가되었다(Wu et al., 2018a; Forero-Ortiz et al., 2020). 하지만, 이들 연구는 도시 혹은 도시 인프라 차원에서의 재난관리를 위한 취약성 분석에 초점을 두고 있으며, 개별 시설물 및 국지적 공간 분포 차원에서
재난 양상과의 연관성을 바탕으로 한 재난 대피 취약성에 대한 연구는 미흡한 실정이다.
이에 따라, 본 연구에서는 실제 지하철 역사 대상으로 사례 연구를 진행하여 개별 시설물 및 국지적 공간 분포 차원의 재난 취약성 활용사례를 제시한다.
구체적으로, 지하철 역사에서 공간 분포와 재난 대피 양상의 연관성을 파악하고 대응 체계 수립을 위한 일환으로써, 재난 대피 취약성 개념을 활용한다.
지하철 역사에서 발생하는 재난 시나리오를 가정하고, 역사 공간에 대해 대피 시 예상 밀집도 및 전체 피난 흐름 양상을 분석하여 재난 대피 취약성을
평가한다.
2.2 네트워크 중심성 이론
네트워크 중심성은 네트워크 내 노드의 중요성을 평가하기 위한 척도로 널리 활용된다(Coursey and Mihalcea, 2009). 이는 의미론적 관점에서 네트워크에서 특정 개념 혹은 객체와 가장 관련성 높은 의미 자원을 찾는 데 활용될 수 있으며, 소셜네트워크, 사회 인프라
네트워크 및 지식 네트워크 등에서 다양하게 적용되었다(Čerba et al., 2017; Guéret et al., 2012; Moore et al., 2003).
연결 중심성(Degree Centrality), 근접 중심성(Closeness Centrality), 매개 중심성(Betweenness Centrality),
고유벡터 중심성(Eigenvector Centrality)을 포함하여 노드의 중요성을 평가하는 다양한 중심성 유형이 네트워크 연구에 적용되었으며,
재난 연구 측면에서는 위험 요소에 대한 네트워크의 취약점을 식별하여 개선점을 도출하는 데에 활용되었다. 도로 네트워크에서 재해 시 취약구간 및 주요
교차로를 식별하는 연구가 진행되었고(Kim and Song, 2016; Chen et al., 2021), 물류 네트워크, 전력 및 물공급망 시스템 등에서 재해성 이벤트(자연재해, 블랙스완, 정전)에 대한 취약노드 평가가 수행되었다(Zarghami and Dumrak, 2021; Amani and Jalili, 2021; Mortula et al., 2020). 그러나, 이들 연구는 인프라 시스템과 도시 체계 단위에서의 공간 토폴로지를 기반으로 한 취약성 분석에 중점을 두고 있으며, 개별 시설물 단위에서의
공간적 구성, 특히 지하 시설물에 대한 중심성 분석 연구는 극히 드물다.
본 연구에서는 개별 지하 시설물 및 국지적 공간 단위의 재난 취약성 평가 측면에서, 공간 토폴로지 기반 중심성 분석을 수행한다. 지하철 역사 공간의
재난 대피 취약성을 평가하고 취약공간을 식별하기 위한 도구로써 네트워크 중심성 분석이 활용되며, 구체적으로 공간 구문 개념을 적용하여 역사 공간을
네트워크형으로 표현하고 재난 대피 시 공간 활용에 대한 척도로 중심성 지표를 활용한다.
3. 연구 방법론
3.1 지하철 역사 공간 모델링
지하철 역사 공간의 재난 대피 취약성 분석을 수행하기 위해, 역사 공간을 공간 구문(Space Syntax) 개념을 적용하여 네트워크형으로 모델링할
수 있다. 공간 구문은 공간 간의 연결성 및 사회적 상호작용을 분석하는 방법론이며(Dursun, 2007), 이를 통해 역사 공간의 구조를 노드로 구성하고, 공간 간 연결성 및 대피 흐름 특성을 엣지 및 가중치로 표현할 수 있다. 네트워크 중심성 분석을
수행하기 위한 지하철 역사 모델링 방안은 저자들의 선행연구(Jeong et al., 2023)에서 제시된 바 있으며, 자세한 구성은 다음과 같다:
○ 지하 역사 공간의 각 층은 균등한 구역으로 나누어져 노드로 표현된다.
