침수피해 대응을 위한 빅데이터 기술 활용 방안

(1)

Rural Resources

+학술기술기사 ^│ 침수피해 대응을 위한 빅데이터 기술 활용 방안

▶ 52

03

침수피해 대응을 위한 빅데이터 기술 활용 방안

남 원 호 한경대학교 지역자원시스템공학과 / 조교수

wonho.nam@hknu.ac.kr

김 정 대

한국농어촌공사 농어촌연구원 / 연구원

jdkim@ekr.or.kr

김 태 곤

Institute on the Environment, University of Minnesota / 박사후연구원

taegon.k@gmail.com

1. 서 론

국내 수자원 정책의 방향은 1970년대부터 수자원 개발에 있어서 홍수방어 (치수)와 용수공급(이수)을 병행하였으며, 홍수 예･경보를 중심으로 정보 시스 템을 구축하였다. 최근에는 전통적인 이･치수 부문과 함께 기후변화에 따른 지 속가능한 물 관리에 대한 필요가 대두되면서 수자원 정보의 수집, 관리 및 제 공의 중요성이 증대되고 있다(Kim et al., 2016). 과거 수자원 정보는 제공하 고자 하는 목적에 따라 데이터를 효과적으로 제공･분석하는 기술에 초점이 맞 추어져 있었다. 반면, 최근에는 정형 데이터뿐만 아니라 비정형 데이터를 연계 함으로써 새로운 가치를 도출할 수 있는 빅 데이터(Big data) 기술에 대한 관 심이 부각되고 있다. 특히, 지구온난화 및 이상기후로 대규모 물 관련 재해빈 도가 증가하고, 피해 규모도 대형화·광역화되고 있어 수자원 정보에 대한 빅데 이터 기술의 필요성이 커지고 있다(Faghmous and Kumar, 2014).

세계적 재보험사인 독일의 뮤니크 리(Munich Re)가 분석한 자연재해 빈도 및 경향에 따르면, 최근 30년간 수문 및 기상재해는 증가하는 경향을 나타내 며, 특히 홍수에 의한 침수피해는 다른 자연재해에 비해 빈도가 증가하고 있는 추세이다(그림 1). 최근 ICT(Information and Communications Technologies) 기술, 클라우드 컴퓨팅(Cloud computing), 원격탐사기술(Remote sensing), 소셜네트워크서비스(Social Networking Service, SNS)의 발전을 통해 재해 예방에 필요한 데이터를 신속하고 정확하게 획득·분석하는 것이 가능해짐으로 써, 증가하는 자연 재해의 위협에 대처하기 위해 효율적인 운영계획과 자원관 리, 선제적 대응책에 대한 필요성이 요구되었다(NDMI, 2014). 따라서 광범위 한 재해 상황에 대한 신속하게 대응을 할 수 있는 기반을 구축하고, 가뭄 및 홍 수 등 수문･기상 수재해에 대한 실시간 정보 분석 및 재해 상황 파악, 예측기술 개발에 의한 선제적 재해대응 기반을 마련해야 한다. 본고에서는 위험기상에 대비하고 효율적으로 기상･수문 재해를 관리하기 위해 주요 선진국들이 기상·

(2)

<그림 1> 전세계 자연재해 발생수(1981-2015)

(source: Münchener Rückversicherungs-Gesellschaft, Geo Risks Research, NatCatSERVICE)

기후·수문 빅데이터를 활용한 사례를 살펴보고, 향후 침수피해 대응을 위한 빅데이터 기술의 활 용 방안에 대한 제언을 목적으로 한다.

2. 빅데이터 기술

빅데이터 기술이란 일반적으로 기존 데이터 베이스 관리도구로 데이터를 수집, 저장, 관리, 분석할 수 있는 역량을 넘어서는 대용량의 정형 또는 비정형 데이터의 집합 및 이러한 데이터를

분석하여 패턴, 상관관계, 지식 등의 유용한 가 치를 추출하고 결과를 분석하는 기술을 의미한 다(Ferguson et al., 2014; Kim et al., 2015).

미국의 정보기술 연구 및 컨설팅 회사인 가트너 (Gartner)의 Laney(2001)는 데이터의 급성장 에 따른 이슈와 기회를 데이터의 처리용량(volume), 데이터 입출력의 처리속도(velocity), 데이터 종 류의 다양성(variety)이라는 세 개의 차원으로 빅데이터를 정의하였다(그림 2). 2012년에는 빅 데이터 기술을 큰 용량, 빠른 속도, 높은 다양성

(3)

▶ 54 Rural Resources

<그림 2> 빅데이터의 개념(Laney, 2001)

<표 1> 데이터 분석의 변화(NDMI, 2013c)

구분 과거 데이터 분석 빅데이터 분석

데이터 형식 정형화된 출처로부터 사전 정의된 데이터

다양한 출처로부터 수집되는 정형/비정형

데이터 데이터 갱신 월, 주, 일 단위의

주기적 갱신 연속적으로 입력되는 실시간 데이터 스트리밍 정보 분석

환경 일괄처리 및 분석 시계열 방식의 실시간 반복 분석

분석 기능 패턴, 통계 위주의 정보 분석, 정형 데이터의 지식화

의미 기반의 정보 분석, 인공 지능과 기계 학습

기법의 도입

을 갖는 정보 자산으로서 이를 통해 의사결정 및 통찰을 발견하고 프로세스 최적화를 향상시키기 위한 새로운 형태의 처리 방식으로 재정의 하였 다(표 1).