○ 재난 대피 흐름에 주요하게 작용하는 층간 이동 요소(에스컬레이터, 계단 등)은 노드로 표현된다.
○ 직접적으로 이동 가능한 노드 간은 1차 관계의 엣지로 표현된다.
○ 지상 방향으로 제한되는 지하 시설물 재난 대피 흐름을 반영하여, 층간 이동에 관여하는 엣지는 상향의 단일방향으로 설정된다.
본 연구에서는 이러한 방법론을 적용하여 지하철 역사 공간을 모델링하며, 구축한 데이터 스키마는 그래프 구조의 자료저장 및 질의가 가능한 그래프 데이터베이스
Neo4J에 저장한다.
3.2 재난 대피 취약성 분석
재난 대피 취약성을 평가하기 위한 도구로 네트워크 중심성 중 매개 중심성을 사용하였다. 매개 중심성은 노드 A의 중요성을 A가 포함되지 않은 임의
노드쌍 간의 최단 경로 중 A를 포함하는 경로의 비율로 평가하며, 다음과 같이 계산된다(Wasserman and Faust, 1994).
여기서, $g(v)$는 노드 $v$의 매개 중심성 값을 나타내며, $\sigma_{st}$는 노드 $s$에서 노드 $t$까지의 최단 경로 수를 나타내고,
$\sigma_{st}(v)$는 $\sigma_{st}$ 중 노드 $v$가 포함된 경로 수를 나타낸다.
특정 네트워크의 맥락에서, 매개 중심성은 상대적 중요성을 평가하고 정보의 병목(bottleneck) 혹은 취약점을 식별하는 지표로 기능할 수 있다(Mizgier et al., 2013; Newman, 2010). 네트워크 상에서 높은 매개 중심성을 가진 노드는 네트워크 구조 및 정보(자원 또는 영향력) 흐름을 통제하고 높은 영향력을 지닌다(Barthelemy, 2004). 이는 공간 네트워크에서 높은 매개 중심성의 공간은 전체 공간 간 연결구조를 중개함을 시사하며, 재난 대피 상황에 있어서는 대피 인원이 집중되고
전체 대피 흐름을 통제하는 공간으로 해석될 수 있다. 따라서, 매개 중심성을 통해 재난 대피 시 병목 지점을 특정할 수 있으며, 이들을 중점적으로
고려하여 대피 경로 다양화, 인원 분산 전략 및 비상 출구 최적화 등의 재난관리가 이루어져야 한다.
본 연구에서는 재난 대피 취약성 평가 범위를 공간 분포와 재난 대피 양상의 연관성으로 정의하고, 매개 중심성을 재난 대피 상황에서 재난 대피 양상
및 공간의 병목 현상 가능성을 평가하기 위한 지표로 활용하였다. 3.1절을 통해 구축된 데이터 스키마에서, Neo4j Betweenness Centrality
APOC 프로시저 함수를 통해 매개 중심성을 계산하였다. 또한, 보다 사실적인 측면에서 재난 대피 취약성을 평가하고 제안한 방법론의 적용성을 검토하기
위해, 재난 상황에 따른 공간적 연결성의 변화를 반영하여 분석을 수행하였다. 구체적으로, 화재, 지진, 테러 등 재해성 이벤트에 의해 특정 구역의
공간 연결성이 단절되면, 그 특정 구역과 1차 관계된 엣지가 제거되고 시나리오에 대한 매개 중심성 계산이 수행되었다. 이러한 매개 중심성 분석 결과를
바탕으로 지하철 역사의 재난 대피 측면에서의 공간 분포 특성을 분석하고, 취약점 식별 및 개선 방안에 대해 검토하였다.
4. 광교중앙역 사례 연구
4.1 광교중앙역 모델링
본 연구에서 제안한 방안을 적용할 대상 지하철 역사 공간은 서울 신분당선 광교중앙역으로 선정하였다. 광교중앙역은 공간 구성이 단순한 전형적인 지하철
역사 구조물로, 재난 대피 취약성 분석 결과를 검증하고, 공간 분포와 대피 양상 간 관계를 직관적으로 파악하기에 용이하다.
Fig. 1. Visualization of Data Schema of Gwanggyo Jungang Station
광교중앙역은 지하 3층으로 구성된다. 3.1절에서 제안한 방식에 따라 각 층은 8개의 균등한 영역으로 구분되며, 계단 및 에스컬레이터와 함께 노드로
고려된다. 지하의 층수를 (B), 구역 위치(S, L/R)을 기준으로 노드를 레이블링하며, 직접적으로 이동 가능한 영역들은 “연결되어 있음”을 의미하는
“is_connected_with” 엣지로 관계된다. 또한, 층간 이동 요소는 각각 ES(에스컬레이터), S(계단)로 레이블링된다. 자세한 데이터
스키마를 Table 1에 나타내었으며, 이를 시각화하여 Fig. 1에 나타내었다.
Table 1. Node Labeling of Gwanggyo Jungang Station
Floor level
|
Section
|
Location direction
|
Node lable
|
Ground (B0)
|
First exit (E1)
|
|
B0E1
|
Second exit (E2)
|
|
B0E2
|
Third exit (E3)
|
|
B0E3
|
Forth exit (E4)
|
|
B0E4
|
First basement (B1)
|
Section 1
|
Left (L)
|
B1S1L
|
Right (R)
|
B1S1R
|
Section 2
|
Left (L)
|
B1S2L
|
Right (R)
|
B1S2R
|
Section 3
|
Left (L)
|
B1S3L
|
Right (R)
|
B1S3R
|
Section 4
|
Left (L)
|
B1S4L
|
Right (R)
|
B1S4R
|
Second basement (B2)
|
Section 1
|
Left (L)
|
B2S1L
|
Right (R)
|
B2S1R
|
Section 2
|
Left (L)
|
B2S2L
|
Right (R)
|
B2S2R
|
Section 3
|
Left (L)
|
B2S3L
|
Right (R)
|
B2S3R
|
Section 4
|
Left (L)
|
B2S4L
|
Right (R)
|
B2S4R
|
Third Basement (B3)
|
Section 1
|
Left (L)
|
B3S1L
|
Right (R)
|
B3S1R
|
Section 2
|
Left (L)
|
B3S2L
|
Right (R)
|
B3S2R
|
Section 3
|
Left (L)
|
B3S3L
|
Right (R)
|
B3S3R
|
Section 4
|
Left (L)
|
B3S4L
|
Right (R)
|
B3S4R
|
4.2 광교중앙역 기본 모델 재난 대피 취약성 분석 결과
구축된 광교중앙역 데이터 스키마를 Neo4j에 저장하고, Neo4j 프로시저 함수 Betweenness Centrality APOC을 통해 매개 중심성을
계산하였다. 상위 7개 및 하위 7개의 계산 값을 Table 2와 Table 3에 나타내었으며, 광교중앙역의 매개 중심성 분포를 시각화하여 Fig. 2에 나타내었다.
광교중앙역의 최소 및 최대 매개 중심성은 각각 0.0, 168.91이며, 평균값은 60.61로 계산되었다. Fig. 2에서 원의 색이 진하고 크기가 클수록, 매개 중심성이 높은 노드임을 의미한다. Fig. 2를 통해, 광교중앙역의 매개 중심성 분포 양상은 대칭적인 공간 구조에 따라 대칭성을 띄며, 지하 1층 및 지하 2층의 중앙구역에 매개 중심성이 집중되어
있음을 확인할 수 있다. 이들 구역은 평균값에 비해 약 220 % 이상 높은 값을 보이며, 이는 재난 상황 시 대피 흐름이 교차되며 병목 현상의 발생
가능성이 높음을 시사한다. 또한, Table 2에서 매개 중심성 지수가 서로 대각선 방향의 반대 공간 노드(점대칭 관계)끼리 동일함을 확인할 수 있다. 이는 지하 3층의 층간 이동 요소가 점대칭
구조 관계를 가짐으로서, 전체 대피 흐름 또한 L/R을 기준으로 역대칭적 양상을 뜀을 시사한다.
재난 상황에 따른 실질적인 대피 양상을 분석하기 위해, 재난 시나리오를 가정하고 공간적 연결성 변화에 따른 매개 중심성 분포를 파악하였다. 구체적으로,
앞서 서술된 바와 같이 광교중앙역의 재난 대피 시 주요하게 작용하는 지하 1층 및 지하 2층의 중앙구역이 어떤 재난에 의해 피해를 받아 다른 공간과의
연결성이 단절된 경우의 매개 중심성 분포를 파악한다. 또한, 상향으로 제한되는 지하철 역사 대피 흐름에서 주요하게 작용하는 층간 이동 요소 및 출입구의
공간적 연결성 단절에 대해서도 매개 중심성 분석이 수행된다. 이들 각 요소의 피해에 대한 5개의 시나리오를 Table 4에 정리하였으며, Table 4의 ‘Disconnected node’는 피해 받은 구역 요소 내에, 공간적 연결성이 단절된 특정 노드를 의미한다.