빅데이터의 핵심적인 특징은 ‘가공되지 않은 많은 양의 데이터가 빠르고 다양하게 생산, 소비 되는 분야에서 효과적으로 데이터를 분석, 가공 하여 가치 있는 정보로 만들어낼 수 있는 데이 터’로 정의할 수 있으며(NDMI, 2013b), 빅데이 터는 다양한 형태를 가진 데이터들의 정형화 정 도에 따라 정형 데이터(structured data)와 비 정형 데이터(unstructured data)로 구분된다.

정형데이터는 일정한 규격이나 형태를 지니며 고정된 필드에 저장된 데이터를 의미하며, 비정 형 데이터는 고정된 필드에 저장되어 있지 않은

데이터로 이미지, 오디오, 비디오 형식의 소셜 미디어 데이터나 로그파일(logfile) 등이 포함된 다(Lee et al., 2013).

3. 국내외 빅데이터 기반 기상･수문 재해관리 시스템

국내외의 재난 대응 및 재해 관리를 위한 시 스템 및 소셜미디어 등 빅데이터 기술을 활용하 여 재해 상황을 효과적으로 대응한 사례를 살펴 보고자 한다. 그림 3은 환경부와 한국환경정책 평가연구원(Korea Environment Institute, KEI) 의 국가기후변화적응센터(Korea Adaptation Center for Climage Change, KACCC)에서 개발한 기 후변화 피해 유형별 정보 포털(Portal-system disaster type of climate change)이다. 이 시 스템은 이상 강우에 의한 미래 침수 피해 융합 데이터베이스를 구축하였으며, 미래 기후변화 시 나리오를 이용해 침수 피해 지역의 시기별, 지역별 검색과 각 정보 사이의 중첩 활용이 가능하다.

재난분야에서 소셜미디어는 국민 스스로 피 해상황을 파악하고 경고 및 정보를 교환하는 새 로운 채널로 활용되고 있다(Choi, 2014). 2012 년 미국 동부에서 발생한 허리케인 Sandy의 경 우 소셜미디어를 통해 재난발생 현장을 생생히 보도하고 피해 최소화를 위해 정보를 공유하였 다. 그림 4는 2012년 미국 동부를 강타한 허리 케인 Sandy 발생 당시, 뉴욕 및 로스엔젤리스의 Sandy와 관련된 트윗의 발생 위치와 빈도를 나 타낸다. Sandy가 발생할 당시 ‘flooding’이라 는 용어가 언급된 트윗의 위치와 빈도를 지도에 맵핑한 결과 동부 해안의 Sandy의 경로를 따라 다수 트윗이 발생하였다(Shelton et al., 2014).

(4)

<그림 3> 기후변화 피해 유형별 메타 시스템(source: http://ace.kei.re.kr/)

<그림 4> 미국 동부에서 발생한 허리케인 Sandy 관련 트윗을 활용한 빅데이터 적용 예시 (Shelton et al., 2014)

(5)

<그림 5> 빅데이터 기술을 적용한 스마트빅보드 시스템(NDMI, 2013a)

국립재난안전연구원은 빅데이터 기술을 적용 한 소셜빅보드(Social Big Board) 및 스마트빅 보드(Smart Big Board) 시스템을 개발하였다.

소셜빅보드는 재난 분야 지식모델과 비정형 빅 데이터 수집 및 분석, 그리고 재난관리에 있어서 중요한 위치정보 추출/분석 모델, 재난 전조이 슈 탐지 모형 등을 결합하여 재난 감지 및 대응 을 위한 소셜 빅데이터 실시간 모니터링 시스템 이다(Choi et al., 2015). 소셜빅보드는 하루 평 균 360만 건에 달하는 전국 트윗을 실시간 수집 하여 수집된 트윗에 대해서 71개 재난안전유형 으로 분류과정을 거치면 재난 분류별로 재난 이 슈가 발생하고 있는 지역을 지도를 기반으로 하 여 시각적으로 제공하며, 급상승 재난 이슈를 감 지하고 각 재난과 관련된 연관어와 감성어 등의 소셜 트렌드 정보를 분석함으로써 재난관리에 활용도가 높은 정보들을 제공한다. 스마트빅보 드는 CCTV, 무인항공기, 스마트폰, 인공위성영

상 등 다양한 첨단 기술을 통해 지상 및 항공에서 제공되는 재난상황 모니터링 시스템으로(NDMI, 2013a), 실시간 트윗 정보, 과거 재난이력, 위 성영상, 시뮬레이션 등을 활용하여 기상, 재난 이력 및 국내외 재난정보의 공유하고 위험수준 을 제시하여 의사결정에 활용할 수 있으며(그림 5), 실시간 기상정보에 침수예상도, 급경사지 위험지도 등을 통합하여 표출하며, 상황추이 예 측 및 대응이 가능하다(Lee, 2016).