모든 재난 시나리오에서 공통적으로, 이벤트가 발생한 노드와 인접하는 노드의 매개 중심성이 가장 크게 변동했으며, 이벤트 발생 지점이 지상에 가까울수록
변동성이 큰 것으로 나타났다. 이는 지상 방향으로 한정되는 지하 시설물 대피 흐름의 특성으로, 공간 연결성이 단절되는 지점이 지상 혹은 출입구와 가까울수록
전체 재난 대피 흐름의 변동성이 큼을 의미한다. Fig. 2와 Fig. 3에서 이벤트 발생 지점과 상관없이 지하 1층 및 지하 2층 중앙구역에 매개 중심성이 집중되어 있음을 확인할 수 있다. 이는 광교중앙역에서의 재난 대피
흐름이 중앙구역에 편중되어 있으며, 이 구역이 피해를 받을 경우, 인접하는 중앙구역으로 대피 흐름이 쏠림으로써 병목 현상 발생 가능성이 가중될 수
있음을 시사한다.
Table 2. Top 7 Values of Betweenness Centrality of Gwanggyo Jungang Station
Classification
|
Betweenness centrality
|
Node label
|
Intra-floor
|
168.91
|
B2S2R, B2S3L
|
Intra-floor
|
150.96
|
B2S2L, B2S3R
|
Intra-floor
|
140.83
|
B1S1L, B1S4R
|
Intra-floor
|
140.33
|
B1S2R, B1S3L
|
Intra-floor
|
133.13
|
B1S2L, B1S3R
|
Intra-floor
|
105.75
|
B2S1L, B2S4R
|
Inter-floor
|
70.30
|
ES6, ES7
|
Table 3. Bottom 7 Values of Betweenness Centrality of Gwanggyo Jungang Station
Classification
|
Betweenness centrality
|
Node label
|
Intra-floor
|
0.0
|
B0E1, B0E2, B0E3, B0E4, B2S1R, B2S4L, B3S1R, S3S4L
|
Intra-floor
|
7.81
|
B3S1L, B3S4R
|
Inter-floor
|
18
|
ES9, ES12, S5, S6
|
Intra-floor
|
29.49
|
B3S2L, B3S3R
|
Inter-floor
|
29.91
|
S1, S2
|
Inter-floor
|
36
|
ES10, ES11
|
Inter-floor
|
38.90
|
ES1, ES4
|
Table 4. Disaster Scenarios
Scenario #
|
Damaged area
|
Disconnected node
|
1
|
First exit
|
S6, ES12
|
2
|
Central area on the B1
|
B1S2R
|
3
|
Inter-floor space between B1 and B2
|
ES7
|
4
|
Central area on the B2
|
B2S3L
|
5
|
Inter-floor space between B2 and B3
|
S1
|
Table 5. Top 5 changes of Betweenness Centrality from Disaster Scenarios
Scenario #
|
Top 5 node of change of betweenness centrality
|
Change of betweenness centrality
|
1
|
B1S4R
|
-105.0
|
S4
|
-31.99
|
B1S3L
|
-31.32
|
B1S3R
|
-29.70
|
B2S4R
|
-28.99
|
2
|
B1S2L
|
+74.16
|
ES7
|
-70.30
|
B1S3L
|
-26.82
|
B2S2R
|
-25.20
|
B2S2L
|
+22.16
|
3
|
B1S2R
|
-71.47
|
B2S2R
|
-47.73
|
ES8
|
+24.07
|
S3
|
+21.33
|
B1S2L
|
+18.25
|
4
|
ES2
|
-59.19
|
ES1
|
+47.02
|
B2S2R
|
+45.29
|
B3S2L
|
+43.42
|
B1S3L
|
-43.37
|
5
|
B2S1L
|
-53.53
|
ES1
|
+25.10
|
B3S2L
|
+21.67
|
S3
|
-20.92
|
B1S1L
|
-16.50
|
Fig. 2. Visualization of Betweenness Centrality
Fig. 3. Visualization of Betweenness Centrality of Disaster Scenarios: (a) Scenario #1, (b) Scenario #2, (c) Scenario #3, (d) Scenario #4, (e) Scenario #5
Fig. 4. Visualization of Betweenness Centrality of Improvement Method
4.3 재난 대피 시 병목 현상 개선 방안 검토
광교중앙역의 재난 대피 취약성을 개선하기 위해서, 우선적으로 중앙구역에 집중되는 재난 대피 흐름을 분산시킬 필요가 있다. 이를 위해 가장자리 구역의
재난 대피로로써의 활용성을 증대시킬 방안을 검토한다.
광교중앙역의 양 측면에는 계단 대피로가 존재한다. 에스컬레이터와 병행하여 재난 대피 흐름을 분산시키는 역할을 하지만, 출입구까지의 연속적 이동이 아닌
단층 간 이동만 가능하다는 한계가 있다. 따라서, 계단끼리의 연속적인 공간적 연결을 통해 재난 대피로로써의 활용성을 증대시킬 수 있다. 즉, 계단을
연속적으로 사용하여 연속적 층간이동이 가능하도록 하는 구조적 개선의 시나리오를 대안으로 검토할 수 있다. 이 개선 방안의 효용성을 검토하기 위해,
S1-S3-S5와 S2-S4-S6을 연결하는 엣지를 추가하고 (‘대피통로 추가 시나리오 1’) 매개 중심성 분석을 수행하였다.
개선 방안에 대한 매개 중심성 최소 및 최대 값은 각각 0.0, 158.8이며 평균값은 56.48로 계산되었다. 기존 매개 중심성 분포의 분산이 2454.71이고
표준편차가 49.55인데 반해, 개선 방안을 적용했을 때의 분산은 1825.04로 약 26 % 감소했으며, 표준편차는 42.72로 약 14 % 감소했다.
이 상대적 지표를 통해, 제안된 대피통로 추가가 광교중앙역의 대피 흐름 분산에 효과적으로 기여할 수 있음을 확인하였다.
5. 결 론
본 논문은 광교중앙역 사례를 중심으로 매개 중심성 기반의 재난 대피 취약성 분석 프레임워크를 적용한 사례 연구를 제시하였다. 대피 취약성 평가 범위를
공간 분포와 재난 대피 양상 간 연관성으로 정의하고, 실제 지하철 역사 공간을 공간 구문적 접근법을 통해 공간 네트워크로 표현하였다. 또한, 실제
재난 상황 시 대피 양상을 파악하기 위해 재난 시나리오를 바탕으로 매개 중심성 분석을 수행하였다. 그 결과, 매개 중심성 분포가 특정 구역에 집중되어
있어, 대피 흐름이 교차함으로 병목 현상 발생 가능성이 높은 구역을 정량적으로 식별할 수 있었다. 이를 바탕으로 개선 방안이 제시되고 효과성이 검증되었다.
제안한 매개 중심성 기반 재난 대피 취약성 평가 방법을 이용하면 도시 혹은 인프라 시스템 단위에서 수행된 기존 재난 취약성 연구와 달리, 병목현상에
기반한 시설물 단위의 이용자 대피 취약성 분석을 수행할 수 있다. 또한, 노드 간 공간적 연결성을 기반으로 한 매개 중심성 분석은 현실의 3차원 공간에서의
상호작용을 보다 사실적으로 반영할 수 있어, 주요 시설물의 재난 대응 및 관리 계획에도 효과적으로 적용될 수 있을 것으로 파악되었다.
본 연구에서는 매개 중심성을 기반으로 재난 대피 취약성 분석이 수행되었으나, 연결 중심성, 근접 중심성 등 다양한 중심성 지표를 통해 다각적인 측면에서
취약성 분석이 수행될 필요가 있다. 이들 지표는 재난 대피 계획 수립에 있어서 서로 보완적으로 작용할 수 있으며, 포괄적인 분석을 통해 보다 실질적인
재난 상황을 반영할 수 있을 것으로 기대된다. 또한, 중심성 분석을 통한 취약성 평가 결과를 검증하고 보완할 테스트베드가 구축될 필요가 있으며, 이는
향후 연구에서 수행 예정이다.
Acknowledgements
This research was supported by the Korea Agency for Infrastructure Technology
Advancement (KAIA) grant funded by the Ministry of Land, Infrastructure and Transport
(Grant No. RS-2023-00238018).