4. 빅데이터 기반의 침수피해 정보 구축 및 활용

최근 기상 및 수자원 재해 관리 기술은 정형 데이터뿐만 아니라 상황에 따라 생성되고 종료 되면 버려지는 비정형 데이터를 연계함으로써 새로운 가치를 도출할 수 있는 빅데이터 기술의 활용이 요구된다. 빅데이터를 활용한 침수피해

(6)

<그림 6> 침수피해 대응을 위한 빅데이터 기술 활용 방안 제안

분석 기법으로 ‘빅데이터 분석 기술 활용’과 ‘빅 데이터 분석 결과 활용’ 두 가지 모듈을 제안할 수 있다(그림 6). 빅데이터 분석 기술은 빅데이 터 처리 인프라를 기반으로, 데이터 수집 및 통 합, 데이터 전처리, 데이터 분석 등으로 구분할 수 있다. 데이터 전처리 기술은 실시간 센서의 계측 정보, 소셜 네트워크정보 등 지속적으로 발생하는 정형 및 비정형 데이터를 정제하여 분석 가능 형태로 구조화하여, 분석의 정확성 을 높일 수 있다. 데이터 분석 기술은 빅데이터 에 내재된 가치를 추출하기 위해 필요한 텍스 트 마이닝, 그래프 분석 등의 분석 방법, 기계 학습 및 인공지능을 활용한 심층 분석 기술로 서, 수집된 빅데이터를 활용한 침수피해 확률 모델을 활용할 수 있다. 데이터 분석 가시화 기 술은 비전문가가 데이터 분석을 수행할 수 있 는 환경을 제공하는 분석 도구 기술과 분석결 과를 함축적으로 표시하고, 직관적인 정보를 제공하는 정보 가시화 기술로 구분 할 수 있으 며, 침수피해지도 및 트윗지도, 위치기반 재해 예보지도 등을 활용할 수 있다.

감사의 글

본 연구는 농림축산식품부의 재원으로 농림 수산식품기술기획평가원의 첨단생산기술개발사업 의 지원을 받아 연구되었음(과제번호: 313004-4).

참고문헌

1. Choi, S.H., 2014. The model for sensing of disaster signs based on big data. Journal of the Korean Society of Hazard Mitigation 14(2):

149-157 (in Korean).

2. Choi, S.H., Park, Y.J., Shim, J.H., 2015.

Strengthening of disaster management ability through big data utilization. The Magazine of the Korean Society of Civil Engineering 63(7):

21-28 (in Korean).

3. Faghmous, J.H., Kumar, V., 2014. A big data guide to understanding climate change: The case for theory-guided data science. Big Data 2(3): 155-163.

4. Ferguson, A.R., Nielson, J.L., Cragin, M.H., Bandrowski, A.E., Martone, M.E., 2014. Big data from small data: Data-sharing in the ‘long tail’

of neuroscience. Nature Neuroscience 17: 1442-1447.

5. Kim, Y.S., Noh, H.S., Kim, K.T., Kim, H.S., 2015. Management of water resources information based on big data. The Magazine of the Korean Society of Civil Engineering 63(3): 50-57 (in Korean).

6. Kim, Y.S., Kang, N.R., Jung, J.W., Kim, H.S., 2016. A review on the management of water resources information based on big data and cloud computing. Journal of Wetlands Research 18(1): 100-112 (in Korean).

(7)

7. Laney, D., 2001. 3D data management: Controlling data volume, velocity, and variety. Application Delivery Strategies.

8. Lee, C.H., Hur, J., Oh, H.J., Kim, H.J., Ryu, P.M., Kim, H.K., 2013. Technology trends of issue detection and predictive analysis on social big data. Electronics and Telecommunications Trends.

9. Lee, D.K., 2016. An introductory study on a disaster management system using big data – with focus on the comparison of the United States, Britain, and South Korea-. Crisisonomy 12(1): 17-32 (in Korean).

10. National Disaster Management Institute (NDMI), 2013a. Implementation strategy for development of smart big board and pilot operation. National Disaster Management Institute: NDMI-PR-2013- 06-02 (in Korean).

11. National Disaster Management Institute (NDMI),

2013b. Social bigdata operation plan for disaster management and sensing algorithm of disaster issues. National Disaster Management Institute:

NDMI-PR-2013-27 (in Korean).

12. National Disaster Management Institute (NDMI), 2013c. Development of collection and analysis models for unstructured bigdata of disaster-related.

National Disaster Management Institute: NDMI- PR-2013-27-02 (in Korean).

13. National Disaster Management Institute (NDMI), 2014. The research of social bigdata utilization guideline for disaster management and territorial expansion for sensing issues. National Disaster Management Institute: NDMI-PR-2014-12-01 (in Korean).

14. Shelton, T., Poorthuis, A., Graham, M., Zook, M., 2014. Mapping the data shadows of hurricane Sandy: Uncovering the sociospatial dimensions of ‘big data’. Geoforum 52: 167-179.