This paper has been written by modifying and supplementing the KSCE 2023 CONVENTION
paper.
References
"Adger, W. N. (2006). “Vulnerability.” Global Environmental Change, Elsevier, Vol.
16, No. 3, pp. 268-281, https://doi.org/10.1016/j.gloenvcha.2006.02.006."
"Amani, A. M. and Jalili, M. (2021). “Power grids as complex networks: Resilience
and reliability analysis.” IEEE Access, IEEE, Vol. 9, pp. 119010-119031, https://doi.org/10.1109/ACCESS.2021.3107492."
"Balica, S. F., Wright, N. G. and Van der Meulen, F. (2012). “A flood vulnerability
index for coastal cities and its use in assessing climate change impacts.” Natural
Hazards, Springer, Vol. 64, pp. 73-105, https://doi.org/10.1007/s11069-012-0234-1."
"Barthélemy, M. (2004). “Betweenness centrality in large complex networks.” The European
Physical Journal B, EDP Sciences, Vol. 38, No. 2, pp. 163-168, https://doi.org/10.1140/epjb/e2004-00111-4."
"Blakely, E. J. (2007). Urban planning for climate change, Lincoln Institute of Land
Policy, New Orleans, LA."
"Čerba, O., Jedlička, K., Čada, V. and Charvát, K. (2017). “Centrality as a method
for the evaluation of semantic resources for disaster risk reduction.” ISPRS International
Journal of Geo-Information, MDPI, Vol. 6, No. 8, 237, https://doi.org/10.3390/ijgi6080237."
"Chen, H., Zhang, L. and Ran, L. (2021). “Vulnerability modeling and assessment in
urban transit systems considering disaster chains: A weighted complex network approach.”
International Journal of Disaster Risk Reduction, Elsevier, Vol. 54, 102033, https://doi.org/10.1016/j.ijdrr.2020.102033."
"Coursey, K. and Mihalcea, R. (2009). “Topic identification using wikipedia graph
centrality.” Proceedings of Human Language Technologies: The 2009 Annual Conference
of the North American, Association for Computational Linguistics, Colorado, USA, pp.
117-120."
"Cui, C., Xu, M., Xu, C., Zhang, P. and Zhao, J. (2023). “An ontology-based probabilistic
framework for comprehensive seismic risk evaluation of subway stations by combining
Monte Carlo simulation.” Tunnelling and Underground Space Technology, Elsevier, Vol.
135, 105055, https://doi.org/10.1016/j.tust.2023.105055."
"Dursun, P. (2007). “Space syntax in architectural design.” Proceedings of 6th International
Space Syntax Symposium, Istnabul Tbknlk University, Istanbul, Tuikiye, pp. 1-56."
"Few, R. (2003). “Flooding, vulnerability and coping strategies: local responses to
a global threat.” Progress in Development Studies, Sage, Vol. 3, No. 1, pp. 43-58,
https://doi.org/10.1191/1464993403ps049ra."
"Forero-Ortiz, E., Martínez-Gomariz, E., Cañas Porcuna, M., Locatelli, L. and Russo,
B. (2020). “Flood risk assessment in an underground railway system under the impact
of climate change—a case study of the Barcelona Metro.” Sustainability, MDPI, Vol.
12, No. 13, 5291, https://doi.org/10.3390/su12135291."
"Guéret, C., Groth, P., Stadler, C. and Lehmann, J. (2012). “Assessing linked data
mappings using network measures.” Proceedings of the Semantic Web: Research and Applications:
9th Extended Semantic Web Conference, Springer, Heraklion, Crete, Greece, pp. 87-102.
Springer Berlin Heidelberg."
"Jeong, J. W., Ahn, S. J. and Yoo, M. T. (2023). “Evacuation Convenience Analysis
Framework for Underground Facilities Based on Betweenness Centrality.” Journal of
Construction Automation and Robotics, KSARC, Vol. 2, No. 2, pp. 8-13, https://doi.org/10.55785/JCAR.2.2.8
(in Korean)."
"Khademi, N., Balaei, B., Shahri, M., Mirzaei, M., Sarrafi, B., Zahabiun, M. and Mohaymany,
A. S. (2015). “Transportation network vulnerability analysis for the case of a catastrophic
earthquake.” International Journal of Disaster Risk Reduction, Elsevier, Vol. 12,
pp. 234-254, https://doi.org/10.1016/j.ijdrr.2015.01.009."
"Kim, K. T. and Song, J. M. (2016). “Analysis of the Road Network Characteristics
in the Flood Prone Areas in Seoul using Network Centrality Indices.” Journal of the
Korean Regional Development Association, KRDA, Vol. 28, No. 3, pp. 89-108 (in Korean)."
"Lee, S. H. (2017). “A study on the disaster management vulnerability.” Korean Journal
of Safety Culture, Korea Safety Culture Society, Vol. 1, pp. 1-11 (in Korean)."
"Lissner, T. K., Holsten, A., Walther, C. and Kropp, J. P. (2012). “Towards sectoral
and standardised vulnerability assessments: the example of heatwave impacts on human
health.” Climatic Change, Springer, Vol. 112, pp. 687-708, https://doi.org/10.1007/s10584-011-0231-5."
"Ministry of Land, Infrastructure and Transport (MOLIT) (2021). The Fourth National
Railway Network Development Plan, Republic of Korea (in Korean)."
"Mizgier, K. J., Jüttner, M. P. and Wagner, S. M. (2013). “Bottleneck identification
in supply chain networks.” International Journal of Production Research, Taylor &
Francis, Vol. 51, No. 5, pp. 1477-1490, https://doi.org/10.1080/00207543.2012.695878."
"Moore, S., Eng, E. and Daniel, M. (2003). “International NGOs and the role of network
centrality in humanitarian aid operations: a case study of coordination during the
2000 Mozambique floods.” Disasters, ODI, Vol. 27, No. 4, pp.305- 318, https://doi.org/10.1111/j.0361-3666.2003.00235.x."
"Mortula, M. M., Ahmed, M. A., Sadri, A. M., Ali, T., Ahmad, I. and Idris, A. (2020).
“Improving resiliency of water supply system in arid regions: Integrating centrality
and hydraulic vulnerability.” Journal of Management in Engineering, ASCE, Vol. 36,
No. 5, 05020011, https://doi.org/10.1061/(ASCE)ME.1943-5479.0000817."
"Newman, M. (2010). Networks: An Introduction, 1st ed, Oxford University Press, UK."
"Park, M. Y., Koo, W.Y., Park, W.S., Park, E., Moon, B. G. and Kwon, S.G. (2016).
“A study on development of Interactive Smart Network(IoT)-based subway platform disaster
response system.” Journal of Korean Society of Disaster & Security, KSDS, Vol. 9,
No. 1, pp. 19-24, https://doi.org/10.21729/ksds.2016.9.1.19 (in Korean)."
"Sherly, M. A., Karmakar, S., Parthasarathy, D., Chan, T. and Rau, C. (2015). “Disaster
vulnerability mapping for a densely populated coastal urban area: an application to
Mumbai, India.” Annals of the Association of American Geographers, American Association
of Geographers, Vol. 105, No. 6, pp. 1198-1220, https://doi.org/10.1080/00045608.2015.1072792."
"Wisner, B., Blaikie, P., Cannon, T. and Davis, I. (2004). At Risk: Natural Hazards,
People's Vulnerability, and Disasters, 2nd edition, Routledge, New York."
"Wasserman, S. and Faust, K. (1994). Social network analysis: Methods and applications,
Cambridege University Press, UK."
"Wu, J., Fang, W., Hu, Z. and Hong, B. (2018a). “Application of bayesian approach
to dynamic assessment of flood in urban underground spaces.” Water, MDPI, Vol. 10,
No. 9, 1112, https://doi.org/10.3390/w10091112."
"Wu, J., Hu, Z., Chen, J. and Li, Z. (2018b). “Risk assessment of underground subway
stations to fire disasters using Bayesian network.” Sustainability, MDPI, Vol. 10,
No. 10, 3810, https://doi.org/10.3390/su10103810."
"Yu, H. and Guo, Z. (2022). “Design of underground space intelligent disaster prevention
system based on multisource data deep learning.” Wireless Communications and Mobile
Computing, Hindawi, Vol. 2022, https://doi.org/10.1155/2022/3706392."
"Zarghami, S. A. and Dumrak, J. (2021). “Unearthing vulnerability of supply provision
in logistics networks to the black swan events: Applications of entropy theory and
network analysis.” Reliability Engineering & System Safety, Elsevier, Vol. 215, 107798,
https://doi.org/10.1016/j.ress.2021.107798."